Künstliche Intelligenz mit AutoML, Low-Code und No-Code: Eine Markterhebung von Software-Tools

Martin Simons, Malte Roloff, Andrea Liebe and Martin Lundborg

No 501, WIK Discussion Papers from WIK Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste GmbH

Abstract: Automatisiertes Maschinelles Lernen (AutoML) sowie Low-Code und No-Code versprechen, im Sinne des Citizen Developer-Konzepts eine einfachere Nutzung von Künstlicher Intelligenz (KI) indem die erforderlichen Programmierkenntnisse bzw. der Entwicklungsaufwand reduziert werden. Diese neuen Ansätze erleichtern somit insbesondere kleinen und mittleren Unternehmen (KMU) den Einstieg und bieten damit das Potenzial für eine schnelle Verbreitung und stärkere Nutzung von KI-Lösungen. Ziel dieser Studie ist es zu untersuchen, ob diese Versprechen eingelöst werden können.

Keywords: Künstliche Intelligenz; Automatisierung; PC-Software; KMU; Deutschland (search for similar items in EconPapers)
Date: 2023
New Economics Papers: this item is included in nep-cmp and nep-ger
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.econstor.eu/bitstream/10419/280934/1/1876513101.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:zbw:wikdps:280934

Access Statistics for this paper

More papers in WIK Discussion Papers from WIK Wissenschaftliches Institut für Infrastruktur und Kommunikationsdienste GmbH
Bibliographic data for series maintained by ZBW - Leibniz Information Centre for Economics ().