Wo kommt eigentlich der Begriff “Robot” her?

cropped-innovation.jpg

Der Begriff “Robot” wird von uns allen wie selbstverständlich benutzt, doch ist vielen gar nicht klar, dass “Robot” aus dem Slavischen kommt und “Arbeit” bedeutet (MGI 2017: A future that works, p. 3):

The Czech writer Karel Capek coined the word “robot” almost a century ago, in a 1920 play about factory androids that each do the work of two-and-a-half humans at a fraction of the cost. Science fiction has since become business fact. Robots are commonplace in manufacturing, and algorithms are playing an ever-larger role in companies from UPS to Amazon.

The word “robot” comes from the Slavic word for work, “robota.” Karel Capek, R.U.R. (Rossum’s Universal Robots), 1920. The play is available at www.gutenberg.org.

Solche Entwicklungen sind immer ambivalent: Einerseits helfen uns solche Systeme (Robots), stupide und schwere Arbeit zu verrichten; andererseits werden diese Systeme immer leistungsfähiger und ersetzen manche Tätigkeiten, bzw. ganze Jobs. Diese Ambivalenz gab es schon häufiger in der Geschichte des Menschen. Es kommt darauf an, wie wir mit solchen Entwicklungen umgehen. Manche haben sich rechtzeitig darauf eingestellt, und andere haben diese Trends ignoriert… Solche Zusammenhänge besprechen wir auch in dem von uns entwickelten Blended Learning Lehrgang Innovationsmanager (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

The Economist (2016): ARTIFICIAL INTELLIGENCE IN THE REAL WORLD

econnomist-2016-artificial-intelligence

In dem Paper The Economist (2016): ARTIFICIAL INTELLIGENCE IN THE REAL WORLD: The business case takes shape (PDF) wird zunächst einmal herausgestellt, dass Artificial Intelligence (Künstliche Intelligenz) nichts ist, das irgendwann zum Einsatz kommt. Artificial Intelligence (AI) wird schon in vielen Bereichen erfolgreich genutzt. Doch zunächst ist es sinnvoll zu deg´finieren, was unter AI, Deep Learning und Machine Learning zu verstehen ist (Seite 3):

The term artificial intelligence (AI) refers to a set of computer science techniques that enable systems to perform tasks normally requiring human intelligence, such as visual perception, speech recognition, decisionmaking and language translation. Machine learning and deep learning are branches of AI which, based on algorithms and powerful data analysis, enable computers to learn and adapt independently. For ease of reference we will use “artificial intelligence”, or AI, throughout this report to refer to machine learning, deep learning and other related techniques and technologies.

Zu folgende Ergebnissen ist die Analyse gekommen:

  • The pace of adoption is quickening.
  • North America and the health sector lead the way.
  • Competition—or the anticipation of it—is spurring companies on.
  • Better user experience is the key prize for many.
  • Better decisions should also result.
  • Efficiency and flexibility gains beckon for retailers and manufacturers.
  • Cost, data quality and cultural resistance hold companies back.
  • Building the AI business case is anything but straightforward.

Siehe dazu auch meine Veröffentlichungen:

Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer

Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download