Strecker, StefanStefanStreckerSchwickert, Axel C.Axel C.Schwickert2022-07-042004-08-302022-07-041997http://nbn-resolving.de/urn:nbn:de:hebis:26-opus-16915https://jlupub.ub.uni-giessen.de/handle/jlupub/2429http://dx.doi.org/10.22029/jlupub-2126In den letzten Jahren ist das Interesse an neuen betriebswirtschaftlichen Problemlösungsverfahren enorm gestiegen. Herkömmliche Verfahren aus dem Operations Research (OR) und der Statistik bieten angesichts hochkomplexer Probleme oft nur unbefriedigende Ergebnisse. Verfahren aus dem Forschungsgebiet der Künstlichen Intelligenz dringen zunehmend in betriebswirtschaftliche Problemstellungen vor. Künstliche Neuronale Netze (KNN) stellen 'intelligente' Problemlösungsverfahren dar, die sich besonders für nicht-konservative Aufgabenstellungen eignen, bei denen kein exaktes Modell der Ursache-Wirkungszusammenhänge vorliegt. Die Verfahren zeichnen sich durch eine breite Anwendbarkeit in betrieblichen Aufgabengebieten aus. Das vorliegende Arbeitspapier soll eine grundlegende Einordnung und Klassifikation von KNN vornehmen und damit einen Einstieg in die Thematik ermöglichen. Zunächst werden KNN als intelligente Informationssysteme im wissenschaftlichen Umfeld der Kognitionswissenschaften, des Konnektionismus und der Künstlichen Intelligenz positioniert. Nach der Darstellung des historischen Hintergrundes werden KNN aufgrund ihrer immanenten Eigenschaften und betriebswirtschaftlichen Anwendungsbereichen klassifiziert, um sodann mit der Beschreibung anderer potentieller Verfahren für Intelligente Informationssysteme der wissenschaftlichbegrifflichen Einordnung von KNN eine inhaltliche Abgrenzung hinzuzufügen.deIn CopyrightKünstliche Neuronale NetzeKognitionswissenschaftenKonnektionismusKünstliche IntelligenzIntelligente Informationssystemefuzzy logicddc:650