Ramona Greiner Bücher

Dieses Buch ist Ihr praktischer Werkzeugkoffer für einen modernen Wahlkampf. Es bietet Online-Marketing-Knowhow, kreative Ideen, effiziente Arbeitsweisen und Methoden für zielgruppenorientierte Kommunikation sowie Best Practices für die Teamarbeit. Es richtet sich an Wahlkämpfer: innen auf allen Ebenen, die erkannt haben, dass traditionelle Wahlkampfstrategien nicht mehr ausreichen, um die Wähler: innen von heute zu erreichen. Gutes Wahlkampfmanagement ist eine Kunst, die nicht studiert werden kann. Ein Abschluss in Politikwissenschaft und Erfahrung im Projektmanagement sind hilfreich, aber nicht genug. Die Rahmenbedingungen für politische Kampagnen haben sich erheblich verändert, und eine Anpassung an die neuen digitalen und kommunikativen Herausforderungen ist unerlässlich. Das Buch behandelt die Entwicklung einer ganzheitlichen Wahlkampfstrategie und deren optimale Umsetzung, agile Methoden für effizientere Wahlkämpfe, die Identifizierung der richtigen Zielgruppen und Themen, sowie Strategien zur Gewinnung und Überzeugung der Wähler: innen. Zudem wird erläutert, wie man ein motiviertes Wahlkampfteam aufbaut und eigenverantwortliches Arbeiten fördert. Schließlich werden Wege aus Krisen aufgezeigt, einschließlich des Umgangs mit Shitstorms.

Dieses Buch bietet Ihnen einen praktischen Einstieg in die Welt der Künstlichen Intelligenz (KI) und Data Science. Es hinterfragt aktuelle Hypes und ist ein praxiserprobter Guide mit konkreten Schritten für den sinnvollen Einsatz von einfachen bis komplexeren KI-Anwendungen im Unternehmen - mit Schwerpunkt auf Data Analytics und Web-/App-Tracking. In welchen Einsatzbereichen steckt das meiste Potenzial? Wie bestimmen Sie den KI-Reifegrad Ihres Unternehmens und wie planen Sie Ihre KI-Weiterbildungsoffensive? Welche wirtschaftlichen, ethischen und ökologischen Risiken sollten Sie berücksichtigen? Antworten darauf erhalten Sie in diesem Quick Guide - mit zahlreichen Tipps, Methoden und Vorlagen für den Transfer in Ihr Unternehmen. Ein Buch für alle, die sich die Möglichkeiten von KI-Anwendungen jetzt erschließen und schon bald davon profitieren wollen. Der Inhalt Grundlagen und historische Einordnung Einsatzbereiche von KIim Bereich Analytics Risiken und Chancen beim Einsatz von KI im Unternehmen KI-Governance in fünf konkreten Schritten AI & Data Analytics trifft Recht: AI Act und DSGVO KI-Strategie aus Ihrer Geschäftsstrategie ableiten KI-Kompetenz im Unternehmen erhöhen - mit Self-Assessment, Gap-Analyse und KI-Kompetenz-Canvas Vom Scheitern lernen: Der Friedhof der KI-Projekte Was Sie aus diesem Buch mitnehmen werden: Warum wir im Zeitalter der allgegenwärtigen Künstlichen Intelligenz alle zumindest ein bisschen zu Data Scientists werden müssen Wie sich die Teildisziplinen von Künstlicher Intelligenz und Data Science zueinander verhalten Was Machine Learning und Deep Learning eigentlich sind und was das mit Neuronalen Netzen zu tun hat Wie sich die genAI, also generative Künstliche Intelligenz, in verschiedenen Domänen (Sprache, Bild, Musik etc.) entwickelt Wo aktuelldas meiste Potenzial für den Einsatz von KI steckt und welche Bereiche Sie sich deshalb genauer ansehen sollten Wo Sie KI in Ihrem Alltag direkt anwenden können, um Aufgaben schneller und einfacher zu erledigen Welche wirtschaftlichen, ethischen und ökologischen Risiken und Chancen Sie beim Einsatz von KI berücksichtigen sollten Wieso eine Kosten-Nutzen-Abwägung erfolgen sollte, bevor ein KI-Projekt gestartet wird Wie Sie die Ziele Ihrer KI-Governance festlegen Worauf Sie bei der Umsetzung Ihrer Governance Welche rechtlichen Entwicklungen im Bereich von Data Procurement und Data Analytics zu erwarten sind Grundlegende Schritte zur Bewertung der Anwendbarkeit des Gesetzes auf spezifische Praktiken durch Fallstudienanalysen Wie sich Ihre KI-Strategie in der Praxis umsetzen lässt (am Beispiel von Conversion Rate Optimization) Warum sich KI-Kompetenz und KI-Strategie gegenseitig bedingen und wie Sie dieses Henne-AI-Problem lösen können Wie Sie bestimmen, welchen KI-Reifegrad Ihr Unternehmen gerade hat und welchen es erreichen möchte Wie Sie die vorhandene KI-Kompetenz in Ihrem Unternehmen erheben und anhand eines Zielbildes und einer Gap-Analyse herausfinden, auf welche Bereiche Sie sich bei Ihrer Weiterbildungsoffensive konzentrieren sollten Wie Sie Ihre Weiterbildungsoffensive mit einem Canvas planen Wie wir mit den Hypes im Zeitalter der KI umgehen sollten Warum es KI-Kompetenz und kritisches Denken braucht, um herauszufinden, aus welchen Fehlern und Projekten man wirklich lernen kann - mit Self-Assessment und Gap-Analyse Was Scheitern mit Ihrer Datenkultur zu tun hat und wie diese gefördert werden kann Mit Self-Assessment und Gap-Analyse für die KI-Kompetenz Ihres Unternehmens Zahlreichen konkreten Tipps für den Transfer in Ihr Unternehmen Inhaltsverzeichnis 1. Grundlagen und historische Einordnung.- 2. Einsatzbereiche von KI im Bereich Analytics.- 3. Risiken und Chancen für den Einsatz von KI im Unternehmen.- 4. Governance in Zeiten von KI in Analytics fünf konkrete Schritte.- 5. AI & Data Analytics trifft Recht: Clash of cultures oder living in harmony? (Gastbeitrag von Peter Hense/Tea Musta ).- 6. Strategie meets Literacy.- 7. KI-Kompetenz im Unternehmen erhöhen vom Self-Assessment bis zur Umsetzung.- Schlussbemerkung: Der Friedhof der KI-Projekte.- GLOSSAR.

Die Autoren zeigen, wie man mit Data Analytics und AI in eigenen Data-Science-Projekten echten Mehrwert schaffen kann. Sie bieten einen Leitfaden, um Datenanalysen systematisch, agil und nutzer:innenzentriert zu gestalten. Zu Beginn der Projekte betonen sie die Bedeutung, die richtigen Fragen für das Geschäftsmodell zu stellen. Anschließend erläutern sie den effektiven Einsatz von Technologien und Daten zur Wertschöpfung. Die Umsetzung erfolgt durch agile Methoden und Design Thinking, die sie für alltägliche Analytics- und Data-Science-Projekte anpassen. Das Buch enthält zahlreiche Beispiele und Erfahrungen aus verschiedenen Projekten sowie zwei reale Fallstudien, die den Weg von der Idee zum Prototypen aufzeigen. Die Themen umfassen agile Prinzipien, die Verbindung von Design Thinking und Data Thinking, den gezielten Einsatz von Künstlicher Intelligenz in der Datenanalyse und die ethischen sowie rechtlichen Implikationen von Data Analytics und AI. Darüber hinaus wird der Data Value Loop vorgestellt, der einen agilen und nutzer:innenzentrierten Ansatz zur Wertschöpfung aus Daten bietet. Praktische Aspekte der Analytics werden von der Konzeption über Tracking und Reporting bis hin zu Meetings im Alltag behandelt. Zudem wird die Frage erörtert, wie Data Science und Agile zusammen funktionieren können. Ein Glossar und ein Inhaltsverzeichnis runden das Werk ab.