Dieser Sammelband verbindet theoretische Grundlagen und praktische Anwendungen von Künstlicher Intelligenz und Data Science: Führende Expertinnen und Experten aus Wissenschaft und Wirtschaft stellen in ihren Beiträgen den aktuellen Stand in Forschung und Unternehmenspraxis dar und bieten so einen einzigartigen Überblick über aktuelle Konzepte und ihre Umsetzung in Unternehmen.

Im ersten Teil des Buchs werden grundlegende Konzepte, aktuelle Methoden und Algorithmen aus Statistik und Informatik skizziert; dazu gehört auch eine strukturierte Einführung in die Mathematik und Methodik moderner KI-Modelle. Darüber hinaus werden zentrale übergeordnete Aspekte beleuchtet – etwa Wirtschaftlichkeit, Wertschöpfung, Nachhaltigkeit und Datenethik. Im zweiten Teil werden die praktische Umsetzung und typische Herausforderungen vertieft, darunter die Einbettung in eine Gesamtstrategie, die Operationalisierung und Weiterentwicklung daten- und KI-basierter Lösungen sowie die Überführung von Prototypen (PoCs) in produktive, skalierte Anwendungen – auch vor dem Hintergrund des EU AI Act. Der dritte Teil widmet sich Data Science in der Praxis: Vertreter namhafter Unternehmen berichten aus konkreten Projekten in unterschiedlichen Branchenkontexten, darunter auch Anwendungsfälle mit Large Language Models (LLMs) und agentischen Systemen. Die Beiträge reichen von international agierenden Konzernen bis zu mittelständischen Unternehmen und Startups.

Das Buch möchte die interdisziplinäre Diskussion und Kooperation zwischen Wissenschaft und Wirtschaft fördern und einen Beitrag zur allgemeinen „Data Literacy“ leisten. Es richtet sich insbesondere an

• Studierende und Absolventen, die Orientierung für die eigene Laufbahn suchen,
• Forschende und Lehrende, die einen Einblick in praxisrelevante Einsatzgebiete erhalten möchten,
• Anwender, Praktiker und Entscheider, die sich über Chancen und Herausforderungen von KI in der Praxis informieren möchten.

Für die vorliegende zweite Auflage wurden insbesondere Grundlagen und Beispiele zu Generativer KI (GenAI) und Agentic AI integriert. Auch die Dynamik seit ChatGPT und anderen Foundation Models wird eingeordnet, und die entsprechende Unternehmenspraxis von der Strategie bis zum zuverlässigen Betrieb mit LLMOps und MLOps wird vertieft. Dafür wurden zahlreiche neue Beiträge aufgenommen, bestehende aktualisiert oder grundlegend überarbeitet.

Andreas Gillhuber ist Unternehmer, Technologieexperte und Berater mit über 30 Jahren Erfahrung in IT, Data Science und Künstlicher Intelligenz. Er ist Gründer und CEO der A. Gillhuber Investment & Consulting GmbH, Geschäftsführer und Mitgründer des KI-Start-ups &act sowie Senior Advisor mit verschiedenen Mandaten im Beratungs- und Private Equity-Bereich. Er engagiert sich als CFO der German Data Science Society (GDS) e.V. und ist Gastdozent an der Constructor University Bremen und der Scheer School Saarbrücken. Zuvor war er Geschäftsführer in einem der führenden Data- und KI-Beratungsunternehmen im DACH-Raum und hatte Führungspositionen bei BMW, RWE, Nokia Siemens Networks, Siemens und IBM inne.

Göran Kauermann ist Universitätsprofessor an der Ludwigs-Maximilians-Universität München und lehrt und forscht im Bereich Statistik und Data Science. Er leitet von 2016 bis 2026 den Elitestudiengang Data Science an der LMU und ist derzeit gewählter Fachkollegiat für Statistik bei der Deutschen Forschungsgemeinschaft.  Er ist Vorsitzender der German Data Science Society (GDS) e.V.

Wolfgang Hauner ist Mitgründer und Geschäftsführer einer AI-Beratungsfirma und berät als Senior Advisor Vorstände und Bereichsleiter zu Fragen der Digitalisierung und künstlichen Intelligenz. Zuvor war er als Head of Group Data Analytics bei Allianz SE und Group Chief Data Officer bei Munich Re global verantwortlich für Data Analytics und AI in Erst- und Rückversicherung. Er engagiert sich als Gründungsmitglied im Vorstand der German Data Science Society (GDS e.V.).