Predictive Intelligence
Description
Predictive Intelligence bringt Klarheit in die KI-Debatte - und vor allem Wirkung in die Praxis. Dieses Essential zeigt, wie Unternehmen Prognosen konsequent in fundierte, operative Entscheidungen überführen und sich vom reaktiven zum antizipativen Management entwickeln. Anschauliche Use Cases aus Marketing, Vertrieb, HR, Kommunikation und Nachhaltigkeit machen deutlich, wie Predictive Intelligence zum zentralen Steuerungsinstrument des Intelligent Enterprise wird.
Ein kompakter Leitfaden für Fach- und Führungskräfte, die KI nicht nur verstehen, sondern strategisch nutzen und in wirksame Entscheidungen übersetzen wollen.
More details
Persons
Uwe G. Seebacher gehört zu den international führenden Methoden- und Strukturwissenschaftlern. Er promovierte in Betriebswirtschaftslehre und ist mit mehreren renommierten internationalen Universitäten und Business Schools affiliiert. Als Autor und Mitglied des Harvard Business Review Advisory Council sowie des Executive Review Board der Academy of Management (AOM) bringt er wissenschaftliche Exzellenz mit unternehmerischer Praxis zusammen.
Seebacher verfügt über mehr als 35 Jahre Erfahrung als Business Angel und Investor, Berater, Führungskraft und Unternehmer - mit Stationen in der Medien-, Produktions- und Dienstleistungsbranche. Er ist ein gefragter Keynote Speaker und Panelist sowie Autor und Herausgeber von über 60 Fachpublikationen bei führenden Verlagen - darunter:
- B2B Marketing Guidebook (Springer, 2025)
- Mastering CommTech (Springer, 2025)
- Sustainable Futures (CRC Press, 2025)
- Effizient Faul (edition a, 2025)
- Marketing and Sales Automation (Springer, 2023)
- Reengineering Corporate Communication (Springer, 2022)
- Assets-as-a-Service (Springer Gabler, 2021)
- Data-driven Management (Springer Gabler, 2021)
- Predictive Intelligence for Managers (Springer, 2021)
- Praktisches Handbuch B2B Marketing (Springer Gabler, 2023)
- Marketing Resource Management (AQPS, 2021)
- Handbuch Leadership Development (Linde, 2006)
- Template-based Management (Springer, 2020)
- Personalmanagement in Europa (Harvard Business Manager, 2009)
Für seine innovativen Konzepte und Initiativen - u. a. mit Allianz, der Europäischen Union, der Wirtschaftskammer Österreich, Bayer Leverkusen und BASF - wurde er mit zahlreichen Auszeichnungen geehrt, darunter dem Diskobolos Innovation Award der Europäischen Wirtschaftskammer und dem Exportpreis 2016 der Wirtschaftskammer Österreich.
Weitere Informationen: www.uweseebacher.org
Kontakt: uwe.seebacher(at)aqps.eu
Prof. Dr.-Ing. Christoph Legat ist ein Unternehmer, Berater, Wissenschaftler und Experte für Normung und Technologie im Bereich Künstliche Intelligenz und Digitale Zwillinge. Er lehrt und forscht an der Technischen Hochschule Augsburg (THA) in Deutschland zu neuen Methoden und Konzepten für den erfolgreichen Einsatz moderner Informationstechnologien in der industriellen Digitalisierung. Seit 2024 ist er Professor für Digitale Zwillinge mechatronischer Systeme an der THA. Er besitzt ein Diplom in Informatik von der Ludwig-Maximilians-Universität München und einen Doktortitel in Ingenieurwissenschaften von der Technischen Universität München, Fakultät für Maschinenwesen. Aufgrund seiner mehr als zehnjährigen Praxiserfahrung in der Entwicklung und dem Management von Innovation und Technologie berät er erfolgreich Jungunternehmer, KMUs und Konzerne hinsichtlich erfolgreicher Digitalisierungsstrategien. Zudem ist er Co-Founder mehrerer Deep Tech-Unternehmen und (Co-)Autor von über 80 internationalen Fachpublikationen. Darüber hinaus ist er seit über fünf Jahren nationaler Koordinator für die Normung und Standardisierung von Künstlicher Intelligenz in industriellen Anwendungen im Standardization Council Industrie 4.0 der DKE - Deutsche Kommission Elektrotechnik Elektronik Informationstechnik und (leitendes) Mitglied in zahlreichen nationalen und internationalen technischen Gremien in den Bereichen Digitaler Zwilling, Künstliche Intelligenz, Internet der Dinge und Digital Engineering.
Content
Historischer Abriss: Entwicklung von KI, Statistik und Prognose.- Abgrenzung: BI, Data Science, Predictive Analytics, Collective Intelligence, Predictive Intelligence.- Methodik: Von Heuristik zu Next-Best-Actionms, CRISP-DM, Validierung.- Funktionslogik statt Branchenlogik.- Kritische Betrachtung von Predictive Sales, LLMs und Marktverzerrung.- Die technologische Einzigartigkeit von Predictive Intelligence.- Use Cases und Fallstudien.- Theoretische Fundierung und aktuelle Forschung.- Ausblick: The Intelligent Enterprise.