Zur Navigation springen Zum Inhalt springen

b+m Informatik AG

Themen, die Sie bewegen.

Sie wollen mehr erfahren? Hier finden Sie eigene Publikationen, Artikel und Videos zu unserem Angebot und unseren Lösungen.

Publikationen und Videos

b+m bAVManager für Gutachten und Pensionsfondsangebote

b+m bAVManager FAQ-Katalog - Frequently Asked Questions
Alle häufig wiederkehrenden Fragen zu Fachlichkeit, Technik und Datenmigration kurz beantwortet
(PDF 409 KB)

b+m bAVManager Leistungen und Preise
Funktionen und Leistungspakete auf einen Blick
(PDF 225 KB)

 

b+m bAVManager Fact Sheet
Alle wichtigen Informationen kurz zusammengefasst
(PDF 170 KB)

Gutachten. Einfach. Intelligent.

Lernen Sie jetzt den bAVManager kennen. Die führende Software zur Erstellung und Berechnung von versicherungsmathematischen Gutachten.

In nur 5 Minuten zum Gutachten

Sie glauben nicht, dass es möglich ist, innerhalb von 5 Minuten ein Gutachten zu erstellen? Doch ist es! Mit dem b+m bAVManager ist das möglich. Sehen Sie selbst, wie schnell es geht.

b+m bAVManager Akademie Basisschulungen

Ob Grundlagen der Parametrisierung, Anpassen von Globaldaten oder Überschreiben von Leistungsplänen - Wir zeigen Ihnen in der bAVManager Akademie, wie Sie es umsetzen können. Schauen Sie selbst.

Publikationen und Videos

FGCenter und LoanManagement System für das Förderkreditgeschaft

FGCenter. Smart. Digital.

Lernen Sie jetzt FGCenter kennen. Die führende Software für das Förderkreditgeschäft.

IBM Fallstudie: b+m LoanManagement System

Um Spezialkredite für die COVID-19-Hilfe schnell verteilen zu können, hat die NBank gemeinsam mit dem IBM Business Partner b+m Informatik AG eine digitale Kreditantragsplattform eingeführt.

Publikationen

b+m Insurance Suite für Bestandsführung & Sales mit durchgend digitalen Prozessen auf BiPRO-Basis

b+m Insurance Suite Fact Sheet
Alle wichtigen Informationen kurz zusammengefasst
(PDF 751 KB)

Publikationen und Videos

Künstliche Intelligenz und Machine Learning

AI Spektrum

Artikel zum Thema Künstliche Intelligenz in der Praxis

  • Autoencoder - eine Vielseitig einsetzbare ArchitekturAutoencoder sind generative neuronale Netzwerke, die äußerst vielseitig einsetzbar sind. Sie finden unter anderem beim maschinellen Übersetzen Anwendung, bei der Anomalieerkennung oder der Bildbearbeitung.2 MB

KI und Machine Learning – Schwerpunkt Reinforcement Learning

Dieser Vortrag liefert einen tiefen Einblick in die drei großen Bereiche des Machine Learning mit (Live-) Beispielen und Erläuterung der Funktionsweise. Ein besonderer Schwerpunkt dieses Vortrages liegt auf dem Thema Reinforcement Learning.

KI und Machine Learning in der Praxis. Ein Blick unter die Motorhaube.

  Dieser Vortrag liefert einen Überblick über die drei großen Bereiche des Machine Learning und betrachtet darüber hinaus weitere Aspekte wie typische Missverständnisse und das Management von KI-Projekten.

Interview Herausforderung und Chancen der KI für Unternehmen

Künstliche Intelligenz und Machine Learning stellt Unternehmen vor große Herausforderungen. Wie disruptiv ist das Thema KI für das eigene Geschäftsmodell und welche Chancen gilt es zu nutzen?

Machine Learning – Showcase: Semantische Textanalyse

 

Semantische Textanalyse mit neuronalen Netzen erlaubt z. B. die Extraktion von Themen aus frei verfassten Dokumenten oder die Erkennung der Stimmung des Verfassers. Convolutional Neural Nets (CNN) werden üblicherweise zur Bildklassifikation verwendet. In Kombination mit State-of-the-Art Word Embeddings, die auf den Wikipedia vorhandenen Wortassoziationen basieren, können 1D-CNNs auch sehr gut zur Textanalyse eingesetzt werden.

Machine Learning – Tooling: Visuelle Introspektion eines neuronalen Netzes

Tiefe neuronale Netze sind Blackbox-Systeme. Insbesondere die Wirkung der verborgenen Schichten (Hidden Layers) ist für Menschen normalerweise nicht interpretierbar, was u. a. das Debuggen solcher Modelle erschwert. In diesem Video zeigt Thomas Stahl eine Technik, die eine visuelle Introspektion neuronaler Netze ermöglicht. Als Beispiel dient ein Convolutional Neural Net (CNN) zur Klassifikation handgeschriebener Ziffern.

Wie lernen künstliche neuronale Netze? Teil 1: Gradientenverfahren

Das Training künstlicher neuronaler Netze geschieht durch gradientenbasierte Optimierungsverfahren. Dieses Video erklärt zunächst das Grundprinzip neuronaler Netze, um dann die konzeptionelle Funktionsweise solcher Lernverfahren an einem anschaulichen Beispiel grafisch zu verdeutlichen.

Wie lernen künstliche neuronale Netze? Teil 2: Die Mathematik hinter dem Backpropagation-Algorithmus

Der berühmte Backpropagation-Algorithmus ist ein Spezialfall einer relativ unbekannten, aber viel umfassenderen mathematischen Disziplin, der "Automatic Differentiation". Die im Detail komplizierte Backpropagation lässt sich in diesem Licht deutlich besser verstehen. Das Video behandelt zudem die wesentlichen Zutaten aus mathematischer Sicht: Gradienten, Jacobi-Matrix und die multivariable Kettenregel.

Publikationen

Softwareengineering und -architektur

Modellgetriebene Softwareentwicklung in einem Großprojekt
Artikel aus OBJEKTspektrum
(PDF 1.20 MB)

Sprechen Sie uns an.

+49 (0)4340 4040