Was ist Intelligenz?

Intelligenz kann als die Fähigkeit definiert werden, Probleme zu lösen, Zusammenhänge zu erkennen und sich an neue Situationen anzupassen. Während Tiere über beeindruckende kognitive Fähigkeiten verfügen – von der Werkzeugnutzung bei Schimpansen bis hin zur Orientierung von Zugvögeln über tausende Kilometer –, zeichnet sich die menschliche Intelligenz durch ihre außergewöhnliche Flexibilität und kreative Problemlösung aus.

Die verschiedenen Formen der Intelligenz

Der Psychologe Howard Gardner entwickelte die Theorie der multiplen Intelligenzen, die über die klassische, auf den Intelligenzquotienten (IQ) fokussierte Sicht hinausgeht. Er identifizierte unter anderem:

• Linguistische Intelligenz: Sprachliches Ausdrucksvermögen und Verständnis
• Logisch-mathematische Intelligenz: Abstraktes Denken und Problemlösungsfähigkeiten
• Räumliche Intelligenz: Fähigkeit, mit visuellen Informationen umzugehen
• Musikalische Intelligenz: Wahrnehmung und Schaffung musikalischer Strukturen
• Körperlich-kinästhetische Intelligenz: Kontrolle über den eigenen Körper
• Interpersonale Intelligenz: Soziale Fähigkeiten und Empathie
• Intrapersonale Intelligenz: Selbstbewusstsein und Reflexion
• Naturalistische Intelligenz: Sensibilität für Naturphänomene

Diese Vielfalt zeigt, dass Intelligenz nicht auf eine einzelne Fähigkeit reduziert werden kann, sondern in vielen verschiedenen Formen existiert.

Künstliche Intelligenz und ihre Grenzen

In den letzten Jahrzehnten hat die Entwicklung künstlicher Intelligenz (KI) enorme Fortschritte gemacht. Maschinen sind mittlerweile in der Lage, große Datenmengen zu analysieren, Muster zu erkennen und sogar kreative Werke zu erschaffen. Dennoch bleibt die menschliche Intelligenz einzigartig, insbesondere durch ihre emotionale Tiefe, Kreativität und die Fähigkeit, ethische Entscheidungen zu treffen.

Die Zukunft der Intelligenz

Während wir weiterhin die Geheimnisse unseres Geistes entschlüsseln, stellt sich die Frage, wie wir Intelligenz in Zukunft verstehen und nutzen werden. Bildungssysteme entwickeln sich weiter, um unterschiedliche Intelligenzformen zu fördern und Forscher arbeiten daran, das Zusammenspiel von Gehirn und Bewusstsein besser zu begreifen. Die Erforschung der menschlichen Intelligenz wird nicht nur unsere eigene Entwicklung vorantreiben, sondern auch unsere Beziehung zu Maschinen und zur Umwelt neu definieren.

Menschliche Intelligenz ist ein Wunderwerk der Evolution – ein einzigartiges Geschenk, das uns befähigt, die Welt nicht nur zu begreifen, sondern sie aktiv zu gestalten.

Der Beitrag Menschliche Intelligenz – Das Wunder des Geistes erschien zuerst auf CEOsBay.

Vor einigen Wochen wurde bei meinem Vater ein Vorhofflimmern diagnostiziert. Eine Diagnose, die uns alle in Alarmbereitschaft versetzt hat. Vorhofflimmern ist eine ernste Angelegenheit, und es ist unabdingbar, dass wir uns die Zeit nehmen, um die richtige Behandlung und den richtigen Weg nach vorne zu finden. Es war ein intensiver Prozess, der mehrere Untersuchungen und Besprechungen mit den Ärzten erforderte.

In diesen schwierigen Zeiten musste ich meine Rolle, hier auf dem Blog, in den Hintergrund stellen und in erster Linie ein unterstützendes Familienmitglied sein. Prioritäten zu setzen war nie schwieriger, aber die Gesundheit und das Wohlbefinden meines Vaters standen ganz klar im Vordergrund. Selbst meine beruflichen Projekte waren vorübergehend davon betroffen.

Ich weiß, dass dies eine Zeit war, in der viele von Ihnen meinen Input und meine Beiträge vermisst haben mögen. Dafür bitte ich um Ihr Verständnis. Gleichzeitig habe ich aus dieser Erfahrung eine wichtige Lektion gelernt, die ich gerne mit Ihnen teilen möchte: Manchmal ist es okay, eine Pause einzulegen. Es ist okay, sich Zeit zu nehmen, um die Dinge, die wirklich zählen, zu priorisieren und zu pflegen.

Die gute Nachricht ist, dass mein Vater nach all den medizinischen Untersuchungen und der Behandlung nun wieder wohl auf ist und wir alle wieder etwas aufatmen können. Es war eine schwierige Zeit, aber eine, die uns als Familie näher zusammengebracht hat.

Jetzt, da wir diese Hürde überwunden haben, kann ich mich wieder meiner Arbeit und Blog widmen. Aber ich möchte darauf hinweisen, dass meine Beiträge in den nächsten Wochen möglicherweise nicht so kontinuierlich wie gewohnt erscheinen. Nicht, weil ich das Interesse oder die Leidenschaft verloren habe, sondern weil ich momentan mehr lese als ich schreibe. Es ist eine Phase des Lernens und des Sammelns neuer Ideen, die letztendlich zu tiefgründigeren und reflektierteren Beiträgen führen wird.

Ich danke Ihnen für Ihre Geduld und Ihr Verständnis während dieser Zeit. Ihr fortgesetzter Support und Ihre positiven Nachrichten haben sowohl meiner Familie als auch mir geholfen. Bleiben Sie gesund, und ich freue mich darauf, Sie in den kommenden Tagen wieder in meinem Blog zu begrüßen. Die Erstellung des heutigen Beitragsbildchens übernahm übrigens eine künstliche Intelligenz. Prioritäten 😉

Live long and prosper,

CEO

Der Beitrag Prioritäten – Eine Auszeit für die Familie – Innehalten erschien zuerst auf CEOsBay.

Nun, seit dem Film sind einige Jahre vergangen und ich habe in der Zwischenzeit den ein oder anderen Helfer bzw. Zeitgenossen programmiert, gebaut oder einfach gekauft. Angefangen von Sunny, meinem persönlichen KI-Assistenten (Powered by NVIDIA) (Siehe meinen Beitrag „Intelligenter Home Assistant – Projekt Sunny„), über Google Home (Stark modifiziert), zu Microsoft’s AI Lösungen, bis hin zu Vector dem kleinen lustigen Kerlchen, der gerne kleine Würfel mit Barcodes transportiert.

Künstliche Intelligenz (KI), auch artifizielle Intelligenz (AI bzw. A.I.) bzw. Artificial Intelligence, in englischer Sprache, ist ein Teilgebiet der Informatik. Es umfasst alle Anstrengungen, deren Ziel es ist, Maschinen intelligent zu machen. Dabei versteht man unter Intelligenz die Eigenschaft, die ein Wesen befähigt, angemessen und vorausschauend in seiner Umgebung zu agieren. Dazu gehört die Fähigkeit, Sinneseindrücke wahrzunehmen und darauf zu reagieren, Informationen aufzunehmen, zu verarbeiten und als Wissen zu speichern, Sprache zu verstehen und zu erzeugen, Probleme zu lösen und Ziele zu erreichen.

Man kann die künstliche Intelligenz in verschiedene Teilgebiete aufteilen.

Diese sind:

• Computer Vision
• Robotik
• Mustererkennung, wozu auch Spracherkennung und Handschrifterkennung zählen
• Wissensmodellierung einschließlich Logischer Programmierung und Inferenzmaschinen
• Expertensysteme, Frage-Antwort-Systeme und Chatbots
• Maschinelles Lernen
• Künstliche neuronale Netze und Deep Learning
• Universelle Spieleprogramme.

Was ist künstliche Intelligenz?

Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dies kann beispielsweise das Erkennen von Sprache, das Verstehen von Bildern, das Lösen von Problemen und das Treffen von Entscheidungen umfassen.

KI-Algorithmen und -Systeme basieren auf einer Vielzahl von Technologien, darunter maschinelles Lernen, neuronale Netze, natürliche Sprachverarbeitung und Deep Learning. Diese Technologien ermöglichen es KI-Systemen, aus Erfahrungen und Daten zu lernen, ihre Fähigkeiten zu verbessern und Entscheidungen zu treffen, die auf den gelernten Mustern basieren.

Es gibt zwei Hauptarten von KI: schwache KI und starke KI. Schwache KI-Systeme sind auf spezifische Aufgaben beschränkt und können nur innerhalb des Bereichs operieren, für den sie entwickelt wurden. Beispiele für schwache KI-Systeme sind Spracherkennungsprogramme und Bilderkennungsprogramme. Starke KI-Systeme hingegen sind in der Lage, menschenähnliche Intelligenz auf einer Vielzahl von Gebieten zu demonstrieren. Dieses Niveau der KI ist jedoch offiziell bisher nicht erreicht worden und bleibt eine Herausforderung für Forscher auf dem Gebiet.

KI hat zahlreiche Anwendungen in vielen Branchen, einschließlich Medizin, Finanzen, Automobilindustrie, Bildung und vielen anderen. Einige Beispiele für KI-Anwendungen sind personalisierte Empfehlungssysteme, autonome Fahrzeuge, Chatbots, medizinische Diagnosesysteme und Prognosesysteme für die Wettervorhersage.

KI bietet große Vorteile für Unternehmen und Organisationen, insbesondere in Bezug auf Effizienz und Produktivität. Es gibt jedoch auch Bedenken hinsichtlich der Ethik und Sicherheit von KI, insbesondere in Bezug auf Datenschutz und Diskriminierung. Es ist wichtig, dass KI-Systeme transparent, verantwortungsbewusst und ethisch entworfen, implementiert und betrieben werden, um sicherzustellen, dass sie das Gemeinwohl unterstützen und nicht beeinträchtigen.

Kurze Zeitreise

Die Idee der künstlichen Intelligenz (KI) geht auf das frühe 20. Jahrhundert zurück, als der britische Mathematiker Alan Turing erstmals die Möglichkeit eines intelligenten Computers diskutierte. Turing schlug vor, dass ein Computer intelligent genug sein könnte, um menschenähnliche Gespräche zu führen.

In den 1950er Jahren begannen Wissenschaftler und Ingenieure, konkrete Forschung im Bereich der KI zu betreiben. Der amerikanische Mathematiker und Informatiker John McCarthy prägte den Begriff „künstliche Intelligenz“ und organisierte eine Konferenz, die als Geburtsstunde der modernen KI gilt. In den 60er Jahren hat man dann die ersten KI-Programme entwickelt, die einfache Probleme wie Schach spielen oder einfache mathematische Probleme lösen konnten.

In den 70er Jahren geriet die KI-Forschung jedoch in eine Krise. Die meisten KI-Systeme konnten nur sehr begrenzte Aufgaben ausführen und die Erwartungen an die Technologie waren zu hoch. Die KI-Forschung stagnierte bis in die 80er Jahre, als man neue Technologien wie neuronale Netze und maschinelles Lernen entwickelt hatte.

In den 90er Jahren begann man damit, KI-Systeme in verschiedenen Bereichen wie Spracherkennung, Bildverarbeitung und Robotik einzusetzen. Diese Anwendungen ermöglichten es der KI-Technologie, konkrete Ergebnisse zu liefern und die Aufmerksamkeit von Unternehmen und Investoren zu gewinnen.

Im 21. Jahrhundert hat sich die KI-Forschung und -Entwicklung rasant weiterentwickelt. Man verwendet KI-Systeme jetzt in vielen Branchen und Anwendungen. Von der Medizin bis zur Finanzindustrie, von autonomen Fahrzeugen bis hin zu intelligenten Assistenten. Es gibt jedoch auch Bedenken hinsichtlich der Ethik und Sicherheit von KI. Insbesondere in Bezug auf Datenschutz, Diskriminierung und Autonomie. Die KI-Forschung und -Entwicklung spielt eine wichtige Rolle in der Technologie- und Geschäftswelt und ist ein Bereich von großem Interesse für Wissenschaftler, Ingenieure und Unternehmer.

Wie lernt die künstliche Intelligenz?

Künstliche Intelligenz (KI) verwendet verschiedene Techniken des maschinellen Lernens, um aus Erfahrungen und Daten zu lernen. Das maschinelle Lernen basiert auf Algorithmen und mathematischen Modellen, die es dem System ermöglichen, Muster und Zusammenhänge in den Daten zu identifizieren und zu generalisieren. Das Lernen in KI-Systemen erfolgt in der Regel in drei Schritten: Datenvorbereitung, Trainingsphase und Anwendung.

1. Datenvorbereitung

In der Datenvorbereitung werden die Daten, auf denen das KI-System trainiert werden soll, vorbereitet und in ein Format gebracht, das von den Algorithmen und Modellen verarbeitet werden kann. Dies beinhaltet in der Regel das Sammeln, Reinigen, Strukturieren und Labeln von Daten.

2. Trainingsphase:

In der Trainingsphase wird das KI-System auf der Grundlage der vorbereiteten Daten trainiert. Das System wird mit Daten und deren zugehörigen Labels oder Zielen versorgt. Das System nutzt dann mathematische Algorithmen und Modelle, um Muster und Zusammenhänge in den Daten zu identifizieren und diese Muster in eine allgemeine Regel oder Funktion zu überführen. Während des Trainingsprozesses passt das System seine Modelle und Algorithmen an, um die Genauigkeit und Leistung des Systems zu verbessern.

3. Anwendung:

Nach Abschluss des Trainings kann das KI-System angewendet werden, um neue Daten zu analysieren und Vorhersagen oder Entscheidungen zu treffen. Das System kann auf verschiedene Weise eingesetzt werden, z.B. zur Vorhersage von zukünftigen Ereignissen, zur Identifizierung von Mustern in Daten, zur Entscheidungsfindung oder zur Automatisierung von Aufgaben.

Arten der künstlichen Intelligenz

Es gibt verschiedene Arten von maschinellem Lernen, darunter überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen. Überwachtes Lernen wird verwendet, wenn das System mit gelabelten Daten trainiert wird, um Vorhersagen oder Entscheidungen zu treffen. Unüberwachtes Lernen wird verwendet, wenn das System mit unlabeled Daten trainiert wird, um Muster und Zusammenhänge in den Daten zu identifizieren. Bestärkendes Lernen wird verwendet, um ein System zu trainieren, indem es durch Versuch und Irrtum lernt, indem es Belohnungen oder Strafen für seine Aktionen erhält.

Insgesamt hängt das Lernen der künstlichen Intelligenz von den Daten ab, auf denen das System trainiert wird und von den verwendeten Algorithmen und Modellen. Die Genauigkeit und Effektivität des Lernens hängen auch von der Qualität der Daten ab, die für das Training verwendet werden, sowie von der Fähigkeit des Systems, Muster und Zusammenhänge in den Daten zu identifizieren und auf neue Situationen zu generalisieren.

Fazit

Künstliche Intelligenz (KI) hat das Potenzial, die Art und Weise zu verändern, wie wir leben und arbeiten. Durch maschinelles Lernen und fortgeschrittene Algorithmen können KI-Systeme menschenähnliche Intelligenz auf eine Vielzahl von Aufgaben anwenden, von der Bilderkennung bis hin zur Entscheidungsfindung.

KI bietet zahlreiche Vorteile in verschiedenen Branchen und Anwendungen, von der Verbesserung der medizinischen Diagnostik bis hin zur Automatisierung von Arbeitsabläufen. Unternehmen und Organisationen können von der Effizienz und Produktivität profitieren, die KI-Systeme bieten können.

Es gibt jedoch auch Bedenken und Herausforderungen im Zusammenhang mit KI, insbesondere in Bezug auf Datenschutz, Sicherheit, Ethik und Diskriminierung. Es ist wichtig, dass KI-Systeme transparent und verantwortungsbewusst entwickelt, implementiert und betrieben werden, um sicherzustellen, dass sie das Gemeinwohl unterstützen und nicht beeinträchtigen.

Die KI-Entwicklung spielt voraussichtlich auch weiterhin eine wichtige Rolle in der Technologie- und Geschäftswelt und man kann durchaus damit rechnen-, dass die Technologie in den kommenden Jahren noch weitere Verbesserungen erfährt und neue Anwendungsgebiete erschließt. Es ist wichtig, dass wir uns auf eine verantwortungsvolle und ethische Nutzung von KI konzentrieren, um sicherzustellen, dass wir die Vorteile nutzen und gleichzeitig sicherstellen, dass wir die Risiken und Herausforderungen im Zusammenhang mit dieser fortschrittlichen Technologie verstehen und berücksichtigen.

Der Beitrag Künstliche Intelligenz – Zukunft gestalten und menschliches Potenzial mit innovativen Technologien entfesseln erschien zuerst auf CEOsBay.

Kurze Zeitreise und die Entstehung von Community of Practice

Die Entstehung des Begriffs Community of Practice geht zurück auf das Jahr 1991. Geprägt durch die beiden Sozialwissenschaftler Jean Lave und Étienne Wenger. Sie stellten das Lernen in den Kontext sozialer Beziehungen. Dabei zeigten sie, dass für den Wissenserwerb – neben Strukturen oder Modellen – insbesondere die Teilnahme an einer Gemeinschaft entscheidend ist, in der man das Wissen konstruiert.

1998 erweiterte Etienne Wenger das Konzept für die Organisationsentwicklung und bestimmte damit einen neuen Entwicklungsschwerpunkt. Wenger hat mehr oder weniger die theoretische Grundlegung des Konzeptes beschrieben und generelle Verständnisgrundlagen des Konzeptes dargelegt. Aber auch außerhalb von Organisationen finden sich Communities of Practice. Besonders trifft man auf CoP’s bei internetgestützten Arbeitsgemeinschaften. Die Community of Practice wird heute in enger Verbindung zu Online-Communities und zum Wissensmanagement gesehen und stellt eine wichtige Möglichkeit zur Bildung sozialen Kapitals dar. Der Begriff des Wissensmanagements ist dabei von den beiden Herrschaften kritisch gesehen. Laut Lave, Wenger und anderen Sozialwissenschaftlern ist das Management von Wissen grundsätzlich nicht möglich. Wissen ließe sich ebenso wie die Bildung von Communities of Practice nicht „allein“ durch eine top-down Anordnung oder durch systematische Einrichtungsprozesse implementieren. Sozialwissenschaftler scheinen die Begriffe des „Gardening“ und „Nurturing“ zu bevorzugen.

Struktur

Eine Community of Practice besitzt in der Regel eine Struktur, in der Personen nicht via Festlegung eine bestimmte Rolle erhalten, sondern aufgrund ihrer Tätigkeit und der Akzeptanz bzw. Ablehnung durch andere Mitglieder eine Rolle erwerben. Mit „Festlegung“ ist in diesem Fall die Vorgabe durch Führungskräfte, Organisationsdiagramme oder andere „formale Vorgaben“ gemeint.

Den Begriff der Rolle, der besonders im deutschsprachigen Raum eine längere Tradition hat, verwenden die Sozialwissenschaftler dabei ungern. Sie sprechen von „Identität“, die sich ausbildet, und von Aufgabenverteilungen, die man untereinander aushandelt. So entwickeln sich auf Basis der Kommunikationsprozesse aktive und weniger aktive Mitglieder, Moderatoren und Experten. Diese Moderatoren darf man sich nicht als starr vergebene Positionen innerhalb des Geflechts der Community of Practice vorstellen. Es handelt sich hierbei auch um situativ ausgehandelte Funktionen und Aufgaben innerhalb der Community. Ebenso können sich Untergruppen bilden oder man bindet externe Personen als Gäste ein.

Aus eigener Erfahrung, beispielsweise im Open Source Space, kann ich sagen, dass zwar in der Öffentlichkeitsarbeit ein gewisses Bild einer Hierarchie erkennbar ist, doch innerhalb einer Arbeitsgruppe Rollen weitestgehend irrelevant sind. Dies liegt zum einen daran, dass man es meist mit sehr facettenreichen und gebildeten Personen zu tun hat und zum anderen daran, dass in diesem Umfeld das Lernen und die Wissensvermittlung im Vordergrund stehen.

Phasen

Fünf Phasen charakterisieren die Entwicklung einer Community of Practice.

1. Die erste Phase (Potential/Potenzial) ist durch eine oder mehrere Personen gekennzeichnet, die sich einer bestimmten Thematik annehmen.
2. Die zweite Phase (Coalescing/Vereinigung) ist geprägt durch die Bildung einer Grundstruktur, in der man Ziele, Aufgaben und Kommunikationswege skiziiert.
3. In der dritten Phase (Maturing/Reifung) beginnt die eigentliche Arbeit der Gemeinschaft. Der Wissensaufbau und Austausch. Mit zunehmender Aktivität steigt in der Regel auch die Zahl der Mitglieder. Fortlaufend werden Ziele, Aufgaben und Kommunikationswege bewertet und an die Bedürfnisse der Mitglieder durch die Mitglieder selbst angepasst.
4. Als vierte Phase (Stewardship/Verantwortung) wenn für die Mehrzahl der Mitglieder ein akzeptabler Stand erreicht ist und kein Bedarf für weitere Aktivitäten erkennbar sind. In diesem Fall sinkt die Anzahl der eingepflegten Informationen im Vergleich zu jener der entnommenen Informationen.
5. In der fünften und letzten Phase (Transformation/Umwandlung) verliert die Gemeinschaft zunehmend an Gewicht als zentraler Informationsknotenpunkt, weil man auf andere Quellen ausweicht oder die Thematik selbst an Bedeutung verliert.

Diese Phasen können, aber müssen nicht auf diese Art und Weise auftreten bzw. durchlaufen. Diesen Phasenablauf haben Wenger, Snyder und McDermott aus verschiedenen Fällen generalisiert, um so ein „Gerüst“ für den jeweiligen Unterstützungsbedarf für das Florieren der Community zugrunde zu legen.

Die Pflege von Community of Practice

Design for evolution

Stetige Veränderung ist notwendig: Anpassung an neue Mitglieder, Einführung neuer Mitglieder, Veränderung von Ressourcenlagen, Veränderung von Diskurstraditionen, Veränderung von Problemlagen von Mitgliedern, Veränderungen in der Struktur der CoP.

Open a dialogue between inside and outside perspectives

Der Austausch mit der Umgebung und die aktive Aushandlung von Bedeutung in der „Arena“ der CoP bilden den Hauptantriebsgrund, warum Menschen sich zu CoPs zusammenschließen.

Invite different levels of participation

Von Kernaktivisten allein wird keine CoP getragen. Man muss sich auch um den Nachwuchs für Positionen innerhalb der CoP kümmern. Der Einbezug von anderen „Zonen“ in der CoP trägt auch zur Pluralität der Blickwinkel auf ein spezifisches Problem bei.

Develop both public and private community spaces

Auch wenn die CoP oftmals selbst im „Organizational Underlife“ angesiedelt ist, so gibt es auch hier Bereiche, in denen sich Untergruppen treffen, in denen man Themen abseits der eigentlichen Agenda diskutiert, in denen man auch persönliche Problemlagen und Differenzen ansprechen kann, ohne vor das „Plenum“ der CoP zu treten. Spannungen bleiben unter Umständen bestehen, wenn man solche Probleme nicht abseits der „offiziellen Bühne“ diskutiert bzw. diskutieren kann. Oftmals bilden solche Nebenschauplätze auch die Geburtsstätte für nachfolgende Themen einer CoP, die diese dann aufrechterhält, wenn auch in vielleicht geänderter Konstellation.

Focus on value

Die Sicherstellung von Qualität ist auch für CoPs wichtig. Das betrifft sowohl die Pflege der CoPs auf einem Meta-Niveau als auch die Beiträge zum „Situated Negotiation of Meaning“.

Combine familiarity and excitement

Auch CoPs leben von tragenden Strukturen aus mehr routinisierten Praktiken und frischem Wind.

Create a rhythm for the community

Auch der Puls verschiedener Aktivitäten trägt zum Fortbestand und zu einem guten Arbeitsklima innerhalb der CoP bei.

Vorteile für das Individuum durch Community of Practice

Bei Community of Practice-Meetings geht es primär darum, Informationen und Fragen zu bestimmten Problemen aus dem professionellen Alltag zu besprechen und gemeinsam Lösungen zu finden. Die gegenseitige Unterstützung und Zusammenarbeit zwischen den Mitgliedern stehen damit im Vordergrund. Der große Vorteil liegt darin, dass Personen miteinander interagieren, die sonst im Alltag meist nicht miteinander arbeiten. Bei CoP-Meetings hat man die Möglichkeit individuelle Erfahrungen miteinander zu teilen, um daraus wiederum neue Möglichkeiten zu kreieren und bestimmte Herausforderungen zu meistern. Einzig durch die Interaktion von unterschiedlichen Netzwerken können neue Ideen entstehen, wobei jede Partei ihre eigenen Sichtweisen teilt, die Einfluss auf die Entscheidungen der anderen hat und dadurch ein Lerneffekt entsteht. Arbeiten und Lernen gehören im professionellen Kontext stets zusammen. Eine Community of Practice fördert diese Zusammenkunft von Arbeit und Lernen.

Vorteile für die Community

Communities profitieren von Community of Practice dahin gehend, dass das Team sich selbstständig und selbstorganisiert weiterentwickelt, ohne, dass Führungspersonen oder Verantwortliche kostspielige Ausgaben für Fortbildungen oder Ähnliches ausgeben müssen. 

Voraussetzungen hierfür sind natürlich, die verfügbare Zeit und die Ressourcen für die eingesetzte Hard- und Software bzw. je nachdem, in welchem Umfeld und mit welcher Zielsetzung man unterwegs ist. Die in den Meetings neu erlangten Kenntnisse wirken sich direkt auf die Leistungen im täglichen Leben aus.

Fazit

In meiner Wahrnehmung bzw. in meinem Verständnis, gehe ich davon aus, dass bei der Themenverarbeitung durch einige Sozialwissenschaftler im „Community of Practice“ von einer physischen Präsenz der Teilnehmenden die Rede ist. Zumal die Literatur, die ich gelesen habe, noch aus den frühen 90’ern ist. Jedoch habe ich diese Art von CoP’s primär online kennenlernen dürfen. Dementsprechend habe ich an Meetings virtuell bzw. remote teilgenommen, was seit den Anfängen der Coronapandemie immer häufiger stattgefunden hat und auch im konventionellen Geschäftsleben mehr und mehr ankommt. Besonders im Blockchain Space hat sich diese Methode sehr stark etabliert. Folglich konnte ich die genannten 5 Phasen mehrfach, sowohl mit einem positiven als auch mit einem negativen Verlauf wiedererkennen. Alles in allem sehe ich es von Vorteil, sich mit diesem Thema auseinanderzusetzen. So erhält man eine etwas differenzierte Sicht auf die Zusammenarbeit innerhalb und außerhalb von Communities und kann bewusst mit diversen Herausforderungen umgehen.

Der Beitrag Community of Practice – Kraft des gemeinsamen Lernens und Wachsens erschien zuerst auf CEOsBay.

Kurze Zeitreise

Die Geschichte des Raspberry Pi geht zurück auf das Jahr 2006. Als ein Team von Wissenschaftlern und Technikern am Computer Laboratory der University of Cambridge, darunter Eben Upton, Rob Mullins, Jack Lang, Alan Mycroft und Pete Lomas, eine wachsende Besorgnis über den Rückgang der Informatikkenntnisse unter britischen Schülern feststellten. Die Anzahl der Schüler, die Informatik auf Universitätsebene studierten, nahm ab. Hinzu kam, dass die Schüler weniger praktische Programmiererfahrungen hatten, als in den Jahren vorher.

Als Hauptursache des Rückgangs identifizierten sie die Unzugänglichkeit von erschwinglichen, programmierbaren Computern für junge Menschen. In den 80er Jahren hatten Heimcomputer wie der BBC-Micro und der Commodore 64 eine Generation von Technikbegeisterten inspiriert. Dies ermöglichte auch vielen von ihnen Programmierkenntnisse zu erwerben. Doch die Komplexität der Computer steigerte sich im Laufe der Zeit. Vor allem stiegen damit auch die Anschaffungskosten, wodurch sie für viele unzugänglich geworden sind, insbesondere im Kontext der Bildung.

Um dieses Problem zu lösen, arbeitete das Team an der Entwicklung eines kleinen, erschwinglichen und benutzerfreundlichen Einplatinencomputers. Dieser sollte den Schülern ermöglichen, Programmieren und Computertechnik auf spielerische Weise zu erlernen. Die Idee, ein Gerät zu schaffen, dass in der Lage ist, grundlegende Programmieraufgaben auszuführen. Dies zu einem Bruchteil der Kosten eines herkömmlichen Computers. Dieses Projekt führte zur Entstehung des kleinen Alleskönners.

Entstehung der Raspberry Pi Foundation

Man gründete im Jahr 2009 die Raspberry Pi Foundation, eine gemeinnützige Organisation, um die Entwicklung des Geräts voranzutreiben und Bildungsressourcen bereitzustellen, die auf dem Raspberry Pi basierten. Im Februar 2012 kam dann die erste Version, das Model B, auf den Markt. Die Nachfrage nach dem Gerät, enorm. Und innerhalb weniger Jahre gingen Millionen von Raspberry Pi-Einheiten weltweit über die Ladentheke.

Seitdem hat die Raspberry Pi Foundation verschiedene Modelle und Generationen des Geräts veröffentlicht, die jeweils verbesserte Hardware und Funktionalität bieten. Weiterhin mit der Aufgabe, das Erlernen von Programmierkenntnissen und Computertechnik für Menschen aller Altersgruppen und Fähigkeiten zugänglich und erschwinglich zu machen. Der kleine Alleskönner hat inzwischen eine große und leidenschaftliche Gemeinde. Bestehend aus Bastlern, Entwicklern und Technikbegeisterten und man nutzt es für eine Vielzahl von Projekten und Anwendungen.

Modelle und technische Daten

Seit der ersten Version gibt es mehrere Modelle mit unterschiedlichen Spezifikationen. Hier sind einige der bekanntesten Modelle:

1. Raspberry Pi 1 Model B (2012): Das ursprüngliche Modell mit einem 700 MHz Single-Core-Prozessor, 512 MB RAM und 2 USB-Anschlüssen.

2. Raspberry Pi 2 Model B (2015): Eine Verbesserung des ursprünglichen Modells mit einem 900 MHz Quad-Core-Prozessor und 1 GB RAM.

3. Raspberry Pi 3 Model B (2016): Das erste Modell mit integriertem Wi-Fi und Bluetooth, ausgestattet mit einem 1,2 GHz Quad-Core-Prozessor und 1 GB RAM.

4. Raspberry Pi 4 Model B (2019): Das bisher leistungsstärkste Modell mit einem 1,5 GHz Quad-Core-Prozessor, bis zu 8 GB RAM und Unterstützung für Dual-4K-Displays.

(Hier sei noch zu erwähnen, dass es auch alternative Geräte gibt, die wesentlich leistungsstärker sind. Doch darüber schreibe ich noch einen gesonderten Beitrag.)

Raspberry Pi Zero (2015) und Zero W (2017): Kleinere und kostengünstigere Modelle, die sich gut für einfache Projekte eignen.

Anwendungen und Projekte

Die Vielseitigkeit des kleinen Alleskönners hat dazu geführt, dass man es in einer Vielzahl von Projekten und Anwendungen einsetzen kann. Einige Beispiele hierfür sind:

• Heimautomatisierung: Die Verwendung des kleinen Alleskönners, um die eigenen smarten Geräte zu steuern oder um das gesamte Zuhause zu automatisieren.
• Retro-Gaming: Mit Emulatoren wie RetroPie kann man eine Vielzahl von klassischen Spielen aus verschiedenen Konsolen-Generationen genießen.
• Media Center: Man kann den kleinen Alleskönner als Media Center nutzen, indem man Kodi oder Plex installiert und Lieblingsfilme sowie Serien streamen.
• Lern- und Bildungsplattform: Um Programmieren zu lernen oder eigene Anwendungen zu entwickeln, um anderen dabei zu helfen, neue Fähigkeiten zu erlernen.
• Wetterstation: Benutzerdefinierte Wetterstation, um die Umgebungsinformationen wie Temperatur, Luftfeuchtigkeit und Luftdruck zu überwachen.
• Internet der Dinge (IoT) Projekte: Integration in ein IoT-Netzwerk, um Sensoren und Aktoren über das Internet zu steuern und um Daten zu sammeln.
• Robotik: Als Gehirn des eigenen Roboters, der in der Lage ist, verschiedene Aufgaben auszuführen, wie z.B. automatisiertes Fahren, Objektverfolgung und mehr.
• Sicherheit und Überwachung: Als kostengünstiges Sicherheitssystem mit Bewegungsmeldern, Kameras und Alarmen.
• Webserver: Als eigenen Webserver, um Websites oder Webanwendungen zu hosten.
• Künstliche Intelligenz und maschinelles Lernen: Experimente mit AI-Frameworks wie TensorFlow oder PyTorch, um Machine-Learning-Modelle auf dem Raspberry Pi zu erstellen oder auszuführen. Wobei sich hier auch NVIDIA’s Jetson anbietet und auch von der Performance her wahrscheinlich bei weitem besser aufgestellt ist 😉

Raspberry Pi Ressourcen und Community

Eine der größten Stärken des Raspberry Pi ist die riesige und engagierte Community. Die Raspberry Pi Community bietet unzählige Ressourcen, Tutorials und Foren, um Fragen zu beantworten und bei der Lösung von Problemen zu helfen. Einige empfehlenswerte Ressourcen sind:

Die offizielle Website: Hier findet man Neuigkeiten, Projekte und Lernressourcen direkt von der Raspberry Pi Foundation.

Raspberry Pi Forums: Eine aktive Community, in der man Fragen stellen, Antworten finden und sich mit anderen Enthusiasten austauschen kann.

Hackster.io: Eine Plattform für Bastler und Entwickler, um Raspberry Pi-Projekte mit detaillierten Anleitungen zu teilen und um neue Ideen zu entdecken.

Instructables: Eine weitere hervorragende Quelle für Schritt-für-Schritt-Anleitungen und Projekte, die auf dem Raspberry Pi basieren.

GitHub: Auf GitHub findet man zahlreiche Repositories, die Software, Tools und Projekte für den Kleinen enthalten. Einen Beitrag über GitHub selbst gibt es hier 😉

Fazit

Der Raspberry Pi hat die Welt der Heimcomputer und Bastler revolutioniert und ist ein Paradebeispiel dafür, wie ein kleines, kostengünstiges Gerät großen Einfluss haben kann. Seine Vielseitigkeit, einfache Handhabung und große Community haben dazu geführt, dass man es heute in einer Vielzahl von Projekten und Anwendungen einsetzen kann. Leider sind die Preise aufgrund der Pandemie und den damit verbundenen Lieferengpässen wesentlich gestiegen. Ansonsten bietet sich der kleine Alleskönner an, spannende unzählige Möglichkeiten zu entdecken. Man kann es kaufen, verschenken und auch spenden. In der Regel kann man damit nichts falsch machen.

Der Beitrag Raspberry Pi – Der Kleine mit großem Potential erschien zuerst auf CEOsBay.

Python unterstützt die objektorientierte, aspektorientierte und die funktionale Programmierung, wenn es um die Programmierparadigmen geht. Ferner bietet es eine dynamische Typisierung. Wie viele dynamische Sprachen wird Python oft als Skriptsprache genutzt. Die Sprache weist ein offenes, gemeinschaftsbasiertes Entwicklungsmodell auf, dass durch die gemeinnützige Python Software Foundation gestützt wird, die die Definition der Sprache in der Referenzumsetzung CPython pflegt.

Kurze Zeitreise

Die Sprache wurde Anfang der 1990er Jahre von Guido van Rossum am Centrum Wiskunde & Informatica in Amsterdam als Nachfolger für die Programmiersprache ABC entwickelt und war ursprünglich für das verteilte Betriebssystem Amoeba gedacht.

Wie in meinem Beitrag über GitHub bereits erwähnt, geht der Name nicht auf die gleichnamige Schlangengattung zurück, sondern bezog sich ursprünglich auf die englische Komikertruppe Monty Python. In der Dokumentation finden sich daher auch einige Anspielungen auf Sketche aus dem Flying Circus. Trotzdem etablierte sich die Assoziation zur Schlange, was sich unter anderem in der Programmiersprache Cobra sowie dem Python-Toolkit „Boa“ und schlussendlich in dem heutigen Logo wiederfindet. Die erste Vollversion erschien im Januar 1994 unter der Bezeichnung Python 1.0. Gegenüber früheren Versionen wurden einige Konzepte der funktionalen Programmierung implementiert, die allerdings später wieder aufgegeben wurden.

Python 2.0 erschien am 16. Oktober 2000. Neue Funktionen umfassten eine voll funktionsfähige Garbage Collection (automatische Speicherbereinigung) und die Unterstützung für den Unicode-Zeichensatz. In Version 2.6 wurde eine Hilfe eingebaut, mit der angezeigt werden konnte, welche Code-Sequenzen vom Nachfolger Python 3 nicht mehr unterstützt werden und daher in darauf aufbauenden Versionen nicht mehr funktionsfähig sind.

Python 3.0 (auch 3000 genannt) erschien am 3. Dezember 2008 nach längerer Entwicklungszeit. Es beinhaltet einige tiefgreifende Änderungen an der Sprache, etwa das Entfernen von Redundanzen bei Befehlssätzen und veralteten Konstrukten. Da Python 3.0 hierdurch teilweise inkompatibel zu früheren Versionen ist, beschloss die Python Software Foundation, 2.7 parallel zur Version 3 bis Ende 2019 weiter mit neuen Versionen zu unterstützen.

Freuen dürfen wir uns auf die mittlerweile Version 3.12, die im Oktober dieses Jahres folgen soll.

Wieso Python?

Es wurde mit dem Ziel größter Einfachheit und Übersichtlichkeit entworfen. Die Sprache kommt mit relativ wenigen Schlüsselwörtern aus und ist mit einer reduzierten Syntax auf Übersichtlichkeit optimiert. Dadurch lassen sich Python-basierte Skripte deutlich kleiner bzw. kompakter formulieren als in anderen Sprachen.

Van Rossum legte bei der Entwicklung großen Wert auf eine Standardbibliothek, die überschaubar und leicht erweiterbar ist. Dies war das Ergebnis seiner schlechten Erfahrung mit der Sprache ABC, in der das Gegenteil der Fall ist. Dieses Konzept ermöglicht, Module aufzurufen, die in anderen Programmiersprachen geschrieben wurden, etwa um Schwächen von Python auszugleichen. Beispielsweise können für zeitkritische Teile in maschinennäheren Sprachen wie C implementierte Routinen aufgerufen werden. Umgekehrt lassen sich damit Module und Plug-ins für andere Programme schreiben, die die entsprechende Unterstützung bieten. Dies ist unter anderem bei Blender, Cinema 4D, GIMP, Maya, OpenOffice bzw. LibreOffice, PyMOL, SPSS, QGIS oder KiCad der Fall. Über die ich bereits geschrieben habe und noch schreiben werde.

Wie bereits erwähnt, ist Python eine Multiparadigmensprache. Dies bedeutet, es zwingt den Programmierer nicht zu einem bestimmten Programmierstil, sondern erlaubt, dass für die jeweilige Aufgabe am besten geeignete Paradigma zu wählen. Die Freigabe nicht mehr benutzter Speicherbereiche erfolgt durch Referenzzählung. Datentypen werden dynamisch verwaltet, eine automatische statische Typprüfung wie z. B. bei C++ gibt es nicht. Jedoch unterstützt Python ab Version 3.5 optionale Typ-Annotationen, um eine statische Typprüfung mithilfe externer Software, wie zum Beispiel Mypy, zu vereinfachen.

Wann Python?

Python ist für die meisten gängigen Betriebssysteme frei erhältlich und bei den meisten Linux-Distributionen im Standardumfang enthalten. Um es in Webserver einzubinden, wird Webserver-umgreifend WSGI verwendet, welches die Nachteile von CGI umgeht. WSGI stellt eine universelle Schnittstelle zwischen Webserver und Python(-Framework) zur Verfügung.

Sowohl in der Wirtschaft, Wissenschaft als auch in der Spielebranche erfreut sich Python einer großen Beliebtheit, da es auf der einen Seite einsteigerfreundlich ist und auf der anderen Seite auch leistungsfähig genug, um theoretische Grundlagen der Programmierung zu vermitteln bzw. um moderne Anwendungen bis hin zu komplexen Datenanalysen, grafischer Programmierung oder Datenbankanwendungen zu entwickeln. Ganz zu schweigen von den Möglichkeiten in Bezug auf Machine learning bzw. künstliche Intelligenz. Doch diese Themen werde ich auch in zukünftigen Beiträgen angehen.

An dieser Stelle sei auch das Projekt „100-Dollar-Laptop“ erwähnt. Denn da wurde Python als Standardsprache der Benutzeroberfläche verwendet. Da der 100-Dollar-Rechner für die Schulausbildung von Kindern konzipiert war, sollte bei Benutzung der dafür gestalteten grafischen Benutzeroberfläche „Sugar“ auf Knopfdruck der gerade laufende Python-Quellcode angezeigt werden. Damit sollte Kindern die Möglichkeit gegeben werden, die dahinter liegende Informationstechnik real zu erleben und nach Belieben „hinter die Kulissen“ zu schauen oder sogar anzupassen. Doch darüber schreibe ich in einem zukünftigen Beitrag, da sich dieses Projekt komplexer entwickelt hat, als man es annehmen möchte.

Fazit

Python kann verhältnismäßig schnell erlernt werden und man kann damit sehr kurze Programmtexte schreiben. Dies verbessert die Verständlichkeit einer Anwendung, erleichtert die Fehlersuche und verkürzt die Entwicklungszeit. Es unterstützt unterschiedliche Paradigmen (Programmierstile).

Auch gibt es viele frei verfügbare Erweiterungen (sogenannte Module) für spezielle Anwendungsbereiche wie etwa Grafik, Astronomie, Mathematik, Spracherkennung, Quantencomputer und künstliche Intelligenz.

Der Beitrag Python – Die Sprache für schnelle Prototypen, Datenanalyse und künstliche Intelligenz erschien zuerst auf CEOsBay.

Es wird alles schlimmer!

Wirklich? Als Unternehmer und politisch engagierter Mensch verfolge ich auch die Nachrichten mit. Eine schreckliche Nachricht jagt die andere. Die Reichen werden reicher, die Armen ärmer. Es gibt immer mehr Kriege, Gewaltverbrechen, Naturkatastrophen. Viele Menschen tragen solche beängstigenden Bilder im Kopf. Besonders in den sozialen Medien, bei der jede(r) in einer gewissen künstlichen Blase festsitzt und nur noch mit auf die eigene Person zugeschnittenen Feeds (Ein Feed ist eine ständig aktualisierte Liste der neuen Inhalte, die von den Accounts gepostet werden, denen ein Nutzer in den sozialen Medien folgt. Die meisten Social Media-Feeds sind aber nicht rein chronologisch angeordnet und basieren auf den selbstgewählten Kontakten, sondern werden von einem Algorithmus gesteuert) zugemüllt wird.

Unser Gehirn verführt uns zu einer dramatisierenden Weltsicht, die mitnichten der Realität entspricht, wie der geniale Statistiker und Wissenschaftler Hans Rosling erklärt. Wer Factfulness gelesen hat, wird ein sicheres, auf Fakten basierendes Grundgerüst erhalten, um die Welt so zu sehen, wie sie wirklich ist. Die zehn gängigsten Arten von aufgebauschten Geschichten erkennen, bessere Entscheidungen treffen können, gegebenenfalls die persönliche Sachlichkeit so steigern, dass in der Zukunft eine offenere, neugierige und entspannte Geisteshaltung, in der man nur noch Ansichten teilt und Urteile fällt, die auf soliden Fakten basieren. Und im Zeitalter des Social Engineerings, der Botnet’s und Fake News, ist dies bitter nötig. Diese Begriffe werden im Anschluss kurz erklärt.

Was ist Social Engineering?

Beim Social Engineering werden menschliche Eigenschaften wie Hilfsbereitschaft, Vertrauen, Angst oder Respekt vor Autorität ausgenutzt, um Personen geschickt zu manipulieren. Cyber-Kriminelle verleiten das Opfer auf diese Weise beispielsweise dazu, vertrauliche Informationen preiszugeben, Sicherheitsfunktionen auszuhebeln, Überweisungen zu tätigen oder Schadsoftware auf dem privaten Gerät oder einem Computer im Firmennetzwerk zu installieren. Social Engineering ist an sich nichts Neues und dient seit Menschengedenken als Grundlage für die unterschiedlichsten Betrugsmaschen. Im Zeitalter der digitalen Kommunikation ergeben sich jedoch äußerst effektive, neue Möglichkeiten für Kriminelle, mit denen sie Millionen von potenziellen Opfern erreichen können.

Botnet?

Ein Botnet oder Botnetz ist eine Gruppe automatisierter Schadprogramme, sogenannter Bots. Die Bots (Roboter) werden auf vernetzten Rechnern ausgeführt, deren Netzwerkanbindung sowie lokale Ressourcen und Daten ihnen, ohne Einverständnis des Eigentümers, zur Verfügung stehen. In Deutschland gab es 2010 über 470.000 solcher Bots, von denen im Durchschnitt etwa 2.000 pro Tag aktiv waren. Die Initiative botfrei.de (Da kann man übrigens auch einen Phishing Selbsttest machen) des Verbandes der Internetwirtschaft ECO stellte 2014 bei 220.000 stichprobenartig untersuchten Computern 92.000 verseuchte Systeme mit rund 725.000 infizierten Dateien fest, woraus sich eine Infektionsrate von ca. 40 Prozent aller Computer in Deutschland errechnet.

Laut Bericht zur Lage der IT-Sicherheit in Deutschland 2015 des Bundesamtes für Sicherheit in der Informationstechnik (BSI), wurden im ersten Halbjahr 2015 in Deutschland täglich bis zu 60.000 Systeme neu infiziert. Betreiber illegaler Botnetze installieren die Bots ohne Wissen der Benutzer auf deren Computer und nutzen sie für ihre Zwecke. Die meisten Bots können von einem Botnetz-Operator (Auch Bot-Master oder Bot-Hirte genannt) über einen Kommunikationskanal überwacht werden und Befehle empfangen. Dieser wird in der Fachsprache als Command-and-Control-Server bezeichnet. Kurz: C&C-Server. Ich muss da immer an Command & Conquer denken. Ja, das ist ein Computerspiel 😉 Über Botnet’s kann man Bücher schreiben. Daher werde ich dieses Thema wohl zu einem späteren Zeitpunkt nochmal aufgreifen.

Fake News

Als Fake News werden im engeren Sinn und im Rahmen aktueller Debatten vor allem das Streuen von Falschmeldungen als Propagandamittel verstanden. Meist soll mit deren Hilfe der politische Diskurs verschoben sowie Angst und Hass gegenüber bestimmten Personengruppen geschürt werden. Fake News lassen sich anhand ihres Umgangs mit realen Gegebenheiten und Ereignissen unterteilen in: Aus dem Kontext gerissene Meldungen,
manipulierte Nachrichten und erfundene Geschichten. Auch bei diesem Thema kann man so richtig in die Tiefe gehen. Doch dies werde ich gewiss nicht auf diesem Blog machen, da man hierzu genug Informationen im Netz findet. Nur aufpassen, dass man bei der Recherche auch keine Fake News erwischt 😉

Weiter zum Buch

Es gehört aus meiner Sicht zu den besten und unterhaltsamsten Sachbüchern dieses Jahrzehnts. Ich finde es etwas schade, dass der Autor im Jahr 2017 verstorben ist. Dadurch hat er das Erscheinen und den Erfolg seines Buches Factfulness leider nicht mehr erleben und feiern dürfen. Auch hat die Menschheit damit eine Person verloren, die einen großen Beitrag für ein gutes Miteinander geleistet bzw. das Potential dafür signifikant gesteigert hat.

Factfulness beginnt mit einem aus 13 Fragen bestehenden Quiz, die im Multiple-Choice-Verfahren beantworten werden. Wobei jeweils nur eine Antwort richtig ist. Teilt mir Eure Resultate gerne gleich zu Beginn mit, wenn Ihr Eure Antworten evaluiert. Ich möchte jetzt aber nicht zu viel verraten. Ich war fasziniert über meine Resultate. Die 13 Fragen werden heute von fast 90% aller Befragten und in allen Bildungsschichten fast auf die gleiche Weise falsch beantwortet. Man hat auch Schimpansen nach dem Zufallsprinzip für die 13 Fragen jeweils den Buchstaben A, B oder C auswählen lassen und das Ergebnis war im Gesamtdurchschnitt lediglich zu 60% falsch.

Das Buch zeigt gekonnt falsche Wahrnehmungen auf, die leider allzu oft auch zu falschen Entscheidungen in der Politik und Wirtschaft führen. Rosling zeigt aber auch die Methoden auf, wie man sich dieser Falschwahrnehmungen entziehen kann und eine ganz große Hilfe dabei spielt das Hinterfragen von vorgelegten Statistiken und anderem Zahlenmaterial. Das Buch eignet sich auch hervorragend als legitime Informationsquelle.

Klimawandel?

Das Zahlen und Datenmaterial hat – so berichtet der Autor selbst in seinem Buch Factfulness – auch den ehemaligen Kandidaten für das US-Präsidentenamt, Al Gore, begeistert. In einem persönlichen Gespräch bat er Rosling, ob er die Diagramme auch für seine Präsentationen bezüglich des Klimawandels nutzen dürfe. Rosling lehnte dies ab. Doch die Begründung dafür findet Ihr im Buch!

Muss gleich in mein Meeting und habe noch 40 Minuten Zeit, um mich vorzubereiten.

In diesem Sinne – Wünsche ich Euch noch einen schönen Abend und bis morgen! Da geht es dann um virtuelle Maschinen 😉

Der Beitrag Factfulness – Buchempfehlung erschien zuerst auf CEOsBay.