Zurück zu allen Blogbeiträgen

Lernen im KI-Zeitalter: Aufbruch in eine neue Bildungsära

  • Ethiclal AI
  • statworx
27. Mai 2025
·

In Kooperation mit dem AI Hub Frankfurt und der Bertha-von-Suttner-Schule in Mörfelden veranstaltete die statworx-Initiative AI for Good das Forum „Zukunftsfähige Bildung neu denken im KI-Zeitalter“ mit Gästen aus Politik, Wirtschaft und Wissenschaft.

Tarik Ashry
Team Marketing

Gemeinsam mit der Bertha-von-Suttner-Schule und dem AI Hub Frankfurt veranstalteten wir eine Forum, das sich der Frage widmete, wie Künstliche Intelligenz die Bildungslandschaft verändert. Unter dem Titel „Zukunftsfähige Bildung neu denken im KI-Zeitalter“ fanden sich zahlreiche interessierte Gäste aus der Bildungslandschaft und namhafte Expert:innen aus Schulwesen, Forschung und Wirtschaft an der Bertha-von-Suttner-Schule in Mörfelden-Walldorf ein, um gemeinsam zu diskutieren und in Workshops zu dem Thema zu arbeiten.

Impulse für eine neue Bildung

Professor Andreas Dengel von der Goethe-Universität Frankfurt eröffnete das Forum mit einem pointierten Impulsvortrag – und mit einer Anekdote aus seiner eigenen Schulzeit. Als leidenschaftlicher Gamer habe er seinen Lehrer:innen einst offenbart, durch das Strategiespiel Age of Empires mehr über Geschichte gelernt zu haben als im Unterricht. Was damals für Irritation sorgte, steht heute sinnbildlich für eine Debatte, die das Bildungssystem grundlegend herausfordert: Wie muss Schule sich verändern, wenn digitale Technologien und Künstliche Intelligenz den Lernprozess neu definieren?

Dengel ist überzeugt, dass Bildung künftig individueller und interessenbezogener gestaltet werden muss. Schüler:innen seien keine homogenen Lerngruppen, sondern „subjektive Individuen“, wie er betont. Aus dieser Erkenntnis leite sich ein Paradigmenwechsel ab: Weg von standardisierten Inhalten, hin zur gezielten Förderung persönlicher Stärken. Fragen wie Was interessiert dich? Was kannst du? Was brauchst du? müssten ins Zentrum der pädagogischen Arbeit rücken.

Den Wandel von einem Medium zum nächsten – vom Plattenspieler zum Streamingdienst – beschreibt Dengel als historisches Muster, das sich auch in der Schule vollziehe. Die entscheidende Frage sei nicht mehr, ob Künstliche Intelligenz Teil des Unterrichts wird, sondern wie. KI könne dabei helfen, Interessenorientierung zu ermöglichen und individuelle Zugänge zum Lernen zu eröffnen.

Ein Beispiel: Beim Schreiben eines Aufsatzes sei es für die Bewertung nicht entscheidend, ob die Geschichte auf einem Ponyhof oder auf einem fernen Planeten spielt – entscheidend sei, dass sie an die Lebenswelt und Vorlieben der Schülerinnen und Schüler anknüpft. Künstliche Intelligenz könne solche kreativen Spielräume eröffnen, indem sie Anregungen bietet, Texte generiert oder individuelle Rückmeldungen gibt.

Mit einem humorvollen Rückgriff auf die Bildungsgeschichte schloss Dengel seinen Vortrag: „Es macht keinen Sinn, sie anzuschaffen.“ Gemeint war – überraschenderweise – nicht die KI, sondern die Kreidetafel, deren Einführung vor über hundert Jahren ebenfalls auf Skepsis stieß. Die Parallele ist offensichtlich: Wo einst ein neues Medium als pädagogische Revolution diskutiert wurde, steht heute KI im Zentrum der Debatte.  

Paneldiskussion: Mehr als ein „Taschenrechner für Aufsätze“

Ein Zitat des hessischen Kultusministers, Künstliche Intelligenz sei der „Taschenrechner für Aufsätze“, markierte den Auftakt einer lebhaften Diskussionsrunde – und lieferte den passenden Kontrast zum Grundtenor des Panels: KI ist weit mehr als ein praktisches Hilfsmittel. Sie kann den Unterricht nicht nur vereinfachen, sondern ihn grundlegend verändern.  

Die einhellige Meinung der Diskutierenden: Die Technologie eröffnet große Chancen – etwa durch individualisierte Lernprozesse, personalisiertes Feedback oder die Förderung spezifischer Interessen. Richtig eingesetzt, könne KI dazu beitragen, Chancengerechtigkeit im Bildungssystem zu stärken und digitale Spaltung zu vermeiden. Dafür brauche es allerdings mehr als technische Tools: notwendig seien neue didaktische Konzepte, die den Einsatz von KI pädagogisch reflektiert integrieren – und bestehende Strukturen hinterfragen. Prüfungen, wie sie heute stattfinden, gerieten dabei zunehmend ins Wanken.

Paradigmenwechsel mit Ansage

Axel Krommer, akademischer Oberrat an der Friedrich-Alexander-Universität Erlangen-Nürnberg, verortete die aktuelle Debatte in einem größeren kulturhistorischen Zusammenhang: Neue Paradigmen seien in der Geschichte stets zunächst abgelehnt worden – vom Buchdruck bis zur Digitalisierung. Auch ChatGPT sei mit Skepsis begegnet worden. Doch die eigentliche Herausforderung sei nicht die Technologie an sich, sondern der Wandel in der Leistungsbewertung: Ob ein Aufsatz mithilfe von KI entstanden sei oder durch die Eltern, sei für Lehrkräfte oft nicht mehr eindeutig zu erkennen.

Die Sorge, Schüler:innen könnten durch KI „immer dümmer“ werden, teilten die Panelteilnehmenden nicht. Im Gegenteil: KI könne – wie einst der Taschenrechner im Mathematikunterricht – neue Freiräume schaffen, um sich komplexeren Inhalten zu widmen. Entscheidend sei, Schüler:innen im kritischen Umgang mit solchen Werkzeugen zu schulen – und Lehrkräften die nötigen Kompetenzen an die Hand zu geben, um KI sinnvoll in den Unterricht zu integrieren.

Krommer ging noch weiter: „Noten sind Märchen für Erwachsene“, sagte er provokant. Er plädierte für eine Abkehr vom klassischen Prüfungssystem zugunsten kontinuierlicher Bewertung im Lernprozess. Ein Beispiel aus seinem Alltag untermauerte diese Haltung: Bei der Seepferdchenprüfung seines Kindes seien alle Kinder nervös gewesen – bis die Schwimmlehrerin erklärte, dass bereits im Training alle Anforderungen erfüllt worden seien. Niemand werde an einem einzigen Tag bewertet. So müsse es auch in der Schule sein.

Vertrauen statt Verbote

Auch das in Hessen geltende Handyverbot an Schulen wurde kontrovers diskutiert. Krommer bezeichnete es als „Zeichen völliger Hilflosigkeit“. Ein kategorisches Verbot löse keine pädagogischen Herausforderungen – vielmehr verhindere es, dass Kinder lernen, verantwortungsvoll mit digitalen Geräten umzugehen. Hier sei Aufklärung und Vertrauen gefragt – keine Abschottung.

Eine Umfrage unter Schüler:innen zeigte zudem: Viele sind überzeugt, dass Lehrkräfte nicht erkennen können, ob ein Text mit KI erstellt wurde. Die Medienrechtsanwältin Antonia Dufeu stellte klar: Die Nutzung von ChatGPT sei rechtlich nicht verboten. Es könne sich zwar um einen Täuschungsversuch handeln – eine Urheberrechtsverletzung sei es jedoch nicht. Doch auch hier gelte: „KI-Tools simulieren Kompetenz.“ Wer sie sinnvoll einsetzen wolle, müsse selbst ein gutes Sprachgefühl und Ausdrucksvermögen besitzen. Nur dann lasse sich die Qualität maschinengenerierter Inhalte verlässlich beurteilen. Sprachliche Bildung bleibe also zentral – auch im Zeitalter der KI.

Umfrage unter 700 Schüler:innen

Die Umfrage, die im Vorfeld des Forums von statworx und der Bertha-von-Suttner-Schule durchgeführt wurde, zeigt: Künstliche Intelligenz ist bereits fester Bestandteil vieler Schulrealitäten – sorgt aber auch für Verunsicherung. Rund 42 % der Befragten nutzen KI häufiger als Google, wenn sie Informationen suchen. Ein großes Problem, denn Ausgaben von ChatGPT und Co. können faktisch falsch sein. Doch die Technologie ist besonders gefragt, wenn es um besseres Verständnis von Lerninhalten (48 %) geht.

Während ein Teil der Schüler:innen KI wahrscheinlich zu viel vertraut, herrscht unter vielen ihrer Mitschüler:innen Skepsis: Über ein Drittel lehnt den KI-Einsatz bei schulischen Aufgaben ab – aus Angst vor Lerneinbußen, Denkfaulheit oder unfairem Vorteil. Schreibfächer gelten als besonders gefährdet. Auch ethische Bedenken, etwa die Angst vor Abhängigkeit oder Persönlichkeitsverlust, spielen eine Rolle.

Für das neue Schulfach „Digitale Welt“ wünschen sich viele eine fundierte Auseinandersetzung mit Chancen und Risiken von KI. Dabei geht es nicht nur um technische Kompetenzen, sondern auch um Aufklärung zu Deepfakes, Datenschutz und Fake News. Die Ergebnisse zeigen: Schüler*innen wollen nicht nur wissen, wie KI funktioniert – sondern auch, wann und wofür sie sinnvoll ist.

Fazit: Bildung braucht Haltung – auch im Umgang mit KI

Das Forum hat gezeigt: Künstliche Intelligenz ist nicht die Antwort auf alle Bildungsfragen, aber ein mächtiger Impulsgeber für notwendige Veränderungen. Der technologische Fortschritt fordert uns heraus, Schule neu zu denken – individueller, gerechter und lebensnäher. Dafür braucht es pädagogische Konzepte, die Vertrauen schaffen, digitale Kompetenzen stärken und den kritischen Umgang mit KI fördern. Bildung im KI-Zeitalter ist kein Selbstläufer – sie ist eine Gestaltungsaufgabe. Und die beginnt mit der Haltung, wie wir Lernen verstehen wollen. Die Frage bleibt also: Wird KI zum Taschenrechner für Aufsätze – oder zum Katalysator einer neuen Bildungsära?

Linkedin Logo
Marcel Plaschke
Head of Strategy, Sales & Marketing
Beratung vereinbaren
Zugehörige Leistungen
No items found.

Weitere Blogartikel

  • Agentic AI
  • Artificial Intelligence
Einführung in Agentic AI und AI Agents
André Monaco
14. Mai 2025
Mehr erfahren
  • Ethical AI
  • AI Act
Warum Michael befördert wird, Aisha aber nicht: KI-Edition
Elifnur Doğan
30. April 2025
Mehr erfahren
  • Artificial Intelligence
AI Trends Report 2025: Die 16 Trends im Überblick
Tarik Ashry
05. Februar 2025
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
Explainable AI in der Praxis: Mit der richtigen Methode die Black Box öffnen
Jonas Wacker
15. November 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • GenAI
Wie ein CustomGPT Effizienz und Kreativität bei hagebau fördert
Tarik Ashry
06. November 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Data Science
  • Deep Learning
  • GenAI
  • Machine Learning
AI Trends Report 2024: statworx COO Fabian Müller zieht eine Zwischenbilanz
Tarik Ashry
05. September 2024
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Der AI-Act ist da – diese Risikoklassen sollte man kennen
Fabian Müller
05. August 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 4)
Tarik Ashry
31. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 3)
Tarik Ashry
24. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 2)
Tarik Ashry
17. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Zurück in die Zukunft: Die Geschichte von Generativer KI (Episode 1)
Tarik Ashry
10. Juli 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Generative KI als Denkmaschine? Ein medientheoretischer Blick
Tarik Ashry
13. Juni 2024
Mehr erfahren
  • Artificial Intelligence
  • GenAI
  • statworx
Maßgeschneiderte KI-Chatbots: Hohe Leistung und schnelle Integration vereint
Tarik Ashry
10. April 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Human-centered AI
Wie Führungskräfte die Datenkultur im Unternehmen stärken können
Tarik Ashry
21. Februar 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Culture
  • Human-centered AI
KI in der Arbeitswelt: Wie wir Skepsis in Zuversicht verwandeln
Tarik Ashry
08. Februar 2024
Mehr erfahren
  • Artificial Intelligence
  • Data Science
Wie wir für Microsoft einen Chatbot mit echtem Wissen entwickelt haben
Team statworx
27. September 2023
Mehr erfahren
  • Data Science
  • Data Visualization
  • Frontend Solution
Warum Frontend-Entwicklung in Data Science-Anwendungen nützlich ist
Jakob Gepp
30. August 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • statworx
the byte - Wie wir ein KI-gesteuertes Pop-up Restaurant aufgebaut haben
Sebastian Heinz
14. Juni 2023
Mehr erfahren
  • Artificial Intelligence
  • Recap
  • statworx
Big Data & AI World 2023 Recap
Team statworx
24. Mai 2023
Mehr erfahren
  • Data Science
  • Human-centered AI
  • Statistics & Methods
Die Black-Box entschlüsseln – 3 Explainable AI Methoden zur Vorbereitung auf den AI-Act
Team statworx
17. Mai 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Wie der AI-Act die KI-Branche verändern wird: Alles, was man jetzt darüber wissen muss
Team statworx
11. Mai 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
Genderdarstellung in der KI – Teil 2: Automatisierte Erzeugung genderneutraler Versionen von Gesichtsbildern
Team statworx
03. Mai 2023
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Statistics & Methods
Ein erster Einblick in unser Forecasting Recommender Tool
Team statworx
26. April 2023
Mehr erfahren
  • Artificial Intelligence
  • Data Science
Vom Können, Tun und Wollen – Warum Datenkultur und Death Metal einiges miteinander gemeinsam haben
David Schlepps
19. April 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
GPT-4 – Eine Einordnung der wichtigsten Neuerungen
Mareike Flögel
17. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Strategy
Das Geheimnis der Datenkultur entschlüsseln: Diese Faktoren beeinflussen Kultur und Erfolg von Unternehmen
Team statworx
16. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Wie man KI-generierte Avatare mit Hilfe von Stable Diffusion und Textual Inversion erstellt
Team statworx
08. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Strategy
Knowledge Management mit NLP: So einfach verarbeitet man E-Mails mit KI
Team statworx
02. März 2023
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
3 Anwendungsfälle, wie ChatGPT die Kommunikation in Unternehmen revolutionieren wird
Ingo Marquart
16. Februar 2023
Mehr erfahren
  • Recap
  • statworx
Ho ho ho – weihnachtlicher Küchenabriss
Julius Heinz
22. Dezember 2022
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Real-time Computer Vision: Gesichter erkennen mit einem Roboter
Sarah Sester
30. November 2022
Mehr erfahren
  • Data Engineering
  • Tutorial
Data Engineering – From Zero to Hero
Thomas Alcock
23. November 2022
Mehr erfahren
  • Recap
  • statworx
statworx @ UXDX Conf 2022
Markus Berroth
18. November 2022
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
  • Tutorial
Paradigmenwechsel in NLP: 5 Ansätze, um bessere Prompts zu schreiben
Team statworx
26. Oktober 2022
Mehr erfahren
  • Recap
  • statworx
statworx @ vuejs.de Conf 2022
Jakob Gepp
14. Oktober 2022
Mehr erfahren
  • Data Engineering
  • Data Science
Überwachung und Protokollierung von Anwendungen und Infrastruktur: Metriken und (Ereignis-)Protokolle
Team statworx
29. September 2022
Mehr erfahren
  • Coding
  • Data Science
  • Machine Learning
Zero-Shot Textklassifikation
Fabian Müller
29. September 2022
Mehr erfahren
  • Cloud Technology
  • Data Engineering
  • Data Science
Wie du dein Data Science Projekt fit für die Cloud machst
Alexander Broska
14. September 2022
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
  • Machine Learning
Geschlechter­darstellung in der KI – Teil 1: Verwendung von StyleGAN zur Erforschung von Geschlechter­vielfalt bei der Bild­bearbeitung
Isabel Hermes
18. August 2022
Mehr erfahren
  • Artificial Intelligence
  • Human-centered AI
statworx AI Principles: Warum wir eigene KI-Prinzipien entwickeln
Team statworx
04. August 2022
Mehr erfahren
  • Data Engineering
  • Data Science
  • Python
Wie Du Deinen Code und Deine Abhängigkeiten in Python scannst
Thomas Alcock
21. Juli 2022
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Data-Centric AI: Von Model-First zu Data-First KI-Prozessen
Team statworx
13. Juli 2022
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Human-centered AI
  • Machine Learning
DALL-E 2: Warum Diskriminierung in der KI-Entwicklung nicht ignoriert werden kann
Team statworx
28. Juni 2022
Mehr erfahren
  • R
Das helfRlein Package – Eine Sammlung nützlicher Funktionen
Team statworx
23. Juni 2022
Mehr erfahren
  • Recap
  • statworx
Unfold 2022 in Bern – by Cleverclip
Team statworx
11. Mai 2022
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
  • Machine Learning
Vorurteile in KI abbauen
Team statworx
08. März 2022
Mehr erfahren
  • Artificial Intelligence
  • Cloud Technology
  • Data Science
  • Sustainable AI
Wie du als Data Scientist deinen KI CO₂ Fußabdruck verringerst
Team statworx
02. Februar 2022
Mehr erfahren
  • Recap
  • statworx
2022 und die Reise zu statworx next
Sebastian Heinz
06. Januar 2022
Mehr erfahren
  • Recap
  • statworx
5 Highlights vom Digital Festival Zürich 2021
Team statworx
25. November 2021
Mehr erfahren
  • Data Science
  • Human-centered AI
  • Machine Learning
  • Strategy
Warum Data Science und KI-Initiativen scheitern – eine Reflektion zu nicht-technischen Faktoren
Team statworx
22. September 2021
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Human-centered AI
  • Machine Learning
  • statworx
Kolumne: Mensch und Maschine Seite an Seite
Sebastian Heinz
03. September 2021
Mehr erfahren
  • Coding
  • Data Science
  • Python
Wie man mit Call Graph automatisch Projektgrafiken erstellt
Team statworx
25. August 2021
Mehr erfahren
  • Coding
  • Python
  • Tutorial
statworx Cheatsheets – Python Basics Cheatsheet für Data Science
Team statworx
13. August 2021
Mehr erfahren
  • Data Science
  • statworx
  • Strategy
STATWORX meets DHBW – Data Science Real-World Use Cases
Team statworx
04. August 2021
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Machine Learning Modelle bereitstellen und skalieren mit Kubernetes
Team statworx
29. Juli 2021
Mehr erfahren
  • Cloud Technology
  • Data Engineering
  • Machine Learning

3 Szenarien zum Deployment von Machine Learning Workflows mittels MLflow
Team statworx
30. Juni 2021
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning

Car Model Classification III: Erklärbarkeit von Deep Learning Modellen mit Grad-CAM
Team statworx
19. Mai 2021
Mehr erfahren
  • Artificial Intelligence
  • Coding
  • Deep Learning
Car Model Classification II: Deployment von TensorFlow-Modellen in Docker mit TensorFlow Serving
Team statworx
12. Mai 2021
Mehr erfahren
  • Coding
  • Deep Learning
Car Model Classification I: Transfer Learning mit ResNet
Team statworx
05. Mai 2021
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
Car Model Classification IV: Integration von Deep Learning Modellen mit Dash
Dominique Lade
05. Mai 2021
Mehr erfahren
  • AI Act
Potenzial noch nicht ausgeschöpft – Ein Kommentar zur vorgeschlagenen KI-Regulierung der EU
Team statworx
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • statworx
Creaition – Revolutionierung des Designprozesses mit Machine Learning
Team statworx
31. März 2021
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Machine Learning
5 Typen von Machine Learning Algorithmen (Mit Anwendungsfällen)
Team statworx
24. März 2021
Mehr erfahren
  • Recaps
  • statworx
2020 – Ein Rückblick für mich und GPT-3
Sebastian Heinz
23. Dezember 2020
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
  • Machine Learning
5 praxisnahe Beispiele für NLP Use Cases
Team statworx
12. November 2020
Mehr erfahren
  • Data Science
  • Deep Learning
Die 5 wichtigsten Use Cases für Computer Vision
Team statworx
05. November 2020
Mehr erfahren
  • Data Science
  • Deep Learning
Neue Trends im Natural Language Processing – Wie NLP massentauglich wird
Dominique Lade
29. Oktober 2020
Mehr erfahren
  • Data Engineering
5 Technologien, die jeder Data Engineer kennen sollte
Team statworx
22. Oktober 2020
Mehr erfahren
  • Artificial Intelligence
  • Data Science
  • Machine Learning
Generative Adversarial Networks: Wie mit Neuronalen Netzen Daten generiert werden können
Team statworx
15. Oktober 2020
Mehr erfahren
  • Coding
  • Data Science
  • Deep Learning
Finetuning von Tesseract-OCR für deutsche Rechnungen
Team statworx
08. Oktober 2020
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
Whitepaper: Ein Reifegradmodell für Künstliche Intelligenz
Team statworx
06. Oktober 2020
Mehr erfahren
  • Data Engineering
  • Data Science
  • Machine Learning
Machine Learning Modelle mit Hilfe von Docker Containern bereitstellen
Thomas Alcock
01. Oktober 2020
Mehr erfahren
  • Recap
  • statworx
STATWORX 2.0 – Das neue Headquarter in Frankfurt ist eröffnet
Julius Heinz
24. September 2020
Mehr erfahren
  • Machine Learning
  • Python
  • Tutorial
Wie man eine Machine Learning API mit Python und Flask erstellt
Team statworx
29. Juli 2020
Mehr erfahren
  • Data Science
  • Statistics & Methods
Modellregularisierung – The Bayesian Way
Thomas Alcock
15. Juli 2020
Mehr erfahren
  • Recap
  • statworx
Auf zu neuen Abenteuern: Soft Opening des STATWORX Büros
Team statworx
14. Juli 2020
Mehr erfahren
  • Data Engineering
  • R
  • Tutorial
Wie Du ShinyApps in Docker-Images einbauen kannst
Team statworx
15. Mai 2020
Mehr erfahren
  • Coding
  • Python
Making Of: Eine kostenlose API für COVID-19-Daten
Sebastian Heinz
01. April 2020
Mehr erfahren
  • Frontend
  • Python
  • Tutorial
Wie Du ein Dashboard In Python baust – Plotly Dash Step-by-Step Tutorial
Alexander Blaufuss
26. März 2020
Mehr erfahren
  • Coding
  • R
Warum heißen sie so?! – Ursprung und Bedeutung von R-Paketnamen
Team statworx
19. März 2020
Mehr erfahren
  • Data Visualization
  • R
Gemeinschaftsdetektion mit Louvain und Infomap
Team statworx
04. März 2020
Mehr erfahren
  • Coding
  • Data Engineering
  • Data Science
Testen von REST-APIs mit Newman
Team statworx
26. Februar 2020
Mehr erfahren
  • Coding
  • Frontend
  • R
Dynamische UI-Elemente in Shiny - Teil 2
Team statworx
19. Februar 2020
Mehr erfahren
  • Coding
  • Data Visualization
  • R
Animierte Plots mit ggplot und gganimate
Team statworx
14. Februar 2020
Mehr erfahren
  • Machine Learning
Machine Learning Goes Causal II: Der kausale Bruder des Random Forests
Team statworx
05. Februar 2020
Mehr erfahren
  • Artificial Intelligence
  • Machine Learning
  • Statistics & Methods
Machine Learning Goes Causal I: Warum Kausalität wichtig ist
Team statworx
29.01.2020
Mehr erfahren
  • Data Engineering
  • R
  • Tutorial
Wie man REST-APIs mit R Plumber erstellt
Stephan Emmer
23. Januar 2020
Mehr erfahren
  • Recaps
  • statworx
statworx 2019 – Ein Jahresrückblick
Sebastian Heinz
20. Dezember 2019
Mehr erfahren
  • Artificial Intelligence
  • Deep Learning
Deep Learning – Überblick und Einstieg
Team statworx
04. Dezember 2019
Mehr erfahren
  • Coding
  • Machine Learning
  • R
Abstimmung von Random Forest auf Zeitreihendaten
Team statworx
21. November 2019
Mehr erfahren
  • Data Science
  • R
Kombination von Preiselastizitäten und Verkaufsprognosen zur Verkaufssteigerung
Team statworx
06. November 2019
Mehr erfahren
  • Data Engineering
  • Python
Von überall aus auf deinen Spark-Cluster zugreifen – mit Apache Livy
Team statworx
30. Oktober 2019
Mehr erfahren
  • Recap
  • statworx
STATWORX auf Tour: Wein, Burgen & Wandern!
Team statworx
18. Oktober 2019
Mehr erfahren
  • Data Science
  • R
  • Statistics & Methods
Wie man eine Kreuzvalidierung zur Evaluation der Modellperformance von Grund auf selbst erstellt
Team statworx
02. Oktober 2019
Mehr erfahren
  • Data Science
  • Machine Learning
  • R
Zeitreihenvorhersage mit Random Forest
Team statworx
25. September 2019
Mehr erfahren
  • Coding
  • Frontend
  • R
Dynamische UI Elemente in Shiny – Teil 1
Team statworx
11. September 2019
Mehr erfahren
  • Machine Learning
  • R
  • Statistics & Methods
Was dem MAPE fälschlicherweise vorgeworfen wird, seine WAHREN Schwächen und BESSERE Alternativen!
Team statworx
16. August 2019
Mehr erfahren
  • Coding
  • Python
Web Scraping 101 in Python mit Requests & BeautifulSoup
Team statworx
31. Juli 2019
Mehr erfahren
  • Coding
  • Frontend
  • R
Einstieg in Flexdashboards in R
Thomas Alcock
19. Juli 2019
Mehr erfahren
  • Recap
  • statworx
statworx Sommer-Barbecue 2019
Team statworx
21. Juni 2019
Mehr erfahren
This is some text inside of a div block.
This is some text inside of a div block.