有不可否认的好处的有前途的用例。即使目前人工智能还没有监管基础，批评讨论的焦点通常还是个人数据的保护。在德国，联邦数据保护法 (BDSG) 始终提供相对较高水平的保护，通用数据保护条例 (GDPR) 延续了这一水平。它包含许多原则或原则，也适合将人工智能用例置于值得信赖的法律基础上。
帮助AI实现突破还缺少什么？专注和勇气。专注于在用例的多样性中设定正确的优先级，并勇于投资这项技术。然而，只有伴随有针对性的人员和进一步的培训政策，人工智能的数字化转型才能以有意义的方式进行战略设计。如果员工或用户看到人工智能应用程序无需处理个人数据的好处，他们的信任就会随着时间的推移而增加。如果认真对待人工智能决策的开发原则和可追溯性，那么怀疑就会消失，从而使人工智能能够应用于更广泛的应用领域。
对于我们来说，一切都围绕着人工智能。详细了解人工智能对各个行业的意义，并了解人工智能此时此刻已经发生的变化。在ki.adesso.de，我们还为您提供有关人工智能的最新文章、采访、视频和活动。如今，当我们谈 dj电子邮件列表 论投资时，我们的谈话经常且几乎完全围绕绩效和回报这两个术语。尽管“没有风险就没有回报”这句话众所周知，但前者受到的关注要少得多。造成这种情况的原因可能有很多方面。几十年来，“无风险利率”的信条一直被沿用。这表明无需承担任何回报风险即可获得回报。随着2007年爆发的金融危机以及由此导致的欧洲利率处于历史低位，这一信条几乎被逆转。多年来我们一直观察到“无息风险”。即使利率为零，也必须承担（最小）风险。了解可以承受多少风险变得更加重要。
对风险的共同理解
首先，必须建立对风险的共识。 “风险”的评估总是以整体资产为背景进行的。这意味着所有流动性和非流动性投资都会被一起查看和评估。股票投资组合之外的投资多元化不仅是上述回报背后的驱动力。它对于评估实际风险也很重要（投资组合中大约 90% 的波动可以通过资产类别的选择来解释（参见 Roger G. Ibbotson 和 Paul D. Kaplan：“资产配置政策是否解释 40, 90 ，或 100% 的性能？”））。在我看来，用“喜欢股票风险”和“厌恶债券风险”来描述自己的风险偏好是没有帮助的。了解资产的风险是第一步。并据此作出总资产的分割决定。
对百分比的认识
一般来说，我建议在评估风险时采取绝对的观点。人脑倾向于以不同的方式感知百分比值（参见 Cass R. Sunstein：概率忽略：情绪、最坏情况和法律。）因此我们往往会误判小概率。 2.5% 的事件发生概率通常要么几乎被忽略，要么被严重高估。