Modelle trainieren, neuronale Netze und prädiktive Algorithmen, die aus Daten lernen
Wie du in einem Solidus Shop eine nächtliche Schleife baust, die öffentliche Preise der Mitbewerber, Bestand, Kosten und Elastizität liest, jeden Preis innerhalb von Grenzen setzt, Werbebudget zum Gewinn verschiebt und dabei im österreichischen Wettbewerbs und Preisrecht bleibt. Mit Formeln, Rechenbeispielen und Rails Code.
k means, Latent Class Analyse und RFM im Vergleich an einem erfundenen Shop für Geschenkkörbe: wie du die Zahl der Segmente wählst, sie beschreibst und benennst, ihre Stabilität prüfst und sie einsetzt.
Wie der Dotcom Crash wirklich aussah, was die größten KI Investoren in ihren eigenen Berichten melden, wo KI tatsächlich etwas bringt und welche versteckten Kosten ein Unternehmen einrechnen sollte, bevor es Geld ausgibt.
Wie PCA und Faktorenanalyse aus 24 Umfragefragen oder 18 Verhaltensvariablen wenige Dimensionen machen, die du benennen, bewerten und in Entscheidungen übersetzen kannst, durchgerechnet an einer Hotelumfrage und einem Shop für Geschenkkörbe.
Wie du wöchentliche Nachfrage mit saisonalen Dummies prognostizierst, Autokorrelation behandelst, Modelle auf einem Holdout beurteilst und Lager und Personal gegen ein 80 % Fehlerband planst.
Sieben von 10 Warenkörben werden verlassen, und in den USA kommt ein Sechstel des Umsatzes zurück. Zwei Vorhersagesysteme, ein Scorer für das Abbruchrisiko und ein Prädiktor für das Retourenrisiko, gebaut in Python und an Solidus angebunden, mit einer sauber durchgerechneten Wirtschaftlichkeit.
Wie dynamische Preisgestaltung für einen Shop wirklich funktioniert: die Elastizität aus deinen eigenen Bestellungen, die Aufschlagsregel, ein Nachfragemodell, die Leitplanken und die österreichischen Regeln aus PrAG, UWG und Kartellrecht, mit Code für Solidus und Rails.
Immer mehr Kundinnen fragen einen Assistenten, statt Stichworte einzutippen. Was das für Produktseiten, Beschreibungen und strukturierte Daten eines Shops bedeutet, mit den Daten für Österreich von Google und einem Beispiel in Rails.
SARIMA, Prophet und Gradient Boosted Trees im Vergleich für den Wochenabsatz eines Shops: wann jedes Modell seinen Platz verdient, wie du sie ehrlich testest und wie aus einer Prognose ein Meldebestand in Rails und Solidus wird.
Wie die logistische Regression Kunden ordnet, ab wann sich der nächste Katalog nicht mehr bezahlt macht und wie dasselbe Modell aus Warenkörben Empfehlungen für den Zusatzverkauf macht.
Die Browser haben die meisten Lücken geschlossen, und das österreichische Recht verlangt ein Ja, bevor du personalisierst. Wie du Personalisierung auf Einwilligung, deinen eigenen Server und bewusst geteilte Daten baust, mit dem Rails Code.
Österreich und Deutschland teilen KI Verordnung und DSGVO, aber nicht die Behörden. Die Schweiz hat keine von beiden und ein Datenschutzgesetz, das KI schon erfasst. Was ein österreichisches Unternehmen wissen muss, und wie eine Rails Codebasis alle drei abdeckt.
Eine Anleitung für Entwickler zum Vertrag zur Auftragsverarbeitung, zum Datenschutz durch Technikgestaltung und zur Datenschutz Folgenabschätzung für KI Funktionen, nach DSGVO, DSG und TKG 2021. Erst das Gesetz, dann der Rails Code.
Die Zeilen einer Kundin zu löschen ist leicht. Ihren Einfluss auf ein trainiertes Modell nicht. Was Artikel 17 DSGVO sagt, was der EDSA und die deutschen Aufsichtsbehörden zu Modellen gesagt haben, wer in Österreich zuständig ist, was die Forschung zum Machine Unlearning kann und welche Rails Architektur dich aus dem Problem heraushält.
Die meiste Marketingautomatisierung ist immer noch eine Zeitschaltuhr mit Verteiler. Was sich ändert, wenn Modelle entscheiden: abgesicherte dynamische Preise, Empfehlungen, die den Kontext lesen, Vorhersage von Abwanderung, die rechtzeitig handelt, und Kampagnenagenten, gebaut auf Rails und Solidus im Rahmen von DSGVO und TKG 2021.
Die meisten KI Projekte bleiben an unordentlichen Daten, alten Systemen und einem fehlenden ersten Schritt hängen. Die richtige Reihenfolge, drei Muster, um KI in einen Stack aus Rails und Solidus einzubauen, ohne ihn zu ersetzen, was MCP für Altsysteme ändert, die Grundlagen des Datenschutzes und fünf realistische Einstiegspunkte.
Ein Chatbot beantwortet deine Fragen, ein Agent erledigt deine Arbeit. Was sich zwischen 2024 und 2026 wirklich geändert hat, von Computer Use und MCP bis zu Zahlungsprotokollen für Agenten, was Agenten heute tun und was das für einen Shop auf Rails und Solidus heißt.
Was ein KI Agent wirklich ist, worin er sich von einem Chatbot und einer Automatisierungsregel unterscheidet, und wie du auf Ruby on Rails und Solidus Agenten für Lager, Kundenservice, Auftragssteuerung und Preise baust, mit den Leitplanken, die sie sicher machen.
Wie du Produktempfehlungen in einen Solidus Shop bringst: gemeinsames Auftreten, kollaboratives Filtern mit ALS, inhaltsbasiertes Filtern mit TF IDF und ein Hybrid aus beidem, mit lauffähigem Python und Rails Code, einem A/B Test und den österreichischen Regeln zur Einwilligung, am Beispiel eines erfundenen Salzburger Teehändlers.
Was Test Driven und Behaviour Driven Development sind, welches Rails Werkzeug welche Aufgabe übernimmt, was vor jedem Release getestet sein muss und wie du KI für Tests nutzt, ohne ihr das Urteil zu überlassen.
Vom naiven Vergleichsmaßstab über exponentielle Glättung, SARIMA, Prophet und Regression bis zum strukturierten Urteil: welche Prognosemethode zu welchem Produkt passt, wie du eine Spanne statt einer Zahl angibst und wie du die Prognose ehrlich prüfst, mit Rechenbeispielen und Python.
KI und Machine Learning werden als Synonyme benutzt, sind aber keine. Was beides ist, wie ein Modell tatsächlich lernt, was jedes nicht kann, der Werkzeugkasten in Python, und warum das Etikett für deine Projekte und unter der KI Verordnung der EU zählt.
Was passiert, wenn konkurrierende Shops denselben cleveren Algorithmus gegeneinander laufen lassen? Bieterkriege, das Nash Gleichgewicht, warum lernende Agenten einem beweglichen Ziel hinterherlaufen, und wo Optimierung zur algorithmischen Absprache wird.
1%jeder Rechnung geht an eine Charity, die du wählst.
Eine Spende, nie Sponsoring. Du wählst das Anliegen beim Onboarding.
Die Geschichte hinter dem Versprechen →Fragen zu Preisen, Verträgen oder zur Zusammenarbeit?
Zu den FAQ
