Künstliche Intelligenz: Wie Maschinen das Denken lernen

Technologie

Technologie

Datum 01.04.2022
Lesezeit 7 Min.

Künstliche Intelligenz: Wie Maschinen das Denken lernen

Maschinen, die unter dem Mikroskop gefährliche Krebszellen erkennen, Roboter, die dort selbständig arbeiten, wo es für Menschen zu gefährlich oder schmutzig ist und Autos, die einen Verkehrsunfall vorhersehen, noch bevor er eintritt: Was künstliche Intelligenz noch alles kann, welche praktischen Anwendungen es bereits heute gibt und was sich Entwickler:innen und Nutzer:innen für die Zukunft versprechen, lesen Sie hier.

Sie ist das Rückgrat der Industrie 4.0: Künstliche Intelligenz (KI), die Maschinen automatisiert lernen lässt und Prozesse effizienter macht. Laut einer Bitkom-Umfrage plant jedes vierte deutsche Unternehmen Investitionen in die eigene KI-Infrastruktur. Mehr als zwei Drittel der Befragten sehen künstliche Intelligenz als „die wichtigste Zukunftstechnologie“ überhaupt. Was kann die Computer-Intelligenz und wie hilft sie Ihrem Unternehmen?

 

Was ist künstliche Intelligenz?

Künstliche Intelligenz ist ein Teilbereich der Informatik, der sich mit dem maschinellen Lernen befasst. 

Künstliche Intelligenzen analysieren beispielsweise große Datenmengen und finden darin Muster und Gesetzmäßigkeiten. Besonderes Kennzeichen einer KI ist es hierbei, dass sie ihre Abläufe und Verfahren stetig verbessert und aus Fehlern lernt. Dieser Vorgang wird als maschinelles Lernen bezeichnet.

Ein autonomer Roboter beispielsweise lernt mittels KI, wie er sich auch auf unebenem Terrain sicher fortbewegt. Ein lernender Sprachcomputer versteht mit der Zeit neue Sprachen und Dialekte. Eine lernende Cloud organisiert ihre Datenstrukturen so, dass häufig benötigte Informationen schneller am jeweiligen Einsatzort verfügbar sind (Stichwort: Edge Computing).

KI wird auch als artifizielle Intelligenz oder englisch: Artifical Intelligence (AI) bezeichnet. Sie funktioniert deutlich anders als das menschliche Gehirn: Wichtige Wesenszüge natürlicher Intelligenz wie Kreativität und Neugier sind einer Maschine fremd. Ihre großen Stärken sind Iteration, Rechenleistung und die Fähigkeit, eigene Strukturen durch Lernen permanent zu verbessern.

 

Die künstliche Intelligenz der Dinge

Artificial intelligence of Things oder auch künstliche Intelligenz der Dinge ist die Verbindung der KI mit dem Internet of Things (IoT). Zusammen ergeben sie intelligente Maschinen-Cluster. Innerhalb solcher Netzwerke können Programme ihre Informationen und erlerntes Wissen untereinander weitergeben (vererben).

Ein Beispiel hierfür sind autonome Transportfahrzeuge auf einem Fabrikgelände. Diese leiten aus den Daten des zentralen Zugangsmanagements ab, zu welchen Uhrzeiten in einer Lagerhalle besonders viele Menschen unterwegs sind. Per Machine-to-Machine-Kommunikation suchen sie alternative Fahrtrouten, um Begegnungen und Staus zu vermeiden. So optimieren autonome Transporter Betriebsabläufe, noch bevor ihre Sensoren überhaupt Personen in der Halle wahrgenommen haben.

 




Video: Youtube / Doktor Whatson

 

Starke und schwache KI: Welche KI-Arten gibt es?

Bis heute ist KI häufig hoch spezialisiert und für bestimmte Aufgaben optimiert. Man unterscheidet dabei zwischen der schwachen und der starken künstlichen Intelligenz.

Schwache künstliche Intelligenz: Eine KI löst nur Aufgaben innerhalb eines genau definierten Einsatzgebietes. Etwa in der optischen Mustererkennung, oder bei der Überwachung eines Industrieroboters. Wird sie für andere Aufgaben eingesetzt, kann sie ihre Intelligenz nicht übertragen und ihr maschinelles Lernen (beziehungsweise maschinell erworbenes Wissen) funktioniert dort nicht.

Starke künstliche Intelligenz: Die KI überträgt ihre Lernstrategien auch auf anders geartete Aufgaben. Beispielsweise, indem sie für die Stimmerkennung und Sprachanalyse angelegte Algorithmen dazu nutzt, Geschäftsprozesse zu optimieren oder Kund:innenwünsche innerhalb eines Bestellsystems zu antizipieren.

Während schwache künstliche Intelligenz bereits weit verbreitet ist, steht die Forschung zur starken KI noch am Anfang.

Ein mögliches Fernziel ist die vielfältig einsetzbare KI als Dienstleistung, die Sie bei einem externen Anbieter nach Bedarf anmieten. Genau so, wie Sie heute schon Software as a Service (Softwaredienstleistungen aus der Cloud) oder Infrastructure as a Service (Serverhardware und verwandte Dienstleistungen im Mietmodell) buchen. Die KI untersucht dann an einem Tag Fotos von Materialproben auf Fertigungsfehler und/oder optimiert bei anderer Gelegenheit die Routenplanung Ihrer Service-Fahrzeuge.

 




Video: YouTube / youknow

 

Die vier Entwicklungsstufen der künstlichen Intelligenz

Künstliche Intelligenz wird immer leistungsfähiger. Während frühe Systeme einfach strukturiert waren und in erster Linie mit Rechenpower (sogenannte „Brute Force“-Algorithmen) arbeiteten, werden KI-Projekte inzwischen immer aufwendiger und vielfältiger. Die Forschung gliedert die Evolution der KI in vier Stufen.

  1. Reaktive Maschinen

Die einfachste Form der künstlichen Intelligenz ist die „reaktive Maschine”. Sie verarbeitet Eingaben, kalkuliert daraus Wege zum Aufgabenziel und entscheidet sich dann für den rechnerisch besten Weg. Sie hat kein Erinnerungsvermögen und keine Vorstellung von ihrer Umwelt. Sie kann somit keine Bezüge zur Außenwelt herstellen. 

Als typisches Beispiel hierfür gilt der Schachcomputer Deep Blue von IBM, der sich 1996 gegen den Schachweltmeister Garri Kasparow den Weg zum Spielgewinn errechnete. Dies bewerkstelligte er, indem er Millionen von Zugvariationen „einfach” nacheinander durchkalkulierte. Punktwerte für Zwischenziele (Schutz des eigenen Königs, Stellungsvorteile oder das Schlagen gegnerischer Figuren) waren von den Programmierer:innen, sowie durch die Auswertung bekannter Großmeister-Partien vorgegeben.

  1. Ressourcenoptimierende Maschinen

Heutige künstliche Intelligenzen gehen über das reine Durchrechnen von Lösungswegen hinaus. Sie haben einen Erinnerungsspeicher und setzen neue Informationen in Bezug zu bereits erlerntem Wissen. In großen Informationsmengen (Big Data) finden sie sich wiederholende Strukturen und Gesetzmäßigkeiten. Dabei verbessern die Systeme permanent ihr eigenes Regelwerk, um Informationen effizienter zu verarbeiten. 

Eine digitale Spracherkennung entnimmt aus Sprachbefehlen einzelne Phoneme (kleinste, bedeutungsgebende Wortbestandteile), die sie zu Sinnzusammenhängen verknüpft und mit bekannten Wörtern vergleicht. Wurden Wörter falsch erkannt, fügt die KI diese Informationen ihrem Erinnerungsspeicher hinzu.

Ressourcenoptimierende Maschinen finden sich heute in fast allen Anwendungsbereichen der KI, von der Handy-Kamera mit Gesichtserkennung bis hin zum Industrie-Roboter.

  1. Theorie des Geistes

Zukünftige künstliche Intelligenzen sollen nicht nur Muster analysieren, sondern auch ein grundlegendes Allgemeinwissen besitzen. Darüber hinaus sollen sie bestimmte menschliche Emotionen wahrnehmen und berücksichtigen können.

Die KI eines Online-Shops erkennt dank ihres Allgemeinwissens und der persönlichen Bestellhistorie, ob jemand mit dem Suchbegriff “Angeln” eher Türangeln oder Angeln zum Fischen sucht – und zeigt nur passende Angebote.

Der Sprachassistent im Hotelzimmer bemerkt an der Stimmlage des Gastes, dass dieser einen anstrengenden Arbeitstag hinter sich hat. Entsprechend schlägt er ein Wellness-Angebot des Hotels vor oder legt ruhige Musik auf.

  1. Selbstwahrnehmung

Die vierte Stufe der KI sind Systeme, die sich auch selbst als Persönlichkeit wahrnehmen und allgemeingültige Denkstrategien entwickeln. Eine solche Intelligenz wäre genau wie menschliche Intelligenz nicht mehr auf bestimmte Einsatzgebiete beschränkt.

Es ist bis heute umstritten, ob ein solcher KI-Level technisch überhaupt erreichbar ist und sein sollte. Hierbei spielen nicht zuletzt ethische Fragen eine Rolle.

 

Künstliche Intelligenz in Unternehmen

In vielen Unternehmen kommt künstliche Intelligenz schon lange zum Einsatz. Eine Auswahl verbreiteter KI-Anwendungen nach Branchen:

Logistik

Sowohl im Flottenmanagement als auch in der Lagerhaltung sorgt KI für schnellere Abläufe und spart Ressourcen. Computerprogramme finden ideale Routen für Firmenfahrzeuge, reduzieren die Lagerhaltung und optimieren Lieferketten.

Predictive Maintenance

Ausfälle und Defekte von Maschinen erzeugen hohe Kosten für Unternehmen. Per Predictive Maintenance werden Anlagen permanent überwacht. So können Unternehmen Verschleißteile ersetzen, bevor sie ausfallen. KI-gesteuerte Systeme lesen hierfür Sensordaten der zu wartenden Anlagen aus und schalten Maschinen ab, ehe Fehler und Schäden auftreten.

Robotik

Roboter werden in der Fabrik 4.0 mit anderen Maschinen im Unternehmens-IoT vernetzt. In Industrie-Robotern mit eigenen Kamera-Modulen übernimmt KI die Mustererkennung und verbessert Bewegungsabläufe. Maschinen des Roboter-Bauers Kuka erlernen beispielsweise, Gegenstände mit komplexen Außenformen und unebenen oder empfindlichen Oberflächen zu erkennen und sicher und zugleich sanft zu greifen. In KI-Forschungsprojekten beobachten Roboter menschliche Bewegungsabläufe und erlernen diese hierdurch.

 




Video: YouTube / Hightech-Forum

 

Marketing

Mit Programmatic Marketing automatisieren Unternehmen die Vergabe ihrer Marketing-Budgets. Dabei wenden KI-Systeme vorgegebene Regeln und Algorithmen an, um Werbeträger und Kampagnen automatisiert zu buchen.

Vertrieb

Künstliche Intelligenz unterstützt im Vertrieb bei der Lead-Generierung oder dem Kund:innen-Management. Sie erkennt Vermarktungspotentiale, betreibt Marktanalysen oder kumuliert für Management und Vertrieb relevante Nachrichten aus dem Marktumfeld. 

Financial Forecasting

Mittels KI prüfen Banken Geschäftsmodelle auf Erfolgschancen. Große Unternehmen ermitteln softwaregestützt ihren zukünftigen Finanzierungsbedarf. Investoren lassen künstliche Intelligenz nach lukrativen Investments suchen. 

Controlling

Im Controlling wickelt KI Bestell- und Bezahlprozesse ab und überwacht diese. Dabei clustert sie Bestände von Kund:innen nach Zahlungsmoral und Ausfallwahrscheinlichkeiten oder überwacht das eigene Rechnungswesen. 

Recruiting

Anders als der Mensch lässt sich eine KI bei der Bewerberauswahl nicht vom Bauchgefühl oder sekundären Merkmalen wie Geschlecht, Körpergröße oder Aussehen beeindrucken. Studien zeigen, dass sich Entscheider:innen zu häufig von Bewerbungsfotos beeinflussen lassen. Künstliche Intelligenzen schauen allein auf Curriculum Vitae und Entwicklungspotenzial der Bewerber:innen und prüfen Lebensläufe auf Plausibilität. 

Chatbots

Die Digitalisierung schafft neue Kommunikationsformen zwischen Unternehmen und Kund:innen. Nicht nur Branchenriesen wie das Internet-Kaufhaus Amazon wickeln große Teile ihres First-Level-Supports heute über Chatbots ab. 

Die Akzeptanz bei den Kund:innen ist groß: Die sofortige Erreichbarkeit eines Avatars wird als klarer Vorteil gegenüber der Alternative gesehen, erst auf einen/r menschlichen Ansprechpartner:in in der Telefon-Hotline zu warten.

 

Ausklappbare Informationsgrafik

Die Stufen der KI-Entwicklung in Unternehmen nach Dr. Holger Schmidt

 

Die Vorteile künstlicher Intelligenz in Unternehmen

Schnellere und präzisere Problemanalysen, die Erschließung neuer Geschäftsfelder und geringerer Ressourcenverbrauch: Das sind nur einige der Vorteile, die deutsche Unternehmen im KI-Einsatz sehen. Das ergab eine Umfrage des Branchenverbands Bitkom 2021.

Auch Martin Vogt, Geschäftsführer des Zentrums Ressourceneffizienz beim Verein Deutscher Ingenieure (VDI) ist sich sicher: „Die erwarteten Einsparpotenziale in den Unternehmen durch die Anwendung von Methoden der künstlichen Intelligenz sind hoch. Dies gilt insbesondere für die Reduzierung des Material- und Energieverbrauchs.“

KI kommt aber nicht nur der Unternehmens-Bilanz, sondern auch den Beschäftigten zugute, zeigt die Bitkom-Studie: Neben mehr Arbeitssicherheit durch Vermeidung menschlicher Fehler im Arbeitsalltag (39 Prozent) sehen 28 Prozent der befragten Firmen in einer KI eine Entlastung der Mitarbeitenden von Standardaufgaben. So können diese sich auf wichtigere und interessantere Tätigkeiten konzentrieren.

„Es gibt nicht den einen Grund, künstliche Intelligenz im Unternehmen zu nutzen. KI ist eine Basistechnologie, die eine Vielzahl neuer Möglichkeiten eröffnet“, fasst Bitkom-Präsident Achim Berg die Vorteile des zunehmenden KI-Einsatzes auch in kleinen und mittelständischen Unternehmen zusammen.

Die Nachteile künstlicher Intelligenz

Viele Unternehmen nutzen künstliche Intelligenz noch nicht in vollem Umfang. Eine internationale Studie des Beratungsunternehmens KPMG suchte nach Gründen hierfür und befragte mehrere tausend Menschen in Industrieländern wie den USA, Kanada und Deutschland. 

Das Ergebnis: Zwar seien die meisten Umfrageteilnehmer:innen mit dem Einsatz von künstlicher Intelligenz am Arbeitsplatz zwecks Aufgabenautomatisierung und -erweiterung einverstanden. Doch in anderen Bereichen stünden viele Mitarbeitende der KI skeptisch gegenüber.

Zugleich gebe es wenig Wissen über KI in der Bevölkerung: 62 Prozent der Befragten hätten zwar schon vom Thema gehört. Allerdings geben ebenso drei von fünf an, eher wenig von KI und deren Einsatz im Alltag zu verstehen.

Wo in der Bevölkerung Wissen fehlt, entstehen Sorgen vor möglichen Gefahren durch lernende Computer. Es wird mehr über die Ethik der künstlichen Intelligenz diskutiert als über ihren Nutzen für den Menschen. Auch Unternehmen zögern, die Vorteile von KI zu nutzen, wenn dies dem Betriebsklima abträglich ist.

 

Kritische Wahrnehmung von KI

Viele Menschen haben ein falsches Bild von Künstlicher Intelligenz, das häufig auch von deren Darstellung etwa in Kinofilmen und Medien geprägt ist. Besonders mit drei Befürchtungen müssen sich Forschende und Nutzer von KI, aber auch Unternehmer:innen immer wieder befassen: 

Anstieg von Arbeitslosigkeit: Es wird in Teilen der Bevölkerung ein Anstieg der Arbeitslosigkeit durch künstliche Intelligenz befürchtet. Ähnliche Sorgen gibt es häufig bei neuen, noch nicht verbreiteten Technologien. So sind beispielsweise aus der Technikgeschichte für den Bau der Eisenbahnen, die Computerisierung der Arbeitswelt oder die Verbreitung des Internet vergleichbare Befürchtungen belegt. Mit der Zeit erwiesen sich diese meist als unbegründet und es zeigte sich, dass neue Technologien immer auch viele neue, besser bezahlte Arbeitsplätze schaffen – insbesondere an Hochtechnologie-Standorten wie Deutschland. Zugleich schützt Innovation auch vor der Abwanderung von high potentials, also hochqualifizierten Arbeitskräften in Länder, die technologisch schon weiter sind.

Hohe Kosten durch Einführung künstlicher Intelligenz: Viele kleine und mittelständische Unternehmen fürchten die hohen Kosten des technologischen Wandels hin zu mehr künstlicher Intelligenz in Produktion, Logistik und Management. Daher werden neue innovative Technologien oft zuerst in großen Unternehmen eingeführt und deren technologischer Vorsprung damit vergrößert. Dabei werden die Kostenvorteile von KI oft unter- und die Einführungskosten regelmäßig überschätzt. Viele KI-Technologien und -Anwendungen, die noch vor wenigen Jahren sehr teure Sonderanfertigungen waren, gibt es inzwischen längst als deutlich günstigere Industrie-Standardware. Als Beispiele seien hier kollaborative Roboter mit KI an Bord genannt oder KI-Module für verbreitete Industriesteuerungen wie Siemens Simatic oder KI-gestützte Zugangskontrollsysteme wie die aktuellen Türsteuerungen von Axis Communications. Sie alle haben nur geringe Mehrkosten gegenüber älteren Systemen ohne KI. Auch verbreitete Business-Software hat immer öfter integrierte KI-Funktionen. Das Software-Haus SAP beispielsweise hat 2021 eine sogenannte „AI Factory“ gegründet, die neue KI-Funktionen für die Anwender von SAP-Software entwickeln und bereitstellen soll. Schon heute profitiert Keramikproduzent Villeroy & Boch als Testkunde von SAP-Anwendungen, die per KI das Email-Management teilautomatisieren und Mitarbeiterinnen und Mitarbeitern dadurch viel Zeit sparen.

Künstlicher Intelligenz fehlen Gefühle und Werte: So effektiv KI-Technologien auch sind, so sind sie doch anders als Menschen und es fehlen ihnen Gefühle. Gerade in diesem Punkt zeigen sich die Sorgen vieler Anwender gegenüber Maschinen. Auch diese Befürchtungen gab es in ähnlicher Form bereits bei früheren technologischen Innovationen. Diese Bedenken finden beispielsweise Niederschlag in der Literatur in den berühmten Roboter-Gesetzen des Science-Fiction-Schriftstellers Isaac Asimov. Dirk Helbing, Professor für Computational Social Science an der Eidgenössischen Technischen Hochschule Zürich (ETH), mahnt daher einen einen sorgfältigen Umgang mit KI an, wie er es auch bei jeder anderen Technologie empfiehlt: „KI hat große positive Auswirkungen, etwa in Industrie, Verwaltung, Medizin und Forschung. Man kann wunderbare Sachen machen, aber wie jede Technologie hat sie Nebenwirkungen, die man erst im Laufe der Zeit überblickt.“

Das unheimliche Tal

Der japanische Robotik-Forscher Masahiro Mori bezeichnete 1970 die Angst vor Robotern, künstlichen Intelligenzen und Avataren als das „Phänomen des unheimlichen Tals“. Die Akzeptanz des Menschen für diese Technologien nimmt ab, je ähnlicher ihm diese zu werden scheinen.

Zugleich schöpft Mori aber auch Hoffnung: Könnten Maschinen menschliches Verhalten besser imitieren und auf ihr menschliches Gegenüber eingehen, wäre das Tal durchschritten. Mit zunehmender Gewöhnung würden Angst und Ablehnung zurückgehen und der Nutzenaspekt überwiegen.

Ähnliche Erfahrungen machte auch der deutsch-amerikanische Computerpionier Joseph Weizenbaum in den 1960er-Jahren mit seinem Chatbot Eliza. Viele Institutskolleg:innen behandelten das System nach anfänglicher Skepsis mit der Zeit wie eine vertraute Gesprächspartnerin, obwohl sie wussten, dass sich dahinter nur eine Maschine verbarg.

 




Video: YouTube / Deloitte Deutschland

 

Die Geschichte der künstlichen Intelligenz

Die Idee künstlicher Intelligenzen oder denkender Automaten gab es bereits in der Antike. Von Pierre-Simon Laplace stammt die 1814 formulierte Idee einer allwissenden Maschine zur Entschlüsselung der Weltformel. Der britische Mathematiker und Enigma-Codeknacker Alan Turing leistete in den 1940er-jahren Grundlagenforschung und erdachte ein einfaches Testverfahren zur Erkennung von KI-Systemen. Beim Turing-Test ermittelt ein Mensch durch gezielte Fragen an einen unsichtbaren Gegenüber, ob es sich um einen Menschen oder eine Maschine handelt. 

Erste KI-Prototypen wurden analog über verdrahtete Schaltungen ausgeführt. Erst die moderne softwarebasierte Informationstechnik ermöglicht die Realisierung selbstlernender Systeme, anfangs noch mit sehr eng umrissenen Aufgabengebieten. Ein bekanntes Beispiel ist das zu Beginn der 1970er-Jahre von Edward Shortliffe an der Stanford University entwickelte medizinische Expertensystem MYCIN. Es diente zur Unterstützung bestimmter Diagnose- und Therapieentscheidungen bei Blutinfektionskrankheiten und Meningitis.

Frühe KI-Systeme enthielten meist das gesamte Spezialwissen und einen Entscheidungsbaum zu einem sehr eng gesteckten Fachgebiet. Limitierende Faktoren waren Rechengeschwindigkeit, Programmspeicher und der enorme Aufwand beim händischen Übertragen von Expertenwissen in digitale Strukturen. 

Weil Entscheidungen nie besser sein können als die ihr zu Grunde liegenden Informationen (ex falso quodlibet, aus Falschem folgt Beliebiges), kam die KI-Forschung lange Zeit nur wenig voran oder beschränkte sich auf Einsatzgebiete wie Schachcomputer oder einfache Mustererkennung.

Seit der Jahrtausendwende eröffnen sich der KI neue Möglichkeiten: selbstlernende Systeme und neuronale Netze, KI-optimierte Prozessoren sowie die allgemeine Vernetzung und Verfügbarkeit riesiger maschinenlesbarer Datenmengen (Big Data) in der Cloud. 

Mit der Verbreitung des Internet und der vernetzten industriellen Fertigung entstanden Einsatzgebiete für intelligente Avatare, lernende Produktionssysteme, Industrie-Roboter und die lernende Sprachsteuerung.

 

Teilgebiete künstlicher Intelligenz

Künstliche Intelligenz basiert auf verschiedenen Technologien. Sie alle zusammen bilden das Gesamtsystem KI:

Künstliche neuronale Netze

Beim Erlernen einer neuen Sprache baut das menschliche Hirn Verbindungen (Synapsen) zwischen Nervenzellen aus. Durch stetige Wiederholung und Anwendung des erlernten Wissens werden diese neuronalen Netze ausgebaut. Der Umgang mit der neuen Sprache wird dadurch sicherer und neue Vokabeln werden besser erinnert.

KI-Systeme imitieren dieses Vorgehen des menschlichen Gehirns, indem sie beim Erlernen und Verbessern ihrer Fähigkeiten neue digitale Datenbahnen einrichten oder bestehende weiter ausbauen. Datenbahnen, die zu fehlerhaften Ergebnissen führen, werden reduziert oder ganz gelöscht.

 

Machine Learning

Beim Machine Learning erhält die künstliche Intelligenz Datensätze und dazu ein Regelwerk, wie sie diese Datensätze verarbeiten soll. Als Ergebnis aus dem Machine Learning kann die KI:

  • Wahrscheinlichkeiten für zukünftige Daten oder bestimmte Datenmuster vorhersagen
  • fehlende Daten im Datenspeicher interpolieren
  • Gesetzmäßigkeiten und Zusammenhänge erkennen
  • Prozesse im Hinblick auf weitere Lerndurchgänge optimieren.

Anhand von Rückmeldungen kann die KI ihre Regeln zur Analyse- verifizieren oder so abändern, dass sie ihr Ziel zukünftig schneller erreicht. 

Stellt das Programm beispielsweise fest, dass es Muster in Sprachaufzeichnungen oder Bildern leichter wiederfindet, wenn es die Auflösung der Daten erhöht oder bestimmte Inhalte herausfiltert, lernt die KI damit auf der Meta-Ebene, ihre Prozesse entsprechend anzupassen.

Es gibt verschiedene Lernstrategien des Machine Learning, die sich darin unterscheiden, ob und wie Anwender:innen die KI beim Lernen begleiten. Stehen beispielsweise nur wenige Daten zur Verfügung, erhält die KI für jeden analysierten Datensatz eine menschliche Rückmeldung, ob sie diese korrekt ausgewertet hat (überwachtes Lernen). Gibt es hingegen sehr große Datenbestände, kommt eher das Deep Learning zum Einsatz.

 

Deep Learning

Beim Deep Learning als Teilbereich des Machine Learning analysiert die KI selbständig große Informationsmengen. Der Mensch überlässt es hierbei der Software, Regeln und Gesetzmäßigkeiten zu finden und begleitet und bewertet auch nicht mehr jeden einzelnen Analyseschritt.

Dies kann zum Beispiel sinnvoll sein, wenn im Vorfeld noch gar nicht bekannt ist, ob in den Daten überhaupt Muster enthalten sind und wie diese gefunden werden könnten.

Ein Einsatzgebiet ist die Analyse eines komplett in der Unternehmens-Cloud gespeicherten Warenbestandes oder aller Geschäftsprozesse auf mögliches Optimierungspotenzial hin. 

 

Ausklappbare Informationsgrafik

Deep Learning ist ein wichtiger Teilbereich der künstlichen Intelligenz.

 

Natural Language Processing

Das Natural Language Processing beschreibt, wie Maschinen menschliche Sprache auswerten und hieraus neue Informationen gewinnen. Die KI muss dabei nicht nur gesprochene und geschriebene Wörter erkennen. Sie muss diese auch in Sinnzusammenhänge setzen und dabei die Grammatik der Zielsprache kennen. Sie muss Besonderheiten erkennen, etwa das deutsche Wort “gucken”, das üblicherweise als „kucken“ gesprochen wird.

Auch das Erkennen von Doppelbedeutungen ist nicht trivial: Meint das Wort „Ist“ beispielsweise den Ist-Bestand des Warenlagers oder das gleich gesprochene Hilfsverb? Ist mit dem Wort „Los“ die Losnummer einer Charge gemeint oder das gleichlautende Startsignal?

Sprachverarbeitende KI-Systeme werden daher auch im laufenden Betrieb regelmäßig trainiert und anhand von Benutzer:innenrückmeldungen verbessert.

Ein Natural Language Processing Transformer (NLP) ist eine virtuelle Maschine, die in Echtzeit Dialoge führen oder längere Texte so formulieren kann, dass sie in Syntax und Aufbau von Texten realer Menschen nicht unterscheidbar sind.

 

Skalierbare Cloud-Dienste für Ihr Business: Public-Cloud-Lösungen von Vodafone

Skalierbare Cloud-Dienste für Ihr Business: Public-Cloud-Lösungen von Vodafone

Sie möchten Ihre IT-Betriebskosten senken, Innovationen schnell realisieren, Ihre Ressourcen flexibel einsetzen? Und dabei nur für die Infrastruktur und Dienste zahlen, die Sie auch tatsächlich brauchen, inklusive flexiblem Speicherplatz für E-Mail, Collaboration-Tools und Entwicklungsprojekte?

Zusammen mit unseren Partnern Microsoft und Alibaba haben wir die für Ihr Business passgenaue Public-Cloud-Lösung parat.

 

Knowledge Representation  

Mit wachsenden Datenbeständen benötigt die KI eine Systematik, wie sie ihr erlerntes Wissen abbildet. Die Wissensrepräsentation (oder englisch: Knowledge Representation) beschreibt, wie künstliche Intelligenz sich Informationen merkt und abruft. Die Systematiken reichen von einfachen Katalog- und Glossar-Strukturen bis hin zu mehrdimensionalen Verknüpfungen, bei denen jede Information auf mehreren Ebenen in ihrer Relation zu anderen Begriffen beschrieben wird. 

 

Künstliche Intelligenz im Alltag

In vielen Alltagssituationen kommt künstliche Intelligenz heute zum Einsatz. Sei es bei der Google-Suche oder der Sprachassistenz, bei Siri oder bei Alexa auf dem Smartphone oder im Smart Home. Viele digitale Bestellsysteme im Online-Handel sowie Chatbots im Kund:innenservice arbeiten seit Jahren mit KI.

Auch wenn Sie Ihr Smartphone per Gesichtserkennung entsperren oder im Auto Ihrem Navi per Spracheingabe das nächste Ziel diktieren, nutzen Sie künstliche Intelligenz.

Die Autoindustrie forscht besonders intensiv an der KI. Künstliche Intelligenz ist dabei Voraussetzung nicht nur für optimiertes Flottenmanagement, sondern auch für das autonome Fahren. Der Bordcomputer erfasst per Sensoren seine Umwelt. Die KI analysiert den fließenden Verkehr und bewegt das Fahrzeug sicher darin fort. Künstliche Intelligenz erkennt außerdem am Fahrverhalten vorausfahrender Fahrzeuge einen sich aufbauenden Stau und bremst vorausschauend.

Schon jetzt laufen in vielen deutschen Städten Modellprojekte mit autonomen Bussen. Auch sie basieren auf KI. Im ländlichen Raum könnten solche fahrer:innenlosen Systeme für eine Belebung des ÖPNV sorgen.

 

Modernes Flottenmanagement dank IoT

Modernes Flottenmanagement dank IoT

Schnelle Hilfe bei Unfällen und Pannen, Verkehrsinfos in Echtzeit und zuverlässige Ortung im Fall eines Diebstahls: Das alles und noch mehr verspricht intelligente Telematik. Vodafone hat dazu das passende, weltweit größte Mobilfunknetz und jede Menge Erfahrung im Bereich IoT. 

  • Weltweit einsetzbar
  • Mehr Sicherheit
  • Jederzeitiges Tracking

 

KI in der Medizin

Auch Medizin und Prothetik nutzen künstliche Intelligenz. So kann etwa ein künstliches Handgelenk, das von dem Patienten oder der Patientin einen Gedankenimpuls erhält, per KI gesteuert nach einem Glas greifen.

Hautärzt:innen wollen per KI schon bald gutartige und bösartigen Tumore anhand ihres Aussehens unterscheiden – eine Aufgabe, an der Menschen bislang noch scheitern.

Ein laufendes Forschungsprojekt mit Unterstützung des Bundesministeriums für Bildung und Forschung widmet sich der Demenzforschung: Mit neuronalen Analysemethoden sollen hochaufgelöste dreidimensionale MRT-Gehirnscans per KI schneller ausgewertet werden.

 

Ausklappbare Informationsgrafik

Der künstlichen Intelligenz wird in fast allen Lebensbereichen eine erhebliche Bedeutung zugeschrieben.

 

Die künstliche Intelligenz der Zukunft

Künstliche Intelligenz als Teilgebiet der Informatik hat seit der Jahrtausendwende große Fortschritte gemacht. Zugleich haben das Internet of Things und die Migration von Unternehmensdaten in die Cloud bessere Rahmenbedingungen geschaffen. Alle für den KI-Einsatz relevanten Informationen sind nun an jedem Ort verfügbar. 

Als Teil des IoT könnten intelligente Roboter und Drohnen bald selbständig Industrieanlagen und Infrastruktur warten – und dabei auch in Arbeitsbereiche vorstoßen, die für Menschen gefährlich oder schwer erreichbar sind. Mögliche Einsatzgebiete sind etwa Autobahnbrücken, Windkraftanlagen, Hochspannungstrassen oder Waldgebiete mit Sturmschäden. KI-gesteuerte Nanobots könnten Industriemaschinen und Fahrzeuge von innen reparieren, ohne dass Menschen diese hierfür erst auseinander bauen müssten.

 

 Internet of Things: Alles aus einer Hand

Internet of Things: Alles aus einer Hand

Durch die intelligente Vernetzung von Maschinen und Gegenständen werden unter anderem Produktion und Logistik effizienter gestaltet. So sparen Sie wichtige Ressourcen und erweitern Ihre Geschäftsmodelle.

Optimieren Sie jetzt Ihre Prozesse: Wir sind mit über 118 Millionen Connections führend im Bereich IoT und diese Zahl wächst täglich.

 

Lieferengpässe bei Halbleitern und anderen strategischen Gütern haben seit 2020 ein weiteres Einsatzgebiet für die künstliche Intelligenz aufgezeigt: die Logistik. Unternehmen, die per KI ihre Lieferketten optimieren und dabei zugleich robuster gegen Ausfälle machen, sind gegenüber ihren Wettbewerbern im Vorteil. Aber auch im Gütertransport selbst liegen noch erhebliche Potenziale für die KI. Einige Möglichkeiten: 

  • Autonome LKW bringen Waren schnell und ohne Schlafpausen zu den Kund:innen. 
  • Per M2M kommunizierende Fahrzeuge vermeiden Staus bei Streckensperrungen, indem sie untereinander die optimale Nutzung des verbleibenden Straßennetzes aushandeln. 
  • Auf KI-überwachten Schienennetzen können mehr Züge in kürzeren Abständen verkehren, ohne dass hierfür neue Strecken gebaut werden müssten.
  • Pakete und Lieferpaletten erhalten eine eigene vernetzte Intelligenz und kommunizieren per Mobilfunk mit Transportdienstleistern: Waren suchen sich selbständig das passende Transportmittel für den schnellsten oder günstigsten Weg zum Lieferort. Kleinere Lieferungen melden sich als Beifrachten an und reduzieren so Leerfahrten und ungenutzten Laderaum.

Handel und Dienstleistung finden heute zunehmend im Netz statt. Insbesondere im B2B-Bereich führt dabei kein Weg an KI-basierten oder -gestützten Systemen vorbei. Sei es bei der Generierung und Betreuung von Kund:innenkontakten oder der Entwicklung neuer Geschäftsfelder. 

Schon in wenigen Jahren wird ein/e menschliche/r Ansprechpartner:in im digitalen Kund:innenverkehr zur Ausnahme werden. Die Akzeptanz auf Kund:innenseite ist gegeben, sofern künstliche Systeme ausreichende Problemlösungskompetenzen besitzen und dank gut gepflegter Wissensdatenbanken auch komplexe Fragen richtig beantworten können.

Mehr Patienten-Selbstständigkeit dank intelligenter Assistenten

Bereits heute ist die Mustererkennung ein wichtiges Anwendungsgebiet für künstliche Intelligenz in der Medizin. Die Telemedizin eröffnet weitere Einsatzfelder. Wo auf dem Land Fachärzt:innen für seltene Erkrankungen fehlen, können intelligente Fachsysteme bei Diagnostik und Therapie aus der Ferne unterstützen. In der stationären und häuslichen Pflege können KI-Systeme Routineaufgaben übernehmen und beispielsweise Patient:innen an die regelmäßige Einnahme von Medikamenten erinnern. Auch hier laufen schon erste Modellprojekte.

Besonders in Sektoren, in denen bereits heute viele Fachkräfte fehlen, ist der Innovationsdruck groß und das Potenzial für die KI enorm. Parallelen zur ersten Industriellen Revolution sind klar erkennbar, als fehlende Arbeitskräfte zur Entwicklung und schnellen Verbreitung der Dampfmaschine führte.

 

Künstliche Intelligenz im Überblick: Das Wichtigste in Kürze

  • Im Internet of Things kann künstliche Intelligenz viele ihrer Stärken ausspielen, Maschinen intelligent vernetzen und so Ressourcen sparen.
  • Über 5G-Campus-Netze tauschen intelligente Geräte ihre Daten besonders schnell und effizient aus und verbinden sich mit Ihrer Unternehmens-Cloud.
  • Mittels Narrowband IoT von Vodafone verbinden Sie Ihre KI-Systeme auch dort miteinander, wo einzelne Standorte bisher schwer erreichbar waren.
  • Für den Automotive-Sektor ist KI essentieller Bestandteil des autonomen Fahrens. Schon bald könnte der Entwicklungsstand der verbauten KI ein Entscheidungskriterium sein.
  • Sektoren wie Medizin, Handel und Dienstleistung profitieren bereits heute von KI-Systemen. Hier gibt es großes Entwicklungspotenzial.

 

Wo nutzen Sie selbst Routinen mit künstlicher Intelligenz? Setzen Sie im Umgang mit Kund:innen auf Chatbots oder vergleichbare Systeme? Arbeiten Sie mit selbstlernenden Industrie-Robotern? Schreiben Sie uns gerne in den Kommentaren über Ihre Erfahrungen.

 


Ihre Digitalisierungs-Berater:innen für den Mittelstand

Sie haben Fragen zur Digitalisierung? Unser Expert:innen-Team hilft Ihnen kostenlos
und unverbindlich im Chat (Mo.-Fr. 8-20 Uhr). Oder am Telefon unter 0800 5054512

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Facebook Twitter WhatsApp LinkedIn Xing E-Mail