Die vielen Facetten Künstlicher Intelligenz

Künstliche Intelligenz macht Unternehmen stärker. Was Google & Co. längst bewiesen haben, lässt viele Mittelständler noch zögern oder um geeignete Geschäftsmodelle ringen. Warum ist dieses Phänomen auch für Verlage oft noch schwer greifbar?

Eine mögliche Erklärung liegt in einer verbreiteten Begriffsverwirrung. Wer sich nicht regelmäßig mit der abstrakten Materie befasst, bekommt sie auch sprachlich schlecht in den Griff. Die Folge: die Kommunikation leidet, und damit verbunden die Visionen für erfolgreiche KI-gestützte Geschäftsmodelle. Tech-Consultant Milad Safar von Weissenberg Business Consulting erklärt im IT-Channel von buchreport.de, was KI ist – und was nicht.

Künstliche Intelligenz (KI) ist ein heißes Thema in der Wirtschaft. Immer mehr Unternehmen haben die Technologie für sich entdeckt und prüfen die Möglichkeit der Anwendung von KI in ihren Betrieben. Neben Robotic Process Automation, Big Data und der Blockchain-Technologie gilt vor allem die KI als wegweisende Zukunftstechnologie. Kaum eine Digitalstrategie kommt heutzutage ohne sie aus. Dennoch bleiben etliche Führungskräfte skeptisch, ob KI das halten kann, was sie verspricht.

Was ist Künstliche Intelligenz?

Künstliche Intelligenz ist ein Zweig der Informatik, der darauf abzielt, intelligente Maschinen zu schaffen. Im Vordergrund steht die Simulation menschlicher Intelligenzprozesse durch Maschinen, insbesondere Computersysteme. Zu diesen Prozessen gehören der Erwerb von Informationen und Regeln für die Verwendung der Informationen, das Verwenden von Regeln, um ungefähre oder endgültige Schlussfolgerungen zu ziehen, und die Selbstkorrektur.

Allgemein referenziert der Begriff KI auf die Imitation menschlichen Entscheidungsverhaltens durch einfache Algorithmen.

In der Theorie reden wir von KI, wenn ein Computer auf eine einfache Art anspruchsvolle Probleme löst, für deren Lösung eigentlich die Intelligenz eines Menschen benötigt wird. Man unterscheidet dabei zwischen schwacher und starker KI.

Bei der schwachen KI handelt es sich um ein System, das für eine bestimmte Aufgabe entwickelt und trainiert wurde. Virtuelle persönliche Assistenten wie Apples „Siri” sind eine Form von schwacher KI. Die starke KI, auch als künstliche allgemeine Intelligenz bekannt, besitzt verallgemeinerte menschliche kognitive Fähigkeiten. Sie soll das menschliche Verhalten mechanisieren. Sie kann bei ungewohnten Aufgaben eine Lösung finden, ohne dass ein menschliches Eingreifen erforderlich ist. Sie soll dazu beitragen, den Menschen beim Denkprozess zu unterstützen.

Wann ist eine Maschine intelligent?

Ob eine Maschine in der Lage ist, so wie ein Mensch zu denken, lässt sich mit dem Turing-Test als akzeptiertes Messwerkzeug feststellen. Der Test geht auf den englischen Mathematiker Alan Turing zurück, der in den 1940er und 1950er Jahren ein Pionier auf dem Gebiet der Künstlichen Intelligenz war und diesen Test erfunden hat. Danach wird einem Computer Künstliche Intelligenz bescheinigt, wenn er unter bestimmten Bedingungen menschliche Antworten so nachahmen kann, dass ein Mensch nicht fehlerfrei bestimmen kann, ob die Antworten auf die gestellten Fragen von einem Computer oder einem anderen Menschen gegeben wurden.

Wie funktioniert Künstliche Intelligenz in der Praxis?

Die Einsatzfelder von KI sind sehr vielfältig. KI wird eingesetzt, um Cyberangriffe abzuwehren, als Assistent in der medizinischen Diagnostik und um die Idee vom autonomen Fahren zu realisieren. Vor allem in der Medizin wird KI bereits erfolgreich verwendet. Intelligente Maschinen führen bereits heute zahlreiche Operationsschritte durch, und das präziser als ein menschlicher Chirurg. KI-basierte Systeme wandeln die Computertomografien in dreidimensionale Bilder um, wodurch Ärzten die Möglichkeit eröffnet wird, sich ein spezifisches Bild von jeder Körperpartie zu machen. Immer mehr Expertensysteme, die in spezialisierten Einsatzgebieten genutzt werden, greifen auf KI zurück.

IT-Grundlagen und Technologien der Zukunft

Mehr zum Thema IT und Digitalisierung lesen Sie im IT-Channel von buchreport und Channel-Partner knk. Hier mehr

Chatbots funktionieren als textbasierte Dialogsysteme gerade im Kundenservice über KI-basierte Spracherkennungstechnologien. Digitale Assistenten wie der „Google Assistent” werden immer besser, weil sie mit jeder neuen Anfrage automatisch dazulernen. Große, komplexe oder schwach strukturierte Massendaten können ohne den Einsatz von KI kaum produktiv genutzt werden.

Intelligente Algorithmen helfen, Muster in den immens großen Datenmengen zu erkennen und in übersichtliche Kategorien einzuteilen. KI erlaubt Automatisierungen im Kundenservice und in kaufmännischen Prozessen. Durch ihre kognitiven Fähigkeiten lernen die Systeme mit jedem Kundenkontakt und jedem Geschäftsvorfall hinzu und können so immer präziser auf Anforderungen reagieren. Computer mit Künstlicher Intelligenz haben das Potenzial, auf der Basis ihres Erfahrungsschatzes Zukunftsprognosen abzugeben. Intelligente Algorithmen können anhand des früheren Kaufverhaltens vorhersagen, wann ein Kunde ein bestimmtes Produkt erwerben will.

KI ist in eine Vielzahl verschiedener Technologietypen eingebunden

Automatisierung

So können beispielsweise mit Robotic Process Automation (RPA) repetitive Aufgaben mit hohem Volumen automatisch ausführt werden, die normalerweise von Menschen erledigt werden. RPA unterscheidet sich von der IT-Automatisierung darin, dass es sich an sich ändernde Umstände anpassen kann.

Maschinelles Lernen

Maschinelles Lernen gilt als Kerntechnologie der KI. Dabei handelt es sich vereinfacht ausgedrückt um die Automatisierung der prädiktiven Analytik. Je mehr Beispiel- bzw. Trainingsdaten das Lernverfahren erhält, desto mehr kann es sein Modell verbessern.

Lernalgorithmen extrahieren aus den zur Verfügung gestellten Daten statistische Regelmäßigkeiten und entwickeln daraus Modelle, die auf neue, zuvor noch nicht gesehene Daten reagieren können, indem sie sie in Kategorien einordnen, Vorhersagen oder Vorschläge generieren.

Man unterscheidet drei Arten von Algorithmen für maschinelles Lernen:

1. Betreutes Lernen: Datensätze werden manuell beschriftet, damit Muster erkannt und zur Beschriftung neuer Datensätze verwendet werden können.
2. Unbeaufsichtigtes Lernen: Datensätze sind nicht beschriftet und werden nach Ähnlichkeiten oder Unterschieden sortiert.
3. Verstärkungslernen: Datensätze sind nicht beschriftet, aber nach dem Ausführen einer oder mehrerer Aktionen erhält das KI-System eine Rückmeldung.

Machine Vision

Diese Technologie erfasst und analysiert visuelle Informationen mithilfe einer Kamera, Analog-Digital-Wandlung und digitaler Signalverarbeitung. Das maschinelle Sehen kann so programmiert werden, dass es beispielsweise durch Wände hindurchsieht. Die Anwendungsfelder reichen von der Unterschriftenidentifikation über die Klassifizierung von Produktteilen bis zur medizinischen Bildanalyse.

Natural Language Processing (NLP)

Bei NLP geht es um die Verarbeitung von menschlicher Sprache durch ein Computerprogramm. Eines der bekanntesten Anwendungsbeispiele ist die Spam-Erkennung, bei der die Betreffzeile und der Text einer E-Mail geprüft werden und entschieden wird, ob es sich um Junk handelt. NLP wird hauptsächlich eingesetzt für Textübersetzungen, Stimmungsanalysen und Spracherkennung.

Robotik

Sie beschäftigt sich mit der Konstruktion und Herstellung von Robotern. Sie werden nicht nur in der Produktion oder von der NASA verwendet, um große Objekte im Weltraum zu bewegen. Mithilfe von maschinellem Lernen können Roboter auch in sozialen Umgebungen interagieren.

Selbstfahrende Autos: Durch die Kombination von Computer Vision und Bilderkennung können Fahrzeuge automatisiert, ohne den Einfluss eines menschlichen Fahrers, fahren, eine Spur halten, Hindernissen ausweichen und einparken.

Fazit

KI durchdringt in ungeahnter Geschwindigkeit unseren Alltag in Form digitaler Assistenten, kooperativer Roboter, autonomer Fahrzeuge und Drohnen. Big Data und die amerikanischen Internetkonzerne treiben die Entwicklung Künstlicher Intelligenz voran, unterstützt von immer leistungsfähigeren Hard- und Softwareplattformen. Sie sind das Instrumentarium, das Machine Learning benötigt, um große Datenmengen verarbeiten zu können, komplexe Zusammenhänge zu erkennen und daraus zu lernen, ohne explizite Programmierung. Es wird nicht mehr lange dauern, bis die ersten smarten, vorausschauenden Systeme sich selbst überwachen, Prognosen liefern und eigenständig Maßnahmen vorschlagen oder sogar durchführen. Die Forschung befindet sich noch in den Anfängen, sodass die technologische Optimierung momentan mit einem enormen Mehrwert für die Nutzer und Unternehmen einhergeht.

Mit freundlicher Genehmigung von Weissenberg Business Consulting.

Milad Safar ist Managing Partner der Weissenberg Group, die er 2013 zusammen mit Marcel Graichen gegründet hat. Seit Beginn seiner Berater-Tätigkeit entwickelte er für Konzerne Lösungen zur Optimierung von Prozessen durch den Einsatz von IT-Systemen. Schwerpunktmäßig beschäftigt sich Milad Safar mit den Themen Digitalisierung, Robotik und Künstliche Intelligenz, zu denen er auch regelmäßig Vorträge hält.