Software und Technologie

Mythos künstliche Intelligenz – eine kritische Betrachtung des Hypes

Es herrscht große Unsicherheit darüber, wie der Einsatz künstlicher Intelligenz, maschinellen Lernens und Automatisierung unseren Arbeitsalltag beeinflussen wird. Lernexperte Skillsoft sprach mit Datenwissenschaftlern und entmystifiziert den KI-Hype. Was verstehen Experten unter den Begrifflichkeiten und bleiben gut geschulte Mitarbeiter auch in Zeiten künstlicher Intelligenz der wesentliche Erfolgsfaktor?

KI Noch bevor der Begriff künstliche Intelligenz 1956 von dem Informatiker John McCarthy geprägt wurde, waren die Menschen fasziniert von der Idee “denkender Maschinen” und “elektronischer Gehirne”. Intelligente Roboter, sowohl gute als auch böse, sind mittlerweile ein fester Bestandteil der Science Fiction Kultur. KI selber stellt eine geradezu unerschöpfliche Quelle für Legenden und Mythen dar.

“Das mythologische Dickicht, das sich um die KI gebildet hat, ist für Anwender in der Realität eher verwirrend”, erklärt Josh Patterson, ein erfahrener Berater für Datenforschung, Big Data Applikationen und angewandtes maschinelles Lernen. “KI ist nicht lebendig und hat auch kein eigenes Bewusstsein. Heutzutage verstehen wir unter KI hauptsächlich angewandtes maschinelles Lernen. Wer maschinelles Lernen als ‘allgemeine Künstliche Intelligenz” übervermarktet, erweist der Informatik einen schlechten Dienst. Heutiges maschinelles Lernen entspricht in keinster Weise dem ephemerischen Bild eines allwissenden, eigenständig denkenden Systems.“

Wenn KI nicht das ist, für das es jedermann zu halten scheint, wieso dann dieser Hype? Wie kam es zu der plötzlichen Popularität?

“Die letzten Jahre waren geprägt durch eine außerordentliche Zunahme der Rechnerleistung, verbunden mit sinkenden Kosten und der Möglichkeit, große Datenmengen zu verarbeiten. Darauf basierend vollzog die Datenwissenschaft in der KI-Forschung einen Paradigmenwechsel, der das einst logikbasierte Anwendungsfeld durch die Simulation von Lernen mithilfe statistischer Modelle ersetzte – wir nennen das maschinelles Lernen”, erläutert Daryl Kang, Data Scientist bei Forbes und Absolvent des Data Science Institute der Columbia Universität.

„Für mich ist KI ein griffiger Terminus und eventuell als Untergebiet von maschinellem Lernen anzusehen. Beide Termini und die durch sie repräsentierten Prozesse existieren schon sehr lange“, ergänzt Ellen Friedman, Principal Technologist bei MapR.” Die Technologin erläutert, welche Entwicklungen in letzter Zeit zum Aufschwung rund um das Thema Künstliche Intelligenz bzw. maschinelles Lernen geführt haben:

  • Ein wesentlich größerer Umfang und eine breitere Vielfalt an Daten zur Generierung von maschinellen Entscheidungen
  • Bessere, praxisgerechtere Technologie und Architekturen zur Erzeugung von Daten und Modellen
  • Bessere Algorithmen sowie, in einigen Fällen, vorintegrierte, an Kundenbedürfnisse anpassbare Modelle, die erheblich bessere Ergebnisse erzielen – vor allem bei klassisch schwierigen Problemen wie dem maschinellem Sehen, Spracherkennung und Übersetzungen
  • Eine wesentlich breitere Akzeptanz bezüglich Mehrwert und Umsetzbarkeit von KI und maschinellem Lernen

Die Kombination dieser Entwicklungen hat letztendlich zu einer Demokratisierung von KI geführt, sodass Anwendungen auf Basis maschinellen Lernens bzw. KI häufiger eingesetzt werden als jemals zuvor.

Beispiele für KI Anwendungen

Der Einsatz von KI ist längst keine Zukunftsmusik mehr. In Bereichen wie Gesundheitswesen, Bildung, Transportwesen, Öffentliche Sicherheit, Retail, Marketing, Telekommunikation, Entertainment, Fertigung, Konstruktion, Energie, Arzneimittel, Supply Chain Management und vorbeugender Wartung (Predictive Maintenance) wird KI bereits mit Erfolg eingesetzt.

Die Fähigkeit von KI verborgene Muster in großen Datenmengen zu erkennen, macht sie für unterschiedlichste Einsatzgebiete – von der wissenschaftlichen Forschung bis zum angewandten Marketing – interessant. Forscher versprechen sich von KI eine neue Generation maßgeschneiderter Medikamente und medizinischer Therapien. Marketingfachleuten bietet KI ungeahnte neue Möglichkeiten im Bereich Verkauf, Cross-Selling und Up-Selling.  Bei Verwendung von KI in Bezug auf Datensätze im Einzelhandel lässt sich zum Beispiel präzise ermitteln, welche Produktkombinationen Konsumenten in einem Supermarkt oder Einrichtungsgeschäft kaufen. Mithilfe KI generierter Erkenntnisse können Händler ihre Produkte genau dann und dort anbieten, wo die Käufer sie mit der größten Wahrscheinlichkeit kaufen werden. Darüber hinaus ermöglicht KI den effektiven Einsatz von Rabattaktionen oder die Organisation spezieller Verkaufsevents – auf Basis von faktenbasierten Analysen, statt vagen Einschätzungen der Einkaufsgewohnheiten der Kunden.

Mensch und Maschine

Künstliche Itelligenz hat das Potenzial, viele Aspekte unseres Lebens grundlegend zu verändern. Trotzdem sind wir auf unser menschliches Urteilsvermögen angewiesen, um aus den Einsichten, die KI offenlegt, die richtigen Schlüsse zu ziehen. Anders ausgedrückt: KI ist zwar in der Lage, für das menschliche Auge nicht erkennbare Datenmuster zu finden, doch nicht jedes entdeckte Muster ist auch inhärent wertvoll.

“Die vielleicht einfachste Definition von KI ist ein maschinengestützter Entscheidungsprozess”
Ellen Friedman, Principal Technologist bei MapR

“KI ist keine Magie. Sie erfordert geeignete Daten guter Qualität,  ein Verständnis dieser Daten, die richtige Fragestellung oder Analysegrundlage, korrekte Algorithmen, umfassende Logistik für das Daten- und Modellmanagement sowie eine Vorstellung davon, wie sich die Ergebnisse einer KI-Anwendung praktisch umsetzen lassen.”


Anzeige

data-quality-center

Data Quality Center

  • Stammdaten-Assessment
  • Softwareauswahl zur Verbesserung der Datenqualität
  • Datenmigration und -implementierung

Was kann KI leisten und was nicht – eine Gegenüberstellung:

KI kann: Große Datenmengen schnell durchsuchen, um Aufzeichnungen oder Bilder zu finden, die zu vordefinierten Kriterien passen.

KI kann nicht: Herausforderungen lösen, die sich aus einer umfangreichen Problemstellung, wie z.B. autonomes Fahren und komplexe Herstellungsprozesse mithilfe von Robotik, ergeben.

KI kann: Verborgene Muster und subtile Beziehungen in großen Datenmengen enthüllen.

KI kann nicht: Hochqualifizierte Mitarbeiter, Teamleiter und Führungskräfte ersetzen.

KI kann: Wissenschaftlern, Marketing und anderen Abteilungen auf Basis von Datenauswertungen eine Grundlage für Erkenntnisse und frische Ideen liefern.

KI kann nicht: Selbst denken oder kreative Ideen entwickeln.

Diese Gegenüberstellung zeigt, dass KI bzw. maschinelles Lernen einen wichtigen Beitrag zur Datenanalyse liefern, Ideenfindung anregen und Routineaufgaben beschleunigen oder automatisieren kann. Je besser ein Unternehmen seine Mitarbeiter darin ausbildet, die Möglichkeiten durch KI zu nutzen, desto mehr Gewinn kann es aus den entsprechenden Technologien ziehen. Wichtig ist jedoch, dass die Unternehmen ihre Mitarbeiter darüber aufklären, wie entsprechende Anwendungen ihre Arbeit vereinfachen und ihnen Türen zu neuen Arbeitswelten öffnen.


Anzeige

IT-Matchmaker.guide Industrie 4.0

  • Spezial zu MES/APS
  • Fachbeiträge
  • Firmenprofile relevanter Anbieter
  • Referenzen aus der Praxis
  • Produktübersichten
Next article Einsatz für Kollege Roboter
Previous article Implementierung mit Methode
Scroll Up