Hadorn Consulting | IT Executive Search

AI / MACHINE LEARNING

KÜNSTLICHE INTELLIGENZ (KI)

Das neue Hype Thema der Tech Szene.

AI / MACHINE LEARNING

TYPISCHE POSITIONEN:

Business Consultant Künstliche Intelligenz
Berater Künstliche Intelligenz
Spezialist Künstliche Intelligenz
Experten für Künstliche Intelligenz
Software Engineer Artificial Intelligence und Machine Learning
Engineer Artificial Intelligence
Field Application Engineer Autonomes Fahren
Data Analysis- und Machine Learning Solutions Engineer

Künstliche Intelligenz / Artificial Intelligence

Google, IBM & Co. investieren Unsummen in selbstfahrende Autos und smarte virtuelle Assistenten. Doch auch deutsche Unternehmen treiben spannende Entwicklungen voran – und eilen der US-Konkurrenz sogar voraus.

Die Schlacht um kluge Maschinen scheint geschlagen, nimmt man die Ausgaben zum Maßstab. Laut Analysten steckten große amerikanische Internetkonzerne wie Facebook, Amazon oder Apple allein im Jahr 2015 rund zehn Milliarden Dollar in das neue Hype-Thema der Tech-Szene: die Künstliche Intelligenz (KI).

Der Begriff „Artificial Intelligence“ wurde auf einer wissenschaftlichen Konferenz in den USA im Jahr 1954 erstmals erwähnt. Der Wissenschaftler Marvin Minsky, der als einer der Gründungsväter der KI gilt, definierte den Begriff im Jahr 1966 wie folgt: Künstliche Intelligenz liegt dann vor, wenn Maschinen Dinge tun, für deren Ausführung man beim Menschen Intelligenz unterstellt. Ende der 1960er-Jahre wurde der General Problem Solver vorgestellt. Hierbei handelte es sich um ein KI-System, das in der Lage war, einfache Problemstellungen zu lösen. Ebenfalls Ende der 1960er-Jahre sorgte das am MIT entwickelte Programm ELIZA für Aufmerksamkeit. Das Chat-Programm war in der Lage, ein Therapiegespräch zu simulieren.

Bessere Prozessorleistungen und Speichermöglichkeiten sorgten dafür, dass sich die Fähigkeiten der KI in den folgenden Jahren kontinuierlich verbesserten. Nutzer von Computern oder mobilen Geräten kommen mittlerweile durch Programme wie Siri oder Cortana mit künstlicher Intelligenz in Kontakt. Bei Siri und Cortana handelt es sich um intelligente Assistenten, die in den Betriebssystemen iOS beziehungsweise Windows 10 zum Einsatz kommen.

Methoden zur Erzeugung von Künstlicher Intelligenz

Die Grundannahme der KI lautet, dass menschliche Intelligenz das Ergebnis verschiedener Berechnungen ist. Dabei lässt sich die KI selbst auf verschiedene Weise erzeugen. Mittlerweile gibt es KI-Systeme, deren Hauptaufgabe darin besteht, Muster zu erkennen und infolgedessen entsprechende Handlungen auszuführen. Außerdem gibt es die sogenannten wissensbasierten KI-Systeme. Diese versuchen, anhand des in einer Datenbank gespeicherten Wissens Probleme zu lösen. Andere Systeme setzen wiederum Methoden aus der Wahrscheinlichkeitsrechnung ein, um auf gegebene Muster angemessen zu reagieren.

Button
Button
Button
Button

Moderne KI-Ausprägungen

Zu den aktuellsten Ausprägungen der künstlichen Intelligenz zählen Ansätze wie Cognitive Computing, Neuronale Netzwerke und Natural Language Processing. Cognitive Computing ist ein Konzept, das zum Ziel hat, vorhandene Informationssysteme an die Anforderungen der heutigen Zeit anzupassen. Auf diese Weise soll die Interaktion zwischen Computersystem und Mensch verbessert werden.

Ein neurales Netzwerk besteht aus künstlichen Neuronen und orientiert sich hinsichtlich seines Aufbaus und seiner Funktionsweise am menschlichen Gehirn. Dadurch soll ein neurales Netzwerk in der Lage sein, besonders realistische Berechnungen zu erstellen. Neuronale Netze kommen inzwischen in zahlreichen Gebieten aus Wissenschaft und Industrie zum Einsatz. So setzt beispielsweise das Unternehmen Google für sein KI-System DeepMind ein neurales Netzwerk ein und kombiniert dieses mit Methoden aus dem Bereich Machine Learning. Dabei wird mit DeepMind und dem Machine-Learning-Ansatz nicht nur das Ziel verfolgt, Computer mit Intelligenz auszustatten, sondern auch, die Funktionsweise des Gehirns besser zu verstehen.

Hierzu wendet man auch das sogenannte Deep Learning an. Das Deep Learning ist ein Teilbereich des Machine Learning. Zusammen mit neuronalen Netzwerken bietet Deep Learning die momentan beste Möglichkeit, Bilder und Sprache zu erkennen. Mit Natural Language Processing ist die Verarbeitung natürlicher Sprache gemeint. Schwerpunktmäßig befasst sich das Natural Language Processing wie auch das Cognitive Computing mit der Interaktion zwischen Computer und Nutzer.

Einsatzmöglichkeiten

Für KI-Systeme gibt es mittlerweile vielfältige Einsatzmöglichkeiten. Unternehmen nutzen häufig die Möglichkeit, ihre Kommunikation mit den Kunden durch den Einsatz von Chatbots effizienter zu gestalten. Auch die Lagerverwaltung oder Einkäufe können inzwischen von KI-basierten Systemen übernommen werden. Künstliche Intelligenz in Form von Robotik findet bei der Produktion von Maschinen oder Geräten Anwendung. Darüber hinaus kann KI auch im Automobilbereich zum Einsatz kommen. Dort setzt man künstliche Intelligenz beispielsweise zur Entwicklung und Umsetzung selbstfahrender Autos ein.

Machine Learning

Machine Learning, im Deutschen maschinelles Lernen, ist ein Teilgebiet der künstlichen Intelligenz. Durch das Erkennen von Mustern in vorliegenden Datenbeständen sind IT-Systeme in der Lage, eigenständig Lösungen für Probleme zu finden.

Machine Learning ist ein Teilbereich der künstlichen Intelligenz. Mithilfe des maschinellen Lernens werden IT-Systeme in die Lage versetzt, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und Lösungen zu entwickeln. Es wird quasi künstliches Wissen aus Erfahrungen generiert. Die aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und für neue Problemlösungen oder für die Analyse von bisher unbekannten Daten verwenden.

Anwendungungen für das Machine Learning

Machine Learning hat ein sehr großes Spektrum an Anwendungsmöglichkeiten. Im Internetumfeld kommt maschinelles Lernen beispielsweise für folgende Funktionen zum Einsatz:

selbstständiges Erkennen von Spam-Mails und Entwicklung geeigneter Spam-Filter
Sprach- und Texterkennung für digitale Assistenten
Bestimmung der Relevanz von Webseiten für Suchbegriffe
Erkennung und Unterscheidung der Internetaktivität von natürlichen Personen und Bots
Bild- und Gesichtserkennung, automatische Empfehlungsdienste oder die automatische Erkennung von Kreditkartenbetrug.

Big Data und maschinelles Lernen

Durch die Entwicklung im Bereich der Big-Data-Technik hat auch das maschinelle Lernen einen enormen Schub erhalten. Da beim Machine Learning große Datenmengen vorhanden sein und effizient bearbeitet werden müssen, bilden Big-Data-Systeme die ideale Basis für diese Art des Lernens. Es lässt sich mithilfe von Big Data sowohl strukturiert als auch unstrukturiert vorliegende Daten schnell und mit relativ geringem Hardwareaufwand analysieren und den Lernalgorithmen zuführen.

Für das maschinelle Lernen kommen verteilte Rechnerstrukturen und besonders schnell arbeitende Datenbanksysteme zum Einsatz. Ebenfalls genutzt werden künstliche neuronale Netze, die nach dem Vorbild des menschlichen Gehirns funktionieren.