Digitalisierung und Innovation / 23.09.2021 / Jihen Karoui

Künstliche Intelligenz (KI) in der Praxis

Künstliche Intelligenz (KI) ist in nahezu allen Diskussionen über Technologie zu einem gängigen Schlagwort geworden. Autonome Autos, Busse und Flugzeuge, Drohnen, Roboter, vernetztes Verkehrsmanagement, Smart Cities, prädiktive Wartung und so fort – das sind nur einige der Anwendungsfälle, die wir mit KI in Verbindung bringen. Viele von ihnen wirken auf den ersten Blick wie Science-Fiction. Doch nichtsdestotrotz ist KI in unserem Alltag längst angekommen.

Im Folgenden erfahren Sie mehr darüber, wo sich KI-Lösungen schon heute finden. Sie erhalten Antworten auf Fragen wie: Was bedeutet KI wirklich? Welchen Unterschied gibt es zwischen einer symbolischen KI und einer konnektionistischen KI? Ist es möglich, smarte Lösungen zu entwickeln, ohne dabei Machine Learning beziehungsweise Deep Learning einzusetzen? Welche Branchen und Anwendungsbereiche eignen sich für KI-Lösungen?

Von der symbolischen zur konnektionistischen KI: Maschinen lernen aus Daten

KI lässt sich als Simulation menschlicher Erkenntnisprozesse – also vornehmlich Lernen und Denken – durch Computersysteme definieren. In ihren Anfängen geht KI auf Alan Turings 1950 veröffentlichten Artikel Computing Machinery and Intelligence zurück. Seither haben sich die KI und die ihr zugrundliegenden Konzepte entlang des allgemeinen technologischen Fortschritts weiterentwickelt.

Zwischen den 1950er und 1980er Jahren war die symbolische KI das vorherrschende Paradigma in der KI-Forschung. Der Begriff symbolische KI bezeichnet diejenigen Ansätze in der künstlichen Intelligenz, die symbolische Argumentationsmethoden implementieren. Dazu gehören sogenannte Rule Engines, Expertensysteme oder Wissensgraphen. Bei diesem eher herkömmlichen Ansatz wird ein Modell des zu lösenden Problems codiert. Das System soll dann die Eingabedaten gemäß dem vorgegebenen Modell verarbeiten, um eine Lösung bereitzustellen.

Zwischen 1960 und 1970 waren Forscher davon überzeugt, dass es mit symbolischen Ansätzen letztendlich gelingen würde, ein universell verwendbares KI-Modell zu entwerfen. Doch in den späten 1970er Jahren gab die Forschung den symbolischen Ansatz mehrheitlich auf. Es hatten sich technische Limitierungen offenbart, die sich zur damaligen Zeit nicht lösen ließen. Der symbolische Ansatz wurde daher durch einen Typ von KI ersetzt, der auf Statistik beruht und sich lediglich auf spezifische Probleme fokussiert.

In den 1980er Jahren entwickelte sich das maschinelle Lernen dann jedoch weiter. Durch maschinelles Lernen erlebte die konnektionistische KI eine Renaissance. Hierbei wurden Maschinen entworfen, die „zu befolgende Regeln“ ableiten, indem sie Daten analysieren.

Machine Learning kann überwacht oder unüberwacht stattfinden

Das Machine Learning fasst eine Reihe von Lernalgorithmen zusammen, die nach der Art des verwendeten Lernens in fünf Kategorien unterteilt sind: Überwachtes, unüberwachtes, teilüberwachtes und verstärkendes Lernen sowie schließlich Lernen durch Transfer.

Maschinelles Lernen bedarf strukturierte und kategorisierte Daten. Erst mit ihnen ist ein System in der Lage, zu lernen, wie sich neue und ähnliche Daten klassifizieren lassen. Um die Leistung zu verbessern, kann dabei ein menschlicher Experte das Training begleiten. Dieser analysiert laufend das System, zeigt ihm die richtigen Kategorien an und korrigiert es bei falschen Klassifizierungen.

Deep Learning hat seine Wurzeln in den frühen 2010er Jahren und ist eine Unterkategorie des maschinellen Lernens. Es beruht auf der Methodik des unüberwachten Lernens. Deep Learning eignet sich besonders für komplexe Aufgaben, bei denen nicht alle Aspekte des zu bearbeitenden Objekts vorgelagert eingeordnet werden können.

Deep-Learning-Systeme benötigen hingegen keine strukturierten Daten. Sie sind in der Lage, die Unterscheidungsmerkmale selbst zu bestimmen. In jeder Schicht des neuronalen Netzes sucht es nach einem neuen objektspezifischen Kriterium als Grundlage für die Entscheidung, welche Klassifizierung für das Objekt am Ende des Prozesses beibehalten wird. Mithilfe von Deep Learning kann das System selbst die Unterscheidungsmerkmale der Daten identifizieren, ohne dass menschliche Experten eine vorherige Klassifizierung vornehmen müssen.

Der technologische Fortschritt bringt viele Anwendungsfälle für KI hervor

In den letzten Jahren florierte die Entwicklung dieser verschiedenen Methoden des maschinellen Lernens dank eines günstigen Umfelds in Verbindung mit dem anhaltenden Preisverfall für Rechenleistung und dem dramatischen Anstieg des Datenflusses aus sozialen Netzwerken und Geräten. Der Einsatz von KI-Technologien erscheint daher für viele Anwendungsfälle geeignet. Denn immer öfter sind große Mengen an heterogenen Daten vorhanden, sogar nahezu in Echtzeit.

Fortschritte in den Technologien der künstlichen Intelligenz stellen uns Menschen also neue Werkzeuge zur Verfügung, um die Entscheidungsfindung sowie die Ausführung bestimmter Aufgaben zu erleichtern.

Im Folgenden zählen wir einige Beispiele aus dem Berufs- und Alltagsleben auf, in denen künstliche Intelligenz bereits heute zum Einsatz kommt:

Online-Shopping und Werbung – Künstliche Intelligenz wird häufig verwendet, um Nutzern und Kunden basierend auf ihrem Suchverlauf, früheren Käufen oder ihren Surfgewohnheiten personalisierte Empfehlungen zu geben. KI wird in der Welt des Handels immer wichtiger. Aufgrund ihrer personenbezogenen Daten werden die Interessen und Erwartungen der Besucher einer E-Commerce-Site beurteilt: Handelt es sich um eine Frau oder einen Mann? Um Eltern? Um Leute, die es gewohnt sind, Sportkleidung zu kaufen? Oder um eine Person, die bequeme Kleidung oder Luxuskleidung bevorzugt? Wie oft haben Sie sich beim Betrachten einer Anzeige im Internet gefragt: „Ich dachte, ich würde dieses Produkt kaufen“? Oft ist dabei KI am Werk. Das System hat Ihre Online-Aktivitäten verfolgt und daraus gelernt, um Ihn ein zielgenaues Angebot zu unterbreiten. Produkte, die Sie auf verschiedenen Shopping-Sites oder Suchmaschinen durchsuchen, werden verfolgt und Ihnen werden Anzeigen zu diesen Produkten zugestellt. Data-Science-Techniken und Verhaltensanalysen kommen zum Einsatz, um bestehende Tools in Unternehmen mit technologischen Bausteinen für diese Art der Personalisierung zu versehen.

Smartphones und soziale Netzwerke – Es scheint eine Herausforderung zu sein, sich unser Leben ohne Handys vorzustellen. Die vielfältigen Einsatzmöglichkeiten unserer Mobiltelefone sind heute aus unserem täglichen Leben nicht mehr wegzudenken. Einige dieser Anwendungen basieren auf KI. Die in unsere Telefone integrierten intelligenten Assistenten wie Siri, Alexa und Google Assistant sind die offensichtlichsten Beispiele. Immer mehr mobile Technologieplattformen entwickeln eigene KI-Lösungen, um die verschiedenen Aspekte ihrer Geräte wie Batteriemanagement automatisch zu überwachen und verwalten. Auch bei Social-Media-Apps wie Facebook, Twitter oder Instagram steuert KI mittlerweile Ihren News Feed, den Sie beim Surfen auf diesen Plattformen sehen, oder die Benachrichtigungen, die Sie erhalten. Ihr Geschmack und Ihre Vorlieben, Ihr Nutzungsverlauf und Ihre Interaktionen mit Kontakten sind darin berücksichtigt.

Persönliche digitale Assistenten, Sprachsteuerung und automatische Eingabe – Smartphones nutzen künstliche Intelligenz, um Produkte bereitzustellen, die so relevant und auf Sie zugeschnitten sind wie möglich. Virtuelle Assistenten beantworten Fragen, geben Anregungen und helfen bei der Bewältigung alltäglicher Aufgaben. Auf Ihrem mobilen Endgerät macht beispielsweise eine Integration von KI das Tippen komfortabler. Es kann Wörter, Sätze und Emojis basierend auf Ihrem allgemeinen Gebrauch und Ihrem Schreibstil vorhersagen. Dies geht über frühere Ansätze der automatischen Texterkennung hinaus. Die KI lernt Schritt für Schritt, Ihren Schreibstil nachzuahmen und den spezifischen Kontext zu erkennen. Im Lauf der Zeit wird sie immer besser darin.

Smart Home – Wenn es um den Einsatz von KI in der Smart Home-Entwicklung geht, denken wir natürlich an Alexa und Bixby. Diese Anwendungen der künstlichen Intelligenz sind jedoch nicht auf diese intelligenten Sprachassistenten beschränkt. Sie verwenden KI, um die Temperatur eines Geräts automatisch an eine konstante Temperatur anzupassen. Das System spart Strom, indem es das Licht automatisch ein- und ausschaltet sowie analog dazu auch weitere Anwendungen im Haushalt intelligent bedient. Dabei handelt es sich um Apps, die mithilfe von künstlicher Intelligenz das Zuhause smarter machen. Die eingesetzte künstliche Intelligenz entwickelt sich ständig weiter. Immer raffiniertere Lösungen werden entwickelt, um unser Verhalten zu verstehen und entsprechend zu handeln.

Sicherheitsüberwachung – Die Idee der künstlichen Intelligenz brachte das Konzept ihrer Verwendung für die Überwachung in größerem Maßstab mit sich. Die ethischen Grenzen für den KI-Einsatz werden gerade in diesem Bereich zwar heiß diskutiert; es kann jedoch kein Zweifel daran bestehen, dass sich KI allmählich auch hier durchsetzen wird. Die Überwachung kontinuierlicher Streams, die von einer riesigen Anzahl an Kameras und anderen Geräten generiert werden, ist für Menschen nicht nur mühsam, sondern stößt auch an ihre Aufnahmegrenzen. Mit Technologien wie Gesichts-, Objekt- und Standorterkennung kann eine KI durchgängige Überwachung und damit Sicherheit gewährleisten.

Finanzdienstleistungen – Das Bankwesen ist einer der Bereiche, in denen technologische Erfindungen früher als in den meisten anderen eingeführt werden. KI-Anwendungen helfen Banken in vielen Aufgabenfeldern; zum Beispiel dabei, betrügerische Aktivitäten zu erkennen, Trends bei Kundeninvestitionen zu analysieren, die Sicherheit digitaler Bankkonten zu erhöhen, attraktive Finanzprodukte und Investmentchancen vorzuschlagen oder auch besseren Kundenservice zu bieten.

Medizin und Gesundheit – Dank der Fortschritte in Machine Learning, Deep Learning und Big Data verändert künstliche Intelligenz nach und nach die Welt der Medizin. KI kommt in den Bereichen Chirurgie, Radiologie, Medikamentenentwicklung sowie auch im Krankenhausmanagement zum Einsatz. Fortschritte in der künstlichen Intelligenz werden die medizinische Diagnose bestimmter Krankheiten präziser und detaillierter gestalten. Dank Big Data lassen sich nun große Datenmengen einfacher, schneller und effizienter erfassen. All dies geschieht selbstverständlich unter Wahrung der Privatsphäre der Patienten.

Um beispielsweise die Ausbreitung des Coronavirus zu bekämpfen, haben Forscher mit Erfahrung in Datenanalyse und Data Science neue Methoden entwickelt. Künstliche Intelligenz wird beispielsweise verwendet, um Impfstoffe und Behandlungen für die Krankheit zu untersuchen. Ganz zu schweigen davon, dass künstliche Intelligenz die Bekämpfung von Covid-19 ermöglicht, indem sie bei der Herstellung von Wärmebildern und in anderen Situationen auf Flughäfen eingesetzt wird. Im Krankenhaus kann KI anhand eines CT-Scans der Lunge erkennen, ob eine Infektion vorliegt beziehungsweise wie weit diese fortgeschritten ist. Auch die Erfassung von Daten zur Nachverfolgung des Infektionsverlaufs ist dank KI erleichtert worden.

Der Fortschritt von Künstlicher Intelligenz und Big Data geht weit über den Fortschritt der medizinischen Diagnostik hinaus. Tatsächlich werden in naher Zukunft die Zweige Chirurgie, Radiologie und Therapie umgestaltet werden. Das Hauptziel besteht darin, die Genauigkeit der Behandlung und Prävention verschiedener Krankheiten zu verbessern, von denen die Weltbevölkerung betroffen ist. Forscher untersuchen derzeit, wie sich mithilfe künstlicher Intelligenz große Mengen gesundheitsbezogener Daten analysieren lassen, um wiederkehrende Muster aufzudecken, neue Erkenntnisse zu gewinnen und die persönliche Diagnose für die Patienten zu verbessern.

Hier ein Beispiel: Forscher haben ein Programm für künstliche Intelligenz entwickelt, das imstande ist, auf Notrufe zu reagieren. Es wird erwartet, dass das Programm Fälle von Herzstillstand bei Anrufen schneller und häufiger erkennt als medizinische Disponenten. Ein weiteres Beispiel ist das von der EU kofinanzierte Projekt KConnect, das mehrsprachige Such- und Textdienste entwickelt, um Menschen zu helfen, die medizinischen Informationen zu finden, die ihren Bedürfnissen am besten entsprechen.

Automobil – Connected Cars sind ein weiterer Bereich, in dem künstliche Intelligenz in unserem täglichen Leben immer wichtiger und beliebter wird. Nicht nur Unternehmen wie Tesla sind Vorreiter bei Anwendungen der Automobilautomatisierung. Viele Automobilhersteller erwägen zudem, künstliche Intelligenz in Autos zu integrieren, um Fahrern Dienstleistungen anzubieten.

Informationen werden zwischen Autos geteilt und kommuniziert, um im Verkehr besser fahren zu können. Echtzeit-Updates von Verkehrseinfahrten und Straßensperren werden umgehend übertragen, um andere Fahrzeuge im Netzwerk daran zu erinnern, eine Umleitung zu ermöglichen.

Obwohl selbstfahrende Autos noch nicht zur Norm geworden sind, haben unsere Autos bereits KI-basierte Sicherheitsfunktionen verwendet, ohne dass dabei unbedingt Machine Learning oder Deep Learning zum Einsatz kam. Beispielsweise ist die automatische Notbremsung (AEB) eine Vorrichtung, die es dem Pkw oder Lkw ermöglicht, automatisch zu bremsen, wenn eine drohende Kollision mit einem erkannten Fahrzeug, Fußgänger oder einem anderen Hindernis erkannt wird.

Das AEB-System ist für verschiedene Straßenszenarien ausgelegt. Zunächst wird der Fahrer vor Hindernissen vor dem Auto gewarnt. Reagiert der Fahrer nicht rechtzeitig, um die Kollision zu vermeiden, bremst das AEB-System gemäß dem intelligenten Geschwindigkeitsalgorithmus automatisch mit unterschiedlicher Stärke ab. Zudem sind weitere smarte Funktionen wie automatisches Parken, Sprachsteuerung, Gestensteuerung und Müdigkeitserkennung stark im Kommen.

Luftfahrt – In der Luftfahrtindustrie kann KI verwendet werden, um eine automatische Kommunikation mit Kontrolltürmen, automatisches Starten und Landen von Flugzeugen, automatisches Routing von Flugzeugen an Land und Inspektionen zur Fehlererkennung (vorausschauende Wartung) bereitzustellen. Fluggesellschaften haben durch KI die Möglichkeit, ihre Einnahmen zu steigern, indem sie Kundenpräferenzen schnell verstehen, Preise in Echtzeit optimieren und die bevorzugten Reiseziele bestimmter Zielgruppen bestimmen; den Luftraum durch vorausschauende Wartung optimal zu nutzen; die Gepäckmenge in Echtzeit zu verfolgen, um die für den Flug benötigte Treibstoffmenge genau schätzen und die Kosten senken; die Kundenzufriedenheit durch Kennzahlen des Reiseerlebnisses beziehungsweise des Reisewegs zu steigern; Risikomanagementmodelle und -strategie durch Integration des Ermüdungsschätzmodells in die Besatzungsplanungssoftware. Daher lässt sich der Zeitplan basierend auf dem geschätzten Ermüdungsrisiko jedes Piloten anpassen.

KI ist gekommen, um zu bleiben

Dies waren nur einige der äußerst nützlichen Anwendungsbeispiele für Künstliche Intelligenz. Bereits heute helfen intelligente Lösungen den Menschen, in ihrem Alltag produktiver zu werden. Durch KI-Dienste können wir viel leichter auf Informationen zugreifen und schneller Entscheidungen zu treffen.

Bei AUSY Technologies beschäftigen wir uns intensiv mit den Möglichkeiten dieser spannenden Technologie und beraten unsere Kunden bei der Ausgestaltung ihrer individuellen KI-Lösung.

Lesen Sie hier unsere weiteren Blogartikel zum Thema:

Künstliche Intelligenz (KI) im Projektmanagement

Die IT-Beratungstrends 2021: Rüdiger Azone im Interview mit Lünendonk

Zukunftsfähige IT-Architekturen für innovative digitale Lösungen

Die Autorin Jihen Karoui ist Practise Lead AI & Big Data der AUSY GRUPPE mit Hauptsitz in Sèvres bei Paris.

Einblicke

Shaping the future with our clients