21.06.2017 KI goes Mittelstand

Künstliche Intelligenz passt immer

Alle Bereiche, in denen Mittelständler Vorhersagen treffen müssen, können von Künstlicher Intelligenz profitieren, meint Dominik Claßen von Pentaho.

Dominik Claßen, Pentaho

Dominik Claßen, Director of Sales Engineering EMEA & APAC bei Pentaho

ITM: Herr Claßen, Künstliche Intelligenz (KI), Schwarmintelligenz, Deep Learning oder Machine Learning – wie können Mittelständler bei diesem Begriffswirrwarr noch den Durchblick behalten? Welche dieser Technologien lohnen sich tatsächlich für den Einsatz in mittelständischen Unternehmen?
Dominik Claßen:
Wie so oft bei neuen technologischen Entwicklungen ist der Fachjargon auch hier weit verbreitet, was auf viele Unternehmen erst einmal irritierend und unübersichtlich wirkt. Bis zu einem gewissen Grad beziehen sich alle diese Begriffe aber auf das Gleiche. Nämlich darauf, dass der Computer Probleme löst, die wir bisher nur mit menschlicher Intelligenz lösen konnten. Hinter den genannten Begriffen versteckt sich die Art und Weise, wie der Computer die Problemlösung angeht. Bei Deep Learning, einem gerade sehr angesagten Forschungsgebiet, geht es z.B. um den spezifischen mathematischen Implementierungsansatz von künstlichen neuronalen Netzwerken. Doch auch hier ist der Endzweck, dass der Computer Aufgaben übernimmt, die der Mensch als einfach aber ermüdend empfindet (und die daher sehr fehleranfällig sind).

ITM: Ein Blick in die Praxis: Für welche Anwendungsszenarien bietet sich für Mittelständler die Nutzung Künstlicher Intelligenz an? Können Sie Beispiele nennen?
Claßen:
Eines erst einmal vorweg: Der Einsatz Künstlicher Intelligenz ist an keine Unternehmensgröße gebunden. Mittelständler sind dank Cloud Computing, das skalierbare Speicher- und Rechenleistung ohne Investitionen in Rechenzentren ermöglicht, genauso gut positioniert wie Großunternehmen, um von diesen Technologien zu profitieren. Jeder Bereich, in dem ein Mittelständler Vorhersagen treffen muss, sei es Lagerbestände, künftige Preisgestaltung oder Wartungsschätzungen, kann von der Nutzung von Künstlicher Intelligenz profitieren.

ITM: Wie aufwendig ist der Einstieg in ein KI-Projekt? Was kommt hinsichtlich der Kosten, des Personalaufwand und der Projektdauer auf die Unternehmen zu?
Claßen:
Das gute an diesen Technologien ist, das Unternehmen klein anfangen können. Ohne spezifischen Anwendungsfall ist es schwierig, hier die Kosten genau abzuschätzen, aber ich habe durchaus KI-Projekte gesehen, die im unteren sechsstelligen Bereich lagen.

ITM: Wie lassen sich im Projektverlauf mögliche Stolpersteine – z.B. eine inkonsistente Datenbasis oder Datensilos – vermeiden?
Claßen:
Für KI-Projekte braucht man nicht das Rad neu erfinden, sondern kann in der Praxis bewährte Datenintegrations-Tools nutzen. ETL-Tools mit grafischer Benutzeroberfläche vereinfachen den Datenprozess und helfen dem Wissenstransfer. Mit Big-Data-Plattformen lässt sich ein Data Lake realisieren, der genutzt werden kann, um Datensilos zu vermeiden.

ITM: In welchen Datenbanken oder betriebswirtschaftlichen Anwendungen finden die Verantwortlichen die für KI-Projekte relevanten Daten in der Regel vor?
Claßen:
Bei mir bekannten KI-Projekten kommen die Daten je nach Anwendungsfall und Branche aus ERP-, CRM-, OLTP- und EAM-Systemen. Auch Sensor und Internet-of-Things-Daten werden häufig genutzt.

ITM: Worauf gilt es bei der Nutzung von Daten für KI-Projekte hinsichtlich Datenschutz und Datensicherheit zu achten?
Claßen:
Datenschutz und Datensicherheit sind immer wichtig, da sind KI-Projekte keine Ausnahme. Ich glaube aber nicht, dass die Maßnahmen sich grundsätzlich von denen unterscheiden, die ohnehin bereits im Enterprise Computing eingesetzt werden.

ITM: Inwieweit braucht man in Zeiten von Künstlicher Intelligenz und selbstlernenden Algorithmen den Menschen überhaupt noch?
Claßen:
Wenn man es genau nimmt, ist der Begriff Künstliche Intelligenz irreführend. Damit der Algorithmus lernen kann, muss er in gewissem Grade vom Menschen angeleitet und trainiert werden. Eine übergeordnete, allgemeine Künstliche Intelligenz gibt es (noch) nicht. Wir können den Algorithmus trainieren und es gibt eingebaute Selbstverbesserung, aber der Mensch erledigt den Großteil der Problemdefinition und des Data/Feature Engineerings.

ITM: Welche Gefahren und Risiken setzt man sich aus, wenn man selbstlernenden Algorithmen blindlings vertraut? Können Sie ein Beispiel nennen?
Claßen:
Ein großes Problem kann sich dann ergeben, wenn die Algorithmen mit falschen Daten trainiert werden. Ein bekanntes Beispiel für dieses Risiko ist sicherlich Microsofts Chatbot „Tay“, der von Twitter-Nutzern „falsch“ trainiert und so zu einem rassistischen Bot manipuliert wurde. Ein ähnlicher früher Fall ist auch das sogenannte „Google-Bombing“, bei dem durch gezielte Eingaben von Suchbegriffen und Anklicken von Suchergebnisse, Googles Suchergebnisse manipuliert wurden. Mit algorithmischen Filtern hat Google dieses Problem zwar nicht beheben, aber stark einschränken können.



©2017 Alle Rechte bei MEDIENHAUS Verlag GmbH