Datenschutz bei Big Data

Wie entwickelt sich Machine Learning?

Nicht alles was man kann, darf man auch! Individuelle Kundendaten zur Big-Data-Analyse oder als Basis für Machine Learning heranzuziehen, ist gerade in Konzernstrukturen nicht trivial, betont Simon Nehls von B.telligent.

Simon Nehls, B.telligent

Simon Nehls, Senior Consultant im Competence Center Data Science bei B.telligent

IT-DIRECTOR: Welche Rolle spielen in diesem Zusammenhang „maschinelles Lernen“ oder „Deep Learning“? Was verbirgt sich hinter diesen Begrifflichkeiten?
S. Nehls:
Maschinelles Lernen bezeichnet die Erkennung von Mustern und Strukturen in Daten, klassischerweise unterscheidet man zwischen dem reinen Erkennen von Strukturen und Gruppen (unsupervised, z.B. eine Kundensegmentierung) oder dem Erkennen von Strukturen in Bezug auf eine gewissen Zielvariable (supervised, z.B. Wird der Kunde kündigen?).

Deep Learning beginnt unserem Verständnis nach da, wo klassische Verfahren des maschinellen Lernens an ihre Grenzen stoßen. Manche bezeichnen es aber auch als Untergebiet des maschinellen Lernens. Bei sehr komplexen Problemen, sei es z.B. in der Erkennung von Bildern oder in der inhaltlichen Einordnung von Bewegtbild reichen klassische Machine-Learning-Verfahren nicht aus. Hier sind Deep-Learning-Methoden gefragt; Deep Learning stellt jedoch hohe Anforderungen an die Rechenpower. Die Datenmengen zum Lernen bzw. Trainieren der Systeme sind immens und was für die Anwender oft ein großer Nachteil ist: Zusammenhänge zwischen In- und Output werden oft nicht klar. Aussagen à la Kunden mit Verhalten xyz haben ein erhöhtes Kündigungsrisiko lassen sich meist nicht ableiten …

IT-DIRECTOR: Alle Analysen nutzen nichts, wenn sich daraus nicht sinnvolle Handlungsempfehlungen ableiten und auch umsetzen lassen. Wie können die Anwender nach der Analyse am besten die nächsten Schritte einleiten?
S. Nehls:
Die besten Erkenntnisse nutzen in der Tat nichts, wenn sie sich nicht kommerzialisieren lassen. Nach der Analyse die nächsten Schritte einleiten zu wollen, ist somit oft schon zu spät. Eine Analyse-Aufgabe, egal in welchem Umfeld, muss also schon ganz zu Beginn das Ziel, d.h. den Use Case, definieren und diesen auch klar vor Augen haben. Wenn das Ziel klar ist, folgt daraus eigentlich auch der Fahrplan mit den nächsten Schritten, sobald Erkenntnisse da sind. Sei es das technische Deployment oder zum Beispiel die Schulung der Mitarbeiter an einer neuen Kennzahl.

IT-DIRECTOR: Welche datenschutzrechtlichen Risiken ergeben sich aus der zunehmenden Verknüpfung von Datenanalysen und Künstlicher Intelligenz?
S. Nehls:
Nicht alles was man kann, darf man auch! Analysen im Umfeld von Big Data stehen vor derselben Herausforderung wie Analysen auf Basis eines klassischen Data Warehouse. Welche kundenindividuellen Daten zur Analyse, zum Beispiel einer Kundensegmentierung, hergezogen werden dürfen, ist, gerade in Konzernstrukturen nicht trivial. Nur mit der leichteren Verfügbarkeit einer Technologie ändern sich ja nicht die Rahmenbedingungen. Da potentiell größere und auch unstrukturierte Datenmengen verarbeitet werden können, steigt jedoch die Gefahr das auch zu tun. Eine Sensibilisierung tut hier also Not!

IT-DIRECTOR: Können Sie uns ein Beispiel für den erfolgreichen Einsatz von Künstlicher Intelligenz in Großunternehmen skizzieren?
S. Nehls:
Hier kommt es wieder darauf an, was man unter KI genau versteht. Ein anschauliches Beispiel ist die dramatische Verbesserung der Spracherkennung per Smartphone, sei es bei Android oder iOS, in den letzten Jahren. Googles System basiert maßgeblich auf zwei Beiträgen der Teams um Prof. Jürgen Schmidhuber, dem wissenschaftlicher Direktor des Schweizer Forschungsinstituts für Künstliche Intelligenz IDSIA. Er spricht vom sogenannten langen Kurzzeitgedächtnis, einem rückgekoppeltem neuronalen Netzwerk sowie dem dazugehörigen Lernverfahren namens „Connectionist Temporal Classification“. Wer sich noch an die Anfänge der Spracherkennung auf dem heimischen Desktop-PC in den späten 90er Jahren mit stundenlangen Trainingssessions erinnert, wird sofort verstehen, wovon ich rede.

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok