Künstliche Intelligenz (KI)

Was Algorithmen im Mittelstand bewirken

Tausendsassa Künstliche Intelligenz (KI): Laut Klaas Bollhoefer von The unbelievable Machine Company lassen sich in fast jeder Branche und jeder Abteilung sinnvolle Einsatzgebiete finden.

Klaas Bollhoefer, The unbelievable Machine Company

Klaas Bollhoefer, Chief Evangelist bei The unbelievable Machine Company

ITM: Herr Bollhoefer, 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?
Klaas Bollhoefer:
Künstliche Intelligenz ist Forschungsgegenstand und damit faktisch der Oberbegriff für eine Vielzahl von Algorithmen, Verfahren und Methoden im Kontext von Big Data und zeitgenössischer Software-Entwicklung. Die bekannteste Gruppe von Algorithmen ist derzeit die des Machine Learnings. Verfahren, die im weitesten Sinne auf Mustererkennung in Daten basieren, Phänomene auf diese Art erfassen und lernen und als mathematisches Modell implementiert und betrieben werden können. Einsatzgebiete finden sich in nahezu jedem Bereich, von der Kundensegmentierung über Fraud Detection bis zur Predictive Maintenance.

Deep Learning, derzeit Vehikel kühnster Träume, bezeichnet Deep Neural Nets (mehrschichtige neuronale Netze), die ihre große Stärke im Bereich der Bild-, Video-, Text- und Audio-Analyse ausspielen können, beispielsweise in Form von Chatbots oder bei der Gesichtserkennung auf Facebook. Einzig Schwarmintelligenz verlässt den hier gespannten Rahmen und bezeichnet eher die Intelligenz der Masse – sofern es die gibt –, der Crowd, beispielsweise im Bereich der sozialen Netzwerke, hat aber nichts mit KI zu tun.

ITM: Ein Blick in die Praxis: Für welche Anwendungsszenarien bietet sich für Mittelständler die Nutzung Künstlicher Intelligenz an?
Bollhoefer:
Es lassen sich in nahezu jedem Bereich, jeder Abteilung, jeder Branche und damit für praktisch jedes Unternehmen sinnvolle, d.h. für das jeweilige Business relevante, Einsatzgebiete identifizieren. Dadurch können neue Potentiale erschlossen, bestehende Prozesse und System optimiert oder automatisiert und de facto auch gänzlich neue Geschäftsmodelle erdacht werden. Haupteinsatzgebiete finden sich derzeit sicherlich in Marketing/CRM, in Warenwirtschaft und Logistik, im Bereich der Fertigung und Produktion – Stichwort: Industrie 4.0 – oder in den Bereichen, die schon heute (teil-)digitalisiert sind, z.B. in E-Business und Co.

ITM: Wie aufwendig ist der Einstieg in ein KI-Projekt? Was kommt hinsichtlich der Kosten, des Personalaufwands und der Projektdauer auf die Unternehmen zu?
Bollhoefer:
Das kann man nicht pauschalisieren und hängt vom Use Case ab, d.h. von der konkreten Projektidee bzw. Zielsetzung. KI-Projekte starten häufig als Proof of Concept und folgen der agilen Projektlehre. Somit ist es durchaus üblich und realistisch, dass auch die ersten Schritte in ein Innovationsthema wie Künstliche Intelligenz erstaunlich „schlank“ geplant und realisiert werden können, teilweise innerhalb von zwei bis drei Monaten. Allgemein muss man aber statuieren, dass KI-Vorhaben im Kern Software-Entwicklungsprojekte „von der Idee bis zum Kabel“ sind. Also vom Design bis zu Integration und Betrieb – dementsprechend sind sie zu behandeln, zu planen und zu bewerten.

ITM: Wie lassen sich im Projektverlauf mögliche Stolpersteine – z.B. eine inkonsistente Datenbasis oder Datensilos – vermeiden?
Bollhoefer:
Wie bei jedem IT-Projekt bedarf es einer fundierten Basis, einer durchdachten Anforderungsaufnahme, Konzeption und Planung. Auch und gerade weil man agil und iterativ voranschreitet. Daten sind die Basis für jede KI, die man entwickeln möchte. Diese Daten müssen in großer Zahl vorhanden und zugänglich sein, die so genannten Trainingsdaten häufig auch als bekannte „Phänomene“ deklariert. Im Rahmen eines Feature Engineerings müssen die Daten dann für das jeweilige Verfahren, beispielsweise eine Klassifikation mithilfe von Machine Learning, vorverarbeitet und aufbereitet werden.

Perspektivisch wird die primäre Aufgabe für Unternehmen darin bestehen, nicht nur Daten zu sammeln und irgendwo abzulegen, sondern in Datenmanagement, Governance und der Architektur der gesamten Datenlandschaft einen großen Schritt in die Zukunft zu machen und KI zu ermöglichen.

ITM: In welchen Datenbanken oder betriebswirtschaftlichen Anwendungen finden die Verantwortlichen die für KI-Projekte relevanten Daten in der Regel vor?
Bollhoefer:
Dies hängt definitiv vom geplanten Vorhaben und der für die Modellierung der KI benötigten Daten ab (Art, Umfang, Merkmale). Unternehmensintern bergen sicherlich bestehende Data-Warehouse-, CRM- oder im E-Business-Bereich CMS- und E-Commerce-Systeme viel Potential. Aber auch externe Daten können für sich allein genommen oder in Kombination mit internen Daten Neues ermöglichen – Social-Media-Plattformen, Open Data, etc.

Die Erfahrung lehrt, dass zum einen in der Kombination mehrerer Datenquellen und deren intelligenter Verarbeitung die größten Chancen liegen. Und zum anderen, dass Daten einen Option Value haben, d.h. einen „versteckten“ Wert, der sich erst nach und nach durch die Formulierung neuer Fragen, Ideen und Aufgaben erschließt.

ITM: Worauf gilt es bei der Nutzung von Daten für KI-Projekte hinsichtlich Datenschutz und Datensicherheit zu achten?
Bollhoefer:
Unternehmen sollten immer auf Datenschutz und einen hohen Grad an Datensicherheit Wert legen, das wird sich in KI-Projekten nicht verändern.

So irritierend das vielen erscheinen mag, aber ein Großteil der Projekte und Ideen, die derzeit mit KI realisiert werden, basiert auf anonymen bzw. nicht-personenbezogenen Daten. Nehmen wir etwa die Industrie und die intelligente Verarbeitung von Sensor- und Maschinendaten – z.B. im Bereich Predictive Maintenance –, ist Datenschutz nicht von Relevanz, Datensicherheit natürlich schon.

Was in KI-Projekten häufig mehr Beachtung finden sollte, ist das Thema „Bias“ in Daten und in deren Verarbeitung, das Thema Verantwortung & Governance, insbesondere wenn mehr und mehr autonome/automatisierte Systeme eigenständig Entscheidungen fällen, und das Thema Explainability & Transparenz. Viele Entscheidungen bzw. Ergebnisse, die Algorithmen produzieren, sind für den Menschen nicht erklär- oder interpretierbar. Es handelt sich um Black Boxes, die zwar geprüft und im Einsatz gemessen und bewertet werden können, faktisch aber nicht End-to-End nachvollziehbar sind. Aktuelle Entwicklungen „knacken“ diese Black Boxes mehr und mehr – wir sprechen von „White Box KI“.

ITM: Inwieweit braucht man in Zeiten von Künstlicher Intelligenz und selbstlernenden Algorithmen den Menschen überhaupt noch?
Bollhoefer:
Ich bin davon überzeugt, dass Menschen und Maschinen in Zukunft mehr und mehr kollaborieren werden und eine Künstliche Intelligenz den Menschen „augmentiert“ (Intelligence Augmentation). Betrachtet man die Google-Suche, Chatbots & Co. oder die aktuelle Generation von Robotern, die mit dem Menschen auf demselben „Floorspace“ operieren.

Auf der einen Seite kann Künstliche Intelligenz immer dann ihre Stärken ausspielen, wenn es um wiederkehrende Aufgaben, egal welcher Form, in Analyse, Verarbeitung und Entscheidungsfindung auf Basis von Daten geht. Mag sein, dass damit der eine oder andere Arbeitsbereich für den Menschen obsolet wird. Auf der anderen Seite fehlt einer KI derzeit die Möglichkeit, von einem konkreten Einsatzgebiet zu abstrahieren, Gelerntes auf andere Bereiche zu übertragen – sogenanntes Transfer Learning –, ihre Entscheidungen zu reflektieren oder gar „irrationale“ Entscheidungen zu fällen. Nicht nur bei letzterem ist der Mensch noch lange unersetzbar.

ITM: Welche Gefahren und Risiken setzt man sich aus, wenn man selbstlernenden Algorithmen blindlings vertraut? Können Sie ein Beispiel nennen?
Bollhoefer:
Selbstlernend bedeutet, dass es ein Umfeld gibt oder gab, in dem gelernt wurde und kontinuierlich weitergelernt wird. Für den Menschen ist dieses Umfeld die Welt, in der wir uns bewegen, in all seiner Komplexität und Vielfalt und dem Wissen, dass wir diese niemals zur Gänze begreifen können.

Aber was bedeutet das bezogen auf aktuelle Automatismen und Künstliche Intelligenzen? Man nutzt häufig die Metapher, dass KI noch in den Kinderschuhen steckt, die aktuelle Generation von KI-Systemen auf der Entwicklungsstufe kleiner Kinder stehen. Damit ist nahezu alles gesagt. Würden wir einem Kleinkind die Kontrolle über unser Auto geben? Über unsere Fabriken? Unser Gesundheitssystem? Wir würden ihm eventuell noch das Marketing anvertrauen und – wenn ich ganz ehrlich bin – sollten das auch dringend tun ;)

©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