Die Rolle von Daten in KI-Lösungen

Dies ist ein Auszug aus dem Gastbeitrag “So können CTOs das andere C-Level von KI überzeugen” im Themendossier der Versicherungsforen Leipzig. Klicken Sie hier, um den vollständigen Artikel als PDF herunterzuladen.

–

Jede KI-Lösung benötigt einen Grundstock an Trainingsdaten. Aber es gibt Unterschiede je nach Anwendung. Klassische Machine-Learning-Modelle brauchen historische Daten in ausreichender Menge. Ohne diese ist ein performanter Betrieb nicht umsetzbar.

Anders verhält es sich im Bereich des Reinforcement Learning (RL), bei dem der Algorithmus ohne jegliches Training seine Umgebung erforscht und „das Spiel“ selbstständig lernt. So werden zum Beispiel Bandit-Algorithmen aus dem Bereich des RL verwendet, um Systeme so zu gestalten, dass diese sich automatisch an veränderte Umweltbedingungen anpassen. Wieder anders verhält es sich zum Beispiel im Natural Language Processing, wo es mit der entsprechenden Technologie und Expertise möglich ist, Trainingsdaten synthetisch zu generieren. So können regelmäßig Use Cases mit >200 Beispieldokumenten realisiert werden.

So ergeben sich regelmäßig neue Use Cases, bei denen zwar viele Informationen in Textform vorhanden sind, diese aber nicht strukturiert als Daten durch die Bestandssysteme verwendet werden können. Wissen, das dem Unternehmen operativ de facto verloren geht. Beispiele hierfür sind das Erfassen von Antragsdaten bei Eingang, das Erkennen von Silent-Cyber in Gewerbe-Verträgen oder die Auswertung von Schadenmeldungen.

Hier kommen NLP-Lösungen ins Spiel. Trainiert mit wenigen Beispieldokumenten und redundant abgesichert durch einen Fallback-Prozess zum Sachbearbeiter (Human-in-the-Loop), können diese Algorithmen Texte semantisch auswerten.

Kurz: Daten sind das Fundament jeglicher moderner IT-Lösungen. Wo früher noch die Abbildung von Prozessen im Vordergrund stand, geht es heute oftmals darum, ganze Heuristiken an Algorithmen auszulagern. Die gute Nachricht ist, die Wege auf welchen Daten gewonnen und verarbeitet werden können, werden zunehmend einfacher.