KI: Was wirklich dahintersteckt
Künstliche Intelligenz ist das beherrschende Thema in Unternehmen weltweit. Ganz gleich ob es um Marketing, Industrie 4.0 oder Softwareentwicklung geht, der Verweis auf KI darf nicht fehlen. Doch wovon sprechen wir dabei überhaupt? Und was steckt wirklich hinter dem Begriff? Wir erklären Ihnen, was es mit KI, Machine-Learning und Deep Learning auf sich hat.
Ursprünge der KI bereits in den 50er Jahren
Erste Ansätze für Künstliche Intelligenz durch Machine Learning gab es schon in den 50er und 60er Jahren, doch aufgrund der fehlenden Rechenleistung waren die Ergebnisse nicht besonders erfolgversprechend. In den folgenden Jahren wurde ausschließlich auf regelbasierte Systeme gesetzt, die sich jedoch in den 90er Jahren als Sackgasse erwiesen. Anfang 2000 erfuhr das Machine Learning aufgrund der mittlerweile verfügbaren hohen Rechenleistung und neuer Algorithmen eine Renaissance. Deep Learning und Reinforcement Learning sind wichtige Bestandteile von Machine Learning und werden z.B. für die Text- und Bildverarbeitung eingesetzt.
Machine Learning – wenn Algorithmen Muster erkennen
Machine Learning ist im Grunde genommen sehr einfach. Das Ziel ist es, dass ein System selbständig auf der Basis vorhandener Daten lernt und sich dabei verbessert. Dafür sind mathematische Berechnungen und eine entsprechende Entwicklung von Algorithmen im Vorfeld notwendig, um maschinelles Lernen aufzubauen. Beim Machine Learning werden Rechensysteme mit Daten versorgt. Algorithmen analysieren anschließend diese Daten. Dabei geht es vor allem um Mustererkennung.
Wo wird maschinelles Lernen heute eingesetzt?
Machine Learning wird heute bereits vielfach in der Praxis eingesetzt. So werden z.B. selbstfahrende Autos auf der Basis von Machine Learning gesteuert. Auch Sprachassistenten verwenden diese Form KI zum Beispiel für personalisierte Formulierungsvorschläge in Nachrichten.
Im Vertrieb und Marketing spielt maschinelles Lernen eine wichtige Rolle. Mit dem Einsatz von KI können zum Beispiel Verkaufsprognosen erstellt oder Kundenverhalten analysiert werden, um die Ergebnisse für die Optimierung des Einkaufs oder von Marketingmaßnahmen zu nutzen. In der Online-Werbung ist Machine Learning heute unverzichtbar, um z.B. mit personalisierter Werbung Streuverluste zu minimieren.
Deep Learning – wenn große Datenmengen selbstlernend analysiert werden
Deep Learning ist eine Weiterentwicklung des maschinellen Lernens. Dabei werden sogenannte „neuronale Netzwerke“ entwickelt, die den synaptischen Verbindungen im menschlichen Gehirn ähneln. In einer ersten Schicht, der sogenannten „Eingangsschicht“, verarbeitet die KI beim Deep Learning die Rohdaten. In weiteren Schichten des Netzwerks werden die Daten weiterverarbeitet, bis sie schließlich in der Ausgabeschicht als Ergebnis vorliegen.
Die Besonderheit von Machine Learning besteht darin, dass das System seine Entscheidungen selbst trifft und mit zunehmender Datenmenge dazulernt. Beim Deep Learning kann auch mit unstrukturierten Daten wie Text, Bild, Audio oder Video umgegangen werden. Allerdings braucht Deep Learning mehr Daten als andere Machine Learning Algorithmen. Dafür können aber auch komplexere Zusammenhänge gelernt werden.
Wann kommt Deep Learning zur Anwendung?
Dank künstlicher neuronaler Netzwerke lassen sich mit Deep Learning alle Arten von unstrukturierten Daten analysieren und aufbereiten. So wird Deep Learning z.B. bei der Bilderkennung oder der Spracherkennung eingesetzt. Die Technik funktioniert dabei ähnlich wie menschliches Lernen. Deep Learning wird häufig in der IT-Sicherheit, aber auch für die Bereitstellung von digitalen Assistenten wie Apples Siri oder Amazons Alexa verwendet.
Reinforcement Learning – Training durch Trial-and-Error
Reinforcement Learning bedeutet zunächst nur so viel wie „bestärkendes Lernen“. Reinforcement Learning ist eine Methode des Machine Learning. Um Reinforcement Learning anzuwenden, werden zunächst keine Daten benötigt. Stattdessen lernt das Modell, eine Umgebung selbstständig durch Experimente zu verstehen, um so ein Problem zu lösen. Dabei werden durch Trial-and-Error Strategien optimiert. Ziel von Reinforcement Learning ist, selbständig Strategien zur Lösung eines Problems zu entwickeln. Das System lernt praktisch selbst, welche Strategien gut funktionieren.
Wo kommt Reinforcement Learning zum Einsatz?
Die Technik des Reinforcement Learning wird heute schon eingesetzt, um den Verkehrsfluss in Städten durch eine bessere Ampelschaltung zu optimieren. Somit kann KI zum Beispiel dabei helfen, Energie einzusparen und Emissionen zu senken. In der Finanzwelt spielt Reinforcement Learning mittlerweile eine wichtige Rolle. Dort entscheidet KI in manchen Bereichen selbständig innerhalb von Millisekunden, ob Aktien gehalten oder verkauft werden. Im Healthcare-Bereich wird Reinforcement Learning bereits eingesetzt, um Behandlungsmethoden vorzuschlagen oder zu analysieren.
Fazit
Bis eine KI dieselben Rechenschritte wie oder noch besser als ein menschliches Gehirn durchführen kann, wird es noch Jahre dauern – wenn es überhaupt je so weit kommt. Dennoch ist die Entwicklung hin zum selbstlernenden System allein im letzten Jahrzehnt gelungen. Mit steigender Rechenleistung wird sich die Künstliche Intelligenz immer weiter verbessern.
