Gastkolumne von Dr. Werner Vogels, CTO von Amazon

Künstliche Intelligenz und Maschinelles Lernen im eigenen Geschäft nutzen

| Autor / Redakteur: Dr. Werner Vogels / Florian Karlstetter

Dr. Werner Vogels, CTO von Amazon und Vordenker des Unternehmens.
Dr. Werner Vogels, CTO von Amazon und Vordenker des Unternehmens. (Bild: (c) 2014 sanderbaks.com / Amazon)

Alle sprechen derzeit über Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) – ein klares Zeichen dafür, dass diese Technologien auf dem Weg zu ihrem Durchbruch sind. ML ist der Teil der KI, der Regeln beschreibt und Muster in großen Datenmengen erkennt, um auf der Basis künftige Daten zu prognostizieren.

Ich glaube, dass es nie eine bessere Zeit gab, um intelligente Anwendungen zu entwickeln und sie zu nutzen, als heute. Denn gerade kommen drei wichtige Voraussetzungen für raschen Fortschritt zusammen: Erstens: Überall auf der Welt können Menschen die Daten digital erfassen. In der physischen Welt geschieht dies über Sensoren oder GPS; im Netz unter anderem über Click-Verläufe. Damit verfügen wir über eine kritische Masse an Daten. Zweitens sind in der Cloud genügend bezahlbare Rechenkapazitäten vorhanden, so dass Unternehmen und Organisationen jeder Größe intelligente Anwendungen nutzen können. Und drittens sind wir durch die so genannte algorithmische Revolution in der Lage, Billionen von Algorithmen gleichzeitig zu trainieren und den Prozess des ML maßgeblich zu beschleunigen – die so. So können wir mehr forschen und eine kritische Masse an Wissen aufbauen, das nötig ist, um ein exponentielles Wachstum bei der Entwicklung neuer Algorithmen und Architekturen anzustoßen.

Wir haben eine Weile gebraucht, bis wir so weit waren. Rund 50 Jahre lang waren KI und ML Disziplinen, mit denen sich nur ein exklusiver Kreis an Forschern und Wissenschaftlern beschäftigte. Das ändert sich gerade. Heute sind KI und ML als Pakete von Diensten, Frameworks und Werkzeugen für alle möglichen Unternehmen und Organisationen verfügbar – unabhängig davon, ob sie selbst daran forschen. Die Unternehmensberatung McKinsey erwartet, dass der globale Markt für KI-basierte Services, Software und Hardware jährlich um 15 Prozent bis 25 Prozent wächst. Im Jahr 2025 könnte er ein Volumen von rund 130 Milliarden US-Dollar erreichen. Eine Reihe junger Unternehmen nutzen KI-Algorithmen für die unterschiedlichsten Bereiche – um Tumoren in medizinischen Aufnahmen zu suchen, Menschen beim Erlernen von Fremdsprachen zu helfen, oder die Schadensbearbeitung bei Versicherungen zu automatisieren. Gleichzeitig entstehen auch ganz neue Kategorien von Anwendungen, bei denen eine natürliche Konversation zwischen Mensch und Maschine in den Vordergrund rückt.

Die Bedeutung des Maschinellen Lernens für den Fortschritt

Ist der Hype um AI und ML gerechtfertigt? Unbedingt, denn diese Technologien bieten Wirtschaft und Gesellschaft faszinierende Möglichkeiten. Weil die Digitalisierung in vollem Gange ist und wir Hochleistungsrechner haben, können wir die menschliche Intelligenz bereits in Teilbereichen nachahmen und sogar übertreffen. ML wird für jedermann verfügbar, weil wir vielfältigste Algorithmen für unterschiedliche Anwendungen in Dienste „packen“. ML hilft dabei, unser Leben angenehmer oder sicherer zu machen, wie das Beispiel des autonomen Fahrens zeigt: Man geht davon aus, dass sich die Zahl der Unfälle langfristig reduziert, wenn Fahrzeuge autonom fahren, denn 90 Prozent der Autounfälle in den USA gehen heute auf „menschliches Versagen“ zurück. In der Luftfahrt ist autonome Fortbewegung längst Normalität.

Erik Brynjolfsson und Andrew McAfee, Vordenker am MIT, haben sich Gedanken über den gesamtwirtschaftlichen Effekt des sogenannten zweiten Maschinenzeitalters („second machine age“) gemacht. Ihrer Meinung nach wird dieser vergleichbar sein mit dem Einfluss der Dampfmaschine, als sie die menschliche Muskelkraft ersetzte („first machine age“). Vielen ist der Gedanke nicht geheuer, dass es eine künstliche Intelligenz neben der menschlichen gibt. Das ist verständlich. Während wir über die technologische Entwicklung nachdenken, müssen wir deshalb darüber sprechen, wie Mensch und KI künftig nebeneinander bestehen können, welche moralischen und ethischen Aspekte die Entwicklung nach sich zieht. Und wir müssen sicherstellen, dass wir in der Lage sind, die KI zu steuern. Wir müssen über gesetzliche Rahmenbedingungen diskutieren, die dieses ermöglichen. Diese Fragen zu beantworten, wird ebenso wichtig sein, wie die Anstrengung, technologische Herausforderungen zu lösen. Dogmen und Ideologien sind bei diesem Diskurs fehl am Platze. Wir sollten eine sachliche Debatte auf breiter Ebene führen, die das gesellschaftliche Wohl als Ganzes im Blick hat.

Wie Amazon Maschinelles Lernen angeht

Tausende von Software-Ingenieuren bei Amazon haben in den vergangenen 20 Jahren am Thema Maschinelles Lernen gearbeitet. Wir wagen zu behaupten, dass wir diejenigen sind, die KI und ML am längsten als Business Technologie einsetzen. Innovative Technologien nehmen immer dann Fahrt auf, wenn Eintrittsbarrieren für Marktteilnehmer sinken. Genau dieses Phänomen sehen wir bei KI und ML. Früher mussten Unternehmen ganz von vorne anfangen, wenn sie KI einsetzen wollten: Sie mussten Algorithmen entwickeln und diese mit enormen Mengen von Daten trainieren – selbst wenn ihre Anwendung später auf einen engen Kontext begrenzt war – sogenannte „schwache“ KI. Viele der Kundenschnittstellen, die uns heute vertraut sind, basieren schon längst auf Maschinellem Lernen: Automatisierte Produktvorschläge, oder die Funktion von Suchmaschinen, Begriffe auf Basis früher ausgeführter Suchen anzubieten.

Ergänzendes zum Thema
 
Kurzbiografie Dr. Werner Vogels

Inzwischen können wir auch Lager- und Lieferzeiten prognostizieren. Es lässt sich vorausschauend ermitteln, welche Kundenprobleme künftig mit hoher Wahrscheinlichkeit auftauchen. Wir können daraus automatisiert ableiten, wie sie zu lösen sind. Unsere Algorithmen entdecken Produktfälschungen, unterdrücken automatisch unzulässige Produktbewertungen und schützen unsere Kunden vor Betrug. Und das ist nur die Spitze des Eisbergs. Über die Historien von Bestellvorgängen unserer Kunden stehen uns Milliarden von Daten zur Verfügung. Diese können wir einsetzen, um weitere KI/ML basierte Modelle mit vielen verschiedenen Funktionalitäten zu entwickeln. Zum Beispiel Programmierschnittstellen, die Entwickler zur Analyse von Bildern, dem Umwandeln von Text in Sprache oder zur Erstellung von Chatbots nutzen können. Aber auch für diejenigen, die selbst Modelle definieren, trainieren und skalieren wollen haben wir vorkonfigurierte und aufeinander abgestimmte Bibliotheken und Deep Learning Frameworks im Angebot.

In einer Art Ökosystem bilden sich mehr und mehr Schichten, an denen Unternehmen und Organisationen ihr Geschäft andocken können – je nachdem wie tief sie selbst in die Materie eintauchen wollen und können. Unternehmen wie Netflix, Nvidia, oder Pinterest nutzen zum Beispiel unsere Fähigkeiten für ML und Deep Learning. Das ist heute möglich, weil die Schichten offen sind und weil die Infrastruktur verfügbar ist. Früher lohnte es sich kaum, sie einzusetzen, weil KI-Technologien so teuer waren. Heute sind KI und ML-Technologien von der Stange verfügbar; man kann sie nach individuellem Bedarf abrufen. Sie bilden die Grundlage für neue Geschäftsmodelle. Selbst Anwender, die keine KI-Spezialisten sind, können die Bausteine sehr einfach und kostengünstig in eigene Services einbauen. Gerade Mittelständler mit ihrer Innovationskraft können profitieren. Sie müssen keine komplexen ML-Algorithmen und Technologien erlernen und können ohne hohe Kosten experimentieren.

Mehr Kundenzufriedenheit durch künstliche Intelligenz

Der E-Commerce ist die Vorzeigedisziplin für KI-gestützte Auswahlmechanismen Diese Mechanismen helfen Unternehmen, die Entscheidungen ihrer Kunden zu vereinfachen. Beispiel Zahnpasta: Wenn es nur drei Sorten gibt, kann der Kunde leicht eine auswählen und fühlt sich gut dabei. Wenn über 50 angeboten werden, muss er sich entscheiden, ist sich aber nicht sicher, ob die Entscheidung die richtige ist. Je mehr Optionen, desto schwieriger wird es. Unsere bekanntesten Algorithmen stammen aus diesem Bereich: Das Filtern von Produktvorschlägen basierend auf bisherigen Käufen von Produkten mit ähnlichen Attributen oder auf dem Verhalten von anderen Kunden, die sich für ähnliche Dinge interessierten.

Auch gleichbleibende Qualität trägt dazu bei, Kunden zufrieden zu stellen. Für Amazon Fresh haben wir beispielsweise Algorithmen entwickelt, die lernen, durch welche Merkmale frische Lebensmittel gekennzeichnet sind, wie lange die Frische in der Regel anhält, und wann Lebensmittel nicht mehr verkauft werden sollten. Fluglinien oder Transportdienstleister auf der Schiene könnten diese ebenfalls für Qualitätskontrolle nutzen, indem sie über Bilddaten der Fracht einen Algorithmus laufen lassen, der verdorbene oder beschädigte Ware erkennt und automatisch aussondert.

Effizientere Lagerhaltung durch Prognostizieren der Nachfrage

Im B2B- wie im B2C-Geschäft ist es entscheidend, dass Waren schnell verfügbar sind. Deswegen haben wir bei Amazon Algorithmen entwickelt, die die tägliche Warennachfrage vorhersagen können. Modeartikel stellen eine besondere Herausforderung dar, da es sie immer in vielen verschiedenen Größen und Ausführungen gibt und sie nur während eines begrenzten Zeitraums nachbestellt werden können. Für die Prognose nutzen wir z.B. Informationen über Nachfrage der Vergangenheit, aber auch Schwankungen, die bei Saisonware auftreten. Wir berücksichtigen die Effekte von Aktionsangeboten und Daten darüber, wie sensibel Kunden auf Preisschwankungen reagieren. Heute können wir genau voraussagen, welche Stückzahl von einem Shirt in bestimmter Größe und Farbe an einem bestimmten Tag verkauft wird. Als wir diese Aufgabe gelöst hatten, haben wir das Ergebnis auch anderen Firmen als Web Service zur Verfügung gestellt. So profitiert zum Beispiel MyTaxi von unserem ML basierten Service, um zu planen, welche Kunden zu welchem Zeitpunkt und an welchem Ort ein Fahrzeug benötigen.

Verteilung der Aufgaben bei Maschinellem Lernen

Voraussagen zu treffen ist längst nicht alles, was KI leistet. Wir arbeiten an Lösungen, wie wir einen weiteren Schritt weg von der tayloristischen Arbeitsgestaltung gehen können. Das Einsatzgebiet ist Fulfillment. Die Kombination von KI und Robotics hilft, den Menschen von körperlich anspruchsvollen und oft aufreibenden Routinetätigkeiten befreien. Denn „Maschinen“ sind prädestiniert für Aufgaben, die für den Menschen kompliziert sind. Dabei übertreffen sie uns manchmal sogar – etwa, wenn es darum geht, für eine Menge von Bestellungen die bestmögliche Route in einem Lager auszurechnen. Mit aus menschlicher Sicht einfachen Aufgaben ist er dagegen überfordert, zum Beispiel eine Kiste zu erkennen, die im falschen Regal gelandet ist. Wie bringen wir die Stärken beider Protagonisten zusammen? Indem wir intelligente Roboter von Menschen lernen lassen, die richtigen Waren zu identifizieren, mehrere Aufträge anzunehmen und sich autonom auf der effizientesten Route durch das Lager zu navigieren. Auf diese Weise wird Menschen der ermüdendste Teil der Aufgabe abgenommen. Unternehmen können die frei werdenden Ressourcen stattdessen für die Pflege von Kundenbeziehungen einsetzen.

Ressourcen für „menschliche“ Stärken freizusetzen – diese Idee nutzt unser Kunde SCDM – allerdings in einem völlig anderen Kontext. SCDM ist ein Serviceanbieter für Finanzdienstleister. Er unterstützt Banken und Versicherungen bei der Digitalisierung: Über KI ermöglicht SCDM seinen Kunden, Dokumente verschiedenster Formate (PDF, Excel oder Fotos) zu klassifizieren, etwa einen Report über die Performance eines Investmentprodukts mit Hunderten von Seiten. Der Algorithmus von SCDM scannt dafür Hunderttausende von Dokumenten gleichzeitig und erkennt, welches Dokument für eine bestimmte Anfrage relevant ist und wo relevante Daten für eine spezifische Aufbereitung zu finden sind und extrahiert sie aus dem Dokument. Im Ergebnis gibt es beim Analysieren der Zahlen weniger Verzerrungseffekte und Fehler. Und Finanzdienstleister haben mehr Zeit für die menschliche Interaktion mit wichtigen Stakeholdern wie Investoren, Analysten und anderen Kunden.

Maschinelles Lernen im Dienst der Gesellschaft

ML und KI lässt sich auch in Bildung, Medizin oder Entwicklungshilfe einsetzen. Duolingo, ein Anbieter kostenloser Sprachkurs-Apps, nutzt Text-zu-Sprache Algorithmen, um die Aussprache der Lernenden zu beurteilen und zu korrigieren. In der Medizin unterstützt KI Ärzte dabei, Röntgen-CT oder MRT Bilder zu analysieren und die richtigen Schlussfolgerungen für ihre Diagnose zu ziehen. Auch die Weltbank nutzt KI, um Infrastrukturprogramme, Entwicklungshilfe und andere Maßnahmen künftig zielgerichteter einzusetzen.

Plädoyer für mehr Optimismus

Trotz all dieser Entwicklungen gibt es in Wissenschaft, Wirtschaft und Politik zahlreiche Kritiker von ML und KI Technologien. Sie warnen vor einer Superintelligenz, die unsere Zivilisation gefährdet – und diese verfehlen ihre Wirkung in der Öffentlichkeit nicht. Doch sollte weder Hysterie noch Euphorie in der öffentlichen Debatte die Oberhand gewinnen. Was wir stattdessen brauchen, ist eine pragmatisch-optimistische Sicht auf die sich abzeichnenden Möglichkeiten. KI ermöglicht es, Aufgaben loszuwerden, die unserer Gesundheit schaden oder in denen Maschinen uns überlegen sind. Es geht nicht darum, uns selbst abzuschaffen. Sondern wir wollen mehr persönlichen und wirtschaftlichen Freiraum gewinnen – für zwischenmenschliche Beziehungen, unsere Kreativität und alles, was eben wir Menschen besser können als Maschinen. Darum sollten wir uns bemühen, ansonsten vergeben wir am Ende die wirtschaftlichen und gesellschaftlichen Potenziale, die sich uns eröffnet hätten.

Perfektion dauert zu lange – Fehlern systematisch auf den Grund gehen

Gastkolumne von Dr. Werner Vogels, CTO von Amazon

Perfektion dauert zu lange – Fehlern systematisch auf den Grund gehen

15.08.17 - Im Zeitalter der Digitalisierung müssen wir einen neuen Umgang mit Fehlern lernen. Einerseits geht es darum, schneller zu sein als die anderen. Andererseits ist es immer noch wünschenswert, Perfektion zu erreichen. Beides gleichzeitig ist schwierig. Denn in der digitalen Welt kann niemand darauf warten, dass Produkte fast perfekt sind, bevor man sie den Kunden anbietet. Die Gefahr ist groß, den Anschluss an die Konkurrenz zu verlieren. lesen

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44895025 / Technologien)