Kommentar von Ingo Steins, The unbelievable Machine Company

So profitieren auch Einsteiger von KI als Service

| Autor / Redakteur: Ingo Steins / Nico Litzel

Der Autor: Ingo Steins ist Deputy Director Operations bei The unbelievable Machine Company (*um) und verantwortlich für den Bereich Applications.
Der Autor: Ingo Steins ist Deputy Director Operations bei The unbelievable Machine Company (*um) und verantwortlich für den Bereich Applications. (Bild: *um)

Künstliche Intelligenz (KI), englisch Artificial Intelligence (AI), funktioniert in der Anwendung spielend einfach. Durch Beobachtung der Umwelt und durch Lernen, wie es Kinder tun, kann sich ein Computer-Algorithmus automatisch und kontinuierlich verbessern. Das macht die KI zum idealen Werkzeug für strukturierte Unternehmensaufgaben. Auch ohne große Vorkenntnisse, da sie heute in unterschiedlichen passenden Größenordnungen auch als komfortable Dienstleistung zur Verfügung steht.

KI ist ein lernender Maschinenprozess, der mithilfe eines Algorithmus‘ Verknüpfungen herstellen kann, ohne dass diese vom Menschen speziell programmiert werden müssen. Das kann Unternehmen in vielerlei Hinsicht nutzen – hängt aber vor allem von der Art des Geschäfts, den verfügbaren Daten und nicht zuletzt davon ab, über welche KI-Erfahrung das Unternehmen bereits verfügt. Denn: Die KI ist ein Werkzeug – und wie bei jedem Werkzeug muss man wissen, was man damit tut.

Doch: Auch KMUs mit wenig oder gar keiner Erfahrung in diesem Bereich können KI auf leicht zugängliche Weise anwenden. Genau wie Sie heute schon Software, externe Infrastruktur und webbasierte Plattformen „as s Service“ – SaaS, IaaS und PaaS – nutzen können, offerieren Cloud-Provider zunehmend auch Artificial-Intelligence-as-a-Service (AIaaS): die Künstliche Intelligenz als komfortable Dienstleistung.

KI ohne Komplexität

Die AIaaS-Anbieter entwickeln jene komplexen Algorithmen und KI-Modelle, die Unternehmen die Arbeit erleichtern. Darunter zum Beispiel kognitive Dienste wie die Bild-/ Gesichtserkennung, die Umwandlung von Sprache in Text oder automatische Übersetzungen, wie sie etwa Google Cloud Vision offeriert.

Bei einer solch beispielhaften Anwendung stellen ein Anwenderunternehmen per Schnittstelle (API) ein Bild zur Verfügung, auf dessen Grundlage Personen und Objekte oder auch Logos und Texte mithilfe der Optischen Zeichenerkennung (OCR) vollautomatisch erkannt werden.

Ein weiteres Beispiel für einen häufig genutzten KI-Dienst ist der zunehmende Einsatz von Chatbots: virtuellen „Ansprechpartnern“, die viele Fragen automatisiert beantworten können, ohne dass ein Kunde mit einem Mitarbeiter des First-Line-Supports sprechen muss. Diese Form des Dialogs funktioniert innerhalb einer strukturierten Umgebung, in der ein Chatbot klaren Regeln und Vorgaben folgen kann. Individuelle Interaktion und Kommunikation, die einer realen Person gleichkommt, ist heute allerdings noch nicht möglich.

AIaas – leicht zugängliche Anwendungen

Bei der AIaaS geht es um leicht zugängliche Anwendungen. Man muss nicht verstehen wie sie funktionieren und braucht keine Erfahrung mit KI, um sie nutzen zu können. Zahlreiche Provider – neben Google auch Amazon oder IBM – bieten vergleichbare kognitive Dienste an.

Hinzu kommen immer mehr Start-ups, die ebenfalls an diesem neuen Markt partizipieren wollen. Die einfachen Dienste, die sie offerieren, sind vor allem für KMU gedacht, die das „Neuland“ der KI/AI gerade erst betreten. Sie eignen sich hervorragend zum Experimentieren und Testen von Algorithmen oder um herauszufinden, wie man digital basiert an Probleme herangeht. Da es sich um stark standardisierte Dienstleistungen handelt, kann man sie nicht wirklich für komplexere Zusammenhänge verwenden.

PaaS – leicht zugängliche Plattformen

Eine eher komplexe Anwendung ist etwa die statistische Analyse der täglichen Transaktionsdaten. Damit können unter anderem Muster in Kaufverhalten und Verkauf identifiziert und mögliche Trends mit hoher Wahrscheinlichkeit vorhergesehen werden. Für diese Art der Analyse reicht ein Standard-KI-Dienst nicht aus. Unternehmen müssen die Skripte entweder selbst schreiben – oder sie bringen eine Plattform-Lösung „as a Service“ zum Einsatz, die AI-Algorithmen und Visualisierungen bereitstellt. Mit wenigen Schritten lassen sich hierbei Dashboards konstruieren und anschließend einfache Analysen der Daten durchführen. Zum Beispiel um herauszufinden, wie sich der Umsatz im Laufe der Zeit entwickelt hat, oder um innerhalb der Datenmuster Trends zu erkennen und entsprechende Vorhersagen zu treffen.

In der Industrie werden KI-Anwendungen per PaaS zum Beispiel für die vorbeugende Instandhaltung (Predictive Maintenance) von Verschleißteilen oder ausfallsensiblen Maschinen genutzt. Anhand der Daten zahlreicher eingebauter Sensoren, die mit der Plattform verbunden sind, lässt sich voraussagen, ob und wann eine vorbeugende Wartung erforderlich ist. Bevor es zum zeit- und kostenintensiven Ausfall kommt. Das ist vielleicht der bekannteste und praktikabelste Anwendungsfall aus der Industrie – er spart enorm viel Zeit und Geld.

KI als Dienstleistung

Diese mannigfaltigen KI-Anwendungen sind möglich, ohne dass ein Unternehmen selbst über ausgeprägte KI-Kenntnisse verfügt. Für den Anfang ist es wichtig, einen Mitarbeiter zu haben, der sich mit IT-Zusammenhängen befasst und in die Materie einsteigt. Das muss kein Experte sein, denn ein PaaS-Tool verfügt über eine übersichtliche Benutzeroberfläche und ein Manual, das alle notwendigen Funktionen erklärt.

Um tiefer einzusteigen und weiter zielführend vorzugehen, gilt es unter anderem, die Daten richtig zu interpretieren. Das Plattform-Manual stößt hier natürlich an seine Grenzen. Dann beginnt die Anwendung der Datenwissenschaft auf reale Probleme, die viel komplexer sind als ein Beispiel aus dem Manual. Dafür werden entsprechend komplexe Algorithmen und Modelle gebraucht.

Reichen die Beispiele im Manual nicht aus, um komplexere Probleme zu lösen, empfiehlt es sich, einen Experten hinzuzuziehen oder zumindest dessen Feedback einzuholen. Das ist spätestens der Fall, wenn wichtige Geschäftsentscheidungen auf der Basis der gewonnenen Datenergebnisse gefällt werden sollen.

Die richtigen Daten sammeln

Wofür auch immer Künstliche Intelligenz genutzt werden soll, man braucht korrekte und saubere Daten. Die meisten Unternehmen beginnen, Daten „zufällig“ zu sammeln, ohne zu wissen, wofür sie diese verwenden wollen. Stattdessen sollte man sich auf qualitativ hochwertige Daten fokussieren, mit denen sich ein bestimmtes Problem lösen lässt.

Zunächst sollte man stets versuchen, das Problem zu definieren – und erst dann die Daten zu sammeln, die dafür benötigt werden. Geht man nicht so vor, kann das viel Zeit und Geld benötigen, um die Daten zu transformieren und zu bereinigen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  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: 45213177 / Datenbanken / Big Data)