Gastbeitrag: Wie Einsteiger ohne Vorkenntnisse von künstlicher Intelligenz als Service profitieren, erklärt Ingo Steins
Foto: *um
Der Autor Ingo Steins ist Deputy Director Operations bei The unbelievable Machine Company (*um)
Künstliche Intelligenz (KI) funktioniert in der Anwendung spielend einfach. KI ist ein lernender Maschinenprozess, der mittels eines Algorithmus’ Verknüpfungen herstellen kann, ohne dass diese vom Menschen programmiert werden müssen. KI ist ein Werkzeug – und wie bei jedem Werkzeug müssen Sie wissen, was Sie tun.
Doch: Auch KMUs mit wenig oder gar keiner Erfahrung können KI anwenden. Genau wie Sie heute schon Software, Infrastruktur und Plattformen „as a Service“ nutzen können, offerieren Cloud-Provider zunehmend auch KI als Dienstleistung.
KI ohne Komplexität.
Die Anbieter entwickeln jene komplexen Algorithmen, die Unternehmen die Arbeit erleichtern. Darunter fallen zum Beispiel kognitive Dienste wie die Bild-/Gesichtserkennung, die Umwandlung von Sprache in Text oder automatische Übersetzungen. Bei einer solch beispielhaften Anwendung stellen Sie per Schnittstelle ein Bild zur Verfügung, auf dessen Grundlage Personen und Objekte oder ebenso auch Logos und Texte 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.
Diese einfachen Dienste sind vor allem für KMU gedacht, die das „Neuland“ KI gerade betreten. Sie eignen sich 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.
Leicht zugängliche Plattformen.
Eine eher komplexe Anwendung ist etwa die statistische Analyse der täglichen Transaktionsdaten. Damit können etwa 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 zum Beispiel für die vorbeugende Instandhaltung von Verschleißteilen oder ausfallsensiblen Maschinen genutzt.
KI als Dienstleitung.
Diese KI-Anwendungen sind möglich, ohne dass Unternehmen selbst über ausgeprägte KI-Kenntnisse verfügen. Für den Anfang ist es wichtig, einen Mitarbeiter zu haben, der sich mit IT-Zusammenhängen befasst und in die Materie einsteigt.
Um weiter zielführend vorzugehen, gilt es unter anderem, die Daten richtig zu interpretieren. Dann beginnt die Anwendung der Datenwissenschaft auf reale Probleme. Reichen die Beispiele im Manual nicht aus, um komplexere Probleme zu lösen, empfiehlt es sich, einen Experten hinzuzuziehen. Dies ist spätestens der Fall, wenn Sie vorhaben, Geschäftsentscheidungen auf Datenergebnissen zu gründen.
Die richtigen Daten sammeln.
Wofür auch immer Sie Künstliche Intelligenz zum Einsatz bringen wollen, brauchen Sie korrekte und saubere Daten. Die meisten Unternehmen beginnen, Daten „zufällig“ zu sammeln, ohne zu wissen, wofür sie diese verwenden wollen. Fokussieren Sie sich stattdessen auf qualitativ hochwertige Daten, mit denen Sie ein bestimmtes Problem lösen können. Versuchen Sie immer zuerst, das Problem zu definieren – und erst dann die Daten zu sammeln, die Sie benötigen. Tun Sie dies nicht, werden Sie viel Zeit und Geld benötigen, um die Daten zu transformieren und zu bereinigen.