- DE
- EN
In der Ära der Digitalisierung ist künstliche Intelligenz (KI) ein integraler Bestandteil, der unsere Möglichkeiten der Informationsbeschaffung, -teilung und -verarbeitung revolutioniert hat. Durch die exponentiell wachsenden Datenmengen, die mit herkömmlichen Methoden nicht mehr effektiv bewältigt werden können, ist KI zu einem unverzichtbaren Werkzeug geworden. KI ermöglicht es, diese Datenflut zu bewältigen, wertvolle Erkenntnisse zu gewinnen und Entscheidungsprozesse zu unterstützen. Ihr Nutzen liegt insbesondere in der Unterstützung von Arbeitsbereichen, die mit großen Datenmengen und sich wiederholenden Aufgaben verbunden sind. Indem sie diese Aufgaben automatisiert und optimiert, ermöglicht KI es Unternehmen, ihre Effizienz zu steigern und somit Material und Energie einzusparen.
Eine einheitliche Definition des Begriffes KI ist schwer zu erreichen, da dieser auf verschiedene Weise interpretiert werden kann und sich im Laufe der Zeit weiterentwickelt hat. Dennoch gibt es einige Merkmale, die oft in Definitionen wiederzufinden sind.
Es gibt eine Unterscheidung zwischen schwacher und starker künstlicher Intelligenz. „Starke KI“ besitzt kognitive Fähigkeiten, die denen des Menschen in nahezu allen Bereichen ebenbürtig oder überlegen sind. Im Gegensatz dazu wird „schwache KI“ nur in den spezifischen Aufgaben, für die sie entwickelt und trainiert wurde, leistungsfähiger als der Mensch.* Bostrom, N. und Yudkowsky, E. (2014): The ethics of artificial intelligence. In: Frankish, K. und Ramsey, W.M., Hg. The Cambridge Handbook of Artificial Intelligence, Cambridge University Press, Cambridge, S. 316 – 334. ISBN 9781139046855.
KI bezieht sich also auf die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dazu gehören unter anderem das Lernen aus Erfahrungen, das Verstehen von Sprache, das Erkennen von Bildern und das Treffen von Entscheidungen.
Die Grundlage von KI liefern Algorithmen – also beispielsweise eine einfache Abfolge von „Wenn-dann-Anweisungen“. Diese können aber auch mathematisch komplexer aufgebaut sein. Im Vergleich zu klassischen Algorithmen können KI-Systeme permanent dazulernen.* KI Konkret (26.04.2024): Was ist KI? Künstliche Intelligenz - einfach erklärt (online), 26.04.2024 (abgerufen am: 26.04.2024).
Als Programmiersprache wird bevorzugt Python eingesetzt. Andere Sprachen wie R, Java, C++ und MATLAB werden ebenfalls verwendet.* WGP (7/13/2023): Künstliche Intelligenz: Definition, Beispiele, Zukunft - WGP (online), 13.07.2023 (abgerufen am: 12.06.2024).
Die derzeit vorherrschenden Anwendungsgebiete der künstlichen Intelligenz im deutschen Mittelstand beziehen sich auf die sogenannte „schwache KI“. Ihre Aufgabe ist es, spezifische Lösungen für ein konkretes Problem auf Basis mathematischer Methoden und von Erkenntnissen aus der Informatik aufzuzeigen.* Gary Marcus (2020): The Next Decade in AI: Four Steps Towards Robust Artificial Intelligence.
In den letzten Jahren haben sich insbesondere eine Reihe von Methoden aus dem Bereich des Maschinellen Lernens (ML) als äußerst beliebt erwiesen und den Fortschritt maßgeblich vorangetrieben. Diese Ansätze ermöglichen es uns, nicht nur Daten zu verarbeiten, sondern auch tiefergehende Einsichten zu gewinnen und Vorhersagen zu treffen. Maschinelles Lernen bildet dabei ein zentrales Teilgebiet der künstlichen Intelligenz (KI), das sich auf die Entwicklung von Algorithmen konzentriert, die es Computern ermöglichen, aus Erfahrung zu lernen und Aufgaben zu bewältigen, ohne explizit programmiert zu sein. Ähnlich einem Werkzeugkasten kann die Vielzahl der Anwendungsmöglichkeiten in verschiedenen Branchen und Bereichen auf unterschiedliche Problemstellungen angewandt werden.
Beim Maschinellen Lernen kann die KI auf drei verschiedene Weisen trainiert werden:
Viele konventionelle Anwendungen basieren auf der Methode des Überwachten Lernens, welche mit sogenannten Labels arbeitet. Hierbei wird zunächst der Computer-Algorithmus mit einer Vielzahl an Input-Daten, die jeweils mit historischen Labels für den entsprechenden Output gekennzeichnet sind, gefüttert. Der Algorithmus wird anschließend so trainiert, dass er die grundlegenden Muster und Beziehungen zwischen Input und Output sicher erkennt. Nur wenn die Daten gut aufbereitet sind, kann die Maschine Zusammenhänge verlässlich erkennen, denn fehlerhafte Daten oder eine unzureichende Aufbereitung stellen eine große Herausforderung für das System dar.* KI Konkret (26.04.2024): Was ist KI? Künstliche Intelligenz - einfach erklärt (online), 26.04.2024 (abgerufen am: 26.04.2024).
© Eigene Darstellung auf Basis von KI Konkret (2024): Was ist KI? Künstliche Intelligenz - einfach erklärt [online] [abgerufen am: 26.04.2024], verfügbar unter: https://www.ki-konkret.de/was-ist-ki.html
Diese Problematik kann das sogenannte Unüberwachte Lernen umgehen. Der Algorithmus muss selbst die Antwort finden, da die Eingabedaten nicht zuvor kategorisiert worden sind. Dies übernimmt der Algorithmus und kann anschließend daraus Muster und Zusammenhänge zwischen Daten erkennen. Diese Methodik erfordert jedoch eine Vielzahl an Daten.* KI Konkret (26.04.2024): Was ist KI? Künstliche Intelligenz - einfach erklärt (online), 26.04.2024 (abgerufen am: 26.04.2024).
© Eigene Darstellung auf Basis von KI Konkret (2024): Was ist KI? Künstliche Intelligenz - einfach erklärt [online] [abgerufen am: 26.04.2024], verfügbar unter: https://www.ki-konkret.de/was-ist-ki.html
Das Verstärkende Lernen ist ein Ansatz im Maschinellen Lernen, bei dem ein sogenannter Agent Entscheidungen in einer Umgebung trifft, um ein bestimmtes Ziel zu erreichen. Ein Agent ist ein autonomes System, das Wahrnehmungen aus seiner Umgebung empfängt, diese verarbeitet und darauf basierend Aktionen ausführt. Im Verstärkenden Lernen lernt der Agent durch Erfahrung, indem er positive Verstärkungen für gute Entscheidungen und negative Verstärkungen für schlechte Entscheidungen erhält.
Ein Teilbereich des Maschinellen Lernens ist das Deep Learning, das sich auf die Verwendung von künstlichen neuronalen Netzen konzentriert. Ähnlich wie biologische Neuronen im menschlichen Gehirn zusammenarbeiten, wird Deep Learning für die Bild-, Sprach- und Objekterkennung eingesetzt.* KI Konkret (2024): Was ist KI? Künstliche Intelligenz - einfach erklärt (online) (abgerufen am: 26.04.2024).
Neuronale Netzwerke bestehen aus mehreren Schichten von Knoten oder künstlichen Neuronen: einer Eingabeschicht, einer oder mehreren verborgenen Schichten und einer Ausgabeschicht. Jeder Knoten ist mit anderen Knoten verbunden und besitzt spezifische Gewichtungen sowie Schwellenwerte. Wenn der Output eines Knotens den Schwellenwert überschreitet, wird der Knoten aktiviert und sendet Daten an die nächste Schicht. Andernfalls werden keine Daten weitergeleitet. Diese Netzwerke lernen mithilfe von Trainingsdaten und verbessern ihre Genauigkeit im Laufe der Zeit. Feinabgestimmte neuronale Netze sind leistungsstarke Werkzeuge der Informatik und künstlichen Intelligenz, die Daten schnell klassifizieren und clustern können, z. B. in der Sprach- oder Bilderkennung. Der Suchalgorithmus von Google stellt ein bekanntes Beispiel für ein neuronales Netz dar. Solche Netzwerke werden auch als künstliche neuronale Netze (ANNs) oder simulierte neuronale Netze (SNNs) bezeichnet und sind zentral für Deep-Learning-Modelle, einer Untergruppe des Maschinellen Lernens. Für mittelständische Unternehmen bedeutet Deep Learning die Möglichkeit, fortschrittliche Technologien einzusetzen, um Daten zu analysieren, Muster zu identifizieren und fundierte Entscheidungen zu treffen.* IBM (2024): Was ist ein neuronales Netz? | IBM (online) (abgerufen am: 10.06.2024).
Der Einsatz der künstlichen Intelligenz ist vielfältig und reicht vom einfachen Durchsuchen von Datenmengen bis zum autonomen Handeln, z. B. von Robotersystemen.
© Eigene Darstelung auf Basis von Hofmann, P.; Jöhnk, J.; Protschky, D.; Stähle, P.; Urbach, N. und Buck, C. (2020): KI-Anwendungsfälle zielgerichtet identifizieren. In: Wirtschaftsinformatik & Management, 12 (3), S. 184–193. ISSN 1867-5913. doi:10.1365/s35764-020-00257-z
KI hat sich zu einer Schlüsseltechnologie entwickelt, die Unternehmen aller Größenordnungen transformative Möglichkeiten bietet. Insbesondere für KMU kann der Einsatz von KI-Techniken erhebliche Vorteile mit sich bringen. Nachfolgend stellen wir Ihnen eine Auswahl an KI-Techniken vor, die für KMU besonders relevant sind.