Artificial Intelligence / Machine Learning Die beliebtesten Anbieter von KI und Machine Learning 2019

In ihren Anfangstagen gerne als Hype belächelt, sind Künstliche Intelligenz (KI), inklusive Machine Learning, mittlerweile aus modernen Big-Data- und Analytics-Szenarien nicht mehr wegzudenken. Selbstlernende Systeme zur Mustererkennung erleichtern nicht nur den Umgang mit großen Datenmengen, sondern ermöglichen auch neuartige Anwendungen und tiefgreifende Erkenntnisse.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Disy Informationssysteme GmbH

Xpand Solutions GmbH

Die erste Idee einer Maschine, die eine menschenähnliche Intelligenz zeigt, führt Jahrhunderte in die Vergangenheit. Als früheste Quelle wird oft das philosophische Werk „L’Homme Machine“ von Julien Offray de La Mettrie genannt, das im Jahr 1748 veröffentlicht wurde – ähnliche Ideen kursierten aber schon deutlich länger. Lange Zeit waren vor allem Maschinen oder Roboter in menschenähnlichen Gehäusen das gängige Bild, wenn die Allgemeinheit an Künstliche Intelligenz dachte – mit den heute gängigen Verfahren hat das selbstverständlich kaum noch etwas gemeinsam.

Die Leser von BigData-Insider haben abgestimmt. Beim Klick auf die Bildergalerie sehen Sie die drei Gewinner der Kategorie Artificial Intelligence / Machine Learning 2019:

Bildergalerie

In den 1950ern entwickelte sich auf Basis von Alan Turings Arbeiten ein weitaus fortschrittlicherer Ansatz: Turing ging im Rahmen seiner Church-Turing-These, vereinfacht ausgedrückt, davon aus, dass ein digitaler Rechner grundsätzlich jeden Algorithmus ausführen kann. In Verbindung mit damaligen Fortschritten in Neurobiologie, Informationstheorie und Kybernetik entstand die Idee eines intelligenten „elektronischen Gehirns“. Der Begriff „Artificial Intelligence“ im heutigen Sinne fiel erstmals 1956 während eines Workshops am US-College Dartmouth und wird dem Computerwissenschaftler John McCarthy zugeschrieben, der später unter anderem die Programmiersprache LISP entwickelte.

Vom Dame-Spiel zum virtuellen Experten

Die Entwicklung schritt schnell voran: Ende der 50er-Jahre erlernten Programme Strategien für das Brettspiel Dame. Erfolge im deutlich komplizierteren Schach wurden schon damals prognostiziert, allerdings erst deutlich später erreicht – etwa mit dem Sieg von IBMs Deep Blue über den Weltmeister Garry Kasparov im Jahr 1997. In den 1960ern erlangte das Programm ELIZA einige Aufmerksamkeit, da es die Illusion eines echten Gesprächspartners erzeugte. Zudem arbeitete man bereits mit dem General Problem Solver an einer ambitionierten Software zur Lösung beliebiger Probleme. Der Versuch scheiterte nach rund zehnjähriger Entwicklungszeit und zeigte, dass ein allgemeiner Ansatz nicht praktikabel war.

Dies führte in der Folgezeit der 70er- und 80er-Jahre zum überwiegenden Fokus auf spezialisierte Lösungen. Derartige Expertensysteme konzentrierten sich darauf, das Wissen menschlicher Spezialisten formalisiert und regelbasiert auf bestimmte Fragestellungen anzuwenden. Eine Schwäche dieses Verfahrens ist, dass sich nicht jedes vorhandene Wissen in formale Regeln überführen lässt – dies wird in modernen Systemen durch den Einsatz maschinellen Lernens ausgeglichen. Dadurch ist das System in der Lage, aus vorhandenen Daten Rückschlüsse zu ziehen und damit auch Zusammenhänge zu entdecken, die einem Menschen verborgen bleiben.

Stand der Dinge

Heute denkt man beim Begriff „Künstliche Intelligenz“ vor allem an digitale Assistenten wie Siri oder Cortana sowie an Systeme zur Mustererkennung in großen Datenbeständen, die daraus Empfehlungen oder Maßnahmen ableiten. Im Unternehmensumfeld finden sich auch automatisierte Kommunikationssysteme wie Chatbots, die beispielsweise als erste Anlaufstelle für Kunden dienen können.

Weitere Einsatzgebiete für KI-basierte Systeme finden sich in der Logistik, in der Automobilbranche in Form autonomer Fahrzeuge sowie in der Automatisierung wiederkehrender Prozesse („Robotic Process Automation“, RPA). Natural Language Processing (NLP) gestattet den Anwendern den Einsatz natürlicher Sprache, um Fragestellungen zu formulieren. Ergebnisse werden häufig als interaktive Dashboards dargestellt, was für Übersicht sorgt. In Kombination mit übersichtlichen Benutzeroberflächen können somit auch User ohne umfangreiches technisches Know-how KI-basierte Lösungen einsetzen.

Selbstlernende Systeme

Ein wichtiger Teilbereich der KI ist Machine Learning oder maschinelles Lernen. Es ermöglicht KI-Systemen das eigenständige Erkennen von Mustern und Zusammenhängen auf Grundlage bestehender Daten, Algorithmen und Interaktionen. Umso mehr und gezielter das System mit Informationen gefüttert wird, desto „klüger“ wird es. Ganz ohne menschliche Unterstützung geht es allerdings nicht: Zunächst müssen die Systeme trainiert werden. Dies umfasst auch das Einbinden grundlegender Daten und Algorithmen sowie die Definition von Regeln, nach denen Analysen durchführt und Muster identifiziert werden.

In den immer weiter anwachsenden Big-Data-Beständen von Unternehmen und Organisationen finden Machine-Learning-Systeme die ideale Datenbasis. Ob die Daten in strukturierter oder unstrukturierter Form vorliegen, spielt meist keine große Rolle. Verteilte Rechnersysteme und schnelle Datenbanksysteme bilden den Unterbau für leistungsfähige KI-Systeme. Zudem kommen in manchen Szenarien schon jetzt Neuronale Netze zum Einsatz, die auch große Mengen unpräziser Informationen und komplexe Zusammenhänge bewältigen können.

Die flexible Lernfähigkeit derartiger Modelle ermöglicht den Einsatz entsprechender Lösungen in unterschiedlichsten Anwendungsszenarien. Gängig sind beispielsweise automatisierte Spam-, Gesichts-, Sprach- und Bilderkennung, Empfehlungsdienste oder Sicherheitslösungen, die unter anderem selbstständig bislang unbekannte Betrugsverfahren oder Online-Angriffe frühzeitig erkennen sollen.

(ID:46211431)