Grundlagen

Künstliche Intelligenz (KI) einfach erklärt – Beispiele & Anwendungen

| Autor / Redakteur: Sebastian Hofmann / Nico Litzel

AI (Artificial Intelligence beziehungsweise Künstliche Intelligenz) ahmt menschliche Intelligenz nach und verbessert sie sogar noch. Mit der Technologie sind bahnbrechende neue Anwendungen möglich.
AI (Artificial Intelligence beziehungsweise Künstliche Intelligenz) ahmt menschliche Intelligenz nach und verbessert sie sogar noch. Mit der Technologie sind bahnbrechende neue Anwendungen möglich. (Bild: ©sdecoret - stock.adobe.com)

Künstliche Intelligenz (KI) versucht, intelligentes menschliches Verhalten nachzubilden. Durch die Technologie entstehen neue revolutionäre Einsatzmöglichkeiten.

Um das Thema Künstliche Intelligenz (KI) kommt heute kaum noch jemand herum – egal ob beim Blick in die Tageszeitung oder beim Durchscrollen der Social-Media-Timeline. Das Thema bestimmt den politischen Diskurs und hält zunehmend Einzug in die Arbeitswelt.

Was ist Künstliche Intelligenz?

Hier eine kurze Definition: Künstliche Intelligenz (englisch: Artificial Intelligence / AI) ist eine breit aufgestellte Wissenschaft und ein Teilgebiet der Informatik. Sie basiert auf einer Familie von Technologien. Ihr Ziel ist es, menschliche Intelligenz nachzuahmen und sogar zu verbessern. In Datensätzen erkennen KI-Algorithmen Muster und ziehen daraus Schlüsse – etwa in Form von konkreten Handlungen oder Empfehlungen an den Menschen. Computer werden so programmiert, dass sie eigenständig arbeiten können.

Die wohl wichtigste Teildisziplin der Künstlichen Intelligenz heißt Machine Learning (maschinelles Lernen / ML). Damit sind Verfahren und Computer-Algorithmen gemeint, die sich selber Verhaltensweisen antrainieren können. Ihre Funktionsweise geht deutlich über herkömmliche Wenn-dann-Operationen hinaus: Machine Learning ist echtes Lernen auf Basis von Datensätzen.

Und warum geht das Thema KI / maschinelles Lernen im Moment so durch die Decke? Ganz einfach: Weil die Voraussetzungen für die Technologie heute so ideal sind wie nie zuvor. Dafür sind drei Entwicklungen verantwortlich:

  • Big Data: Die Verfügbarkeit von Daten ist in den letzten Jahrzehnten massiv gestiegen. Alleine von 2017 bis 2018 haben Menschen mehr Daten generiert als sonst in der gesamten Geschichte.
  • Rechenleistung: Computer werden sehr schnell immer leistungsfähiger. Ein raumfüllender Superrechner aus den 90er-Jahren hätte heute nicht mehr die geringste Chance gegen ein iPhone X – und das obwohl das Smartphone nur einen Bruchteil der elektrischen Leistung und des Platzes benötigt.
  • Algorithmen: Die Software-Programmierung schreitet heute extrem schnell voran. Entwicklern stehen bessere Tools zur Verfügung als je zuvor.

Die technischen Voraussetzungen für KI-Anwendungen sind ideal – kein Wunder, dass die Umsätze ich Bereich Künstliche Intelligenz in den nächsten Jahren durch die Decke gehen werden.

Wie funktioniert Künstliche Intelligenz?

Mit Artificial Intelligence hat heute schon fast jeder von uns zu tun. Egal ob Siri, Cortana oder Alexa: Alle Sprachassistenten machen sich das maschinelle Lernen zunutze. Anwendungsbereiche für die Technologie gibt es aber auch in der Industrie und im Gesundheitssektor. Ganz konkret könnte KI den Menschen zum Beispiel bei der Erkennung von Tumoren auf Röntgenbildern unterstützen.

Die grundsätzliche Funktionsweise der ML-Anwendung bleibt aber unabhängig vom Einsatz gleich. Sie arbeitet in drei Schritten:

  • 1. Hochwertige Daten – die Grundlage: Um richtig lernen zu können, braucht KI große Mengen an Daten. Diese müssen vollständig und korrekt sein. Es gilt: Aus je mehr Daten der Computer lernen kann, desto bessere Ergebnisse liefert er.
  • 2. Algorithmus-Training – das Lernen: Jetzt scannt die Software die Daten und trifft auf Basis des selbstlernenden Algorithmus eigene Aussagen. Im Beispiel der Tumorerkennung kommt er etwa zum Ergebnis „auf dem Röntgenbild ist kein Tumor zu erkennen.“
  • 3. Datenabgleich – das Feedback: Ob der Algorithmus mit seiner Einschätzung richtig lag, ergibt ein Blick in die Metadaten des Datensatzes. Liegt die Machine-Learning-Anwendung falsch, passt Sie ihre Entscheidungsmatrix an – sie lernt für das nächste Mal. Anschließend scannt sie weitere Datensätze und wird immer besser.

Einsatzbereiche von KI in Unternehmen

KI bietet gerade für die Industrie ungeahnte Potenziale. Mit ihrer Hilfe können Unternehmen ihre Produkteigenschaften verbessern, die Fertigung effizienter planen und neue Angebote entwickeln. Das produzierende Gewerbe ist deshalb der Wirtschaftszweig mit der größten Einsatzdichte für AI-Anwendungen. In den nächsten fünf Jahren wird es in dieser Branche dank der Technologie eine Bruttowertschöpfung von 31,8 Mrd. Euro geben – das entspricht einem Drittel des Wachstums. Jeder dritte Betrieb will schon bis 2020 Künstliche Intelligenz und Machine Learning zur Unterstützung der eigenen Prozesse nutzen.

Die Maschinenbedienung „IntelliGuide“ von Homag ist ein Beispiel für den Einsatz von Machine Learning in der Industrie. Das System reagiert auf Aktionen des Bedieners, erkennt unterschiedliche Bauteile und gibt konkrete Handlungsaufforderungen.

Und wozu genau soll die Technologie eingesetzt werden? Zum Beispiel bei der menschenähnlichen Bildverarbeitung: KI kann helfen, fehlerhafte Werkstücke früh im Produktionsprozess zu erkennen und die Qualitätsinspektion unterstützen. Beschädigte Bauteile werden aussortiert, bevor sie in die Fertigungsanlage kommen. Ein weiterer Anwendungsfall liegt in der Prozessoptimierung. Machine-Learning-Technologie kann Zusammenhänge zwischen der Fertigungsleistung und Einflussgrößen wie Druck, Feuchtigkeit, Uhrzeit und so weiter erlernen. So werden Computer in Zukunft Kausalitäten ermitteln, die dem Mensch bis dato gar nicht bekannt waren – und die Produktion erfolgreicher machen.

In sieben Schritten zum erfolgreichen Machine-Learning-Projekt

Nur 15 Prozent der kleinen und mittleren Unternehmen und ein Viertel der Großbetriebe setzen bereits KI-Technologie ein. Der Weg zur ersten eigenen AI-Anwendung beinhaltet sieben Schritte:

  • 1. Schritt: eine Vision haben. Die Grundvoraussetzung für jedes erfolgreiche KI-Projekt ist ein ehrliches Interesse am Thema. Das klingt banal, hat aber einen wichtigen Hintergrund: Ein offenes Mindset ist wichtig, um sich den nötigen Background anzueignen und den Kontext kommender Problemstellungen zu verstehen.
  • 2. Schritt: den richtigen Use Case bestimmen. Ideal für KI-Projekte sind Anwendungen, bei denen ein detailliertes Wissen notwendig ist. Nicht vergessen: Dazu müssen Ihnen Daten in ausreichender Menge und Qualität zur Verfügung stehen. Fangen Sie am besten mit einem klein dimensionierten Case an.
  • 3. Schritt: auf die Abnehmer zugehen. Holen Sie sobald wie möglich Ihre Kunden mit ins Boot. Sie sollten nicht warten, bis diese auf Sie zukommen. Zeigen Sie Eigeninitiative und klopfen Sie potenzielle Einsatzmöglichkeiten für KI-Projekte ab.
  • 4. Schritt: inhouse oder extern? Analysieren Sie Ihr Knowhow bezogen auf die konkrete Anwendung. Haben Sie keinen eigenen Data Scientist, müssen Sie externe Unterstützung suchen. Nehmen Sie sich dafür unbedingt Zeit: Die notwendige Aufbereitung der Daten macht oft bis zu 80 Prozent des gesamten Projekts aus. Da sollten Sie nur mit den Kompetentesten zusammenarbeiten.
  • 5. Schritt: die Datenlage klären. Verschaffen Sie sich einen genauen Überblick über Ihre Datenquellen. Erstellen Sie zur Not eine Datenlandkarte, die erfasst, wo und in welcher Form Unternehmensdaten aufbewahrt werden. Beachten Sie: Jeder Algorithmus ist nur so gut wie seine Datengrundlage. Klären Sie außerdem unbedingt ihre Verpflichtung bezüglich personenbezogener Daten ab. Verstöße gegen die DSGVO werden schnell sehr teuer.
  • 6. Schritt: eine Bewertungsgrundlage festlegen. In der Industrie sind Sie vor allem quantitative Aussagen gewohnt – nicht zuletzt durch Mess- und Produktionssysteme. Das Feld Machine Learning basiert allerdings auf menschlichen Eindrücken und Erlebnissen, also auf subjektiven und qualitativen Kenngrößen. Für Ihre Lerndaten bedeutet das: Legen Sie klare Bewertungskriterien fest, zum Beispiel „gut / schlecht“ oder „valide / nicht valide“. Ungenaue Lerndaten führen zu einem ungenauen Ergebnis der Künstlichen Intelligenz.
  • 7. Schritt: die Technologie arbeiten lassen. Spielen Sie Ihre Daten jetzt in die Software ein. Die AI-Algorithmen sind in der Regel frei verfügbar. Als Open Source finden Sie Sie bei Cloud-Anbietern oder auf Plattformen wie Github. Übertragen Sie die ausgelernte KI-Anwendung nun auf den Prozessrechner Ihrer Maschine. Wenn Ihre Anlage älter ist und noch keinen Industrierechner hat: Führen Sie einen Retrofit durch.

Experten raten Industrieunternehmen, sich dem Thema Künstliche Intelligenz innerhalb der nächsten fünf Jahre zu widmen. Der Konkurrenzdruck auf dem Markt für Machine Learning wird nämlich noch deutlich steigen. Bis 2025 könnten Betriebe zu Ihren stärksten Mitbewerbern gehören, die Sie heute noch gar nicht auf dem Schirm haben!

Weitere Quellen zum Thema Künstliche Intelligenz

Wenn Sie sich noch tiefer mit KI beschäftigen wollen, werden Sie hier fündig:

  • In seinem AI-Podcast widmet sich das Team von T3N der Technologie ausführlich. Vom Blick auf die politische Debatte bis hin zu Interviews von Technikexperten ist alles geboten.
  • In „Künstliche Intelligenz“ – Mit Algorithmen zum Erfolg stellen Peter Buxmann und Holger Schmidt die ökonomischen Potenziale der Technologie vor – konkrete Einsätze in Unternehmen inklusive.
  • In unserem Themenkanal Machine Learning finden Sie spannenden Artikel zu Anwendungen im Bereich der Künstlichen Intelligenz (KI) in der Industrie.
  • In ihrem Podcast „KI in der Industrie“ beleuchten Robert Weber und Peter Seeberg die Voraussetzungen und Einsatzmöglichkeiten von Künstlicher Intelligenz in Unternehmen.

Dieser Artikel stammt von unserem Partnerportal MaschinenMarkt.

Sebastian Hofmann
Über den Autor

Sebastian Hofmann

Redakteur

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

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? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45984828 / Künstliche Intelligenz)