Kommentar von Benjamin Krebs, Dell EMC

Mit Künstlicher Intelligenz auf zu neuen Ufern

| Autor / Redakteur: Benjamin Krebs / Nico Litzel

Der Autor: Benjamin Krebs ist Area Manager Germany – Unstructered Data and Analytics bei Dell EMC
Der Autor: Benjamin Krebs ist Area Manager Germany – Unstructered Data and Analytics bei Dell EMC (Bild: Dell EMC)

Das Interesse an Künstlicher Intelligenz, maschinellem Lernen und Deep Learning nimmt deutlich zu. Doch nur wenige Unternehmen verfügen über das Know-how, um die dafür erforderlichen Architekturen zu konzipieren und zu implementieren. Validierte Lösungspakete schließen diese Lücke und ermöglichen Unternehmen in vielen Branchen die Erschließung neuer Geschäftspotenziale.

Künstliche Intelligenz (KI), maschinelles Lernen (ML) und Deep Learning (DL) zählen zu den Katalysatoren der digitalen Transformation. Diese Technologien stellen leistungsstarke Werkzeuge bereit, mit denen Unternehmen vorhandene riesige Datenmengen aus den unterschiedlichsten Quellen erschließen und unternehmenskritische Geschäftsprozesse optimieren können:

  • Künstliche Intelligenz bezeichnet die Theorie und Entwicklung von Software, die in der Lage ist, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern, beispielsweise visuelle Wahrnehmung, Musteranalysen und Spracherkennung;
  • Maschinelles Lernen ist ein Teilgebiet der KI. Dessen Algorithmen bieten die Fähigkeit, selbstständig aus Erfahrung zu lernen, ohne dass sie dazu in allen Details explizit programmiert werden müssen. Zu den bekanntesten Verfahren zählen Entscheidungsbäume, lineare Regression und die Nearest-Neighbor-Methode;
  • Deep Learning gehört zum Bereich des maschinellen Lernens und basiert auf einer Hierarchie von Schichten, wobei jede Schicht verschiedene Teile eines komplexen Problems löst. Typische Einsatzgebiete sind Anwendungsfälle, aus denen sich Muster und Modelle ableiten lassen. Die technische Grundlage dafür stellen neuronale Netze bereit, die beim Lernvorgang immer wieder neu geknüpft werden. Ein DL-Framework ist Software, welche die Entwicklung und den Einsatz dieser Modelle beschleunigt.

Oft suchen Unternehmen nach Wegen, wie sie neue Technologien zügig einführen und deren Implementierung, Konfiguration und Verwaltung vereinfachen können. Gefragt sind daher Lösungen, die High Performance Computing mit KI, ML und DL kombinieren. Einen Ansatz dazu bieten sogenannte Ready Bundles, die getestete und validierte Server, Storage und Netzwerkkomponenten sowie ML- und DL-Frameworks wie die Open-Source-Programmbibliotheken Google TensorFlow, Caffe oder Nervana Neon enthalten.

Weitere Verbreitung von KI, ML und DL fördern

Auch KI-, ML- und DL-Technologie-Stacks sind komplexe Systeme, die gewartet und deren Komponenten aufeinander abgestimmt werden müssen. Da das Fachwissen noch begrenzt ist, kann eine minimale Änderung des Stacks zum Ausfall führen. Damit sich die Technologien stärker in den Unternehmen verbreiten können, müssen sie einen ähnlichen Prozess der „Standardisierung“ durchlaufen wie x86-Server, das Windows- oder das Linux-Ecosystem.

Die IT-Geschichte ist reich an Beispielen, wie sich Technologien und Produkte bei einer großen Zahl von Anwendern durchsetzten. Durch die Standardisierung von Komponenten, Tools, Architekturen und Schnittstellen entstanden einfach zugängliche Plattformen. Anstatt auf „abgehobene Spezialisten“ angewiesen zu sein, konnten Unternehmen aller Größen bewährte, standardisierte und untereinander getestete Lösungsbausteine nutzen, um damit ihre individuellen Lösungen zu erstellen.

Anwendungsszenarien und Herausforderungen ermitteln

Die Einsatzmöglichkeiten von KI sind vielfältig. Vor der Einführung entsprechender Technologien sollten Unternehmen:

  • die potenziellen Anwendungsszenarien identifizieren, validieren und priorisieren, um auf dieser Basis festzulegen, wo und wie mit der Integration der KI-Technologien in die Geschäftsmodelle begonnen werden kann;
  • einen Data Lake in Form eines flexibel erweiterbaren Speichersystems aufbauen, in dem die wichtigsten Daten des Unternehmens konsolidiert und gemeinsam genutzt werden können

Die Vorteile KI-basierter Systeme lassen sich an zwei aktuellen Beispielen demonstrieren, wobei sich die eingesetzten Technologien und Verfahren auf eine Vielzahl anderer Anwendungsszenarien übertragen lassen.

Krebstumore mit medizinischer Bilderkennung identifizieren

Die medizinische Bilderkennung ermöglicht Ärzten eine bessere und genauere Diagnostik. Maschinelles Lernen unterstützt entscheidend die Diagnostik und spielt daher eine Schlüsselrolle in der Zukunft der personalisierten Medizin und Therapie. In den USA etwa werden Magnetresonanzbilder aus Archiven mit Krebsbildern verglichen, um Blasenkrebs bei Patienten mithilfe von ML-Techniken zu identifizieren. Die Algorithmen erkennen signifikante Unterschiede zwischen den gespeicherten und den aktuellen Bildern und liefern den Ärzten Hinweise darauf, welche Merkmale für die Erkennung von Blasenkrebs relevant sein können.

Die Präzision der ML-Algorithmen und die zunehmende Verfügbarkeit weiterer Bilder erhöht die Genauigkeit der Ergebnisse. Zusätzlich werden weitere ML-Modelle trainiert und die Effizienz der Modelle kontinuierlich weiterentwickelt. Computergestützte Tumordiagnostik mithilfe von KI-Technologien kann so dazu beitragen, die Kosten für die Gesundheitsversorgung zu senken und die Zeit bis zur Behandlung verkürzen.

Pflanzenkrankheiten erkennen

Die Menschheit muss die Nahrungsmittelproduktion bis 2050 um schätzungsweise 70 Prozent steigern, um die erwartete Bevölkerungszahl von über neun Milliarden Menschen zu ernähren. Derzeit reduzieren Infektionskrankheiten den potenziellen Ernteertrag um durchschnittlich 40 Prozent, wobei vor allem Landwirte in den Entwicklungsländern Ertragseinbußen von bis zu 100 Prozent hinnehmen müssen. Besonders dramatisch ist die Situation für die Millionen von Kleinbauern weltweit, deren Lebensunterhalt davon abhängt, dass sie gute Ernten erzielen. Allein in Afrika stammen 80 Prozent der landwirtschaftlichen Produktion von Kleinbauern.

Die weite Verbreitung von Smartphones bietet das Potenzial, diese zu einem wichtigen Werkzeug für Landwirte zu machen. Eine mögliche Anwendung ist die Entwicklung der mobilen Krankheitsdiagnostik durch Deep Learning und Crowdsourcing. Informationen dazu gibt es auf einer Webseite der Cornell University Library („An open access repository of images on plant health to enable the development of mobile disease diagnostics”: https://arxiv.org/abs/1511.08060v2; siehe auch: https://www.crowdai.org/challenges/1. Unterstützt wird diese Arbeit ferner von der Max-Planck-Gesellschaft und der Helmholtz-Gemeinschaft).

Die Anwendungsszenarien von KI-, ML- und DL-Technologien sind vielfältig: Sie umfassen neben den genannten Beispielen die Betrugserkennung bei Banken, die Optimierung von Finanzanalysen, die Öl- und Gasexploration und einen verbesserten, branchenübergreifenden Customer Service. An Ideen für mögliche Einsatzgebiete mangelt es nicht. Mit rasch einsatzfähigen Lösungspaketen, bestehend aus Server, Storage, Netzwerkkomponenten und Software, lassen sich Einstiegshürden überwinden.

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: 45113426 / Künstliche Intelligenz)