Definition

Was ist Cognitive Computing?

| Autor / Redakteur: Tutanch / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Cognitive Computing nutzt Technologien der Künstlichen Intelligenz, um menschliche Denkprozesse zu simulieren. Ziel ist es, auf Basis von Erfahrungen eigene Lösungen und Strategien zu entwickeln. Die Systeme interagieren in Echtzeit mit ihrem Umfeld und verarbeiten große Datenmengen.

Eine eindeutige und allgemeingültige Definition für Cognitive Computing existiert nicht. In der Regel versteht man unter Cognitive Computing Computermodelle oder Computersysteme, die Technologien der Künstlichen Intelligenz (KI) wie Deep Learning oder Data Mining nutzen, um menschliche Lern- und Denkprozesse zu simulieren. Kognitiv arbeitende Systeme sind im Vorfeld nicht auf konkrete Problemlösungen programmiert, sondern lernen selbstständig durch die gemachten Erfahrungen und gesammelten Daten. Sie entwickeln eigene Lösungen und Strategien durch die Analyse der Datenbasis. Die selbstlernenden IT-Systeme sind in der Lage, in Echtzeit mit Ihrem Umfeld zu interagieren und berücksichtigen die erhaltenen Informationen für ihre eigenständig entwickelten Erkenntnisse. Hierfür ist es erforderlich, große Datenmengen zu speichern und sie in hoher Geschwindigkeit zu verarbeiten und zu analysieren.

Da die Daten in vielen verschiedenen Formaten unstrukturiert vorliegen, kommen Techniken und Datenbanksysteme aus dem Big-Data-Umfeld zum Einsatz. Ziel des Cognitive Computing ist es, intelligente Computersysteme zu schaffen, die selbstständig, ohne menschliche Hilfe, Probleme lösen und Lösungsvorgänge automatisieren. Kernkomponenten des Cognitive Computing sind Algorithmen des maschinellen Lernens, die die vorliegenden Daten kontinuierlich nach Mustern untersuchen und ihre Analysemethoden ständig verfeinern.

Viele der Systeme nutzen die Spracherkennung für die direkte Kommunikation mit dem Menschen. Cognitive Computing kommt in verschiedenen Bereichen zum Einsatz und wird beispielsweise für die voraussehende Wartung (Predictive Maintenance) oder im E-Commerce-Umfeld für Produktempfehlungen verwendet. Weitere Anwendungsgebiete sind die Medizin, die Robotik oder die virtuelle Realität. Eine sehr bekannte Implementierung des Cognitive Computing ist das IBM-Computersystem „Watson“.

Die wichtigsten Voraussetzungen für kognitive Computersysteme

Wichtigste Voraussetzung für das Cognitive Computing ist die Fähigkeit, aus den gemachten Erfahrungen selbstständig zu lernen. Gleichzeitig sind die eigenen Lösungsansätze ständig zu reflektieren und zu hinterfragen. Damit die Systeme ähnlich dem menschlichen Gehirn arbeiten, sind weitere Voraussetzungen zu erfüllen. Die Kommunikation mit Menschen und dem Umfeld muss interaktiv und in Echtzeit erfolgen. Die kognitiven Systeme müssen zudem anpassungsfähig sein und berücksichtigen, dass sich Informationen ändern oder nicht eindeutig sind. Hierfür ist es erforderlich, Daten nahezu in Echtzeit zu verarbeiten.

Wichtig ist, dass beim Cognitive Computing sämtliche Informationen in ihrem Kontext wahrgenommen werden. Dazu gehören kontextbezogene Merkmale wie Zeit, Ort und Personen, die die Bedeutung von Informationen beeinflussen. Als Eingabe-Methoden sind text-, sprach- oder gestenbezogene Eingaben zu unterstützen.

Cognitive Computing und Big-Data-Technologien

Ein wesentliches Merkmal des Cognitive Computing ist, dass riesige Datenmengen unterschiedlichster Art gespeichert und binnen kürzester Zeit verarbeitet werden müssen. Da die Daten in der Regel in unstrukturierter Form vorliegen, lassen sich herkömmliche relational arbeitende, SQL-basierte Datenbanksysteme für Cognitive Computing nicht effizient einsetzen. Es kommen Techniken und Datenbanksysteme aus dem Big-Data-Umfeld zum Einsatz, die No-SQL-Ansätze verfolgen und große Datenmengen in nahezu Echtzeit verarbeiten. Nur so ist es den kognitiv arbeitenden Systemen möglich, die Daten schnell aufzubereiten, anzureichern und zu verstehen.

Anwendungsmöglichkeiten und Beispiele für Cognitive Computing

Für Cognitive Computing ergibt sich eine große Vielfalt verschiedener Anwendungsmöglichkeiten. Schon heute werden kognitive Systeme und Künstliche Intelligenz im Finanzwesen, in der Medizin, im Marketing oder in der Industrie und im Internet of Things (IoT) eingesetzt. Im E-Commerce ist Cognitive Computing in der Lage, auf Basis von analysiertem Kundenverhalten und Nutzerprofilen exakt passende Produktempfehlungen zu liefern. Sprachcomputer von Telefon-Hotlines erkennen mit kognitiven Methoden die Eingaben und Anliegen der Anrufer und liefern selbstständig geeignete Lösungen.

Suchmaschinenanbieter nutzen Cognitive Computing, um bessere Ergebnisse für unterschiedlichste Suchanfragen bereitzustellen. Es lassen sich komplexe, mehrstufige Suchanfragen besser verstehen und Ergebnisse mit höherer Relevanz liefern. In der Medizin ist es durch die Auswertung von Bildern und dem Vergleich mit anderen Aufnahmen möglich, Rückschlüsse auf Erkrankungen zu ziehen. Es existieren Systeme, die Radiologen bei ihrer Arbeit unterstützen und Röntgenbilder oder MRT-Befunde analysieren. Zweck dieser Systeme ist es, die Fehlerquote bei Diagnosen zu senken und das Übersehen von Krankheitsbildern zu verhindern.

Damit Cognitive Computing dies leisten kann, sind die Systeme mit einer Vielzahl an radiologischen Bildern auszustatten und mithilfe Künstlicher Intelligenz zu trainieren. Beim autonomen Fahren lernen kognitive Computersysteme mithilfe von Sensordaten, GPS-Informationen und den bereits gemachten Erfahrungen, Fahrzeuge selbstständig zu fahren und bei Eintritt bestimmter Ereignisse die richtigen Entscheidungen zu treffen. Weitere Anwendungsbereiche für Cognitive Computing sind die Gesichtserkennung oder das Kundenbeziehungsmanagement.

Cognitive Computing und das Computersystem Watson von IBM

Ein sehr bekanntes Beispiel für Cognitive Computing ist das von IBM entwickelte Computersystem Watson. Es ist eng mit dem Begriff Cognitive Computing verbunden und erlangte im Jahr 2011 weltweite Bekanntheit, als es in der englischen Quizshow „Jeopardy!“gegen Menschen antrat. Watson beantwortete Fragen selbstständig und sinnvoll. Selbst Dialekte und Zweideutigkeiten oder Wortwitze konnte das System erkennen. IBM sieht Watson als ein wichtiges Element seiner Strategie im Bereich KI und verfolgt das Ziel, Problemlösungsverfahren zu revolutionieren. Hierfür verwendet IBM evidenzbasiertes Lernen und die Deep-Content-Analyse.

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.

Aktuelle Beiträge zu diesem Thema

Machine-Learning-Services – Preise sinken, Produktreife steigt

ISG-Studie zu Data Analytics

Machine-Learning-Services – Preise sinken, Produktreife steigt

Der Anbietervergleich „Provider Lens Germany 2019 – Data Analytics Services & Solutions“ der Information Services Group (ISG) zeigt, dass sich Machine Learning as a Service zu einem umkämpften Markt entwickelt hat. lesen

Die DSGVO hebelt klassische Datenmanagement-Ansätze aus

Kommentar von Stefan Reinhardt, Eccenca

Die DSGVO hebelt klassische Datenmanagement-Ansätze aus

Die Datenschutzgrundverordnung (DSGVO) ist für Unternehmen kein rein juristisches Problem. Sie greift mit ihren Anforderungen direkt in die betrieblichen Abläufe ein – und wirft damit technische und organisatorische Probleme auf. Sinnvoll beantworten kann diese nur ein Umdenken des Datenmanagements. lesen

Axians-OT- und IT-Anwendungen und Services auf Basis von IBM-Technik

Analytics, IoT, Predictive Maintenance und Security

Axians-OT- und IT-Anwendungen und Services auf Basis von IBM-Technik

Systemintegrator Axians hat eigene Anwendungen und Managed Services auf Basis von IBM Technik für die Bereiche Analytics, IoT, Predictive Maintenance und Security vorgestellt. lesen

Axians-OT- und IT-Anwendungen und Services auf Basis von IBM-Technik

Analytics, IoT, Predictive Maintenance und Security

Axians-OT- und IT-Anwendungen und Services auf Basis von IBM-Technik

Systemintegrator Axians hat eigene Anwendungen und Managed Services auf Basis von IBM Technik für die Bereiche Analytics, IoT, Predictive Maintenance und Security vorgestellt. lesen

Release für Qlik Sense verfügbar

Funktionsumfang erweitert

Release für Qlik Sense verfügbar

Mit dem jüngsten Release erhält die Analytics-Lösung Qlik Sense eine Reihe neuer Funktionen. Sie sollen einen noch flexibleren Einsatz der Plattform ermöglichen, die eine datenbasierte Optimierung der Geschäftstätigkeiten ermöglicht. lesen

Kofax baut RPA-System weiter aus

Intelligent Automation

Kofax baut RPA-System weiter aus

Der Prozessautomatisierungsspezialist Kofax hat seine RPA-Lösung („Robotic Process Automation“) erweitert. Erstmals kommen Künstliche Intelligenz (KI) und Machine Learning zum Einsatz. lesen

Next Generation RPA-Lösung vorgestellt

RPA und KI kombiniert

Next Generation RPA-Lösung vorgestellt

Kofax, Anbieter für die Automatisierung und Digitalisierung personal- und informationsintensiver Prozesse in Front- und Backoffice, erweitert seine Robotic-Process Automation-Lösung. lesen

Microsoft stellt Azure Cognitive Services bereit

Container-basiertes Machine Learning

Microsoft stellt Azure Cognitive Services bereit

Der Einsatz von Machine Learning erfordert in der Regel einen Data Scientist. Mit den Container-basierten Azure Cognitive Services will Microsoft aber auch Entwickler in die Lage versetzen, ihre Anwendungen mithilfe maschinellen Lernens zu verbessern. lesen

KI macht Enterprise Search zur Content-Analytics-Plattform

Kommentar von Franz Kögl, Intrafind

KI macht Enterprise Search zur Content-Analytics-Plattform

Künstliche Intelligenz (KI) sorgt in Enterprise-Search-Systemen nicht nur dafür, dass relevantere Informationen schneller gefunden werden. Durch KI wird die klassische Volltextsuche zur umfassenden Content-Analytics-Plattform, die ganz neue Anwendungsszenarien ermöglicht. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44877401 / Definitionen)