Soccer team in a huddle

Mit Vollgas zum intelligenten Unternehmen

Feature | 8. Juni 2016 von Jürgen Müller 0

Maschinelles Lernen ermöglicht es Computersystemen, selbstständig Wissen aus großen Datenmengen zu generieren, ohne speziell dafür programmiert worden zu sein. Diese Form von künstlicher Intelligenz kann auch für Geschäftsdaten eingesetzt werden – eine große Chance für SAP, denn Unternehmen auf der ganzen Welt verwalten ihre Daten über das System- und Geschäftsnetzwerk des Softwareherstellers.

Im März 2016 kam es zu einem historischen Ereignis. Im Rahmen der sogenannten Google DeepMind Challenge besiegte das Computerprogramm AlphaGo den weltbesten Profispieler Lee Sedol im Brettspiel Go. Dieser Sieg zeigt, wie weit künstliche Intelligenz (KI) heute bereits fortgeschritten ist. „Die einfachen Regeln und die nahezu unbegrenzte Anzahl von Möglichkeiten haben Go zu einem der begehrtesten Meilensteine in der Forschung zur künstlichen Intelligenz gemacht,“ schreibt Sam Byford vom amerikanischen Technikportal The Verge. Bereits seit Jahrzehnten existiert die Idee, selbstständig lernende Computer zu entwickeln. Doch was hat sich in den vergangenen Jahren verändert? Warum gibt es gerade jetzt so große Fortschritte im Bereich maschinelles Lernen?

Warum maschinelles Lernen heute möglich ist

Erst durch die gestiegene Rechenleistung in den letzten Jahren ist maschinelles Lernen überhaupt möglich geworden. Gefördert durch die Entwicklungen in der Gaming-Industrie hat sich die Leistung von Grafikprozessoren (GPUs) in jüngster Vergangenheit deutlich verbessert. Heute können GPUs einfache Rechenvorgänge parallel durchführen, eine Fähigkeit, die insbesondere von sogenannten Deep-Learning-Algorithmen genutzt wird. In Kombination mit Multi-Core-Architekturen und In-Memory-Datenbanken schafft diese neue Technologie die idealen Voraussetzungen für den Einsatz hocheffizienter Lernalgorithmen.

Ein weiterer Grund dafür, warum maschinelles Lernen heute möglich ist, ist Big Data. Große Mengen von Daten verschiedener Art, beispielsweise Text-, Bild- oder Geodaten, bilden die Grundlage für die Schulung von Computersystemen und künstliches Lernen.

Picture-for-text

Ein gutes Beispiel hierfür ist Facebook. Die Möglichkeit, einzelne Mitglieder mit ihren Namen auf Bildern zu markieren, hat zur weltweit größten Sammlung von Gesichtern in einer Datenbank geführt. Diese Daten kann Facebook nutzen, um Maschinen gezielt auf visuelle Erkennung zu schulen. Je mehr Daten dabei zur Verfügung stehen, desto besser funktioniert die maschinelle Gesichtserkennung.

Umfangreiche Grundlagenforschung im Bereich maschinelles Lernen hat zudem zur Entwicklung intelligenterer Lernalgorithmen und einem besseren Verständnis des Lernens an sich geführt. Fundamentale Algorithmen wie beispielsweise künstliche neuronale Netze sind nach dem Vorbild des menschlichen Gehirns modelliert. Man kann sie sich als Netzwerk Neuronen-ähnlicher Elemente vorstellen, die an die Synapsen des Gehirns erinnern. Diese Netzwerke können komplexe, nicht-lineare Strukturen aus eingehenden Informationen erfassen und erlernen. Auf diese Art und Weise können sich Maschinen Fähigkeiten wie Sehen, Hören, Sprechen, Lesen und Schreiben aneignen. Um sie in diesen Fähigkeiten zu schulen, werden Methoden des überwachten Lernens angewandt.

Zudem findet sogenanntes bestärkendes Lernen statt, bei dem Aktionen und Feedback – wie Belohnung oder Bestrafung – zwischen dem Lernalgorithmus und seiner Umwelt simuliert werden. So kann der Algorithmus seine Fähigkeiten graduell erweitern und nach und nach immer komplexere Aufgaben wie Autofahren oder Go spielen meistern. In Zukunft wird es dank der Lernalgorithmen für maschinelles Lernen möglich sein, Maschinen für die Interpretation extrem komplexer Situationen zu schulen.

Zu guter Letzt wird maschinelles Lernen immer gängiger, weil es zunehmend leichter einsetzbar ist. So gibt es inzwischen ein großes Spektrum an freier, qualitativ hochwertiger Open-Source-Software, die maschinelles Lernen für ein breites Publikum von Datenspezialisten und Entwicklern zugänglich macht. Das gleiche gilt für frei verfügbare Onlineressourcen wie Massive Open Online Courses (MOOCs), E-Books und Blogs zum Thema maschinelles Lernen.

Maschinelles Lernen bei Geschäftssoftware

Go-Computer oder die Gesichtserkennung in sozialen Medien sind Vorboten eines grundlegenden Wandels, der sich im Bereich Geschäftssoftware anbahnt. Einer Prognose des Marktforschungsunternehmens Tractica zufolge soll der Markt für KI-Systeme bei Geschäftsanwendungen von 202,5 Millionen US-Dollar im Jahr 2015 bis zum Jahr 2024 auf 11,1 Milliarden Dollar anwachsen. Das entspricht einer jährlichen Wachstumsrate von 56,1 Prozent. In naher Zukunft wird maschinelles Lernen also ein fester Bestandteil von Unternehmenslösungen sein – und Maschinen zu unseren digitalen Arbeitskollegen machen.

Schon heute können Maschinen „sehen“, also Objekte wie bestimmte Produkte in Bildern und Videos erkennen. Stellen Sie sich vor, was das beispielsweise für Pharmaunternehmen bedeutet. Diese Konzerne müssen sicherstellen, dass bestimmte Chemikalien in einem gewissen Abstand zueinander gelagert werden, um chemische Reaktionen zu verhindern. Über eine mobile App können Lagerarbeiter heute sofort überprüfen, ob ein Produkt korrekt gelagert ist oder nicht, indem sie ein Foto mit ihrem Smartphone machen und die Bilderkennung des integrierten ERP-Systems nutzen.

SAP_Executives_2016_Mueller_002_t-d@900x600

Jürgen Müller, Leiter des SAP Innovation Center Network

Maschinen können außerdem Text „lesen“ und „verstehen“. In vielen Unternehmen verbringen die Mitarbeiter der Personalabteilung 60 Prozent ihrer Zeit damit, eine Vorauswahl von Bewerbern für eine bestimmte Stelle zu treffen. Durch den automatischen Abgleich von Lebensläufen kann maschinelles Lernen ihnen dabei helfen, schneller die besten Kandidaten für eine Stelle oder die beste Stelle für einen vielversprechenden Kandidaten zu finden. Da Personalvermittler dann nicht mehr tausende Lebensläufe manuell auswerten müssen, bleibt ihnen mehr Zeit für Vorstellungsgespräche.

Maschinen können auch „schreiben“. Sie können strukturierte und unstrukturierte Kontextinformationen analysieren und automatisch Berichte generieren. Ein Anwendungsgebiet dafür ist die Versicherungsbranche. Statt jede Forderung manuell von einem Mitarbeiter prüfen zu lassen, können Versicherungsunternehmen Maschinen einsetzen, um in simplen Versicherungsfällen eine Vorentscheidung zu treffen und ein Antwortschreiben aufzusetzen. So profitieren sie von einer schnelleren Antragsbearbeitung und gesteigerter Produktivität.

Und schließlich können Maschinen auch „hören“ und „sprechen“. Computersysteme sind in der Lage, die menschliche Stimme auf etwa 40 Ebenen wie Sprachtempo, Lautstärke und Klangfarbe zu analysieren. Das ist besonders für den telefonischen Kundenservice interessant. Stellen Sie sich vor, ein Kunde ruft eine Hotline an und spricht mit einem sogenannten Chat-Bot, einer Software, die kommunizieren kann. Der Kunde wird langsam immer gereizter. Durch die Sammlung von Stimmdaten in verschiedenen Situationen kann die Maschine ihre kognitive Fähigkeit zur Interpretation des Umgangstons verbessern. Und noch viel wichtiger: Sie kann den Anruf an einen Call-Center-Mitarbeiter weiterleiten, wenn ein komplexeres Problem vorliegt.

Das sind nur einige Beispiele dafür, wie Unternehmen von maschinellem Lernen und Business-Intelligence-Lösungen profitieren können. Ohne Zweifel hat maschinelles Lernen ein riesiges Potenzial und ist für SAP nicht zuletzt deshalb von strategischer Bedeutung.

Um die neue Technologie auch in SAP-Anwendungen zu integrieren, arbeitet das Team Machine Learning Incubation des SAP Innovation Center Network mit Hochdruck an verschiedenen Anwendungsfällen für die neue Technologie. Sie reichen von einem Tool für die Auswertung von Lebensläufen, mit dem sich die besten Bewerber für eine Stelle bzw. die passende Stelle für einen Bewerber identifizieren lassen, bis hin zu automatischen Umsatzprognosen oder Rechnungsprüfungen. Dabei legt das Team großen Wert auf die Zusammenarbeit mit einem großen Partnernetzwerk und mit Kollegen aus verschiedenen Geschäftsbereichen und Branchen, um innovative, intelligente Lösungen und Serviceangebote zu entwickeln.

Tags: ,

Leave a Reply