>

Die Technologie hat Menschen in manchen Bereichen bereits überholt. Nun stellt sich die Frage: Wie können Unternehmen diese am besten für sich nutzen? Ein Stichwort taucht in dem Zusammenhang immer wieder auf: künstliche Intelligenz (KI), auch Artificial Intelligence (AI) genannt. Zur KI gehört das Machine Learning (ML), das bereits von vielen Unternehmen genutzt wird. Wir geben Antworten auf die wichtigsten Fragen.

Künstliche Intelligenz ist der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen wie Lernen, Urteilen und Problemlösen erbringen. Die Technologie des maschinellen Lernens (ML) – ein Teilgebiet der künstlichen Intelligenz –  lehrt Computer aus Daten und Erfahrung zu lernen und Aufgaben immer besser auszuführen. Ausgefeilte Algorithmen können in unstrukturierten Datensätzen wie Bildern, Texten oder gesprochener Sprache Muster erkennen und anhand dieser Entscheidungen selbstständig treffen.

Definition KI

Künstliche Intelligenz ist der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen erbringen. Darunter fallen das maschinelle Lernen oder Machine Learning, das Verarbeiten natürlicher Sprache (NLP – Natural Language Processing) und Deep Learning. Die Grundidee besteht darin, durch Maschinen eine Annäherung an wichtige Funktionen des menschlichen Gehirns zu schaffen – Lernen, Urteilen und Problemlösen.

Diese Art des Lernens ermöglicht unter anderem das sogenannte Natural Language Processing (NLP). Dabei geht es um die Verarbeitung von Texten und natürlicher menschlicher Sprache, die unter anderem bei dem Sprachdienst Alexa von Amazon zur Anwendung kommt. Als vielversprechendste Methode des Machine Learning wird aktuell Deep Learning (DL) gesehen, das sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen nutzt.

Im Gegensatz zu NLP geht der Algorithmus beim DL tiefer: Die Maschine erkennt Strukturen, kann diese evaluieren und sich in mehreren vorwärts wie rückwärts gerichteten Durchläufen selbständig verbessern. Dabei verwendet der Algorithmus mehrere Knotenebenen (Neuronen) parallel, um fundierte Entscheidungen zu treffen. Beispielsweise findet die Medizin mit Deep Learning Unterstützung bei der Früherkennung von Krebs oder Herzkrankheiten und kann DNA-Profile von Kindern nach Genmarkern untersuchen, die auf Typ 1 Diabetes hinweisen. In der Forschung wird Deep Learning unter anderem eingesetzt, um tausende Zellprofile und deren aktive Gene auszuwerten oder Teilchenschauer, die entstehen, wenn in einem Teilchenbeschleuniger Protonenstrahlen aufeinanderprallen. Da diese Art des Lernens komplexe, nicht lineare Probleme löst, kommt sie etwa auch bei selbstfahrenden Fahrzeugen zum Einsatz, um unübersichtliche Verkehrsszenen richtig zu interpretieren: Fußgänger, Radfahrer, Wetter, Verkehrszeichen oder Bäume – das Verhalten der Verkehrsteilnehmer muss unter Berücksichtigung aller möglichen Einflussfaktoren richtig erkannt und vorhergesagt werden.

Wann ist künstliche Intelligenz entstanden?

Seit in den 1950er Jahren das Potenzial der Computer deutlich wurde, entwickelte sich auch die KI zu einem Thema, das Phantasien weckte. 1970 erklärte Marvin Minsky, der „Vater der KI“, dass Maschinen in wenigen Jahren Shakespeare lesen würden. Aber nichts dergleichen passierte.

Dann feierten Computer Erfolg nach Erfolg: Zuerst durch pure Rechenleistung. 1997 schlug ein Computer den damaligen Schachweltmeister Kasparov in einem Turnier und 2011 gewann ein Computer die Quizshow „Jeopardy“. Doch über die pure Rechenleistung hinaus wuchsen die Computer erst, als eine Software den Go-Ausnahmespieler Lee Sedol überraschenderweise mit vier zu eins besiegte. Denn das asiatische Strategiespiel Go ist viel komplexer als Schach oder Jeopardy, bei dem der Computer im Grunde nur Fragen verstehen und Antworten in einer Datenbank suchen muss. Die Go-Partien hat der Computer gewonnen, weil er weit mehr als ein schneller Rechner ist – die Software lernt dazu. Eine stärkere Version lernte später das Spiel sogar von Grund auf selbst und gewann gegen seine Vorgänger.

Wie lernen Maschinen dazu?

Das maschinelle Lernen geschieht entweder durch Training anhand eines Datensatzes mit bereits bekannten Outputs (überwacht), oder Algorithmen müssen selbst Muster in Daten erkennen (unüberwacht). Möglich ist auch Lernen durch Belohnung und Bestrafung (verstärkt), bei dem der Algorithmus selbstständig erkennt, ob die Lernkomponente dem gesamten System nutzt (Belohnung) oder nicht (Bestrafung). Die Daten liegen entweder strukturiert vor, etwa in Tabellenform, oder unstrukturiert als Text, Bild oder Sprache – wie bei E-Mails oder Social Media Posts. Machine Learning kann alle Daten verarbeiten, was ein großer Vorteil ist.

In welchen Bereichen kann KI eingesetzt werden?

KI ist für alle Branchen interessant, in denen großen Datenmengen anfallen. Beispielsweise für die produzierenden Unternehmen, bei denen Lieferanten, Sensoren in den Maschinen und das ERP-System viele Daten liefern können. Selbstlernende Algorithmen unterstützen hier die Qualitätskontrolle und liefern Prognosen für die vorausschauende Wartung der Maschinen. So vermeiden Unternehmen Produktionsausfälle und minimieren die Lagerhaltungskosten, um nur einige Beispiele zu nennen.

Auch im Gesundheitswesen bieten sich durch medizinische Bildanalysen oder roboterassistierte Chirurgie nahezu unbegrenzte Möglichkeiten für den Einsatz der KI. In jeder Branche entstehen derzeit Ideen, die oft zu deutlichen Effizienzgewinnen führen, da wiederholbare Aufgaben in Prozessen automatisch ablaufen. Die Menschen erhalten dadurch mehr Zeit für strategisch wichtige und kreative Aufgaben. Aber KI führt auch zu neuen Geschäftsmodellen – zum Beispiel, wenn ein Unternehmen keine Maschinen mehr verkauft, sondern stattdessen deren Leistung.

Was sind die Vorteile für Unternehmen mit KI?

Künstliche Intelligenz vereinfacht Arbeitsabläufe, ermöglicht genauere Prognosen und schafft neue datenbasierte Geschäftsmodelle. Sie erlaubt schnellere Entscheidungen auf einer besseren Datenbasis, erhöht die Anpassungsfähigkeit von Unternehmen auf Marktveränderungen durch Echtzeitinformationen sowie Vorhersagen jenseits menschlicher Fähigkeiten. KI schafft für Unternehmen also weit mehr als Effizienz – sie ist ein Schlüssel zu erhöhter Wettbewerbsfähigkeit.

Wie kann KI in Unternehmen eingesetzt werden?

Laut IDC sind 94 Prozent der Unternehmen überzeugt, dass maschinelles Lernen der Schlüssel zu deutlichen Wettbewerbsvorteilen ist. Nicht ohne Grund – denn künstliche Intelligenz stärkt Unternehmen bei der Produktivität, Flexibilität und schafft neue Geschäftswerte, beispielsweise durch intelligente Chatbots im Service.

Durch personalisierten Kundenservice lernen Algorithmen aus der direkten Interaktion mit den Kunden und gehen präziser auf deren Bedürfnisse ein. Hier setzt auch die SAP auf intelligente Prozesse und unterstützt ihre Kunden mit entsprechenden Services und Anwendungen. Dazu gehören:

  • SAP CoPilot, ein digitaler Chatassistent, der dem Nutzer durch Fragen und Antworten hilft, sein Ziel schneller zu erreichen.
  • SAP Service Ticket Intelligence. Die Anwendung kategorisiert Kundenmeldungen automatisch, priorisiert die zu bearbeitenden Aufgaben für die Mitarbeiter oder stellt bei Standardanfragen Antwortvorschläge bereit.
  • SAP Customer Retention prognostiziert Kundenverhalten.
  • SAP Resume Matching unterstützt, die geeignetsten Job-Bewerber aus einer Vielzahl von Unterlagen ausfindig zu machen.
  • SAP Brand Impact hilft Unternehmen, den eigenen Markeneinfluss und den Erfolg von Investitionen in Sponsoring und Werbemaßnahmen zu messen. Die Lösung erfasst beispielsweise, wie oft das eigene Firmenlogo in Videomaterial an welcher Stelle und in welcher Größe auftaucht.

Wie erweitert das Machine Learning die menschlichen Fähigkeiten?

Besonders da, wo Menschen Fehler machen könnten, wie bei der Qualitätskontrolle in der Herstellung, erkennt ein selbstlernender Algorithmus sogar die kleinsten Veränderungen und kann Auswirkungen einschätzen. In beeindruckender Weise können über Drohnen und Satelliten Inspektionen etwa von langen Pipelines durchgeführt werden. Von großer Bedeutung ist das auch beim Thema Datensicherheit. Hier macht Machine Learning schnell Anomalien in Transaktionen und Prozessen ausfindig, erkennt Bestechungsversuche und schützt effektiv vor Hacking. Auch alltägliche Abläufe werden vereinfacht. Fällt einmal unerwartet ein Zug aus, passt ein Algorithmus die individuelle Reiseplanung mit einer kontextsensiblen Anwendung neu an: Der Kunde sieht online oder in einer App Alternativrouten, die ihn trotz des Ausfalls so schnell wie möglich ans Ziel bringen.

Wie kann mein Unternehmen Machine Learning integrieren?

Jedes Unternehmen sollte wissen, welche Möglichkeiten für Machine Learning bereits in der eingesetzten Lösung vorliegen. Denn nicht für jede intelligente Applikation ist eigene Machine Learning-Expertise notwendig. In SAP-Produkten wie Concur oder SAP S/4HANA ist Machine Learning bereits integriert und mit Hilfe der SAP Leonardo Machine Learning Foundation kann jeder SAP-Partner oder SAP-Anwender fertig vorbereitete Services verknüpfen und implementieren, aber auch eigene Modelle für die Erstellung von intelligenten Anwendungen nutzen.

Die Basis für die Entwicklung von intelligenten Anwendungen aller Art, deren Bereitstellung und den hoch performanten Betrieb legt die SAP Cloud Plattform. Die Technologie für Machine Learning ist folglich vorhanden und viele Unternehmen haben schon Ansätze für den sinnvollen Einsatz gefunden.

Wie sieht die Zukunft aus – was wird KI und Machine Learning bringen?

Machine Learning kann strukturierte und unstrukturierte Daten gut verarbeiten. Es ist vorstellbar und heute schon in Teilen machbar, dass Maschinen frei von Anweisungen interagieren, höchst kontextsensitive Aktionen ausführen, eigene Schlussfolgerungen ziehen und ihr Verhalten anpassen. Sie lenken die wertvolle Zeit der Mitarbeiter auf das Wesentliche: Kreativität und Innovation. Bei der Kreation eigener Ideen stößt die KI aktuell noch an ihre Grenzen. Zudem werden uns digitale Assistenten und Bots in Zukunft beim Arbeitsalltag unterstützen. Auch werden sich neue organisationale Rollen bilden, um Wege erfolgreicher kollaborativer Arbeit von Mensch und Maschine aufzeigen.

Bild via Shutterstock