Was ist künstliche Intelligenz und wie kann Sie in Unternehmen bereits eingesetzt werden?

Ein starkes KI-System kann eine Lösung ohne menschliches Eingreifen finden, wenn es mit einer unbekannten Aufgabe konfrontiert wird. Da die Hardware-, Software- und Personalkosten der KI teuer sein können, integrieren viele Anbieter KI-Komponenten in ihr Standardangebot sowie den Zugang zu Plattformen für Artificial Intelligence as a Service (AIaaS). Das ermöglicht es Einzelpersonen und Unternehmen, mit KI für verschiedene Geschäftszwecke zu experimentieren und mehrere Plattformen zu testen, bevor sie ein Unternehmen gründen. Amazon AI, IBM Watson Assistant, Microsoft Cognitive Services und Google AI Services sind beliebte Cloud-Angebote in diesem Segment.

Die höchsten Adoptionsraten im Bereich KI sind in Branchen wie High-Tech, Telekommunikation und Automobil vorzufinden und diese sind auch am stärksten digitalisiert. Ebenso haben die Early Adopters von KI bereits in digitale Infrastruktur investiert, einschließlich im Bereich Cloud und Big Data. Tatsächlich ist es so, dass ohne die Erfahrung mit digitaler Transformation und einem Mindestmaß an digitaler Infrastruktur Unternehmen nicht einfach KI nutzen können.

Im Bereich der künstlichen Intelligenz gibt es unterschiedliche Ausprägungen und Anwendungsgebiete. Grundsätzlich unterscheidet man zwei Typen von KIs, um diese besser zu klassifizieren zu können.

Schwache KI:

Schwache KIs konzentrieren sich auf sehr eingeschränkte Aufgabenbereiche. Ein Beispiel wäre ein Pokerspiel, bei dem alle Regeln und Züge von einer Maschine, die Menschen schlägt, in die Maschine eingegeben werden. Hier muss jedes mögliche Szenario vorher manuell eingegeben werden.

Starke KI:

Maschinen, die, genau wie ein Mensch, tatsächlich selbstständig denken und Aufgaben erfüllen können. In diesem Bereich wird bereits sehr viel Forschung betrieben, aber es gibt noch keine KI die der Intelligenz eines Menschen nahe kommt.

Reaktive Maschinen:

Dies ist eine der Grundformen der KI. Es hat keinen vergangenen Speicher und kann für zukünftige Aktionen keine vergangenen Informationen für Informationen verwenden. Beispiel: IBM Schachprogramm in den 90er Jahren, das Garry Kasparov besiegte.

Begrenzte Speicherkapazität:

KI-Systeme werden in der Lage sein, vergangene Erfahrungen zu nutzen, um zukünftige Entscheidungen zu treffen. Dies wurde entwickelt, um einige der Entscheidungsfunktionen in selbstfahrenden Autos zu entwickeln, wie Beobachtungen, die dazu dienten, Aktionen in nicht allzu ferner Zukunft zu unterstützen, wie z.B. ein Spurwechsel. Diese Beobachtungen werden nicht dauerhaft gespeichert.

Theory of mind:

Diese Art von KI sollte in der Lage sein, die Emotionen, Überzeugungen, Gedanken, Erwartungen an Menschen zu verstehen und sozial zu interagieren. Obwohl es in diesem Bereich bereits viele Fortschritte gibt, steht die Forschung hier noch am Anfang.

Bewusstsein:

Eine KI mit eigenem Bewusstsein, hoher Intelligenz, Lernfähigkeit und Gefühlen, also einem Menschen ebenbürtig. Diese Stufe wurde noch von keiner KI erreicht und wäre ein Meilenstein in der Menschheitsgeschichte.

Maschinelles Lernen (ML):

Eine Methode, bei der das Ziel definiert wird und die Schritte zur Erreichung dieses Ziels von der Maschine selbst durch Training (Erfahrungsgewinn) erlernt werden. Zum Beispiel, um ein einfaches Objekt wie einen Apfel oder eine Orange zu identifizieren. Das Ziel wird nicht durch explizite Angabe und Kodierung der Details erreicht, sondern so, wie wir einem Kind beibringen, indem wir mehrere verschiedene Bilder davon zeigen und es so der Maschine ermöglichen, die Schritte zu definieren, um es als Apfel oder Orange zu identifizieren.

Natural Language Processing – NLP:

NLP wird allgemein definiert als softwarebasierte automatische Erkennung von Gesprochenem und Text. Ein bereits spürbarer Effekt dieser Technologie sind die immer besser werdenden Spamfilter unserer E-Mails.

Machine Vision:

Mit einer Kamera und digitaler Signalverarbeitung, werden visuelle Informationen erfasst und analysiert. Es kann mit dem menschlichen Sehvermögen verglichen werden, aber es ist nicht an die menschliche Begrenzung gebunden. In der Regel werden die bestmöglichen Ergebnisse durch maschinelles Lernen erzielt, so dass wir sagen können, dass diese beiden Bereiche miteinander verknüpft sind.

Robotik:

Ein Ingenieurbereich, der sich auf die Konstruktion und Fertigung von Robotern konzentriert. Roboter werden oft eingesetzt, um sich wiederholende oder für den Menschen schwierige Aufgaben zu erfüllen.

Autonome Fahrzeuge:

Im Bereich der selbstfahrenden Autos werden eine Kombination aus Computer Vision, Bilderkennung und tiefem Lernen genutzt, um automatisierte Fahrfähigkeiten zu gewährleisten. Dadurch wird die Kollision mit unvorhergesehenen Hindernissen vermieden, während sich die Fahrzeuge auf einer bestimmten Fahrspur befinden.

Es gibt heute viele Anwendungen für künstliche Intelligenz im Konsum- und Geschäftsumfeld, von Apples Siri bis zum DeepMind von Google. Siri verwendet beispielsweise die Natural Language Processing (NLP), um Sprachbefehle zu interpretieren und darauf zu reagieren. Auf der anderen Seite nutzt Googles DeepMind Deep Learning. Es ist in der Lage, Bedeutungen zu verbinden und zu erreichen, ohne sich auf vordefinierte Verhaltensalgorithmen zu verlassen, anstatt aus Erfahrungen zu lernen und Rohdaten als Input zu verwenden. Google konnte die Effizienz der eigenen Power Center durch die Anwendung der DeepMind-Ergebnisse verbessern und den Energieverbrauch für die Kühlung der Systeme um 40 % reduzieren. Künstliche Intelligenz in der Geschäftswelt ermöglicht es Unternehmen, intelligenter und schneller zu arbeiten und mit viel weniger mehr zu erreichen. Immer mehr Unternehmen suchen nach leistungsstarken, hochentwickelten Lösungen, die den Betrieb verbessern und rationalisieren, während Technologie und Gesellschaft sich weiterentwickeln.

Finance & Bankensektor – Erkennung von betrügerischen Aktivitäten

Viele Banken nutzen die verschiedenen Anwendungen der künstlichen Intelligenz, um betrügerische Aktivitäten zu erkennen. Eine sehr große Stichprobe von Daten wird an die KI-Software weitergegeben, die betrügerische und nicht betrügerische Käufe beinhaltet und darauf trainiert wird, anhand von Daten festzustellen, ob eine Transaktion gültig ist. Die Software wird im Laufe der Zeit sehr geschickt im Erkennen von betrügerischen Transaktionen, basierend allein auf dem, was sie zuvor gelernt hat.

Finanzdienstleistungsunternehmen nutzen KI-basierte Tools zur Verarbeitung natürlicher Sprache, um die Markenstimmung von Social Media-Plattformen zu analysieren und umsetzbare Ratschläge zu geben.

Investmentgesellschaften wie Aidya und Nomura Securities verwenden KI-Algorithmen, um autonom zu handeln, und Robo-Händler, um hochfrequente Geschäfte mit höheren Gewinnen durchzuführen.

Fintech-Firmen wie Kensho und ForwardLane nutzen KI-gesteuerte B2C-Roboter-Berater, um das Rebalancing von Entscheidungen und das Portfoliomanagement durch menschliche Analysten zu verbessern. Wealthfront verwendet KI-Algorithmen, um die Kontoaktivitäten zu verfolgen und Finanzberatern bei der Anpassung ihrer Ratschläge zu helfen.

Chatbots, die auf natürlicher Sprachverarbeitung basieren, können Bankkunden schnell und effizient bedienen, indem sie häufige Fragen beantworten und Informationen zeitnah bereitstellen.

Kundendienst

Viele Websites bieten jetzt eine Form der Chat-Funktion an, mit der Kunden mit einem Vertreter des Kundensupports oder des Vertriebs sprechen können. In den meisten Fällen werden diese Gespräche durch eine Form der automatisierten KI eingeleitet. Da diese KI-Chat-Bots in der Lage sind, die natürliche Sprache, d.h. das menschliche Gespräch, zu verstehen, können sie den Kunden helfen, herauszufinden, was sie wissen müssen, Informationen aus der Website zu extrahieren und sie zur weiteren Unterstützung auf die entsprechende Webseite oder Person zu leiten.

Cybersicherheit

Da Cyber-Angriffe immer häufiger auftreten und ausgefeiltere Tools eingesetzt werden, um die Cyberabwehr zu brechen, reichen menschliche Akteure oftmals nicht mehr aus. Top-Unternehmen auf der ganzen Welt investieren stark in Cybersicherheit, um ihre Daten zu schützen. Echtzeit-Erkennung von Bedrohungen, Eindämmung und idealerweise Prävention sind das, was Unternehmen immer häufiger benötigen. Mit Hilfe von Algorithmen des maschinellen Lernens und der Zuführung großer Datenmengen zu diesen Algorithmen sind IT- und Sicherheitsexperten in der Lage, die KI-Lösung zu lehren, das Verhalten zu überwachen, Anomalien zu erkennen, sich anzupassen und auf Bedrohungen und Warnungen zu reagieren.

Automatic Exploit Generation (AEG) ist ein Bot, der Sicherheitslücken in Softwarebugs identifiziert. Wenn eine Schwachstelle erkannt wird, wird sie automatisch durch den Bot gesichert. AEG-Systeme helfen bei der Entwicklung automatisierter Algorithmen zur Signaturgenerierung, die die Wahrscheinlichkeit von Cyberangriffen vorhersagen können.

Das Computer Science and Artificial Intelligence Laboratory (CSAIL) von PatternEx und MIT hat eine KI-Plattform namens AI2 entwickelt, die Cyberangriffe besser prognostiziert als bestehende Systeme.

Active Contextual Modeling, hat eine kontinuierliche Rückkopplungsschleife zwischen einem menschlichen Analysten und dem KI-System entwickelt, welches eine 10-Fach höhere Angriffserkennungsrate hat als reine Machine Learning Lösungen.

Die KI hat sich schnell zu einer Schlüsselkomponente in der Cybersicherheitsinfrastruktur von vielen Unternehmen entwickelt und ermöglicht eine robuste und anspruchsvolle mehrschichtige Sicherheitsstrategie.

Gesundheitsbranche

In der Gesundheitsbranche war die KI- und ML-Technologie besonders nützlich, da sie riesige Datenmengen erzeugt, mit denen trainiert werden kann, und es Algorithmen ermöglicht, Muster schneller zu erkennen als menschliche Analysten.

Medecision entwickelte einen Algorithmus, der 8 Variablen bei Patienten mit Diabetes erkennt, um festzustellen, ob ein Krankenhausaufenthalt notwendig ist.

Die App BillScreen verwendet eine Smartphone-Kamera, ML-Tools und Computer Vision-Algorithmen, um einen erhöhten Bilirubinspiegel in der Sklera (weißer Teil) einer Person zu erkennen, mit der Menschen auf Bauchspeicheldrüsenkrebs untersucht werden. Es gibt keine verräterischen Symptome dieses Krebses und deshalb hat er eine der schlechtesten Krebsprognosen.

NuMedii, ein biopharmazeutisches Unternehmen, hat eine Artificial Intelligence for Drug Discovery (AIDD)-Plattform entwickelt, die auf der Grundlage umfangreicher Daten und KI den Zusammenhang zwischen Krankheiten und Medikamenten auf Systemebene erkennt.

GNS Healthcare verwendet ML-Algorithmen, um die effektivsten Behandlungsmethoden für Patienten zu finden.

Produktion

Landing.ai behauptet, Machine Vision Tools entwickelt zu haben, um mikroskopische Defekte in Objekten wie Leiterplatten mit einem ML-Algorithmus zu erkennen, der mit kleinen Probenbildvolumina trainiert wurde. In Zukunft ist es möglich, selbstfahrende Roboter zu entwickeln, die Fertigprodukte bewegen können, ohne niemanden und nichts zu gefährden.

Roboter sind in Fabriken oft stationär, laufen aber dennoch Gefahr, gegen Objekte um sie herum zu prallen. Ein neues Konzept, das von der KI ermöglicht wird und kollaborative Roboter oder “Cobots” genannt wird, kann Anweisungen von Menschen, einschließlich Anweisungen, die bisher nicht dem Roboter ausgesetzt waren, aufnehmen und produktiv mit ihnen arbeiten.

KI-Algorithmen können die Lieferkette des verarbeitenden Gewerbes beeinflussen, indem sie Nachfragemuster über geografische, sozioökonomische Segmente und Zeiträume hinweg erkennen und die Marktnachfrage prognostizieren. Dies wiederum wirkt sich auf die Lagerhaltung, die Beschaffung von Rohstoffen, Finanzierungsentscheidungen, die Personalausstattung, den Energieverbrauch und die Instandhaltung der Anlagen aus.

KI-Tools helfen bei der Vorhersage von Fehlfunktionen und Ausfällen von Anlagen und ergreifen oder empfehlen vorbeugende Maßnahmen sowie bei der Überwachung der Betriebsbedingungen und der Leistung der Anlagen.

Supply Chain

Algorithmen des maschinellen Lernens können die Verwaltung ihres Inventars durch den Einzelhandel und andere Unternehmen verbessern. Es kann Anfragen zum Nachfüllen automatisieren und die Lieferketten optimieren. Sie können Ihre Bestandsmanagement- und Lieferkettenentscheidungen an KI-basierte Anwendungen übergeben. Große KI-Anbieter wie IBM investieren stark in das Management der Lieferkette. KI im Bereich der Supply-Chain-Optimierung unterstützt Unternehmen bei der Verwaltung und Erfüllung Ihrer Auftragsautomatisierung.

Künstliche Intelligenz ist in der Natur komplex. Es verwendet eine sehr komplizierte Mischung aus Informatik, Mathematik und anderen komplexen Wissenschaften. Die Technologie hilft dabei kognitive Fähigkeiten von Menschen zu replizieren.

1. Verbesserung des individuellen Einkaufserlebnisses

   Die Bereitstellung von maßgeschneidertem Marketing erhöht das Engagement, trägt zur Kundenbindung bei und verbessert den Umsatz. Einer der Vorteile der Verwendung von KI ist, dass sie Muster in dem Browserverhalten und im Kaufverhalten der Kunden identifizieren kann. AI ist in der Lage, hochpräzise Angebote für einzelne Kunden zu erstellen, indem es Millionen von Transaktionen nutzt, die in der Cloud gespeichert und analysiert werden.

2. Automatisierung von Kundeninteraktionen

   Die meisten Kundeninteraktionen erfordern derzeit eine menschliche Beteiligung, wie E-Mails, Online-Chat, Social Media-Gespräche und Telefonate. Die KI ermöglicht es Unternehmen jedoch, diese Kommunikation zu automatisieren. Es ist möglich, Computer so zu programmieren, dass sie genau auf Kunden reagieren und ihre Anfragen bearbeiten, indem sie die Daten aus früheren Kommunikationen analysieren. Je mehr die KI-Plattformen interagieren, desto besser werden sie (speziell im Bereich des maschinellen Lernens). Ein Beispiel dafür sind KI-Chatbots, die im Gegensatz zu Menschen gleichzeitig mit unbegrenzten Kunden interagieren und sowohl reagieren als auch die Kommunikation initiieren können, egal ob auf einer Website oder einer App. Es wird geschätzt, dass intelligente Maschinen, die in der Lage sind, menschliche Funktionen zu replizieren, bis 2020 85 Prozent aller Kundeninteraktionen übernehmen werden.

3. Echtzeit-Assistenz

   Die KI ist auch für Unternehmen nützlich, die täglich mit einem hohen Kundenaufkommen kommunizieren müssen. So können beispielsweise Unternehmen der Transportbranche, Buss-, Bahn- und Fluggesellschaften, die täglich Millionen von Passagieren transportieren, über die KI in Echtzeit interagieren, um personalisierte Reiseinformationen wie z.B. Verspätungsanzeigen zu versenden. So tracken beispielsweise einige Busunternehmen bereits ihren Busstandort und nutzen die KI, um Reisenden in Echtzeit Informationen darüber zu geben, wo sich der Bus entlang seiner Strecke befindet und welche Ankunftszeit er voraussichtlich hat. Wichtig ist hierbei zu betonen, dass einige der Möglichkeiten, bereits seit Jahren vorhanden sind. Systeme die KI-Technologien nutzen sind allerdings effizienter und präziser.

4. Data Mining

   Einer der größten Vorteile der Verwendung von Cloud-basierter KI besteht darin, dass Anwendungen der künstlichen Intelligenz wichtige und relevante Ergebnisse bei der Datenverarbeitung schnell entdecken können. Dies kann Unternehmen bisher unentdeckte Erkenntnisse liefern, die ihnen helfen können, einen Marktvorteil zu erhalten.

5. Betriebsautomatisierung

   Die KI ist in der Lage, andere Technologien zu steuern, die die Automatisierung des Geschäftsbetriebs erhöhen. So kann die KI beispielsweise intelligente Heizungen nutzen, um ideale Temperaturen aufrecht zu erhalten. Genauso können sich bereits im Einsatz befindende Roboter kontrolliert werden (vorausgesetzt Sie sind miteinander vernetzt). In Japan dienen human aussehende Roboter heute als Empfangsdamen in einigen Hotels in den Ländern, die das Einchecken automatisieren, Dienstleistungen buchen und Kundenanfragen bearbeiten (in vier Sprachen). Im Einzelhandel ist die KI zur Bestandsverfolgung auch mit RFID und Cloud-Technologie verknüpft.

6. Bessere Prognosen

   Ein weiterer Vorteil der KI ist die Möglichkeit, datenanalysebasierte Ergebnisse vorherzusagen. So erkennt sie beispielsweise Muster in den Kundendaten, die zeigen können, ob und in welchen Mengen die aktuellen Produkte voraussichtlich verkauft werden. Sie kann auch vorhersagen, wann die Nachfrage nachlassen wird. Dies kann sehr nützlich sein, um einem Unternehmen zu helfen die richtigen Mengen zu kaufen. Es wird prognostiziert, dass die Tage der saisonalen Verkäufe innerhalb von 10 Jahren vorbei sein werden, weil die Optimierung von Restbeständen diese auf ein Minimum reduzieren wird. Nicht nur im Einzelhandel ist diese Fähigkeit zur Vorhersage nützlich. KI wird auch in vielen anderen Bereichen eingesetzt, wie z.B. im Bankwesen, wo Währungs- und Aktienkursschwankungen vorhergesagt werden können, oder im Gesundheitswesen, wo sie Infektionsausbrüche äußerst präzise vorhersagen kann, indem sie Social Media Beiträge analysiert.

7. Personalrekrutierung

   KI Technologien können Unternehmen dabei helfen, die Rekrutierung neuer Mitarbeiter zu automatisieren. Sie kann Bewerbungen schnell durchgehen und lehnt automatisch Bewerbungen ab, die nicht den individuellen Vorgaben des Unternehmens entsprechen. Dies spart nicht nur Zeit (oder Geld für eine Personalvermittlung), sondern stellt auch sicher, dass der Auswahlprozess nicht diskriminierend, oder verzerrend verläuft. Die verfügbaren KI-Programme können sogar die vielen administrativen Aufgaben der Personalbeschaffung übernehmen

Das Beobachten, Lernen und Experimentieren mit aktuellen KI-Technologien ist die eine gute Vorgehensweise, um eine Implementierungs-Strategie zu definieren. Das wird dabei helfen teure und ineffektive KI-Technologien zu vermeiden. Versuchen Sie herauszufinden, wie KI Ihrem Unternehmen zugutekommen und wie sie in die Kernprozesse integriert werden kann. Um Ihre IT-Umgebung zu modernisieren, beginnen Sie mit den Ergebnissen, die Sie erzielen wollen. Denken Sie daran, dass die KI in naher Zukunft nicht unbedingt menschliche Betreiber ersetzen wird, aber sie wird Unternehmen und ihre Mitarbeiten befähigen, deutlich mehr in kürzerer Zeit zu erreichen.

Nachfolgend haben wir mögliche Schritte beschrieben, die bei der Implementierung von KI-Technologie helfen können.

1. Zusammenführung von Experten

   Der erste Schritt besteht darin, Experten zu finden (intern und/oder extern), die Unternehmen dabei helfen können die Potenziale von KI-Technologien für das eigene Unternehmen zu identifizieren und umzusetzen.

2. Wählen Sie Prozesse aus die eine KI ausführen soll

   Ein Unternehmen muss evaluieren welche Prozessen, automatisiert bzw. unterstützt werden können. Sobald das erfolgt ist macht es Sinn zu evaluieren, wie Menschen bisher Entscheidungen getroffen haben, die von einer KI zukünftig unterstützt, bzw. übernommen werden sollen. Die daraus resultierenden Prozesslandschaften dienen als Vorlage für die KI-Implementierung.

3. Bestimmen Sie, wie Entscheidungsprozesse verfolgt oder gespeichert werden sollen

   Welche Informationen brauchen Menschen, um gewisse Entscheidungen zu treffen? Wie können die Informationen, mit denen Menschen eine Entscheidung treffen, in Daten umgewandelt werden?

   Fragen dieser Art werden Ihnen dabei helfen dabei helfen Entscheidungsprozesse zu identifizieren. Darüber hinaus macht es Sinn zu skizzieren welche nicht-menschlichen Daten die KI verwenden kann, um Entscheidungen zu treffen.

Unternehmen, die schnell Anwendungsmöglichkeiten für künstliche Intelligenz implementieren, werden in der Zukunft mit hoher Wahrscheinlichkeit Wettbewerbsvorteile erzielen. Da sich die KI jedoch schnell weiterentwickelt, besteht die Herausforderung darin, sicherzustellen, dass das Unternehmen über die notwendigen Strategien und Pläne verfügt, um die KI-Funktionen zu unterstützen, sobald sie verfügbar sind. Darüber hinaus muss gewährleistet werden, dass die richtige technische Infrastruktur zur Unterstützung der KI-Implementierung bereit steht. Für viele Unternehmen geht es nicht darum, ob sie KI einführen wollen, sondern wann. Auf dieser Grundlage ist eine Überwachung der Entwicklung der KI-Technologie und -Planung schon lange im Voraus erforderlich.