Künstliche Intelligenz (KI, engl. auch AI für Artificial Intelligence): Mit Künstlicher Intelligenz werden Technologien beschrieben, die kognitive Kompetenzen imitieren, zu denen bisher nur Menschen fähig waren. Dazu zählt zum Beispiel strategisches Denken oder sprachliche Fähigkeiten. Oft können dadurch Mitarbeitende bei repetitiven und zeitaufwändigen Tätigkeiten unterstützt werden, die zuvor viel Aufmerksamkeit erforderten. KI, die heute eingesetzt wird, löst konkrete Probleme in einem fest beschriebenen Setting mit Methoden, „die für die jeweiligen Anforderungen entwickelt und optimiert werden“ [1] (sog. schwache KI, engl. weak AI/narrow AI) und versuchen nicht den Menschen zu imitieren (sog. starke KI). Die Beschäftigung mit Künstlicher Intelligenz reicht bis in die 1930er zurück, sinnvoll wurden die Systeme jedoch erst mit der großen Datenverfügbarkeit und Rechenleistung der letzten Jahre.
Maschinelles Lernen (ML): Maschinelles Lernen ist ein Teilbereich von Künstlicher Intelligenz. Es wird oft Synonym mit KI verwendet, stellt allerdings nur ein wichtiges Teilgebiet dar, in welchem Zusammenhänge aus Daten selbständig gelernt werden. Drei Arten gibt es dabei:
- Beim überwachten Lernen wird ein Algorithmus mit beispielhaften Ein- und Ausgaben „gefüttert“. Indem die Ausgaben des Algorithmus mit den wahren Ausgaben verglichen werden, lernt das Verfahren, auch Ausgaben zu unbekannten Eingaben vorauszusagen (z. B. Klassifikation von neuen Eingaben).
- Unüberwachtes Lernen zielt auf die Erkennung von Mustern in Daten ab. Dafür erhält ein Algorithmus Eingaben und erstellt daraus ein Modell, welches die inneren Zusammenhänge abbildet (z. B. Ähnlichkeiten).
- Beim bestärkenden Lernen lernt ein Algorithmus durch Belohnung und Bestrafung (in Form von Zahlenwerten wie dem Score eines Computerspiels) selbst, welche Aktionen zu welchem Zustand am sinnvollsten sind, um ein bestimmtes Ziel zu erreichen.
Deep Learning (DL, dt.: mehrschichtiges/tiefes Lernen): Deep Learning ist eine Methode des Maschinellen Lernens, bei der ein Algorithmus mithilfe von künstlichen neuronalen Netzen lernt, Zusammenhänge in besonders großen Datenmengen zu erkennen bzw. abzubilden.
Künstliche neuronale Netze: Diese orientieren sich am menschlichen Gehirn, um auf ähnliche Weise komplexe Zusammenhänge abbilden zu können. Einfache Operationen werden von einzelnen Neuronen durchgeführt. Werden diese zu hunderten, tausenden oder mehr zusammengehängt, können gemeinsam sehr komplexe Zusammenhänge gelernt und abgebildet werden.
So funktioniert’s:
Eine Art KI-Systeme zu betrachten, ist als sogenannter Softwareagent. Dieser nimmt (wie der Mensch) auch bestimmte Aspekte der Umwelt wahr und wirkt sich wiederum auf diese aus (s. Abbildung). Der Unterschied zum Menschen: Das KI-System wird durch Sensorik in Maschinen, ERP-Systemen, Customer-Relationship-Management-Systemen bis hin zu Internet-Daten gespeist. Mittels mathematischer und informatischer Methoden können KI-Systeme dann folgende Funktionen erfüllen:
- Beurteilung von Wahrnehmungen
- Ableitung von weiterführenden Schlussfolgerungen
- Ableitung und Ausführung von Aktionen
© VDMA Bayern
Der Leitfaden „Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand“ vom VDMA Bayern geht ausführlicher auf die Punkte ein und hilft bei der Umsetzung von KI in mittelständischen Unternehmen. Einer der Autor*innen ist unser KI-Trainer Marcus Röhler vom Fraunhofer IGCV.
Quelle: [1] Leitfaden Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand der Projektpartner VDMA Bayern, Fraunhofer IGCV und Technische Universität München (2020)