Künstliche Intelligenz, ein langer steiniger Weg zum Erfolg
Die Verfügbarkeit hoch performanter Rechenressourcen und insbesondere deren einfacher Zugang mittels Cloud-Technologien und öffentlichen Cloud-Angeboten hat in den letzten Jahren zu einer Renaissance der Künstlichen Intelligenz (KI) geführt. Dies ist umso bedeutender, da die Disziplin der Künstlichen Intelligenz bereits (mindestens) zweimal ein großes Tal der Tränen durchleben musste. Der erste sogenannte KI-Winter brach in den 1970er Jahren herein, nachdem die Limitationen von Perzeptronen (der damals überwiegend untersuchten Form Neuronaler Netze) von Minsky und Papert aufgezeigt wurden. Zu Beginn der 1980er Jahre standen dann Expertensysteme im Fokus des Interesses.
Diese sorgten jedoch abermals für überzogene Erwartungen durch Versprechungen bahnbrechender Hilfestellungen und gar Automatisierungen beispielsweise in der Medizin. Das Resultat war der zweite KI-Winter, in dem Fördergelder und Investitionen in den Bereich Künstliche Intelligenz abermals um Größenordnungen zurückgingen. 30 Jahre später befinden wir uns nunmehr wieder in einer Phase großer Erwartungen an diese Technologie, da insbesondere der Fortschritt im Bereich der Prozessorfertigung und die damit einhergehende immense verfügbare Rechenleistung auch dazu geführt hat, dass Künstliche Intelligenz nicht mehr nur in hochtechnologisierten Unternehmen versteckt Anwendung findet, sondern für jeden von uns im Alltag erlebbar wird – man denke nur an die Automatisierung von Alltagsaufgaben mittels Digitaler Assistentinnen wie Siri oder Alexa bzw. die Erkennung von Personen auf Fotos in sozialen Netzwerken.
Für die Industrie geht es in den nächsten Jahren darum, Ansätze und Verfahren der Künstlichen Intelligenz als Innovationstreiber in neue Produkte einfließen zu lassen. Darüber hinaus gilt es, die Möglichkeiten von KI für strategische Effizienzsteigerungen in Geschäftsprozessen wie z.B. der Fertigung zu heben. Dafür ist es notwendig, KI als Schlüssel- und Querschnittstechnologie zu begreifen und sich schon heute mit den Chancen für das eigene Unternehmen zu beschäftigen denn darüber, dass KI eine der wichtigsten Zukunftstechnologien darstellt, sind sich die meisten Unternehmen in Deutschland einig (vgl. Bitkom Report). Interessanterweise tun sich aber viele Unternehmen damit schwer, eigene Chancen durch KI zu identifizieren wobei sie sich gleichzeitig durch deren Einsatz vor allem durch ausländische Mitbewerber bedroht fühlen.
Dies liegt wohl daran, dass viele KI als überwältigende und gleichzeitig nebulöse Zukunftstechnologie wahrnehmen, die sie selbst noch nicht durchdrungen haben. Dabei mangelt es sehr oft vor allem in der Führungsebene an einem klaren Verständnis des Themas, was sicherlich vor allem mit dem schieren Wirrwarr an Fachbegriffen zu tun hat, das derzeit durch Fachpresse, Konferenzen und zahlreiche Meetups geht. Denn sind wir einmal ehrlich, wenn Sie schon einmal versucht haben, sich über KI zu informieren, dann dürfte es sicherlich nicht lange gedauert haben, bis Sie sich in einem Dschungel an Buzzwords und Fachtermini wie Machine Learning, Deep Learning, Neuronale Netze, Supervised– und Unsupervised Learning, Reinforcement Learning etc. verlaufen haben. Klar, wer wünscht sich da nicht einen Kompass zur Hand, der einem den Weg aus dem Dickicht zeigt.
Genau deshalb haben wir eine Serie an Blogeinträgen aufgesetzt, die das Thema Künstliche Intelligenz und Machine Learning zugänglich präsentieren und bei der Einordnung der verschiedenen Begrifflichkeiten, Methoden und Verfahren helfen.
Der erste Beitrag ordnet die Begriffe Künstliche Intelligenz und maschinelles Lernen genauer ein und zeigt vor allem auf, wie diese Themen zusammenwirken und aufeinander aufbauen.
> Teil 1: Künstliche Intelligenz und maschinelles Lernen am Beispiel “Predictive Maintenance”