Künstliche Intelligenz
Die Künstliche Intelligenz ist ein Teilgebiet der Angewandten Informatik, das sich mit dem Automatisieren von intelligentem Verhalten befasst.
Die Aufgabe der KI ist es einen Computer so zu programmieren, dass dieser eigenständig Probleme löst.
Diese Probleme sind für Menschen im Allgemeinen leicht, die Lösung lässt sich aber schwer oder gar nicht durch Regeln darstellen.
Für uns ist es beispielsweise einfach den Inhalt eines Bildes zu beschreiben. Für einen Computer ist das eine sehr anspruchsvolle Aufgabe. Trotz fortschrittlicher Softwarekonzepte sind diese Dinge nicht auf herkömmliche Weise zu programmieren. Ein ähnliches Problem ist das Ansteuern eines autonomen Roboters. Es ist nahezu unmöglich alle möglichen Situationen fest in eine Software zu implementieren. Selbst eine einfache Mustererkennung von Handschriften ist auf Basis von vordefinierten Regeln zum Scheitern verurteilt.
Die Künstliche Intelligenz ist heute ein riesiger Zukunftsmarkt. Mit Wachstumszahlen von bis zu 50 Prozent pro Jahr steht dieses Gebiet im Zentrum der digitalen Wirtschaft. KI ist kein Selbstzweck, sondern das strategische Schlüsselthema der Zukunft. Der Nutzen des Kunden steht im Zentrum dieser Entwicklung.
Das Verstehen und Begreifen der Bedürfnisse der Kunden ergibt einen bedeutenden Wettbewerbsvorteil. KI stellt ausschließlich die Methodiken zur Verfügung, diesen Kundennutzen in echte Produkte umzusetzen. Heute entsteht durch das Verschmelzen von traditionellen Technologien mit den Methoden der KI ein riesiges Potential für Innovationen. Die wertvollsten Firmen der Welt verdanken ihren Erfolg KI-basierten Softwarelösungen.
Für uns ist es beispielsweise einfach den Inhalt eines Bildes zu beschreiben. Für einen Computer ist das eine sehr anspruchsvolle Aufgabe. Trotz fortschrittlicher Softwarekonzepte sind diese Dinge nicht auf herkömmliche Weise zu programmieren. Ein ähnliches Problem ist das Ansteuern eines autonomen Roboters. Es ist nahezu unmöglich alle möglichen Situationen fest in eine Software zu implementieren. Selbst eine einfache Mustererkennung von Handschriften ist auf Basis von vordefinierten Regeln zum Scheitern verurteilt.
Die Künstliche Intelligenz ist heute ein riesiger Zukunftsmarkt. Mit Wachstumszahlen von bis zu 50 Prozent pro Jahr steht dieses Gebiet im Zentrum der digitalen Wirtschaft. KI ist kein Selbstzweck, sondern das strategische Schlüsselthema der Zukunft. Der Nutzen des Kunden steht im Zentrum dieser Entwicklung.
Das Verstehen und Begreifen der Bedürfnisse der Kunden ergibt einen bedeutenden Wettbewerbsvorteil. KI stellt ausschließlich die Methodiken zur Verfügung, diesen Kundennutzen in echte Produkte umzusetzen. Heute entsteht durch das Verschmelzen von traditionellen Technologien mit den Methoden der KI ein riesiges Potential für Innovationen. Die wertvollsten Firmen der Welt verdanken ihren Erfolg KI-basierten Softwarelösungen.
Aus einem Stilbild ("Sternennacht") und einem Eingabebild (Campus Tuttlingen) erzeugt das neuronale Netz ein Bild der Eingabeszene in diesem Stil.
Erfolgsfaktoren für KI-Projekte
1Lernorientierte Firmenkultur
Hinterfragen der aktuellen Methoden und des existierenden empirischen Wissens.
Notwendig für die Integration der Ergebnisse aus KI-Projekten in die organisatorischen Strukturen und Geschäftsprozesse.
2Mit den Kunden reden
Optimales Zusammenspiel aus Domänenfachleuten, Datenexperten und Anwendern.
KI-basierte Produkte müssen in einem produktiven Umfeld Sinn ergeben und eine nutzerfreundliche Bedienung besitzen.
3Ausreichende Menge an Daten
Verstehen der existierenden und potentiell erzeugbaren Datenmengen für einen Anwendungsfall.
Investition in flexible und skalierbare IT - Infrastruktur im Unternehmen.
4Ohne Programmierer geht nichts
Ca. 80 % der Zeit in einem KI-Projekt benötigt das Sammeln und Aufbereiten der Daten.
Investition in die Aus- und Weiterbildung von Programmieren benötigt Geld und Zeit.
5Leistungsfähige KI-Frameworks
Programmiersprache Python mit Paketen wie Tensorflow und Keras sind kostenlose Standardwerkzeuge.
Lernen von kleinen und sinnvollen Anwendungsfällen, erst später skalieren.
6KI kann kein Mathe!
Verstehen der mathematischen Lernmodelle und algorithmischen Methoden hinter KI.
Aufbau interner KI - Experten mit Anwendungs- und Umsetzungsexpertise.
Wie Maschinen lernen
Das maschinelle Lernen verleiht Maschinen die Fähigkeit zum Lernen und zum selbstständigen Verbessern seiner Fähigkeiten. Eine Maschine lernt dabei automatisch Wissen aus einer großen Menge von Trainingsdaten, wie Bild-, Sensor- oder Textdaten. Anschließend ist das System in der Lage die gelernten Dinge auf neue Probleme anzuwenden. Auf diese Weise sind Maschinen in der Lage ihre Arbeitsweise selbstständig mit weiteren Daten kontinuierlich zu verbessern. Maschinelles Lernen steuert heute autonome Roboter, analysiert medizinische Bilddaten oder erstellt Prognosen für den Ausfall von Maschinen. Mit Hilfe von eingebauten Sensoren kann ein intelligentes System seine Umgebung erkennen, sich an neue Umwelteinflüsse anpassen und sein Verhalten ohne menschliches Zutun optimieren.Überwachtes Lernen
(Lernen mit Lehrer)
Das überwachte Lernen erfolgt über eine Menge von klassifizierten Trainingsbeispielen. Der Begriff "überwacht" beschreibt die Tatsache, dass zu jedem Beispiel die zugehörige Lösung in Form eines Labels bekannt ist. Das Lernverfahren wird mit den Trainingsdaten angelernt, um anschließend gewisse Vorhersagen über unbekannte Daten zu treffen. Das überwachte Lernen hat die Aufgabe die Eingaben mit minimalen Fehlern auf die passenden Ausgaben abzubilden.
Unüberwachtes Lernen
(Lernen ohne Lehrer)
Beim unüberwachten Lernen sind die Trainingsdaten nicht gelabelt. Das Lernen erfolgt auf Basis von Mustern, bei denen kein explizites Feedback in Form von klassifizierten Daten bereit steht. Das überwachte Lernen hat die Aufgabe die unbekannte Struktur aus den Daten herauszufinden und zentrale Zusammenhänge aus den Daten zu extrahieren. Beispiele für unüberwachtes Lernen ist das Komprimieren von Daten oder das Finden von Clusterstrukturen.
Bestärktes Lernen
(Lernen mit Kritiker)
Im bestärkten Lernen erfolgt das Lernen in Form von Belohnungen oder Bestrafungen. Auf diesem Weg werden gute Aktionen belohnt und schlechte Aktionen bestraft. Das bestärkte Lernen verbessert seine Leistungen durch Interaktionen mit seiner Umgebung. Das System ist damit in der Lage flexibel auf die vorliegende Situation mit der besten Strategie zu reagieren. Mit der Rückmeldung des Kritikers bekommt das System Feedback, wie gut etwas gemacht wurde.
KI in industriellen Anwendungen
Selbstorganisierende Produktion
Intelligente Verfahren verbessern die Wertschöpfungskette durch die Digitalisierung der gesamten Produktionslinie.
Intelligente
Automatisierung
Algorithmen prüfen Anforderungen, erstellen Ablaufpläne und führen die notwendigen Prozessschritte automatisch aus.
Selbstlernende
Assistenzsysteme
Intelligente Systemdiagnose im Kundendienst bestimmen die Wahrscheinlichkeit potentieller Fehlerquellen bei Störung.
Vorausschauende
Wartung
Algorithmen überwachen mit Sensoren alle Vorgänge in Maschinen und bestimmen die optimalen Wartungszeitpunkte.
Systemübergreifendes Qualitätsmanagement
Systemübergreifend handeln ist erst möglich, wenn statt isolierter Produkte die gesamten Prozesse im Fokus stehen.
Optimierung von Kundenbeziehungen
Maschinelle Lernverfahren sagen das Verhalten der Kunden voraus und erstellen individuelle Angebote nach deren Bedürfnisse.
