Was ist künstliche Intelligenz?
Künstliche Intelligenz (KI) ist eine Technologie, die Maschinen zu menschenähnlichen Denkweisen und Kompetenzen wie autonomer Entscheidungsfindung befähigt. Durch die Verarbeitung großer Mengen an Trainingsdaten lernt die KI, Sprache zu erkennen, Muster und Trends aufzudecken, Probleme proaktiv zu lösen und zukünftige Bedingungen und Ereignisse vorherzusagen.
Überblick über künstliche Intelligenz
Künstliche Intelligenz ist eine der transformativsten Technologien der jüngeren Zeit. Zudem ist sie eine der rasantesten technologischen Umwälzungen aller Zeiten. Aber was ist KI wirklich – und was bringt sie Unternehmen?
Der Begriff „künstliche Intelligenz“ fiel erstmals 1956 auf einer wissenschaftlichen Tagung am renommierten Dartmouth College. Marvin Minsky, einer der Stammväter der KI, beschrieb sie als „die Wissenschaft davon, Maschinen dazu zu bringen, Dinge zu tun, deren Ausführung beim Menschen Intelligenz voraussetzt“.
Während diese Definition im Kern auch heute noch gilt, haben sich moderne KI-Systeme weiterentwickelt und zeigen Problemlösungsfähigkeiten bei Aufgaben wie visueller Wahrnehmung, Spracherkennung, Planung, Entscheidungsfindung und Übersetzung zwischen Sprachen. Sie können Terabytes an Daten und Erkenntnissen in Echtzeit verarbeiten und erweisen sich als agile, reaktionsschnelle Technologien, die die Fähigkeiten menschlicher Anwender:innen erweitern und die Effizienz, Produktivität und Zufriedenheit am Arbeitsplatz steigern.
Arten künstlicher Intelligenz
Ein KI-System ist keine einzelne Technologie. Vielmehr umfasst es eine Reihe von Technologien, die kombiniert werden können, um verschiedene Arten von Aufgaben zu erfüllen. Diese Aufgaben können sehr spezifisch sein, z. B. zu verstehen, welche Sprache gesprochen wird, und angemessen zu reagieren, oder sehr allgemein, z. B. jemandem bei der Planung eines Urlaubs mit Reisevorschlägen zu helfen. Aber all die verschiedenen Arten von Technologien zu verstehen, die Teil von KI sind, ist heutzutage kaum noch zu bewältigen. Sehen wir uns nachfolgend die Grundlagen an.
Drei Hauptarten von KI
Grundsätzlich gibt es drei Kategorien von KI:
Schwache KI (Narrow oder Weak AI): Ein KI-System, das für die Ausführung einer bestimmten Aufgabe bzw. mehrerer Aufgaben entwickelt wurde. Diese Art von KI wird in aktuellen Anwendungen eingesetzt. Sie wird nicht als schwach bezeichnet, weil es ihr an Leistungsfähigkeit oder Potenzial mangelt, sondern weil sie weit davon entfernt ist, über das menschliche Verständnis oder Bewusstsein zu verfügen, das wir mit wahrer Intelligenz in Verbindung bringen. Der Umfang dieser Systeme ist begrenzt, und sie können keine Aufgaben außerhalb ihres spezifischen Bereichs ausführen. Beispiele für eine schwache KI sind Sprachassistenten, Gesichts- und Spracherkennung sowie selbstfahrende Autos.
Allgemeine KI (auch als starke KI bezeichnet; General oder Strong AI): Theoretisch ein KI-System, das jede intellektuelle Aufgabe, die ein Mensch bewältigen kann, erfolgreich ausführen kann – möglicherweise sogar besser als ein Mensch. Wie Systeme mit schwacher KI wären auch Systeme mit starker KI in der Lage, aus Erfahrungen zu lernen und Muster zu erkennen und vorherzusagen. Sie können jedoch noch einen Schritt weiter gehen und dieses Wissen auf eine Vielzahl von Aufgaben und Situationen übertragen, die durch zuvor erfasste Daten oder vorhandene Algorithmen nicht abgedeckt werden. Eine allgemeine KI gibt es noch nicht, obwohl auf diesem Gebiet Forschungs- und Entwicklungsarbeiten mit einigen vielversprechenden Fortschritten laufen.
Superintelligente KI: Ein KI-System, das als vollständig eigenständig definiert wird und die Intelligenz des Menschen übertrifft. Theoretisch wären diese Systeme in der Lage, sich selbst zu optimieren und Entscheidungen mit übermenschlicher Intelligenz zu treffen. Eine superintelligente KI würde menschliches Verhalten nicht einfach nur nachahmen oder erkennen, sondern es auf einer fundamentalen Ebene erfassen. Mit diesen menschlichen Eigenschaften ausgestattet – und zusätzlich unterstützt durch massive Verarbeitungs- und Analysefähigkeiten – könnte es die Fähigkeiten des Menschen bei Weitem übertreffen. Ein superintelligentes KI-System könnte den Lauf der Menschheitsgeschichte verändern, existiert aber derzeit nur in der Science-Fiction, und bisher ist kein Verfahren bekannt, mit dem sich dieses KI-Niveau erreichen ließe.
Wie funktioniert künstliche Intelligenz?
Neben den grundlegenden Klassifizierungen – schwache, allgemeine und superintelligente KI – gibt es mehrere weitere unterschiedliche und miteinander verbundene Ebenen der künstlichen Intelligenz.
Machine Learning (ML) ist ein Teilbereich der KI, der es Computersystemen ermöglicht, aus Erfahrungen oder Daten zu lernen und sich so weiterzuentwickeln. Dazu werden Elemente aus Bereichen wie Informatik, Statistik, Psychologie, Neurowissenschaften und Wirtschaftswissenschaften einbezogen. Durch die Anwendung von Algorithmen auf verschiedene Lernmethoden und Analysetechniken kann ML automatisch aus Daten und Erfahrungen lernen und sich verbessern, ohne dass es explizit dafür programmiert werden muss. In Unternehmen kann maschinelles Lernen eingesetzt werden, um Ergebnisse auf der Grundlage der Analyse großer, komplexer Datensätze vorherzusagen.
Neuronale Netze sind ein grundlegender Bestandteil der künstlichen Intelligenz, inspiriert von der Struktur und Funktionsweise des menschlichen Gehirns. Diese vielschichtigen Rechenmodelle haben Knoten, die wie die Neuronen in einem biologischen Gehirn miteinander verbunden sind. Jedes künstliche Neuron nimmt Input entgegen, führt mathematische Operationen damit aus und erzeugt einen Output, der dann über eine schnelle, parallele Verarbeitung an nachfolgende Schichten von Neuronen weitergeleitet wird. Während des Trainings passen neuronale Netze die Stärke der Verbindungen zwischen Neuronen auf der Grundlage von Beispielen in den Daten an. So können sie Muster erkennen, Vorhersagen treffen und Probleme lösen. Je nach Aufgabe und Art der Daten wenden sie verschiedene Methoden an, um aus Daten zu lernen. Neuronale Netze haben in verschiedenen Bereichen Anwendung gefunden, z. B. in der Bild- und Spracherkennung, der Verarbeitung natürlicher Sprache, der Modellierung, bei autonomen Fahrzeugen und mehr.
Deep Learning (DL) ist ein datenzentrierter Teilbereich des Machine Learning, bei dem neuronale Netze mit mehreren (tiefen) Schichten verwendet werden, um aus riesigen Datenmengen Merkmale zu lernen und zu extrahieren. Diese tiefen neuronalen Netze können automatisch komplizierte Muster und Beziehungen in den Daten erkennen, die für Menschen nicht sofort offensichtlich sind, und ermöglichen so genauere Vorhersagen und Entscheidungen. Deep Learning ist hervorragend für Aufgaben wie Bild- und Spracherkennung, Verarbeitung natürlicher Sprache und Datenanalyse geeignet. Durch die Nutzung der hierarchischen Struktur tiefer neuronaler Netze hat das Deep Learning viele Bereiche revolutioniert, darunter das Gesundheitswesen, die Finanzwelt und autonome Systeme.
Generative KI (GenAI) ist eine Art des Deep Learning, bei der Grundmodelle wie Large Language Models (LLMs) verwendet werden, um auf der Grundlage ihrer Trainingsdaten völlig neue Inhalte zu erstellen – darunter Bilder, Texte, Tonmaterial, Videos und Softwarecode. Generative KI ist ein Sammelbegriff für verschiedene Grundmodelltechnologien – neuronale Netze, die mithilfe von selbstüberwachtem Lernen mit riesigen Datenmengen trainiert werden, z. B. um das nächste Wort in einem Text vorherzusagen. Die sich herausbildenden Fähigkeiten stellen einen Durchbruch in der KI dar: Ein Modell ist mitunter in der Lage, sowohl Gedichte als auch Geschäftsdokumente zu verfassen, Bilder zu erstellen und Argumentationstests zu bestehen. Stellen Sie sich das Ergebnis von zwei LLMs vor, von denen eines ausschließlich auf wissenschaftliche Zeitschriften und das andere auf Science-Fiction-Romane trainiert wurde. Beide können kurz beschreiben, wie sich Objekte im Raum bewegen, aber die Beschreibungen würden sich drastisch unterscheiden. Generative KI hat viele geschäftliche Anwendungen, wie z. B. die Erstellung realistischer Produktprototypen, das Führen natürlicher Gespräche im Kundenservice, die Gestaltung personalisierter Marketingmaterialien, die Automatisierung von Prozessen zur Entwicklung von Inhalten und die Erstellung von Grafiken und Spezialeffekten. Sowohl Unternehmen als auch Verbraucher:innen haben generative KI mit einer bemerkenswerten Geschwindigkeit angenommen. Das ist darauf zurückzuführen, dass für die Nutzung vieler generativer KI-Anwendungen keine Programmierkenntnisse erforderlich sind. Die Benutzer:innen beschreiben einfach in normaler Sprache, was sie wollen, und die Anwendung führt die Aufgabe aus – oft mit beeindruckenden Ergebnissen. Ein McKinsey-Bericht kommt für das Jahr 2023 zu folgenden Ergebnissen:
33 % der Unternehmen setzen in mindestens einer Geschäftsfunktion regelmäßig generative künstliche Intelligenz ein.
40 % der Unternehmen werden ihre Investitionen in KI aufgrund von generativer KI erhöhen.
60 % der Unternehmen, die KI einsetzen, verwenden bereits generative KI.
KI-Anwendungen
Hier einige weitere Beispiele dafür, wie KI die Art und Weise verändert, wie Menschen arbeiten, lernen und mit Technologie interagieren:
Robotik
Robotik wird seit Jahren in der Fertigung eingesetzt, aber vor der Einführung von KI mussten Kalibrierung und Neuprogrammierung manuell durchgeführt werden – und das in der Regel erst, nachdem etwas nicht mehr funktionierte. Durch den Einsatz von KI – häufig in Form von Sensoren für das Internet der Dinge (IoT) – konnten Hersteller den Umfang, das Volumen und die Art der Aufgaben, die ihre Roboter ausführen können, erheblich erweitern und gleichzeitig ihre Genauigkeit verbessern und Ausfallzeiten reduzieren. Zu den gängigen Beispielen für KI-gestützte Robotik gehören Kommissionierroboter in Lagern und landwirtschaftliche Roboter, die Nutzpflanzen zum optimalen Zeitpunkt bewässern.
Computer Vision
Computer Vision ist die Fähigkeit von Computern, den Inhalt digitaler Bilder und Videos zu „sehen“ und zu verstehen. Computer-Vision-Anwendungen können mithilfe von Sensoren und Lernalgorithmen komplexe, kontextbezogene Informationen extrahieren, die dann zur Automatisierung oder zur Bereitstellung von Informationen für andere Prozesse verwendet werden können. Außerdem können die erfassten Daten für Vorhersagen extrapoliert werden, beispielsweise im Fall von selbstfahrenden Autos.
Verarbeitung natürlicher Sprache
Systeme zur Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) erkennen und verstehen geschriebene oder gesprochene Sprache. In anspruchsvolleren Anwendungen kann die Verarbeitung natürlicher Sprache über den Kontext die Haltung, Stimmung und andere subjektive Aspekte herleiten, um die Bedeutung so exakt wie möglich zu interpretieren. Zu den praktischen Anwendungen von NLP gehören Chatbots, Callcenter-Interaktionsanalysen und digitale Sprachassistenten wie Siri und Alexa.
Mehr über KI erfahren
Erfahren Sie in einer umfassenden Sammlung mit KI-spezifischen Ressourcen, wie KI Ihrem Unternehmen schnell einen Mehrwert verschaffen kann.
Mehr über KI erfahren
Erfahren Sie in einer umfassenden Sammlung mit KI-spezifischen Ressourcen, wie KI Ihrem Unternehmen schnell einen Mehrwert verschaffen kann.
Vorteile von KI
KI-Technologien haben die Early-Adopter-Phase hinter sich gelassen und sind nun in vielen Geschäftsanwendungen etabliert.
Unternehmen ziehen heute greifbare Vorteile aus der Integration von KI in ihre Kerngeschäftsprozesse:
Mehr Effizienz und Produktivität: Einer der größten Vorteile von KI in Unternehmen ist ihre Fähigkeit, Aufgaben zu automatisieren und Abläufe zu optimieren. KI-gestützte Systeme können große Datenmengen blitzschnell verarbeiten und so wertvolle personelle Ressourcen freisetzen, die sich dann auf Tätigkeiten mit höherem Mehrwert konzentrieren können. Diese Effizienzsteigerung führt zu einer gesteigerten Produktivität, da die Beschäftigten ihre Zeit für strategische Entscheidungen und Innovationen nutzen können, anstatt für Routine- und Verwaltungsaufgaben.
Verbesserte Kundenerfahrung: KI-Technologie hat die Art und Weise, wie Unternehmen mit Kunden interagieren, revolutioniert. Durch NLP- und ML-Algorithmen können KI-gestützte Chatbots und virtuelle Assistenten Kunden rund um die Uhr personalisierte Unterstützung in Echtzeit bieten. Diese Verfügbarkeit erhöht nicht nur die Kundenzufriedenheit, sondern hilft Unternehmen auch dabei, ein nahtloses Erlebnis über alle Kanäle hinweg zu bieten, Reaktionszeiten zu verkürzen und menschliche Fehler zu reduzieren.
Datengestützte Entscheidungsfindung: KI-Systeme für Unternehmen können riesige Mengen strukturierter und unstrukturierter Daten analysieren und ermöglichen es Unternehmen so, fundiertere Entscheidungen zu treffen. Durch die Ableitung aussagekräftiger Erkenntnisse aus diesen Daten können Unternehmen Trends identifizieren, das Kundenverhalten vorhersagen und ihre Betriebsabläufe optimieren. KI-Algorithmen können Muster erkennen, die Menschen möglicherweise übersehen, und liefern wertvolle Informationen für die strategische Planung, Risikobewertung und Optimierung von Geschäftsprozessen.
Betriebliche Effizienz: KI kann sich wiederholende, zeitaufwändige Aufgaben und Workflows automatisieren sowie komplexe Berechnungen, Datenanalysen und andere mühsame Aufgaben präzise erledigen, was zu einer höheren Genauigkeit und weniger Fehlern führt. KI kann auch dabei helfen, Anomalien, Betrug und Sicherheitsverletzungen schnell zu erkennen und so potenzielle Verluste zu minimieren.
Verbesserte Zusammenarbeit der Belegschaft: KI kann die Zusammenarbeit und den Wissensaustausch unter den Beschäftigten fördern. Intelligente Systeme können bei der Datenerhebung helfen, indem sie den Zugang zu relevanten Informationen erleichtern und Erkenntnisse liefern, die den Beschäftigten helfen, fundierte Entscheidungen zu treffen. Darüber hinaus ermöglichen KI-gestützte Tools für die Zusammenarbeit eine nahtlose Kommunikation und einen reibungslosen Wissensaustausch zwischen Teams, Abteilungen und sogar geografisch verteilten Standorten, wodurch Innovationen gefördert und die Produktivität gesteigert werden.
KI für Unternehmen in Aktion
Aus den Fähigkeiten und der guten Zugänglichkeit moderner Unternehmens-KI ergibt sich für viele Bereiche ein Nutzwert.
Hier sehen Sie einige Beispiele für KI-Anwendungsfälle in verschiedenen Branchen:
KI im Gesundheitswesen: Medizinische Daten gehören weltweit zu den größten und komplexesten Datensätzen. Ein wichtiger Schwerpunkt von KI im Gesundheitswesen besteht darin, diese Daten zu nutzen, um Zusammenhänge zwischen Diagnose, Behandlung und Behandlungsergebnissen zu erkennen. Darüber hinaus setzen Krankenhäuser auf KI-Lösungen, um operative Initiativen wie die Zufriedenheit und Effizienz des Personals, die Patientenzufriedenheit und die Kostensenkung zu unterstützen.
KI im Bankwesen: Die Finanzdienstleistungsbranche war eine der ersten, die KI in großem Umfang einsetzte, insbesondere um Transaktionen, den Kundenservice und die Umsetzung von Sicherheitsmaßnahmen zu beschleunigen. Zu den gängigen Anwendungen gehören KI-Bots, digitale Zahlungsberater und Betrugserkennung.
KI in der Fertigung: Die heutige intelligente Fabrik ist ein Verbund aus Maschinen, IoT-Sensoren und Rechenleistung – ein vernetztes System, das KI und maschinelles Lernen nutzt, um Daten zu analysieren und in Echtzeit zu lernen. KI optimiert kontinuierlich die automatisierten Prozesse und intelligenten Systeme innerhalb einer Smart Factory und versorgt sie mit Daten – von der Überwachung des Gerätezustands über die Vorhersage von Problemen in der Lieferkette bis hin zu einer vorausschauenden Fertigung.
KI im Einzelhandel: Online-Käufer interagieren über eine Vielzahl von Interaktionspunkten und generieren größere Mengen komplexer und unstrukturierter Datensätze als je zuvor. Um diese Daten zu verstehen und zu nutzen, setzen Einzelhändler KI-Lösungen ein, die unterschiedliche Datensätze verarbeiten und analysieren, das Marketing verbessern und für ein besseres Einkaufserlebnis sorgen.
KI-Ethik und ‑Herausforderungen
Künstliche Intelligenz bietet zwar außergewöhnliche Möglichkeiten, birgt aber auch Risiken, die erkannt und gebannt werden müssen, um Schaden von Einzelpersonen, Personengruppen, Unternehmen und der Menschheit als Ganzes abzuwenden. Hier sind einige der dringendsten ethischen Herausforderungen im Zusammenhang mit KI, die Verbraucher:innen, Unternehmen und Regierungen gleichermaßen berücksichtigen sollten, wenn sie nach einem verantwortungsvollen Umgang mit KI streben.
Ethische Nutzung von Kundendaten: Bis 2029 wird es schätzungsweise 6,4 Milliarden Nutzende von Smartphones weltweit geben. Jedes Gerät kann enorme Datenmengen übertragen, von GPS-Standortdaten über persönliche Daten und Vorlieben der Nutzenden bis hin zu Social-Media- und Suchverhalten. Da Unternehmen immer umfassenderen Zugriff auf die personenbezogenen Daten ihrer Kunden erhalten, wird es umso wichtiger, Benchmarks und ständig weiterentwickelte Protokolle zu etablieren, um die Privatsphäre der Nutzenden zu schützen und Risiken zu minimieren.
KI-Voreingenommenheit: KI-Systeme können Tendenzen, die sich aus ihren Trainingsdaten ergeben, widerspiegeln oder verstärken, was bei Anwendungsfällen wie der Einstellung von Mitarbeitenden oder der Genehmigung von Krediten zu unfairen Ergebnissen führen kann. Daher müssen Unternehmen die Diversität ihrer Datensätze sicherstellen, regelmäßig Prüfungen durchführen und Algorithmen zur Minderung der Voreingenommenheit einsetzen. Ein Beispiel aus der Praxis für KI-Voreingenommenheit gab es im US-amerikanischen Gesundheitswesen, wo ein KI-Modell, dem entscheidende Fähigkeiten zur Vermeidung von Voreingenommenheit fehlten, aus Trainingsdaten ableitete, dass demografische Gruppen, die weniger für die Gesundheitsversorgung ausgeben, in Zukunft nicht so viel Pflege benötigten wie Gruppen mit höheren Ausgaben. Dies hatte verzerrende Auswirkungen auf die Gesundheitsentscheidungen für Hunderte Millionen Patientinnen und Patienten.
KI-Transparenz und erklärbare KI: KI-Transparenz bezieht sich auf die Offenheit und Klarheit der Funktionsweise von KI-Systemen, um sicherzustellen, dass ihre Abläufe, Entscheidungsprozesse und Ergebnisse für Menschen verständlich und interpretierbar sind. Dies ist entscheidend, um Vertrauen in KI-Anwendungen aufzubauen und Bedenken hinsichtlich Voreingenommenheit, Verantwortlichkeit und Fairness auszuräumen. Erklärbare KI konzentriert sich speziell auf die Entwicklung von KI-Modellen und ‑Algorithmen, die ihre Entscheidungen und Vorhersagen auf eine für Nutzende und Beteiligte verständliche Weise erklären können. Techniken für erklärbare KI zielen darauf ab, komplexe KI-Systeme zu entmystifizieren, indem sie die Faktoren und Merkmale aufdecken, die ihre Ergebnisse beeinflussen. So können KI-Entscheidungen vom Menschen bei Bedarf überprüft, als vertrauenswürdig eingestuft und gegebenenfalls korrigiert werden.
Deepfakes: Der Begriff Deepfake ist eine Wortschöpfung aus den Begriffen „Deep Learning“ und „Fake“. Ein Deepfake ist eine ausgeklügelte Methode, um Medieninhalte wie Bilder, Videos oder Audioaufnahmen mithilfe von KI zu erstellen oder zu verändern. Deepfakes ermöglichen die Manipulation von Gesichtsausdrücken, Gesten und Sprache in Videos, oft auf bemerkenswert realistische Weise. Diese Technologie hat die Fähigkeit, überzeugende, aber erfundene Inhalte zu erstellen, die für verschiedene Zwecke verwendet werden können – von Entertainment und Kunst bis hin zu besorgniserregenderen Anwendungen wie Fehlinformationen und Identitätsbetrug – und hat damit viel Aufmerksamkeit erregt.
Mehr über künstliche Intelligenz erfahren
KI für reale Ergebnisse
Erfahren Sie, wie Sie von KI profitieren können, die in Ihre Kerngeschäftsanwendungen integriert ist und Ihre Mitarbeitenden, Daten und Prozesse miteinander verbindet.
Joule – der KI-Assistent, der Ihr Geschäft wirklich versteht
Revolutionieren Sie die Interaktion mit Ihren SAP-Unternehmenssystemen, indem Sie jede Aufgabe vereinfachen und jeden Interaktionspunkt berücksichtigen.