Was ist künstliche Intelligenz?
Eine frühe Definition von künstlicher Intelligenz (KI) stammt von einem ihrer Gründungsväter, Martin Minsky, der sie als „die Wissenschaft davon, Maschinen dazu zu bringen, Dinge zu tun, deren Ausführung vom Menschen Intelligenz erfordert“ bezeichnet. Auch wenn der Kern dieser Definition immer noch zutrifft, gehen moderne Informatiker noch etwas weiter. Sie bezeichnen KI als ein System, das seine Umgebung wahrnehmen und Maßnahmen ergreifen kann, um die Chance zu maximieren, Ziele erfolgreich zu erreichen. Darüber hinaus ist dieses System in der Lage, Daten so zu interpretieren und zu analysieren, dass es lernt und sein Verhalten entsprechend anpasst.
Die Geschichte von KI
Vom griechischen Mythos Pygmalion bis zur viktorianischen Erzählung Frankensteins waren die Menschen seit jeher von der Idee fasziniert, ein vom Menschen geschaffenes Wesen zu kreieren, das wie ein Mensch denken und handeln kann. Mit dem Einzug von Computern in unser Leben haben wir erkannt, dass künstliche Intelligenz nicht aus in sich geschlossenen, unabhängigen Entitäten bestehen muss, sondern vielmehr ein Set aus Werkzeugen und vernetzten Technologien ist, die weitere Bedürfnisse beim Menschen wecken und sich an diese anpassen können.
Der Begriff „künstliche Intelligenz“ wurde auf einer wissenschaftlichen Konferenz an der Dartmouth University in Hanover, New Hampshire (USA), im Jahr 1956 geprägt. Seitdem haben sich die KI-Technologie und das Datenmanagement als interdependente Konzepte wechselseitig entwickelt. Um aussagekräftige, solide Analysen durchführen zu können, benötigt KI Big Data – und zwar möglichst viel davon. Um möglichst viele Daten digital verarbeiten zu können, ist wiederum KI-Technologie erforderlich. Daher hat sich die KI-Technologie parallel zum Anstieg der Rechenleistung und Erweiterung der Datenbanktechnologien entwickelt.
Heutzutage können Unternehmenssysteme, die früher nur wenige Gigabyte Daten verarbeiten konnten, sogar Terabyte verwalten, und sie nutzen KI, um Ergebnisse und Erkenntnisse in Echtzeit zu verarbeiten. Und im Gegensatz zu einer vom Menschen erschaffenen Schöpfung, die ziellos durch das Dorf taumelt, sind KI-Technologien agil und reaktionsschnell. Sie sollen den Menschen als Partner verbessern und ergänzen – und nicht ersetzen.
Arten von KI
KI ist einer der am schnellsten wachsenden Bereiche der technologischen Entwicklung. Aber trotzdem nutzen selbst die komplexesten KI-Modelle nur „schwache künstliche Intelligenz“, die grundlegendste der drei Arten von KI. Die anderen beiden Arten von KI fallen eher immer noch unter Science-Fiction und finden aktuell keinerlei praktische Anwendung. Angesichts des Tempos, in dem sich die Informatik in den letzten 50 Jahren entwickelt hat, ist es unmöglich zu sagen, wohin uns die Zukunft der KI führen wird.
Die drei wichtigsten Arten von KI
Schwache künstliche Intelligenz (schwache KI)
Schwache KI ist die aktuell am häufigsten anzutreffende Art von KI. Auch wenn die Aufgaben, die schwache KI ausführen kann, durch hochkomplexe Algorithmen und neuronale Netzwerke gesteuert werden, ist sie dennoch singulär und zielorientiert. Gesichtserkennung, Internetsuchmaschinen und selbstfahrende Autos stehen für schwache KI. Sie wird nicht als schwach bezeichnet, weil es ihr an Reichweite und Leistungsfähigkeit mangelt, sondern weil sie noch weit davon entfernt ist, menschliche Kompetenzen zu haben, die wir wahrer Intelligenz zuschreiben. Der Philosoph John Searle definiert schwache KI als „hilfreich, um eine Hypothese über eigenständiges Denken zu testen, aber ohne eigenständiges Denken“.
Starke künstliche Intelligenz (starke KI)
Starke KI sollte in der Lage sein, jede intellektuelle Aufgabe, die ein Mensch ausführen kann, ebenfalls erfolgreich zu meistern. Wie Systeme mit schwacher KI können auch Systeme mit starker KI aus Erfahrung lernen und Muster erkennen und vorhersagen – aber sie haben die Fähigkeit, noch einen Schritt weiter zu gehen. Starke KI kann dieses Wissen auf eine Vielzahl von Aufgaben und Situationen anwenden, die nicht von zuvor gesammelten Daten oder vorhandenen Algorithmen abgedeckt werden.
Der Summit Supercomputer ist einer der wenigen weltweiten seiner Art, der starke KI einsetzt. Er kann 200 Billiarden Berechnungen in einer Sekunde durchführen – ein Mensch würde dafür eine Milliarde Jahre brauchen. Für eine sinnvolle Nutzung starker KI wäre eine solche Leistung nicht unbedingt erforderlich, aber dennoch braucht es Rechenkapazitäten, die derzeit nur auf Supercomputerebene existieren.
Künstliche Superintelligenz
Systeme mit künstlicher Superintelligenz haben theoretisch ein Bewusstsein für das eigene Dasein. Sie ahmen nicht nur das menschliche Verhalten nach oder verstehen es, sondern erfassen es auf einer fundamentalen Ebene.
Mit diesen menschlichen Eigenschaften ausgestattet – und mit Verarbeitungs- und Analysefähigkeiten erweitert, die weit über die des Menschen hinausgehen – steht künstliche Superintelligenz offenbar für eine fast bizarre Science-Fiction-Zukunft, in der der Mensch zunehmend obsolet wird.
Es ist unwahrscheinlich, dass die Menschen von heute jemals eine solche Welt erleben werden. Aber KI entwickelt sich so schnell weiter, dass es wichtig ist, ethische Richtlinien und Verantwortungsbewusstsein für künstliche Intelligenz zu berücksichtigen, die uns in fast jeder messbaren Weise übertreffen könnte. Wie schon Stephen Hawking sagte: „Wegen des großen Potenzials von KI ist es wichtig herauszufinden, wie wir ihre Vorteile nutzen und potenzielle Fallstricke vermeiden können.“
Vorteile von KI
Erst vor einigen Jahrzehnten steckte der Einsatz von KI für Geschäftsprozesse noch in den Kinderschuhen und man hatte nur theoretisches Wissen über die damit verbundenen Potenziale. Seitdem haben sich KI-Technologien und -Anwendungen jedoch rasant weiterentwickelt und Mehrwert für Unternehmen geschaffen. IDC prognostiziert angesichts dessen, dass sich die Ausgaben für KI-Technologie von 2020 bis 2024 mehr als verdoppeln werden. Und je besser KI-Technologie wird, desto stärker nimmt auch das menschliche Verständnis ihres Potenzials und für kreative Anwendungsfälle zu. Heutzutage profitieren Unternehmen immer stärker von den messbaren Vorteilen KI-gestützter Systeme, unter anderem von folgenden:
- Unternehmensweite Resilienz: Schon lange vor der Existenz von Computern wussten Unternehmen, wie nützlich es ist, Daten über ihre Prozesse, ihren Markt und ihre Kunden zu sammeln und zu verstehen. Je größer und komplexer die Datenmengen wurden, desto schwieriger war es, diese Daten präzise und zeitnah zu analysieren. KI-gestützte Lösungen bieten nicht nur die Möglichkeit, Big Data zu verwalten, sondern auch handlungsrelevante Erkenntnisse daraus zu gewinnen. Mit KI-Technologie können komplexe Prozesse automatisiert, Ressourcen effizienter genutzt und Störungen (und Chancen) besser vorhergesagt und entsprechende Maßnahmen ergriffen werden.
- Besserer Kundenservice: KI ermöglicht es Unternehmen, ihre Serviceangebote zu personalisieren und in Echtzeit mit ihren Kunden zu interagieren. Während die Verbraucher den modernen Vertriebslebenszyklus von „Lead“ zu „Conversion“ durchlaufen, erzeugen sie komplexe und vielfältige Datensätze. Mit KI können Unternehmen diese Daten nutzen und den Service und die Interaktion mit ihren Kunden verbessern.
- Fundierte Entscheidungsfindung: Gute Führungskräfte möchten richtige Entscheidungen treffen – schnell und auf der Grundlage aktueller Informationen. Je wichtiger die Entscheidung ist, desto größer ist die Wahrscheinlichkeit, dass es bei der Entscheidungsfindung unzählige und komplexe Aspekte und Abhängigkeiten zu berücksichtigen gibt. KI-Technologie ergänzen das Wissen und die Erfahrungen von Menschen um fortschrittliche Datenanalysen und aussagekräftige Erkenntnisse, die eine fundierte Entscheidungsfindung in Echtzeit unterstützen.
- Relevante Produkte und Dienstleistungen: Viele traditionelle F&E-Modelle waren auf die Vergangenheit ausgerichtet. Leistungs- und Kundenfeedbackdaten wurde häufig erst analysiert, nachdem ein Produkt oder eine Dienstleistung den Markt erschlossen hatte, und es gab keine Systeme, die schnell potenzielle Marktlücken und -chancen identifizieren konnten. Mit KI-gestützten Systemen können Unternehmen eine Vielzahl von Datensätzen gleichzeitig und in Echtzeit untersuchen. So können sie vorhandene Produkte anpassen und neue Produkte einführen, alles auf der Grundlage relevanter und aktueller Markt- und Kundendaten.
- Motivierte Mitarbeiter: Eine aktuelle Umfrage von Gallup zeigt, dass Unternehmen, deren Mitarbeiter extrem motiviert sind, durchschnittlich um bis zu 21 % rentabler sind. KI-Technologien am Arbeitsplatz können die Belastung durch Routineaufgaben reduzieren, damit sich die Mitarbeiter auf effizientere Aufgaben konzentrieren können. HR-Technologien, die KI nutzen, können zudem Abhilfe schaffen, wenn Mitarbeiter unsicher, müde oder gelangweilt sind. Durch die Personalisierung von Empfehlungen zum Wohlbefinden und die Priorisierung von Aufgaben unterstützt KI die Mitarbeiter und hilft ihnen dabei, eine gesunde Work-Life-Balance zu finden.
KI-Technologien
Um nützlich zu sein, muss KI-Technologie praktikabel sein. Ihr wahres Potenzial kann nur ausgeschöpft werden, wenn sie handlungsrelevante Erkenntnisse liefert. Wenn wir uns KI im Hinblick auf das menschliche Gehirn vorstellen, dann sind KI-Technologien die Hände, die Augen und die Bewegungen des Körpers – alles, was es braucht, um die Ideen des Gehirns umzusetzen. Im Folgenden werden einige der am häufigsten verwendeten KI-Technologien mit der rasantesten Entwicklung vorgestellt.
KI-Technologien
Maschinelles Lernen
Maschinelles Lernen – und all seine Komponenten – ist ein Teilbereich der künstlichen Intelligenz. Beim maschinellen Lernen werden Algorithmen auf verschiedene Arten von Lernmethoden und Analysetechniken angewendet. Sie ermöglichen es dem System, automatisch aus Erfahrungen zu lernen und sich zu verbessern, ohne explizit programmiert zu werden. Unternehmen können maschinelles Lernen für jedes Problem oder Ziel anwenden, das Vorhersagen erfordert, die aus komplexen Datenanalysen hervorgehen.
Was ist der Unterschied zwischen KI und maschinellem Lernen? Maschinelles Lernen ist eine Teilmenge von KI und kann ohne sie nicht existieren. Es geht also nicht darum, dass sie sich unterscheiden, sondern wie sie sich unterscheiden. KI verarbeitet Daten, um Entscheidungen und Prognosen zu treffen. Algorithmen für maschinelles Lernen ermöglichen der KI, diese Daten nicht nur zu verarbeiten. Sie verwenden sie, lernen dadurch dazu und werden intelligenter, ohne dass eine zusätzliche Programmierung erforderlich ist.
Demotermin vereinbaren
Erleben Sie intelligente Technologien wie KI und maschinelles Lernen in Aktion.
Verarbeitung natürlicher Sprache
Die Verarbeitung natürlicher Sprache ermöglicht es Maschinen, schriftliche Sprache, Sprachbefehle oder beides zu erkennen und zu verstehen. Dazu gehört die Fähigkeit, die menschliche Sprache in eine Form zu übersetzen, die der Algorithmus verstehen kann. Die Generierung natürlicher Sprache ist ein Teilbereich der Verarbeitung natürlicher Sprache, damit Maschinen die digitale Sprache in eine natürliche menschliche Sprache umwandeln können. 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. Die Verarbeitung natürlicher Sprache wird unter anderem in Chatbots und für digitale Sprachassistenten wie Siri und Alexa genutzt.
Computer Vision
Bei Computer Vision handelt es sich um die Methode, mit der Computer digitale Bilder und Videos verstehen und „sehen", anstatt sie einfach nur zu erkennen oder zu kategorisieren – auch bezeichnet als computerbasiertes Sehen. 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. Computer Vision kann auch Daten für Vorhersagen extrapolieren. Das bedeutet im Prinzip, dass die Anwendungen durch Wände und um Ecken sehen können. Selbstfahrende Autos sind ein gutes Beispiel für den Einsatz von Computer Vision.
Robotik
Robotik ist nichts Neues und wird seit Jahren eingesetzt, vor allem in der Fertigung. Ohne KI muss die Automatisierung jedoch durch manuelle Programmierung und Kalibrierung erfolgen. Entstehen hierbei Fehler oder Ineffizienzen, können sie erst nach ihrem Auftreten – oder nach einem Ausfall – erkannt werden. Auf welche Ursache das Problem zurückzuführen ist oder welche Maßnahmen ergriffen werden sollten, um eine höhere Effizienz und Produktivität zu erzielen, ist dem menschlichen Bediener oft nicht bekannt. Wenn KI integriert wird – in der Regel über IoT-Sensoren –, können Unternehmen die Reichweite, die Menge und die Art der ausgeführten robotergesteuerten Aufgaben erheblich erweitern. Beispiele für Robotik in der Industrie sind Roboter bei der Auftragskommissionierung in großen Lagern und Roboter in der Landwirtschaft, die so programmiert werden können, dass sie Nutzpflanzen zu optimalen Zeiten ernten oder anbauen.
KI für Unternehmen in Aktion
Jedes Jahr erkennen immer mehr Unternehmen die Stärken und Wettbewerbsvorteile, die KI-Lösungen für ihre Prozesse bieten. Einige Bereiche, wie das Gesundheitswesen und das Bankwesen, arbeiten mit besonders großen und sensiblen Datensätzen. Für sie war der Nutzen von KI schon von Anfang an offensichtlich. Heutzutage bietet moderne KI-Technologie mit ihrer Reichweite und Zugänglichkeit relevante Anwendungen für fast alle Geschäftsmodelle. Die folgende Liste zeigt nur einige wenige Beispiele aus verschiedenen Branchen.
- KI im Gesundheitswesen
Medizinische Daten gehören weltweit zu den größten, komplexesten und sensibelsten Datensätzen. Ein wichtiger Schwerpunkt von KI im Gesundheitswesen besteht darin, diese Daten zu nutzen, um Abhängigkeiten zwischen Diagnose, Behandlung und Behandlungsergebnissen zu erkennen. Darüber hinaus setzen Krankenhäuser auf KI-Lösungen, um andere operative Bereiche und Initiativen zu unterstützen. Dazu gehören unter anderem Steigerungen von Zufriedenheit und Effizienz innerhalb der Belegschaft, Patientenzufriedenheit und Kosteneinsparungen. Informieren Sie sich über die Vorteile von intelligenten Technologien und der Digitalisierung im Gesundheitswesen. - KI im Bankwesen
Banken und Finanzinstitute haben höhere Anforderungen an Sicherheit, Compliance und Transaktionsgeschwindigkeit. In dieser Branche wurden KI-Technologien daher als erstes eingesetzt. Funktionen wie KI-Bots, digitale Zahlungsberater und biometrische Erkennungsmechanismen von Betrug tragen dazu bei, die Effizienz und den Kundenservice im Bankwesen zu verbessern sowie Risiken und Betrug zu reduzieren. Erfahren Sie, wie Banken mit Digitalisierung und intelligenten Technologien einen durchgängigen Service bieten können. - KI in der Fertigung
Wenn Geräte und Maschinen zum Senden und Empfangen von Daten über ein zentrales System verbunden sind, bilden sie ein IoT-Netzwerk. Diese Informationen werden nicht nur von KI verarbeitet, sondern auch verwendet, um Chancen und Störungen vorherzusagen und relevante Aufgaben und Workflows als Reaktion darauf zu automatisieren. In intelligenten Fabriken werden so On-Demand-Fertigungsprotokolle für 3-D-Drucker erstellt und virtuelle Bestände verwaltet. Erfahren Sie, wie Adidas mit maschinellem Lernen in nur 24 Stunden personalisierte Sportschuhe liefert. - KI im Handel
Die Pandemie wirkte sich massiv auf die Einkaufsgewohnheiten der Menschen aus, wodurch es im Vergleich zum Vorjahr zu einem deutlichen Anstieg bei den Online-Einkäufen kam. Dadurch haben der Wettbewerb und die Dynamik der Marktanforderungen für Einzelhändler erheblich zugenommen. Online-Käufer interagieren über verschiedene Kontaktpunkte mit den Unternehmen und generieren größere Mengen an Datensätzen, die komplexer und unstrukturierter sind denn je. Um diese Daten optimal zu verstehen und zu nutzen, benötigen Einzelhändler KI-Lösungen, die unterschiedliche Datensätze verarbeiten und analysieren können, um wertvolle Erkenntnisse zu erhalten und mit ihren Kunden in Echtzeit interagieren zu können. Erfahren Sie, wie Sie in der neuen Welt des Einzelhandels mithilfe intelligenter Technologien und Digitalisierung die Herausforderungen bewältigen und Chancen ergreifen können. - KI in der Landwirtschaft
In der Landwirtschaft hat der Einsatz von KI-Technologie zu höheren Erträgen geführt und eine innovative Forschung zum Thema Nachhaltigkeit vorangetrieben. Durch die Vorhersagbarkeit durch KI konnte auch die Effizienz von Agrar- und Lebensmittellieferketten gesteigert werden. Anhand der Bewertung von Daten zu Reifezeiten, Wetter und Transportaufwand erhalten Landwirte beispielsweise mithilfe vorausschauender Analysen Informationen über die geeignete Erntezeit der verschiedenen Nutzpflanzen. Zu den Vorteilen gehört auch die Automatisierung von Arbeitsabläufen durch Roboter in der Landwirtschaft und die Bestimmung, wann und in welcher Menge die Nutzpflanzen zu bestimmten Zeiten geerntet und verarbeitet werden sollen.
KI-Ethik und ‑Herausforderungen
Im Jahr 1948 sagte der Informatikpionier Alan Turing: „Ein Computer kann als intelligent bezeichnet werden, wenn er es schafft, sich im Dialog mit einem Menschen als Mensch zu tarnen.“ Obwohl für Alan Turing die Verarbeitungsgeschwindigkeit und die analytische Leistung eines modernen KI-gestützten Computers undenkbar schien, hätte er aber die ethischen Herausforderungen, die sich durch diese Leistungsfähigkeit ergeben, wahrscheinlich nachvollziehen können. Da KI uns zunehmend besser versteht und nachahmt, scheint sie auch immer menschlicher zu werden. Über digitale Kanäle generieren wir jeden Tag Unmengen an personenbezogenen Daten, und KI-Anwendungen unterstützen uns bei vielen unserer täglichen Aktivitäten. Wir müssen ihnen also vertrauen können. Nachfolgend finden Sie einige Beispiele für ethische Herausforderungen, derer sich Führungskräfte bewusst sein und die sie überwachen müssen.
SAP-Richtlinien für KI-Ethik
Informieren Sie sich über unsere Leitlinien, die die Entwicklung und Implementierung unserer KI-Software steuern.
- Ethische Verwendung von Kundendaten
In den 2020er-Jahren werden die meisten Informationen, die wir als Unternehmen oder Einzelpersonen austauschen und sammeln, über digital vernetzte Kanäle erfasst. Zu Anfang des Jahres 2020 gab es weltweit über 3,5 Milliarden Smartphones, die alle unzählige Datenmengen austauschten – vom GPS-Standort bis zu den personenbezogenen Daten und Vorlieben ihrer Nutzer über soziale Medien und Suchverhalten. Da Unternehmen immer umfassenderen Zugriff auf die personenbezogenen Daten ihrer Kunden erhalten, wird es umso wichtiger, Benchmarks und ständig weiterentwickelte Protokolle einzurichten, um die Privatsphäre der Nutzer zu schützen und Risiken zu minimieren. - Voreingenommenheit gegen KI
Auch KI-Systeme sind davor nicht gefeit, da die Menschen bei der Programmierung der Algorithmen eventuell ihre eigene Voreingenommenheit einfließen lassen oder es systembedingte Vorurteile gibt, die durch fehlerhafte Annahmen beim maschinellen Lernen propagiert werden. Im ersten Fall ist es offensichtlicher, wie das passieren kann. Im zweiten Fall kann es schwieriger sein, dies zu erkennen und zu vermeiden. Ein bekanntes Beispiel für Voreingenommenheit gegen KI gab es im Gesundheitssystem der USA. Hier wurde KI-Technologie verwendet, um Pflegeberechtigungen festzulegen. Der Algorithmus lernte, dass bestimmten demografischen Gruppen weniger Geld für die Pflege zur Verfügung stand. Diese Information wurde dann extrapoliert, sodass diese Gruppe fälschlicherweise als weniger anspruchsberechtigt eingestuft wurde. Als dieser Fehler entdeckt wurde, arbeiteten Informatiker der UC Berkeley mit Entwicklern zusammen, um die algorithmischen Variablen zu modifizieren und so die Voreingenommenheit um 84 % zu reduzieren. - KI-Transparenz und erklärbare KI
Transparenz bei KI-Technologie ist die Fähigkeit festzustellen, wie und warum ein Algorithmus zu einem bestimmten Ergebnis, einer Schlussfolgerung oder Entscheidung gelangt ist. Algorithmen für KI und maschinelles Lernen, die Ergebnisse liefern – und die Ergebnisse selbst –, sind oft so komplex, dass sie über das menschliche Verständnis hinausgehen. Sie werden als „Blackbox“-Modelle bezeichnet. Für Unternehmen ist es wichtig, dass Datenmodelle fair und unvoreingenommen sowie erklärbar sind und extern geprüft werden können. Vor allem in Bereichen wie der Luftfahrt oder der Medizin geht es um Menschenleben. Daher ist es von entscheidender Bedeutung, dass die Menschen, die diese Daten verwenden, Daten-Governance äußerst ernst nehmen. - Deepfakes und Fake-News
Deepfake ist ein Kunstwort aus „Deep Learning“ und „Fake“. Es handelt sich hierbei um eine Technik, bei der KI und maschinelles Lernen verwendet werden, um – in der Regel – das Gesicht einer Person in einem Video mit einer solchen Genauigkeit auf den Körper einer anderen Person zu positionieren, dass es vom Original nicht zu unterscheiden ist. Diese Technik kann ganz harmlos für erstaunliche visuelle Effekte wie der Verjüngung von Robert De Niro und Joe Pesci um 30 Jahre im Film „The Irishman“ sorgen. Allerdings wird sie auch häufig dafür eingesetzt, glaubwürdige Fake-News zu kreieren oder kompromittierende Videos von Prominenten zu erstellen, die es eigentlich gar nicht gibt.
KI-Lösungen kennenlernen
Die KI- und Machine-Learning-Tools von SAP unterstützen die erfolgreichsten Unternehmen weltweit.
SAP-Insights-Newsletter
Jetzt abonnieren
Abonnieren Sie unseren Newsletter und erhalten Sie wichtige Informationen und Einblicke.