Zum Inhalt
Kontakt
Jetzt chatten Chat offline
Lassen Sie sich helfen und chatten Sie mit einem SAP-Mitarbeiter.
Kontakt aufnehmen
Schreiben Sie uns eine E-Mail mit Fragen, Kommentaren oder Feedback.

Was ist maschinelles Lernen?

Neue Technologien – mehr als ein Hype?
Lassen Sie sich anschaulich erklären, wie KI, Blockchain, IoT & Co. funktionieren und zum Erfolg Ihres Unternehmens beitragen können.

Die einfachste Definition von
maschinellem Lernen

Die Technologie des maschinellen Lernens lehrt Computern die Ausführung von Aufgaben durch Lernen aus Daten, anstatt für die Aufgaben programmiert zu werden.

Einführung in maschinelles Lernen

Maschinelles Lernen nutzt ausgefeilte Algorithmen, um aus enormen Big-Data-Mengen zu „lernen‟. Je größer die Datenmenge, auf die die Algorithmen zugreifen können, desto mehr lernen sie. Beispiele für den Einsatz maschinellen Lernens begegnen uns im täglichen Leben bereits überall. Denken Sie an die personalisierten Empfehlungen von Produkten bei Amazon, die Gesichtserkennung bei Facebook oder die Vorschläge für die schnellste Route bei Google Maps. 

Was ist ein neuronales Netz?

Neuronale Netze, beziehungsweise künstliche neuronale Netze, sind ein Typus des maschinellen Lernens, der in etwa der Funktionsweise von Neuronen im menschlichen Gehirn gleicht. Es sind Computerprogramme, die mehrere Knotenebenen (Neuronen) verwenden, für das Lernen parallel arbeiten, Muster erkennen und Entscheidungen in menschenähnlicher Weise fällen. 

Was ist Deep Learning?

Deep Learning ist ein „tiefes‟ neuronales Netz mit vielen Neuronenebenen und einem enormen Datenvolumen. Diese hoch entwickelte Art des maschinellen Lernens löst komplexe, nicht lineare Probleme – und ist verantwortlich für bahnbrechende Neuerungen durch künstliche Intelligenz, wie beispielsweise die Verarbeitung natürlicher Sprache (NLP), persönliche digitale Assistenten und autonom fahrende Fahrzeuge. 

Welche Lernverfahren gibt es?

Überwachte Lernalgorithmen werden mit Daten trainiert, die bereits die richtigen Antworten enthalten. Sie erstellen Modelle, die die Daten den Antworten zuordnen. Diese Modelle werden für die weitere Verarbeitung genutzt. Unüberwachte Algorithmen lernen von Daten, die die richtigen Antworten nicht enthalten. Sie verwenden große, vielfältige Datensets zur eigenständigen Verbesserung. 

Grundlagen und Best Practices des maschinellen Lernens für Unternehmen

Fünf Tipps von Vorreitern des maschinellen Lernens

Erfahren Sie, wie die Vorreiter die Vorteile des maschinellen Lernens für erhebliche Leistungssteigerungen in zahlreichen Geschäftsfunktionen vor allen anderen nutzen – vom Personal- und Finanzwesen über das Marketing bis hin zur Logistik.

Die Vorteile von maschinellem Lernen in Unternehmen

Schnellere Entscheidungen

Algorithmen des maschinellen Lernens können priorisieren und die Entscheidungsfindung automatisieren. Sie können zudem Chancen und kluge Aktionen kennzeichnen, die zur Erzielung optimaler Ergebnisse sofort durchgeführt werden sollten.

Anpassungsfähigkeit

Künstliche Intelligenz arbeitet nicht nur mit Vergangenheitsdaten. Sie kann ebenso Echtzeitinformationen verarbeiten und daraus sofort Aktionen ableiten. Denken Sie an Fahrzeuge, die automatisch bremsen, bevor es zu einem Auffahrunfall kommt.

Algorithmisches Unternehmen

„Algorithmische Unternehmen“ nutzen hoch entwickelte Algorithmen für einen hohen Automationsgrad. Sie stellen so die Weichen für innovative Geschäftsmodelle, Produkte und Services.

Tiefer gehende Erkenntnisse

Maschinelles Lernen analysiert große, komplexe und Streaming-Daten und gewinnt aus ihnen Erkenntnisse, einschließlich Vorhersageerkenntnisse. Dies ist jenseits menschlicher Fähigkeiten. Auf Basis dieser Erkenntnisse können dann Aktionen ausgelöst werden.

Effizienz

Mit intelligenten, durch maschinelles Lernen gestützten Prozessen können Unternehmen ihre Effizienz deutlich steigern: Pläne und Prognosen sind exakter, Aufgaben können automatisiert, Kosten gesenkt und menschliche Fehler ausgeschlossen werden.

Bessere Geschäftsergebnisse

Vom Auslösen intelligenter Aktionen als Reaktion auf neue Chancen oder Risiken bis hin zur exakten Vorhersage der Auswirkungen einer Entscheidung, noch bevor diese endgültig gefällt ist – mit maschinellem Lernen ist eine signifikante Verbesserung Ihrer Geschäftsergebnisse möglich.

Branchenspezifische Anwendungsfälle für maschinelles Lernen

Viele Branchen und Geschäftsbereiche sind ein idealer Einsatzbereich für maschinelles Lernen – insbesondere jene, in denen große Datenvolumen anfallen. Diese drei Industriezweige sind prädestiniert für den Einsatz:

Fertigung

Fertigungsunternehmen erfassen eine enorme Datenmenge über Sensoren und das Internet der Dinge. Sie bieten damit ein ideales Einsatzfeld für maschinelles Lernen. Maschinelle Bildverarbeitung und Algorithmen für die Erkennung von Abweichungen lassen sich für die Qualitätskontrolle einsetzen. Andere Algorithmen können beispielsweise für die vorbeugende Wartung und Prognosen der Nachfrage genutzt oder zum Kernelement neuer Services werden.

Banken und Versicherungen

Wenige Branchen eignen sich besser für maschinelles Lernen als die Finanzwirtschaft mit ihrem großen Datenvolumen und historischen Datensätzen. Algorithmen dienen dem Aktienhandel, der Genehmigung von Krediten, der Betrugserkennung sowie der Risikoeinschätzung und Risikoübernahme durch Versicherungen. Ein ideales Einsatzfeld ist auch die „Robo-Beratung" von Kunden und die Abstimmung von Portfolios auf die Anlegerziele. 

Gesundheitswesen

Algorithmen für maschinelles Lernen können mehr Daten verarbeiten und Muster erkennen als jedes Forscher- und Ärzteteam in jahrelanger Arbeit. Von medizinischen Bildanalysen und der Krebsfrüherkennung bis zur Medikamentenentwicklung und roboterassistierter Chirurgie – die Möglichkeiten des maschinellen Lernens im Gesundheitswesen sind nahezu unbegrenzt. 

Forschung zu maschinellem Lernen

Wir pflegen Partnerschaften mit den renommiertesten Universitäten, um die Nutzung von maschinellem Lernen in Unternehmen zu fördern.

Wir haben ein globales Netzwerk von Partnerschaften mit führenden Universitäten wie dem MIT, der Stanford University, der New York University und der Universität Amsterdam aufgebaut. In diesem Netzwerk erforschen wir die Zukunft des maschinellen Lernens und fördern den Einsatz dieser Technologie in Unternehmen. Bei der Zusammenarbeit konzentrieren wir uns auf mehrere unterschiedliche Forschungsthemen des maschinellen Lernens – und arbeiten daran, ungelöste Herausforderungen der KI in einer Reihe von Branchen zu überwinden. Dank dieses enormen Reservoirs an Expertise halten wir mit den neuesten Trends des maschinellen Lernens Schritt und können neue Techniken im Rahmen unserer Lösungen anbieten.

Schulungen zu maschinellem Lernen

Informieren Sie sich über die openSAP-Kurse zu maschinellem Lernen. Sie eignen sich für Anfänger wie für Entwickler und erfolgen im Selbststudium.

Maschinelles Lernen in Unternehmen im Kurzüberblick

Sie sind sich nicht sicher, wie maschinelles Lernen im Unternehmenskontext genutzt werden kann? Dieser openSAP-Onlinekurs leitet Sie durch die jeweiligen Schritte, von der Identifizierung der Anwendungsfälle bis zur Entwicklung von Prototypen.

Vertrauenswürdige und ethische KI

Treffen Sie Experten aus der EU und von SAP und informieren Sie sich über die gesellschaftlichen und ethischen Implikationen von KI und wie man mit ihnen umgehen sollte. Dieser Kurs richtet sich an alle KI-Interessierten. 

Deep Learning im Unternehmen mit TensorFlow

Nehmen Sie an einer praktischen Einführung in Deep Learning und Google TensorFlow teil. Der Onlinekurs für Data Scientists und Entwickler behandelt die Entwicklung von Modellen für Problemlösungen in Unternehmen.

Bleiben Sie auf dem Laufenden über die Trends des maschinellen Lernens

Markus Noga
VP of Machine Learning
SAP

Mehr Transparenz in KI

Es wird immer wichtiger zu wissen, wie die Modelle und Algorithmen für KI und maschinelles Lernen funktionieren. Dies gilt besonders für Bereiche, in denen maschinelles Lernen ohne jeden menschlichen Eingriff verstärkt eingesetzt wird.

Maricel Cabahug
Chief Design Officer
SAP

KI für Menschen entwerfen

Dass ein nicht biologisches System lernt, komplexe Probleme löst und in unserer Welt gedeiht, ist ein großer Fortschritt. Aber wohin führt uns das? Wie können wir diese aufstrebende Macht, an deren Weiterentwicklung viele Menschen weltweit arbeiten, im Griff behalten?

Zum Seitenanfang