Mobile-Menu

IoT trifft KI: Aktuelle Projekte, Use Cases und Trends

Redakteur: Jürgen Schreier |

Neben Blockchain und Bitcoin sorgt Künstliche Intelligenz für reichlich Diskussionsstoff in der Digitalszene. Die wirtschaftliche Bedeutung der Technologie ist enorm. Wir zeigen, was möglich ist und woran aktuell geforscht wird.

Anbieter zum Thema

Syslogic GmbH
congatec GmbH
SECO Northern Europe
Selbstfahrende Autos, genauere medizinische Diagnosen oder Unterstützung bei der Aufklärung von Verbrechen: Künstliche Intelligenz wird schon heute in vielen Lebensbereichen eingesetzt und gilt als Schlüsseltechnologie der kommenden Jahre.
Selbstfahrende Autos, genauere medizinische Diagnosen oder Unterstützung bei der Aufklärung von Verbrechen: Künstliche Intelligenz wird schon heute in vielen Lebensbereichen eingesetzt und gilt als Schlüsseltechnologie der kommenden Jahre.
(Bild: Pixabay / CC0 )

Technothrill, dazu jede Menge Action - das verspricht wie seine Vorgänger auch der jüngste Pageturner "Die Tyrannei des Schmetterlings" von Erfolgsautor Frank Schätzung. Das Thema: Ein künstliches Superhirn namens A.R.E.S. (Artificial Reserach & Exploration System) gerät (erwartungsgemäß), außer Kontrolle. Und anders als von seinem Schöpfer, dem IT-Nerd und Philantropen Elmar Nordvisk intendiert, mag es nicht mehr die Probleme der Menschheit lösen, sondern tut genau das Gegenteil. Es beginnt, roboterisierte Killer-Libellen an böse Zeitgenossen zu verhökern

Auch wenn es dem 600-Seiten-Wälzer gelegentlich an Stringenz und Logik gebricht, zumal die Protagonisten noch zwischen Paralleluniversen hin und her switchen, was für gelegentliche Verwirrung sorgt: Für reichlich Spannung ist gesorgt. Und auch sonst ist Schätzing, Experte für rasante Thriller mit Okö- oder Technologiebackground, voll am Puls der Zeit. Denn kaum ein Thema - von Blockchain und Bitcoin vielleicht einmal abgesehen - wird derzeit so gehypt wie das Thema Künstliche Intelligenz.

Bildergalerie
Bildergalerie mit 31 Bildern

Politik erkennt wirtschaftliche Bedeutung der KI

Sogar die deutsche Politik hat inzwischen dieser Hype erfasst. "China hat das Ziel ausgegeben, 2030 der führende globale Anbieter für Künstliche Intelligenz zu sein. Darauf kann China hinarbeiten. Wir sind faire Partner. Aber ich sage: Auch wir wollen im Wettbewerb bestehen und vorn mit dabei sein", verkündete Bundeskanzlerin Merkel in ihrer Eröffnungsrede anlässlich Hannover Messe 2018. "Deshalb wird die Bundesregierung hinsichtlich der Künstlichen Intelligenz eine Bündelung aller Kapazitäten vornehmen – an den Universitäten, im Deutschen Forschungszentrum für Künstliche Intelligenz, in der Fraunhofer-Gesellschaft – und die Vernetzung mit der Wirtschaft durch Exzellenz-Cluster und durch geeignete Fördermethoden noch besser strukturieren."

Und das ist auch dringend notwendig, schließlich sieht sich Deutschland in Sachen KI auf globaler Ebene mit starken Wettbewerbern konfrontiert. Doch spielt den Politikern und KI-Evangelisten noch etwas in die Hände. Denn auch in der breiten Bevölkerung ist das Inreresse an KI enorm und das Image dieser Technologie ausgesprochen positiv. Der Grund: Ob bei der Suche nach der besten Verkehrsroute, beim Onlineshopping, einer schnellen Online-Übersetzung oder der Steuerung des smarten Heims mit intelligenten Sprachassistenten wir Alexa oder Siri - im Alltag sind Dienste, die allesamt auf Künstlicher Intelligenz basieren, weit verbreitet und werden als hilfreich empfunden, weil sie das Leben einfacher und komfortabler machen.

Lieber Künstliche Intelligenz als menschliche Dummheit, sagt offenbar so mancher "Landsmann". Nach einer repräsentativen Umfrage des Digitalverbandes Bitkom würde nämlich die Mehrheit der Bundesbürger in allerlei Lebensfragen lieber Künstliche Intelligenz entscheiden lassen als andere Menschen. So gaben 15 Prozent der Befragten an, sie würden eher die Entscheidung einer KI akzeptieren als die eines Menschen, wenn es um die Beantragung eines Bankkredits geht. Zehn Prozent würden sich vor Gericht - etwa nach einem Verkehrsunfall - lieber einer KI als einem menschlichen Richter stellen. Und neun Prozent gäben beim "Gehaltsgespräche" einer KI ihrem Chef den Vorzug. Ebenso viele halten die Entscheidung einer Künstlichen Intelligenz bei einem Streit mit dem Partner oder der Partnerin - etwa bei auf größeren Anschaffungen - für hilfreich, wobei sogar der Partner (die Partnerin), mit dem (der) man sich deswegen "zofft", nicht selten über eine KI-basierte Dating-Plattform "vermittelt" wurde.

Bundesbürger empfinden KI als Chance

Grundsätzlich - so das Resümee des ITK-Verbandes Bitkom - sehen die Bundesbürger in allen Lebensbereichen große Chancen beim Einsatz von Künstlicher Intelligenz. Acht von zehn (83 Prozent) sind sicher, dass KI die Verkehrssteuerung verbessern und so Staus reduzieren kann. Fast ebenso viele (81 Prozent) glauben, dass dank KI in der Industrie körperlich belastende Tätigkeiten auf Maschinen übertragen werden können. Jeweils zwei Drittel sagen, dass Verwaltungstätigkeiten durch KI beschleunigt werden (68 Prozent), in der Forschung die Innovationskraft steigt (67 Prozent) und der Kundenservice Anfragen zuverlässiger bearbeiten kann (64 Prozent). Ebenfalls eine Mehrheit geht davon aus, dass die Polizei durch den Einsatz von KI Verbrechen schneller aufklären kann (54 Prozent) und im Gesundheitswesen mit KI-Hilfe bessere Diagnosen gestellt werden (57 Prozent).

Bedenken gibt es schon, auch Ängste. Gut drei Viertel der vom Bitkom Befragten (78 Prozent) befürchten, dass der Einsatz von KI Machtmissbrauch und Manipulation Tür und Tor öffnet. Jeweils rund zwei Drittel sorgen sich, dass KI die Vorurteile der Programmierer abbildet (67 Prozent) und faktenbasierte Entscheidungen nur vorgaukelt (64 Prozent). Rund jeder Zweite hat Angst, dass KI den Menschen entmündigt (50 Prozent) oder sich die intelligenten Maschinen sogar irgendwann gegen den Menschen richten (54 Prozent). Schätzings finsterer "Schmetterlings-Thriller" lässt grüßen.

Künstliche Intelligenz: Was ist das?

Die definitorische Abgrenzung der verschiedenen Spielarten von künstlicher Intelligenz ist nicht ganz einfach. Je nach Herkunft, Perspektive und Verfahren lassen sich Systeme den unterschiedlichen Begriffen Machine Learning, Deep Learning oder Cognitive Computing zuordnen. Eine vereinfachende Abgrenzung kann anhand der Dimensionen "Clarity of Purpose" (Klarheit / Präzision des Einsatzzwecks bzw. der Aufgabe) sowie "Degree of Autonomy" (Grad der Autonomie) erfolgen.

So ist derzeit ein Großteil der Systeme, die auf Machine Learning basieren, auf eine spezielle Aufgabe hin entwickelt, trainiert und optimiert. Dies kann beispielsweise das Erkennen fehlerhafter Teile oder Produkte im Rahmen der betrieblichen Qualitätskontrolle sein. Solche Systeme haben einen klar umrissenen Einsatzzweck und verfügen über wenig oder gar keine Autonomie.

Deep Learning-basierte Systeme hingegen, weisen darüber hinaus die Möglichkeit des eigenständigen und tiefen Lernens auf. Sie erledigen Aufgabenstellungen, die für Maschinen lange Zeit eine große Hürde darstellten. Dazu gehören das Erkennen von Objekten (Inhalten) auf Bildern oder auch die Spracherkennung bei der Interaktion mit dem Smartphone oder intelligenten Sprachassistenten. Deep Learning basiert auf neuronalen Netzen. Simulierte Neuronen (ähnlich denen im menschlichen Gehirn) werden in vielen Schichten hintereinander bzw. übereinander modelliert und angeordnet. Jede Ebene des Netzwerks erfüllt dabei eine kleine Aufgabe, z.B. die Erkennung von Kanten. Diese Extraktion von Merkmalen findet innerhalb der einzelnen Ebenen eigenständig statt. Die Ausgabe der einzelnen Schichten dient dann wiederum als Eingabe für die nächste Ebene. Im Zusammenspiel mit einer großen Zahl hochwertiger Trainingsdaten erlernt das Netzwerk dann, bestimmte Aufgaben zu erledigen.

Künstliche neuronale Netze bzw. Deep-Learning basierte Systeme erzielten vor allem im medizinischen Bereich erste Erfolge. So kann Diagnose von Krebszellen in Bildern durch die Maschinen wesentlich schneller und effizienter durchgeführt werden als "manuell". Jedoch bleibt bei diesen Verfahren der Künstlichen Intelligenz dem Menschen der Einblick in die Schichten des Netzwerks verborgen. Die Entscheidungsfindung erfolgt also allein durch die trainierten Maschinen.

Deep Learning-basierte Systeme weisen also schon einen deutlich höheren Grad an Autonomie auf und bieten vielfältige Anwendungsmöglichkeiten, da die neuronalen Netzwerke der nächsten Generation nach der Initiierung selbstständig lernen und die Entscheidungsfindung von außen aktuell nur noch schwer nachvollziehbar ist.

Von Cognitive Computing lässt sich immer dann sprechen, wenn es sich um Systeme handelt, die als Assistent oder anstelle von Menschen bestimmte Aufgaben übernehmen oder Entscheidungen treffen. Denkbar wäre dies beim Schadenfall-Management einer Versicherung, an der Service-Hotline oder der Diagnostik im Krankenhaus. Kognitive Systeme übernehmen bestimmte "menschliche" Eigenschaften und sind in der Lage, mit Ambiguität und Unschärfe umzugehen. Der Grad an Autonomie kann bei diesen Systemen recht groß sein. Das gilt beispielsweise für kognitive Systeme im medizinischen Umfeld, die eine konkrete Therapie vorschlagen, oder beim Einsatz in der inneren Sicherheit, die über eine Sicherheitsverwahrung eines Verdächtigen entscheiden.

In der finalen Entwicklungsstufe erreichen Systeme Künstlicher Intelligenz einen sehr hohen Grad der Selbstständigkeit. Sie treffen eigene Entscheidungen, legen Strategien eigenständig fest und bestimmen die Art und Weise ihres Lern- und Kommunikationsverhaltens. Hier liegt derzeit der Fokus vieler Forscher, während im Fokus der Unternehmen und deren Use Cases noch die anderen Spielarten künstlicher Intelligenz stehen.

Quelle: Björn Böttcher, Daniel Klemm, Dr. Carlo Velten: Machine Learning im Unternehmenseinsatz - Ergebnisse einer empirischen Studie" in Kooperation mit The unbelievable Machine Company (*um) und Hewlett Packard Enterprise, Januar 2017

(ID:45337180)

Weiterführende Inhalte