Zum Einstieg: Künstliche Intelligenz (KI)
Künstliche Intelligenz (KI) im Arbeitsalltag

Zum Einstieg: Künstliche Intelligenz (KI)

Veröffentlicht am 15. März 2019 um 14:13 Uhr von Stefan Maroń

Künstliche Intelligenz und maschinelles Lernen gehören inzwischen zu den populärsten Themen der modernen Informatik. Aber was genau verbirgt sich eigentlich hinter diesen Begriffen? Werden unsere Arbeitsstellen in Zukunft durch intelligente Computersysteme ersetzt, oder ist der Computer doch nur so schlau, wie der Entwickler der ihn programmiert?

Mit diesen und weiteren Themen habe ich mich auseinandergesetzt, um Ihnen einen Überblick über aktuelle Technologien und Begrifflichkeiten zu verschaffen.

Künstliche Intelligenz: Verbreiteter als gedacht

Künstliche Intelligenz oder auch AI (engl. artificial intelligence) ist der Oberbegriff für alles, was einen Computer in gewisser Hinsicht „schlau“ macht.
Unter „schlau“ versteht man in diesem Kontext, dass der Computer eine Art von Entscheidungen treffen kann. Das bedeutet generell: Auch ein Computer, der lediglich ganz „normal“ programmiert wurde, verfügt so gesehen über eine gewisse Art künstlicher Intelligenz. Allerdings kann der Computer auf dieser Ebene noch nicht selbständig dazu lernen.

Maschinelles Lernen am Beispiel der Handschriftanalyse

Maschinelles Lernen oder auch ML (engl. machine learning) ist ein Teil der künstlichen Intelligenz. Die Besonderheit beim maschinellen Lernen ist, dass der Computer in der Lage ist, Muster in vorhandenen Datenstrukturen zu erkennen. So kann Wissen aufgrund von Erfahrung gebildet werden. Es gibt Probleme, für die man nicht direkt eine Lösung im Sinne eines Computerprogrammes definieren kann. Diese Probleme löst der Mensch in seinem Alltag durch Erfahrungswerte.

Künstliche Intelligenz als Überthema von Maschine Learning und Deep Learning

Die Handschrift der Eltern zu erkennen fällt einem Menschen in der Regel sehr leicht. Allerdings ist das Festlegen einer Regel für die Erkennung dieser Handschrift schon erheblich schwieriger. Beim maschinellen Lernen werden Textbeispiele mit Hilfe von komplizierten mathematischen Funktionen analysiert. Das Ergebnis dient dem Computer später als „Erfahrung“. Wenn ein unbekanntes Schriftstück analysiert wird, kann der Computer angeben, zu wie viel Prozent Wahrscheinlichkeit die Handschrift einer schon bekannten Handschrift ähnelt.

Anschließend kann das Ergebnis vom Menschen interpretiert werden. Es können zudem auch Schwellenwerte festgelegt werden, ab welcher Wahrscheinlichkeit ein Ergebnis als richtig angesehen wird, oder ob das Ergebnis noch von einem Menschen kontrolliert werden muss.

Deep Learning: die nächste Stufe der KI

Deep Learning ist ein Teilbereich des maschinellen Lernens. Die Idee hierbei ist es, die Struktur des Gehirns nachzuempfinden. Die Idee dieses Verfahrens entstand bereits Mitte der 90er Jahre. Durch die Entwicklung leistungsstarker Computer hat dieses Verfahren in den letzten Jahren sehr große Fortschritte gemacht. Als sehr bekanntes Beispiel für Deep Learning gilt die Fähigkeit, handgeschriebene Ziffern zu erkennen. Das System bekommt lediglich 10.000 Beispiele mit vorgegebener Antwort. Daran kann das System eine gewisse Zeit „lernen“. Nach kürzester Zeit kann eine Trefferwahrscheinlichkeit von bis zu 98% erreicht werden.

Beispiel aus der Praxis: Mehr Effizienz durch Deep Learning

Vorüberlegung: Bestellungen effizient verwalten

Stellen Sie sich vor, Sie arbeiten in einem Handelsunternehmen mit einer sehr breiten Produktpalette. Jeden Tag erhalten Sie unzählige Bestellungen. Dabei hat man festgestellt, dass immer wieder ein Teil der Bestellungen reklamiert wird, da es Fehler bei der Erfassung der Bestellung gab oder falsche Artikel bestellt wurden.

Die Lösung: eine eingebaute Kontrolle, mit deren Hilfe der Verkäufer auf einen Blick erkennen kann, ob in einer Bestellung untypische Angaben gemacht wurden. Auf diese Weise können Bestellungen identifiziert werden, bei welchen der Kunde kontaktiert werden kann, um die Richtigkeit der Bestellung zu hinterfragen und gegebenenfalls anzupassen.

Langfristig bedeutet das eine immense Ersparnis an Arbeitszeit, die aktuell noch nötig ist, um die Bestellungen zu reklamieren und neu zu erfassen. Außerdem resultiert daraus vermutlich eine höhere Kundenzufriedenheit, da der Kunde direkt auf Fehler bei der Abgabe der Bestellung hingewiesen wird.

Daten sammeln und klassifizieren

Um die KI anzulernen können Sie als Datengrundlage die historischen Bestellungen der letzten Jahre verwenden. Alle reklamieren Bestellungen werden als untypisch, alle anderen als typisch klassifiziert. Der Einfachheit halber stellen wir uns vor, dass jede Bestellung nur einen Artikel enthält. Ein Ausschnitt der aufbereiteten Daten könnte wie folgt aussehen:

Tabellenübersicht zeigt wie KI Künstliche Intelligenz Bestellungen optimiert

Bei der Zusammenstellung der richtigen Datengrundlagen kann es hilfreich sein, verschiedene Kombinationen zu wählen und die Ergebnisse in der jeweiligen Testphase des Lernprozesses zu vergleichen. Manchmal kann die KI Zusammenhänge zwischen Daten erkennen, die bei einfacher Betrachtung nicht auffallen. Dies könnte beispielsweise die Uhrzeit der Bestellung sein.

Lernprozess: So lernt eine KI

Nachdem die Datengrundlage geschaffen ist muss die Künstliche Intelligenz eine gewisse Zeit „lernen“. Die KI bekommt einen Teil der Daten mit vorgegebener Antwort. Sie versucht das Ergebnis mit den vorliegenden Informationen zu bestimmen und kontrolliert sich selbst anhand der vorgegebenen Antwort. Wenn die Antwort nicht korrekt ist, werden automatisch Anpassungen in der Logik vorgenommen und die KI versucht sich erneut an der Bestimmung von Antworten.

Während dieser Vorgang läuft, kann man die Trefferwahrscheinlichkeit überwachen. Sobald diese hoch genug und mit gegebener Rechenleistung nicht mehr zu verbessern ist, kann der Lernprozess gestoppt werden. Die gesammelten „Erfahrungen“ werden nachher im Echtbetrieb verwendet.

Arbeitserleichterung im Alltag

Im Alltag könnte man sich vorstellen die Überprüfung der Bestellung durch die KI vor dem Buchen der Bestellung durchzuführen. Dem Verkäufer wird die Klassifizierung und die Trefferwahrscheinlichkeit der Künstlichen Intelligenz angezeigt. Aufgrund dieser Informationen kann der Verkäufer entscheiden, ob die Bestellung in Ordnung ist oder ob sie noch einmal kontrolliert werden sollte. Das endgültige Ergebnis wird anschließend festgehalten. Auf diese Weise entstehen über die Zeit mehr Testdaten und die KI kann dadurch noch besser lernen.

Persönliches Fazit: Eine geschulte KI als Schlüssel zum Erfolg

Künstliche Intelligenz allgemein – und insbesondere Deep Learning – ist ein unglaublich mächtiges Werkzeug. Allerdings müssen dafür die nötigen Voraussetzungen erfüllt werden. Es benötigt eine Datengrundlage, anhand derer die KI vorerst lernen kann. Diese Basis kann aus den eigenen Daten erstellt werden oder oder von Unternehmen stammen, welche diese Datengrundlage bereits geschaffen haben und zur Verfügung stellen. Zudem müssen die Daten zuerst in eine Struktur gebracht werden, mit der die KI arbeiten kann.

Alles in allem muss auch ein gewisses Verständnis existieren, wie eine KI „denkt“. Nur so können überhaupt erst Anwendungsfälle für eine KI identifiziert werden. Nicht alles lässt sich (derzeit) mit einer KI lösen oder optimieren. Dennoch sind sehr viele Anwendungsbereiche vorstellbar, wenn die Datengrundlage entsprechend modifiziert wird. Im nachfolgenden Beitrag werden wir dies an einem Beispiel aus Microsoft Dynamics 365 Business Central veranschaulichen.

Stefan Marón synalis IT Beratung Köln Bonn

Stefan Maroń, ERP-Experte und Entwickler, synalis
Tel. +49 228 9268 0
E-Mail: stefan.maron@synalis.de