Um künstliche Intelligenz richtig einordnen zu können, hilft zunächst die Betrachtung, was dieser medial strapazierte Begriff überhaupt bedeutet.
Der Begriff „Künstliche Intelligenz“ (KI) ist eine übergeordnete Bezeichnung für ein Teilgebiet der Informatik. Er beschreibt die Forschung und Entwicklung von Verfahren, welche versuchen menschenähnliche Intelligenz nachbilden. Dabei soll es einem Computer ermöglicht werden, intelligentes Verhalten zu entwickeln und eigenständig Probleme zu lösen.
In Unternehmen hilft KI Erkenntnisse über Zusammenhänge zu gewinnen, welche bisher unentdeckt blieben. KI unterstützt bei der Optimierung von Prozessen und bei der Lösung von Problemen, denen zuvor nicht oder nur eingeschränkt begegnen werden konnten.
Es ist unsere Leidenschaft Entwicklungen der KI zu verfolgen. Die öffentliche Euphorie bewerten wir jedoch sachlich und nüchtern, um Einsatzmöglichkeiten realistisch zu bewerten.
Wir machen Sie gerne bekannt mit dem Wesen „künstlichen Intelligenz“ und unterstützen Sie mit unserer Erfahrung. Nutzen Sie den Mehrwert, den KI Ihrem Unternehmen in Ihrem Markt bieten kann.
Machine Learning bezeichnet die Techniken innerhalb der künstlichen Intelligenz, mit denen ein künstliches System Wissen und Erfahrung generieren kann. Dabei werden Muster und Gesetzmäßigkeiten erkannt, welche in den Lerndaten vorhanden sind. Das System kann dann nach erfolgreichem Lernen unbekannte Daten korrekt beurteilen.
Die Techniken umfassen mathematische Verfahren, als auch „Deep Learning“ mit künstlichen neuronalen Netzen. Somit sind künstlichen neuronale Netze nur eine mögliche Lernvariante, wenn auch eine sehr mächtige. Sowohl den mathematischen Verfahren als auch den künstlichen neuronalen Netzen ist gemein, dass sie ausreichend Daten benötigen, um erfolgreich lernen zu können. Letztere benötigen für gewöhnlich eine wesentliche größere Menge an Daten.
Machine Learning steht meist nie allein und ist empfohlener Weise Bestandteil eines übergeordneten Vorgehensmodells für Data Mining Projekte innerhalb eines Unternehmens. Ein typischer Projektablauf wäre:
Ein KI-Projekt ist damit umfangreicher als die reine Beherrschung der Technologie.
Deep Learning ist eine Lernvariante aus dem Bereich Machine Learning und steht für die Anwendung künstlicher neuronaler Netze (KNN). Diese sind in vereinfachter Form den natürlichen Neuronen nachempfunden.
Anders als in der Natur sind die künstlichen Neuronen strukturiert in Schichten angeordnet, mit einer Eingangsschicht und einer Ausgangsschicht. Je nach Komplexität der zu lösenden Aufgabe sind dazwischen mehr oder weniger Zwischenschichten enthalten. Je weniger Zwischenschichten, desto flacher und weniger „deep“ ist das System. Umgekehrt wird ein System „deeper“ je mehr Zwischenschichten genutzt werden. Daher der Begriff „Deep“ Learning.
Je komplexer das zu lernende Datenmuster ist, desto mehr spielen künstliche neuronale Netze (KNN) ihre Stärke aus. Typische Anwendungsgebiete sind die Verarbeitung natürlicher Sprache, Bild- und Videoerkennung und autonom agierende Systeme, wie z.B. Fahrzeuge.
Der Erfolg und die Leistungsfähigkeit von KNN ist unweigerlich abhängig von der Menge und Qualität der verwendeten Daten. Es ist die datenhungrigste Variante des Machine Learnings, aber gleichzeitig auch das mächtigste Werkzeug in diesem Bereich.
Nun haben wir in unserem Labor geforscht, getüftelt und stolz ein leistungsfähiges KI-Modell erschaffen. Doch was nun? Wie kommt dieses KI-Modell in der Produktion zum Einsatz und welche Prozesse brauchen wir dafür?
Wenn es zum strukturierten Deployment kommen soll, zeigt sich die überraschende Komplexität der Aufgaben, die nach einer erfolgreichen KI Modellierung bewältigt werden müssen. Dafür steht der Begriff MLOps.
Was DevOps für die Entwicklung und Betrieb von Software ist, ist MLOps für KI-Projekte. MLOps ist ein Kombination aus „ML“ für Machine Learning und „Ops“ für IT-Operations, also dem technischen Betrieb einer KI. In Anlehnung an die CI/CD Prozesse aus dem klassischen Softwarebereich, gibt es auch hier geordnete Vorgehensweisen für den ständigen Zyklus zwischen Development und Deployment.
Je mehr KI-Module im Einsatz sind, desto existentieller wird MLOps. Dabei werden idealerweise auch die Versionen der Daten verwaltet, welche für den Lernprozess herangezogen wurden. Ein wichtiger Aspekt um das Ergebnis verschiedener Versionen eines KI-Moduls nachprüfbar reproduzieren zu können.
Die Überlegungen und Forschungen zur künstlichen Intelligenz gehen zurück bis in die Mitte des vorherigen Jahrhunderts. Viele eingesetzte Techniken sind nicht neu, einschließlich der künstlichen neuronalen Netze. Neben der Entstehung des Internets als allgegenwärtige Datenautobahn bedurfte es jedoch erst weiterer Zutaten, bis die Entwicklung und Nutzung von KI richtig Fahrt aufnehmen konnte:
Als erste Zutat steht Big-Data wie kein anderer Begriff für das exponentielle Wachstum von Daten, da immer mehr Geräte miteinander verbunden sind. Als ein wesentlicher Treiber sorgt IoT (Internet of Things) für Datenlawinen, die durch das Internet rollen.
Als zweite wichtige Zutat gilt Cloud Computing mit umfangreichen Datenspeicherungskapazitäten und unbegrenzter Rechenleistung. Nicht immer sind Cloud Ressourcen notwendig, solange die eigenen IT-Kapazitäten ausreichend sind. Doch nie war es einfacher auf die Schnelle die nötigen Kapazitäten in der Cloud aufzusetzen, um diese nach vollzogener Arbeit wieder aufzulösen ohne selbst eine potente Infrastruktur dauerhaft betreiben zu müssen.
Die Cloud ist jedoch nicht immer eine Option. Weniger aus technischen Gründen, sondern aufgrund unternehmenspolitischer Richtlinien oder gesetzlicher Vorgaben, wie z.B. durch die DSGVO. Aber letztlich denken wir, dass mit KI, Cloud und Big Data das zusammen wächst, was zusammen gehört.
Nach mehreren Jahrzenten in der IT kam auch für uns der Moment, wo wir uns erstmalig mit dem Thema KI befasst haben. Das Thema ist so komplex, dass der rote Faden nicht immer klar ersichtlich ist:
Gerade wenn Sie als Unternehmen planen KI einzusetzen, ist der Aufbau von KI Know-how von Bedeutung, wenn Sie die eigenen KI-Prozesse verstehen möchten.
Wir haben für uns festgestellt, dass wir mit Begeisterung das Thema KI vermitteln, weil es so unglaublich spannend ist. Deshalb sind wir auch für externe Seminarveranstalter als Trainer und Referenten zum Thema KI im Einsatz. Bei Bedarf veranstalten wir aber auch Inhouse Workshops für Ihr Unternehmen.
Auf Grundlage unserer Erfahrung kommen wir im Umfeld unserer Kernkompetenzen in Situationen, in denen unsere KI-Expertise als Sachverständiger benötigt wird. Anhand der Aufgabenstellung dokumentieren wir detailliert den Sachstand, untersuchen den Sachverhalt und erstellen im Ergebnis ein Gutachten für den Auftraggeber. Die Erstellung des Gutachtens erfolgt objektiv und auf Grundlage des aktuellen Stands der Technik.
Wir unterstützen gerichtliche und staatliche Auftraggeber, sowie gewerbliche Auftraggeber mit:
Sollten Sie weitere Fragen zu unserer Tätigkeit als KI Sachverständiger haben, freuen wir uns über Ihre Kontaktaufnahme.