Da Unternehmen in den letzten Jahren kaum ein Thema mehr beschäftigt als Digitalisierung, bedarf es auch einen näheren Blick auf die wegweisende Zukunftstechnologie „Künstlichen Intelligenz“. In der kommenden Beitragsreihe zur Künstlichen Intelligenz möchten wir Ihnen darum dieses immer stärker in den Fokus rückende Thema näherbringen. Der erste von vier Beiträgen befasst sich mit der Definition, den Anwendungsbereichen und den Begriffsabgrenzungen zur Künstlichen Intelligenz

Definition

Obwohl das Thema Künstliche Intelligenz (KI) die Menschheit schon seit Jahren beschäftigt, gibt es bis dato noch keine einheitliche Bezeichnung. Im Grunde beziehen sich die wesentlichen Definitionsversuche für die KI sowohl auf Denkprozesse als auch auf das Verhalten der Systeme.

Nach

Klaus Mainzer

Weiters definiert

Klaus Mainzer

Künstliche Intelligenz ist demnach ein Überbegriff für einen Algorithmus, welcher aus unzähligen Teilgebieten aus Informatik (Daten) und Mathematik (Logik) besteht (Deep Learning, Machine Learning, Neuronale Netze, Expertensysteme). Grundlage für alle KI-Anwendungen ist eine ausreichende Menge an Daten mit einer entsprechenden Qualität. Mehr dazu im unteren Absatz.

Anwendung

Die Anwendungsfälle von KI sind nahezu grenzenlos. Grundsätzlich lässt sich ein KI-Algorithmus überall dort einsetzen, wo sich große Mengen an Daten befinden. Ob in der Sprach- oder Bildverarbeitung, der Automatisierung von Prozessen oder dem gezielten Einsatz von Werbung auf Basis der Konsumenteninteressen – KI eröffnet neue Möglichkeiten und erschließt weitere wirtschaftliche Potentiale.

Beispiele für Anwendungsfelder

• Gesundheitssystem
  • Selbstständige Medikation
  • Selbstständige Aufzeichnung und Analyse von EKG´s
  • Diagnose einer „Coronalunge“ durch Röntgen
  •  Industrien
    • Roboter und Kollaborative Roboter
    • Autonomes Fahren
    • Produktentwicklung
    • Logistik & Lieferkette
      • Vorhersage der Nachfrage
      • Prozessoptimierung
      • Retourenmanagement
      • HR
        • Recruiting
        • Onboarding
        • Marketing
          • Targeting
          • Texterstellung
          • Finanzen
            • Vertragswesen
            • Aktienmarkt

            Künstliche Intelligenz, Machine Learning oder Deep Learning?

            Die künstliche Intelligenz versucht, das menschliche Denken zu imitieren, Machine Learning geht noch einen Schritt weiter. Machine Learning ist jener Bereich der Künstlichen Intelligenz, der es den Maschinen ermöglicht, selbstständig zu lernen. Das Erkennen von Mustern in großen Datenmengen erreicht die „Maschine“ durch einen Algorithmus. Maschinelles Lernen impliziert somit, dass eine Maschine darauf trainiert wird, Aufgaben zu automatisieren, die für einen Menschen unmöglich zu erfassen sind.

            Deep Learning kann als kompliziertere Form von Machine Learning definiert werden. Deep Learning versucht mittels Sätzen von Algorithmen, das neuronale Netzwerk des menschlichen Gehirns nachzuahmen. Deep Learning ist mit Sprachassistenten wie Siri oder Alexa bereits gut in unserem Alltag integriert.

            Machine Learning und Deep Learning sind also beides Teilbereiche der Künstlichen Intelligenz.  Deep Learning ist ein spezieller Teilbereich des Machine Learning. Der Hauptunterschied liegt in der Fähigkeit, durch künstliche neuronale Netzwerke, große Mengen an unstrukturierten Daten zu verarbeiten.

            Alles klar?

            Zusammengefasst lässt sich sagen, dass KI aus Teilgebieten der Informatik und Mathematik besteht und sich mit der Automatisierung von intelligenten menschlichen Verhalten auseinandersetzt. Basis dafür sind Algorithmen, welche im Regelfall mit Computerprogrammen ausgeführt werden. Diese Algorithmen sollen in der Praxis, für einen Menschen unerreichbare komplexe Muster erkennen und analysieren und somit neue Potentiale erschließen.

            Im zweiten Teil unserer KI-Beitragsreihe erfahren Sie, was es braucht, um die digitale Transformation in Ihrem Unternehmen voran zu bringen und welchen Ansatz Sie dabei verfolgen sollten.