Wir spielen gerade

Wir spielen gerade

Best Practice: Wie Sie mit KI und Automatisierung die Herausforderung von Big Data bewältigen

Zurück zur Suche

Sage Advice – Logo
Sage AdviceDer Blog für fundiertes Unternehmerwissen
AbonnierenAbonnieren

Ist der Hype um künstliche Intelligenz (KI) als Unternehmenstechnologie gerechtfertigt? Die riesige Begeisterung der Anbieter von Unternehmenssoftware und Analysten weltweit ist auf jeden Fall klar zu spüren. Die Forschungs- und Beratungsfirma Gartner beispielsweise glaubt, dass KI bis zum Jahr 2020 in allen Produkten und Dienstleistungen präsent sein wird.

Die Zahlen zumindest scheinen die Aufregung zu rechtfertigen. Gartner sagt voraus, dass die Größe des KI-Markts bis 2025 voraussichtlich auf 2,5 Mrd. USD anwachsen wird. Der größte Anteil der durch KI erzielten Umsätze stammt aus dem Markt für Unternehmensanwendungen. So zahlen Unternehmen beispielsweise für die Nutzung von Funktionen wie Bilderkennung, Objektidentifikation, -erkennung und -klassifizierung sowie für die automatische Erfassung geophysischer Eigenschaften.

Sentient Technologies ist ein KI-Start-up, das sich auf evolutionäre Algorithmen (EA) spezialisiert hat, die an die natürliche Auslese und biologische Evolution angelehnt sind. EA verwenden Mechanismen, die die evolutionären Konzepte der Fortpflanzung, Mutation, Rekombination und Auslese nachahmen.

Die Kraft evolutionärer Algorithmen

Für evolutionäre Algorithmen gibt es zahlreiche Einsatzbereiche. Zum Beispiel Bildverarbeitung, Tourenplanung, Optimierung der mobilen Kommunikation, Softwareentwicklung und die Schulung neuronaler Netze. Sie werden in Tools wie Google Maps, in Spielen (zum Beispiel „Die Sims“) und sogar zur Unterstützung von Entscheidungen in der klinischen Krebsbehandlung genutzt.

Distributed Computing (verteilte Systeme) ist ein Modell, bei dem die Komponenten eines Softwaresystems auf mehrere Rechner verteilt werden, um Effizienz und Leistung zu erhöhen. EA können massiv über mehrere Rechenzentren verteilt werden, sodass für datenintensive Aufgaben eine enorme Rechenleistung erreicht werden kann.

Zu Beginn war Sentient im Handel tätig, wo der Nutzen von EA sofort erkannt wurde. In der Folge hat sich Sentient jedoch nicht zu einem Finanzunternehmen, sondern zu einem Unternehmen für Technologieprodukte entwickelt. Seit seiner Gründung erwirtschaftete es Finanzmittel von mehr als 143 Mio. USD und war damit zwischen 2010 und 2016 das kapitalkräftigste KI-Start-up.

„Wir haben uns ein schwieriges Problem im Bereich des Deep Learning vorgenommen – die Bildbeschriftung. Damit haben wir gezeigt, wie die evolutionäre Suche mithilfe von evolutionären Algorithmen die Arbeit der hochmodernen Deep-Learning-Architektur erledigen kann. In Sachen Performance erzielte die evolutionäre Suche eine um 10 % höhere Leistung.“ – Arshak Navruzyan

Arshak Navruzyan ist der Chief Technology Officer des Unternehmens. Er befindet sich in einer ausgezeichneten Position, um Einblicke in die Unternehmens-KI zu bieten. Er ist verantwortlich für die Vorgabe der Entwicklungsrichtung der verteilten KI-Kernplattform von Sentient. Außerdem ist er Gründer von Fellowship.AI, einem Fellowship-Programm für maschinelles Lernen, das Entwicklern für maschinelles Lernen die Möglichkeit bietet, reale Anwendungen zu entwickeln.

Branchenweiter Einsatz von KI

Arshak Navruzyan erklärt: „Wir sind in mehreren Bereichen tätig, vom Investmentmanagement bis hin zu Anwendungen für digitales Marketing. Die zugrunde liegende Technologie ist immer die gleiche – eine Kombination der weltweit größten und leistungsstärksten verteilten KI. Dabei werden EA, Deep Learning und Scale Compute kombiniert – sowohl GPU als auch CPU.

Damit Sie sich die Größenordnung unserer bisherigen Arbeit vorstellen können, haben wir 2016 einen Artikel dazu veröffentlicht, wie EA die Arbeit eines Deep-Learning-Forschers ausführen kann.“

„Wir haben uns ein schwieriges Problem im Bereich des Deep Learning vorgenommen – die Bildbeschriftung. Damit haben wir gezeigt, wie die evolutionäre Suche mithilfe von evolutionären Algorithmen die Arbeit der hochmodernen Deep-Learning-Architektur erledigen kann. In Sachen Performance erzielte die evolutionäre Suche eine um 10 % höhere Leistung.“

Navruzyan berichtet, dass Sentient gerade eine Entdeckungsphase durchläuft, um ausgehend von Einzelfällen herauszufinden, wie seine KI-Variante in verschiedenen Branchen Anwendung finden könnte. Und um es Unternehmen leichter zu machen, KI einzuführen, will Sentient sicherstellen, dass zukünftige Kunden keinen großen Aufwand bei der Integration der Systeme haben.

So erklärt er: „Unser langfristiges Ziel ist es, unsere KI-Technologie in einer Vielzahl von Branchen einzusetzen, zum Beispiel in der Landwirtschaft, im Energiesektor, im Gesundheitsbereich oder im Finanzwesen. Uns geht es darum, vertikal fokussierte Anwendungen zu schaffen, die Probleme für ganze Branchen und Horizontalen lösen.“

Künstliche Intelligenz in Unternehmen

Wie kann die Wirtschaft von dieser Technologie profitieren?

  • Freund oder Feind?
  • Wachstumsmotor?
  • Potentiale!
  • und was Sie bei der Einführung im Unternehmen beachten sollten!
Whitepaper laden

Deep Learning für die Gesichtserkennung

Navruzyan berichtet, dass Sentient mit Führungskräften in allen Branchen zusammengearbeitet habe, um zu verstehen, wo ihre Prioritäten liegen und welche Probleme sie lösen müssen, und um so herauszufinden, wo KI helfen könne.

Im Herstellungssektor zum Beispiel habe er mit Unternehmen gesprochen, die auf globaler Ebene Hardware wie Tablets, PCs und Smartphones herstellen. Diese Unternehmen versuchten aktiv, Deep Learning in ihrem Umfeld für Anwendungen wie Gesichtserkennung, digitale Identifizierung und Spracherkennung einzusetzen.

Navruzyan erklärt: „Wenn diese Unternehmen diese KI in ihre Plattform integrieren wollen, stellen sie fest, dass Deep-Learning-Modelle einen derart hohen Ressourcenbedarf haben, dass sie bisher nur in der Cloud untergebracht werden konnten.

Wir arbeiten mit einer sehr großen Industrieorganisation zusammen, um herauszufinden, wie man den Ressourcenbedarf dieser Deep-Learning-Netzwerke reduzieren könnte. Oft bestehen sie aus vielen Hundertmillionen Parametern. Wir wollen sie jedoch mühelos am Rand eines Netzwerks in einem Gerät bereitstellen, statt in der Cloud.

Diese Geräte verfügen über zuverlässige Konnektivität mit geringer Bandbreite. Daher geht es im Grunde darum, Deep-Learning-Netzwerke in kleinen Geräten unterzubringen, die Höchstleistung bieten.“

development of electric and automated vehicles
Die Automatisierungsbranche durchläuft derzeit einen Wandel, der zum Teil auf die Entwicklung elektrischer und automatisierter Fahrzeuge zurückzuführen ist

„In zehn Jahren wird die Automobilindustrie nicht mehr die gleiche sein“

Navruzyan und Sentient arbeiten mit Kunden aus dem Automobilbereich zusammen. Dieser Sektor ist besonders interessant wegen des aktuell starken Wandels durch die Entwicklung elektrischer und automatisierter Fahrzeuge. Ein weiterer Aspekt sind neue Wirtschaftsmodelle wie das Ridesharing.

Er führt aus: „In zehn Jahren wird die Automobilindustrie nicht mehr die gleiche sein. In Gesprächen mit Technologieführern in diesem Bereich geht es um zahlreiche Einsatzmöglichkeiten von KI wie selbstfahrende Autos, Sicherheitsoptimierung und Fahrerassistenz.

Schauen Sie sich die Innovationen der High-End-Automobilmarken an, etwa Tempomat und adaptives Bremsen, sowie den steigenden Bedarf an Autopilot-Funktionen. Eine Eigenschaft von Fahrzeugen der nächsten Generation wird sein, dass sie sich aktiver am Fahrprozess beteiligen, auch wenn ein Mensch am Steuer sitzt.“

Dem fügt Navruzyan hinzu: „Die Führungskräfte im Automobilmarkt sind sich noch nicht einmal sicher, ob das Händlermodell das Vertriebsmodell der Zukunft sein wird. Inwieweit sollten Kunden in der Lage sein, ein Auto zu bekommen, das auf ihre Präferenzen zugeschnitten ist? Und wie stark sollte ein einzelnes Auto individuell angepasst werden? Es gibt Überlegungen, den Vorgang des Autokaufs zu revolutionieren.

Alles steht zur Diskussion, zum Beispiel wie Verbraucher mit dem Produkt interagieren, das wirtschaftliche Modell und sogar die Beschaffenheit des Produkts. KI bietet viele Möglichkeiten, diese Branche zu revolutionieren.“

Wie künstliche Intelligenz und Automatisierung geschäftliche Entscheidungen unterstützen können

Mit der Globalisierung und der zunehmenden Komplexität des Netzwerks digitaler Lieferketten wird die Menge der generierten Daten immer weiter wachsen. Navruzyan ist überzeugt davon, dass die Unterstützung einer besseren Entscheidungsfindung durch Daten einer der wichtigsten Vorteile von KI und Automatisierung ist.

Er erklärt: „Ich denke, dass es für menschliche Analysten immer schwerer wird, mit diesem Datenvolumen mitzuhalten und konsistent hochwertige Entscheidungen zu treffen. Meiner Meinung nach geht es bei KI also in erster Linie um Automatisierung.

Ich glaube nicht, dass wir so weit sind, menschliche Analysten komplett zu ersetzen. Viele Geschäftsvorfälle erfordern eine menschliche Bewertung. Die Automatisierung brauchen wir aber, um Unternehmen hochzuskalieren und mit der Kundennachfrage Schritt halten zu können. Es ist schwer, das auf andere Art und Weise zu schaffen.“ Wie Künstliche Intelligenz im Unternehmen genutzt werden kann, dazu finden Sie eine Reihe an Beiträgen auch hier auf unserem Blog.

Tesla
Tesla-Chef Elon Musk hat Bedenken gegen künstliche Intelligenz

Künstliche Intelligenz und ihre moralischen Verpflichtungen

Neben dem Hype rund um KI hat das Thema auch zahlreiche bekannte Persönlichkeiten aus Wissenschaft und Technik veranlasst, auf die Gefahren hinzuweisen, die ihrer Meinung nach mit dieser Technologie verbunden sind. Stephen Hawking hat bekanntlich gewarnt, dass KI die Menschheit auslöschen könnte. Elon Musk beschrieb sie als „unsterblichen Diktator, dem wir niemals entkommen würden“.

Navruzyan geht es zwar nicht darum, politisch aktiv zu werden, aber er hat eine Meinung dazu, was er für die wahren Gefahren von KI hält: „Ich glaube, wir haben vor den falschen Dingen Angst. Kurzfristig habe ich am meisten Angst vor dem Missbrauch von KI.

Man hört von vielen Beispielen, wie Leute Bilder in ein KI-Programm einspeisen und beispielsweise ihre sexuellen Vorlieben klassifizieren oder diese Daten für kriminelle Aktivitäten nutzen.

Meine größte Befürchtung ist, dass Leute, die nicht wissen was sie tun, unzureichende Modelle erstellen, die als Grundlage für wichtige Entscheidungen in Bereichen wie der Strafjustiz, der Genehmigung von Darlehen oder der Einstellung von Personal verwendet werden.

Und nicht, dass KI zum bösen Herrscher wird – hierfür gibt es keine Beweise. Es geht eher darum, dass KI missbraucht wird und dass man sich auf Urteile verlässt, die in ihrer Art voreingenommen und unwissenschaftlich sind.“

Was Unternehmensleiter, die an KI interessiert sind, wissen müssen

Welchen Rat würde Navruzyan Unternehmensleitern geben, die von KI profitieren und ihre ersten Schritte in diesem Bereich machen wollen?

Seiner Ansicht nach neigen viele der größten Unternehmen dazu, eine für Innovation zuständige Niederlassung in Silicon Valley zu errichten. Sie geben Erklärungen ab, dass ihre Mitarbeiter dort innovative Arbeit leisten. Diese Unternehmen verfügen über Labore, mit denen sie zeigen, dass sie Vorreiter auf dem neuesten Stand der Technik sind, weil sie einen namhaften Forscher einbezogen haben.

Navruzyan führt aus: „Ich weiß nicht, ob das den Transformationseffekt haben wird, den sie sich erhoffen. Ich habe beobachtet, dass viele Unternehmen in zahlreichen Branchen zweistellige Millionenbeträge in diesen Ansatz stecken – ohne nennenswerte praktische Resultate oder Veränderungen ihres Produktangebots oder Geschäftsmodells. Dann haben sie die Nase voll, werden nervös und lassen es sein.

„Das durchschnittliche Unternehmen auf der Fortune-Liste muss sich überlegen, wie es für Forscher auf dem Gebiet des maschinellen Lernens und für Datenwissenschaftler attraktiv werden kann.“ – Arshak Navruzyan

Die Unternehmen, die es ernst meinen mit KI, müssen damit anfangen, sie als Kernkompetenz zu behandeln, nicht als Beiprogramm. Es geht nicht um Vorführlabore und Pflichtübungen. Diejenigen, die erfolgreich sein werden, werden ernsthafte Investitionen tätigen und sich überlegen müssen, wie sie qualifizierte KI-Fachkräfte anziehen können, die für sie arbeiten und ihre Karriere bei ihnen aufbauen.

Unternehmen werden nicht für ihre Arbeit an KI bekannt. Wenn man heutzutage an KI arbeiten will, dann geht man zu Firmen wie Google, Open AI oder Facebook. Das durchschnittliche Unternehmen auf der Fortune-Liste muss sich überlegen, wie es für Forscher auf dem Gebiet des maschinellen Lernens und für Datenwissenschaftler attraktiv werden kann. Wie es genügend Fachkräfte versammeln kann, um hinsichtlich der Geschäftsprobleme, die es lösen will, etwas zu bewirken.

Zu den Problemen, die Automobilhersteller mit KI lösen müssen, gehören die Entwicklung automatisierter Fahrzeuge, die Veränderung ihres Wirtschaftsmodells und die Verbesserung der Interaktion mit Verbrauchern. Das sind keine Kleinigkeiten, die man im Labor löst – es ist eine massive Geschäftsumstrukturierung, die sie erreichen müssen.“

KI – Was Geschäftsleitungen über ethische Grundsätze wissen müssen

Künstliche Intelligenz: Der Weg in die Zukunft.

Welches sind die Handlungsfelder für das Management?

Whitepaper laden

Nichts verpassen. Erhalten Sie 14-tägig unsere Blog-Auslese in den Posteingang!

Jede Woche Berichte, Ideen, e-Books, Checklisten, Leitfäden, Studien, uvm.