Suche
  • Sven Wilms

AI Driven Management – KI für Führungskräfte

Künstliche Intelligenz (KI, englisch Artificial Intelligence AI) ist heutzutage allgegenwärtig in unserem Arbeits- und Privatleben angekommen. Sie ist allgegenwärtig, doch nicht immer spür- und erkennbar.


In den letzten Jahren hat der KI-Hype einen neuen Höhepunkt erhalten. Es gab solch einen Hype für KI schon einmal: in den Jahren nachdem der Begriff „artificial intelligence“ zum ersten Mal auf und nach der Dartmouth Conference im Sommer 1956 am Dartmouth College in Hanover (New Hampshire) auftauchte. Diese Konferenz mit Experten wie zum Beispiel John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon gilt allgemein als Gründungskonferenz der AI/KI. Die Jahre danach waren geprägt durch eine fast grenzenlose Erwartungshaltung im Hinblick auf die Fähigkeit von Computern, Aufgaben zu lösen, die, wenn sie vom Menschen gelöst werden, Intelligenz erfordern. Diese Erwartungshaltung konnte nicht erfüllt werden.

In den 2000er Jahren entstand der Durchbruch für die KI. In diesem Zeitraum hat die KI gelernt, typisch menschliche Fähigkeiten zu beherrschen: Das Sehen, das Lesen und das Sprechen. Hierfür waren einige Voraussetzungen notwendig: zum einen mussten die Daten in dem Maße verfügbar sein, die die KI das Lernen ermöglichten, zum anderen mussten die Hardware-Voraussetzungen für die dafür notwendige Rechenleistung gegeben sein.


Betrachten wir einige Anwendungsbeispiele für die KI-Fähigkeiten. Fangen wir mit dem Sehen an:

Das Sehen durch AI ist die Muster- oder Objekterkennung, die sehr große Fortschritte in den letzten Jahren gemacht hat. Hierzu haben neben den Fortschritten in den beiden oben genannten Themen Datenvolumen und Hardware auch die deutlich verbesserten Methoden, nämlich Machine Learning (ML) und Deep Learning beigetragen. Von den vielen Anwendungsszenarien, die sich in diesem Umfeld in den letzten herausgebildet haben, möchte ich an dieser Stelle nur drei nennen: die Medizinische Diagnostik, die vorausschauende Wartung und das autonome Fahren, alles Anwendungsfelder, die durch die AI in den letzten Jahren einen immensen Innovationsschub erfahren haben. Es ist bereits bekannt, dass in der medizinischen Diagnostik Bild-erkennende Verfahren Hautkrebs viel besser erkennen können als ein Arzt, eine Ärztin. Durch Mustererkennung im Blut kann man heutzutage aber auch bereits viele Krebserkrankungen im Frühstadium erkennen, wodurch die Heilungschance deutlich steigt. Die vorausschauende Wartung von Maschinen und Anlagen in der eigenen Produktion oder dezentral bei den Kundeninstallationen ist bereits fast ein „alter Hut“ und auch das autonome Fahren ist ohne Objekterkennung durch AU nicht möglich. Hier tritt allerdings die Schwierigkeit auf, dass sich Menschen nicht so rational verhalten wie Maschinen. Wenn man bei einer Maschine eine Musterabweichung feststellt, kann man mit ziemlich hoher Wahrscheinlichkeit vorhersagen, ob und auch bereits, wann sie ausfallen wird. Bei einem Menschen ist das anders. Wenn die Kameras am Fahrzeug einen Menschen als Objekt auf dem Gehsteig identifizieren, weiß man nicht, ob er nicht doch in der nächsten Sekunde auf die Fahrbahn tritt.


Das automatisierte Lesen hat durch AI ebenfalls große Fortschritte erzielt. Allen bekannt ist das automatisierte Lesen von zum Beispiel Überweisungsformularen. Menschen haben Schwierigkeiten, die unterschiedlichsten Handschriften und unleserlich ausgefüllten Formulare zu entziffern. Hier hilft wiederum die Objekterkennung durch ML-Verfahren sehr. Auch die Autokorrektur ist vielen bekannt, auch diese wird durch ML deutlich verbessert. In Portalen entstehen täglich tausende oder sogar Millionen von Kundenfeedbacks zu Produkten. AI hilft, diese Kundenbewertungen zu analysieren, um hieraus wiederum Produktverbesserungen ableiten zu können.


Auch beim Sprechen setzt man verstärkt AI ein, zum Beispiel für Chatbots und Conversational AI. Hier sind in den letzten Jahren sehr viele Hersteller auf den Markt gekommen, die das für die Objekterkennung sehr gut geeignete Machine Learning auch für das Verstehen der Sprache einsetzen. Wörter, Satzfragmente als Objekt. Dies ist durchaus möglich, wenn es um das Erkennen einfacher Zusammenhänge geht, zum Beispiel um die Öffnungszeiten. Hier ist es der Objekt-erkennung der AI mit ziemlich hoher Wahrscheinlichkeit möglich, zu erkennen, dass es dem Nutzer, der Nutzerin um das Anliegen der Öffnungszeiten geht und diese entsprechend als Antwort auszugeben. Sehr viel schwieriger wird es, wenn es wirklich um ein Sprach- und Kontextverständnis geht. Letztendlich ist Machine Learning nichts anderes als „Auswendiglernen“. Das können Maschinen viel besser als Menschen. Auch mir hat das schon häufig geholfen, zum Beispiel damals im Studium, ich habe die Klausuren bestanden. Verstanden hatte ich die Thematik nicht. So ergeht es leider auch den ML-Verfahren. Weichen Wörter auch nur etwas vom Einsatz des auswendig gelernten Kontextes ab, interpretieren dies die Algorithmen falsch. Was wird ein Algorithmus auf den Satz „Meine Rückenbeschwerden sind schon viel besser“ antworten? Richtig: „Das tut mir leid“. Weil er auf das Wort „Beschwerde“ mit der Antwort „Das tut mir leid“ trainiert wurde. Bei anspruchs-vollen Kommunikationsverläufen, wie zum Beispiel der Freitextkommunikation im Conversational AI sind die linguistischen Verfahren den ML-Verfahren weiterhin überlegen.


Sie sehen, dass AI sehr große Fortschritte gemacht hat und sehr viele neue Anwendungsfelder erschließt. Es lohnt sich aber auf jeden Fall, AI besser zu verstehen, um den Einsatz im eigenen Unternehmen richtig einschätzen zu können. Wir bieten hierzu das Online-Training „AI Driven Management – KI für Führungskräfte“ unseres Technologiepartners StackFuel an. Nehmen Sie daher an unserem Webinar am 24. Juni teil, in dem wir in 30 Minuten dieses Training genauer vorstellen werden. Es lohnt sich. Weitere Informationen und die Anmeldemöglichkeit finden Sie unter: www.software-innovation-bridge.com/events/ai-driven-management