Künstliche Intelligenz erfordert eine klare Definition dessen, was Lernen bedeutet.
Künstliche Intelligenz erfordert eine klare Definition dessen, was Lernen bedeutet. © Foto:Bitcoin

Wochenrückblick | | von Yvonne Göpfert

Künstliche Intelligenz - ewiger Kreislauf zwischen Testen und Lernen

Künstliche Intelligenz erlebt derzeit einen großen Hype. Vieles von dem, was heute diskutiert wird, erscheint dem Einen zu weit hergeholt, dem Anderen schon zum Greifen nah. Ob Zukunftsmusik oder nicht: Es gibt Facetten, mit denen sich Unternehmen, ganz gleich welcher Branche, schon heute auseinandersetzen sollten, wenn sie auch künftig am Markt bestehen wollen. 

Was braucht KI eigentlich überhaupt, um zu funktionieren?

Eine der großen Fragen dabei lautet: Was braucht KI eigentlich überhaupt, um zu funktionieren? Dr. Frank Säuberlich, Director Data Science & Data Innovation bei dem Business-Analytics-Anbieter Teradata meint: "Wir müssen erst einmal definieren, was Künstliche Intelligenz überhaupt ist." Viele verwenden derzeit ja das Modewort KI und meinen aber eigentlich nur Machine Learning. Und es besteht kein Zweifel: Ja, wir brauchen lernende Algorithmen. Diese Algorithmen müssen wir auch anwenden. Damit Machine Learning zu echter KI wird, müssen wir den Kreislauf schließen und die Algorithmen auf ihre selbstlernende Tauglichkeit hin überprüfen, findet Frank Säuberlich.

Das hat sich beispielsweise bei der Danske Bank bewährt. Denn schon ganz einfache Fragen wie wie definiere ich Fraud im Bankenverkehr hat Konsequenzen fürs maschinelle Lernen. Beispiel: Wann soll eine Kreditkartentransaktion blockiert werden? In einem Fall kauft ein Bankkunde bei Ebay, die Zahlung geht nach China. Heute nutzt der Kunde Alibaba. Liegt hier Betrug vor? Und was sagen die Data-Analysten in diesem Fall dem KI-Modell? In einem anderen Fall lebt der Kunde in Brasilien, aber heute isst er in einem Restaurant in Kopenhagen zu Mittag. Ist diese Kreditkartenabwicklung betrügerisch oder nicht?

Testen, lernen, anwenden

Bislang greifen Banken auf das Know-how ihre Mitarbeiter zurück, um Fraud zu vereiteln. Doch in Zukunft wird es immer weniger Fachkräfte brauchen, die Fraud-Daten analysieren, ist sich Frank Säuberlich sicher. Denn die Daten, die entstehen, wenn ein Fraud-Verhinderungsprogramm getestet wird, helfen, den Algorithmus zu bestätigen oder zu widerlegen. Der Test, ob richtig oder falsch, wird in Zukunft automatisiert. KI-Mechanismen entscheiden, was richtig ist und was Fraud und darauf aufbauend werden neue Entscheidungen getroffen. Der KI-Kreislauf wird geschlossen durch ständige Aktualisierung der Daten und Anpassung der Algorithmen. Für Unternehmen hat das zwei Vorteile: Erstens bedeuten weniger Mitarbeiter Budgeteinsparungen. Und zweitens irren sich Computer weniger als Menschen. Die Fraud-Nichterkennungsrate dürfte sinken, vermeintliche Fraud-Erkennung, die gar kein Fraud war, seltener werden.  

Letztlich ist Künstliche Intelligenz ein Mittel, um das Leben, die Wirtschaft und das eigene Geschäft zu verbessern. Und Unternehmen tun gut daran, schon heute ihre Geschäftsmodelle darauf aufzubauen. Beispiel Automobilindustrie: Wartung heißt in Zukunft nicht mehr, dass das Auto alle 20.000 km in die Werkstatt muss. Das Auto muss in die Werkstatt, wenn das Auto einen Schaden ankündigt. Also bevor es kaputt geht. Noch mehr gilt dieses Prinzip im B2B-Bereich: Es wird Leistung verkauft. Die Idee dahinter: Wenn die Maschine nicht läuft, erwirtschaftet das Unternehmen nichts. Daher werden Wartungsverträge so gestaltet sein, dass die Maschine niemals zum Stillstand kommt. Das erfordert neue Wartungskonzepte für die Bahn, für Turbinen etc. Und eine Neuaufstellung der B2B-Firmen weg vom reinen Hersteller hin zum Service-Anbieter.

Künstliche Intelligenz - ewiger Kreislauf zwischen Testen und Lernen

Artikel bewerten

Vielen Dank, Ihre Bewertung wurde registriert!

Sie können leider nur einmal pro Seite bewerten.

Ihre Bewertung wurde geändert, vielen Dank!