25.09.2018

Trend "Künstliche Intelligenz": Was dahinter steckt und wie vor allem das Online Marketing durch die Technologie profitiert

Künstliche Intelligenz begegnet uns – wenn auch oft unbemerkt – bereits im alltäglichen Leben: etwa bei unserer Google-Suche, der Verwendung von Spamfiltern oder wenn wir unsere Mobilgeräte mithilfe der Gesichtserkennung entsperren. Doch trotzdem der Begriff im Jahr 2018 in aller Munde ist, wissen viele nicht, was genau Künstliche Intelligenz ist, wie das Prinzip funktioniert und in welchen Bereichen wir davon profitieren können. Künstliche Intelligenz ist aktuell ein großes Thema, wird aber schon seit über 50 Jahren erforscht und entwickelt. Dass die millionenschweren Marktführer der Digitalbranche längst auf den Zug aufgesprungen sind, ist nichts Neues, doch auch in Deutschland tut sich einiges. Wir definieren und erklären die Basics sowie die Möglichkeiten künstlicher Intelligenz. Praktisch wird es im zweiten Teil des Artikels: Hier stellen wir Ihnen Anwendungsgebiete sowie geeignete Branchen vor und gehen näher auf das Thema KI im Online Marketing ein. Zudem erörtern wir den aktuellen Stand in Deutschland.
 

Inhaltsverzeichnis

Definition
Ursprung
Verschiedene Typen und die Funktionsweise von künstlicher Intelligenz
Starke und schwache Künstliche Intelligenz
KI: Möglichkeiten und Anwendungsgebiete in der Praxis 
Für welche Branchen eignet sich der Einsatz von KI? 
Künstliche Intelligenz im Online Marketing 
KI: aktueller Stand in Deutschland
Künstliche Intelligenz in deutschen Unternehmen
Fazit

 

Definition

Das Forschungsgebiet Künstliche Intelligenz (kurz: KI) — im englischsprachigen Raum Artificial Intelligence (kurz: AI) genannt — vereint verschiedenste Fachgebiete, darunter Informatik, Neurowissenschaft, Statistik und Psychologie.
Bei dem Versuch einer Begriffsbestimmung muss jedoch angemerkt werden, dass die genaue Erklärung der Begriffsbedeutung schon durch den Mangel einer klaren Definition des Wortes „Intelligenz“ erschwert wird. Aus diesem Grund wird der Begriff Künstliche Intelligenz hier eher praktisch als theoretisch eingegrenzt.

Oft zitiert wird die griffige Definition des KI-Forschers Marvin Minsky aus dem Jahr 1966:

Artificial Intelligence (AI) is the science of making machines do things that would require intelligence if done by men.“

Frei übersetzt heißt das so viel wie: "Künstliche Intelligenz ist die Wissenschaft Maschinen zu bauen, die Dinge tun, die einer (menschlichen) Intelligenz bedürften, wenn sie vom Menschen ausgeführt würden. "

Einfach gesagt geht es um die Nachahmung intelligenten Verhaltens durch Automatisierung und maschinelles Lernen. Hinter dieser relativ simplen Überlegung stecken jedoch komplizierte Algorithmen, physikalische Gesetze und psychologische Grundlagen. Das Ziel ist es, Computer, Programme und digitale Assistenten zu eigenständigen Wahrnehmungs-, Handlungs- oder Entscheidungsprozessen zu befähigen, um die entsprechenden Abläufe dadurch zu automatisieren.

 

[zum Inhaltsverzeichnis]

 

Ursprung

Erste Theorien sowie Projekte zum Thema Artificial Intelligence entwickelten sich Anfang 1900. Der Begriff wurde erstmals von dem Amerikaner John McCarthy als Titel eines Konferenzprojekts im Jahre 1956 in den USA verwendet. Dabei präsentierte der Informatiker zusammen mit den amerikanischen Forschern Marvin Minsky, Nathaniel Rochester und Claude Shannon die ersten künstlich intelligenten Programme, welche in der Lage waren Dame oder Schach zu spielen, Texte zu interpretieren sowie Axiome zu beweisen.

 

[zum Inhaltsverzeichnis]

 

Verschiedene Typen und die Funktionsweise von künstlicher Intelligenz

Künstliche Intelligenz ist ein Überbegriff, der verschiedene Ansätze zusammenfasst. Häufig gibt es Unklarheit bezüglich der Begrifflichkeiten, denn diese werden nicht immer trennscharf verwendet. Als wichtige Grundlagen-Technologien der KI gelten unter anderem Machine Learning und Neuronale Netze, die im Folgenden kurz vorgestellt werden sollen.

  1. Neuronale Netze

Künstliche Neuronale Netze (engl.: Artificial Neural Network) sind dem Aufbau des menschlichen Gehirns nachempfunden. Die einfachste Form eines solchen künstlichen neuronalen Netzes besteht aus drei Schichten: 1) der Input-Schicht, 2) der Verarbeitungs-Schicht und 3) der Output-Schicht.

Neuronale Netzwerke für Künstliche Intelligenz

Auf diesen Schichten befinden sich die Neuronen oder auch Knotenpunkte (engl.: Units), die über Kanten verbunden sind. Auf der ersten Schicht werden Informationen aufgenommen, auf der zweiten Schicht verarbeitet und in der dritten Schicht ausgegeben. Dabei wird nicht jedes Neuron gleichwertig, sondern abhängig von einer zugeteilten Gewichtung aktiviert. Um zu reifen, werden die neuronalen Netze mit Lerndaten und -regeln trainiert.

  1. Machine Learning und die verschiedenen Lerntypen

Maschinelles Lernen lässt sich als Praxisform der künstlichen Intelligenz bezeichnen. Es handelt sich dabei um Algorithmen, die in der Lage sind, Erfahrungen auszuwerten und daraus zu lernen. Dafür leiten die durch Algorithmen gesteuerten Software-Agenten auf Basis von Big Data Regeln und Muster aus den vorhandenen Lerndaten ab.
Nach dieser sogenannten Lernphase können die Pläne zur Auswertung neuer Datensätze verwendet werden. Innerhalb dieses KI-Ansatzes gibt es verschiedene Typen von Machine Learning Algorithmen, die sich in ihrer Ausgereiftheit und der Art des Lernens unterscheiden.

Vier Typen von Machine Learning, Künstliche Intelligenz

  • Algorithmen, die nach dem Supervised Learning Schema lernen, stehen unter Aufsicht und folgen manuell erstellten Regeln. Die Grundlage dieses Prinzips sind Beispieldaten, welcher der Software-Agent nach einem Lernplan auswertet. Diese Abläufe werden durch einen sogenannten Mentor überwacht und die Ausgabe gegebenenfalls korrigiert.
  • Eine Weiterentwicklung dieser Basisform des maschinellen Lernens stellt der Typ Unsupervised Learning dar. Hierbei erkennt der Algorithmus ohne Mentor eigenständig Muster in Datenmengen und wertet diese aus. Ziel ist also, einfach ausgedrückt, die Entwicklung einer Technologie, die etwas lernt, ohne dass ihr vorgegeben wird, wie sie es lernen soll.
  • Zwischen diesen beiden Typen gibt es das Semisupervised Learning, welches auf einer Mischung aus Beispieldaten mit Lernplan und unbearbeiteten Daten basiert.
  • Noch einen Schritt weiter geht das Reinforcement Learning. Bei diesem Ansatz sind die Lernalgorithmen in der Lage, sich durch Ausprobieren selbstständig zu evaluieren und zu optimieren. Bestärkt werden sie dabei durch positive oder negative Reaktionen auf die Ausgabe. Indem einem Software-Agenten die Wertigkeit der Ausgabe vermittelt wird, lernt er eigenständig, die besten Schlüsse aus der Eingabe zu ziehen.
  • Die am stärksten entwickelte Sorte von Machine Learning Algorithms folgt dem Prinzip des Deep Learning, welches zur Optimierung neuronaler Netze dient. Man spricht deshalb von Deep Neuronal Networks (DNN). Der Unterschied zu einfachen neuronalen Netzen besteht in der Anzahl der Zwischenschichten, die der Algorithmus bei der Verarbeitung von der Eingabe bis zur Ausgabe durchläuft.

Deep Neuronal Networks für Künstliche Intelligenz

Mit jedem neuen Auftrag verbessert sich der Algorithmus beim Deep Learning eigenständig und wächst demnach mit seinen Aufgaben.

 

[zum Inhaltsverzeichnis]

 

Starke und schwache Künstliche Intelligenz

Bei der Einstufung der Ausgereiftheit von künstlicher Intelligenz spricht man von starker und schwacher KI, umstritten ist dabei jedoch, ob starke Künstliche Intelligenz bisher überhaupt existiert. Diese Form von KI würde sich — im Vergleich zu menschlicher Intelligenz — auf einem gleichen oder höheren intellektuellen Level bewegen. Ihre Existenz konnte bis heute noch nicht bewiesen werden.

Ein Test, um herauszufinden, wie intelligent eine KI ist, prüft, ob eine Testperson in der Lage ist, zu identifizieren, ob er mit einem Software-Agenten oder mit einem realen Menschen interagiert. Dieses Verfahren nennt sich Turing-Test. Es ist benannt nach dem britischen Mathematiker Alan M. Turing (1912-1954), der bereits im Jahr 1950 die elementare Idee für Künstliche Intelligenz und das Testverfahren dazu in seinem Aufsatz „Computer Machinery and Intelligence“ beschrieb.

Doch die Vision einer künstlichen Intelligenz, die so stark ist, dass sie die menschliche sogar übertrifft, ist genauso alt wie die Erforschung zu Artificial Intelligence selbst. Auch wenn die Maschinen immer schneller lernen und komplexere sowie tiefgreifendere Aufgaben übernehmen können, ist es noch nicht so weit, dass Computer intelligenter sind als der Mensch und diesen somit gänzlich ersetzen könnten. Bisher sind es eher ganz spezifische Anwendungen, in denen die Fähigkeiten der Algorithmen die menschlichen übertreffen. Hinzu kommt, dass die künstlichen Intelligenzen größtenteils auf ein ihnen zugeteiltes Aufgabengebiet begrenzt sind. Die ideale KI, die alles kann – und zwar besser als Menschen – gibt es also bisher nicht.

Eine Zukunft, in der Arbeitsplätze massenhaft wegfallen, weil alle Mitarbeiter durch Roboter ersetzt werden, ist deshalb aus heutiger Sicht nur eingeschränkt realistisch. Zwar gibt es schon Unternehmen, in denen Stellen gestrichen wurden, weil Prozesse automatisiert werden konnten (wie man am Beispiel von Zalando sehen kann), doch schafft die KI gleichermaßen neue Berufsfelder und damit langfristig Arbeitsplätze. Zudem ist die Technologie aktuell nicht weit genug, um gänzlich ohne menschliche Unterstützung zu arbeiten. Eine Symbiose von Menschen und KI kann jedoch zu effizienteren und genaueren Lösungen führen, welche die Kosten sowie die benötigten Arbeitsressourcen gering halten.

In diesem Artikel soll es deshalb weniger um die Gefahren von künstlich intelligenten Systemen gehen. Stattdessen nähern wir uns dem Thema theoretisch und praktisch unter der Voraussetzung, dass der Einsatz der KI moralisch sowie ethisch durchdacht und nachhaltig erfolgt. Wenn Sie sich weiterführend für das Thema Risiken und Chancen von KI interessieren, finden Sie am Ende dieser Seite interessante Links zu Medienberichten, Studien und einem Interview mit Tesla Chef Elon Musk.

 

[zum Inhaltsverzeichnis]

 

KI: Möglichkeiten und Anwendungsgebiete in der Praxis

Insgesamt eignet sich KI vor allem zur Automatisierung und Verbesserung von Prozessen, die kaum menschliches Nachdenken erfordern. Wo Menschen aufgrund der Masse und Eintönigkeit der zu verarbeitenden Daten zu lange brauchen und Fehler produzieren würde, ist ein intelligenter Algorithmus die ideale Lösung. Künstliche Intelligenz ist grundsätzlich für verschiedenste Abläufe einsetzbar:

  • Daten erkennen und lesen
  • Daten interpretieren und Informationen filtern
  • Muster erkennen und Systeme anlegen
  • Prognosen oder weitere Schritte ableiten
  • Lösungswege ausprobieren und optimieren
  • Entscheidungen treffen


Dabei gilt: Je ausgereifter der Algorithmus, desto anspruchsvoller die Tätigkeiten, die KI übernehmen kann. Eine einfache, aber typische Anwendung, die jeder Mensch alltäglich nutzt, ist beispielshalber die Software zum Erkennen von Spam-Mails. Diese basiert auf dem Interpretieren und Erkennen von Mustern sowie der Selektion von E-Mails. Dass die Möglichkeiten mit künstlicher Intelligenz jedoch vielseitig sind, zeigt die folgende Grafik:

Anwendungen Künstliche Intelligenz: Natural Language Processing (NLP), Optical Character Recognition (OCR), Bilderkennung, Suchmaschinen und Rankings, Prognosen und Einschätzung, Textmining, Robotik, Programmcomputer, Dialogsysteme, Mapping und Autonomes FahrenKI kann also für verschiedenste Aufgaben eingesetzt werden und die Prozesse und Abläufe nicht nur verbessern, sondern oft gänzlich revolutionieren.
Voraussetzung ist das Vorhandensein eines Ablaufplans und eines Lernmodells sowie großer Datenmengen, die aussagekräftig strukturiert, vergleichbar und damit einfach zu lesen sind. Gerade deshalb ist in den Jahren 2016 und 2017 mit dem Stichwort „Big Data“ auch das Thema Künstliche Intelligenz in den Vordergrund gerückt und wird in Zukunft weiter an Bedeutung gewinnen.

 

[zum Inhaltsverzeichnis]

 

Für welche Branchen eignet sich der Einsatz von KI?

Nicht für alle, aber für die meisten Branchen ist das Thema Künstliche Intelligenz (KI) relevant oder kann in naher Zukunft interessant werden. Besonders die folgenden Arbeitsgebiete profitieren vom Einsatz künstlicher Intelligenz:

In der Medizin findet die Künstliche Intelligenz in einigen Bereichen wie bei der Erkennung von Tumoren durch bildgebende Verfahren bereits starke Unterstützung. Denkbar und aktuell Forschungsthema ist auch der Einsatz von Robotern in der Pflege.

Durch die Menge an Daten im Finanzsektor wird hier schon seit Langem auf Künstliche Intelligenz zurückgegriffen. Dies bringt den Banken und Börsen einen Effizienzgewinn, da Kontobewegungen, Börsenkurse oder auch Kreditbewertungen mit KI ressourcensparend auf Verhaltensmuster hin analysiert werden können. Aus den Ergebnissen lassen sich Prognosen ableiten, die zum Beispiel Visa oder Mastercard schon heute zur Erkennung von Finanzverbrechen nutzen.

Für die Automobilbranche, aber auch für die Schiffswerften oder im Bereich Luft-/Raumfahrt, ist vor allem ein Thema hoch interessant: autonomes Fahren. Die ersten selbstfahrenden Autos sind in amerikanischen Test-Städten bereits auf den Straßen und es wird laut Experten nicht mehr lange dauern, bis sich ausgereifte KI-gesteuerte Fahrzeuge in das alltägliche Leben integrieren. KI-Systeme ermöglichen dabei nicht nur das Erkennen von anderen Verkehrsteilnehmern durch Echtzeit-Bildanalysen, sondern auch das Mapping mithilfe von 3D-konstruierten Geodaten als Grundlage für die Steuerung im Straßenverkehr. Dies kann neben dem Personentransport vor allem dem Güterverkehr enorme Effizienz- und Sicherheitsvorteile bringen.

Zu Zwecken der Sicherheit können KI-Algorithmen vergleichende Bildanalysen von Überwachungsaufzeichnungen durchführen, um so die Fahndung nach Verbrechern zu unterstützen. Ein derartiges Testprojekt läuft bereits am Berliner Bahnhof Südkreuz. Datenschützer befürchten dort jedoch durch die flächendeckende Überwachung einen zu tiefen Eingriff in die Persönlichkeitsrechte.

Auch beim Militär gibt es Streitpunkte beim Thema KI: Hier sind zwar schon teilautonome KI-Drohnen und Roboter im Einsatz, bei der Diskussion um autonome Waffen verweigern sich jedoch viele Politiker und Forscher. Hier ist es wichtig, schnellstmöglich ethische Richtlinien, Gesetze und Grenzen festzulegen sowie internationale Konventionen zu treffen.

Die Industrie setzt auf autonome Maschinen zur besseren Planung und der Optimierung von Fertigungsabläufen. Eine besonders interessante Möglichkeit, die seit zwei Jahren vermehrt in den Fokus von Industrieunternehmen gerückt ist, ist die Predictive Maintenance. Durch diese vorausschauende Wartung identifizieren Algorithmen Unstimmigkeiten oder Fehler in der Maschine und melden so beispielsweise frühzeitig den drohenden Ausfall von Geräten. Für die Zukunft gibt es Visionen von autonomen Fabriken mit fahrerlosen Transportsystemen.

Egal ob Sales und (e)Commerce, ob Groß-, Einzel- und Versandhandel – sie alle profitieren von Predictive Analytics, die etwa den Verfall von Lebensmitteln vorhersehbar machen oder Verkaufswahrscheinlichkeiten errechnen. Auch Prognosen zu der Vertrauenswürdigkeit von Kunden oder deren Kaufvorlieben und Nutzungsverhalten lassen sich auf Basis von Algorithmen einschätzen. So können im Endeffekt der Service für die Kunden und die Effizienz verbessert werden.


Künstliche Intelligenz Sinclair und Spark

 

[zum Inhaltsverzeichnis]

 

 

Künstliche Intelligenz im Online Marketing

Kaum eine Disziplin ist so geeignet für die Optimierung durch Künstliche Intelligenz wie das Online Marketing. Das liegt daran, dass KI und das Internet eines gemeinsam haben: Beide sind im Grunde „nur“ Algorithmen. Was läge also näher, als das digitale Marketing im Internet durch künstlich intelligente Algorithmen noch besser zu machen?

Schon beim Öffnen einer Suchmaschine kommt jeder Nutzer mit hoher Wahrscheinlichkeit in Kontakt mit künstlicher Intelligenz – nämlich bei der Anzeige der SERPs für eine Suche. Das dargestellte Ranking ist nämlich eine durch KI geformte Aggregation von Suchergebnissen. Google entwickelte dazu das System RankBrain; Bing arbeitet mit der Funktion Intelligent Answers. Genau deshalb können Online Marketing Spezialisten umgekehrt im Bereich Suchmaschinenoptimierung (SEO) und Suchmaschinenmarketing (SEM) auch von künstlicher Intelligenz profitieren, indem die Prozesse verstanden und die Rankingfaktoren strategisch genutzt werden, um die eigene Seite nach vorne zu bringen. Wer versteht, wie die Künstliche Intelligenz Websites bewertet, kann eigene Schwächen aus Sicht der KI erkennen und Online Optimierungspotenziale identifizieren.

Doch nicht allein Suchmaschinen, SEO und SEM eignen sich für den Einsatz von KI. Die Bereiche, in denen das Online Marketing von künstlicher Intelligenz profitieren kann, sind zahlreich. Nicht nur ist es durch KI-gestützte Analytics möglich, mehr und qualitativere Daten zu sammeln, vor allem ist es leichter, diese Informationen zu strukturieren und gezielt einzusetzen. Der Datenschutz darf dabei aber natürlich nicht vernachlässigt werden. Letztendlich geht es darum, Muster in den Informationen über Zielgruppen und deren Nutzungsverhalten zu erkennen und die richtigen Schlüsse für die Unternehmens-Marketingstrategie zu ziehen.

Künstliche Intelligenz können Online Marketer unter anderem in den Bereichen Newsletter Campaigning, Content Marketing, Social Media Marketing, Advertising, Customer Relationship Management (CRM) und Insights / Analytics nutzen.

KI gestützte Ansätze und Bereiche im Online Marketing - Künstliche IntelligenzEines der wohl spannendsten aktuellen Themen im Online Marketing ist die Verbesserung der User Experience durch Personalisierug. Basierend auf dem bisherigen Nutzerverhalten werden Muster erkannt und Regeln erstellt. Ein Seitenbesucher wird dann beispielsweise direkt auf die für ihn relevante Seite geleitet oder die Inhalte, Darstellungen und Call-To-Actions (beispielsweise. Buttons) auf einer Seite werden an seinen konkreten Bedarf angepasst. Ebenso ist die Personalisierung in den Bereichen Newsletter oder Werbung möglich. So können Verteiler für Newsletter oder Werbeanzeigen mittels KI an die Interessen der gewünschten Kunden anpassen. Basierend auf Behavioural Targeting mit Hilfe von KI ermöglicht das System auch eine dynamische Preisanpassung unter Tracking der Customer Journey und des Website-Verhaltens.
Diese beiden Faktoren können wichtige Erkenntnisse für die intelligente Kanalauswahl zur Platzierung von Werbung liefern. So kann die Künstliche Intelligenz auch beim Programmatic Buying von Werbeplätzen helfen, indem sie wichtige Zielgruppeninformationen zusammenträgt und Verhaltensmusteranalysen zur zielgerichteten Ausspielung von Anzeigen auswertet. Dadurch werden Streuverluste und ungewollte Imageschäden infolge einer Platzierung neben unpassenden Inhalten, vermieden. Stattdessen kann mittels Content Targeting die richtige Umgebung für die Werbung identifiziert werden.

Weiterhin ermöglicht Künstliche Intelligenz die Nutzung von Dialogsystemen für das Customer Relationship Management. Dabei kommuniziert ein Kunde statt mit Mitarbeitern zunächst mit einem Chatbot, wodurch schnellere Reaktionszeiten bei der Bearbeitung einfacher Anfragen möglich sind. Vom Prinzip her ähnlich funktionieren auch Social Bots, diese werden für Posts in den sozialen Medien eingesetzt.

Für das Content Marketing bietet die KI-gesteuerte Texterstellung mittels Natural Language Processing (NLP) erhebliche Einsparungen. Auch das Übersetzen in eine andere Sprache ist mit KI-Tools wie DeepL einfacher und verlässlicher möglich. Durch Personalisierung können auch die Inhalte an den Bedarf von bestimmten Zielgruppen angepasst werden.

Vorhersagen lässt sich mit Hilfe von künstlicher Intelligenz aber nicht nur, wo die eigene Zielgruppe zu erreichen ist, sondern auch, welcher Kunde mit hoher Wahrscheinlichkeit bestimmte Produkte kaufen wird. Solche Verkaufsprognosen können Unternehmen dafür nutzen, die Produkte schon vor Abschluss der Bestellung in die Nähe der Kunden zu liefern, um die Transporte besser auszulasten und zeitlich möglichst effizient zu halten. Das Ganze funktioniert durch automatisierte Inferenz – also logische Schlussfolgerung. Nach demselben Prinzip können Look-Alike-Analysen vorgenommen werden. Hierbei dient ein Vergleich der gesammelten Nutzerdaten zum Erschließen neuer Zielgruppen.

 

[zum Inhaltsverzeichnis]

 

Künstliche Intelligenz: aktueller Stand in Deutschland

Mögliche Anwendungsfelder sind also zahlreich und die digitalen Global Player wie Apple, Amazon, Facebook oder Google haben längst Millionen in KI-Technologien sowie darauf spezialisierte Tochtergesellschaften investiert. Doch wie sieht es in Deutschland aus? Wir klären drei wichtige Fragen:

  1. Wie hoch ist das Potenzial für Deutschland als KI-Standort?

Eine aktuelle Studie der pwc prognostiziert Deutschland ein KI-Potenzial in Höhe von 430 Milliarden Euro für die nächsten zwölf Jahre (gemessen am BIP-Wachstum durch den Einsatz künstlich intelligenter Lösungen) [1]. Noch viel stärker als Deutschland werden laut der Studie von pwc China und die USA profitieren. Beide Länder sind uns in Bezug auf den Forschungsstand und Investitionssummen um einiges voraus. Dennoch zeigt sich, dass die Digitale Transformation durch Künstliche Intelligenz auch in Deutschland enormes wirtschaftliches Potenzial birgt.

  1. Wie reagiert unsere Regierung auf die Herausforderungen?

Auch die Politik ist aufgewacht und legt Wert darauf, Deutschland zum KI-Standort zu entwickeln. Die Große Koalition versprach vor den Wahlen, Konzepte für die Kreation künstlicher Intelligenz zu erstellen. Innen- und Außenministerium gründeten eine Datenethikkomission, die sich unter anderem mit den Herausforderungen der digitalen Transformation und dem verantwortungsvollen Einsatz von künstlicher Intelligenz beschäftigt. und der Bundestag arbeitet an einem Rahmenplan für Künstliche Intelligenz.

  1. Wie ist der Stand der Forschung?

Nicht nur in Deutschland, sondern in ganz Europa gewinnt das Thema an Relevanz. Dies beweisen zum Beispiel die immensen Summen an Fördergeldern, die KI-Forschern bereitgestellt wurden. So startete im Juni beispielsweise die Initiative CLAIRE ("Confederation of Laboratories for Artificial Intelligence Research in Europe"), bei der über 1100 Experten für Künstliche Intelligenz und insgesamt 2000 Akteure, darunter siebzehn der nationalen KI-Gesellschaften und Forschungsinstitute Europas, zusammenarbeiten. Eines dieser Institute ist das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI), welches die Weiterentwicklung künstlicher Intelligenzen bereits seit 1988 antreibt und schon zahlreiche erfolgreiche Inventionen hervorgebracht hat. Hier zeigt sich, dass KI nicht erst neuerdings Thema für deutsche Wissenschaftler ist. In den letzten Jahren hat sich jedoch ein deutlicher Fokus entwickelt.

[zum Inhaltsverzeichnis]

 

Künstliche Intelligenz in deutschen Unternehmen

Dennoch liegt es vor allem an den Unternehmen, die Künstliche Intelligenz zu nutzen und Geschäftsmodelle darauf aufzubauen, um den Fortschritt im Land voranzutreiben.

Wie erfolgversprechend das ist, zeigt die Vielzahl an Startups, die in den letzten 4 Jahren mit KI-basierten Geschäftsmodellen ihren Durchbruch hatten. So entwarf das Hamburger Startup Cargonexx (Gründungsjahr: 2015) eine digitale Frachtbörse, welche mit einem auf einem künstlichen Neuronalen Netz basierenden Algorithmus Vorhersagen zur Auslastungsoptimierung von Transporten erstellt.

Deutsche KI-Unternehmen gibt es allerdings nicht erst seit den letzten Jahren. Viele Entwickler tüfteln teilweise schon seit über 20 Jahren an künstlich intelligenten Algorithmen. Einer dieser Pioniere ist das Unternehmen Arago. Gegründet 1995 in Frankfurt, hat die Firma heute mehrere Standorte weltweit und verfügt über Investitionssummen im zweistelligen Millionenbereich. Dieser Erfolg basiert auf Algorithmen, die Prozesse wie Business Transaktionen, IT Operations oder Systemadministration ohne manuelles Eingreifen managt und automatisiert. 
Ähnlich lange existiert das Unternehmen ITyX Solutions AG aus Koblenz, welches seit 1996 erfolgreich selbstlernende Programme zur Verarbeitung von E-Mails und Texten mit Natural Language Processing entwickelt. Das Produkt unterstützt heute 19 Sprachen und wird in 24 Ländern eingesetzt.

An diesen Beispielen zeigt sich, dass die Künstliche Intelligenz schon Jahrzehnte lang erforscht, zu Business-Lösungen entwickelt und im Unternehmensalltag angewendet wird. Dass das Thema erst jetzt in aller Munde ist, zeigt nur, dass die deutsche Wirtschaft und vor allem der Mittelstand leider noch hinterherhinken. Dies bestätigt auch die verhaltene Einstellung von KMUs gegenüber KI und die Angst vor ihren möglichen Nachteilen.[2]

Große DAX-Konzerne wie Daimler, die Deutsche Bank, Otto, Siemens, Kaufland oder die Telekom arbeiten hingegen schon lange mit vollausgerüsteten Entwicklungsabteilungen oder speziellen Tochtergesellschaften daran, interne und externe Prozesse mit Hilfe von künstlicher Intelligenz zu optimieren. Daran zeigt sich: Künstliche Intelligenz muss nicht Dreh- und Angelpunkt der Unternehmensidentität sein – das Rad muss nicht immer neu erfunden werden, um davon zu profitieren. Auch die Integration künstlicher Intelligenz in bestehende Geschäftsmodelle ist eine Möglichkeit zur Optimierung und Gewinnmaximierung. Dabei kann je nach Budget und Unternehmensstruktur auf Lösungen von externen Anbietern wie Blue Yonder, SAP oder den oben genannten deutschen KI-Unternehmen zurückgegriffen werden, oder in eigene Experten-Abteilungen investiert werden.

 

[zum Inhaltsverzeichnis]

 

Fazit

Künstliche Intelligenz ist im Jahr 2018 längst nicht mehr nur Zukunftsmusik, sondern wird in den kommenden Jahren auch für Deutschland enorme Veränderungen und damit ein steigendes BIP mit sich bringen. Zwar wird die Technologie bereits seit über 50 Jahren erforscht, doch der große Durchbruch der künstlichen Intelligenz kommt schleichend.
Der Einsatz von KI kann Basis für neue Geschäftsmodelle sein, bestehende Prozesse optimieren und die Bearbeitung sowie Interpretation von riesigen Datenmengen ermöglichen.

Die Anwendungsgebiete der KI sind zahlreich und diverse Branchen können vom Einsatz der intelligenten Algorithmen profitieren.

 

[zum Inhaltsverzeichnis]

 

 


Das könnte Sie auch interessieren:

Die Zukunft des SEO: Sprachassistenten verändern das Online Marketing 

Arbeit 4.0: Basis und Ergebnis der Digitalisierung

T3n-Podcast mit KI-Professor Richard Socher: Salesforce-Chefwissenschaftler: " 'KI wird einen noch größeren Einfluss auf die Menschheit haben als das Internet' " (Juli 2018)

Wiwo-Artikel "Künstliche Intelligenz — Zehn deutsche Pioniere, die Sie kennen sollten" (Mai 2017)

Video: Interview mit Elon Musk u.a. zu Risiken der KI (August 2017)


Quellen:

[1] https://www.pwc.de/de/pressemitteilungen/2018/pwc-studie-beziffert-potenzial-kuenstlicher-intelligenz-auf-430-milliarden-euro.html (Studie veröffentlicht im Juni 2018)

[2] https://t3n.de/news/ki-mittelstand-gefahr-1091346/

 

Definition Intelligenz vgl. https://www.planet-wissen.de/gesellschaft/lernen/intelligenz/index.html

Minskys Definition von Artificial Intelligence vgl.  https://www.gruenderszene.de/lexikon/begriffe/kuenstliche-intelligenz?interstitial

Definition Künstliche Intelligenz vgl. https://www.spektrum.de/lexikon/neurowissenschaft/kuenstliche-intelligenz/6810 

Definition Machine Learning vgl. https://t3n.de/magazin/machine-learning-wirtschaft-241859/2/ und https://www.sem-deutschland.de/welche-bedeutung-hat-machine-learning-fuer-seo-2/#Was_ist_Machine_Learning_Bedeutung_Definition_Methodik

Definition Neuronale Netze vgl. https://www.alexanderthamm.com/de/artikel/ki_artificial-intelligence-ai-kuenstliche-neuronale-netze-machine-learning-deep-learning/

Fall Zalando vgl. http://www.faz.net/aktuell/wirtschaft/diginomics/zalando-will-werbefachleute-durch-entwickler-ersetzen-15483592.html

KI in der Industrie vgl. https://www.wiwo.de/technologie/digitale-welt/einsatz-von-ki-in-fabriken-bis-zur-unbemannten-fabrik-ist-es-noch-ein-langer-weg/22832688.html

Datenethikkomission vgl. https://www.heise.de/newsticker/meldung/Datenethikkommission-soll-Auswirkungen-der-Digitalisierung-beleuchten-4156019.html 

Fördergelder für KI vgl. https://deutsche-wirtschafts-nachrichten.de/2018/04/25/eu-gibt-foerdergelder-fuer-kuenstliche-intelligenz-frei/

CLAIRE Initiative vgl. https://claire-ai.org/?lang=de 

Forschungsstand DFKI vgl. https://www.dfki.de/web/forschung/highlightshttps://idw-online.de/de/news701623

Cargonexx vgl. https://www.cargonexx.de/de/neuigkeiten.html#presse

Arago vgl. https://www.gruenderszene.de/allgemein/arago-kkr und https://arago.co/ 

Ityx vgl. https://www.ityx.de/historie

SAP vgl. https://news.sap.com/germany/2017/07/was-ist-sap-leonardo-iot/

Blue Yonder vgl. https://www.blueyonder.ai/de 

 

[Zurück zum Seitenanfang]