· Podcast

#23: Was ist KI? Und wie kan ich sie für die Digitalisierung nutzen?

Shownotes zur Folge

💡 Case Study

💻 Webseite

🎞 Youtube Channel

🌐 LinkedIN

🎯 Kostenlos beraten lassen

#1 Die künstliche Intelligenz

KI, Künstliche Intelligenz. Was ist das eigentlich? Die Künstliche Intelligenz ist in vieler Munde oder in aller Munde und beschreibt einfach die Künstliche Intelligenz einer Maschine, die Maschinen steuert, die die gesammelten Daten der Digitalisierung, also die Big Data, nutzt und mit dieser künstlichen Intelligenz aus diesen Daten entscheidende wichtige Informationen generiert oder analysiert oder eben prognostiziert.

#2 Zwei Arten von KI

Aber was ist das KI? Wie kann man sich das vorstellen? Also wir unterscheiden bei künstlicher Intelligenz zwei große Gebiete. Das eine ist das Maschinenlernen bzw. Machine Learning, auch ML abgekürzt ,und das andere ist das Deep Learning auch DL abgekürzt. Deep Learning sind auch die oft genannten Neuronalen Netze Das Maschinenlernen ist vielleicht eher so etwas, wie ein Algorithmus der in einer Software programmiert, also angewendet wurde. Also eine Intelligenz in Software, man programmiert diese, friert diese Intelligenz ein und nutzt sie in der Folge. Zum Beispiel auf einem Controller in einem Produkt. Deep Learning ist dagegen etwas anderes. Beim Deep Learning habe ich einen Algorithmus entwickelt und während der Anwendung, aufgrund der dauerhaften weiteren Anwendung, wird dieser Algorithmus immer besser und genauer. Also immer intelligenter!

#3 KI-Ansätze

Ein paar Beispiele für solche Algorithmen sind im Bereich Machine Learning Ansätze wie: Support Vector Machine, kurz SVM, Multinominal Naive Vayes, kurz MNB, und das Hidden Markov Modell, kurz HMM. Im Bereich Deep Learning haben wir beispielsweise den sogenannten LSTM-Ansatz, LSTM steht für Long Short Term Memory, und den BERT-Ansatz, BERRT steht für Birectional Encoder Representation of Transformers.

#4 Wie funktioniert KI?

Wie funktioniert solch ein künstlicher Algorithmus? Man kann sich einen künstlichen Algorithmus wie eine BlackBox vorstellen. Eine Blackbox mit Eingangs- und Ausgangssignalen. Das heißt, sie füttern einen Algorithmus mit Daten und entscheiden dann bei diesen Eingangsdaten welche Ausgangsdaten sie erwarten. Vergleichbar wie beim Erlernen einer Sportart mit einem Trainer: Wenn Sie beispielsweise Tennis spielen, werden Sie eine bestimmte Bewegung mache bzw. der Trainer spielt Ihnen immer wieder Bälle zu. Bei jedem Schlag sagt er Ihnen, so ist es richtig und so ist es falsch. Und so lernen Sie quasi welche Bewegungen muss ich machen? Und er sagt mir dann natürlich noch welche Änderungen. Aber ich speichere dann gut und schlecht Bewegungen ab für z.B. den Vorhandschlag, den Rückhandschlag, den Aufschlag. Und so ähnlich funktioniert ein künstlicher Algorithmus auch. Sie versorgen diesen Algorithmus mit Informationen aus Sensoren, beispielsweise Bildinformationen und sagen dann, das ist eine bestimmte Eingangsinformation beispielsweise eine Kamerainformation und lassen diesen Algorithmus einer Verkehrssituation erlernen, das ist eine Brücke, das ist ein LKW, das ist ein Fußgänger, das ist ein kleiner Fußgänger, das ist ein großer Fußgänger, das ist ein anderes Automobil. Und so lernt ein Algorithmus und je mehr Daten sie ihm geben, umso besser wird er.

#5 Unterscheid zu bisherigen Algorithmusentwicklungen

Im Gegensatz zu bisherigen Algorthmus-Entwicklungen funktioniert das Anwenden von KI allerdings etwa anders: Es gibt viele KI-Algorithmen als OpenSourceCode. Also als frei zugängliche Software. Diese laden Sie auch in eine Entwicklungsumgebung. TensorFlow ist z.B. eine dieser Entwicklungsumgebungen. Der eigentliche Aufwand bei KI ist dann weniger die Softwareentwicklung als das Trainieren. Das ist auch die Herausforderung bei KI. Sie benötigen allerdings viele Daten. Wenn wir das Beispiel des Tennisspiels nochmal heranführen. Sie benötigen jeden Schlag mindestens 1000 mal. Der WII-Controller als Spieleingabe gerät ist ihnen vielleicht geläufig. Die Entwickler von Nintendo mussten jede mögliche Bewegung ganz oft aufnehmen. Dann verwenden Sie den größten Teil der Daten. Ca. 80% zum Trainieren und 20% der Daten zum Validieren. Der eigentliche Algorithmus oder Ansatz ist erst mal dumm. Aber so ein Algorithmus lernt mit den Daten und den Zuordnungen zu Ereignissen.

#6 Ihre Ideen

Sollten Sie Ansätze sehen, wo Sie Sich einen KI-Algorithmus vorstellen könnten, dann überlegen Sie Sich direkt, wie wir an die Daten kommen, um den Algorithmus zu trainieren.

#TheYellowShoes

Mein Name ist Prof. Dr. Markus Haid und als Digitalisierungsexperte begleite ich Unternehmen auf Ihrem Weg in die Digitalisierung.

Kommen Sie gerne auf mich zu und vereinbaren ein erstes kostenloses Beratungsgespäch: https://markushaid.onepage.me/funnel

Lassen Sie uns vernetzen:

TheYellowShoes @ Social Media

Sie finden die gelben Schuhe auch auf weiteren Social Media Kanälen. Lass Sie uns doch auch dort in Verbindung bleiben:

Themen