Künstliche Intelligenz

Was ist Künstliche Intelligenz?

Es gibt für Künstliche Intelligenz keine einheitliche Definition, da der Begriff sehr kontextbezogen ist. Für diesen und alle folgenden Beiträge definieren wir KI folgendermaßen:

„Künstliche Intelligenz beschreibt die Fähigkeit von Maschinen, basierend auf Algorithmen Aufgaben autonom auszuführen und dabei anpassungsfähig auf unbekannte Situationen zu reagieren. Ihr Verhalten ähnelt damit dem menschlichen: Sie führen nicht nur repetitive Aufgaben aus, sondern lernen aus Erfolg und Misserfolg und passen ihr Verhalten entsprechend an. Zukünftig sollen Künstliche-Intelligenz-Maschinen (KIM) auch in der Lage sein, wie Menschen zu denken und zu kommunizieren.“

Verschiedene Arten von KI

Starke und schwache KI

KI ist nicht gleich KI. Grundsätzlich werden zwei verschiedene Arten unterschieden: Die schwache und die starke Künstliche Intelligenz.

Schwache KI (weak/narrow AI)

Diese erste Form der KI reicht in abgegrenzten Teilbereichen schon heute an die menschliche Intelligenz heran. Dabei beschränken sich die intelligenten Systeme allerdings auf konkrete Anwendungsbereiche. So kann eine KI beispielsweise perfekte Texte verfassen, aber ansonsten weder kommunizieren, noch Kreuzworträtsel lösen oder sonst irgendetwas.

Die KI bedient sich mathematischen Methoden und Informatik, die speziell für die jeweilige Anforderung entwickelt worden sind.

Schwache KI-Systeme sind nicht in der Lage, ein tieferes Verständnis für die ihnen zugewiesenen Problemlösungen zu erlangen. Sie bleiben also auf einem oberflächlichen Intelligenz-Level stehen.

Schwache KI-Systeme sind Ihnen im Alltag schon oft begegnet. Sie verbergen sich z. B. hinter

• Zeichen- bzw. Texterkennungsprogrammen
• Navigationssystemen
• Spracherkennung
• Individuelle Anzeige von Werbung

Starke künstliche Intelligenz (strong/general AI)

Diese Art der KI wird auch Superintelligenz oder auf englisch strong AI bzw. general AI genannt. Egal wie man sie nennt, superintelligente Systeme sollen menschliche intellektuelle Fähigkeiten erreichen und diese sogar übertreffen.

Sie sollen demnach aus eigenem Antrieb, intelligent und flexibel handeln und nicht mehr nur auf die Lösung eines konkreten Problems beschränkt sein.

Bisher ist es noch nicht gelungen, eine starke Künstliche Intelligenz zu entwickeln. Auch die Diskussion, ob das überhaupt möglich ist, hält weiter an. Allerdings hätte sich vor 100 Jahren auch niemand das Internet vorstellen können, oder?

Wenn es in Zukunft tatsächlich gelingt, eine starke KI zu entwickeln, würde sie folgende Eigenschaften aufweisen:

• Logisches Denkvermögen
• Entscheidungsfähigkeit trotz möglicher Unsicherheit
• Planungs- und Lernfähigkeit
• Kommunikationsfähigkeit in natürlicher Sprache
• Kombination aller Fähigkeiten, um ein übergeordnetes Ziel zu erreichen

Vier KI-Typen

Neben der Einteilung in schwache und starke KI lässt sich Künstliche Intelligenz weiter in vier verschiedene Typen unterteilen.

Typ 1: reaktive Maschinen (Reaktive Machines)

Typ 1 ist sozusagen der Ur-Typ schwacher KI. Reaktive Maschinen können eine einzige Aufgabe, für die sie programmiert wurden, erfüllen.

Der IBM Schachcomputer DeepBlue war zum Beispiel eine solche Maschine. Sie gewann 1997 gegen den damals amtierenden Schach-Weltmeister: DeepBlue war in der Lage, alle möglichen Züge abzuwägen und wählte so immer den Zug aus, der am schnellsten zu einem Schachmatt führte –  natürlich zu seinen Gunsten.

Auf seinem Gebiet war DeepBlue zwar unschlagbar – in sämtlichen anderen Lebensbereichen aber nutzlos.

Typ 2: begrenzte Speicherkapazität (Limited Memory)

Im Gegensatz zu Reactive Machines sind Limited Memory KI in der Lage, gesammelte Daten vergangener Situationen auf das aktuelle Geschehen anzuwenden und in ihre Entscheidungen einzubeziehen.

Selbstfahrende Autos fallen beispielsweise unter KI des Typ 2. Sie “wissen”, wie sich andere Autos im Straßenverkehr normalerweise verhalten, wie Menschen oder Radfahrer aussehen und sie kennen die Straßenverkehrsregeln.

Neue, bis dahin unbekannte Situationen speichert die Limited Memory KI ab und weiß in der nächsten ähnlichen Situation, wie sie reagieren muss. Typ 2 lernt also aus vergangenen Ereignissen.

KI des Typ 2 sind heute die gängigste Form von KI. Auch er begegnet Ihnen täglich z. B. in Form Ihres persönlichen Smartphone-Assistenten, in der Google-Suche oder Ihrem Instagram-Feed.

Typ 3: Theorie des Geistes (Theory of Mind)

Anders als die vorhergehenden Formen gehören Theory of Mind KI zur starken künstlichen Intelligenz und existieren bisher nur in der Theorie.

KIM (Künstliche Intelligente Maschinen), die den Typ 3 KI erreichen, werden menschliche Emotionen wahrnehmen, verstehen und ihr Verhalten an sie anpassen können. Zudem werden sie ein Gedächtnis haben und ihr Bild von der Welt basierend auf Gelerntem erweitern können.

Diese Art von KI stellt bisher noch eine große Herausforderung für die Wissenschaft dar, weil Emotionen und zwischenmenschliche Interaktionen höchst komplex und technisch schwer nachzubilden sind.

Typ 4: Selbstwahrnehmung (Self Awareness)

Der vierte Typ KI kommt dem menschlichen Bewusstsein am nächsten: Solche KIM werden die Welt vollständig wahrnehmen, sie werden menschliche Emotionen, Absichten und Reaktionen nachvollziehen und danach handeln können.

Self Awareness KI wird zudem den entscheidenden Schritt von “Ich denke” zu “Ich weiß, dass ich denke” gehen und dadurch an die menschliche Intelligenz heranreichen – Vielleicht wird sie sie sogar übersteigen.

Zentrale vs. Dezentrale KI

In der KI-Architektur gibt es den Ansatz der zentralen und der dezentralen Intelligenz.

Zentrale KI

Eine zentrale oder auch On-Premise-Umsetzung von KI bedeutet, dass die KI-Infrastruktur lokal im Unternehmen betrieben wird, anstatt auf Cloud-Dienste zurückzugreifen.

Das bietet Vorteile hinsichtlich der Datensicherheit – sensible Unternehmensdaten bleiben innerhalb der eigenen IT-Landschaft und Sie können strenge Compliance-Anforderungen besser erfüllen.

Unternehmen, die eine On-Premise-Lösung für ihre KI wählen, müssen allerdings auch höhere Investitionen in Hardware und Fachwissen einplanen, um eine stabile und skalierbare Infrastruktur sicherzustellen. Außerdem ist der On-Premises-Ansatz vergleichsweise unflexibel: ein schnelles hoch- und herunterfahren der Ressourcen je nach Bedarf ist nicht möglich.

Dezentrale KI

Dezentrale KI hingegen verteilt die Verarbeitung auf verschiedene Geräte und Standorte – Unternehmen greifen über die Cloud auf KI-Anwendungen zu.

Dezentrale KI ist besonders interessant im Kontext des Edge-Computings, wo Entscheidungen in Echtzeit nah am Ort des Geschehens getroffen werden, ohne dass alle Daten zurück an ein zentrales System gesendet werden müssen.

Artificial General Intelligence

Artificial General Intelligence (AGI) beschreibt eine Art der künstlichen Intelligenz, die vergleichbare kognitive Fähigkeiten wie der Mensch aufweist. Anders als aktuelle KI-Systeme, die nur auf spezielle Aufgaben ausgerichtet sind, ist AGI in der Lage, flexibel auf unbekannte Situationen zu reagieren und eigenständig komplexe Herausforderungen zu bewältigen.

Der Turing-Test

Auch wenn Künstliche Intelligenz für die meisten Ohren noch immer futuristisch klingt, liegen ihre Wurzeln bereits rund 90 Jahre zurück. In den 1930er Jahren hat sich der britische Mathematiker und Informatiker Alan Turing überlegt, was eine intelligente Maschine ausmacht und wann eine Maschine als intelligent bezeichnet werden kann. 1950 formulierte er eine Idee, wie man die Intelligenz einer Maschine feststellen könnte und skizzierte diese in einem Test. Dieser sogenannte Turing-Test läuft folgendermaßen ab:

Ein menschlicher Fragesteller führt über eine Tastatur und einen Bildschirm eine Unterhaltung mit zwei ihm unbekannten Gesprächspartnern. Er hat zu beiden weder Sicht- noch Hörkontakt. Einer der Gesprächspartner ist ein Mensch, der andere eine Maschine. Wenn der Fragesteller nach intensiver Befragung nicht sagen kann, welcher seiner Gesprächspartner die Maschine ist, hat die Maschine den Turing-Test bestanden. Ihr wird dann menschliche Intelligenz attestiert.

Technologische Singularität

In den Naturwissenschaften wird der Begriff “Singularität” für Größen verwendet, die gegen unendlich tendieren (z. B. die Massendichte eines Schwarzen Lochs). Technologische Singularität beschreibt die Hypothese, dass die Entwicklung einer künstlichen Superintelligenz ein rasantes technologisches Wachstum auslösen wird, das unvorhersehbare Veränderungen der menschlichen Zivilisation nach sich zieht. Die Hypothese geht davon aus, dass sich eine starke KI in einer unaufhaltsamen Folge von Selbstverbesserungs-Zyklen weiterentwickelt und so quasi eine “Intelligenzexplosion” auslöst. Diese Superintelligenz wird die menschliche Intelligenz bei weitem übertreffen.

Informationstheoretiker prophezeien die Technologische Singularität teilweise bereits seit über 100 Jahren. Für sie lautet die Frage nicht, ob Superintelligenz eines Tages real sein wird, sondern wann es so weit sein wird.

Geschichtliche Entwicklung von KI

Nachfolgend finden Sie eine Auflistung der Entwicklung der KI von ihren Anfängen bis heute:

• 1950: Erste Schritte in der Umsetzung von KI: Auf Basis von elektrischen Schaltungen werden erste Algorithmen als Grundlage für KI entwickelt.
• 1960: Mit dem Aufkommen von Transistoren und Computern entstehen erste Ansätze, eine KI zu programmieren.
• 1970: Die Idee entwickelt sich schnell zu einem Hype, der allerdings kurze Zeit später in Ernüchterung umschlägt, da die erhofften Ergebnisse ausbleiben. Fördergelder für KI-Forschung werden gestrichen – der so sogenannte „AI Winter“ beginnt.
• 1980/90: Das Thema Machine Learning (Maschinelles Lernen) als Unterkategorie von KI bekommt neue Aufmerksamkeit in der Forschung.
• 1997: KI erlangt mit dem Aufkommen von intelligenten Spielcomputern (IBM Deep Blue) Medienpräsenz.
• 2010: KI erlebt eine Renaissance – Die Technologie ist endlich so weit fortgeschritten, dass notwendige Daten in ausreichendem Maße zur Verfügung gestellt und verarbeitet werden können.
• 2013: Das Startup DeepMind baut eine neue KI , die selbst lernt, Atari-Spiele zu spielen.
• 2015: Ein Deep Neural Network von Microsoft Research erreicht bei der Bilderkennung dieselben Fehlerraten wie ein Mensch.
• 2016: Google DeepMind entwickelt das Computerprogramm AlphaGo – eine KI, die den Go-Weltmeister schlägt.
• 2022: OpenAI sorgt mit dem intelligenten Sprachmodell ChatGPT für weltweites Aufsehen.

Teilbereiche, Technologien & Methoden

Künstliche Intelligenz lässt sich in verschiedene Teilbereiche aufgliedern. Dazu zählen beispielsweise:

Machine Learning

der Grundgedanke besteht darin, dass ein Computerprogramm seine Performance in einem bestimmten Bereich durch eigene Erfahrungen (Daten) verbessern können soll. Dadurch werden Programmierer entlastet, da mathematische Algorithmen für einen automatischen Verarbeitungs- und Lernprozess sorgen. Eine Methode des Machine Learnings ist das “bestärkende Lernen”, bzw. Reinforcement Learning. Dabei werden keine historischen Daten benötigt, denn Lösungen und Strategien werden auf Basis von erhaltenen Belohnungen im Trial-and-Error-Verfahren ermittelt.

Einen anderen Ansatz verfolgen das überwachte und das unüberwachte Lernen (supervised & unsupervised learning): Beim überwachten Lernen ist das richtige Ergebnis im Voraus bekannt, das heißt in der Trainingsphase wird die Realität mit der Antwort der KI verglichen. So nähern sich im Prozess Wirklichkeit und Prognose an. Beim unüberwachten Lernen findet die KI selbst die Lösung, indem sie bspw. Gemeinsamkeiten und Gegensätze vergleicht und so Einordnungen vornimmt.

Künstliche neuronale Netze

Künstliche neuronale Netze sind Vorgängen des menschlichen Gehirns nachempfunden und sorgen über die Verknüpfung von Eingangs-, Zwischen- und Ausgangsneutronen für einen stetigen Lernprozess.

Deep Learning

Deep Learning ist ein Teilbereich des Machine Learnings und basierend auf neuronalen Netzen. Ermöglicht KIM Prognosen zu treffen und diese zu hinterfragen. Der Mensch greift in die Analysen und Prozesse nicht mehr ein. Wird primär bei Big Data genutzt, um diese nach Mustern und Modellen zu untersuchen.

Natural Language Processing

Natural Language Processing ist ein Ansatz, mit dem Forscher versuchen, natürliche Sprache zu erfassen und mithilfe von Algorithmen computerbasiert zu verarbeiten. So soll eine weitreichende Kommunikation zwischen Mensch und Computer möglich werden, damit sich Anwendungen per Sprache steuern und bedienen lassen.

Knowledge Representation

Knowledge Representation erlaubt KIM logisch zu denken, Schlussfolgerungen und Argumentationen zu entwickeln. Konsequenzen einer Tätigkeit sollen ermittelt werden, indem sie darüber nachdenkt und nicht, indem sie sie tatsächlich ausführt.

Large Language Models

Large Language Models (LLMs) sind KI-basierte Systeme, die darauf trainiert sind, natürliche Sprache zu verstehen und zu generieren. Sie basieren auf neuronalen Netzwerken und verarbeiten riesige Datenmengen, um Texte zu analysieren, Muster zu erkennen und sinnvolle Antworten zu formulieren.

Modelle wie GPT-4 von OpenAI nutzen Milliarden von Parametern, um Kontext und Bedeutung in Sprache zu erfassen und komplexe Aufgaben wie Textgenerierung, Übersetzung oder Analyse auszuführen. Diese Modelle sind vielseitig einsetzbar, z. B. in Chatbots, bei der Textanalyse und im Kundenservice, und unterstützen Unternehmen bei der Automatisierung und Optimierung sprachbasierter Prozesse.

Generative KI

Generative KI bezieht sich auf KI-Modelle oder Algorithmen, die in der Lage sind, neue und originelle Inhalte zu generieren. Diese Art von KI ist darauf ausgerichtet, Daten zu analysieren und daraus neue Informationen, Bilder, Texte oder andere Arten von Inhalten zu erzeugen, die dem menschlichen Schaffen ähneln. Generative KI-Modelle werden in verschiedenen Bereichen eingesetzt, einschließlich Kunst, Musik, Literatur, Spieleentwicklung und vielen anderen kreativen Anwendungen.

Prompt Engineering

Ein Konzept aus dem Bereich generative KI ist das “Prompt Engineering”. Dabei geht es um Prozesse und Verfahren, die Befehle an eine KI textlich und inhaltlich so gestalten und verfeinern, dass sie bestmögliche Ergebnisse liefert. „Prompt“ beschreibt die textbasierte Befehlszeileneingabe, wie man sie bei Sprachmodellen wie ChatGPT verwendet.

Zudem spricht auch noch vom Prompt Design. Damit ist die Art und Weise gemeint, wie ein Eingabeverfahren gestaltet ist, um Benutzer dazu zu bringen, bestimmte Aktionen auszuführen oder Informationen bereitzustellen. Das Design umfasst die Struktur, den Inhalt und die visuelle Präsentation des Eingabeaufforderungstextes oder der Benutzeroberfläche, um die Benutzerinteraktion zu erleichtern und die gewünschten Ergebnisse zu erzielen.

KI-Tools

Dazu gibt es einige Technologien aus dem KI-Bereich, die besonders im Kreativbereich und in der Popkultur Aufsehen erregt haben:

ChatGPT

ChatGPT ist ein Sprachmodell von OpenAI, welches entwickelt wurde, um menschenähnlichen Text zu generieren und auf eine breite Palette von Fragen und Anfragen zu antworten. ChatGPT ist in der Lage, Informationen zu recherchieren, komplexe Konzepte zu erklären, kreative Texte zu verfassen und allgemeine Konversationen zu führen. Es ist darauf trainiert, präzise und verständliche Antworten zu liefern und den Benutzern eine interaktive und benutzerfreundliche Erfahrung zu bieten.

ChatGPT basiert auf einer tiefen neuronalen Netzwerkarchitektur, die als Transformer bezeichnet wird. Es wurde mit großen Mengen an Textdaten trainiert, um Sprachmuster und Kontext zu verstehen. Wenn eine Anfrage gestellt wird, analysiert ChatGPT den gegebenen Text, um den Kontext zu verstehen, und generiert dann eine passende Antwort. Es verwendet dabei sowohl das Verständnis des Textes als auch das Wissen, das es während des Trainings erlernt hat.

Google Gemini (ehem. Bard)

Google Gemini, bzw. vorher Bard, ist ein KI-Experiment von Google, welches die Interaktion mit generativer KI ermöglicht. Das Modell ist mittlerweile in über 40 Sprachen verfügbar und verspricht insgesamt individuellere Antworten, die besser auf die Bedürfnisse des Nutzers zugeschnitten sind. Denn im Vergleich zur Konkurrenz soll diese nicht nur einfach Fragen beantworten, sondern, laut Google, dabei helfen,

„mit Neugier Neues zu erkunden, eure Vorstellungskraft zu erweitern und schließlich eure Ideen zum Leben zu erwecken – nicht einfach nur, indem wir eure Fragen beantworten, sondern indem wir euch helfen, sie weiterzudenken.“

Zu beachten sind jedoch sogenannte KI-Halluzinationen, also die Ausgabe von nicht realen Daten und falschen Informationen und Fakten. Dieses Phänomen ist momentan leider noch bei vielen Sprachmodellen wie eben ChatGPT, Gemini und Co. üblich.

Microsoft Copilot

Microsoft Copilot ist ein Tool für die Code-Entwicklung, das von OpenAI entwickelt wurde und von GitHub, einer Tochtergesellschaft von Microsoft, in ihr Entwicklungsökosystem integriert wurde. Copilot verwendet maschinelles Lernen, um Entwicklern dabei zu helfen, Code schneller zu schreiben, indem es automatisch Vorschläge für Codezeilen, -fragmente und -strukturen basierend auf dem Kontext des aktuellen Codes macht. Es ist eine Form von automatisiertem Code-Completion-Tool, das darauf abzielt, die Produktivität von Entwicklern zu steigern, indem es repetitive Aufgaben automatisiert und ihnen dabei hilft, auf bewährte Methoden und Muster zuzugreifen.

Midjourney

Midjourney ist ein Text-to-Image-Tool, welches aus Textbeschreibungen Bilder kreieren kann und über den Online-Messenger Discord zugänglich ist. In einem Chatfeld gibt man möglichst kurze und präzise Beschreibungen, sog. „prompts“, ein, woraus dann letztendlich ein Bild generiert und ausgegeben wird. Dabei werden dem Nutzer kaum Grenzen gesetzt, z. B. kann man seiner Beschreibung den Zusatz „fotorealistic“ geben, um eine entsprechende Optik zu bekommen.

Generell ist es aber sehr wichtig, detaillierte (aber nicht im Sinne von ausführlich!) Anweisungen zu geben, denn was man der KI nicht sagt, wird auch nicht umgesetzt.

Wird der Auftrag dann abgeschickt, generiert der Bot vier Vorschaubilder, aus welchen man dasjenige auswählt, was der eigenen Vorstellung am nächsten kommt. Darauf aufbauend arbeitet das Tool dann weiter, bis das gewünschte Bild entsteht.

Perplexity

Claude

Claude ist ein KI-Sprachmodell, das von Anthropic entwickelt wurde, um menschenähnliche Konversationen zu führen und komplexe Aufgaben zu unterstützen. Es wurde mit einem starken Fokus auf ethische Richtlinien und Sicherheitsmaßnahmen trainiert, um hilfreiche, harmlose und präzise Antworten zu geben.

Claude versteht natürliche Sprache sehr gut und kann auf vielfältige Weise genutzt werden – von der Beantwortung alltäglicher Fragen bis hin zur Unterstützung bei geschäftlichen oder technischen Herausforderungen. Das Modell wurde nach den Prinzipien der menschenzentrierten KI gestaltet, um verantwortungsbewusste und transparente Interaktionen zu fördern.

Suno

Neben der Generierung von Text- und Bild gibt es auch bereits KI-Tools für die Erstellung von Musik. Ein Beispiel dafür ist Suno. In Suno kann man sich ganze Songs generieren lassen, entweder über einen Zufallsbefehl oder aber durch die Eingabe eigener Prompts und sogar eigener Texte. Prompts können dabei z. B. den Musikstil oder die Stimmlage bestimmen, der Kreativität sind somit kaum Grenzen gesetzt. Die 1:1 Kopie echter Künstler ist aber nicht möglich.

NotebookLM

NotebookLM ist ein neuer Ansatz, der das klassische Konzept eines digitalen Notizbuchs mit künstlicher Intelligenz kombiniert. Es handelt sich dabei um eine erweiterte Version des Google Notebook Labs, das KI-Modelle integriert, um die Notizen zu analysieren und relevante Inhalte direkt aus unterschiedlichen Datenquellen zu ergänzen. Nutzer können somit tiefer in ihre Themen eintauchen, Querverbindungen entdecken und komplexe Sachverhalte einfach zusammenfassen lassen – direkt im Notizbuch selbst. Das fördert die Wissensbildung und erleichtert das Bearbeiten von Projekten.

Künstliche Intelligenz im Unternehmen

Künstliche Intelligenz bietet Unternehmen die Chance, Prozesse zu automatisieren, somit Kosten zu sparen und effizienter zu arbeiten. Dazu müssen sie nicht Ihre gesamte Unternehmensstruktur auf den Kopf stellen: Meist reichen schon kleinere Anpassungen. Auch geringfügige Steigerungen in der Produktivität oder Kosteneinsparungen können einen riesigen Gewinn für ihr Unternehmen darstellen.

Die meisten KI-Anwendungen werden durch Tech-Konzerne wie Google, Apple, Microsoft, PayPal & Co. entwickelt. Deren Kerngeschäft und Geschäftsmodell basiert auf dem Einsatz und der Weiterentwicklung der neuesten Technologien, sodass sie über die erforderlichen Ressourcen und das Knowhow verfügen. Aber: Viele klassische Unternehmen sind eben noch keine Technologie-Unternehmen.

Bevor Sie KI in Ihrem Unternehmen einführen, müssen Sie sich daher darüber klar werden, für welchen konkreten Business Case Sie diese einsetzen möchten und was sie sich davon versprechen. Dafür sollten Sie sich zunächst folgende Fragen stellen:

• Wofür kann ich KI in meinem Unternehmen einsetzen?
• Welche neuen KI-Technologien gibt es und welche Möglichkeiten ergeben sich daraus für mich?
• Auf welche KI-Technologie möchte ich setzen und wer bietet diese an?
• Kann ich mich darauf verlassen, dass diese KI die richtigen Entscheidungen trifft?

Identifizieren Sie also zunächst einen zentralen Bereich, welcher durch Künstliche Intelligenz dauerhaft optimiert werden, und damit zu Ihrem Unternehmenserfolg beitragen kann.

Sie können KI-Lösungen in fast allen relevanten Bereichen einsetzen, zum Beispiel:

• Marketing: dynamische Erstellung von Kundenklassifikationen und zielgerichteten Customer Journeys mithilfe von Cloud Tools der CRM-Lösung Salesforce
• Vertrieb: wird ebenfalls durch intelligente Salesforce-Funktionen wie Lead Scoring, Oppurtunity Scoring + Insights, Active Capture, Account Insight unterstützt
• Logistik: KI unterstützt die Vorplanung in der Distributionslogistik durch die Vorhersage von Kundenbestellungen
• Kundenservice: automatisierte E-Mail-Analyse und Chatbots für die Unterstützung des Kundenservice sowie Stärkung der Kundenbindung mithilfe von KI
• Predictive Analytics: KI nutzt historische Daten, um daraus zukünftige Ereignisse und Trends vorauszusehen, z. B. mithilfe von Data Mining
• Predictive Maintenance: KI-Systeme zur Durchführung von vorausschauenden Wartungen
• Process Mining: Data-Mining-Technologie, welche Geschäftsprozesse auf Basis von vorhandenen Log-Dateien analysieren und auswerten kann
• Automatisierung standardisierter Prozesse: Datenabfragen, Formulareingaben, aber auch komplexe Tätigkeiten, die einem festen Regelwerk folgen, lassen sich durch softwaregestützte Bots mit Robotic Process Automation bzw. Hyperautomation abbilden

KI und SAP

Künstliche Intelligenz stärkt Unternehmen bei der Produktivität und Flexibilität sowie der Schaffung neuer Geschäftswerte. Beispielsweise lernen Algorithmen durch personalisierten Kundenservice aus der direkten Interaktion und können so genauer auf die Bedürfnisse der Kunden eingehen.

SAP unterstützt Sie und ihre Kunden mit entsprechenden Services und Anwendungen. Lösungen wie Concur, SAP S/4HANA und SAP iRPA haben Machine Learning bereits integriert, mit dem noch relativ neuen SAP AI Portfolio für die SAP BTP (Business Technology Platform) macht SAP aber nun einen besonders großen Schritt in den Bereich KI und bietet einige vorgefertigte Tools und Funktionen für Anwender aller Art.

SAP AI Core & Launchpad

AI Core und Launchpad sind zwei Dienste der BTP, die es Ihnen ermöglichen, KI-Modelle nahtlos in Ihre bestehenden SAP-Anwendungen zu integrieren. Dadurch können Sie intelligente Funktionen hinzufügen und Ihre Anwendungen erweitern, um deren Leistungsfähigkeit zu verbessern.

Der AI Core stellt dabei die Laufzeitumgebung (z. B. für die Business Services) dar, während das Launchpad das Verwaltungstool verkörpert, mit dem Sie Ihre KI-Anwendungsfälle verwalten können.

SAP AI Business Services

Die SAP AI Business Services sind wiederverwendbare, vorkonfigurierte Services, welche auf Machine Learning-Modellen basieren Ihnen bei diversen Geschäftsproblemen helfen können. Diese sind momentan:

• Business Entity Recognition (BER)
• Document Information Extraction DOX)
• Document Classification (DC)
• Personalized Recommendation (PR)
• Data Attribute Recommendation (DAR)
• SAP Translation Hub
• Intelligent Intercompany Reconciliation (ICR)
• SAP Data Intelligence (DI)

Genaueres zu den einzelnen Business Services und dem SAP AI Portfolio generell, erfahren Sie in unserem Beitrag zu dem Thema.

Weitere Beispiele für intelligente Anwendungen und Services sind:

• SAP Brand Impact hilft Unternehmen dabei, wichtige Einflussfaktoren wie die eigene Markenpräsenz und den Erfolg von Investitionen in Sponsoring und Werbemaßnahmen zu messen. Beispielsweise wird erfasst, wie oft das eigene Firmenlogo in Videomaterial an welcher Stelle und in welcher Größe auftaucht.
• SAP CoPilot ist ein digitaler Chatassistent, der Nutzern mit Fragen und Antworten eine schnellere Problemlösung ermöglicht
• SAP Customer Retention prognostiziert das Kundenverhalten.
• SAP Resume Matching unterstützt Recruiter bei der Ermittlung von geeigneten Bewerbern
• SAP Service Ticket Intelligence kategorisiert Kundenmeldungen, stellt bei Standardanfragen Antwortvorschläge bereit und priorisiert zu bearbeitende Aufgaben von Mitarbeitern

SAP Joule

Joule ist SAPs eigener Assistent, der auf generativer KI basiert, ähnlich wie ChatGPT von OpenAI. Er verwendet natürliche Sprache und lernt aus vorhandenen Daten, die sowohl aus SAP-Lösungen als auch aus externen Quellen stammen können. Im Unterschied zu ChatGPT werden diese Daten also nicht aus dem Internet bezogen. SAP Joule trainiert somit auf Basis vorhandener Geschäftsdaten und lernt immer mehr über das jeweilige Unternehmen und den Anwender. So kann er mit der Zeit schnellere und passendere Antworten geben, genauere Analysen durchführen und dadurch den jeweiligen Nutzer in seiner Arbeit effizient unterstützen.

Joule wird ab Ende 2023 nach und nach nahtlos in das gesamte Cloud-Portfolio integriert.

SAP CoPilot

SAP CoPilot ist ein digitaler Assistent, der es Ihnen ermöglicht, Aufgaben in Ihren Geschäftsanwendungen effizient zu erledigen. Mit Hilfe der Spracherkennung von SAP CoPilot oder durch manuelle Eingabe können Sie unterwegs Produkte, Kundenaufträge und Notizen hinzufügen und erstellen. Sie können das Tool auf Ihrem mobilen Gerät, Desktop oder über verschiedene externe Kanäle und Plattformen nutzen.

EU AI Act

Der EU AI Act ist eine geplante Verordnung der Europäischen Union, die darauf abzielt, einheitliche Regeln für den Einsatz von Künstlicher Intelligenz zu schaffen. Ziel ist es, Innovationen zu fördern und gleichzeitig die Sicherheit der Bürger zu gewährleisten.

Der Gesetzesentwurf unterscheidet dabei zwischen verschiedenen Risikokategorien, von minimalen bis zu inakzeptablen Risiken, die je nach Anwendungsfall streng reguliert werden sollen. Das bedeutet für Unternehmen, dass sie je nach Einsatzgebiet ihrer KI-Anwendungen unterschiedlichen Compliance-Anforderungen gerecht werden müssen, um Bußgelder zu vermeiden.

So können Sie ins Thema KI starten: Einführung & Best Practices

Sie haben Fragen zum Thema oder Interesse am Einsatz von Künstlicher Intelligenz im eigenen Unternehmen? Dann schauen Sie gerne in unser Angebot im Bereich KI für Unternehmen an.

Als IT-Beratungsunternehmen haben wir es uns zur Aufgabe gemacht, Sie im SAP- und Salesforce-Umfeld zu beraten und bei Ihren Projekten zu unterstützen. Unsere Experten beschäftigen sich intensiv mit dem Thema Künstliche Intelligenz und helfen Ihnen auch bei der Automatisierung von Unternehmensprozessen gerne weiter.

Beliebte Einstiegsprodukte unserer Kunden sind z. B. unser KI-Potenzialworkshop oder als Pilotprojekt der Talk-to-your-SAP-Data-Chatbot.

FAQ

Wie funktioniert künstliche Intelligenz?

Bei der künstlichen Intelligenz (KI) handelt es sich um Programme, die die Informationsverarbeitung des Gehirns durch künstliche neuronale Netze nachahmen. Dabei werden Informationen als Input in das System eingegeben, mittels Algorithmen verarbeitet und anschließend wieder als Output ausgegeben.

Was versteht man unter künstlicher Intelligenz?

Künstliche Intelligenz (KI) oder auch Artificial Intelligence (AI) genannt, beschreibt ein Teilgebiet der Informatik, welches sich mit der Automatisierung intelligenten Verhaltens sowie dem maschinellen Lernen auseinandersetzt. Mit anderen Worten dient KI dazu, menschliches Denken und Lernen auf Computer zu übertragen und ihnen hierdurch eine gewisse Intelligenz zu verleihen.

Wo wird künstliche Intelligenz eingesetzt?

Künstliche Intelligenzen werden bereits in zahlreichen Branchen, wie zum Beispiel der Automobil-, Textil- oder Stahlindustrie eingesetzt. Aber auch andere Bereiche wie die Landwirtschaft, die Medizin oder das Militär greifen auf KIs zurück.

Seit wann gibt es künstliche Intelligenz?

Der Begriff der künstlichen Intelligenz wurde bereits im Jahre 1956 von John McCarthy auf der Dartmouth Conference eingeführt. Aufgrund der stetigen Zunahme der Geschwindigkeiten, Größe und Vielfalt der Daten (Stichwort: Big Data) gewinnt das Thema KI in Unternehmen immer mehr an Bedeutung.

Was bringt künstliche Intelligenz?

Die künstliche Intelligenz (KI) ermöglicht es, Maschinen aus Erfahrungen lernen zu lassen, sodass sie sich auf neue Informationen einstellen und Aufgaben bewältigen können, für die menschliches Denkvermögen erforderlich ist. Die Aufgabe von KIs besteht somit darin, Aufgaben von Menschen zu übernehmen und ihren Arbeitsalltag zu erleichtern. Gleichzeitig können hierdurch neue Geschäftsfelder und Arbeitsplätze entstehen.

Welche Arten von KI gibt es?

Grundsätzlich gibt es verschiedene Arten, um künstliche Intelligenzen zu kategorisieren. Eine Möglichkeit ist die Differenzierung in die schwache und starke KI. Die schwache KI meint dabei ein System, das für eine bestimmte Aufgabe entwickelt und trainiert wurde. Die starke KI bezeichnet hingegen ein System, das über menschliche kognitive Fähigkeiten und genügend Intelligenz verfügt, um ihm unbekannte Aufgaben zu lösen.

Wo begegnet uns künstliche Intelligenz im Alltag?

Ob automatisiertes Fahren, Smart Home, Gesichtserkennung, Musikstreaming, medizinische Diagnosen, Navigation, menschliche Roboter oder digitale Sprachassistenten – künstliche Intelligenzen erhalten zunehmend Einzug in den Alltag. Oftmals geschieht dies aber unbewusst, sodass wir es überhaupt nicht merken oder darüber nachdenken.