KI Icon

Künstliche Intelligenz

Ihr Ansprechpartner:
Johannes Behrndt | Fachbereichsleiter KI
Mail: behrndt@mindsquare.de | Tel.: 0521 560645-0

Begriffsdefinition

Was ist eigentlich künstliche Intelligenz und wofür wird sie benötigt?

Beschreibt künstliche Intelligenz einfach nur Maschinen, die irgendwann die Kontrolle übernehmen und deren Schöpfer vernichten oder beherrschen? Nein! Eine einheitliche Definition gibt es allerdings nicht, da der Begriff sehr kontextabhängig ist. Deswegen haben wir unsere eigene Definition erstellt: Künstliche Intelligenz beschreibt Maschinen, die mithilfe von Algorithmen agieren, Aufgaben ausführen und dabei autonom und anpassungsfähig auf unbekannte Situationen reagieren, sodass sie dem Menschen ähnliches Verhalten aufzeigen. Sie können nicht nur repetitive Aufgaben automatisiert ausführen, sondern auch aus Erfolg und Misserfolg lernen und ihr Verhalten in einer Weise erweitern, die der menschlichen Kreativität ähnelt. So wie die von DeepMind entwickelte künstliche Intelligenz, die selbstständig gehen, springen und klettern gelernt hat – ohne Anleitung:

Möglichkeiten und Anwendungen von KI

Geschichtliche Entwicklung

Artificial Intelligence, Machine Learning, Deep Learning & Co.

Künstliche Intelligenz existiert schon seit vielen Jahren. Die Wurzeln liegen bereits in den 1930ern. Alan Turing hat sich damit auseinandergesetzt, was eine intelligente Maschine ausmacht und wann eine Maschine als intelligent zu bezeichnen ist. Der weitere geschichtliche Verlauf lässt sich folgendermaßen gliedern:

  • 1950: Es gab erste Schritte in der Umsetzung von künstlicher Intelligenz. Es entstanden erste Algorithmen als Grundlage für KI und Experimente wurden auf Basis von elektronischen Schaltungen aufgebaut.
  • 1960: Mit dem Aufkommen von Transistoren und Computern entstanden erste Ansätze, eine KI zu programmieren.
  • 1970: Die Idee entwickelte sich schnell zu einem Hype, was jedoch kurz danach für Ernüchterung sorgte, da erhoffte Ergebnisse ausblieben. Jegliche Gelder für KI-Forschung wurden auf einmal eingestellt – dies war der Beginn des sogenannten „AI Winter“
  • 1980/90: Das Thema Machine Learning als Unterkategorie von KI bekam in der Forschung neuen Fokus.
  • 1997: KI erlangte mit dem Aufkommen von intelligenten Spielcomputern (IBM Deep Blue) Medienpräsenz.
  • 2010: In diesem Jahr kam die große Revolution – die Technologie, Kapazität und Rechenleistung entwickelte sich so weit, dass notwendige Daten in ausreichendem Maße zur Verfügung gestellt und schnell und komplex verarbeitet werden konnten.
  • 2013: Das Startup DeepMind hat eine neue KI gebaut, die selbst lernt Atari-Spiele zu spielen.
  • 2015: Ein Deep Neural Network von Microsoft Research hat bei der Bilderkennung dieselben Fehlerraten wie ein Mensch erreicht.
  • 2016: In dem Jahr entwickelte Google DeepMind das Computerprogramm AlphaGo – eine KI, die den Go-Weltmeister schlägt.

entwicklung der künstlichen intelligentz

Downloads aus dem Bereich künstliche Intelligenz

Use Cases & Anwendungsszenarien

KI entwickelt sich rasant weiter und ist schon lange kein Zukunftsthema mehr, sondern heutzutage vielfach in unserem Alltag zu finden. Sind Sie sich überhaupt darüber bewusst? Bei welchen Produkten und Anwendungen wird KI genau genutzt?

Als erstes denken Sie an Sprachassistenten wie Amazon Alexa, Cortana oder Siri, wenn es um künstliche Intelligenz geht. Doch es gibt eine Vielzahl weiterer Anwendungsbeispiele. Videoplattformen wie Netflix generieren automatisierte, personalisierte Empfehlungen, so wie auch Online-Shops und E-Commerce-Plattformen. Hier ein kleiner Ausschnitt weiterer Nutzungsszenarien:

Google-Übersetzer & Neural Machine Translation

Auch die Google-Suche zeigt immer bessere Suchergebnisse an und präsentiert eine Vielzahl an Suchvorschlägen. Ein weiteres Beispiel ist der Google-Übersetzer. In seinen Anfängen hatte dieser häufig mit Fehlern zu kämpfen und folglich ergab die automatische Übersetzung keinen oder nur wenig Sinn. Doch vergangenes Jahr hat der Konzern seinen Online-Übersetzer zur Neural Machine Translation (GNMT) umgebaut. GNMT basiert auf neuronalen Netzen und Machine Learning. Diese Technik analysiert vor der Übersetzung den gesamten Satz – und nicht nur einzelne Teilstücke wie zuvor – wovon der Satzbau sowie der Sinn der Übersetzung profitieren.

Gesichtserkennung bei Smartphones

Immer diesen lästigen Pin am Handy eingeben – das war einmal. Mithilfe von Gesichtserkennung lassen sich Smartphones mittlerweile ausschließlich vom Besitzer entsperren. Dabei werden in 2D- und nun auch in 3D-Verfahren besondere Merkmale des menschlichen Gesichts – wie Nase, Auge oder Mund – erfasst und somit konkret festgestellt, ob es sich um den Zugangsberechtigten handelt oder nicht. Aber nicht nur das: Gesichtserkennung wird auch in der Sicherheitstechnik, Kriminalistik und Forensik eingesetzt, um Personen eindeutig identifizieren und verifizieren zu können. Ein Beispiel dafür sind biometrische Pässe und Ausweise.

PayPal: Betrugserkennung durch Machine Learning

Ein weiteres Unternehmen, das besonders viel in KI investiert, ist PayPal. Jede Transaktion bei PayPal wird mittels Machine Learning Algorithms analysiert und klassifiziert. So finden Betrugserkennungen auf mehreren Ebenen statt und schützen den Nutzer vor Datenverlusten.

Online-Handel: Personalisierte Werbung & dynamische Preisgestaltung

Im Online-Handel ist KI ein besonders wichtiges Thema. Müssen Händler tatsächlich künstliche Intelligenz einführen, um sich auf dem Markt zu behaupten und wettbewerbsfähig zu bleiben? Amazon ist das erste Handelsunternehmen, das im großen Rahmen auf KI setzt. Von personalisierter Werbung hin zu dynamischer Preisgestaltung, soll das Unternehmen in Zukunft im Handel komplett ohne Personal auskommen. Die Erfassung der Einkäufe soll durch Algorithmen, smarte Sensoren und Erkennungstechnologien Bestellungen im gesamten Umfang abwickeln. Ergänzend dazu gibt es Amazons Alexa, womit die erste intelligente Einkaufshilfe auf dem Markt ist.

Diese Beispiele zeigen, dass bereits zahlreiche Unternehmen erfolgreiche Business Cases haben und Prozesse unter Mithilfe von künstlicher Intelligenz implementiert wurden. Gleichzeitig sind diese Fälle ein eindeutiges Zeichen für die Zukunft: Jedes Unternehmen muss über kurz oder lang herausfinden, in welchen Bereichen sie KI für die Optimierung von Prozessen oder bei der Innovation von Geschäftsmodellen nutzen können.

Mögliche Business Cases für Unternehmen

Wie können Sie KI in Ihr Unternehmen integrieren?

Das wichtigste bei der Einführung von KI im Unternehmen ist, zu beachten, immer bei einem möglichen Business Case zu beginnen. Es müssen also zunächst die richtigen Fragen identifiziert werden, die mithilfe von künstlicher Intelligenz und Machine Learning beantwortet werden können. Hier fehlt jedoch meist die Vorstellung von den Möglichkeiten der künstlichen Intelligenz und erst recht die Erfahrung über Anwendungsbereiche oder das Knowhow für die Umsetzung. Es gibt eine Vielzahl von typischen Fragestellungen, die bei Verantwortlichen im Unternehmen immer wieder auftauchen:

  • Wofür kann ich KI bei mir im Unternehmen überhaupt einsetzen?
  • Wie verstehe ich neue KI-Technologien und meine Möglichkeiten in diesem unübersichtlichen Bereich?
  • Auf welche KI-Technologie soll ich setzen und wer macht überhaupt KI für Unternehmen?
  • Woher weiß ich, ob eine KI die richtigen Entscheidungen trifft?

Das Problem ist folgendes: Die meisten Anwendungen von künstlicher Intelligenz werden durch Tech-Konzerne wie Google, Apple, Microsoft, PayPal & Co. erzielt. Deren Kerngeschäft und Geschäftsmodell basiert auf dem Einsatz und der Weiterentwicklung der neuesten Technologien, sodass sie die erforderlichen Ressourcen und das Knowhow dafür im Hause haben und auch im Rahmen ihres Kerngeschäfts im Bereich der zentralen Expertise unterwegs sind. Aber: Viele klassische Unternehmen sind eben noch keine Technologie-Unternehmen. Vorerst muss das kritischste Unternehmensproblem identifiziert werden, das schnell, wirtschaftlich und dauerhaft besser gelöst werden soll. Kann dieses Problem durch KI gelöst werden? Dabei muss es nicht immer gleich eine Revolution sein, die das gesamte Unternehmen umkrempelt. Wenn mithilfe von KI nur eine Verbesserung von 1% in einem spezifischen Bereich erzielt werden kann, so kann dies schon ein riesiger Gewinn für das Unternehmen sein. Oft sind es nämlich die einfachen Dinge, die verbessert werden können. Wichtig dabei ist: Technologien, die mit geringem Aufwand eingeführt werden können, werden leichter akzeptiert.

Konkrete Anwendungsbeispiele

In Unternehmen gibt es eine große Vielfalt an Möglichkeiten, wie künstliche Intelligenz im Bereich Marketing, Vertrieb, Logistik, Kundenservice etc. eingesetzt werden kann. Hier eine exemplarische Auflistung der unterschiedlichen Möglichkeiten in den verschiedenen Bereichen:

Intelligentes Marketing

Die CRM-Lösung Salesforce (CRM: Customer Relationship Management) stellt für die Marketing Cloud Tools bereit, um intelligent und dynamisch Kundenklassifikationen zu erstellen und dann zielgerichtete Customer Journeys für den Kunden bereitzustellen.

intelligentes marketing mit künstliche intelligenz

Intelligenter Vertrieb

Salesforce unterstützt ebenfalls den Vertrieb in ihrer CRM Sales Cloud mit verschiedenen intelligenten Funktionen zur Optimierung der Vertriebsarbeit:

  • Lead Scoring: Beim Lead Scoring werden basierend auf Vergangenheitserfahrungen Leads mit einem Punktesystem versehen und priorisiert, um festzustellen, welcher Lead mit der höchsten Wahrscheinlichkeit konvertiert.
  • Opportunity Scoring und Opportunity Insights: Ein ähnliches Prinzip wird auf Opportunities angewandt. Dabei wird mittels Machine Learning analysiert, unter welchen Bedingungen in der Vergangenheit Opportunities besonders erfolgreich waren und sicher zum Abschluss geführt haben. Diese werden mit den aktuellen Opportunities verglichen und auf dieser Basis eine Priorisierung dessen durchgeführt – auch hier wieder ohne ein regelbasiertes Modell, sondern einzig basierend auf Daten bzw. Erfahrungen der Vergangenheit. Dabei wird dem Anwender immer aufgezeigt, wie das Scoring entstanden ist, welche Daten und Maßnahmen zu dieser Beurteilung geführt haben und welche Maßnahmen der Vertriebler noch ergreifen kann, um die Deal-Wahrscheinlichkeit für die Opportunity zu erhöhen.
  • Activity Capture: Mithilfe von Texterkennung und der automatischen Integration von Kommunikations-Tools, wird dem Vertriebler das Tracking abgenommen und jegliche Kommunikation mit dem Kunden automatisch erfasst und im System getracked.
  • Account Insights: Relevante Informationen zu einem Account, die in beliebiger Kommunikation oder Informationskanälen im Internet auftauchen (z.B. Pressemeldungen), werden dem Vertriebler automatisch als relevant zu diesem Account angezeigt.

Außerdem kann der Vertrieb durch intelligente Gesprächsunterstützung mit qurious.io unterstützt werden. Dies ist ein Tool, um aus aufgenommen Gesprächen Gesprächsleitfäden (Playbooks) mithilfe von Spracherkennung automatisiert zu erstellen. Ziel davon ist, Gespräche aktiv zu verbessern und Vorschläge zum weiteren Gesprächsverlauf aus den Playbooks, auf der Grundlage von dem aktuell geführten Gespräch, automatisch einzublenden.

Intelligenter Kundenservice

Salesforce unterstützt die Beantwortung von Kundenanfragen in der Sales Cloud mithilfe künstlicher Intelligenz, indem geeignete Antworten, basierend auf der Anfrage aus der Knowledge Base, automatisch für den Kundendienstmitarbeiter oder den Kunden selbst vorgeschlagen werden.

Intelligente Logistik

Beruhend auf historischen Daten und Entwicklungen des Unternehmens, unterstützt KI die Vorplanung in der Distributionslogistik durch die Vorhersage von Kundenbestellungen.

Wartung – Predictive Maintenance

Objekte im Unternehmen müssen regelmäßig instandgehalten und gewartet werden. Um Schäden zu vermeiden, wird beispielsweise mithilfe von maiot.io im Bereich des LKW-Flottenmanagements vorausschauende Wartung durchgeführt. Dies sieht so aus: Ca. 360 Sensoren werden am CAN-Bus über einen kleinen Dongle ausgelesen und in die Cloud gesendet. Eine KI erkennt Anomalien und sagt Ausfälle einzelner Komponenten, z. B. am Turbolader voraus. Es entsteht ein einfaches Dashboard für das Flottenmanagement, was jederzeit einsehbar ist. Dieses System ist ebenfalls adaptierbar auf beliebige andere Maschinensysteme, wie beispielsweise Schiffsmotoren, Produktionsmaschinen etc.

Finanzen – Financial Forecasting

Das Financial Forecasting umfasst Vorhersagen zum Umsatz, Margen oder auch Liquiditätsentwicklungen basierend auf diversen historischen und aktuellen Kontextinformationen. Für die Produktionsplanung gibt es ein operatives Forecasting.

Kundenanalyse

Im Bereich der Kundenanalyse kann das Abwanderungsverhalten von Kunden (Customer Churn) vorhergesagt werden. Durch in der Vergangenheit gesammelte Daten, können so Vorhersagen über das Abwandern einzelner Kunden getroffen werden, sodass noch rechtzeitig Maßnahmen zur Erhaltung des Kunden ergriffen werden können, wie beispielsweise spezielle Angebote.

Prototypen und Potentiale im Unternehmen

mindsquare beschäftigt sich bereits seit einiger Zeit mit dem Thema künstliche Intelligenz (KI) und hat es sich zur Aufgabe gemacht, sinnvolle Anwendungsfälle beim Kunden zu finden und so Unternehmensprozesse zu vereinfachen. Wir zeigen Möglichkeiten auf, was mithilfe von KI möglich ist, aber auch wo Grenzen liegen. Unsere Mission ist, Kunden den Weg in die Zukunft mit KI Schritt für Schritt aufzuzeigen und so die Angst vor der neuen Technologie zu nehmen sowie Vertrauen aufzubauen.

Immer häufiger kommen Unternehmen auf uns zu, um sich zu informieren, wie künstliche Intelligenz in ihre Unternehmensprozesse integriert werden kann. Auf lange Sicht sind Unternehmen mithilfe von KI wettbewerbsfähiger und beständiger. Brauchen Sie auch Beratung oder Unterstützung bei der Einführung von künstlicher Intelligenz, um Unternehmensprozesse effizienter und einfacher zu gestalten? Unsere erfahrenen Experten können dabei behilflich sein. Wir haben zwei verschiedene Angebote für Sie: Wenn Sie ganz am Anfang stehen, dann kommt das Angebot eines Potenzialworkshops in Frage: Kennen Sie sich im Bereich der KI schon etwas aus, brauchen jedoch Unterstützung bei der Einführung, so hilft Ihnen dieses Angebot weiter: Haben Sie Fragen? Kontaktieren Sie uns einfach und wir stehen Ihnen jederzeit beratend oder operativ beiseite.