Künstliche Intelligenz und Bots für die Prozessautomatisierung
Mehrstufige Entwicklung der Zusammenarbeit von Mensch und Maschine
Künstliche Intelligenz (KI) oder Artificial Intelligence (AI), Cognitive Services, Neuronale Netze, Deep oder Machine Learning - Begriffe, die wir in den letzten Jahren immer häufiger hören und lesen.
Doch was bedeutet das alles?
Und warum tauchen diese Themen gerade jetzt auf? Diese Frage ist einfach beantwortet. Im Zeitalter der Digitalisierung mit dem Wunsch nach automatisierten Prozessen und innovativen Geschäftsmodellen bedarf es Unterstützung, die auf neusten Technologien basiert.
Die Methoden und Algorithmen der Künstlichen Intelligenz sind prinzipiell erstmal ein „alter Hut“. Künstliche Intelligenz imitiert die menschliche Fähigkeit zu sehen, zu hören, zu analysieren und zu verstehen - zum Beispiel für die Bilderkennung oder die Verarbeitung von natürlicher Sprache. Lange Zeit fehlten aber die Daten („Big Data“) zur weiteren Verarbeitung, sowie die allgemein verfügbaren Rechenleistungen, um KI praktikabel in den Consumer- und Enterprise-Märkten einsetzen zu können.
Durch die Digitale Transformation der letzten Jahre sind nun zunehmend Prozesse digitalisiert und digitalisierte Prozessdaten somit massenweise verfügbar. Zusätzlich kann die notwendige Verarbeitungs- und Speicherleistung problemlos aus der Cloud konsumiert werden. Bedeutet, die Märkte finden sich aktuell in einer Zeit wieder, in der mehrere Erfolgsfaktoren zusammenfallen, dessen Summe nun praktikable und reife KI-Anwendungen ermöglichen. Die Künstliche Intelligenz ist dabei ein Oberbegriff. Es gibt verschiedenartige Methoden, Künstliche Intelligenz über Software abzubilden.
Digitalisierungsinitiativen und Prozessautomatisierungsherausforderungen
In diesen Fällen gibt es prinzipiell zwei Möglichkeiten, Künstliche Intelligenz einzusetzen. Zum einen können vortrainierte KI-Funktionen API-basiert aus der Cloud konsumiert werden und beispielsweise zur Alltagsobjekterkennung genutzt werden. Zum anderen gibt es Spezialfälle, bei welchen eigene neuronale Netze antrainiert werden können.
Übersicht
Die folgende Übersicht gibt einen Einblick in Künstliche Intelligenz und die verschiedenen Einsatzbereiche.
-
Künstliche Intelligenz
Künstliche Intelligenz
Künstliche Intelligenz imitiert die menschliche Fähigkeit zu sehen, zu hören, zu analysieren und zu verstehen - zum Beispiel für die Bilderkennung oder die Verarbeitung von natürlicher Sprache. Lange Zeit fehlten aber die Daten („Big Data“) zur weiteren Verarbeitung, sowie die allgemein verfügbaren Rechenleistungen, um KI praktikabel in den Consumer- und Enterprise-Märkten einsetzen zu können. Zu den Teilbereichen der Künstlichen Intelligenz gehören Machine Learning und Deep Learning.
-
Machine Learning
Machine Learning
Bei der Teildisziplin Machine Learning können IT-Systeme anhand von Algorithmen Muster in Datenbeständen erkennen. Die dabei gewonnenen Erkenntnisse werden für neue Fragestellungen hinzugezogen, so kann die Software eigenständig lernen und neue Lösungen entwickeln.
-
Deep Learning
Deep Learning
Der Bereich „Deep Learning“ bezeichnet neuronale Netzwerke, die die menschlichen Denkprozesse imitieren und hierüber Klassifikationsprobleme (Sachverhalte erkennen und reagieren) auf Text-, Ton und Sprach-, Bild- oder Videodateien lösen können, indem sie vorab trainiert werden.
-
Text
Text
Die Erfolgswahrscheinlichkeit von Produkt-, Service- oder Projektbeschreibungen vorhersagen sowie Support für Prozesse bieten, in denen Menschen große Mengen an Text qualifizieren müssen, zum Beispiel Lektorate oder Redaktionen. Außerdem tragen Chatbots zur Verbesserung von Kundenportalen und Content Management Systemen bei.
-
Ton und Sprache
Ton und Sprache
Mithilfe von „Predictive Maintenance“ können Maschinengeräusche analysiert und hierüber Anomalien erkannt werden, um Ausfallwahrscheinlichkeiten vorherzusagen. Sprachassistenten stehen außerdem als Ergänzung von Kundenportalen oder als Entlastung von Prozessschlüsselressourcen zur Verfügung.
-
Bild
Bild
Im Content Management können Objekte und Stimmungen im Bildmaterial erkannt und entsprechend klassifiziert werden, während im Retouren Management zurückgesendete Artikel (ohne Barcodes, zum Beispiel Schmuck) mit dem Produktkatalog abgeglichen und richtig klassifiziert werden können.
-
Video
Video
Neben Support im Videoschnitt können Objekte sowie dazugehörige Szenen erkannt und entsprechend im Content Management klassifiziert werden. Darüber hinaus können bei Sportübertragungen die „Showtime“ von Bandenwerbung ausgewertet (und entsprechend abgerechnet werden) oder Video-Feeds von Anlagen auf Anomalien (z.B. für Predictive Maintenance) untersucht werden.
KI und Bots als Teil des Gesamtkonzepts der digitalen Transformation
Künstliche Intelligenz alleine reicht nicht aus! Ein spezieller Skill-Mix ist für die Anwendung notwendig. Gerade im Bereich der Spezialfälle Künstlicher Intelligenz, wo eigene neuronale Netze antrainiert werden sollen, ist ein Skill-Mix aus Data Engineering, Data Science, Branchenverständnis und Cloud-native Applikationen wichtig.
Data Engineering
Plattformintegration, Homogenisierung und Verwertung der Daten für Geschäftszwecke, indem Informationen durch mathematische Modelle in Handlungen und Mehrwerte überführt werden. Beides ist ebenfalls Teil des Big Data- und IoT-Konzeptes.
Branchenverständnis
Veränderungen im Markt frühzeitig erkennen und reagieren, das große Ganze sehen, einen umfassenden Blick auf alle Prozesse haben: Branchenverständnis meint die Fähigkeit, Dinge zu erstehen und entsprechend zu handeln. Dieses Konzept ist im Bereich Künstlicher Intelligenz und Bots immens wichtig, geht aber weit über die rein technologischen Vorraussetzungen hinaus.
Cloud-native Applikationen
Cloud-native Applikationen zeichnen sich durch ein extrem schnelles Time-to-Market sowie eine Continuous Value Delivery aus.
Lünendonk Magazin "Künstliche Intelligenz"
Die Publikation entstand unter anderem mit fachlicher Unterstützung von Arvato Systems und mit Beiträgen unserer Kollegen. Jetzt herunterladen!