29.08.2019

Seit einigen Jahren arbeiten wir bei TWT mit unseren Kunden an Machine Learning (ML) Projekten. Dabei müssen wir uns oft Vorurteilen stellen. Eines davon möchte ich heute einmal aufgreifen:

Künstliche Intelligenz (KI) und Maschinelles Lernen sind gefährlich und bringen uns am Ende noch um!

Dabei ist es wie immer, wenn Bücher und Filme ein Thema zuerst aufgreifen, bevor es viele Jahre – manchmal Jahrzehnte – später in der realen Welt ankommt: Buchautoren und Hollywood zeichnen uns ein glaubwürdiges Bild von menschenähnlichen Robotern und denkenden Maschinen, die stetig dazulernen bis sie ein Eigenleben entwickeln, sich gegen ihre menschlichen Schöpfer stellen und die Kontrolle übernehmen. All diese fiktiven Bilder prägen unsere Vorstellung, sodass kaum noch Platz für reale Fakten bleibt.

Doch wie viel Wirklichkeit steckt in der Fiktion?

Zunächst möchte ich die Begriffe unterscheiden: Artificial Intelligence oder auch Künstliche Intelligenz ist der Oberbegriff. Was wir in der Praxis verwenden ist Maschinelles Lernen, ein Teilgebiet von KI.

Was ist also ML?

Machine Learning ist der Forschungsbereich, der Computer befahigt zu lernen ohne explizit
programmiert zu werden. – Arthur Samuel (1959)

Dieses Verfahren ermöglicht es also Maschinen, Wissen aus Erfahrung zu generieren – zu lernen.

Bei TWT sehen wir täglich, was mit ML möglich ist. Aber eben auch, was noch nicht möglich ist. Im Gespräch mit Kunden stelle ich dies gerne dem Thema Fliegen gegenüber:

Was wir aus Filmen kennen ist fortschrittliche künstliche Intelligenz, vergleichbar mit modernen Düsenjets. Was aktuell in der Praxis durchgeführt wird, ist Maschinelles Lernen, vergleichbar mit guten Papierfliegern.

Ein Papierflieger folgt zwar ebenso wie ein Düsenjet den Gesetzen der Aerodynamik, hat aber darüber hinaus nicht viel mit diesem gemein. Ein Papierflieger ist nur eine Vorstufe des Flugwesens, fliegt nur eine kurze Distanz unter ganz bestimmten Voraussetzungen. Er braucht Energie von außen, kann nichts transportieren. Dennoch kann auch ein Papierflieger schon einen Fluss überqueren, schneller und besser als ein Boot das kann.

Genauso verhält es sich mit dem Maschinellen Lernen. Wir lösen damit bereits gezielt Herausforderungen unserer Kunden, die mit herkömmlicher Entwicklung nicht möglich oder zu aufwändig wären. Dazu müssen allerdings immer bestimmte Voraussetzungen erfüllt sein. Aus Trainingsdaten entstehen Modelle, die zumeist genau eine Aufgabe erledigen.

Die Wahrscheinlichkeit, dass die Maschine etwas ungeplantes durchführt, ist genauso groß wie das ein normaler Papierflieger explodiert. Der schlimmste Fall ist immer, dass das Modell nicht mit der benötigten Genauigkeit arbeitet – der Papierflieger landet im Fluss.

Neugierig geworden?

Wie wir konkret in einem ML Projekt vorgehen, können Sie der nachstehenden Grafik entnehmen.

Haben Sie einen passenden Machine Learning Anwendungsfall oder sind sich nicht sicher? Durch unsere Konzeptions-Formate wie der Ideation-Workshop zur Identifikation von umsetzbaren Use Cases finden wir das richtige Projekt für Sie. Wir geben Ihnen stets eine faire Einschätzung, was umsetzbar ist und was nicht. Über ein Jumpstart-Projekt setzen wir den identifizierten Use Case direkt als Prototyp mit Ihnen zusammen um. Dadurch erhalten Sie ein vorzeigbares Projekt, das Sie bei Ihrer weiteren Erarbeitung unterstützt.

Kontaktieren Sie uns.