Maschinelles Lernen

Intelligenzschub.

Künstliche Intelligenz erobert die Wirtschaft – in Kombination mit Business Analytics und Big Data eröffnen sich in allen Branchen völlig neue Perspektiven. Eine Studie zeigt, wie und wo Unternehmen sie einsetzen.

Noch vor zwei, drei Jahren schlummerten Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) als Mauerblümchendisziplinen in der akademischen Nische. Vielen Entscheidern galt ihr Einsatz in der Unternehmenspraxis als utopisch und zu aufwendig.

Die jüngsten technischen Fortschritte durch den praktischen Einsatz von Algorithmen und Business Analytics, Cloud Computing und Big Data hat diese Sichtweise jedoch radikal verändert: Immer mehr Manager sehen die vielen Möglichkeiten, die KI und ML mit sich bringen – etwa um Geschäftsprozesse zu automatisieren oder um für Managemententscheide nützliche Erkenntnisse aus den großen verfügbaren Datenmengen zu ziehen.

Bereits 64 Prozent der Unternehmen befassen sich laut einer aktuellen Studie des deutschen Forschungsinstituts Crisp Research aktiv mit Technologien rund um KI und ML. Rund die Hälfte setzt sie schon in Bereichen wie der Prozessoptimierung, dem Risikomanagement oder der Kundensegmentierung ein. Künftig wollen die Unternehmen verstärkt auf Anwendungen wie die Digital Supply Chain oder das Talent Management vordringen (Details in den Grafiken rechts).

Die gerade vorgelegte Untersuchung «Machine Learning im Unternehmenseinsatz» entstand in Kooperation mit Hewlett Packard Enterprise (HPE) und The unbelievable Machine Company (*um). Sie basiert auf der Befragung von 264 Unternehmen aus verschiedenen Branchen, Größen und Typen in Deutschland, Österreich und der Schweiz.

Künstliche Intelligenz wird zu einem wichtigen Faktor für die Wettbewerbsstärke und Profitabilität von Unternehmen. In nächster Zukunft wird sie flächendeckend zum Einsatz kommen. Neben der dank Cloud Computing nahezu unbegrenzt verfügbaren, räumlich verteilten und flexiblen Rechenleistung, bilden riesige Datenmengen (Big Data) die Grundlage für die Modellentwicklung und Trainings im Bereich KI.

Das Maschinelle Lernen bildet dabei den Kern der intelligenten Systeme – und damit für die Weiterentwicklung von Künstlicher Intelligenz. Letztere gilt als der Schlüssel zur digitalen Transformation im Rahmen einer erweiterten Business Intelligence, der Industrie 4.0 und dem Internet of Things (IoT).

Längst ist Künstliche Intelligenz im Alltag angekommen: Wir sprechen mit unseren Smartphones, die ersten autonomen Fahrzeuge sind auf den Straßen unterwegs und Chatbots führen täuschend echte Unterhaltungen mit Menschen. Dahinter steht ein großer technologischer Schub, der im Kern vor allem auf komplexeren Algorithmen beruht, die es den IT- und BI-Systemen erlauben,  aus den verarbeiteten Daten zu lernen.


Unternehmensweite digitale Strategie.
Maschinelles Lernen zahlt sich besonders dort aus, wo ein System Datenbewegungen aufzeichnet und im Anschluss Muster anhand von Tätigkeiten erstellt. Denn die Maschine lernt, wie sie zugehörige Aktivitäten zuzuordnen und diese Assoziationen mithilfe von intelligenten Algorithmen zu bewerten hat.

Dieser Prozess ist äußerst nützlich in den Bereichen der Reputationsbewertung, Prognosen, Zielgruppenansprachen, Empfehlungsmaschinen und Prozessoptimierung. In der Umfrage gaben die befragten Unternehmen an, dass sie mit dem ML-Einsatz vor allem Ziele hinsichtlich einer unternehmensweiten digitalen Strategie verfolgen und die internen Prozesse etwa in der Produktion oder Logistik optimieren wollen (siehe Grafik rechts).

Auf Abläufe wie die IT-Sicherheit beispielsweise in Banken angewandt, kann ML zudem effektiv prüfen, ob eine bestimmte Aktivität einem Betrug gleicht, oder einem akzeptablen Verwendungsmuster entspricht. Andere Vorteile eröffnen sich im aufkeimenden Markt für Daten-analyse, da sich durch die Automatisierung die Tendenzen und Zusammenhänge in Datensätzen entdecken lassen, die für die manuelle Bearbeitung deutlich zu komplex oder umfangreich sind.

Die hohe Wirtschaftlichkeit des Maschinenlernens liegt darin, dass die Genauigkeit mit zunehmendem Gebrauch steigt: Je öfter ein anpassungsfähiger Algorithmus eingesetzt wird, desto genauer fallen die Ergebnisse aus.

Dennoch bleibt die Anwendung des maschinellen Lernens auf Analyseplattformen eine große Herausforderung: Wenn Maschinen autonom auf Autobahnen, in Fabriken oder Unternehmen eingesetzt werden sollen, müssen sie nicht nur auf der Basis starrer Programme agieren können, sondern darüber hinaus durch Erfahrung lernen.  

Bislang verlangte die Einbindung von ML in jede Art von prognostischen Analytik-Projekten ein umfangreiches Kodieren und die Erstellung komplexer Algorithmen durch Datenwissenschaftler, die mit jeglicher Nuance der Statistik und mathematischen Prinzipien vertraut waren.

Den ganzen Artikel lesen Sie in der Druckausgabe Nr. 1/2017. Hier bestellen.


 

Quelle: BUSINESS INTELLIGENCE MAGAZINE, www.bi-magazine.net
© ProfilePublishing Germany GmbH 2017. Alle Rechte vorbehalten.
Vervielfältigung nur mit Genehmigung der ProfilePublishing Germany GmbH

Business Intelligence Magazine: Springe zum Start der Seite