Zukunft Algorithmus: KI & Machine Learning

 


Was ist künstliche Intelligenz? In den meisten Fällen weder Wunderbox noch „Killerroboter“, entmystifiziert Dr. Aljoscha Burchardt vom Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) die Diskussion. Aus der Simulation menschlichen Denkens entstehe eine „smarte Mensch-Maschine-Interaktion und -Kollaboration“. Für eine selbstständige „starke KI“, den Homunculus, müsse die Maschine ein Bewusstsein entwickeln. Das sei unwahrscheinlich.

Bei der Entwicklung stellen regulatorische Normen die Weichen, etwa bei selbstfahrenden Autos: So passt der Learning-by-Kilometer-Ansatz zum US-Rechtsverständnis, gilt in Europa aber als Sackgasse. Hierzulande ist eine ISO-gerechte und TÜV-zertifizierte Kombination aus variantenreicher und nachprüfbarer Sensorik-Analyse nötig.


Wieso, weshalb, warum…

Übersetzungsprogramme prüft Dr. Aljoscha Burchardt mit einem einfachen Test: Mündet die Übersetzung des deutschen Sesamstraße-Songtextes „der, die, das, wer, wie, was, wieso, weshalb, warum“ in einer schlichten Wort-für-Wort-Übertragung, offenbart das die Schwächen der KI, die den Kontext offenbar nicht erkennt. Fazit: Künstliche Intelligenz müsse sorgfältig entwickelt und trainiert werden.

KI sei der Versuch, emotionale und kognitive Fähigkeiten sowie Motorik zu erwerben, eine Annäherung an ein situatives Wahrnehmen. Das basiere auf Kommunikation, Planen, Handeln, Schlussfolgern oder Lernen. Dann entstehe eine zweite Welle der Digitalisierung mit dem Ziel, Daten zu verstehen, zu veredeln, aktiv zu nutzen und schließlich zu monetarisieren.

Viele Erfolgsmeldungen bei den neuen Prozessen kann der Wissenschaftler daher ganz ernst nehmen: Erstelle KI aus einem Foto ein Gemälde in impressionistisch-expressionistischer Anmutung, habe die Technik schlicht bekannte Muster angewendet. Doch: Imitation sei kein Fortschritt. Stattdessen gelte es für die Maschine-Mensch-Kooperation Regeln zu vereinbaren: Unter welchen Bedingungen wollen wir Künstlicher Intelligenz trauen und wie wollen wir mit Maschinen kooperieren?

Dr. Aljoscha Burchardt

Deutsches Forschungszentrum für Künstliche Intelligenz, DFKI


 

Greifbare Zukunft

Roboter, die kraftvoll als KI-Kämpfer durch den Wald huschen, sind eindrucksvoll. Doch die Vorstellungen dieser bunten Clips und die Lebenswirklichkeiten klaffen auseinander. Tastächlich ist ein funktionsfähiges künstliches Bein oder eine Hand, ein Meisterwerk aus Mechanik, Elektroden-Sensorik und komplexer KI, verdeutlicht Sarik Weber, Digital Advisor to the CEO Ottobock.

Es ist ein passendes Beispiel für eine Mensch-Maschine-Beziehung: Bei Prothesen steuern Muskelimpulse die Bewegung. Koordination und Druckverteilung ermöglichen es, mit Zeigefinger und Daumen ein rohes Ei zu halten oder mit allen Fingern eine Flasche zu greifen und einzuschenken.

Die Maschine muss aber jeden einzelnen Vorgang, jede Bewegung aufwändig lernen, sortieren, speichern, verarbeiten und spiegeln. Dieser KI-Prozess ist enorm anspruchsvoll. Ottobock treibt die Entwicklung voran.

Ottobock

Mobilizing Intelligence



Meisterlich übersetzt

Für Übersetzungen von Fachtexten braucht man Experten. Verlangt werden Verständnis, Präzision, Sprachwissen und -gefühl. Eine maschinelle Hilfe für dieses Segment muss daher exzellent arbeiten. Christopher Kränzler, Co-Founder und CEO von lengoo, hat einen Learning-Prozess dazu entwickelt.

Zunächst erfasste er die Erfahrung der Übersetzer mit ihrem Spezialwissen, ihr Know-how und das Anforderungsniveau. Denn wer schnell den passenden Experten findet, senkt Aufwand und Kosten. In der zweiten Stufe trainierte die KI an den Übersetzungen, kontrolliert durch die Spitzenkraft.

Jede Korrekturschleife verbessere im Prozess die Übersetzungsqualität, schildert Kränzler. Zugleich spezialisiere dies die Künstliche Intelligenz. Die Maschine lerne auf stetig steigendem Niveau, übersetze genauer und schneller. So reduzieren sich die Kosten und die gesamte Prozessdauer: Der Zufriedenheitsgrad der Kunden erreicht heute nahezu 100 Prozent.

Lengoo

Christopher Kränzler


Strukturierte KI

Dr. Björn Görke, Co-Founder und CEO von Gpredictive, jongliert mit Musterwissen und Verhaltensmustern. Eine wirkungsvolle Kundenansprache steigere im Online-Marketing den Umsatz, das Know-how um den „Customer Livecycle“ präge das Business.

Die Qualität der Daten aus Data-Mining und Big Data seien die Grundlage für eine KI-Auswertung mit dem Ziel: „Ich kenne meinen Kunden“. Zugleich wissen Marketingexperten um die zahllosen Touchpoints, die eine Customer journey ermöglichen, können jedoch nicht alle Möglichkeiten ausnutzen: Jede Entscheidung zur aktiven Ansprache kostet Geld und die Ausgaben sollte sich im Verkauf lohnen.

Um das zu erreichen, setzt Gpredective auf „Data-Scientist“. Die Kundendaten werden passend zu den strategischen Ansätzen des Onlinevermarkters mit den zahllosen Ansprech-Varianten justiert, erweitert und optimiert. Die zugrundeliegende KI taktiert wie auf dem Spielbrett und findet dann die Variante, die das beste Ergebnis bringt. Die Verkaufszahlen ziehen mit dieser Methode deutlich an, belegen die Zahlen von Gpredective.

Gpredictive


Genormtes Können?

Bei selbstfahrenden Autos werde oft ignoriert, dass heute eingebaute Kameras auch künftig ihre KI an diese Bildauflösung koppeln, erklärt Roy Uhlmann, Co-Founder und CEO Motor Ai. Diese Ungenauigkeit bestimme über Jahre die Systemqualität, dabei ist die Bildauflösung jedoch oft Basis der Datenentscheidung: Ist das nur Karton am Straßenrand oder spielt gerade ein Kind Roboter? Vergleichsmuster, die durch eine bestimmte Zahl an gefahrenen Kilometern entstehen, bergen dennoch Schwachstellen.

Motor Ai ersetzt Trainingsfahrten durch eine detaillierte Situationsanalyse aus Radar, Kamera und Umgebungsdaten, kurz LIDAR. Ihre KI errechnet aus dem Mix stetig den „menschenmöglichen“ Fahrraum. Die Entscheidungsfindung der KI sei dabei jederzeit eindeutig nachvollziehbar, so Uhlmann. Ein „don’t know why“ gilt nicht.

Dieses KI-Format ist eine wichtige Grundlage für Versicherungen und rechtliche Rahmen, da sie der europäischen Norm ISO 26262/21448 entspricht. Außerdem ist sie bereits für den Level 4 und 5 selbstfahrender Autos im Stadtverkehr TÜV-zertifiziert.

Motor AI

Roy Uhlmann ›



Unsicherheiten ausklammern

Sven Weizenegger, CEO und Co-Founder von suza.io, ist ein Sicherheitsexperte. Mit Blick auf KI erklärt er Zusammenhänge, prüft und fordert die Aufmerksamkeit der Anwender, Entwickler und Innovatoren. So unterliegen etwa Trainingsmuster über Bilderkennung technischen Grenzen. Oft genügten geringfügige Abweichungen oder ein zusätzliches Bildrauschen, um im Abgleich Irrtümer zu erzeugen, sagt Weizenegger. Passend dazu demonstriert er, wie eine Gesichtserkennung manipuliert werden kann, um eine Identität vorzutäuschen. Es genügt eine manipulierte Ausweiskopie einschließlich aller Sicherheitsmerkmale, um ein Postident-Verfahren via Videoprüfung zu beeinflussen.

Andererseits ermögliche eine KI ein Mehr an Sicherheit, so Weizenegger. Mit Systemintelligenz entstehe durch die Algorithmen ein Netz, das Schadanwendungen kenne, deren Merkmale vergleiche und in Beziehung setze und so lerne, Cybercrime-Attacken noch früher zu erkennen.

Sven Weizenegger

suza.io


Option Zukunft

Quantentechnologie gilt als Innovationsmotor des 21. Jahrhunderts. Sie ist Grundlage für Transistoren, Glasfaser, Mikroelektronik in Chips, Laser oder Magnetresonanztomografie (MRT). Die aktuelle 2. Quantenrevolution nähert sich dem Phänomen der Verschränkung: Teilchen können auf geheimnisvolle Weise miteinander in Verbindung stehen, obwohl sie weit voneinander entfernt sind.

Manouchehr Shamsrizi, Co-Founder RetroBrain R&D und gamelab.berlin, ist Beirat von the quantum chapter. Er interessiert sich für die praktischen Anwendungen der 2. quantentechnischen Revolution und ist von den kommenden Fortschritten in der Informationssicherheit, Kommunikation, Metrologie und Diagnostik überzeugt.

Der Querdenker skizziert ein Beispiel: Wäre es möglich, aus einem Körperscreening verschiedene Therapiemodelle zu errechnen, dann könnte eine KI ermitteln, welche Wirkstoffe ein Patient in welcher Menge braucht. Das passende Medikament stellt ein 3-D-Drucker her. Ein solches Szenario würde den medizinischen Sektor enorm verbessern und verschlanken, so Shamsrizi. Für ihn gilt: „Zukunft wagen!“

Retrobrain

The Quantum Chapter

Gamelab



#WhereverYouAre

Facebook setzt auf KI – auf allen Ebenen. #WhereverYouAre gilt als gelungenes Beispiel: Zalando bewarb unter dem Hashtag den britischen Style der Marke Topshop auf der Social-Media-Plattform. Der Kniff: In einer Videobotschaft erzählt Supermodell Cara Delevigne, dass man den Style problemlos in der Nähe einkaufen könne, etwa in … und nennt munter eine Kleinstadt oder ein Dorf in der User-Umgebung oder gar den Wohnort des Betrachters.

KI steuerte in der Kampagne den ausgeklügelten Abgleich von Wohnort und zielgruppentypischer Affinität der Facebook-Accounts mit dem zugehörigen Video. #WhereverYouAre erreichte Spitzenwerte bei Reichweite, Image und Erlös. Es gelte den richtigen Menschen mit der passenden Botschaft zur richtigen Zeit zu erreichen, beschreibt Nik Kraft, Global Marketing Solutions, die Facebook-Idee.

Dabei mixt die Plattform ihre Features via KI, etwa beim „I’m save!“-Button. Bei einer Naturkatastrophe lässt sich aus der Summe der Rückmeldungen die Fluchtrichtung der Betroffenen errechnen. Und das helfe NGO‘s ihre Hilfe dort zu organisieren, wo sie dringend nötig sei. Die nötigen KI-Ergebnisse stellt Facebook bereit – kostenlos.

Facebook AI


Lernen via KI

Weiterbildung ist ein Muss. Tobias Göcke, Co-Founder und Geschäftsführer der SupraTix GmbH, kombiniert herkömmliche und eLearning-Formate für die persönliche berufliche Entwicklung. Dazu entsteht mit Hilfe von KI eine Matrix aus individuellen Kompetenzen und Fähigkeiten, gekoppelt mit unternehmerischen Anforderungen und gewünschten Karrieresteps.

Göcke agiert smart: Für ein effektives Lernen verschmelzen die Formate von Social Learning bis Gamification. Die Analyse für treffende Lerninhalte speist sich aus internen Unterlagen, Selbsteinschätzungen der Teilnehmer, Karrieremöglichkeiten im Unternehmen und individuellen Wünschen. Aus den Parametern ermittelt die KI passende Lernstrukturen und Ziele und erstellt dazu ein individuelles Lernpaket. Den eigentlichen Lernprozess begleitet eine motivierende Kontrolle.

173.000 Mitarbeiter weltweit lernen bereits via SupraTix. Das maschinelle Format finde Akzeptanz im Unternehmen, bei den Beschäftigten und im Betriebsrat, denn das übliche Outing der Mitarbeiter für Lernentscheidungen entfalle, so Göcke.

SupraTix