ICT-News Dach

KI-Spreu und KI-Weizen

Holm Landrock

Holm LandrockBottom Line (ICT-Anwenderunternehmen):

Ziemlich genau seit dem Jahresanfang ist der Hype um künstliche Intelligenz (KI) bei allen IT-Herstellern angekommen und sie bestürmen ihre Kunden nun mit ihrem jeweiligen KI-Produkt-Offering. Dass dabei nicht alles Gold ist, was glänzt, liegt auf der Hand. Doch wie unterscheiden?

Bottom Line (ICT-Anbieterunternehmen):

Nur weil man irgendwo gehört oder gelesen hat, dass es einen neuen Hype gibt, muss man nicht gleich alle eigenen Produkte umetikettieren. Klar, das ist so Usus, schon seit Jahren. Seriöse Aussagen dürften jedoch dauerhaft zu mehr Erfolg führen, auch wenn das angesichts der immer weiter um sich greifenden Quartals-Denke nicht ins Programm passt.

 

Man kann das Stöhnen der Anwender hören: Oh, nicht schon wieder. Etwa zum Jahreswechsel 2015/2016 sind ja bei vielen Anbietern die Lösungen, die eben noch als „Big Data“ gelabelt wurden, zu „Industrie-4.0“- oder „IoT“-Lösungen geworden. Der Hype um I4.0 war bei allen angekommen. Seit einem guten halben Jahr sind Big Data und I4.0 uninteressant geworden, wenn man die Präsentationen der führenden IT-Unternehmen verfolgt. Jetzt muss es KI – künstliche Intelligenz – sein. Selbstverständlich haben Big-Data-Anwendungen, Industrie 4.0 und das Internet of Things nicht an Bedeutung verloren. Im Gegenteil: In vielen Unternehmen tragen die Anstrengungen der letzten Jahre jetzt die ersten Früchte. Dennoch konzentrieren nahezu alle namhaften IT-Anbieter nur noch auf ein Thema: KI. Damit nicht immer genau ersichtlich ist, ob es nun wirklich KI ist, verwendet man ergänzend und/oder ersetzend den Begriff des „Machine Learning“, also des maschinellen Lernens (was eine etablierte Übersetzung ist, auch wenn es sich eigentlich um lernende Maschinen handelt).

Selbstverständlich, auch das kennen wir von den vorangegangenen Hype-Themen, wird von keinem Anbieter eine fremde Definition übernommen, sondern jedes Unternehmen feilt sich seine eigene Definition zurecht. Dank des Internets stimmen diese Definitionen wenigstens weitgehend überein (böse Zungen könnten behaupten, man schriebe voneinander ab).

Es ist durchaus interessant zu lesen, was KI-Systeme leisten können. Es ist aber auch erschreckend, wenn Lösungen wie zum Beispiel für Predictive Maintenance, also die vorausschauende Ermittlung von Wartungsfällen aufgrund von Maschinen- und Sensor-Informationen, plötzlich nicht mehr als Big-Data-Lösung, sondern als künstliche Intelligenz angepriesen werden. So etwas passiert mehrmals in der Woche, auch mit I4.0-Lösungen. Sie erinnern sich? Industrie 4.0, das war diese Sache mit den cyber-physischen Systemen, die sich anhand der Auftragsinformation selbst konfigurieren. Das klingt ja wirklich nach maschineller Intelligenz.

Mancher Leser wird einwerfen, dass die Grenzen fließend sind und sich die Technologien weiter entwickeln. Das ist richtig. Doch ist die Frage erlaubt, ob denn nun jeder immer sofort auf den nächsten Wagen aufspringen muss, der da durchs Dorf rollt. Spätestens dann, wenn ein Produkt, das gerade erst als Big-Data- oder I4.0-Lösung auf den Markt gekommen ist, plötzlich auch KI kann, beginnen Alarmleuchten zu glimmen.

Als Anhaltspunkt können sich Anwender an einer Formulierung orientieren, die vom Bitkom verwendet wird: Künstliche Intelligenz beschreibt Informatikanwendungen, deren Ziel es ist, intelligentes Verhalten zu zeigen. Dazu sind vier Kernfähigkeiten notwendig: Wahrnehmen, Verstehen, Handeln und Lernen. Diese vier Fähigkeiten erweitern das Grundprinzip der heutigen Computer: Eingabe – Verarbeitung – Ausgabe. KI können hinsichtlich der Verarbeitung trainiert werden und somit lernen. Dadurch erzielen sie bessere Ergebnisse als herkömmliche Verfahren. Das kann so weit gehen, dass Maschinen ein menschenähnliches Verhalten entwickeln.

Jetzt bleibt es dem Anwender überlassen, zu prüfen, ob die Lösung für Predictive Maintenance, die eine große Menge von Sensordaten zählt und beim Überschreiten eines Schwellwerts einen Alarm auslöst, schon KI ist (und weil es sehr viele Daten sein können, darf es ja gern eine Big-Data-Lösung sein).