KI kann so einfach sein

In meinem vorherigen Blog bin ich darauf eingegangen, was künstliche Intelligenz (KI) bereits kann – und dass der Hype längst noch nicht in der operativen Realität bei Unternehmen angekommen ist. Letzteres ist eine Erkenntnis der aktuellen SAS Studie „The Enterprise AI Promise: Path to Value“. Was die Umfrage darüber hinaus zeigt, sind die Erwartungen der Unternehmen und das Potenzial von KI. Immerhin sieht knapp ein Viertel (23 Prozent) der Befragten in KI die Möglichkeit, Effizienz, Produktivität und allgemein Geschäftsprozesse zu verbessern. Fast ebenso viele (22 Prozent) gehen davon aus, dass der Einsatz entsprechender Technologie den Kundenbeziehungen zugutekommt.

Keine heiße Luft

Was KI alles kann, ist jedoch keine reine Behauptung, sondern zeigt sich bereits im Business-Alltag.

Maschinelles Lernen als KI-Technologie ist eines der Trend-Themen im Analytics-Markt und wird unter anderem in der prädiktiven Wartung, Fraud Detection oder Customer Intelligence eingesetzt. Durch große Datenmengen und Rechenpower lassen sich mit diesen Methoden bessere Vorhersagen treffen und präzisere Analysen durchführen. Als „natural areas“, in denen sich KI schnell positiv bemerkbar machen könnte, sehen die Umfrageteilnehmer mehrheitlich selbstfahrende/vernetzte Autos (26 Prozent) sowie smarte /virtuelle Assistenten wie Siri, Alexa oder Cortana (24 Prozent).

SAS steht mittendrin

Für SAS sind Machine Learning und KI kein Neuland. Schauen wir uns die Themen einmal genauer an. Cognitive Computing verbindet KI-Methoden, datenbankbasierte Technologien und Mensch-Maschine-Schnittstellen miteinander. Letztlich geht es darum, dem Anwender ein möglichst natürliches Anwendungserlebnis mit einem Softwaresystem zu ermöglichen. Und genau diesen Anspruch haben wir auch für unsere analytischen Lösungen – nämlich diese „menschlicher“ zu machen.

In den letzten Jahren war Visualisierung ein wichtiger Treiber dafür. Eine erste Lösung war SAS Visual Analytics. Damit haben wir Advanced Analytics auch für Fachanwender ohne statistische Ausbildung zugänglich gemacht. Und diesen Weg gehen wir konsequent weiter. Ein nächster Schritt ist, dass Analytics in natürlicher Sprache aufgerufen werden kann und dem Nutzer – situativ und abhängig von dessen Kenntnisstand – entsprechende Erkenntnisse liefert. Dr. Jim Goodnight hat mit seiner Alexa-Demo auf dem SAS Global Forum ein erstes Beispiel dazu gezeigt (im Video ein Beispiel, das ich für Sie aufgenommen habe).

Künstliche Intelligenz beschäftigt sich als Teil der Informatik mit der Modellierung und Automatisierung von Aufgaben, die Menschen besonders gut können (z. B. Sprache verstehen, Muster erkennen oder durch Erfahrung gewonnenes Wissen in neuen Situationen anwenden). SAS wendet KI-Verfahren beispielsweise im Text Mining an, unter anderem für die Kategorisierung, Themenerkennung oder Sentiment-Analyse. Zudem verfügen viele SAS Lösungen bereits über Machine-Learning-Fähigkeiten, darunter SAS Enterprise Miner. Auch SAS Visual Analytics, SAS Visual Statistics sowie SAS Visual Data Mining and Machine Learning stellen die Technologie bereit – künftig inklusive Deep Learning und Convolutional Networks.

Vielseitige Anwendungsfälle

Damit bringen wir Machine Learning nicht nur zu Data Scientists. Wir ermöglichen auch Fachanwendern, intuitiv und schnell mit maschinellem Lernen ihre Daten besser zu verstehen. Zum einen können praktisch alle analytischen Anwendungsbereiche, die wir heute schon kennen, von besserer Analytik und zugänglichen Anwendungen profitieren. Zum anderen kommen im Bereich IoT und bei der Objekterkennung neue Anwendungen auf großen Datenmengen, auf Bilddaten und mit Analytics in Echtzeit im Datenstrom auf uns zu. Ob prädiktive Wartung, das Einkaufserlebnis im Supermarkt der Zukunft, Bildanalyse zur Verbesserung der Produktionsqualität, Schadensprävention in der Versicherung durch Telematik oder Wearables: Das sind die neuen Anwendungen, von denen faktisch alle Branchen im Markt reden.