Künstliche Intelligenz (KI, engl.: Artificial Intelligence, AI) hat in den vergangenen Jahren immense Fortschritte gemacht und einen Boom an Aktivitäten und Aufmerksamkeit erlebt – geradezu einen Hype. In vielen Bereichen ist sie schon zur Selbstverständlichkeit in unserem Alltag geworden, z.B. in Gestalt von sprachgesteuerten Assistenten wie Apple Siri und Amazon Alexa oder auch extrem leistungsfähiger Übersetzungsdienste wie z.B. DeepL oder Google Translator. Oft bemerken wir auch nicht, wie viel KI in der Form von umfangreichen Neuronalen Netzen im Spiel ist, z.B. wenn wir schlicht nur ein Foto mit unseren aktuellen Smartphones machen. KI ist hier, KI entwickelt sich rasant weiter und es ist die Aufgabe von Gesellschaft, Politik und Wissenschaft sicherzustellen, dass diese Technologie – wie so viele andere Entwicklungen – der Menschheit, dem Individuum und der Umwelt dient und nicht schadet.
Integration statt Separation
Für ARS ist KI ein zunehmend natürlicher und organischer Teil des Software Engineerings. Das gilt insbesondere in solchen Fällen, in denen es integraler Bestandteil von Applikationen und Funktionen ist. Und dort, wo KI bisher „nur ein gesondertes Werkzeug“ in der Hand von Data Scientists ist, kann das der erste Schritt zu einer Operationalisierung z.B. von Machine Learning-Modellen in größeren Systemzusammenhängen sein. In den letzten Jahren hat es im Bereich des Maschinellen Lernens viele Fortschritte gegeben, so weit, dass diese Werkzeuge jetzt auch sinnvoll in mittelständischen Betrieben eingesetzt werden können. KI ist keine “Rocket Science” mehr.
Jede Reise beginnt mit dem ersten Schritt
Gemeinsam mit dem Kunden betrachten wir bei ARS neutral die Möglichkeiten, Künstliche Intelligenz in ersten Projekten einzusetzen. Wir prüfen mit Ihnen, welche Projekte mit vertretbarem Aufwand erfolgreich umsetzbar sind (“low hanging fruit”) und welche Schritte für eine Realisierung notwendig sind. Dabei betrachten wir stets auch das große Ganze.
Daten sind der Schlüssel
Die Basis für den Einsatz von KI sind Daten zum Trainieren der Modelle, wobei die Quantität und Qualität der Daten entscheidend zum Erfolg des Projektes beitragen. Hier zeigen sich zwei klassische Startpunkte für KI-Projekte:
- Eine Problemstellung soll mit KI gelöst werden, jedoch sind noch keine Daten vorhanden. Es gilt daher zunächst, gemeinsam zu bewerten, welche Daten benötigt werden, wie diese beschaffen sein müssen und wie sie zu gewinnen sind.
- Es sind Daten aus verschiedenen Projekten und Quellen vorhanden, die bisher nicht genutzt werden. Unter Anwendung von Methoden der Künstlichen Intelligenz können bisweilen bisher unentdeckte Muster darin offengelegt werden, welche zur Optimierung bestehender oder gar zur Kreation neuer Anwendungsfälle genutzt werden können.
