![\"\"](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/gehirn.png\")
<\/p>\n
Serie KI und Machine Learning<\/em><\/span><\/h3>\nWie k\u00f6nnen deutsche Unternehmen doch noch digitale Meister werden? Wie kann man dies mit den Mitteln der Unternehmenskommunikation sowohl ansto\u00dfen als auch vorantreiben? Warum brauchen wir eher weniger als mehr Informationen? Wie k\u00f6nnen Entscheider und Fachleute pragmatische Ans\u00e4tze entwickeln, die tats\u00e4chlich umsetzbar sind? \u2013 Dies sind die Fragestellungen meines Themenschwerpunktes Digitalisierung in diesem Herbst hier im PR-Doktor.<\/a> In der Besch\u00e4ftigung mit dem Thema habe ich festgestellt, wie viel Nachholbedarf in Sachen Wissen ich selbst noch hatte. Deswegen habe ich einen Machine-Learning-Fachmann gebeten, mir meine brennendsten Fragen zu beantworten. Aus der riesigen Menge an Antworten, Informationen, Beispielen ist diese dreiteilige Serie geworden. \u2013 Kerstin Hoffmann <\/em><\/p>\n
\nTeil 1: Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen (dieser Beitrag)<\/p>\n
Teil 2: Gefahr im Verzug? Die Zukunft mit KI und Machine Learning<\/a><\/p>\nTeil 3: KI und Machine Learning in Marketing und Unternehmenskommunikation (erscheint in K\u00fcrze)<\/p>\n<\/div>\n
Was ist KI, was ist Machine Learning?<\/h3>\n
Der Begriff k\u00fcnstliche Intelligenz (KI) oder im angloamerikanischen Sprachraum Artificial Intelligence<\/a> (AI), wurde zum ersten Mal von John McCarthy im Jahr 1956 gepr\u00e4gt. Die Begriffsbeschreibung ist in etwa diese: eine Maschine, die in der Lage ist Arbeiten auszuf\u00fchren, die charakteristisch f\u00fcr menschliche Intelligenz sind. Dinge wie Planung, Verst\u00e4ndnis von Sprache, Erkennung von Objekten und Ger\u00e4uschen, lernen und Probleml\u00f6sung.<\/p>\nEs gibt im Wesentlichen zwei Bereiche der KI, die generalisierte und die spezielle (im englischen Sprachraum general and narrow genannt). Der generalisierte Bereich leistet im Prinzip fast alles, was die Humanintelligenz auch kann. Im speziellen Bereich sind stark spezialisierte Dinge wie die Objekterkennung anzusiedeln, beispielsweise wenn die Maschine wirklich nur Bilder erkennt. Das was wir derzeit mit Machine Learning bezeichnen, ist zumeist im Bereich der speziellen AI eingeordnet.<\/p>\n
Auf die Basis reduziert kann man auch sagen: Machine Learning ist die Grundlage f\u00fcr die Schaffung von KI.<\/p>\n
Aber das klingt zun\u00e4chst doch bekannt. Die IT liefert f\u00fcr all dies seit Jahren L\u00f6sungen. Worin besteht den nun der konkrete Unterschied zu fr\u00fcheren Informationstechnologien und was macht das enorme Potential des Machine Learnings aus?<\/p>\n
Der Unterschied ist so einfach wie bedeutend. W\u00e4hrend die bekannte Informationstechnologie die Probleme unseres Alltags in der Regel durch Beschreibungen von mehr oder minder komplexen Regelwerken, Mathematik und \u00e4hnlichen Vorgehensmodellen n\u00e4herungsweise beschreibt, braucht Machine Learning nur noch die Daten aus der zu beschreibenden Welt. Die Regeln lernt es allein! Die Maschine erstellt selbstst\u00e4ndig ein Modell der zu beschreibenden Welt, nur anhand der von dieser Welt erzeugten Informationen.<\/p>\n
Dar\u00fcber hinaus ist die Maschine in der Lage sich selbst \u00fcber die Zeit zu verbessern. Dies geschieht zumeist \u00fcber die gezielte R\u00fcckkopplung mit Benutzern oder Systemen.<\/p>\n
Warum sollten sich Entscheider in deutschen Unternehmen dringend damit besch\u00e4ftigen?<\/h3>\n
Einer der Stars und Vordenker der Szene, der ehemalige Professor f\u00fcr K\u00fcnstliche Intelligenz an der Stanford Universit\u00e4t, sp\u00e4terer Chief Scientist beim Chinesischen Internetriesen Baidu und nun Head des Google-AI-Bereichs \u201cGoogle Brain\u201d Andrew Ng spricht von Artificial Intelligence als \u201cneue Elektrizit\u00e4t\u201d. Deep Learning<\/a> werde mehr Umw\u00e4lzung und Ver\u00e4nderung bringen als seinerzeit das Internet.<\/p>\nIn einem Zitat im Fortune Magazin weist Ng auf die Tatsache hin, dass sich viele S&P-500-CEOs im Nachhinein gew\u00fcnscht h\u00e4tten, sie w\u00e4ren schneller mit einer Internetstrategie dahergekommen. Nun, dieselben CEOs werden sich in etwa f\u00fcnf Jahren w\u00fcnschen sie h\u00e4tten Artificial Intelligence ernster genommen.<\/p>\n
\nSo begr\u00fcnden Entscheider fehlende AI-Strategien:<\/span><\/em><\/h3>\nWelche Gr\u00fcnde nennen Entscheider in Unternehmen, wenn diese auf fehlende Umsetzung von AI-Strategien angesprochen werden? Hier einige der meist genannten:<\/p>\n
\n- \u201cAls gro\u00dfes Unternehmen fokussieren wir auf den Wettbewerb und unsere Mitbewerber machen kein AI.\u201d<\/li>\n
- \u201cWir arbeiten mit Expertise – wir vertrauen keinem Modell, sondern unserem Instinkt.\u201d<\/li>\n
- \u201cUnsere Daten sind zu unsauber und unsere Projekte noch nicht bereit.\u201d<\/li>\n
- \u201cWir k\u00f6nnen die notwendigen Experten nicht finden.\u201d<\/li>\n<\/ul>\n
Lassen Sie uns diese Argumente einmal genauer betrachten.<\/p>\n
_<\/p>\n
\u201cAls gro\u00dfes Unternehmen fokussieren wir auf den Wettbewerb, und unsere Mitbewerber machen kein AI.\u201d<\/em><\/strong><\/p>\nDie Lehren aus der Vergangenheit sprechen hierbei allerdings eine eindeutige Sprache. Die durch das Internet ausgel\u00f6sten Ver\u00e4nderungen waren f\u00fcr einige Industrien sehr weitreichend. Nehmen wir Instragram versus Kodak oder Amazon versus Borders (eine gro\u00dfe amerikanische Buchkette), um nur einige Beispiele zu nennen. Entscheidend ist es zu starten und nicht darauf zu warten vom Konkurrenten \u00fcberholt zu werden.<\/p>\n
_<\/p>\n
\u201cWir arbeiten mit Expertise – wir vertrauen keinem Modell, sondern unserem Instinkt.\u201d<\/em><\/strong><\/p>\nWenn es um Expertiseversus Modell geht, so kann man am Beispiel Google sehr gut sehen wie potent die M\u00f6glichkeiten der gezielten Unternehmenssteuerung \u00fcber Daten sein kann. Nichts spricht dagegen Modelle und Anwenderinstinkt zu verbinden.<\/p>\n
_<\/p>\n
\u201cUnsere Daten sind zu unsauber und unsere Projekte noch nicht bereit.\u201d<\/strong><\/em><\/p>\nSogar bei unsauberen Datenlagen kommt Machine Learning uns entgegen. Besonders der Bereich Deep Learning bringt eine Vielzahl von Mechanismen mit, die St\u00f6rger\u00e4usche aus den Daten herausfiltern k\u00f6nnen. Wenn sie also zu einem Unternehmen mit schlechter Datenlage geh\u00f6ren, sollten sie erst Recht zeitig investieren.<\/p>\n
_<\/p>\n
\u201cWir k\u00f6nnen die notwendigen Experten nicht finden.\u201d<\/strong><\/em><\/p>\nWas diese Experten, die sogenannten Data Scientists<\/i> angeht: Ja, diese sind in der Tat schwer zu finden und dar\u00fcber hinaus auch zumeist keine Experten im jeweiligen Kerngesch\u00e4ft des betreffenden Unternehmens. Aber was spricht dagegen, mit einigen wenigen zu starten und alle weiteren auszubilden? Die Vorteile liegen hier auf der Hand.<\/p>\n
\nWas bedeutet Selbstlernen von Maschinen?<\/h3>\n
Bevor wir typische Anwendungsgebiete betrachten, ist es wichtig zu verstehen, was Selbstlernen von Maschinen in unserem Kontext eigentlich bedeutet.<\/p>\n
Im Kern gibt es erneut zwei Auspr\u00e4gungen: die erste ist die sogenannte Klassifikation<\/b> (Classification<\/i>) von etwas wie sagen wir Hund, Katze, Maus, Mensch. Die zweite die Vorhersage<\/b> (Prediction<\/i>), die die Wahrscheinlichkeit (Probability<\/i>) errechnet, mit der ein Ereignis eintreffen wird, zum Beispiel eine Umsatzerwartung erreicht wird oder es Regen geben wird.<\/p>\nKlassifikation (Classification)<\/h3>\n
![\"Klassifikation](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg\")
<\/p>\n
Der Klassiker der Beispiele ist die automatische Einteilung von Bildern in Hunde- oder Katzenbilder. Ein etwas komplexeres Szenario ist die Festlegung, ob der Kunde eines Mobilfunkanbieters zu der Gruppe derjenigen geh\u00f6rt, die den Telefonvertrag verl\u00e4ngern oder beenden (Churn<\/i> und Retention<\/i> Analyse).<\/p>\nVorhersage (Prediction)<\/h3>\n
<\/p>\n
![\"\"](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2015\/06\/vorhersage.png\")
<\/p>\n
\n- Das analysierte Bild zeigt mit 95% Wahrscheinlichkeit einen malignen Tumor.<\/li>\n
- Die Wahrscheinlichkeit, dass der Telefonvertrag verl\u00e4ngert wird betr\u00e4gt X Prozent.<\/li>\n
- Der Umsatz des kommenden Monats ist der Wert Y.<\/li>\n<\/ul>\n
Was sind typische Anwendungsgebiete?<\/h3>\nMedizin<\/h4>\n
Die Anwendungsm\u00f6glichkeiten sind schon jetzt vielf\u00e4ltig und es werden stetig mehr. Im Medizinbereich wird Machine Learning Modelle f\u00fcr die Auswertung von Mammographiedaten<\/a> herangezogen wurden.<\/p>\nWenn wir uns einmal vergegenw\u00e4rtigen, wie viele Medikamente einige Patienten auf Tagesbasis gleichzeitig einnehmen m\u00fcssen und wie wenig die komplexen Wechselwirkungen erforscht sind, ist auch hier schnell der Vorteil von KI klar. Nur der Maschine und deren unersch\u00f6pflichen Ressourcen ist es zuzutrauen, die komplexen Netzwerke von Wechselwirkungen vollst\u00e4ndig zu erfassen, um eine Fr\u00fchwarnung (Prediction<\/i>) auszusprechen.<\/p>\nObjekterkennung<\/h4>\n
Jedwede Form der Objekterkennung, in Bildern, sowie in Videos ist mittlerweile in fester Hand des Machine Learnings. Hierzu geh\u00f6rt die Erkennung von Schreibschrift,<\/a> welche zum Beispiel seit Jahren von Briefzustellern benutzt wird. Die Auswertung von R\u00f6ntgenbildern durch die Maschine, die Erkennung von Tumorgewebe im MRT, in all diesen Bereichen ist die Maschine schneller und pr\u00e4ziser. Selbstfahrende Autos sind bereits seit einigen Jahren fester Bestandteil des Stadtbildes in einigen St\u00e4dten der USA und sogar v\u00f6llig autarke LKW gibt es bereits auf der Stra\u00dfe.<\/p>\nSpiele<\/h4>\n
Die Welt der Spiele ist ebenfalls in fester Hand der Maschine. Sogar ein so au\u00dferordentlich komplexes, weil mit unglaublich vielen Varianten ausgestattetes Spiel wie Go wird mittlerweile von der Maschine gewonnen<\/a>.
\n<\/b><\/p>\nSprache<\/h4>\n
Auch im Bereich der menschlichen Sprache (NLP oder Natural Language Processing<\/i>) hat Machine Learning schon lange die Nase vorn. Von der Auswertung von Kundenbewertungen im Marketing, auch Sentiment-Analyse genannt (Ist ein Objekt positiv oder negativ beschrieben worden?), bis hin zur Live-\u00dcbersetzung von einer Sprache in die andere. Probieren Sie es einmal selbst aus: Stellen sie die Sprache Ihres Skype-Gespr\u00e4chspartners auf eine Fremdsprache, und Sie werden \u2013 falls Sie es noch nicht ausprobiert hatten \u2013 staunen …<\/p>\nKunst<\/h4>\n
Im Bereich Kunst gibt es au\u00dferordentlich interessante Beispiele. Viele von Ihnen kennen sicher die Handy-App Prisma<\/a>. Diese nutzt das sogenannte Style-Transfer<\/i>-Verfahren, um das gelernte Muster beispielsweise eines van Goghs auf das eigene Selfie anzuwenden. Aber das ist noch nicht alles. Auch Tr\u00e4umen hat man der Maschine bereits in ersten Experimenten beigebracht, und die Ergebnisse sind zumindestens f\u00fcr den interessierten Geist beachtenswert.<\/p>\nVon Flugsicherung bis Smart Home: Weitere Anwendungen<\/h3>\n
Die Anwendungsm\u00f6glichkeiten sind so vielf\u00e4ltig wie die Welt in der wir leben. Im Planungsbereich<\/b>, in der Lagerhaltung<\/b>, im Bestellwesen<\/b>, bei der Bewertung von Geschehnissen<\/b>, im Finanzbereich<\/b> zur Kredit Risiko Modellierung und Betrugspr\u00e4vention<\/b>, der Flugsicherung<\/b>, bei der Steuerung<\/b> unseres Heims oder als pers\u00f6nlicher Assistent<\/b> f\u00fcr unserer privaten Aktivit\u00e4ten, Machine Learning arbeitet in vielen F\u00e4llen bereits im Hintergrund oder wird dieses zeitnah tun.<\/p>\n
Fast jeder Online-Einkauf<\/b> wird mittlerweile durch sogenannte Recommender Systeme<\/i>, also Machine Learning basierte Modelle gest\u00fctzt wird. Hier wurde der Maschine beigebracht, das Einkaufsverhalten des Einzelnen zu lernen und daraus Schl\u00fcsse und Vorschl\u00e4ge abzuleiten.<\/p>\n
Nicht immer sind die bestehenden L\u00f6sungen bereits perfekt oder voll markttauglich. Aber Vorsicht! Bevor Sie Witze machen und etwas vorschnell abhaken, behalten Sie bitte folgendes im Hinterkopf: Die Maschine lernt selbstst\u00e4ndig und korrigiert sich selbstst\u00e4ndig anhand neuer Daten und Benutzer- und System R\u00fcckkopplung. Was heute noch nicht funktioniert, wird schon morgen perfekt sein. <\/b><\/p>\nWarum ist Machine Learning aus wirtschaftlicher Sicht so wichtig?<\/h3>\n
Der wesentliche Grund, warum in der Zukunft AI in fast allen Bereichen zuhause sein wird, liegt in der M\u00f6glichkeit,<\/b> qualitativ hochwertige Vorhersagen <\/b>\u00fcber das Machine Learning<\/b> so kosteng\u00fcnstig<\/b> zu gestalten, dass ein Nichtbenutzen<\/b> dieses Tools wirtschaftlich<\/b> v\u00f6llig kontraproduktiv<\/b> w\u00e4re.<\/p>\n
Das ist auch einer der Hauptgr\u00fcnde warum es an der Zeit ist, dass sich Unternehmen schleunigst mit dem Thema besch\u00e4ftigen.<\/p>\n
Machine Learning ist nicht eine weitere Technologie, sondern ein Paradigmenwechsel: <\/b>ein extrem leistungsf\u00e4higes Instrument, entstanden mit der Evolution, die sich durch die Digitalisierung ergeben hat. Es ist ein Werkzeug der Moderne, vergleichbar dem Laserskalpell oder der Mikrowelle.<\/p>\nWarum entwickelt sich Machine Learning so schnell?<\/h3>\n
Der schnelle Fortschritt, den wir insbesondere im vergangenen Jahr in vielen Bereichen der AI sehen, h\u00e4ngt mit einem neuen Vorgehensmodell zusammen. Ein Konzept, das bei n\u00e4herer Betrachtung einem sehr menschlichen Modell entspricht. Lernen geschieht auf der Basis von bereits Erlerntem, auch Transferred Learning<\/i> genannt. Anstatt immer wieder von vorne zu beginnen, werden nur noch fehlende Bereiche hinzu trainiert.<\/p>\n
Ein konkretes Beispiel ist eine aus etwa 22.000 separaten Unterklassen bestehende Bildbibliothek<\/a> mit etwa 14 Millionen handklassifizierten Bildern. Sie hei\u00dft ImageNet. Dieses Material wurde als Ausgangsmaterial f\u00fcr die Erstellung von Neuronalen-Netzwerk-Modellen herangezogen. Diese gelten nunmehr als der Goldstandard f\u00fcr den Bereich der Objekterkennung.<\/p>\nWer nun etwa Hunde, Katzen, M\u00e4use \u2013 allein oder in der Gruppe \u2013 erkennen m\u00f6chte, nutzt einfach ein bereits erstelltes Modell (z.B. ResNet50) hierf\u00fcr. Mit wenigen Zeilen Programmcodes ist nun die Erkennung einer enorm gro\u00dfen Anzahl von Objekten m\u00f6glich. Ben\u00f6tigt man zus\u00e4tzlich die Erkennung von, sagen wir, Gartenzwergen, muss nun nur noch das neue Bildmaterial eingespielt und das Modell um die Erkennung derselben erweitert werden. Das ist alles. Der Vorteil liegt hierbei auf der Hand: Erweiterungen sind schnell und kosteng\u00fcnstig. Das Ergebnis erlaubt dann die vollautomatische Erkennung und die Einbindung dieser in Folgeprozesse.<\/p>\n
Ohne den Rahmen dieses Artikels sprengen zu wollen, da ist dann nicht zuletzt auch noch die parallel entstehende Welt der IoT (Internet of Things = das Internet der Dinge). In Kombination mit Milliarden von Sensoren aus allen Lebensbereichen ist Machine Learning auch hier das omnipotente Werkzeug der Ver\u00e4nderung. Was die Bilder f\u00fcr die Objekterkennung, sind im Bereich des IoT die verschiedenen Muster, die sich \u00fcber Sensoren ermitteln lassen.<\/p>\n
K\u00fchlschrank, Kaffeemaschine, Klimaanlage: Es gibt bereits einige gute Beispiele f\u00fcr die Erkennung von Mustern von elektrischen Verbrauchern. Wir sind in der Lage vorherzusagen, wann zum Beispiel der K\u00fchlschrank besser ausgetauscht werden soll, weil er zu alt ist und mehr Strom ben\u00f6tigt als notwendig. In der nahen Zukunft messen Unmengen von Kleinstsensoren unsere Umwelt. Diese Daten werden in Echtzeit an Machine Learning basierte Modelle weitergereicht und ausgewertet. Moderne Haussteuerungsanlagen werden uns helfen wirtschaftlicher mit Energie umzugehen.<\/p>\n
Von hier an ist es nur noch eine Frage der menschlichen Vorstellungskraft, was damit angestellt werden kann. Siehe dazu auch Teil 2 dieser Serie: Utopie und Dystopie.<\/p>\n
Welche falschen Vorstellungen gibt es \u00fcber KI und Machine Learning?<\/h3>\n
Wenn man sich den Grundtenor der derzeitigen Berichte zum Thema KI\/Machine Learning anschaut, stellt man folgendes fest: Es besteht ein hohes Mass an Grundangst<\/i> oder zumindest Skepsis. In den meisten F\u00e4llen geht man von einer weiteren, unverstandenen Technologie aus. Vermutlich ist dies ein wenig mit der Hoffnung verkn\u00fcpft, dass diese irgendwann auch wieder verschwindet. F\u00fcr den Privatanwender ist dies nur zu verst\u00e4ndlich. Die schnellen Ver\u00e4nderungen der letzten Jahre sind schon jetzt nur noch von wenigen wirklich nachvollzieh- oder gar nutzbar.<\/p>\n
Der Industrie allerdings w\u00e4re dringend anzuraten, sich langsam zu involvieren. Wir alle wissen wie es selbst nach vielen Jahre intensiver Auseinandersetzung mit der Digitalisierung immer noch um diese in Deutschland steht.<\/b><\/p>\n
Machine Learning ist nicht die \u00dcbernahme durch den Roboter, \u00e0 la Terminator. Machine Learning sollte auch nicht unter der Pr\u00e4misse \u201cnur eine weitere neue Technologie, wer braucht das schon\u201d, oder \u201cAlles Quatsch! Funktioniert doch nicht. Seht her!\u201d abgetan werden.<\/p>\n
Die erste Aussage ist eher beim \u00fcberforderten Privatmenschen zu finden, die zweite vorzugsweise in der Industrie. Hier ist es zumeist die F\u00fchrungsetage, die schon mit dem Thema Digitale Transformation ihre Schwierigkeiten hatte, und nun vollends \u00fcberfordert ist. Der derzeitige Trend ist einmal mehr, in den USA zu schauen was denn dort so gemacht wird. Typische Reaktionen darauf:<\/p>\n
\u201cAh! ein selbstfahrendes Auto! \u2013 Das k\u00f6nnen wir auch.\u201d<\/em><\/p>\n\u201cOh! ein Roboterstaubsauger! \u2013 Die herstellende Firma kaufen wir einmal.\u201d<\/em><\/p>\nDieser leider immer noch vorzufindende Trend bei deutschen Unternehmen ist bedenklich. Denn Fortschritt funktioniert anders, und dies sollte allen Beteiligten klar sein. Wir sind bereits deutlich in der Entwicklung zur\u00fcckgefallen und werden dies sicher auch auf absehbare Zeit nicht aufholen k\u00f6nnen. Insbesondere, weil auch L\u00e4nder wie China AI zur Top-Priorit\u00e4t erkl\u00e4rt haben.<\/p>\n
Es ist umso mehr wichtig, die M\u00f6glichkeiten dieser neuen Entwicklung zu erkennen, mitzugestalten und \u2013 soweit sinnvoll \u2013 in bestehende Abl\u00e4ufe einzubauen. Wie immer werden diese Innovationen starke Ver\u00e4nderungen mit sich bringen, aber genau diese waren auch in der Vergangenheit meistens gut. Nur \u00fcber das Verst\u00e4ndnis der Anwendung werden wir auch kritische Fragen stellen und der notwendigen Ethik den Einzug erlauben.<\/p>\n
Der beste Weg dahin geschieht \u00fcber Bildung und Ausbildung. Der bewusste und verstandene Kontakt mit dieser, wie mit jeder anderen Technologie schafft Verst\u00e4ndnis und Vertrauen und erm\u00f6glicht dar\u00fcber hinaus auch konstruktive Kritik.<\/p>\n
\nBeispiele zum Anschauen<\/em><\/span><\/h3>\n\n- Ein sogenanntes Neuronales Netz<\/strong> erkennt Bilder anhand der Zeichnung. Ein gutes Experiment und lustiges Spiel f\u00fcr die ganze Familie. Ziel ist die Erstellung von durch den Anwender spezifizierten Beispielen f\u00fcr das sogenannte Supervised Learning. Hierbei lernt die Maschine vorgegebene Klassen von Objekten zu erkennen.<\/li>\n<\/ul>\n
![\"\"](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/screenshot_neuronales_netzwerk.jpg\")
<\/a>(Screenshot)<\/a><\/p><\/div>\nhttps:\/\/quickdraw.withgoogle.com\/<\/a><\/p>\n\n- Bringen Sie der Maschine einen neuen Trick bei und lassen Sie eine Aktion auf Basis der Erkennung ausf\u00fchren. Eine Beispielanwendung f\u00fcr die Objekterkennung<\/strong> durch ein Neuronales Netz.<\/li>\n<\/ul>\n
![\"\"](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/screenshot_teachable_machine.jpg\")
<\/a>(Screenshot)<\/a><\/p><\/div>\nhttps:\/\/teachablemachine.withgoogle.com\/<\/a><\/p>\n\n- Das Startup Lyrebird benutzt Deep Learning<\/strong>, um die spezifische Stimme eines Menschen \u00fcber ein Modell abzubilden, so dass dann ein sogenannter Avatar jeden beliebigen Text sprechen kann. Hier ein Beispiel, in dem Ex-President Obama Worte in den Mund gelegt bekommt. \u00dcbrigens auch die Lippenbewegungen sind mittlerweile durch ML gesteuert.<\/li>\n<\/ul>\n
![\"\"](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/screensho_lyrebird.jpg\")
<\/a>(Screenshot)<\/a><\/p><\/div>\nhttps:\/\/youtu.be\/YfU_sWHT8mo<\/a><\/p>\n\n![\"Dirk](\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2017\/02\/dirk_liebich_artikelbild.jpg\" "\\"kerstin-hoffmann\\"")
Dirk Liebich arbeitet und ber\u00e4t seit vielen Jahren im internationalen Technologieumfeld direkt an den Quellen der disruptiven Ver\u00e4nderungen in San Francisco, New York und Berlin sowie in Fernost. Seine Spezialgebiete sind Machine Learning, Data Mining und Business Intelligence. Er begleitet Unternehmen in der digitalen Transformation und hilft ihnen, Prozesse, Strukturen und F\u00fchrung neu zu gestalten, um in einem sich schnell ver\u00e4ndernden Umfeld wettbewerbsf\u00e4hig zu bleiben. Dirk Liebich bloggt, publiziert und h\u00e4lt weltweit Vortr\u00e4ge in englischer und deutscher Sprache.
\n– Website<\/a>
\n– Flipboard<\/a>
\n– Twitter<\/a><\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"Teil 1: Begriffe und Beispiele, Fragen und Antworten auf die brennendsten Fragen. Gastbeitrag von Dirk Liebich | Was ist KI, was ist Machine Learning? Der Begriff k\u00fcnstliche Intelligenz (KI) oder im angloamerikanischen Sprachraum Artificial Intelligence (AI), wurde zum ersten Mal von John McCarthy im Jahr 1956 gepr\u00e4gt. Die Begriffsbeschreibung ist in etwa diese: eine Maschine, die \u2026<\/p>\n","protected":false},"author":3,"featured_media":22158,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1337],"tags":[1476,6217],"class_list":["post-22153","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-digitaler-wandel","tag-kuenstliche-intelligenz","tag-machine-learning"],"yoast_head":"\n
Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen - PR-Doktor<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen - PR-Doktor\" \/>\n<meta property=\"og:description\" content=\"Teil 1: Begriffe und Beispiele, Fragen und Antworten auf die brennendsten Fragen. Gastbeitrag von Dirk Liebich | Was ist KI, was ist Machine Learning? Der Begriff k\u00fcnstliche Intelligenz (KI) oder im angloamerikanischen Sprachraum Artificial Intelligence (AI), wurde zum ersten Mal von John McCarthy im Jahr 1956 gepr\u00e4gt. Die Begriffsbeschreibung ist in etwa diese: eine Maschine, die \u2026\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\" \/>\n<meta property=\"og:site_name\" content=\"PR-Doktor\" \/>\n<meta property=\"article:published_time\" content=\"2018-09-19T05:09:47+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-31T15:25:16+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"850\" \/>\n\t<meta property=\"og:image:height\" content=\"566\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Dr. Kerstin Hoffmann\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Kerstin Hoffmann\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"14\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\"},\"author\":{\"name\":\"Dr. Kerstin Hoffmann\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#\/schema\/person\/3fd19b0d213c802a9e0f4ab213f8e1be\"},\"headline\":\"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen\",\"datePublished\":\"2018-09-19T05:09:47+00:00\",\"dateModified\":\"2022-03-31T15:25:16+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\"},\"wordCount\":2747,\"image\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg\",\"keywords\":[\"K\u00fcnstliche Intelligenz\",\"Machine Learning\"],\"articleSection\":[\"Digitaler Wandel\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\",\"url\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\",\"name\":\"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen - PR-Doktor\",\"isPartOf\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg\",\"datePublished\":\"2018-09-19T05:09:47+00:00\",\"dateModified\":\"2022-03-31T15:25:16+00:00\",\"author\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#\/schema\/person\/3fd19b0d213c802a9e0f4ab213f8e1be\"},\"breadcrumb\":{\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage\",\"url\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg\",\"contentUrl\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg\",\"width\":850,\"height\":566,\"caption\":\"Klassifikation am Beispiel Tiere\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Start\",\"item\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#website\",\"url\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/\",\"name\":\"PR-Doktor\",\"description\":\"Magazin f\u00fcr Kommunikation und Marketing\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#\/schema\/person\/3fd19b0d213c802a9e0f4ab213f8e1be\",\"name\":\"Dr. Kerstin Hoffmann\",\"description\":\"Sch\u00f6n, dass Sie hier mitlesen. Ich bin Kerstin Hoffmann. Seit vielen Jahren berate und begleite ich Unternehmen in ihrer Kommunikationsstrategie und im Content-Marketing. Besonders spezialisiert bin ich zudem auf Corporate-Influencer-Strategien. Ich halte Vortr\u00e4ge und schreibe B\u00fccher. Lange habe ich an der Heinrich-Heine-Universit\u00e4t D\u00fcsseldorf gelehrt, bis heute gebe ich Gastvorlesungen an verschiedenen Hochschulen.\",\"sameAs\":[\"https:\/\/www.kerstin-hoffmann.de\"],\"url\":\"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/author\/kerstinhoffmann\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen - PR-Doktor","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/","og_locale":"de_DE","og_type":"article","og_title":"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen - PR-Doktor","og_description":"Teil 1: Begriffe und Beispiele, Fragen und Antworten auf die brennendsten Fragen. Gastbeitrag von Dirk Liebich | Was ist KI, was ist Machine Learning? Der Begriff k\u00fcnstliche Intelligenz (KI) oder im angloamerikanischen Sprachraum Artificial Intelligence (AI), wurde zum ersten Mal von John McCarthy im Jahr 1956 gepr\u00e4gt. Die Begriffsbeschreibung ist in etwa diese: eine Maschine, die \u2026","og_url":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/","og_site_name":"PR-Doktor","article_published_time":"2018-09-19T05:09:47+00:00","article_modified_time":"2022-03-31T15:25:16+00:00","og_image":[{"width":850,"height":566,"url":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg","type":"image\/jpeg"}],"author":"Dr. Kerstin Hoffmann","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Kerstin Hoffmann","Gesch\u00e4tzte Lesezeit":"14\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#article","isPartOf":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/"},"author":{"name":"Dr. Kerstin Hoffmann","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#\/schema\/person\/3fd19b0d213c802a9e0f4ab213f8e1be"},"headline":"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen","datePublished":"2018-09-19T05:09:47+00:00","dateModified":"2022-03-31T15:25:16+00:00","mainEntityOfPage":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/"},"wordCount":2747,"image":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage"},"thumbnailUrl":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg","keywords":["K\u00fcnstliche Intelligenz","Machine Learning"],"articleSection":["Digitaler Wandel"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/","url":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/","name":"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen - PR-Doktor","isPartOf":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage"},"image":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage"},"thumbnailUrl":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg","datePublished":"2018-09-19T05:09:47+00:00","dateModified":"2022-03-31T15:25:16+00:00","author":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#\/schema\/person\/3fd19b0d213c802a9e0f4ab213f8e1be"},"breadcrumb":{"@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#primaryimage","url":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg","contentUrl":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-content\/uploads\/2018\/09\/classification_of_animals-1.jpg","width":850,"height":566,"caption":"Klassifikation am Beispiel Tiere"},{"@type":"BreadcrumbList","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/entscheider-wissen-kuenstliche-intelligenz-machine-learning\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Start","item":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/"},{"@type":"ListItem","position":2,"name":"Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen"}]},{"@type":"WebSite","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#website","url":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/","name":"PR-Doktor","description":"Magazin f\u00fcr Kommunikation und Marketing","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/#\/schema\/person\/3fd19b0d213c802a9e0f4ab213f8e1be","name":"Dr. Kerstin Hoffmann","description":"Sch\u00f6n, dass Sie hier mitlesen. Ich bin Kerstin Hoffmann. Seit vielen Jahren berate und begleite ich Unternehmen in ihrer Kommunikationsstrategie und im Content-Marketing. Besonders spezialisiert bin ich zudem auf Corporate-Influencer-Strategien. Ich halte Vortr\u00e4ge und schreibe B\u00fccher. Lange habe ich an der Heinrich-Heine-Universit\u00e4t D\u00fcsseldorf gelehrt, bis heute gebe ich Gastvorlesungen an verschiedenen Hochschulen.","sameAs":["https:\/\/www.kerstin-hoffmann.de"],"url":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/author\/kerstinhoffmann\/"}]}},"_links":{"self":[{"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/posts\/22153","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/comments?post=22153"}],"version-history":[{"count":0,"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/posts\/22153\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/media\/22158"}],"wp:attachment":[{"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/media?parent=22153"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/categories?post=22153"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.kerstin-hoffmann.de\/pr-doktor\/wp-json\/wp\/v2\/tags?post=22153"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\n
Teil 1: Was Entscheider jetzt \u00fcber K\u00fcnstliche Intelligenz und Machine Learning wissen m\u00fcssen (dieser Beitrag)<\/p>\n
Teil 2: Gefahr im Verzug? Die Zukunft mit KI und Machine Learning<\/a><\/p>\n Teil 3: KI und Machine Learning in Marketing und Unternehmenskommunikation (erscheint in K\u00fcrze)<\/p>\n<\/div>\n Der Begriff k\u00fcnstliche Intelligenz (KI) oder im angloamerikanischen Sprachraum Artificial Intelligence<\/a> (AI), wurde zum ersten Mal von John McCarthy im Jahr 1956 gepr\u00e4gt. Die Begriffsbeschreibung ist in etwa diese: eine Maschine, die in der Lage ist Arbeiten auszuf\u00fchren, die charakteristisch f\u00fcr menschliche Intelligenz sind. Dinge wie Planung, Verst\u00e4ndnis von Sprache, Erkennung von Objekten und Ger\u00e4uschen, lernen und Probleml\u00f6sung.<\/p>\n Es gibt im Wesentlichen zwei Bereiche der KI, die generalisierte und die spezielle (im englischen Sprachraum general and narrow genannt). Der generalisierte Bereich leistet im Prinzip fast alles, was die Humanintelligenz auch kann. Im speziellen Bereich sind stark spezialisierte Dinge wie die Objekterkennung anzusiedeln, beispielsweise wenn die Maschine wirklich nur Bilder erkennt. Das was wir derzeit mit Machine Learning bezeichnen, ist zumeist im Bereich der speziellen AI eingeordnet.<\/p>\n Auf die Basis reduziert kann man auch sagen: Machine Learning ist die Grundlage f\u00fcr die Schaffung von KI.<\/p>\n Aber das klingt zun\u00e4chst doch bekannt. Die IT liefert f\u00fcr all dies seit Jahren L\u00f6sungen. Worin besteht den nun der konkrete Unterschied zu fr\u00fcheren Informationstechnologien und was macht das enorme Potential des Machine Learnings aus?<\/p>\n Der Unterschied ist so einfach wie bedeutend. W\u00e4hrend die bekannte Informationstechnologie die Probleme unseres Alltags in der Regel durch Beschreibungen von mehr oder minder komplexen Regelwerken, Mathematik und \u00e4hnlichen Vorgehensmodellen n\u00e4herungsweise beschreibt, braucht Machine Learning nur noch die Daten aus der zu beschreibenden Welt. Die Regeln lernt es allein! Die Maschine erstellt selbstst\u00e4ndig ein Modell der zu beschreibenden Welt, nur anhand der von dieser Welt erzeugten Informationen.<\/p>\n Dar\u00fcber hinaus ist die Maschine in der Lage sich selbst \u00fcber die Zeit zu verbessern. Dies geschieht zumeist \u00fcber die gezielte R\u00fcckkopplung mit Benutzern oder Systemen.<\/p>\n Einer der Stars und Vordenker der Szene, der ehemalige Professor f\u00fcr K\u00fcnstliche Intelligenz an der Stanford Universit\u00e4t, sp\u00e4terer Chief Scientist beim Chinesischen Internetriesen Baidu und nun Head des Google-AI-Bereichs \u201cGoogle Brain\u201d Andrew Ng spricht von Artificial Intelligence als \u201cneue Elektrizit\u00e4t\u201d. Deep Learning<\/a> werde mehr Umw\u00e4lzung und Ver\u00e4nderung bringen als seinerzeit das Internet.<\/p>\n In einem Zitat im Fortune Magazin weist Ng auf die Tatsache hin, dass sich viele S&P-500-CEOs im Nachhinein gew\u00fcnscht h\u00e4tten, sie w\u00e4ren schneller mit einer Internetstrategie dahergekommen. Nun, dieselben CEOs werden sich in etwa f\u00fcnf Jahren w\u00fcnschen sie h\u00e4tten Artificial Intelligence ernster genommen.<\/p>\n Welche Gr\u00fcnde nennen Entscheider in Unternehmen, wenn diese auf fehlende Umsetzung von AI-Strategien angesprochen werden? Hier einige der meist genannten:<\/p>\n Lassen Sie uns diese Argumente einmal genauer betrachten.<\/p>\n _<\/p>\n \u201cAls gro\u00dfes Unternehmen fokussieren wir auf den Wettbewerb, und unsere Mitbewerber machen kein AI.\u201d<\/em><\/strong><\/p>\n Die Lehren aus der Vergangenheit sprechen hierbei allerdings eine eindeutige Sprache. Die durch das Internet ausgel\u00f6sten Ver\u00e4nderungen waren f\u00fcr einige Industrien sehr weitreichend. Nehmen wir Instragram versus Kodak oder Amazon versus Borders (eine gro\u00dfe amerikanische Buchkette), um nur einige Beispiele zu nennen. Entscheidend ist es zu starten und nicht darauf zu warten vom Konkurrenten \u00fcberholt zu werden.<\/p>\n _<\/p>\n \u201cWir arbeiten mit Expertise – wir vertrauen keinem Modell, sondern unserem Instinkt.\u201d<\/em><\/strong><\/p>\n Wenn es um Expertiseversus Modell geht, so kann man am Beispiel Google sehr gut sehen wie potent die M\u00f6glichkeiten der gezielten Unternehmenssteuerung \u00fcber Daten sein kann. Nichts spricht dagegen Modelle und Anwenderinstinkt zu verbinden.<\/p>\n _<\/p>\n \u201cUnsere Daten sind zu unsauber und unsere Projekte noch nicht bereit.\u201d<\/strong><\/em><\/p>\n Sogar bei unsauberen Datenlagen kommt Machine Learning uns entgegen. Besonders der Bereich Deep Learning bringt eine Vielzahl von Mechanismen mit, die St\u00f6rger\u00e4usche aus den Daten herausfiltern k\u00f6nnen. Wenn sie also zu einem Unternehmen mit schlechter Datenlage geh\u00f6ren, sollten sie erst Recht zeitig investieren.<\/p>\n _<\/p>\n \u201cWir k\u00f6nnen die notwendigen Experten nicht finden.\u201d<\/strong><\/em><\/p>\n Was diese Experten, die sogenannten Data Scientists<\/i> angeht: Ja, diese sind in der Tat schwer zu finden und dar\u00fcber hinaus auch zumeist keine Experten im jeweiligen Kerngesch\u00e4ft des betreffenden Unternehmens. Aber was spricht dagegen, mit einigen wenigen zu starten und alle weiteren auszubilden? Die Vorteile liegen hier auf der Hand.<\/p>\n Bevor wir typische Anwendungsgebiete betrachten, ist es wichtig zu verstehen, was Selbstlernen von Maschinen in unserem Kontext eigentlich bedeutet.<\/p>\n Im Kern gibt es erneut zwei Auspr\u00e4gungen: die erste ist die sogenannte Klassifikation<\/b> (Classification<\/i>) von etwas wie sagen wir Hund, Katze, Maus, Mensch. Die zweite die Vorhersage<\/b> (Prediction<\/i>), die die Wahrscheinlichkeit (Probability<\/i>) errechnet, mit der ein Ereignis eintreffen wird, zum Beispiel eine Umsatzerwartung erreicht wird oder es Regen geben wird.<\/p>\n Der Klassiker der Beispiele ist die automatische Einteilung von Bildern in Hunde- oder Katzenbilder. Ein etwas komplexeres Szenario ist die Festlegung, ob der Kunde eines Mobilfunkanbieters zu der Gruppe derjenigen geh\u00f6rt, die den Telefonvertrag verl\u00e4ngern oder beenden (Churn<\/i> und Retention<\/i> Analyse).<\/p>\n <\/p>\n Die Anwendungsm\u00f6glichkeiten sind schon jetzt vielf\u00e4ltig und es werden stetig mehr. Im Medizinbereich wird Machine Learning Modelle f\u00fcr die Auswertung von Mammographiedaten<\/a> herangezogen wurden.<\/p>\n Wenn wir uns einmal vergegenw\u00e4rtigen, wie viele Medikamente einige Patienten auf Tagesbasis gleichzeitig einnehmen m\u00fcssen und wie wenig die komplexen Wechselwirkungen erforscht sind, ist auch hier schnell der Vorteil von KI klar. Nur der Maschine und deren unersch\u00f6pflichen Ressourcen ist es zuzutrauen, die komplexen Netzwerke von Wechselwirkungen vollst\u00e4ndig zu erfassen, um eine Fr\u00fchwarnung (Prediction<\/i>) auszusprechen.<\/p>\n Jedwede Form der Objekterkennung, in Bildern, sowie in Videos ist mittlerweile in fester Hand des Machine Learnings. Hierzu geh\u00f6rt die Erkennung von Schreibschrift,<\/a> welche zum Beispiel seit Jahren von Briefzustellern benutzt wird. Die Auswertung von R\u00f6ntgenbildern durch die Maschine, die Erkennung von Tumorgewebe im MRT, in all diesen Bereichen ist die Maschine schneller und pr\u00e4ziser. Selbstfahrende Autos sind bereits seit einigen Jahren fester Bestandteil des Stadtbildes in einigen St\u00e4dten der USA und sogar v\u00f6llig autarke LKW gibt es bereits auf der Stra\u00dfe.<\/p>\n Die Welt der Spiele ist ebenfalls in fester Hand der Maschine. Sogar ein so au\u00dferordentlich komplexes, weil mit unglaublich vielen Varianten ausgestattetes Spiel wie Go wird mittlerweile von der Maschine gewonnen<\/a>. Auch im Bereich der menschlichen Sprache (NLP oder Natural Language Processing<\/i>) hat Machine Learning schon lange die Nase vorn. Von der Auswertung von Kundenbewertungen im Marketing, auch Sentiment-Analyse genannt (Ist ein Objekt positiv oder negativ beschrieben worden?), bis hin zur Live-\u00dcbersetzung von einer Sprache in die andere. Probieren Sie es einmal selbst aus: Stellen sie die Sprache Ihres Skype-Gespr\u00e4chspartners auf eine Fremdsprache, und Sie werden \u2013 falls Sie es noch nicht ausprobiert hatten \u2013 staunen …<\/p>\n Im Bereich Kunst gibt es au\u00dferordentlich interessante Beispiele. Viele von Ihnen kennen sicher die Handy-App Prisma<\/a>. Diese nutzt das sogenannte Style-Transfer<\/i>-Verfahren, um das gelernte Muster beispielsweise eines van Goghs auf das eigene Selfie anzuwenden. Aber das ist noch nicht alles. Auch Tr\u00e4umen hat man der Maschine bereits in ersten Experimenten beigebracht, und die Ergebnisse sind zumindestens f\u00fcr den interessierten Geist beachtenswert.<\/p>\n Die Anwendungsm\u00f6glichkeiten sind so vielf\u00e4ltig wie die Welt in der wir leben. Im Planungsbereich<\/b>, in der Lagerhaltung<\/b>, im Bestellwesen<\/b>, bei der Bewertung von Geschehnissen<\/b>, im Finanzbereich<\/b> zur Kredit Risiko Modellierung und Betrugspr\u00e4vention<\/b>, der Flugsicherung<\/b>, bei der Steuerung<\/b> unseres Heims oder als pers\u00f6nlicher Assistent<\/b> f\u00fcr unserer privaten Aktivit\u00e4ten, Machine Learning arbeitet in vielen F\u00e4llen bereits im Hintergrund oder wird dieses zeitnah tun.<\/p>\n Fast jeder Online-Einkauf<\/b> wird mittlerweile durch sogenannte Recommender Systeme<\/i>, also Machine Learning basierte Modelle gest\u00fctzt wird. Hier wurde der Maschine beigebracht, das Einkaufsverhalten des Einzelnen zu lernen und daraus Schl\u00fcsse und Vorschl\u00e4ge abzuleiten.<\/p>\n Nicht immer sind die bestehenden L\u00f6sungen bereits perfekt oder voll markttauglich. Aber Vorsicht! Bevor Sie Witze machen und etwas vorschnell abhaken, behalten Sie bitte folgendes im Hinterkopf: Die Maschine lernt selbstst\u00e4ndig und korrigiert sich selbstst\u00e4ndig anhand neuer Daten und Benutzer- und System R\u00fcckkopplung. Was heute noch nicht funktioniert, wird schon morgen perfekt sein. <\/b><\/p>\n Der wesentliche Grund, warum in der Zukunft AI in fast allen Bereichen zuhause sein wird, liegt in der M\u00f6glichkeit,<\/b> qualitativ hochwertige Vorhersagen <\/b>\u00fcber das Machine Learning<\/b> so kosteng\u00fcnstig<\/b> zu gestalten, dass ein Nichtbenutzen<\/b> dieses Tools wirtschaftlich<\/b> v\u00f6llig kontraproduktiv<\/b> w\u00e4re.<\/p>\n Das ist auch einer der Hauptgr\u00fcnde warum es an der Zeit ist, dass sich Unternehmen schleunigst mit dem Thema besch\u00e4ftigen.<\/p>\n Machine Learning ist nicht eine weitere Technologie, sondern ein Paradigmenwechsel: <\/b>ein extrem leistungsf\u00e4higes Instrument, entstanden mit der Evolution, die sich durch die Digitalisierung ergeben hat. Es ist ein Werkzeug der Moderne, vergleichbar dem Laserskalpell oder der Mikrowelle.<\/p>\n Der schnelle Fortschritt, den wir insbesondere im vergangenen Jahr in vielen Bereichen der AI sehen, h\u00e4ngt mit einem neuen Vorgehensmodell zusammen. Ein Konzept, das bei n\u00e4herer Betrachtung einem sehr menschlichen Modell entspricht. Lernen geschieht auf der Basis von bereits Erlerntem, auch Transferred Learning<\/i> genannt. Anstatt immer wieder von vorne zu beginnen, werden nur noch fehlende Bereiche hinzu trainiert.<\/p>\n Ein konkretes Beispiel ist eine aus etwa 22.000 separaten Unterklassen bestehende Bildbibliothek<\/a> mit etwa 14 Millionen handklassifizierten Bildern. Sie hei\u00dft ImageNet. Dieses Material wurde als Ausgangsmaterial f\u00fcr die Erstellung von Neuronalen-Netzwerk-Modellen herangezogen. Diese gelten nunmehr als der Goldstandard f\u00fcr den Bereich der Objekterkennung.<\/p>\n Wer nun etwa Hunde, Katzen, M\u00e4use \u2013 allein oder in der Gruppe \u2013 erkennen m\u00f6chte, nutzt einfach ein bereits erstelltes Modell (z.B. ResNet50) hierf\u00fcr. Mit wenigen Zeilen Programmcodes ist nun die Erkennung einer enorm gro\u00dfen Anzahl von Objekten m\u00f6glich. Ben\u00f6tigt man zus\u00e4tzlich die Erkennung von, sagen wir, Gartenzwergen, muss nun nur noch das neue Bildmaterial eingespielt und das Modell um die Erkennung derselben erweitert werden. Das ist alles. Der Vorteil liegt hierbei auf der Hand: Erweiterungen sind schnell und kosteng\u00fcnstig. Das Ergebnis erlaubt dann die vollautomatische Erkennung und die Einbindung dieser in Folgeprozesse.<\/p>\n Ohne den Rahmen dieses Artikels sprengen zu wollen, da ist dann nicht zuletzt auch noch die parallel entstehende Welt der IoT (Internet of Things = das Internet der Dinge). In Kombination mit Milliarden von Sensoren aus allen Lebensbereichen ist Machine Learning auch hier das omnipotente Werkzeug der Ver\u00e4nderung. Was die Bilder f\u00fcr die Objekterkennung, sind im Bereich des IoT die verschiedenen Muster, die sich \u00fcber Sensoren ermitteln lassen.<\/p>\n K\u00fchlschrank, Kaffeemaschine, Klimaanlage: Es gibt bereits einige gute Beispiele f\u00fcr die Erkennung von Mustern von elektrischen Verbrauchern. Wir sind in der Lage vorherzusagen, wann zum Beispiel der K\u00fchlschrank besser ausgetauscht werden soll, weil er zu alt ist und mehr Strom ben\u00f6tigt als notwendig. In der nahen Zukunft messen Unmengen von Kleinstsensoren unsere Umwelt. Diese Daten werden in Echtzeit an Machine Learning basierte Modelle weitergereicht und ausgewertet. Moderne Haussteuerungsanlagen werden uns helfen wirtschaftlicher mit Energie umzugehen.<\/p>\n Von hier an ist es nur noch eine Frage der menschlichen Vorstellungskraft, was damit angestellt werden kann. Siehe dazu auch Teil 2 dieser Serie: Utopie und Dystopie.<\/p>\n Wenn man sich den Grundtenor der derzeitigen Berichte zum Thema KI\/Machine Learning anschaut, stellt man folgendes fest: Es besteht ein hohes Mass an Grundangst<\/i> oder zumindest Skepsis. In den meisten F\u00e4llen geht man von einer weiteren, unverstandenen Technologie aus. Vermutlich ist dies ein wenig mit der Hoffnung verkn\u00fcpft, dass diese irgendwann auch wieder verschwindet. F\u00fcr den Privatanwender ist dies nur zu verst\u00e4ndlich. Die schnellen Ver\u00e4nderungen der letzten Jahre sind schon jetzt nur noch von wenigen wirklich nachvollzieh- oder gar nutzbar.<\/p>\n Der Industrie allerdings w\u00e4re dringend anzuraten, sich langsam zu involvieren. Wir alle wissen wie es selbst nach vielen Jahre intensiver Auseinandersetzung mit der Digitalisierung immer noch um diese in Deutschland steht.<\/b><\/p>\n Machine Learning ist nicht die \u00dcbernahme durch den Roboter, \u00e0 la Terminator. Machine Learning sollte auch nicht unter der Pr\u00e4misse \u201cnur eine weitere neue Technologie, wer braucht das schon\u201d, oder \u201cAlles Quatsch! Funktioniert doch nicht. Seht her!\u201d abgetan werden.<\/p>\n Die erste Aussage ist eher beim \u00fcberforderten Privatmenschen zu finden, die zweite vorzugsweise in der Industrie. Hier ist es zumeist die F\u00fchrungsetage, die schon mit dem Thema Digitale Transformation ihre Schwierigkeiten hatte, und nun vollends \u00fcberfordert ist. Der derzeitige Trend ist einmal mehr, in den USA zu schauen was denn dort so gemacht wird. Typische Reaktionen darauf:<\/p>\n \u201cAh! ein selbstfahrendes Auto! \u2013 Das k\u00f6nnen wir auch.\u201d<\/em><\/p>\n \u201cOh! ein Roboterstaubsauger! \u2013 Die herstellende Firma kaufen wir einmal.\u201d<\/em><\/p>\n Dieser leider immer noch vorzufindende Trend bei deutschen Unternehmen ist bedenklich. Denn Fortschritt funktioniert anders, und dies sollte allen Beteiligten klar sein. Wir sind bereits deutlich in der Entwicklung zur\u00fcckgefallen und werden dies sicher auch auf absehbare Zeit nicht aufholen k\u00f6nnen. Insbesondere, weil auch L\u00e4nder wie China AI zur Top-Priorit\u00e4t erkl\u00e4rt haben.<\/p>\n Es ist umso mehr wichtig, die M\u00f6glichkeiten dieser neuen Entwicklung zu erkennen, mitzugestalten und \u2013 soweit sinnvoll \u2013 in bestehende Abl\u00e4ufe einzubauen. Wie immer werden diese Innovationen starke Ver\u00e4nderungen mit sich bringen, aber genau diese waren auch in der Vergangenheit meistens gut. Nur \u00fcber das Verst\u00e4ndnis der Anwendung werden wir auch kritische Fragen stellen und der notwendigen Ethik den Einzug erlauben.<\/p>\n Der beste Weg dahin geschieht \u00fcber Bildung und Ausbildung. Der bewusste und verstandene Kontakt mit dieser, wie mit jeder anderen Technologie schafft Verst\u00e4ndnis und Vertrauen und erm\u00f6glicht dar\u00fcber hinaus auch konstruktive Kritik.<\/p>\n (Screenshot)<\/a><\/p><\/div>\n https:\/\/quickdraw.withgoogle.com\/<\/a><\/p>\n (Screenshot)<\/a><\/p><\/div>\n https:\/\/teachablemachine.withgoogle.com\/<\/a><\/p>\n (Screenshot)<\/a><\/p><\/div>\n https:\/\/youtu.be\/YfU_sWHT8mo<\/a><\/p>\n Teil 1: Begriffe und Beispiele, Fragen und Antworten auf die brennendsten Fragen. Gastbeitrag von Dirk Liebich | Was ist KI, was ist Machine Learning? Der Begriff k\u00fcnstliche Intelligenz (KI) oder im angloamerikanischen Sprachraum Artificial Intelligence (AI), wurde zum ersten Mal von John McCarthy im Jahr 1956 gepr\u00e4gt. Die Begriffsbeschreibung ist in etwa diese: eine Maschine, die \u2026<\/p>\n","protected":false},"author":3,"featured_media":22158,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1337],"tags":[1476,6217],"class_list":["post-22153","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-digitaler-wandel","tag-kuenstliche-intelligenz","tag-machine-learning"],"yoast_head":"\nWas ist KI, was ist Machine Learning?<\/h3>\n
Warum sollten sich Entscheider in deutschen Unternehmen dringend damit besch\u00e4ftigen?<\/h3>\n
\nSo begr\u00fcnden Entscheider fehlende AI-Strategien:<\/span><\/em><\/h3>\n
\n
\nWas bedeutet Selbstlernen von Maschinen?<\/h3>\n
Klassifikation (Classification)<\/h3>\n
<\/p>\nVorhersage (Prediction)<\/h3>\n
<\/p>\n\n
Was sind typische Anwendungsgebiete?<\/h3>\n
Medizin<\/h4>\n
Objekterkennung<\/h4>\n
Spiele<\/h4>\n
\n<\/b><\/p>\nSprache<\/h4>\n
Kunst<\/h4>\n
Von Flugsicherung bis Smart Home: Weitere Anwendungen<\/h3>\n
Warum ist Machine Learning aus wirtschaftlicher Sicht so wichtig?<\/h3>\n
Warum entwickelt sich Machine Learning so schnell?<\/h3>\n
Welche falschen Vorstellungen gibt es \u00fcber KI und Machine Learning?<\/h3>\n
\nBeispiele zum Anschauen<\/em><\/span><\/h3>\n
\n
<\/a>\n
<\/a>\n
<\/a>Dirk Liebich arbeitet und ber\u00e4t seit vielen Jahren im internationalen Technologieumfeld direkt an den Quellen der disruptiven Ver\u00e4nderungen in San Francisco, New York und Berlin sowie in Fernost. Seine Spezialgebiete sind Machine Learning, Data Mining und Business Intelligence. Er begleitet Unternehmen in der digitalen Transformation und hilft ihnen, Prozesse, Strukturen und F\u00fchrung neu zu gestalten, um in einem sich schnell ver\u00e4ndernden Umfeld wettbewerbsf\u00e4hig zu bleiben. Dirk Liebich bloggt, publiziert und h\u00e4lt weltweit Vortr\u00e4ge in englischer und deutscher Sprache.
\n– Website<\/a>
\n– Flipboard<\/a>
\n– Twitter<\/a><\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"