Künstliche Intelligenz und Machine Learning in Digital Analytics

Künstliche Intelligenz und Machine Learning in Digital Analytics 150 150 Simeon Heinze
Die Trend-Begriffe Künstliche Intelligenz (AI) und Machine Learning (ML) begegnen einem heutzutage in so ziemlich jedem Firmenprofil, das auch nur annähernd etwas mit Digital Analytics oder Data Science insgesamt zu tun hat. Doch was ist das eigentlich genau, wo liegt der Unterschied zwischen den beiden und was wären Anwendungsfälle für diese Technologien?

Was ist das eigentlich?

Künstliche Intelligenz (Artificial Intelligence)

Künstliche Intelligenz beschreibt die Annäherung von Systemen jeder Art an die menschliche Logik oder Intuition. Momentan besteht ihr Hauptzweck darin, Datensätze, die aufgrund ihrer Größe oder Komplexität nicht von Menschen verarbeitet werden können, zu analysieren und auf Basis dieser Analysen Handlungsempfehlungen auszugeben. Tatsächlich wäre der Begriff „nachgeahmte Intelligenz“ treffender, da es zu diesem Zeitpunkt, wenn überhaupt jemals, nicht möglich ist, tatsächliche Intelligenz zu reproduzieren.

Machine Learning

Der momentan wohl meisterforschte Bestandteil der künstlichen Intelligenz ist das Machine Learning. Hierbei wird versucht, dem Computer mithilfe von Algorithmen beizubringen, selbstständig zu lernen. Hierbei wird vor allem die selbstständige Mustererkennung innerhalb großer Datensets verwendet, mit deren Hilfe der Computer diese Muster eigenständig fortführen und somit aus ihnen lernen kann.

Unterschied

Oft werden die Begriffe künstliche Intelligenz und Machine Learning als gleichbedeutend behandelt, wobei diese eigentlich nicht die gleiche Bedeutung besitzen. Eher ist Machine Learning eher ein Bestandteil der künstlichen Intelligenz, der darauf hinarbeitet, Maschinen das selbstständige Lernen zu ermöglichen.

Künstliche neuronale Netzwerke

Künstliche neuronale Netze dienen zur Veranschaulichung des Lernprozesses einer Maschine. Sie basieren auf dem biologischen Vorbild der Nervenvernetzung in Gehirn und Rückenmark, wobei diese in vereinfachter Weise dargestellt werden. Während des Lernprozesses werden dann einzelne künstlichen Neuronen hinzugefügt, andere entfernt, oder deren Gewichtungen verändert. Eine höhere Gewichtung an einer Verbindung steht für eine höhere Intensität des Informationsflusses. Bei diesem Prozess werden dann Eingaben an den Knoten in den sogenannten Zwischenschichten oder auch verdeckten Schichten verarbeitet und schließlich in der Ausgabeschicht ausgegeben. Je mehr Zwischenschichten ein neuronales Netz hat, desto „tiefer“ ist es.

Beispiel eines einfachen, künstlichen neuronalen Netzes

Deep Learning

Das Deep Learning ist ein Teilbereich des Machine Learnings und damit auch der künstlichen Intelligenz. Bei diesem Prozess werden künstliche neuronale Netze mit besonders vielen Zwischenschichten verwendet. Von dieser „Tiefe“ des Netzes kommt auch der Name Deep Learning. Beim Lernprozess werden Entscheidungen getroffen, bei deren Bestätigung sich die Gewichtung eben dieser Entscheidungen erhöht. Durch ständiges Hinterfragen und Neu-Beurteilen dieser Entscheidungen lernt das System, wodurch getroffene Entscheidungen immer öfter bestätigt werden. Auf den eigentlichen Lernprozess der Maschine hat der Mensch hierbei keinen Einfluss.

Anwendungsfälle

Grundsätzlich finden all diese Prozesse immer dann Anwendung, wenn große Datenmengen auf Muster oder Modelle hin analysiert werden müssen. Deep Learning wird dabei besonders oft im Rahmen der Sprach-, Gesichts- oder Gegenstandserkennung verwendet. Machine Learning wird mittlerweile auch in Sicherheitsanwendungen verwendet, in denen Muster von Malware mit hoher Genauigkeit erkannt werden können. Auch können diese Algorithmen beispielsweise zum Voraussagen von Umsätzen oder von Website-Traffic verwendet werden.

Fazit

Die künstliche Intelligenz mit all ihren Teilbereichen bietet schon jetzt Möglichkeiten zur Analyse von großen Datensätzen, die noch vor einigen Jahren völlig unmöglich erschienen wären. In absehbarer Zeit wird KI somit ein nicht mehr wegzudenkender Bereich der Industrie sein.

neo.eleven, eine Agentur für Data Strategy Services, bietet anwendungsbereites Data Management Expertenwissen.

Sprechen Sie uns an – Ihre Fragen und Anmerkungen sind herzlich willkommen.