<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=974250883405448&amp;ev=PageView&amp;noscript=1">
In 4 Schritten zur künstlichen Intelligenz

Artificial Intelligence

,

Künstliche Intelligenz

In 4 Schritten zur künstlichen Intelligenz

Manuel Torres | Sep 22, 2021

Künstliche Intelligenz - insbesondere Machine Learning und Deep Learning - wird in einer Reihe von Branchen zu einem Wettbewerbsvorteil, der sie widerstandsfähiger macht und Wachstum durch die Anwendung von Innovationen ermöglicht.

Die Auseinandersetzung mit künstlicher Intelligenz aus der Unternehmensperspektive kann eine überwältigende Aufgabe sein, denn nicht alle Probleme, Technologien und Lösungen für künstliche Intelligenz sind gleich und die Wahl der richtigen Strategie kann über die Einführung von KI entscheiden.

Lösungen für künstliche Intelligenz gibt es in allen Formen und Größen, von Chatbots bis zu Gesichtserkennungssystemen, von algorithmischen Vorhersagen an der Börse bis zu generativen Bildgebungslösungen, von Schachweltmeistern bis zu automatischen Obstsortierrobotern. Man braucht nicht für jede dieser Lösungen die gleichen Ressourcen, das gleiche Maß an Technologieverständnis und die gleichen Werkzeuge, und dennoch versuchen Unternehmen häufig, diese Probleme mit dem gleichen Ansatz zu lösen. Als Erstes müssen Sie sich entscheiden, welche Rolle Ihr Unternehmen in der neuen Welt der künstlichen Intelligenz spielen soll.

So wie Sie keine Experten für Elektronik brauchen, die die Transistoren verstehen, die Sie in den Computern verwenden, auf denen Ihr ERP läuft, brauchen Sie wahrscheinlich auch keine Experten für die Algorithmen, auf denen KI basiert. Dennoch ist dies häufig eine der ersten Entscheidungen, die ein Unternehmen bei der Einstellung von KI-Experten trifft: Wir brauchen einen KI-Experten, wir brauchen einen Top-Datenwissenschaftler. Das wäre so, als würde man einen promovierten Mikroelektroniker einstellen, um sein ERP-Verkaufs- und Vertriebsmodul anzupassen: Es kann gut gehen, aber es ist wahrscheinlich nicht die beste Entscheidung.

New call-to-action

Eine KI-Lösung ist eine Business Lösung

Wir empfehlen einen anderen Ansatz: Gehen Sie von Ihrer Erfahrung aus, finden Sie Ihre Pain Points und Ihre Marktposition und versuchen Sie, einen Weg zu finden, KI in Ihre Erfahrung zu integrieren. Jede KI-Reise sollte am gleichen Ort beginnen: einem Problem. Das bedeutet, dass Sie die richtige Person für die Leitung des KI-Projekts finden sollten: nicht den CIO, sondern den CEO, nicht die Technologieexperten, sondern die Geschäftsexperten.

Danach sollten Sie KI-Experten finden, die ein Gespräch mit Ihren Fachleuten beginnen. Dieses Gespräch sollte immer das Geschäftsproblem zum Thema haben und sich darauf konzentrieren, was KI leisten kann, um die Fragen zu definieren, die KI zur Lösung Ihres Geschäftsproblems beantworten muss. Dann können Sie sich Gedanken über die Technologien und die Strategie für die Umsetzung machen.

Wenn es um die KI-Strategie geht -seien Sie agil und schnell

Der Ansatz für die Umsetzung sollte so agil und modular wie möglich sein, wobei die Geschwindigkeit des Wandels bei Technologien der künstlichen Intelligenz zu berücksichtigen ist. Eine Differenz von mehr als sechs Monaten zwischen der Idee und der Umsetzung kann fatal sein, denn das ist die Geschwindigkeit, mit der sich die Technologie verändert. Sie sollten einen vierstufigen Ansatz in Betracht ziehen und versuchen, Technologien so schnell wie möglich zu testen und zu entscheiden:

  1. Proof of Concept - Minimum Viable Model: Ein Minimum Viable Model ist ein auf künstlicher Intelligenz basierendes Modell, das Ihre Anforderungen erfolgreich erfüllen kann. Es sollte der erste Schritt bei der Implementierung sein und die folgenden Fragen beantworten:
    • Sind Ihre Daten gut genug, um KI für das Problem einzusetzen?
    • Gibt es ein KI-Modell und eine Architektur, um das Problem zu lösen?
    • Gibt es einen KI-Algorithmus, um das Modell in einer akzeptablen Zeit zu trainieren?

  2. Proof of Concept - Minimum Viable Product:  Sobald Sie das MVM gefunden haben, versuchen Sie, es in ein MVP zu integrieren, um zu zeigen, dass das Modell in Ihre Systeme integriert werden kann, ohne dass es zu Störungen kommt, oder um zumindest zu skizzieren, welche Änderungen vorgenommen werden sollten, um es anzupassen.

  3. Prototyp: Dabei sollte es sich um ein funktionierendes System handeln, das Ihre Prozesse in das neue Modell integriert und die wichtigsten Probleme aufzeigt, die in der Phase der Produktionseinführung auftreten werden.

  4. Produktion: Schließlich muss das Modell vollständig in die Produktionspipeline integriert werden. Neben all den klassischen Problemen, die ein neuer Prozessschritt mit sich bringt: Skalierbarkeit, Messbarkeit, Qualitätssicherung, ... gibt es einige, die spezifisch für KI sind und angesprochen werden sollten:
    • Datenpipelines: Die im Modell verwendeten Daten sollten unter denselben Bedingungen ankommen, unter denen das Modell trainiert wurde: Datenbereinigung, Datenaufbereitung und Merkmalsextraktion sollten ebenfalls in die Produktion einfließen.
    • Retraining: Die Bedingungen für den Prozess, den das Modell behandelt, können sich im Laufe der Zeit ändern und das Modell muss sich an diese neuen Bedingungen anpassen. Sie sollten die Leistung des Modells überwachen und es neu trainieren, sobald sich die Bedingungen ändern, insbesondere wenn sich der Prozess durch die Einführung des Modells ändert. Stellen Sie sich ein Prognosesystem vor, mit dem Sie die Marktbedingungen variieren können. Allein durch seine Einführung ändert sich der Prozess, der die Daten erzeugt hat, die zum Trainieren des Modells verwendet wurden. Das Modell spiegelt möglicherweise nicht mehr die Realität wider.

Künstliche Intelligenz Strategie: Wo soll man anfangen?

Trotz des ganzen Hypes um künstliche Intelligenz beherrschen wir immer noch enge KI-Fähigkeiten: die Lösung spezifischer, genau definierter Probleme unter Verwendung spezialisierter Architekturen mit begrenzten Verallgemeinerungsmöglichkeiten. Die wichtigsten aktuellen Anwendungen der künstlichen Intelligenz in Unternehmen führen keine vollständigen Geschäftsprozesse aus, sondern sind in den Prozess integriert: maschinelles Lernen automatisiert sich wiederholende Aufgaben, bei denen der Mensch eingreift und die nicht mit einem Satz starrer Regeln erledigt werden können. Künstliche Intelligenz ermöglicht es auch, Schritte in die Prozesse einzufügen, die normalerweise aufgrund ihrer Komplexität oder übermäßiger Kosten nicht berücksichtigt werden.

Vor diesem Hintergrund sollten Sie nach Schritten in aktuellen Prozessen suchen, die sich für eine schnelle KI-Einführung eignen, wie bspw.:

  • Bilderkennung
  • Sentiment-Analyse
  • Sprachverarbeitung: Semantisches Verständnis von unstrukturierten Texten
  • Verbesserung der Benutzererfahrung durch Chatbots
  • Abgleich von Rechnungen
  • Automatisierte Textübersetzung
  • Erkennung von Betrug
  • Erkennung von Trends
  • Risikobewertung
  • Kundensegmentierung
  • Erkennung von Anomalien
  • Optimierung des Stromverbrauchs
  • Optimierung der Logistik

Jeder dieser Punkte kann ein sehr guter Ausgangspunkt sein, um die Reise zur künstlichen Intelligenz zu beginnen und so die richtige Strategie für Ihr Unternehmen zu finden.

 

Sie wollen mehr über Künstliche Intelligenz erfahren?

Sind Sie bereit, die Welt der KI zu erkunden und neue Werte für Ihr Unternehmen zu schaffen? Entdecken Sie, wie Techedge Ihnen dabei helfen kann, neue Strategien auf der Grundlage von Künstlicher Intelligenz zum Leben zu erwecken.

KONTAKTIEREN SIE UNS

Abonnieren!