In diesem Jahr werden einige spannende Innovationen auf dem Gebiet der KI (künstliche Intelligenz) erwartet. Bleibt dabei die individuelle Kommunikation mit Kunden und Kollegen auf der Strecke oder profitiert diese am Ende sogar maßgeblich davon?
KI-Trends 2018
Im Mittelpunkt der diesjährigen Entwicklungen stehen unter anderem Deep Neural Networks (DNNs), die das Lernverhalten des menschlichen Gehirns imitieren und damit einen eigenständig Prozess bilden, um Daten nicht nur in großen Mengen auszuwerten, sondern diese zu Lösungen zu formulieren, jeweils angepasst an Situationen und Einflüsse. Einfach ausgedrückt: Das System lernt.
Bisher ist Künstliche Intelligenz für viele Anwender zwar sehr reizvoll, aber wenig verständlich. Unternehmer dagegen bereiten sich nun verstärkt auf die Markteinführungen ausgereifter KI-Module vor, um dadurch produktions- sowie marketingbedingte Abläufe künftig optimal zu gestalten bzw. anzupassen. Ein Großteil der Erwartungen geht dahin, aus gesammelten Daten mehr Informationen zu beziehen, z.B. über Kundenverhalten, Marketingstrategien, logistische Aufgaben aber auch firmeninterne Strukturen.
- Sogenannte Capsule Networks sind eine Unterkategorie der DNS und verarbeiten hauptsächlich visuelle Informationen. Neu an diesen Systemen ist die Erkennung von Hierarchien, wodurch sich die Entwickler eine genauere Klassifizierung der analysierten Daten erhoffen.
- Software, die mit Deep Reinforcement Learning (DLR) ausgestattet ist, lernt durch Beobachtung, Interaktion mit der Umgebung sowie Belohnung. Dies bietet Entscheidungsebenen, sprich Strategen wohl künftig einiges an profitabler Unterstützung.
- Die General Adversarial Networks (GAN) dagegen treten in einem digitalen Szenario gegeneinander an, kreieren gefälschte Daten um diese dann wieder zu differenzieren. So sollen die Programme eigenständig lernen und fortan gegen Cyber-Angriffe besser schützen können.
Trotz der zahlreichen und überaus vielversprechenden Prognosen muss sich die Künstliche Intelligenz noch bei einigen Problemen behaupten. Eines davon ist die mangelnde Verfügbarkeit geeigneter Daten, die zum Deep Learning notwendig sind. An dieser Stelle muss mit der Zielgruppe bzw. den Informationsträgern kommuniziert werden. Wichtigen Input gibt es z.B. aus SMS-Umfragen, Email-Newslettern, etc. die zum einen per Gateway mit HTTP APIs zielgerichtet gesteuert werden können, zum anderen lassen sich die Ergebnisse gleich per Datenexport in die eigene KI-Software übertragen und dort weiter verarbeiten.