/KI-Systeme

KI-Systeme - Was sind das eigentlich?

KI-Systeme, also künstliche Intelligenzen kennen viele aus Sciene-Fiction-Filmen als selbstdenkende Maschinen, die versuchen, die Menschheit anzugreifen. So ist das in der Realität jedoch nicht. KI-Systeme werden zwar schon in einigen Bereichen eingesetzt, sind dabei jedoch abhängig von menschlicher Intelligenz, eine Automatisierung von manuellen Tätigkeiten ist nicht möglich. KI-Systeme führen häufige, computergesteuerte Aufgaben mit großen Datenmengen zuverlässig durch und helfen Antworten zu finden, die in den Daten versteckt sind. 

Funktionsweise von KI-Systemen - die wichtigsten Teilbereiche

KI-Systeme können automatisch durch Muster oder Merkmale in großen Datenmenge lernen und sich verbessern. Dabei gibt es verschiedene Teilbereiche, in denen die künstlichen Intelligenzen eingesetzt werden:

Maschinelles Lernen, Neuronales Netz und Deep Learning

  • Ridesharing-Anbieter wie Uber oder Lyft steuern Autos durch KI-Systeme
  • Netflix berechnet Empfehlungen aus Nutzungshistorien des einzelnen Anwenders und der gesamten Nutzer
  • Beim Predictive Policing steuert eine KI, wo die Polizei verstärkt Streife fährt
  • Maschinelles Lernen: automatische Konstruktion analytischer Modelle, in Daten enthaltene Erkenntnisse werden gesucht
  • Neuronales Netz: Art des maschinellen Lernens, durch Neuronen miteinander verbunden, diese verursachen Reaktion auf Daten verursachen oder geben sie weiter, mehrere Datendurchläufe zum Finden von Mustern und zur Gewichtung von Daten
  • Deep Learning: große neuronale Netze mit vielen Schichten von Verarbeitungsknoten, Fortschritte in der Rechenleistung und verbesserte Trainingsverfahren ermöglichen Erlernen komplexer Muster in großen Datenmengen, für Bild- und Spracherkennung eingesetzt

Computer Vision

  • How old do I look? (Microsoft): schätzt Alter von Personen bei vorgegebenen Fotos oder eigenen
  • Emotionen erkennen (Microsoft): Emotionenserkennung bei Fotos: Zorn, Verachtung, Ekel, Angst, Freude, neutral, Traurigkeit und Überraschtheit
  • IBM Watson: allgemeiner Erkenner, versucht beispielsweise Tätigkeit, Ort oder Umfeld zu erkennen
  • Quick, Draw! (Google): Erkennungsleistung eines neuronalen Netzwerks testen und trainieren durch Zeichnen von vorgegebenen Objekten, KI versucht Objekt zu erraten
  • Welches Gesicht ist echt?: Website zeigt zwei Fotos von Personen, von denen nur eins eine echte Person abbildet
  • Google-Suche und Google Fotos
  • Gesichtserkennung von Facebook
  • Computer Vision: nutzt Mustererkennung und Deep Learning zur Erkennung von Inhalten von Bildern oder Videos, Bilder können verarbeitet, analysiert und verstanden werden und Maschinen können diese in Echtzeit erfassen und deren Umfeld interpretieren

Cognitive Computing und Natürliche Sprachverarbeitung (NLP)

  • Spam-Erkennung bei E-Mails
  • Sprachassistenzen, wie Siri oder Alexa
  • Textübersetzung
  • Allgemeine Spracherkennung
  • Cognitive Computing: Teilbereich der KI zur natürlichen, möglichst menschlichen Interaktion mit Maschinen, Maschine zur Interpretation von Bildern und Sprache, Simulation menschlicher Denkprozesse und schlüssigen Beantwortung soll entstehen
  • Natürliche Sprachverarbeitung (NLP): Computern können (gesprochene) menschliche Sprache analysieren, verstehen und erzeugen, Interaktion in natürlicher Sprache, Kommunikation mit Computern in alltäglicher Sprache, Vermittlung von Anweisungen

KI-Systeme gibt es noch nicht lange?

  • 1950er bis 1970er
  • Einführung „künstliche Intelligenz“ beim Dartmouth Workshop
  • Forschung zu Problemlösung und symbolischen Methoden
  • US-Verteidigungsministerium trainiert Computer, menschliche Denkleistungen nachzuahmen 
  • Die Defense Advanced Research Projects Agency (DARPA) führt Straßenkartierungsprojekte durch
  • Nutzung von neuronalen Netzwerken
  • 1980er bis 2010er
  • Nutzung von Maschinellem Lernen
  • DARPA entwickelt intelligente persönliche Assistenten
  • heute
  • KI-Boom
  • hohe Bedeutung aufgrund großer Datenmengen, differenzierter Algorithmen, Rechenleistung und Datenspeicherung
  • Entscheidungsunterstützende Systeme und intelligente Suchsysteme
  • Nutzung von Deep Learning

Chancen und Vorteile

  • automatisieren das Lernen
  • macht bestehende Produkte intelligenter
  • dank progressiver Lernalgorithmen wandlungsfähig
  • ermöglicht Analyse großer Datenmengen in größerer Tiefe
  • erzielt höchste Genauigkeit
  • erschließen volles Potenzial von Daten
  • Wettbewerbsvorteil
  • Unterstützung und Ergänzung von menschlicher Arbei

Risiken und Herausforderungen

  • Missbrauchsmöglichkeiten (Fake News, Bots)
  • Hoher Energieverbrauch
  • Datenschutz oft keine Priorität
  • Ungenauigkeiten in Daten spiegeln sich in Ergebnissen widerspiegeln
  • Einzelne KI-Systeme eignen sich für genau eine Aufgabe und sind weit von menschlichem Verhalten entfernt
  • keine autonomen Systeme

So können KI-Systeme in verschiedenen Bereichen zur Unterstützung eingesetzt werden:

Sport

  • fotografische Erfassung von Spielzügen
  • liefert Trainern Berichte zur Optimierung von Spielaufstellung und Strategie
  • verbessert Spielvorbereitung

Einzelhandel

  • virtuelle Einkaufsmöglichkeiten
  • liefern Verbraucher personalisierte Empfehlungen
  • Interaktive Unterstützung bei der Auswahl von Kaufoptionen
  • Verbesserung von Bestandsmanagement und Flächenlayout

Bildung

  • Benotungen automatisieren, um Lehrkräfte zeitlich zu entlasten
  • Schüler einschätzen, an Bedürfnisse anpassen und helfen, in eigenen Tempo zu arbeiten
  • KI-Tutoren können Studenten zusätzliche Unterstützung zur Verfügung stellen
  • kann langfristig verändern, wo und wie die Schüler lernen
  • eventuell sogar Lehrer ersetzen

Gesundheitswesen

  • personalisierte medizinische Leistungen
  • Röntgenbilder auswerten
  • Gesundheitsassistenten als Life Coaches
  • Erinnerung an Medikamenteneinnahme, Sport und gesunde Ernährung
  • Objekterkennung bei der Krebsdiagnose
  • Apps zum Einordnen gesundheitlicher Symptome

Unternehmen

  • Robotergesteuerte Prozessautomatisierung wird bei wiederholenden Aufgaben eingesetzt
  • Informationen darüber, wie Kunden besser bedient werden können
  • Chatbots , um den Kunden unmittelbaren Service zu bieten
  • Automatisierung von Stellenangeboten

Finanzwesen

  • personenbezogene Daten sammeln und finanzielle Beratung bieten
  • Bei Robo-Tradern verwalten Software-Roboter Ersparnisse
  • Software führt heutzutage einen Großteil des Handels an der Wall Street durch

Journalismus

  • Automatisch erstellte Artikel und Nachrichten über Wetter, Sport oder Börse
  • Textgeneratoren für verschiedene Websites, stellen gleiche Informationen auch in unterschiedlichen Versionen zusammen
  • Microsoft-"Virtual Social Assistant" XiaoIce trägt Wetterbericht im chinesischen Fernsehen ohne menschliche Hilfe vor

Interesse an weiteren Infos zu KI-Systemen?

Ihre Ansprechpartner

Projektleiter: /scouts: Prof. Dr. Christian Dietrich

Prof. Dr. Christian Dietrich

Projektleiter

Projektmitarbeiter: /scouts: Thorsten Platzek

Torsten Platzek

Projektmitarbeiter

Julia Rupp

Projektmitarbeiterin

Kontakt zu connect.emscherlippe

Projektkoordinator connect.emscherlippe
Martin Spiecker
Westfälische Hochschule
Neidenburger Str. 43
45897 Gelsenkirchen

martin.spiecker@w-hs.de
0209/9596-249

Gefördert vom Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen

Logo Fördermittelgeber: Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen
Logo: Westfälische Hochschule Gelsenkirchen Bocholt Recklinghausen
Scroll Up