
Was ist Künstliche Intelligenz (KI)?
Definition von KI
Ganz allgemein ist Künstliche Intelligenz (KI) die Fähigkeit eines Computers oder eines Programms, sich menschlichem Verhalten oder Denken anzupassen und menschliche Aufgaben zu erledigen. Statt für jeden Zweck programmiert zu werden, kann eine KI eigenständig Antworten finden und selbstständig Probleme lösen. KI beinhaltet Methoden und Technologien wie maschinelles Lernen, kognitive Modellierung, Mustererkennung sowie die Verarbeitung von Bildern und natürlicher Sprache. KI-Systeme können verwendet werden, um komplexe Aufgaben zu lösen, die ein Mensch aufgrund der Komplexität nicht überblicken und lösen kann. Dabei können KI-Systeme für sehr unterschiedliche Aufgaben eingesetzt werden. Wissenschaftlich ist der Begriff KI jedoch genauso unscharf wie die Definition der menschlichen Intelligenz.
Schwache KI vs. starke KI
Grundsätzlich unterscheidet man zunächst in schwache Künstliche Intelligenz und starke Künstliche Intelligenz.
- Eine schwache KI zielt auf eine konkrete Aufgabenstellung, bei der zum Beispiel das Auswerten von großen Datenmengen bei der Problemlösung unterstützt. Alle KI-Systeme, die wir heute kennen und nutzen, basieren auf schwacher KI – sie unterstützen uns in einem konkreten Anwendungsfall.
- Eine starke KI hingegen definiert sich aus selbstlernenden Technologien, die zur Problemlösung beliebiger Aufgaben, auf dem Niveau der menschlichen Intelligenz, dienen. In einem futuristischen Szenario würde eine starke KI sogar ein eigenes Bewusstsein entwickeln und könnte Aufgaben aller Art kreativ lösen – doch davon sind wir heute noch ein Stück entfernt … und das ist gut so!
- 1950er: Alan Turing entwickelt den "Turingtest", um zu prüfen, ob eine Maschine als intelligent wahrgenommen wird.
- 1956: Wissenschaftlerkonferenz – erstmalige Bezeichnung der simulierten maschinellen Intelligenz als "Künstliche Intelligenz".
- 1966: erster Chatbot "ELIZA" wird entwickelt.
- 1972: MYCIN – Künstliche Intelligenz wird in der medizinischen Praxis angewandt.
- 1997: Deep Blue – die KI-basierte Schachmaschine schlägt den Schachweltmeister.
- 2011: Künstliche Intelligenz ist allgegenwärtig – Sprachassistenten sind ins Smartphone integriert.
- 2023: ChatGPT revolutioniert das Anwendungsfeld der Chatbots.
- 20xx: Was KI in der Zukunft zu leisten vermag, können wir uns heute noch nicht wirklich vorstellen.
Wo beginnt Künstliche Intelligenz (KI)?
KI beginnt dann, wenn Maschinen das menschliche Denken adaptieren können. Die Daten werden aus den vorhergehenden Informationen erfasst, gespeichert und wiederverwendet. Man spricht auch vom Lernen der KI bzw. vom Erstellen eines Modells. Übliche Zielsetzungen sind eine gesteigerte Effizienz oder Transparenzsteigerung.
Woran erkennt man Künstliche Intelligenz (KI)?
Im Gegensatz zu klassisch programmierten Anwendungen wird ein selbstlernendes KI-System mit jeder neuen Aufgabe besser. Während die programmierte Aufgabe immer das gleiche Ergebnis ausgeben wird, kann das Ergebnis der KI von Mal zu Mal variieren – im Idealfall wird das Ergebnis kontinuierlich besser. Hintergrund dafür ist, dass die KI eben keine starren Regeln befolgt, sondern auf Basis historischer Daten selbst Regeln erstellt und sich kontinuierlich optimiert.
Anhand der folgenden Erklärung samt Infografiken erfahren Sie detailliert, was beim Einsatz von Künstlicher Intelligenz anders ist als bei der herkömmlichen Herangehensweise bzw. bei der klassischen Programmierung.
Klassische Programmierung
Bisher mussten alle Regeln und Einflussfaktoren bekannt sein, um sie anwendungsspezifisch zu implementieren. Aus Inputdaten berechnen hart-codierte Programme ein Ergebnis. In der Anwendung sind die Anwendungsfälle klassisch programmiert. Das ist relativ unflexibel, da alle Zusammenhänge und Sonderfälle bereits bei der Erstellung des Programms bekannt sein müssen. Somit eignet sich die klassische Programmierung hauptsächlich für klar abgegrenzte Use Cases.
Künstliche Intelligenz / Machine Learning
Die Künstliche Intelligenz hingegen funktioniert ganz anders. Hier stellt man sowohl aufgezeichnete Inputdaten als auch die Ergebnisse früherer Berechnungen zur Verfügung. Die KI erkennt daraus die Zusammenhänge in Form von Einflussfaktoren und erstellt ein Modell, welches das Systemverhalten nachempfindet. Die KI lernt also aus historischen Daten (Machine Learning) und kann dieses Wissen später anwenden. Damit ist die Künstliche Intelligenz wesentlich flexibler, da zum Erstellungszeitpunkt nicht jeder Sonderfall bekannt sein muss und die KI die Zusammenhänge selbst herausfindet.
Klassische Programmierung vs. Künstliche Intelligenz (KI) / Machine Learning Wo wird Künstliche Intelligenz (KI) eingesetzt?
Künstliche Intelligenz wird in vielen verschiedenen Branchen eingesetzt. Sei es die Medizintechnik, Automobilindustrie oder Elektrotechnikbranche. Sie hat jedoch in allen Fällen die gleiche Aufgabe: Optimierung.
Mit der selbstlernenden KI kann der Mensch zum Beispiel besser planen, den Ausschuss reduzieren, den Mitarbeitern die Routinearbeit abnehmen und dem Unternehmen zur Effizienzsteigerung verhelfen. In jedem Fall ist die Künstliche Intelligenz aber nur so gut, wie die Daten, die sie zur Auswertung bekommt.
Wie integriert sich Künstliche Intelligenz (KI) in den Arbeitsalltag?
In vielen Bereichen des Alltags ist die Künstliche Intelligenz bereits integriert, ohne dass die Anwender es merken. Viele Analysen beinhalten KI-Technologie, die eine oder andere Empfehlung stammt von einem KI-System und nicht zuletzt das Kommunizieren mit einem Chatbot wäre ohne KI kaum möglich. Je besser die KI in den Arbeitsalltag integriert wird, desto höher ist die Akzeptanz. Ein Warnhinweis "Achtung KI" wäre an vielen Stellen kontraproduktiv. In der Kommunikation lässt sich natürlich darüber streiten, ob man wissen sollte, mit wem man gerade spricht.
Praxisnahe Einsatzgebiete der Künstlichen Intelligenz in einer Smart Factory finden Sie hier.
Wie beeinflusst Künstliche Intelligenz (KI) die Produktionswelt?
Insgesamt kann KI dazu beitragen, die Effizienz, Qualität und Flexibilität der Produktion zu verbessern und Unternehmen wettbewerbsfähiger zu machen. Zum Beispiel erkennt ein KI-System Anomalien im Fertigungsablauf und kann frühzeitig empfehlen, Gegenmaßnahmen einzuleiten. Außerdem nutzen Planungsanwendungen wie das Advanced Planning and Scheduling System (APS) FEDRA von MPDV KI-Technologie, um die verfügbaren Ressourcen optimal auszunutzen.
Weitere Use Cases für Künstlichen Intelligenz in einer Smart Factory finden Sie hier.
Welche KI-Methoden werden häufig genutzt?
Im Produktionsumfeld kommen hauptsächlich zwei KI-Methoden zum Einsatz: Machine Lerning (ML) und Reinforcement Learning (RL).
Unter Machine Learning versteht man das "künstliche" Generieren von Wissen aus Erfahrungen bzw. historischen Daten. Ein KI-System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. Dazu bauen Algorithmen beim maschinellen Lernen ein statistisches Modell auf, das auf Trainingsdaten beruht.
Reinforcement Learning ist eine Sonderform des Machine Learning, bei der ein Agent selbständig eine Strategie erlernt, um den Erhalt von Belohnungen zu maximieren. Dabei wird dem Agenten nicht vorgezeigt, welche Aktion in welcher Situation die beste ist, sondern er erhält zu bestimmten Zeitpunkten eine Belohnung, die auch negativ sein kann. Anhand dieser Belohnungen optimiert das System sein Verhalten. Vergleichbar ist dieses Vorgehen mit der Erziehung eines Hundes durch Belohnung mit Extra-Futter.
Wird Künstliche Intelligenz (KI) dem Menschen die Arbeit wegnehmen?
Insgesamt wird die Rolle der KI bei der Arbeit größtenteils darauf abzielen, menschliche Fähigkeiten zu ergänzen und zu verbessern, anstatt sie vollständig zu ersetzen. Tatsächlich könnte KI einige Arbeitsplätze ersetzen. Insbesondere aufwendige Analyseaufgaben können von KI-basierten Systemen übernommen werden. Letztendlich wird es aber auch langfristig Menschen brauchen, die die Ergebnisse der KI bewerten und auf deren Basis Entscheidungen treffen. Auf der anderen Seite wird KI auch dazu beitragen, neue Arbeitsplätze zu schaffen, da Unternehmen mehr Ressourcen für innovative Technologien und Geschäftsmodelle verwenden können, die wiederum mehr Arbeitsplätze erfordern.