»Irgendwas mit Künstlicher Intelligenz, bitte«

Unter dem Schlagwort »Künstliche Intelligenz« kursiert eine riesige Bandbreite an kreativen Szenarien. Diese sind insbesondere durch die Populärkultur auf eine menschenähnliche, oft auch bedrohliche Form reduziert und tun dieser hochentwickelten Technologie Unrecht. Gleichzeitig kommen Kunden auf uns und unsere Vertriebspartner zu, weil sie unbedingt »irgendwas mit Künstlicher Intelligenz« machen wollen. Unternehmen verschiedenster Branchen wollen den unerwarteten Digitalisierungsboost der letzten Monate dafür nutzen, den digitalen Wandel ihres Geschäfts endlich anzugehen. Gut so! Doch zunächst gilt es, die Basics zu verstehen, um das volle Potenzial von KI nutzen zu können.

Die KI-Grundlagen in die Praxis umsetzen

Künstliche Intelligenz (KI) bezieht sich auf ein Teilgebiet der Informatik, das sich mit Algorithmen befasst und von der natürlichen Intelligenz inspiriert ist. Sie umfasst eine Reihe an Aufgaben, die normalerweise natürliche oder menschliche Intelligenz erfordern, z.B. Problemlösung, Übersetzung, Spracherkennung oder visuelle Wahrnehmung. Sie ist jedoch weit davon entfernt, den Grad an Komplexität zu erreichen, der erforderlich ist, um die menschliche Intelligenz zu überflügeln.

Maschinelles Lernen (ML) ist eine Form der Künstlichen Intelligenz, die Algorithmen verwendet, um aus Daten zu lernen. Anstatt explizit programmiert zu werden, bauen diese Algorithmen ein Modell auf, das auf Eingaben basiert und wiederum die daraus resultierenden Erkenntnisse nutzt, um Entscheidungen oder Vorhersagen zu treffen. Diese Art von Mechanismus wird verwendet, wenn uns beispielsweise Netflix-Serien empfohlen werden, oder Kreditkartenbetrug durch das Feststellen von Abweichungen erkannt wird. Diese Modelle können schnell und relativ mühelos entwickelt werden. Modelle des Maschinellen Lernens sind jedoch stets nur so gut wie die verwendeten definierenden Kriterien.

Deep Learning (DL) ist eine Form des Maschinellen Lernens, bei dem Schichten neuronaler Netze verwendet werden, um den Algorithmen mehr Freiheit zu geben. Deep Learning definiert seine eigenen Kriterien – es stützt sich nicht auf vordefinierte Merkmale oder Charakteristika wie das Maschinelle Lernen – und lernt auf der Grundlage seiner eigenen Erforschung. Der Fortschritt in diesem Bereich treibt die Sprünge in der Entwicklung des Computerbilds und der Sprach­erkennung voran, aber es erfordert eine unglaubliche Menge an Daten und Rechenleistung.

Von KI-fähig zu KI-ready

Der gemeinsame Nenner ist also das Ziel, aus vielen verschiedenen Arten von Daten – ob am Endgerät, im Rechenzentrum oder in der Public Cloud – Erkenntnisse zu gewinnen. Vielen Unternehmen fehlt gegenwärtig jedoch noch die Möglichkeit, schnell auf die richtigen Daten zuzugreifen und sie zu analysieren, weil diese zu fragmentiert in ihrer IT-Infrastruktur vorgehalten sind. Am Anfang der KI-Reise steht daher die Vereinfachung und Automatisierung der IT-Infrastruktur sowie die Konsolidierung der Systeme und Services zu ganzheitlichen Lösungen, die mehr Kontrolle und Klarheit schaffen.

Es ist zudem sinnvoll, eine Multi-Cloud-Strategie anzudenken, um eine bessere Datenverwaltung und -transparenz zu erhalten und gleichzeitig sicherzustellen, dass die eigenen Daten zugänglich und zugleich sicher bleiben. Unternehmen mit Beratung und flexiblen Finanzierungsmodellen dabei zu helfen, den Wert ihrer Daten erfassen zu können, und KI-Mechanismen dort anzuwenden, wo ein echter Bedarf besteht, wird künftig zweifellos eine der wichtigsten Aufgaben für uns und unsere Vertriebspartner sein.