Was ist künstliche Intelligenz?
KI bedeutet, dass ein Computersystem menschliche kognitive Fähigkeiten wie das Lernen und das Lösen von Problemen nachahmen kann.
Wie funktioniert künstliche Intelligenz (KI)?
Mithilfe von Mathematik und Logik kann ein Computersystem die Art simulieren, wie der Mensch aus neuen Informationen lernt und Entscheidungen trifft.
Jedes KI-Computersystem trifft Vorhersagen oder handelt aufgrund von Mustern in vorhandenen Daten. Zudem lernen die Systeme aus Fehlern, um ihre Genauigkeit zu erhöhen. Ein ausgereiftes KI-System verarbeitet neue Informationen sehr schnell und sehr genau. Dadurch kann es für komplexe Szenarios wie autonome Fahrzeuge, Bilderkennungssoftware und virtuelle Assistants eingesetzt werden.
Zusammenhang zwischen KI und Machine Learning
Machine Learning wird als Teilbereich der KI betrachtet. Machine Learning wird hauptsächlich zum Trainieren von Computern verwendet, damit diese Daten genau wie Menschen analysieren und aus diesen lernen. Deshalb kann Machine Learning eingesetzt werden, um KI-Systeme zu entwickeln.
Zusammenhang zwischen KI und kognitiven APIs
APIs (Anwendungsprogrammierschnittstellen) vernetzen Anwendungen mit anderen Systemen, Diensten oder Anwendungen. Wenn Sie kognitive APIs verwenden, greifen Sie auf eine Bibliothek intelligenter Modelle für bestimmte Anwendungsbereiche zu.
Zusammenhang zwischen KI und Data Science
Bei KI und Data Science werden große Datasets erfasst, analysiert und gesammelt, die Ziele unterscheiden sich jedoch. Bei KI liegt der Fokus darauf, wie Computer datenbasierte Entscheidungen treffen können. Bei Data Science hingegen liegt der Schwerpunkt auf dem Einsatz von Mathematik, Statistik und Machine Learning, um Erkenntnisse aus Daten zu extrahieren.
Zusammenhang zwischen KI und Robotik
Ein Roboter besteht in der Regel aus physischem Material und einer Software, die ihn steuert. Von KI-Software gesteuerte Roboter bewegen sich autonom – sie benötigen also keine direkten Anweisungen von einem Menschen. Nicht alle Roboter sind jedoch KI-gesteuert, und nicht jede KI-Software benötigt eine physische Form.
Arten künstlicher Intelligenz
-
Schwache künstliche Intelligenz (schwache KI)
Wenn schwache künstliche Intelligenz vorhanden ist, bedeutet das, dass ein Computersystem eine genau definierte Aufgabe besser als ein Mensch erledigen kann.
Die schwache KI stellt den größten Fortschritt dar, den die Menschheit im Bereich KI bisher erreicht hat. Jedes Beispiel für KI, das Sie aus dem Alltag kennen, fällt in diese Kategorie – zum Beispiel autonome Fahrzeuge und persönliche digitale Assistenten. Wenn es scheint, als würde die KI selbstständig in Echtzeit denken, koordiniert sie in Wirklichkeit mehrere genau definierte Prozesse und trifft Entscheidungen innerhalb eines vordefinierten Rahmens. Die „Denkvorgänge“ der KI basieren nicht auf Bewusstsein oder Emotionen.
-
Allgemeine künstliche Intelligenz (allgemeine KI)
Allgemeine künstliche Intelligenz wird auch als „starke KI“ bezeichnet. Sie bedeutet, dass ein Computersystem intellektuelle Aufgaben genauso gut wie ein Mensch erledigen kann. Diese KI kennen Sie aus Filmen, in denen Roboter bewusst denken und aus eigenen Motiven handeln.
In der Theorie kann ein Computersystem mit allgemeiner KI hochgradig komplexe Probleme lösen, ungewisse Situationen einschätzen und Vorkenntnisse in aktuelle Schlussfolgerungen einbeziehen. Es kann genauso kreativ und fantasievoll wie ein Mensch sein und ein weitaus größeres Aufgabenspektrum als die schwache KI übernehmen.
-
Künstliche Superintelligenz (KSI)
Ein Computersystem mit künstlicher Superintelligenz könnte den Menschen in nahezu jedem Bereich übertreffen – unter anderem beim Erfindergeist, dem allgemeinen Wissen und den sozialen Kompetenzen.
-
Machine Learning
Machine Learning ist ein Prozess, mit dem Computersysteme künstliche Intelligenz erlangen. Dabei werden Algorithmen verwendet, um Muster in Daten zu identifizieren, die dann zum Erstellen eines Datenmodells verwendet werden, das Vorhersagen treffen kann.
Machine Learning-Modelle werden mit Teilmengen von Daten trainiert. Wenn die für das Modelltraining verwendeten Daten das vollständige Dataset genau repräsentieren, das analysiert werden soll, sind die vom Algorithmus berechneten Ergebnisse genauer. Wenn das Machine Learning-Modell ausreichend trainiert wurde, um seine Aufgabe schnell und genau genug auszuführen, gilt es als nützlich und vertrauenswürdig: Es hat die sogenannte schwache KI erlangt.
-
Deep Learning
Deep Learning ist eine fortgeschrittene Art von Machine Learning, für die Algorithmennetzwerke verwendet werden, die auf der Struktur des menschlichen Gehirns basieren: neuronale Netze. Ein Deep Neural Network besteht aus vernetzten neuronalen Knoten. Jede Frage, die es beantwortet, führt zu einer Reihe ähnlicher Fragen.
Für Deep Learning wird in der Regel ein umfangreiches Dataset für das Training benötigt. Diese bestehen häufig aus Millionen Datenpunkten. Nachdem ein Deep Neural Network mithilfe dieser großen Datasets trainiert wurde, kann es Mehrdeutigkeit besser als ein gewöhnliches Netz verarbeiten. Dadurch ist es für Anwendungen wie Bilderkennungssoftware geeignet, bei der die KI die Ränder einer Form erkennen muss, bevor der Bildinhalt erkannt werden kann. Durch Deep Learning können auch KI-Systeme trainiert werden, die den Menschen bei komplexen Spielen wie Schach übertreffen.
Beispiele für künstliche Intelligenz
Unternehmen auf der ganzen Welt nutzen KI bereits in einer Vielzahl von Anwendungen – und intelligente Technologien sind ein wachsender Bereich. Hier finden Sie Beispiele, wie KI bereits heute angewendet wird:
Autonome Fahrzeuge
Einige der komplexesten Beispiele im Bereich der KI sind autonome Fahrzeuge. Für diese Systeme werden mehrere Prozesse kombiniert, um die Logik menschlicher Fahrer zu simulieren. Für die Erkennung von Schildern, Signalen, Verkehrsfluss und Hindernissen wird die Bilderkennung verwendet. Auch die Route zum Zielort wird optimiert. Zudem werden in Echtzeit Daten gesendet und empfangen, um Probleme proaktiv zu erkennen und die Software zu aktualisieren.
Bots und digitale Assistenten
Gespräche sind für Menschen eine natürliche Kommunikationsmethode. Deshalb sind mit dem Fortschritt der KI-Technologie auch Konversationsoberflächen häufiger geworden. Einige Oberflächen dienen nur einem Zweck. Benutzer verwenden sie beispielsweise für den Kauf von Kinotickets oder das Zusammenfassen von Twitter-Threads in einer Story. Andere sind quasi persönliche Assistenten, die für viele verschiedene Aufgaben nützlich sind. Für alle Konversationsoberflächen wird jedoch Natural Language Understanding (NLU, Verständnis natürlicher Sprache) verwendet, um Anfragen (auch: Aussagen) zu verarbeiten und relevante Informationen zurückzugeben.
Empfehlungs-Engines
Einer der gängigsten Anwendungsfälle für KI ist die Empfehlung von Artikeln auf Grundlage von Verlaufsdaten. Wenn ein Streamingdienst Vorschläge anzeigt, was Sie als Nächstes ansehen oder anhören könnten, wird KI verwendet, um Ihren Verlauf zu analysieren, alle verfügbaren Optionen anhand ihrer Attribute zu filtern und die Option anzuzeigen, die Ihnen am wahrscheinlichsten gefällt. Wenn Sie in einem Onlineshop einkaufen und dort Empfehlungen für zugehörige oder ähnliche Artikel angezeigt werden, wird KI auf ähnliche Weise eingesetzt.
Spamfilter
Viele E-Mail-Plattformen nutzen KI, um Spam aus Ihrem Posteingang fernzuhalten. Wenn eine neue E-Mail im System eingeht, analysiert die KI diese auf Anzeichen für Spam. Wenn die E-Mail genügend Kriterien erfüllt, wird sie als Spam gekennzeichnet und unter Quarantäne gestellt. Wenn Sie Feedback geben, indem Sie fälschlicherweise als Spam gekennzeichnete E-Mails korrigieren oder E-Mails als Spam kennzeichnen, die vom Filter nicht erfasst wurden, lernt das System dazu und passt seine Parameter an.
Smart-Home-Technologie
Für nahezu alle häuslichen Automatisierungen kommt KI zum Einsatz. Dazu zählen intelligente Glühbirnen, die auf Befehle reagieren, intelligente Thermostate, die Ihre Gewohnheiten lernen und sich während des Tages selbstständig anpassen, und intelligente Staubsauger, die ohne Ihr Zutun lernen, nach welchem Muster Sie Ihr Zuhause saugen.
Analyse von Gesundheitsdaten
Organisationen im Gesundheitswesen auf der ganzen Welt setzen KI ein, um die Forschung, Tests, Diagnosen, Behandlungen und die Überwachung zu unterstützen. Einige nutzen KI für die Analyse von Gewebeproben und für genauere Diagnosen. Andere Unternehmen setzen KI ein, um klinische Daten zu analysieren und Lücken in der Patientenbehandlung zu entdecken. Wieder andere Unternehmen analysieren mithilfe von KI Milliarden von Verbindungen, damit Chemiker*innen schneller zu Erkenntnissen gelangen und geeignete Kandidaten für klinische Tests ermitteln können.
Vorteile durch künstliche Intelligenz
Nahezu jede Branche kann von den Vorteilen profitieren, die KI-Technologie bietet. Dies sind einige der wichtigsten Vorteile für Unternehmen:
-
Verfügbarkeit rund um die Uhr
Da Computersysteme anders als Menschen keine körperlichen Bedürfnisse haben, können intelligente Systeme den ganzen Tag lang ohne Pause arbeiten.
-
Kommunikation für jede Größenordnung
Durch Bots und virtuelle Agents können Unternehmen Hilfestellungen und Support für mehr Benutzer an mehr Orten gleichzeitig anbieten.
-
Automatisierung wiederkehrender Aufgaben
Durch den Einsatz von KI für wiederkehrende und zeitaufwändige Aufgaben können sich die Mitarbeiter Ihres Unternehmens auf wichtigere Aufgaben konzentrieren.
Schnellere, präzisere Entscheidungen
Durch KI können menschliche Fehler reduziert werden. Dadurch ist sie für datenbasierte Entscheidungen nützlich, in die viele komplexe Berechnungen einfließen.
Relevantere Empfehlungen
Durch KI können Sie Kunden relevantere Empfehlungen und Vorschläge anzeigen, die auf deren Interessen und Gewohnheiten basieren.
-
Experimentieren Sie mit KI
Erstellen und trainieren Sie Machine Learning-Modelle, ergänzen Sie Ihre Apps mit intelligenten Features, und konvertieren Sie unstrukturierte Informationen mithilfe von Knowledge Mining in durchsuchbare Daten. Nutzen Sie jetzt 12 KI-Dienste für 12 Monate kostenlos.
