Suche

Künstliche Intelligenz - von Sudokus und Strategien



Wer schon einmal ein Sudoku gelöst hat, kennt das Problem: die Aufgabe ist nicht übermäßig schwierig, das Merken der unterschiedlichen Zahlen in den drei Dimensionen Zeile, Spalte und Quadrat ist aber die eigentliche Herausforderung. Schon gar, wenn es sich um ein schwierigeres Sudoku handelt, wo man zwei oder drei dieser Kombinationen miteinander abgleichen und in Beziehung setzen muss. Nicht das Können ist der limitierende Faktor, sondern die Merkfähigkeit. Nicht die Logik, sondern der Speicher. So geht es uns mit vielen Problemstellungen – sie sind einfach zu lösen, wir müssen dazu aber viele Daten gleichzeitig im Auge behalten.


Probleme mit dieser begrenzten Komplexität aber vielen Dateneingaben rufen geradezu nach künstlicher Intelligenz. In diesem Fall „narrow artificial intelligence“ – also die künstliche Intelligenz, die versucht einfache, fokussierte Probleme zu lösen. Das Gegenteil davon wäre generelle künstliche Intelligenz, also eine künstliche Intelligenz, die Probleme unterschiedlichster Natur lösen kann, ohne dafür trainiert worden zu sein. Menschenähnlich also. Das, was man aus Filmen kennt – und dort meist versucht die Weltherrschaft an sich zu reißen – darum geht es hier aber nicht.


Schwache künstliche Intelligenz – also die, mit klar umrissenen Aufgaben – hat sich nämlich still und heimlich in unser Leben geschlichen. Sie erkennt Gesichter beim Fotografieren, ordnet diese Personen zu, trifft die Entscheidung, wann die Heizung aufgedreht wird oder welche Filme wir vom Streaming-Anbieter unseres Vertrauens vorgeschlagen bekommen.


Während wir weggesehen haben wurden Framework entwickelt, Modelle trainiert und Software-Pakete zur Serienreife gebracht und in allen möglichen Geräten verbaut. Übersetzungen aus dem Elektronengehirn kommen der Qualität menschlicher Übersetzer bereits nahe, Bilderkennung wird immer mehr zur Fingerübung. Die Entwicklungen der letzten Jahrzehnte in der Software trifft jetzt auf immer stärkere und leichter verfügbare Rechenleistung.


Vor einigen Jahren war eine der Fragen, die sich Designer von Software-Paketen gestellt haben „was wäre, wenn die Software ein Mensch wäre“ – jetzt kommt die Wirklichkeit dem Nahe.


Wie kann man daraus fürs eigene Unternehmen Kapital schlagen?


  1. Big Data nutzen oder aufholen. Wer im Big-Data-Hype bereits dafür gesorgt hat, Datenquellen im Unternehmen zentral zugreifbar zu machen und mit anderen Datenquellen anzureichern, hat jetzt die Nase vorn. Wer hier noch auf Diagramme mit unterschiedlichen Silos starrt hat noch einiges aufzuholen – sollte die Datensilos aber trotzdem auf verwertbare Ansätze durchforsten.

  2. In die Unternehmensstrategie integrieren – auch eine funktionierende AI-Anwendung, die nichts mit dem eigentlichen Geschäft zu tun hat, wird kein Erfolg fürs Unternehmen sein.

  3. Fokus auf den Kunden – Smartere Dienstleistungen können Kunden positiv überraschen. Und das wird sich auf den Unternehmenserfolg auswirken.

  4. Prozesse schlauer machen – Optimierungspotentiale, die sich aufgrund der Komplexität der Analyse bisher nicht heben haben lassen können mit AI-Anwendungen geknackt werden. Der Mitbewerb tut es vermutlich schon.


Der Einstieg ist leichter denn je, Branchenriese Amazon bietet praktisch fertige Lösungen für Textanalyse, Nachfrageprognose, Empfehlungen etc. an. Und am Markt gibt es immer mehr Unternehmen, die solche Tools beherrschen.