KI: Herausforderungen von heute sind die Chancen von morgen

Schon seit einigen Jahren ist der Begriff „Big Data“ in aller Munde – typischerweise in Bezug auf die drei Kenngrößen Datenvolumen, -vielfalt und -geschwindigkeit. Big Data wird in der Regel mit fortschrittlichen Methoden assoziiert, die aus Daten automatisiert Erkenntnisse ableiten, wie beispielsweise prädiktive und verhaltensbasierte Analysen.

Infolge dieser rasanten Entwicklung und eines Big-Data-Analytics-Marktes, der bis zum Jahr 2023 ein Volumen von 103 Milliarden US-Dollar erreichen soll, erleben wir jetzt einen beschleunigten Bedarf an Technologien wie künstliche Intelligenz (KI), Machine Learning und Deep Learning, die es Unternehmen ermöglichen, einen zunehmend algorithmischen Ansatz für die Datenanalyse auf hohem Niveau zu verfolgen.

Was bringt KI?

In fast allen Branchen sind Verantwortliche zur Erkenntnis gekommen, dass sie mithilfe von KI-Technologie viele der Probleme lösen können, die vorher als unlösbar galten – etwa das vollständige Verständnis des Kundenverhaltens oder auch die simple Fähigkeit, Smartphones mit Gesichtserkennung zu entsperren. Machine Learning ermöglicht solche Innovationen mit der Weiterentwicklung von Lösungen wie virtuellen persönlichen Assistenten, Chat-Bots, Marketing-Automatisierung und der Sprache-zu-Text-Erkennung.

Spitzenreiter bei der Einführung und Nutzung dieser Technologie ist die Finanzindustrie, die im Vergleich am meisten in KI und Machine-Learning-Algorithmen investiert. Die Einsatzgebiete reichen vom Backtesting von Vermögenspreisen über die Portfoliooptimierung bis hin zum Hochfrequenzhandel oder der Analyse von Markttrends. Selbstlernende Algorithmen können außerdem beispielsweise so konzipiert werden, dass sie in jeder neuen Iteration die Rentabilität optimieren, etwa bei der Bewertung von Kreditanträgen.

Das Gesundheitswesen ist ein weiterer Sektor, der vom KI-Einsatz transformiert wird – etwa darin, dass Pflegekräfte die täglichen Muster und die sich ständig verändernden Bedürfnisse ihrer Patienten besser verstehen können. In einigen Fällen kommen schon jetzt etwa Wearables zum Einsatz, um Krankheiten zu erkennen. Tatsächlich zeigen Studien, dass KI genutzt werden kann, um Mammogramme 30 Mal schneller als zuvor und mit 99 % Genauigkeit zu überprüfen – was die Zahl unnötiger Biopsien erheblich reduziert.

Bei KI geht es aber nicht nur um Effizienz und die Rationalisierung mühsamer, repetitiver Aufgaben. Dank Machine und Deep Learning können Anwendungen aus Daten und Ergebnissen nahezu in Echtzeit Schlüsse ziehen und Erkenntnisse liefern. KI bietet die Möglichkeit, neue Informationen aus verschiedenen Quellen zu analysieren und sich entsprechend anzupassen – mit einer Genauigkeit, die für Unternehmen von unschätzbarem Wert ist und weit über die Fähigkeiten eines Menschen hinausgeht. Dieses Potenzial zur Selbstoptimierung und zum eigenständigen Lernen bedeutet, dass KI den geschäftlichen Nutzen, den sie generiert, kontinuierlich steigern kann.

Auf Basis der generierten Daten kann der Anwender dann besser vorhersagen, planen und sich vorbereiten. In Verbindung mit der „menschlichen Note“ in Form von kreativem Denken und Einfühlungsvermögen dort, wo sie benötigt wird, hat diese leistungsstarke Verbindung das Potenzial, für Unternehmen aller Branchen einen enormen, messbaren Unterschied zu machen.

KI zur Lösung natürlicher Probleme

Mit KI lassen sich nicht nur die Erstellung von Diagnosen und Behandlungsplänen verbessern – zusätzlich kann die Technologie auch mit einem Internet der Dinge für die Medizinbranche in Applikationen für Verbraucher dazu beitragen, ein gesünderes Verhalten zu fördern und den Verbrauchern mehr Kontrolle über ihre Gesundheit und ihr Wohlbefinden zu geben. So kann etwa Watson, die KI von IBM, schon jetzt riesige Mengen an medizinischen Informationen speichern und um ein Vielfaches schneller als jeder Mensch überprüfen. DeepMind Health von Google arbeitet mit Forschern, Medizinern und Patienten zusammen, um reale Gesundheitsprobleme durch die Kombination von maschinellem Lernen und Systemneurowissenschaft zu lösen. Das Ergebnis ist die Fähigkeit, einen leistungsstarken Lernalgorithmus in neuronale Netzwerke einzubauen, die das menschliche Gehirn imitieren.