Sind wir mit modernen, regelbasierten IT-Systemen auf dem Holzweg?

Künstliche Intelligenz versus regelbasierte Systeme

Wie sehr sich seit der Jahrtausendwende die Welt verändert hat, erkennt man daran, dass man sich kaum mehr vorstellen kann, wie man vor 17 Jahren gelebt hat: ohne Google, Amazon, Facebook und Smartphones. Nahezu jeder nutzt täglich Suchmaschinen, Online-Handels- und Social-Media- Plattformen. Und nahezu jeder hat mit seinem Smartphone diese Dienste permanent verfügbar.

Mit diesen Diensten hat auch die Künstliche Intelligenz (KI) massiv Einzug in unseren Alltag gehalten. Wir haben uns längst an die hochkomplexe, ständig hinzulernende Algorithmik von Phrasensuche, -ergänzungen und kontextbezogener Vorschläge gewöhnt. Unsere Smartphones erkennen mühelos Personen auf Bildern und unser gesprochenes Wort. Texte werden uns wie von Geisterhand in beliebige Sprachen übersetzt. All diese Dienste sind alltagstauglich gewordene Produkte der KI, die uns Konsumenten zunächst in Erstaunen versetzen, aber mittlerweile immer mehr zur Normalität werden und sich in das Leben einbauen. KI ist daher sicherlich ein nachhaltiger Trend.

Aber wie nutzen die Unternehmen die moderne KI, mit denen Apple, Amazon, Facebook und Google den Konsumentenmarkt revolutioniert haben?

Einsatz Künstliche Intelligenz – ein aktueller Überblick

Eines vorweg: Unternehmen nutzen Methoden der KI schon lange. Seit Jahrzehnten ermitteln OCR-Systeme Adressen, Barcodes, Kundennummern und andere Attribute aus der Eingangspost. Expertensysteme unterstützen bei der Einordnung von Dokumenten, bei der Prüfung von Abrechnungen, und helfen bei Entscheidungen für Marketingaktionen. Allerdings sind die meisten dieser Systeme aktuell regelbasiert, d.h. sie gehorchen fest konfigurierten Regeln. Selbstlernende Systeme, die auf Trainingsdaten basierend Entscheidungen treffen, sind aktuell noch nicht sehr verbreitet. Warum ist das eigentlich so?

Sicherlich ist einer der Gründe, dass Unternehmen der Transparenz von Entscheidungen in den Geschäftsprozessen einen großen Wert beimessen. Es bestehen also gewisse Vorbehalte vor einer Lernmaschine als „Blackbox“, deren Entscheidungen der Sachbearbeiter nicht nachvollziehen und Dritten gegenüber nicht vermitteln kann. Außerdem ist es oft schwierig und aufwändig qualitativ hochwertige und korrekt klassifizierte Daten bereitzustellen, mit der die Lernmaschine trainiert werden muss, um aus Beispielen verallgemeinern und künftig „gute“ Entscheidungen treffen zu können. Ein weiteres Problem liegt im fehlenden Knowhow geeignete Machine-Learning-basierte Verfahren auszuwählen und adäquat zu konfigurieren. Schließlich besteht die Notwendigkeit einer soliden Bewertung bzw. eines Vergleichs der Ergebnisse der Lernmaschine. Die hierfür notwendigen Kennzahlen sind oft nur in unzureichendem Maße vorhanden.

Diese Vorbehalte scheinen jedoch zu schmelzen. Viele Unternehmen beschäftigen sich aktuell mit moderner Machine-Learning-gestützter KI, befeuert durch das Zukunftsprojekt Industrie 4.0 und die immensen Entwicklungen der letzten Jahre in diesem Umfeld. Man spürt das Potenzial, welches sich hinter den neuen künstlichen Intelligenzen verbirgt. Es wird erkannt, dass immer größere Mengen digitaler und semantisch annotierter Informationen verfügbar sind und intelligent genutzt werden können, um automatisiert und autonom Entscheidungen zu treffen. Ebenso wird deutlich, dass der Einsatz selbstlernender Systeme nicht notwendig eine „Blackbox“ darstellen muss. Sie können auch genutzt werden, um regelbasierte Systeme zu optimieren bzw. in Form von hybridartigen Verfahren zu unterstützen.

Ein Blick in die Zukunft

Durch die große Popularität der KI zeichnet sich jetzt schon ab, dass sich auch in den kommenden Jahren die rasante Entwicklung fortsetzen wird. Das Zusammenspiel zwischen Algorithmik, Implementierung und der Nutzung spezieller Hardware wird immer ausgefeilter. KI-Systeme werden immer besser Zusammenhänge erkennen können. So, wie Google Assistant, Siri, Alexa, Cortana etc. sprachliche Zusammenhänge immer exakter erkennen werden, wird KI zunehmend auch ein Verständnis für Inhalte udn deren Bedeutung entwickeln können.

Der Markt wird zunehmend vom Besitz und Handel künstlicher Intelligenzen geprägt, die als Service oder Plugin in Anwendungen bzw. Prozesse integriert werden und komplexe Aufgaben lösen können. Es zeichnet sich ab, dass die Kernkompetenzen wie Kundenservice, Leistungserbringung und Vertragsmanagement in den Unternehmen zunehmend durch KI unterstützt und dort, wo es sinnvoll erscheint, ersetzt werden. Primär dort, wo wiederkehrende Aufgaben mir geringer Kritikalität anfallen. Langfristig werden den Angestellten weitgehend die Bearbeitung kniffeliger, kritischer Fälle bleiben sowie die Aufgabe der Qualitätssicherung der für sie arbeitenden KI-Systeme.

Hinter der Ausnutzung von KI steckt ein großes Potenzial an Kosteneinsparung und damit einhergehend an Wettbewerbsvorteilen. Unternehmen sind gut beraten, diese Chancen frühzeitig zu nutzen und das Knowhow in diesem Umfeld auszubauen. Denn nur durch die intensive Beschäftigung mit moderner KI lassen sich die Potenziale frühzeitig erschließen.

Welches Knowhow benötigt man für den Aufbau solcher KI-Systeme? Auch wenn es mittlerweile viele gute und komfortable Frameworks rund um Machine Learning gibt, so ist es immer noch nicht trivial eine Lernmaschine für ein konkretes Problem so zu trainieren, dass sie gute Ergebnisse liefert. Hierbei müssen viele Anforderungen umgesetzt werden: die Auswahl bzw. Bereitstellung einer geeigneten Trainingsmenge, eine gute Aufbereitung der Daten und evtl. der Umgang mit fehlerhaften Trainingsdaten, die Extraktion möglichst geeigneter Merkmale, die Auswahl und Konfiguration der Lernalgorithmen und nicht zuletzt eine geeignete Analyse und Bewertung des Lernerfolgs. Allerdings zeichnet sich auch eine zunehmende Bildung von Mustern bei Lernprozessen ab, die eine Vereinfachung und Standardisierung beim Aufbau und der Nutzung solcher Systeme erwarten lässt.

Fazit

Aktuell sind viele Unternehmen dabei, alte Legacy-Systems durch neue, regelbasierte Systeme abzulösen. Dazu ist ein enormer Kosten und Zeitaufwand notwendig. Ich stelle die These auf, dass gerade alte Monolithen durch neue (zugegeben moderne) Minolithen ersetzt werden. Wäre es da nicht sinnvoller, dieses Schnritt zu überspringen und direkt mehr in KI zu investieren ?

KI wird besonders hinsichtlich selbstlernender Systeme den Arbeitsalltag in den kommenden Jahren massiv verändern. Die Unternehmen tun gut daran, sich mit dem Thema zu beschäftigen und entsprechendes Knowhow aufzubauen. Denn besonders moderne selbstlernende Verfahren bieten noch ein hohes Potenzial an Automatisierung in nahezu allen Geschäftsprozessen und durch die damit einhergehende Kosteneinsparung wichtige Wettbewerbsvorteile.