Künstliche Intelligenz in der Praxis

Techniken und Einsatzgebiete

Blog Post
Von Dr. Klaus Manhart    10. August 2017
Dr. Klaus Manhart hat an der LMU München Logik/Wissenschaftstheorie studiert. Seit 1999 ist er freier Fachautor für IT und Wissenschaft und seit 2005 Lehrbeauftragter an der Uni München für Computersimulation. Schwerpunkte im Bereich IT-Journalismus sind Internet, Business-Computing, Linux und Mobilanwendungen.
Das Spektrum an KI-Technologien und -Einsatzmöglichkeiten ist breit. Davon können künftig fast alle Branchen profitieren. Doch welche KI-Technologien werden heute schon eingesetzt? Und welche Branchen nutzen welche Verfahren?

Künstliche Intelligenz (KI) oder Artificial Intelligence (AI) bietet ein umfassendes Arsenal an Methoden und Verfahren. Einige davon haben den Weg in die Praxis geschafft und verfügen über das Potential, die Digitalisierung entscheidend voranzutreiben. Crisp Research hat in einer Studie für die DACH-Region untersucht, welche dieser AI-Verfahren von Unternehmen heute bereits eingesetzt werden und welche Branchen besonders AI-affin sind.

Für die meisten befragten Unternehmen ist AI fast identisch mit Machine Learning. Sie ist quasi die "Königsdisziplin" der AI-Praxis. So betrachten 43 Prozent der Umfrageteilnehmer Machine Learning als wichtigen Aspekt zukünftiger Analytics- und Big Data-Strategien. Aufgrund hoher Investitionen in Big Data und Data Lakes sehen viele die Chance, mit Machine Learning neue Verfahren der Datenanalyse einzuführen, um den Wert ihrer Daten zu heben und mehr Nutzen aus ihnen zu ziehen. Knapp ein Fünftel der Entscheider geht sogar noch weiter und sieht im Machine Learning eine der Kerntechnologien eines vollständig digitalen Unternehmens.

Spracherkennung und -verarbeitung ist die zweite AI-Innovation, die den Sprung in die Praxis geschafft hat. Knapp die Hälfte derjenigen, die sich mit AI beschäftigen, nutzen laut der Studie diese Technologie und optimieren damit die Digital Customer Experience. Bots und digitale Assistenten spielen hier eine entscheidende Rolle. Auch die Bedienung einer Vielzahl von digitalen Produkten und Enterprise-IT-Lösungen wird zukünftig per Sprachbefehl und nicht mehr via App oder Webanwendung gesteuert. Dies hat laut den Studienautoren maßgebliche Auswirkungen nicht nur auf die Ausgestaltung des Customer Frontend, sondern auch auf das zugrundeliegende IT-Backend.

Stark vertreten ist heute schon die Gesichtserkennung sowie Bildanalyse beziehungsweise Bilderkennung. Etwa ein Drittel nutzt Gesichtserkennung und etwa die Hälfte Bildanalyse. Letzteres kann beispielsweise in der Industrie verwendet werden, um einen Fremdkörper auf einem Förderband zu identifizieren, eine falsche Einfärbung eines Produktes zu entdecken oder auch ein Straßenschild von einem autonomen Fahrzeug zu erkennen.

AI-Einsatz nach Branchen

Ganz unterschiedlich ist die Akzeptanz von AI-Technologien nach Branchen. Während einige Vorreiterbranchen die Relevanz von AI erkannt haben, hinken andere hinterher oder beschäftigen sich damit überhaupt nicht. Die Pioniere beim produktiven AI-Einsatz sind derzeit laut Crisp-Research die Automobilbranche, der Maschinen- und Anlagenbau, die Konsumgüterindustrie sowie IT, Telekommunikation und Media. Die Branchen Chemie, Logistik und Verkehr sowie Pharma verhalten sich noch etwas zögerlich, stehen aber prinzipiell bereit. Alle anderen reagieren derzeit noch abwartend.

Ganz vorne dabei ist die Autoindustrie: Zentrale AI-Technologiebausteine zur Entwicklung und Produktion künftiger Autos - zum Beispiel autonomer Fahrzeuge - sind Bild- und Videoanalyse in nahezu Echtzeit, statistische Verfahren sowie Machine Learning und Deep Learning Modelle. Auch werden einige dieser Verfahren schon länger zur Erkennung von Fabrikationsfehlern während des Produktionsprozesses eingesetzt. Eine flächendeckene Adaption gibt es in der Autobranche allerdings nicht.

Bei den Maschinen- und Anlagenbauern verhält es sich ähnlich. Hier befinden sich noch über die Hälfte der Unternehmen in der initialen Evaluierungs- und Planungsphase, etwa jedes fünfte baut erste Prototypen und immerhin ein Drittel nutzt Machine Learning schon produktiv - allerdings nur in ausgewählten Anwendungsbereichen.

Im Konsumgüterbereich und im Handel ist die Mehrheit der Unternehmen ebenfalls schon relativ weit fortgeschritten bei der AI-Einführung. So sind immerhin 44 Prozent der Handels- und Konsumgüterfirmen dabei Machine Learning im Kontext von ersten Projekten und Prototypen zu erproben. Diese Unternehmen profitieren von ihren sehr großen und gut gepflegten Datenbestände und verfügen über große BI-Budgets und Data Warehouses.