Künstliche Intelligenz

Mit künstlicher Intelligenz können Probleme gelöst werden, bei denen es nötig ist, Zusammenhänge zu erkennen und zu verstehen. Eine Kombination von Robotics und künstlicher Intelligenz ist sehr mächtig, da damit auch Prozesse automatisiert werden können, welche nicht ausschliesslich auf klaren Regeln basieren beziehungsweise bei denen Daten interpretiert werden müssen. Dabei ist der Roboter das ausführende Element, welches basierend auf klaren Regeln bestimmte Aktionen ausführt, während die KI die vom Roboter gesammelten Daten analysiert und ihm anschliessend den Input in der von ihm benötigten Form liefert.

Im folgenden Absatz finden Sie einen Use Case, bei welchem der Einsatz von künstlicher Intelligenz im Zusammenhang mit Robotics Sinn macht:

Ein Unternehmen möchte von Ihren Lieferanten gestellte Rechnungen automatisch abarbeiten. Es gibt klare Regeln, wie mit welchen Lieferanten umgegangen werden soll, wie die Beträge geprüft werden sollen und wer die jeweilige Rechnung bestätigen muss. Sobald der Lieferant sowie der Rechnungsbetrag bekannt ist, kann die Rechnung mithilfe von Robotics automatisiert abgearbeitet werden. Das Problem liegt bei der Erkennung der Rechnung selbst. Da jeder Lieferant seine Rechnung ein wenig anders darstellt, kann ein Roboter die Rechnungen nicht einfach auslesen, da die relevanten Informationen an unterschiedlichen Orten aufgeführt sind. Hier kommt die künstliche Intelligenz zum Einsatz.

Einkaufen oder selber bauen?

Es gibt grundsätzlich zwei Ansätze, wie künstliche Intelligenz in Ihrem Unternehmen eingesetzt werden kann:

Einkauf einer KI Software

Auf dem Markt existieren bereits sehr viele Tools, welche KI einsetzen um ein bestimmtes Problem zu lösen. Je mehr Unternehmen vor derselben Herausforderung stehen, desto wahrscheinlicher ist es, dass dafür bereits eine dedizierte KI Software trainiert wurde. Diese Tools können  einfach in die zu automatisierenden Prozesse eingebunden werden. Durch den Einkauf einer KI Software können die teilweise substanziellen Entwicklungskosten eingespart werden. Der Nachteil einer kommerziellen Lösung besteht darin, dass diese Tools meist sehr generell gehalten sind, sodass sie mehr Use Cases abdecken können. Dies führt unter Umständen dazu, dass Ihre Problemstellung nur unvollständig gelöst werden kann. 

Künstliche Intelligenz selbst trainieren

Sollte keine bestehende Software für das Problem existieren oder die Software kann aus anderen Gründen, wie beispielsweise dem Datenschutz, nicht eingesetzt werden, kann mithilfe von KI Frameworks wie Tensorflow ein eigenes neuronales Netzwerk aufgebaut und trainiert werden. 

Um ein neuronales Netzwerk oder andere Formen der künstlichen Intelligenz selbst zu entwickeln, wird entweder eine grosse Menge an bereits prozessierten und gekennzeichneten Daten (Input -> Output) oder ein direkter Feedback Loop benötigt:

Supervised Learning

Unter Supervised Learning versteht man das Trainieren einer künstlichen Intelligenz anhand von Beispieldaten. Diese Beispieldaten beinhalten den Input, im Falle des oben beschriebenen Use Cases die eingescannten Rechnungen, sowie den gewünschten Output, in unserem Fall die relevanten Daten aus der jeweiligen Rechnung. Mit ausreichendem Training kann die künstliche Intelligenz die relevanten Informationen aus Rechnungen extrahieren, welche sie noch nie gesehen hat.

Reinforced Learning

Im Gegensatz zum Supervised Learning werden beim Reinforced Learning keine Beispieldaten benötigt. Dafür muss das neuronale Netzwerk allerdings ein direktes Feedback auf seine Aktionen bekommen. Anhand des Feedbacks kann sich die künstliche Intelligenz verbessern, um am Ende die ihr gestellten Aufgaben korrekt zu lösen. Ein Beispiel eines direkten Feedbacks ist die Börse. Dabei stellen die Aktienkurse, anhand welcher die Gewinne oder Verluste berechnet werden können, den Feedback für die Kauf- und Verkaufsaktionen der KI. Als Input könnten beispielsweise Unternehmensdaten, Social Media oder bisherige Aktienkurse dienen.