KI in der Kommunikation: Schlüsseltechnologie oder Science-Fiction?

Künstliche Intelligenz (KI) ist in aller Munde und ein Thema, das viele Fragen aufwirft. Es schwirren verschiedene Buzzwords wie Machine Learning oder Deep Learning um den Begriff und die Definitionen sind teils schwammig. Wir möchten in diesem Beitrag die wichtigsten Begriffe sortieren und Ihnen zeigen, was KI bedeutet, was sie bisher leistet und wie sie der Kommunikation heute und in Zukunft nutzen kann.

Was ist KI und welche Unterschiede gibt es zu Machine und Deep Learning?

Bereits seit 1956 gibt es den Begriff Künstliche Intelligenz (KI), der bei einem US-amerikanischen Forschungsprojekt des Dartmouth College (Hanover, New Hampshire) geprägt wurde. Dabei ging es um die Idee, menschliches Denken und Abstrahieren zu automatisieren, indem Maschinen entsprechend programmiert werden. Das wohl bekannteste Beispiel künstlicher Intelligenz ist der Schach-Computer Deep Blue von IBM, der allerdings erst viel später entwickelt wurde und 1997 den Schachweltmeister Kasparov besiegte.

Künstliche Intelligenz wie wir sie heute verstehen, ist eine Software, die vollkommen selbstständig komplexe Aufgaben löst. Machine Learning oder maschinelles Lernen ist hingegen eine Technologie, die anhand eines Algorithmus Daten auswertet, Muster erkennt und diese Ergebnisse wiederum einsetzt, um Lösungen zu entwickeln. Die Software trainiert sich also mithilfe der Daten selbst. Damit ist Machine Learning ein Teilgebiet der KI und gleichzeitig ein Mittel, um KI in ein System zu implementieren.

Deep Learning ist ein weiteres Teilgebiet der künstlichen Intelligenz, das sich an die Funktionsweise des menschlichen Gehirns anlehnt und mit künstlichen neuronalen Netzen (KNN) arbeitet. Die Technik lernt wie unser Gehirn aus Erfahrung und passt dementsprechend die Stärke der programmierten Netzwerkverbindungen selbstständig je nach Input an. Für Deep Learning sind enorme Mengen an Daten notwendig, um das System lernfähig zu machen. Beispiele hierfür sind die Gesichtserkennung bei Facebook oder die Bilderkennung von Google bzw. Pinterest, denen allesamt entsprechende Datenmengen zur Verfügung stehen.

Lernfähigkeit ist grundsätzlich eine wesentliche Anforderung an KI-Systeme, weshalb beide Teilgebiete notwendiger Bestandteil sind, um künstliche Intelligenz zu entwickeln bzw. zu implementieren. Mit Machine Learning und Deep Learning entsteht die sogenannte schwache KI, die mithilfe von Mathematik und Informatik intelligentes Verhalten simuliert. Alle aktuell verfügbaren KI-Systeme fallen in diese Kategorie.

Starke KI oder Superintelligenz hingegen bezeichnet Systeme, die eigenmotiviert und flexibel handeln (Stichwort Logik & Bewusstsein) und die intellektuellen Fähigkeiten des Menschen erreichen oder übertreffen. Bis heute ist es niemandem gelungen, eine starke KI zu entwickeln, was jedoch nur eine Frage der Zeit zu sein scheint und in Forschungskreisen in drei bis vier Jahrzehnten als realisierbar gilt.

Wozu brauche ich künstliche Intelligenz im Unternehmen?

Derzeit nutzen laut einer Studie von PwC erst 4 % der deutschen Unternehmen künstliche Intelligenz, weitere 2 % sind dabei, sie zu implementieren. Dabei zeichnet sich bereits jetzt ab, dass sich KI in Unternehmen entscheidend auf die zukünftige Wettbewerbsfähigkeit auswirken wird.

Im Arbeitskontext kann künstliche Intelligenz auf vielfältige Weise eingesetzt werden. Hier einige Beispiele:

• Unterstützung von Mitarbeitern: Überall dort, wo Kontakt mit Kunden oder Stakeholdern besteht und wiederkehrende Fragen gestellt werden, eignen sich wissensbasierte KI-Systeme wie Chatbots, um Service-Mitarbeiter zu entlasten. Diese haben damit mehr Ressourcen, um sich intensiver mit komplexeren Problemen zu beschäftigen und so die Kundenzufriedenheit zu steigern. Ein Chatbot oder ein digitaler Assistent kann ebenfalls verschiedene Aufgaben im HR-Bereich übernehmen, wie u.a. Bewerbungsmanagement, Onboarding oder Dienstplanung (hier mehr erfahren).
• Datensammlung, -analyse, -bewertung und -anreicherung: Statt Datensätze von verschiedenen Mitarbeitern manuell in Systeme einspeisen und verwalten zu lassen, kann KI dabei helfen, betriebliche Daten einheitlich zu erfassen, aufzubereiten und zu bewerten. Außerdem ist es möglich, z.B. Website-Inhalte mithilfe einer KI mit Metadaten wie Hashtags oder Keywords automatisiert anzureichern. Durch die freiwerdenden Ressourcen bekommen Mitarbeiter neue Perspektiven für strategischere und kreativere Aufgaben.
• Automatisierung von monotonen Tätigkeiten: Gleichförmige und sich ständig wiederholende Aufgaben zu erledigen, ist für viele Mitarbeiter belastend. Dazu gehören beispielsweise Verwaltungstätigkeiten wie Dokumentation, Abrechnung oder Kontrollaufgaben. Solche Routinetätigkeiten können heute digitale Software-Roboter (Robotic Process Automation Systems, abgekürzt RPA) übernehmen, die mit künstlicher Intelligenz ausgestattet sind. Sie gehören laut einer Studie von Deloitte zu den aktuell am häufigsten eingesetzten KI-Systemen in deutschen Unternehmen.

Die Einsatzmöglichkeiten von künstlicher Intelligenz sind vielfältig und werden mit fortschreitender Entwicklung weiter zunehmen. Wenn Unternehmen sich darauf einlassen, datengetrieben zu agieren und den Fokus auf die Nutzung und Übersetzung von Daten legen, um bessere Geschäftsentscheidungen zu treffen, ist der Weg zum Algorithmic Enterprise geebnet.

Im nächsten Teil unserer Blogreihe zum Thema KI werden wir Ihnen vorstellen, wie Sie die Qualität von künstlicher Intelligenz messen, welches Vorgehen dabei empfehlenswert ist und wie eine KI-Strategie aufgebaut ist. Folgen Sie uns gern auf Facebook, Twitter, Xing oder LinkedIn, um nichts zu verpassen.

Für eine Beratung rund um künstliche Intelligenz und Chatbots, kontaktieren Sie uns jederzeit per Kontaktformular, E-Mail oder telefonisch unter +49(0)2236/3936-6, wir unterstützen Sie gern.