Was ist künstliche Intelligenz?

Künstliche Intelligenz (KI; engl. Artificial Intelligence, AI) ist die Basis, auf der menschliche Intelligenz nachgeahmt wird. Zu diesem Zweck werden Algorithmen erstellt, angewendet und in eine dynamische Computing-Umgebung integriert. Einfach ausgedrückt ist KI der Versuch, Computer zu menschlichen Denk- und Verhaltensweisen zu veranlassen. 

Drei Komponenten sind hierbei von zentraler Bedeutung: 

• Computing-Systeme 
• Daten und Datenmanagement 
• erweiterte KI-Algorithmen (Code) 

Je „menschlicher“ das gewünschte Ergebnis sein soll, desto mehr Daten und Verarbeitungsleistung werden benötigt. 

Mindestens seit dem 1. Jahrhundert v.Chr. sind Menschen bereits von der Möglichkeit fasziniert, Maschinen zu bauen, die das menschliche Gehirn nachahmen. In der Moderne wurde der Begriff Künstliche Intelligenz 1955 von John McCarthy geprägt. Zusammen mit anderen Informatikern organisierte McCarthy 1956 eine Konferenz unter dem Titel „Dartmouth Summer Research Project on Artificial Intelligence“. Das war der Ausgangspunkt für die Entwicklung von maschinellem Lernen, Deep Learning, prädiktiven Big-Data-Analysen und neuerdings auch präskriptiven Big-Data-Analysen. Inzwischen hat sich hieraus ein ganz neuer Wissenschaftszweig entwickelt: die Datenwissenschaften.

KI ist heutzutage bereits in alltäglichen Szenarien im Einsatz, so beispielsweise im Finanzsektor zur Erkennung von Betrugsversuchen, im Einzelhandel für Verkaufsprognosen und im interaktiven Online-Kunden-Support. Betrachten wir diese im Detail: 

• Betrugserkennung: Finanzdienstleister nutzen die künstliche Intelligenz hauptsächlich in zwei Bereichen. Bei Kreditanträgen wird beim ersten Scoring mittels KI die Bonität ermittelt. Hoch entwickelte KI-Engines überwachen fortlaufend die Transaktionen von Kartenzahlungen und erkennen dabei betrügerisches Verhalten in Echtzeit.
• Virtual Customer Assistance (VCA): Callcenter setzen virtuelle Assistenzsysteme ein, um ohne die Interaktion durch einen Menschen Kundenanfragen zu antizipieren und auf sie zu reagieren. Der erste Interaktionspunkt bei einer Kundenserviceanfrage ist die Spracherkennung, gekoppelt mit einem simulierten menschlichen Dialog. Komplexere Anfragen werden vom System an einen Mitarbeiter übergeben.
• Wer auf einer Webseite einen Chat-Dialog startet (Chatbot), interagiert häufig mit einem Computer, auf dem spezialisierte KI ausgeführt wird. Kann der Chatbot die Frage nicht interpretieren oder beantworten, greift ein Mitarbeiter ein, um mit der Person direkt zu kommunizieren. Derartige nicht interpretative Instanzen werden in ein Computing-System für maschinelles Lernen eingespeist, um die KI-Applikation für zukünftige Interaktionen zu verbessern.
• Fortschritte in der KI im Rahmen von Natural Language Processing (NLP) und Computer Vision (CV) helfen Branchen wie Finanzdienstleistungen, Gesundheitswesen und Automobilbranche, Innovationen zu beschleunigen, die Kundenzufriedenheit zu verbessern und Kosten zu senken. Schätzungen von Gartner zufolge werden im Jahr 2022 bis zu 70 % der Menschen täglich mit KI-basierten Dialogplattformen interagieren. NLP und CV ermöglichen eine nützliche Verbindung zwischen Mensch und Roboter: NLP hilft Computerprogrammen, die menschliche Sprache zu verstehen, und CV wendet Modelle des maschinellen Lernens auf Bilder an und ist die perfekte Lösung für alles, von Selfie-Filtern bis zu der medizinischen Bildgebung.

Die heutzutage von Menschen und Maschinen generierte Menge von Daten übersteigt bei Weitem die Fähigkeit des Menschen, diese Daten aufzunehmen, zu interpretieren und auf ihrer Basis komplexe Entscheidungen zu treffen. Die künstliche Intelligenz bildet die Grundlage für lernende Computer und stellt die Zukunft für alle komplexen Entscheidungsprozesse dar. Dazu ein Beispiel: Die meisten Menschen können austüfteln, wie sie bei „Drei gewinnt“ (Kreis und Kreuz) nicht verlieren, auch wenn es 255.168 verschiedene Spielzüge gibt, von denen 46.080 in einem Unentschieden enden. Bei „Dame“ ist die Zahl der Meisterspieler bereits wesentlich geringer – in Anbetracht der 500 x 10¹⁸ bzw. 500 Quintillionen verschiedenen möglichen Züge. Computer sind in der Lage, selbst derartig umfangreiche Kombinationen und Permutationen äußerst effizient zu berechnen, um zu der besten Entscheidung zu gelangen. Zukünftig soll diese hohe Rechenleistung auch auf geschäftliche Entscheidungen übertragen werden. Hierbei spielt neben der KI (und dem maschinellen Lernen als logische Weiterentwicklung) auch das Deep Learning eine grundlegende Rolle.

Als Instanz für Datenmanagement in der Hybrid Cloud weiß NetApp, wie wichtig Datenzugriff, -management und -kontrolle sind. Mit NetAppData Fabric haben wir eine Umgebung geschaffen, die das Datenmanagement von Edge-Geräten, Datacentern bis hin zu mehreren Hyperscale Clouds vereinheitlicht. Unternehmen jeder Größe werden mit der Data-Fabric-Architektur in die Lage versetzt, kritische Applikationen zu beschleunigen, Transparenz über ihre Daten zu erzielen, die Datensicherung zu optimieren und agiler zu agieren.

NetApp KI-Lösungen basieren auf folgenden zentralen Komponenten: 

• Die ONTAP Software ermöglicht den Einsatz von KI und Deep Learning im lokalen Datacenter und in der Hybrid Cloud.
• All Flash FAS Systeme beschleunigen KI- und Deep-Learning-Workloads und beseitigen Performance-Engpässe.
• Über die ONTAP Select Software werden Daten mittels IoT-Geräten und Aggregationspunkten vom Edge effizient erfasst.
• Mit Cloud Volumes lassen sich schnell Prototypen neuer Projekte erstellen und KI-Daten in die und aus der Cloud verschieben.

Außerdem hat NetApp begonnen, Big-Data-Analysen und künstliche Intelligenz in die eigenen Produkte und Services zu integrieren. Active IQ nutzt beispielsweise Milliarden von Datenpunkten, prädiktive Analysen und leistungsstarkes maschinelles Lernen, um für komplexe IT-Umgebungen proaktive Kunden-Support-Empfehlungen bereitzustellen. Dabei ist Active IQ eine Hybrid-Cloud-Applikation, die mit denselben NetApp Produkten und Technologien erstellt wurde, die unsere Kunden für den Aufbau ihrer KI-Lösungen für eine Vielzahl von Anwendungsfällen nutzen.