© ScienceSoft

SPONSORED CONTENT

6 Dinge, die Sie bei KI-Softwareentwicklung beachten sollten

Laut einer Narrative Science-Studie nutzen bereits 38 % der Unternehmen KI-Technologien, 62 % werden sie bis 2018 nutzen. Künstliche Intelligenz (Artificial Intelligence) ist ein heißes Thema: In den Schlagzeilen mehren sich Erfolgsgeschichten über die Einführung von KI. Und dieses Phänomen ist leicht zu erklären: Um KI im wirklichen Leben zu nutzen, braucht man Big Data. Maschinelles Lernen (Machine Learning, ML) ist der Kern von modernem KI, und Daten sind das Rohmaterial für ML. Günstigere Rechenleistungen und Cloud-Technologien ermöglichten es Unternehmen, technische Barrieren zu überwinden und von ML zu profitieren. Sie lernen zusehends, mit Big Data umzugehen, und daraus Nutzen zu schlagen. Das sind die zentralen Erfolgsfaktoren:

1. KI benötigt Big Data

Um eine bestimmte Aufgabe zu erfüllen, muss ein KI-Modell an einem umfangreichen und umfassenden Datensatz trainiert werden. Je größer der Datensatz ist, desto besser das Ergebnis. Ein typischer Trainingsdatensatz für ein ML-Modell kann Millionen oder sogar Milliarden von Einträgen enthalten. Heute sind Softwareentwickler technisch nicht mehr eingeschränkt. Das Sammeln, Verarbeiten und Analysieren großer Datenmengen ist möglich - sogar in Echtzeit.

2. Echte KI bedeutet Echtzeit oder nahezu Echtzeit

Die meisten Unternehmen benötigen eine nahezu Echtzeit-KI. Alle diese KI-Anwendungen in verschiedenen Branchen sind in Echtzeit verfügbar:

  • Betrugserkennung
  • Gesichtserkennung
  • Spracherkennung (Sprache-zu-Text-Dienste)
  • Übersetzung (Google Translate, Skype-Übersetzer)
  • Produktempfehlungen
  • Intelligente digitale persönliche Assistenten (Siri, Cortana)
  • Chatbots
  • Autonome Fahrzeuge
  • Smart Houses

3. Echte KI benötigt den flexiblen Speicher der Cloud

Maschinelles Lernen erfordert während der Trainingsphase erhebliche Rechenressourcen. Gleichzeitig ist die Datenverarbeitungsstufe nicht so anspruchsvoll. Früher war dieser schwankende Bedarf an Rechenressourcen eine Herausforderung für diejenigen, die maschinelles Lernen umsetzen wollten, aber nicht bereit waren, große einmalige Investitionen in Form von leistungsstarken Rechnern zu tätigen. Das Aufkommen der Cloud-Technologie ermöglichte es, diesen Bedarf leicht zu decken. KI-Softwareentwickler können entweder die Unternehmens- oder externe Cloud-Dienste nützen.

4. KI-Lösungen sind weit mehr als eine ML-Algorithmus-Implementierung

Zweifellos sind Algorithmen in der ML-Softwareentwicklung wichtig. Aber auch viele andere Aspekte haben große Auswirkungen:

  • Trainingsdatensätze: Ein ausreichender Trainingsdatensatz ist eine Voraussetzung für den Erfolg. Wenn ein Unternehmen nicht genügend, verzerrte oder qualitativ mangelhafte Daten verwendet, neigt KI-Software dazu, falsche Entscheidungen zu treffen.
  • Trainingsprozess: Es gibt zwei Ansätze beim Maschinellen Lernen: zielgerichtet und offen. Im ersten Fall wird ein ML-Modell sowohl mit den Trainingsdaten als auch mit dem gewünschten Ergebnis beliefert. Im zweiten Fall ist das Ergebnis unbekannt und das Modell muss Tendenzen und Abhängigkeiten finden. Unternehmen müssen sich für den passenden Trainingsansatz entscheiden.
  • Integration ins Tagesgeschäft: Um praktischen Nutzen zu bringen, sollte KI ein integraler Bestandteil der täglichen Geschäftsprozesse werden. Um das zu erreichen, sollte KI-Software in andere Unternehmenssysteme integriert werden: solche, von denen sie neue Daten bezieht und solche, in die sie die Ergebnisse speist.

5. ML-basierte KI-Lösungen sollten regelmäßig neu trainiert werden

Leider ist eine ML-basierte KI-Lösung nicht etwas, das ein für allemal erstellt wird. Es ist wichtig zu verstehen, dass KI nicht für Multitasking gemacht ist. Im Gegensatz zu Menschen kann es nicht darauf trainiert werden, zwei verschiedene Spiele zu spielen. Wenn eine KI-Anwendung lernt, Schach zu spielen, kann sie darin sehr erfolgreich sein. Aber wenn diese Anwendung Poker spielen soll, muss das System neu trainiert werden. Dann wird es in der Lage sein, nur diese neue Aufgabe auszuführen.

Aus diesen Gründen muss eine KI-Lösung"umgeschult" werden:

  • Externe Änderungen: Das Geschäftsumfeld ändert sich ständig: Neue Wettbewerber treten in den Markt ein, neue Trends kommen in der Industrie auf, usw. All das wird wahrscheinlich zu Änderungen in den Aufgaben führen, die ein Unternehmen zu lösen hat.
  • Interne Änderungen: Jedes Unternehmen entwickelt sich, es erschließt neue Märkte oder stößt sie ab, es verändert die Struktur der Organisation oder der Geschäftsprozesse, es überdenkt Unternehmensstrategie, Ziele und KPIs. Nach einiger Zeit muss ein Unternehmen eine andere Aufgabe mit Hilfe der vorhandenen KI-Software lösen.

6. ML-Lösungen sollten verifiziert und kontrolliert werden

ML-basierte Systeme machen manchmal Fehler. Diese können kleiner ausfallen (z.B. unpassende Empfehlungen im E-Commerce) oder schwerwiegender (z.B. ein unbemerkter Betrugsfall im Banking). Aber selbst kleine Fehler können erhebliche Auswirkungen haben, wenn sie häufig auftreten. Kunden eines Online-Shops werden wahrscheinlich zu einem anderen Anbieter wechseln, wenn ihre Erwartungen nicht erkannt und erfüllt werden. Um diese negativen Konsequenzen zu vermeiden, sollte die Architektur der maschinellen Lernsoftware einen Kontrollmechanismus enthalten. Dieser analysiert die KI-Entscheidungen und findet Fehler. Diese "Superintelligenz" kann entweder ein menschliches oder ein anderes KI-Softwaremodul sein, das KI-Level-1-Entscheidungen prüft.

Fazit

KI ist ein vielversprechender Trend, der allmählich Teil der heutigen Welt wird. Mit dem Höhenflug von Big Data und Cloud-Technologien erreichte KI die Radars innovativer und wettbewerbsfähiger Unternehmen. Wir hoffen, dass Ihnen unsere Empfehlungen den Weg durch den KI-Softwareentwicklungs-Prozess ebnen.

Über den Autor: Boris Shiklo

Boris Shiklo, CTO von ScienceSoft, Anbieter für IT-Consulting und Softwareentwicklung, ist für die langfristige technologische Vision und Innovationsstrategie des Unternehmens verantwortlich. Unter seiner Aufsicht hat das Entwicklungsteam komplexe Projekte mit über 80.000 Personenstunden in den Bereichen Gesundheitswesen, Banken und Finanzen, Einzelhandel, Telekommunikation, öffentlicher Sektor und anderen Bereichen erfolgreich realisiert. Boris Shiklo verfügt über langjährige Erfahrung in IT-Beratung, Softwareentwicklung, Projektmanagement und strategischer Planung.

Sponsored Content

Hat dir der Artikel gefallen? Jetzt teilen!