EN 
DE 
FR 
IT Künstliche Intelligenz (KI) versetzt Systeme in die Lage, aus einer Vielzahl von Informationen ständig zu lernen, um Aufgaben zu bewältigen, die menschenähnliches Denkvermögen erfordern. Die meisten heute geläufigen Beispiele basieren vor allem auf Deep Learning. Mit dieser Technologie können Systeme für bestimmte Aufgaben trainiert werden, indem sie grosse Datenmengen verarbeiten und Datenmuster erkennen.
Die Geschichte der künstlichen Intelligenz
Der Begriff «künstliche Intelligenz“, auch «Artifical Intelligence» genannt, wurde bereits 1956 geprägt, doch erst heute gewinnt die KI dank grösserer Datenmengen, hoch entwickelter Algorithmen und Verbesserungen bei Rechenleistung und Datenspeicherung an Bedeutung. Diese frühen Arbeiten ebneten den Weg für die Automatisierung und formale Denkleistungen der Systeme von heute. KI-Technologien sind weder furchteinflössend noch intelligent. Stattdessen zeichnet sie sich durch viele spezifische Vorteile in vielen Branchen aus.
- KI automatisiert das Lernen durch Wiederholung und Erkenntnisse anhand von Daten. KI führt aufgrund grosser Datenmengen softwaregesteuerte Aufgaben zuverlässig aus. Dennoch bleibt menschliche Intelligenz für die Einrichtung des Systems und die Ermittlung der richtigen Fragestellungen unverzichtbar.
- KI macht bestehende Produkte intelligenter. In den wenigsten Fällen wird es eine eigenständige KI-Anwendung zu kaufen geben. Stattdessen werden Produkte, die Sie bereits nutzen, um KI-Fähigkeiten erweitert. Automatisierung, Chatbots und intelligente Maschinen können viele Aufgaben oder Produkte verbessern, von Security über medizinische Diagnostik bis hin zu Anlageanalysen.
- KI ist dank generativer Lernalgorithmen wandlungsfähig. So wie sich der Algorithmus das Schachspiel beibringen kann, können auch Programme und Produkte solche Instruktionen ständig aufnehmen.
- KI ermöglicht die Analyse grösserer Datenmengen. Noch vor wenigen Jahren wäre es fast unmöglich gewesen, ein Betrugserkennungssystem mit KI aufzubauen. Dank enorm hoher Rechenleistung und dank Big Data sieht das heute anders aus. Je mehr Daten für solche Modelle bereitgestellt werden, desto präziser werden sie.
- KI erzielt höchste Genauigkeit dank neuronaler Netze. So basieren Interaktionen mit Alexa, Google auf Deep Learning. Je mehr wir diese Funktionen nutzen, desto genauer werden sie. In der Medizin erzielen KI-Verfahren heute eine Genauigkeit wie gut ausgebildete Radiologen.
- KI erschliesst das volle Potenzial von Daten. Bei selbstlernenden Algorithmen stecken die Antworten in den Daten. KI hilft, sie zu finden. Da Daten heute eine grössere Rolle spielen als früher, verschaffen sie Unternehmen einen Wettbewerbsvorteil. Unternehmen mit den besten Daten gewinnen einen Vorsprung, selbst dann, wenn Mitbewerber ähnliche Verfahren nutzen.
Vor welche Herausforderungen stellt uns der Einsatz künstlicher Intelligenz?
Künstliche Intelligenz wird in allen Branchen Veränderungen nach sich ziehen, aber wir müssen auch ihre Grenzen kennen. Die wichtigste Einschränkung von KI-Systemen ist das Lernen auf der Grundlage von Daten. Es gibt schlicht keine andere Möglichkeit, Wissen in solche Anwendungen einzubetten. Das heisst aber auch, dass sich Ungenauigkeiten in den Daten in den Ergebnissen widerspiegeln. Zudem müssen alle zusätzlichen Vorhersage- oder Analyseschichten separat hinzugefügt werden. Die KI-Systeme von heute sind für klar umrissene Aufgaben trainiert. Ein System zur Betrugserkennung ist nicht in der Lage, ein Auto zu steuern oder Rechtsauskünfte zu erteilen.
So funktioniert künstliche Intelligenz
Grosse Datenmengen in Kombination mit schnellen, iterativen Berechnungen und intelligenten Algorithmen ermöglichen der Software das automatische Lernen anhand von Mustern oder Merkmalen in den Daten. KI ist ein breites Forschungsfeld und umfasst viele Theorien, Methoden und Technologien.
KI und BrokerStar
Heute wird KI bereits mittels einer spezialisierten Software für das automatische Software-Testing eingesetzt. Zudem finden KI-Funktionen im Reporting-System Anwendung. Der nächste Schritt ist der Einsatz einer Technologie, die auf die Daten von BrokerStar zugreifen kann. Damit könnten Abfragen einfacher getätigt werden. Dafür ist aber auch wieder eine spezialisierte Technologie nötig, denn Mainstream-Anwendungen wie ChatGPT, welche Daten aus dem öffentlichen Raum beziehen, sind nicht geeignet. WMC arbeitet intensiv an diesen Weiterentwicklungen, die fliessend in die Software Eingang findenb.
Quelle: SAS Institute