Joachim Reinhart (Buch) – jpc
Posted by Julia Werner •
Künstliche Intelligenz - eine Einführung - eBook
Produktinformationen "Künstliche Intelligenz - eine Einführung - eBook"
Sie erhalten schnellstmöglich in den nächsten 24 Stunden Ihren Download (pdf)
Grundlagen, Anwendungsbeispiele und Umsetzungsstrategien für UnternehmenDas Buch bietet eine fundierte Einführung in die Grundlagen der Künstlichen Intelligenz und der neuronalen Netze. Es will Ängste nehmen und Unternehmen Mut machen, sich mit den zahlreichen Anwendungsfeldern von Künstlicher Intelligenz zu beschäftigen. So werden mögliche Einsatzgebiete sowie mittel- und langfristige Entwicklungen anhand von Beispielen aus der Unternehmenspraxis veranschaulicht. Zudem wirft das Buch einen Blick auf systemimmanente Risiken und Nebenwirkungen - denn die Grenzen der Technologie zu kennen, hilft, Enttäuschungen bei Entwicklung und Nutzung vorzubeugen. Abschließend werden pragmatische Wege dargelegt, wie Unternehmen die Potenziale von Künstlicher Intelligenz erkennen und strategisch umsetzen können. "Grundlagen der Künstlichen Intelligenz "Technologische und ökonomische Trends und Treiber "Anwendungsfelder inkl. 20 Praxiscases u.a. aus den Bereichen Predictive Maintenance, Augmented Reality und Autonome Robotik "Risiken und Nebenwirkungen wie Nachvollziehbarkeit, Prognostizierbarkeit, Verantwortung, Missbrauch "Umsetzungsstrategien für Unternehmen: Potenziale erkennen und nutzen.Falls Sie lieber die Printausgabe bestellen möchten, kontaktieren Sie uns.
Weiterführende Links zu "Künstliche Intelligenz - eine Einführung - eBook"
Künstliche Intelligenz, Teil 1 – eine Einführung
Künstliche Intelligenz – Trend, Chance und Zukunft. KI wird immer relevanter und immer mehr Unternehmen beschäftigen sich mit der Thematik, werben damit – häufig jedoch, ohne wirklich von der Technologie Gebrauch zu machen, denn KI bleibt für viele weiterhin nur ein eher abstrakter Begriff – ein eher undurchsichtiges Thema mit wenig konkreten Vorstellungen. Wo fängt KI an, wo sind mögliche Einsatzgebiete, wo sind ihre Grenzen?
Wir möchten daher das Umfeld „Künstliche Intelligenz“ von den Grundlagen beginnend betrachten und schließlich konkret auf die Möglichkeiten im Unternehmen und entlang der Supply Chain eingehen – mit nachvollziehbaren Beispielen und vielen verständlichen Erklärungen. Und wollen somit nicht Werbung mit dem Trendbegriff und leeren Worthülsen betreiben, sondern einen fundierten, konkreten Einblick verschaffen.
In diesem ersten Beitrag der KI-Serie steigen wir ganz am Anfang ein: mit einer Definition von KI.
Künstliche Intelligenz – eine Definition
Häufig beginnt die Unsicherheit bereits bei der Begriffsdefinition selbst. Was ist künstliche Intelligenz eigentlich genau? Wo fängt sie an, was ist noch „nur ein Programm“?
Definitionen finden sich im Internet viele, zum Beispiel folgende:
„Artificial intelligence leverages computers and machines to mimic the problem-solving and decision-making capabilities of the human mind.” – IBM
of the human mind.” – IBM „Meist bezeichnet künstliche Intelligenz den Versuch, bestimmte Entscheidungsstrukturen des Menschen nachzubilden, indem z. B. ein Computer so gebaut und programmiert wird, dass er relativ eigenständig Probleme bearbeiten kann.“ – Wikipedia
nachzubilden, indem z. B. ein Computer so gebaut und programmiert wird, dass er relativ eigenständig Probleme bearbeiten kann.“ – Wikipedia „The science and engineering of making intelligent machines ” – John McCarthy in 1955
” – John McCarthy in 1955 “Versuch, menschliches Lernen und Denken auf den Computer zu übertragen und ihm damit Intelligenz zu verleihen. Statt für jeden Zweck programmiert zu werden, kann eine KI eigenständig Antworten finden und selbstständig Probleme lösen“
Gemeinsam haben sie alle eines, einfach ausgedrückt: die menschliche Intelligenz soll künstlich nachgestellt werden. Entscheidungen oder Tätigkeiten, die wir ausführen, soll auch die Maschine ausführen können. Das Denken, das Lernen, das Handeln – es soll dem des Menschen ähneln, am besten so nah wie möglich kommen. Und teilweise auch noch weiter: KI hat oft auch zum Ziel, mehr zu erkennen, mehr zu leisten, besser zu sein als der Mensch.
Schwer gestaltet sich jedoch immer die Abgrenzung: Ab wann ist eine künstliche Intelligenz als solche zu definieren, ab wann ist ein Programm nicht mehr nur ein Programm, sondern tatsächlich „intelligent“? Auch im biologischen Sinne ist diese Abgrenzung schon nicht leicht, also genauer genommen nie genau definiert worden. In der Psychologie wird unter Intelligenz u.a. die Fähigkeit angesehen, sich an unbekannte Situationen anzupassen und neue Probleme zu lösen.
Wenn man diese Definition jedoch so übernimmt, ist fragwürdig, ob auch offiziell als künstliche Intelligenz deklarierte Programme immer intelligent sind. Denn: es gibt schwache und starke künstliche Intelligenz.
Schwache KI
Reaktive Reaktion auf Problemstellungen auf Basis von Methoden der Mathematik oder Informatik mit anschließender Selbst-Optimierung
auf Problemstellungen auf Basis von Methoden der Mathematik oder Informatik mit anschließender Selbst-Optimierung Beschäftigung mit der Erfüllung der Problemlösung , nicht mit dem Verständnis
, nicht mit dem Verständnis Für eine bestimme Aufgabe konzipiert
konzipiert Lernend, also optimiert sich
B.: Spracherkennung, Übersetzer; Kombination aus mehreren schwachen KIs: Autonomes Fahren
Starke KI
Intelligentes und flexibles Handeln von Maschinen aus eigenem Antrieb
von Maschinen aus eigenem Antrieb logisches Denkvermögen, Entscheidungsfähigkeit bei Unsicherheit, Planungs- und Lernfähigkeit, Kommunikation über natürliche Sprache und die Kombination aller Fähigkeiten
bei Unsicherheit, Planungs- und Lernfähigkeit, Kommunikation über natürliche Sprache und die Kombination aller Fähigkeiten Bewusst über das eigene Sein , ununterscheidbar vom menschlichen Wesen
, ununterscheidbar vom menschlichen Wesen Bisher so noch nicht erreicht
An neue Probleme und unbekannte Situationen kann sich die schwache Intelligenz also nur in geringen Maßen anpassen. Eine echte starke KI gibt es jedoch auch noch gar nicht. Damit bleibt die genaue Abgrenzung einer KI mehr oder weniger offen. Festgehalten werden können jedoch die Kennzeichen der schwachen KI: Als Abgrenzung von einfachen Programmen wird häufig der lernende Aspekt gesehen, also eine Weiterentwicklung von der Ausgangssituation.
Die wichtigsten Begriffe im Umfeld
KI, starke und schwache KI sind damit in einem ersten Zug umrissen. Doch gibt es im Umfeld noch einige weitere Begriffe. Im Folgenden eine kleine Übersicht mit den jeweils groben Definitionen:
Künstliche Intelligenz (KI) = Artificial Intelligence (AI) = „Versuch, menschliches Lernverhalten auf einen Computer zu übertragen und ihm so ein Stück weit Intelligenz zu verleihen“
= „Versuch, menschliches Lernverhalten auf einen Computer zu übertragen und ihm so ein Stück weit Intelligenz zu verleihen“ Maschinelles Lernen (ML) = Machine learning = „Ansatz, bei dem einem Computer das Lernen aus eigener Erfahrung ermöglicht wird. Hierbei kann er aus einzelnen Fallbeispielen ein Muster erkennen und daraus eigene Regeln ableiten.“
= „Ansatz, bei dem einem Computer das Lernen aus eigener Erfahrung ermöglicht wird. Hierbei kann er aus einzelnen Fallbeispielen ein Muster erkennen und daraus eigene Regeln ableiten.“ (Künstliches) neuronales Netz (KNN) = artificial neural network (ANN) = „bezeichnet die Nachbildung der Funktionsweise des menschlichen Gehirns durch die Verknüpfung künstlicher Neuronen in einem Computersystem.“
= „bezeichnet die Nachbildung der Funktionsweise des menschlichen Gehirns durch die Verknüpfung künstlicher Neuronen in einem Computersystem.“ Tiefes Lernen = Deep Learning = „Hier werden bestimmte Architekturen von künstlichen neuronalen Netzen genutzt. Diese bestehen aus einer Vielzahl von hintereinanderliegenden Schichten mit künstlichen Neuronen.“
Ebenfalls möchten wir an der Stelle noch kurze die verschiedenen Arten des maschinellen Lernens erklären. Diese sind im Umfeld ebenfalls gut mal gehört zu haben.
Überwachtes Lernen
Trainingsdaten werden für die KI vorbereitet, z.B. werden Bilder von Katzen und Hunden mit der jeweiligen Art „gelabelt“ -> KI lernt dann anhand mit dieser Beispiele und Label. Labeln ist aufwendig, aber die Grundlage für ein erfolgreiches, überwachtes Lernen
Unüberwachtes Lernen
KI bekommt große Datenmengen ohne Labels und sucht eigenständig nach Mustern in den Daten. Vorteil, da aufbereitete Datensätze eher selten sind (vgl. Big Data) und zweitens, da die KI somit auch durch den Menschen noch unerkannte Zusammenhänge erkennt. Häufig wird diese Art mittlerweile jedoch auch „Selbst-überwachtes Lernen“ genannt.
Bestärkendes Lernen
Wenn die KI ihre Ziele erreicht, dann wird sie „belohnt“, wenn nicht, dann bekommt sie entweder nichts oder wird „bestraft“. Somit eine Art „Versuch-Irrtum“ Methode, mit welcher sich die KI durch das Ausprobieren weiterentwickelt. Wird oft kombiniert mit dem tiefen Lernen, dem dann sogenannten Deep Reinforcement Learning.
SAP und künstliche Intelligenz?
Bevor wir nun mit dem ersten Beitrag abschließen, möchten wir zunächst noch das Thema „SAP und KI“ beleuchten. Denn wir möchten auf diesem S/4HANA Blog natürlich auch SAP mit ins Spiel bringen. Welche Möglichkeiten bietet SAP mit künstlicher Intelligenz schon aktuell und was ist noch geplant?
Seit Jahren investieren große Softwareunternehmen schon in künstliche Intelligenz – auch die SAP. Der damalige SAP-Chef Bill McDermott kündigte 2016 nochmal offiziell an: Der Konzern wird kräftig in KI investieren. Grundlage hierfür bildete auch die HANA Technologie. Mittlerweile gibt es viel sogenannte „integrierte KI“, das heißt KI, die in den SAP Produkten bereits vorhanden ist. Diese findet sich mittlerweile schon an mehreren Stellen im SAP S/4HANA System.
Zudem gibt es mit SAP jedoch auch integrierte KI, die jedoch individuell angepasst werden kann. Etwa speziellere Tools für Geschäftsanalysen. Dazu gehört etwa SAP Cloud Analytics.
Reicht all das nicht, können natürlich auch Third-Party Systeme integriert werden oder eigene Entwicklungen ergänzen das SAP System.
Möglichkeiten und Lösungen gibt es also, KI mit SAP ist auf den verschiedensten Wegen umsetzbar. Welche das sind, erfahren Sie in den kommenden Beiträgen.
Fazit
Und damit möchten wir es bei der „Theorie“ zur künstlichen Intelligenz auch vorerst belassen. Wir hoffen wir konnten Ihnen damit einen verständlichen Einstieg ins Thema verschaffen.
KI kann überall Anwendung finden. Wir möchten in den kommenden Beiträgen jedoch die Anwendungsmöglichkeiten von KI entlang der Supply Chain und innerhalb der Unternehmen beleuchten. Dazu sehen wir uns die Bereiche Einkauf, Lager & Logistik, Produktion und Vertrieb an. Dabei gehen wir auch konkret auf die Möglichkeiten mit SAP ein. Bleiben Sie also dabei und lesen Sie auch unsere kommenden Beiträge zum Top-Thema „Künstliche Intelligenz“.
Joachim Reinhart (Buch) – jpc
Klappentext Das Buch bietet eine fundierte Einführung in die Grundlagen der Künstlichen Intelligenz und der neuronalen Netze. Es will Ängste nehmen und Unternehmen Mut machen, sich mit den zahlreichen Anwendungsfeldern von Künstlicher Intelligenz zu beschäftigen. So werden mögliche Einsatzgebiete sowie mittel- und langfristige Entwicklungen anhand von Beispielen aus der Unternehmenspraxis veranschaulicht. Zudem wirft das Buch einen Blick auf systemimmanente Risiken und Nebenwirkungen - denn die Grenzen der Technologie zu kennen, hilft, Enttäuschungen bei Entwicklung und Nutzung vorzubeugen. Abschließend werden pragmatische Wege dargelegt, wie Unternehmen die Potenziale von Künstlicher Intelligenz erkennen und strategisch umsetzen können.
. Grundlagen der Künstlichen Intelligenz
. Technologische und ökonomische Trends und Treiber
. Anwendungsfelder inkl. 10 Praxiscases u. a. aus den Bereichen Predictive
Maintenance, Augmented Reality und Autonome Robotik
. Risiken und Nebenwirkungen wie Nachvollziehbarkeit, Prognostizierbarkeit,
Verantwortung, Missbrauch
. Umsetzungsstrategien für Unternehmen: Potenziale erkennen und nutzen
Tagged: