Unser Artikel beantwortet Ihnen diese Frage:
- Was ist Künstliche Intelligenz?
- Wie intelligent ist Künstliche Intelligenz wirklich?
- Wie funktioniert Künstliche Intelligenz?
- Wie programmiert man Künstliche Intelligenz?
- Wofür brauchen wir Künstliche Intelligenz?
- Was sind die Vorteile von künstlicher Intelligenz?
- Wo wird Künstliche Intelligenz eingesetzt?
- Smarte Maschinen: Wie verändert Künstliche Intelligenz unser Leben?
- Wie verändert Künstliche Intelligenz unsere Gesellschaft?
- Wie können Unternehmen sicherstellen, dass ihre KI-Anwendungen ethisch und transparent sind?
- Glossar: Die wichtigsten KI-Begriffe
Was ist Künstliche Intelligenz genau?
Bei der Entwicklung von Systemen mit künstlicher Intelligenz (abgekürzt: KI, englisch: Artificial Intelligence) versuchen Forscher und Entwickler die menschliche Wahrnehmung und das menschliche Handeln mittels Maschinen nachzubilden. Eine offizielle Definition des Begriffs Künstlicher Intelligenz gibt es allerdings nicht, was unter anderem an der Abstraktheit des Begriffs Intelligenz und dem schnellen Wandel des Themengebiets liegt. Daher wird KI hauptsächlich über ihre Eigenschaften und die zugehörigen Teilgebiete, wie beispielsweise die Spracherkennung, Bildverarbeitung oder das Machine Learning definiert.
Eigenschaften, die charakteristisch für KI sind, sind Autonomie und Adaptivität. KI-Systeme haben also die Fähigkeit Aufgaben in komplexen Umgebungen auszuführen, ohne konstante Anleitung eines Menschen. Außerdem sind sie fähig ihre Leistung selbstständig zu verbessern, indem sie aus ihren Erfahrungen lernen.
Dieser Artikel ist Teil unseres Fokusthemas Künstliche Intelligenz. Hier finden Sie alle Artikel rund um KI:
Generell wird bei den Systemen in schwache und starke KI unterschieden:
- Unter schwacher KI versteht man Maschinen, die eine einzelne, menschliche kognitive Fähigkeit ersetzen können. Systeme mit schwacher KI erfüllen eine bestimmte Aufgabe und verhalten sich dabei intelligent.
- Eine starke KI wäre eine Maschine, die im Ganzen dieselben Fähigkeiten wie ein Mensch besitzt oder die menschlichen Fähigkeiten sogar übersteigt. Das System mit starker KI könnte so jede intellektuelle Aufgabe erfüllen. Es wäre intelligent (im Vergleich zu der schwachen KI, die sich lediglich intelligent verhält) und würde über ein Bewusstsein verfügen.
Die bis heute vorhandenen KI-Lösungen fallen alle in die Kategorie 'schwache KI'. Starke KI-Systeme gibt es lediglich im Bereich der Science Fiction.
Warum der Droide R2D2 aus Star Wars unsere Vorstellungen von Künstlicher Intelligenz prägt, lesen Sie hier.
Der Begriff Künstliche Intelligenz umfasst viele Teilgebiete, die wiederum zahlreiche KI-Methoden und KI-Anwendungen einschließen, zum Beispiel:
- Wissenserwerb und -repräsentation
- Robotik
- Muster-Erkennung (Bilder, Text, Sprache)
- Vorhersage (Big Data / Predictive Analytics)
- Maschinelles Lernen (Deep Learning/Neuronale Netze)
Gerade das Maschinelle Lernen oder auch die spezielle Form des Deep Learning werden häufig als die wichtigsten Methoden der artifiziellen Intelligenz angesehen, denn gerade das Lernen aus Erfahrungen und die Fähigkeit daraus neue Handlungen zu generieren, zeugen von Intelligenz.
In diesem Video des YouTube-Kanals Youknow, wird Ihnen in nur fünf Minuten erklärt, was Künstliche Intelligenz ist:
Video: Künstliche Intelligenz in fünf Minuten erklärt
Wie intelligent ist Künstliche Intelligenz wirklich?
Die Antwort auf diese Frage hängt eng mit der Definition des Worts 'intelligent' zusammen. Denn die Frage ist, ob Intelligenz das selbe ist, wie intelligentes Verhalten oder ob für Intelligenz ein Gehirn und ein Bewusstsein vorhanden sein müssen.
Unter der Voraussetzung, dass Intelligenz gleich intelligentem Verhalten ist, hat der englische Mathematiker und Logiker Alan Turing einen Test entwickelt, der ermitteln soll, ob eine Maschine intelligent ist. Bei dem sogenannten Turing Test interagiert ein menschlicher Ermittler mit zwei Chat-Partnern - einer davon ist menschlich, einer ein Computer. Ist es dem Ermittler durch den Austausch schriftlicher Nachrichten nicht möglich, die künstliche von menschlicher Intelligenz zu unterscheiden, so hat der Computer den Test bestanden und muss demnach das Level menschlicher Intelligenz erreicht haben.
Doch selbst wenn eine Maschine sich intelligent benimm t und so den Turing Test besteht, besitzt sie noch lange kein menschliches Gehirn. Wird dies für echte Intelligenz vorausgesetzt, so wären lediglich starke KI-Systeme wirklich intelligent.
Für die Gebiete, in denen KI momentan eingesetzt wird, ist die Frage nach 'echter Intelligenz' gar nicht so wichtig. Was wesentlich wichtiger ist, ist wie gut ein System die Aufgabe, für die es bestimmt ist, ausführen kann. In diesem Rahmen gilt häufig: Künstliche Intelligenz ist nur so schlau, wie die Daten, mit denen sie trainiert wird.
Wie funktioniert Künstliche Intelligenz?
Das Thema Künstliche Intelligenz umfasst viele KI-Methoden und KI-Anwendungen, die jeweils unterschiedliche Funktionsweisen haben. Generell wird das intelligente Verhalten der Technologien mit Mitteln der Informatik und Mathematik/Statistik simuliert. Die Computer werden für bestimmte Aufgaben trainiert, häufig indem sie große Datenmengen verarbeiten und darin Muster erkennen.
Dazu sind bestimmte Fähigkeiten notwendig, die sich in vier Bereiche aufteilen lassen: Wahrnehmen, Verstehen, Handeln und Lernen.
- Wahrnehmen: Mithilfe dieser Fähigkeit werden die Daten erzeugt, mit denen ein KI-gestütztes System arbeitet. Dazu dienen Sensoren aller Art, inklusive Kameras und Mikrofone.
- Verstehen: Dieser Teil der KI ist die verarbeitende Komponente, von der die Systemsteuerung ausgeht. Die Verarbeitung der gewonnenen Daten erfolgt mithilfe von statistischen Analysen, Sprach-/Bilderkennung, Algorithmen, die spezielle Regeln festlegen, oder Machine Learning.
- Handeln: Dies ist die Ausgabekomponente der KI, die Kommandos an angeschlossene Geräte gibt, Folgeprozesse auslöst oder andere Dinge, wie Bilder, Übersetzungen und ähnliches ausgibt.
- Lernen: Dieser Bereich ist das Besondere an den gegenwärtigen KI-Technologien. Sie können während der Trainingsphase und auch im laufenden Betrieb aus Fehlern und Feedback aus den Bereichen 'Verstehen' und 'Handeln' lernen.
Sowohl beim 'Verstehen' als auch beim 'Lernen' spielen Algorithmen sowie neuronale Netze eine wichtige Rolle.
Was sind Algorithmen?
Algorithmen sind detaillierte und systematische Handlungsanweisungen, die Schritt für Schritt definieren, wie ein mathematisches Problem gelöst werden kann. Algorithmen werden implementiert, sprich in Programmiersprache übersetzt, sodass der Computer / die Maschine aus gegebenen Informationen die gewünschte Lösung erzeugen kann.
Es gibt zum Beispiel Sortier- oder Suchalgorithmen (dazu gehören beispielsweise die Algorithmen von Google), aber auch Algorithmen, die komplexe Entscheidungen anhand aller dafür relevanten Faktoren treffen können. Dazu nimmt ein Algorithmus alle Faktoren (die zuvor von einem Menschen definiert werden müssen) zusammen und verknüpft diese in allen möglichen Varianten. Anschließend geht er jede Kombinationsmöglichkeit und deren Konsequenzen durch und vergleicht diese mit den programmierten Vorgaben. Daraus berechnet der Algorithmus die Antwort, die mit der höchsten Wahrscheinlichkeit die richtige ist.
Besonders wichtig für KI ist die Klasse der lernenden Algorithmen, die unter dem Oberbegriff Machine Learning zusammengefasst werden. Sie können aus einer großen Zahl an Beispielfällen lernen und allgemeine Regeln ableiten. Nach der Lernphase können Sie diese Erkenntnisse auf reale Fälle anwenden. Unter den Machine Learning Algorithmen gibt es außerdem Deep Learning Algorithmen, die zur Analyse und Verarbeitung von besonders großen Datenmengen genutzt werden - im Zusammenhang mit neuronalen Netzwerken.
Wie beispielsweise Such- und Sortieralgorithmen funktionieren, erfahren Sie in diesem Video des YouTube-Kanals Youknow:
Video: Wie funktionieren Algorithmen?
Wie funktionieren neuronale Netze?
Künstliche neuronale Netze (KNN) sind der Versuch, die aus der Forschung bekannten Aspekte des menschlichen Gehirns künstlich nachzubilden. Dabei geht es vor allem darum, das Zusammenspiel aus Nervenzellen (Neuronen) und deren Verbindungen (Synapsen) zu simulieren und zu nutzen.
Ziele künstlicher neuronaler Netze sind z um einen ein besseres Verständnis des menschlichen Gehirns und der dort ablaufenden Prozesse und zum anderen Fortschritte im Maschinellen Lernen anhand der Verknüpfung von riesigen Datenmengen (Big Data) und Deep Learning Techniken.
Ein einzelnes Neuron ist ein einfacher Informationsprozessor, der genau einen Informationsaspekt überprüfen kann. Zur Verarbeitung sehr komplexer Informationen werden daher viele Neuronen miteinander verbunden. Diese Verbindungen nennt man Synapsen, sie bilden ein komplexes Netzwerk zwischen den Neuronen. Ein neuronales Netz (egal ob biologisch oder artifiziell) besteht also aus einer hohen Anzahl an Neuronen, die Signale empfangen und über Verbindungen an andere Neuronen übermitteln können.
In einem KNN gibt es drei Typen von Neuronen-Schichten:
- Input Layer: Eine erste Neuronen-Schicht zur Rohverarbeitung der Informationen. Diese Neuronen speisen vorverarbeitete Informationen ins Netz ein.
- Hidden Layer(s): Eine bis endlich viele Neuronen-Schichten mit verknüpften Neuronen. Sie lernen während des Trainings mittels Beispielen aus den Rohinformationen Muster herauszulesen. Aus diesen werden komplexe typische Merkmale erarbeitet, um die Aufgabe zu lösen.
- Output Layer: Eine letzte Neuronen-Schicht - die sogenannte Ausgabe-Schicht. Sie kann sämtliche mögliche Ergebnisse repräsentieren.
Der große Vorteil künstlicher neuronaler Netze im Vergleich zur 'klassischen' Datenverarbeitung ist, dass sie mehrere Aspekte gleichzeitig betrachten können. Während ein 'einfacher' Algorithmus jede Eigenschaft eines Datensatzes nacheinander analysiert, können in den Schichten des KNNs alle Eigenschaften gleichzeitig analysiert werden.
Eingesetzt werden KNN beispielsweise zur Bildverarbeitung, Spracherkennung, für Frühwarnsysteme oder für Prozessoptimierung. Gerade diese Prozessoptimierung oder auch Fehlererkennung (über Bildverarbeitung oder Audioanalysen) werden in Unternehmen schon heute im Rahmen von Industrie 4.0 verwendet.
Wie Industrie 4.0 in der Praxis wirklich eingesetzt wird, erfahren Sie in diesem Artikel. Und in diesem Video erläutert Ihnen Philip Häusser von Terra X, wie neuronale Netze funktionieren:
Video: Wie funktioniert ein neuronales Netz?
Wie programmiert man Künstliche Intelligenz?
Wie ein System mit Künstlicher Intelligenz programmiert wird, hängt stark davon ab, was das System tun soll. Wie bei der Programmierung jedes Computerprogramms steht an erster Stelle die Wahl der passenden Programmiersprache. Die am häufigsten verwendeten Programmiersprachen für KI sind:
- Python hat sich zum Quasi-Standard beim maschinellen Lernen und der Analyse großer Datenmengen entwickelt. Sie ist sehr vielseitig und eignet sich für zahlreiche Anwendungsfelder, besonders im Bereich von künstlicher Intelligenz und dem Internet of Things.
- Prolog gilt als die wichtigste logische Programmiersprache und ist damit besonders für Simulatoren, Generatoren, sowie Systeme zur Diagnose und Prognose geeignet - also genau das, was in KI-Projekten häufig entstehen soll. Beispielsweise sind die Sprachverarbeitungskomponenten von IBMs KI 'Watson' in Prolog geschrieben. Watson und die zugehörige Softwareengine DeepQA basieren zusätzlich zu Prolog unter anderem auf Java und C++.
Warum IBM seine Watson-IoT-Zentrale ausgerechnet in München eröffnet, lesen Sie in diesem Beitrag. - Java ist als objektorientierte Programmiersprache sehr vielfältig und daher auch gut für die KI-Programmierung einsetzbar. Java eignet sich vor allem für Natural Language Processing, Suchalgorithmen und neuronale Netze. Java ist langsamer als C++, aber dafür einfacher zu programmieren.
- C++ vor allem für zeitkritische KI-Projekte relevant, da sie die schnellste Computersprache ist. Außerdem ist sie besonders umfangreich und stark in Statistik. Damit eignet sie sich hervorragend für maschinelles Lernen und neuronale Netze.
- LISP ist besonders stark in der induktiven Logik und dem maschinellen Lernen und daher ebenfalls gut für KI geeignet.
- R wird vor allem im Rahmen von Big Data zur Datenanalyse eingesetzt. Die Programmiersprache eignet sich hauptsächlich für statistische Methoden und erlaubt die freie Berechnung von Statistiken und Grafiken.
Zusätzlich zu einer KI-freundlichen Programmiersprache benötigt man zur KI-Implementierung Programmbibliotheken und Frameworks wie TensorFlow, Torch, Keras oder Caffe. Hierin sind die wichtigsten Unterprogramme, Routinen und Algorithmen zur KI-Entwicklung bereits implementiert, die dann in die eigene KI-Lösung übernommen werden können.
In diesem Video vom YouTube Kanal 'Breaking Lab' wird in zehn Minuten erklärt, wie eine KI-Anwendung grundsätzlich programmiert wird:
Video: KI programmieren in zehn Minuten
Wofür brauchen wir Künstliche Intelligenz?
Algorithmische Entscheidungssysteme sollen den Menschen bei Entscheidungen unterstützen oder ersetzen. Gerade im Bereich von Big Data ist das notwendig, um Entscheidungen überhaupt zu ermöglichen, denn hier könnte der Mensch allein aufgrund der großen Anzahl an Daten gar keine fundierte Entscheidung treffen.
Vorgänge können mittels KI-Unterstützung beschleunigt werden, gerade mit zunehmender Rechenkapazität von Computern. So wird es möglich, Aufgaben auszuführen, die der Mensch oder Maschinen ohne KI bisher aus Zeitgründen nicht bewältigen konnten.
Außerdem ermöglichen KI-basierte Systeme, vor allem das Machine Learning, vorherzusagen, was in Zukunft passieren wird.
Generell ist Künstliche Intelligenz eines von vielen Werkzeugen, um Probleme zu lösen. Dabei ermöglicht KI es, Dinge zu tun, die bisher so nicht möglich waren. Sie erlaubt es, seit langem bestehende Grenzen zu überwinden. Daher tragen KI-Systeme stark zur Wettbewerbsfähigkeit bei.
Wofür der Maschinenbau KI benötigt, erfahren Sie in diesem Artikel.
Welche Vorteile bietet KI für die Industrie?
Wo wird Künstliche Intelligenz eingesetzt?
Die Einsatzgebiete für Künstliche Intelligenz sind extrem vielfältig. Sie reichen von Spamfiltern und Produktempfehlungen im E-Commerce oder bei Streamingdiensten über Sprachassistenten wie Alexa oder Siri und Schachcomputer hin zu selbstfahrenden Autos. Mit der Digitalisierung der Industrie, also Industrie 4.0, ziehen auch bei vielen Unternehmen KI-basierte Systeme ein (wobei nicht alle Industrie 4.0 Anwendungen gleich KI enthalten).
Laut des Bundesverbands Digitale Wirtschaft finden sich im industriellen Umfeld KI-Lösungen grundsätzlich im Bereich der Datenerhebung und -analyse. Beispiele hierfür sind
- optische Inspektionen durch KI-Anwendungen im Bereich der Qualitätssicherung, die Fehler- oder Prozessanalysen möglich machen,
- Prozessautomatisierung in der Fertigung und Montage, die eine selbstregulierende Anpassung der Steuerungsparameter enthält,
- Roboter mit Künstlicher Intelligenz, die so einen noch besseren 'Griff in die Kiste' ausführen können,
- vorausschauende Datenanalyse, um Maschinen und Anlagen bedarfsgerecht zu warten (Predictive Maintenance),
Sprachsteuerung von Maschinen, - Chatbots für einen virtuellen Kundenservice und
- ERP Systeme mit KI-Strategien, die interne Produktionsstrukturen und -prozesse optimieren.
In welchen Branchen sich KI am meisten rechnet, erfahren Sie in diesem Artikel.
Lassen Sie sich von KI-Anwendungsbeispielen inspirieren!
Theorie ist gut, Praxis ist besser. Die Redaktion sucht immer wieder nach interessanten Anwendungsbeispielen und stellt sie Ihnen vor. Finden Sie Ihre KI-Idee:
- Wie Künstliche Intelligenz die Laserbearbeitung optimiert
- Maschinenbau: So bewährt sich KI im Praxiseinsatz
- Das kann künstliche Intelligenz in der Robotik (noch nicht)
- Bosch setzt auf generative KI in der Produktion
Alle Artikel zu künstlicher Intelligenz und Implementierungsmöglichkeiten in der Industrie finden Sie in unserem zugehörigen Fokusthema.
Smarte Maschinen: Wie verändert Künstliche Intelligenz unser Leben?
Spamfilter, personalisierte Werbung im Internet, passendere Suchergebnisse bei Online-Suchen, Chatbots für Anfragen beim Kundenservice und Navigationsgeräte, die Staus und Baustellen in die Wegberechnung mit einbeziehen - das alles sind Systeme, die mit Künstlicher Intelligenz arbeiten und unser tägliches Leben verändern. Seit neuestem kommen auch generative KI-Lösungen wie ChatGPT für Texterstellung oder DALL-E2 für Bilderstellung dazu.
In vielen Fällen sorgt sie für mehr Effizienz: während man früher wegen jeder kleinen Frage oder Schwierigkeit mit einem Produkt Stunden in der Warteschleife des Herstellers verbringen konnte, helfen heute in einigen Fällen Chatbots schnell und unkompliziert weiter. Autos parken sich automatisch ein, halten die Spur und den Abstand und erkennen Straßenschilder.
Unsere Smartphones unterstützen uns beim Schreiben von Nachrichten, indem sie unsere Schreibfehler korrigieren und sogar vorhersagen, welche Wörter wir verwenden werden. Und Sie erkennen unser Gesicht und entsperren sich dann automatisch.
Wie Gesichtserkennung funktioniert, erklärt dieses Video von Computerphile:
Video: Wie funktioniert Face ID / Gesichtserkennung?
Fest steht, dass Künstliche Intelligenz in vielen Bereichen des Lebens Einzug hält und halten wird. Bis sich das autonome Fahren ausbreitet wird es noch eine Weile dauern, doch beispielsweise Smart Home Anwendungen (zum Beispiel zum Energiesparen) und digitale Sprachassistenten setzen sich immer mehr durch. Während 2015 lediglich 390 Millionen Personen KI-gestützte Assistenten nutzten, sind es 2019 bereits knapp 1,38 Milliarden. Laut einer Prognose von Tractica werden die Zahlen weiter ansteigen; im Jahr 2021 sollen Sprachassistenten bereits 1,83 Milliarden Nutzer haben.
Nicht nur die Nutzer von Sprachassistenten wie Apples Siri, Amazons Alexa oder der Google Assistant nehmen zu, auch generell nutzen immer mehr Menschen KI-Systeme: 73 Prozent der Befragten einer Bitkom-Studie gaben an, bereits eine einfache Anwendung genutzt zu haben, die auf KI aufbaut.
Und das kommt nicht von ungefähr: Die Mehrheit der Deutschen hält künstliche Intelligenz für nützlich - 88 Prozent der befragten Bundesbürger einer PwC-Umfrage gaben an, dass Künstliche Intelligenz helfen wird, die Herausforderungen der Zukunft zu meistern. Als besonders hilfreich erachten sie KI in den Bereichen Cybersicherheit (49 Prozent), Saubere Energie/Klimawandel (45 Prozent) und dem Schutz vor Krankheiten (43 Prozent).
Wenn KI-Forscher es also schaffen, Systeme zu entwickeln, die genau diese Herausforderungen meistern können, gehören diese der Vergangenheit an. Die Technologien können helfen, Verkehrsstaus zu reduzieren, Verwaltungstätigkeiten schneller zu erledigen und medizinische Diagnosen und Behandlungen zu verbessern.
Zukunftstechnologien verstehen!
Die Technik entwickelt sich so schnell weiter wie noch nie. Neue Technologien halten ständig Einzug in unserem Leben. Natürlich heißt das nicht, dass alte Technologien verschwinden werden, aber die Relevanz wird sich verschieben. Welche Technologien und Konzepte wichtiger werden, was der aktuelle Stand ist und worin Chancen für die Industrie liegen, lesen Sie in unserer Rubrik "Zukunftstechnologien" - hier entlang!
Einen Überblick über die relevantesten Zukunftstechnologien und deren industrielle Einsatzmöglichkeiten hat unsere Redakteurin Julia Dusold in diesem Kompendium für Sie zusammengefasst: "Das sind die wichtigsten Zukunftstechnologien".
Wie verändert Künstliche Intelligenz unsere Gesellschaft?
Künstliche Intelligenz hat auf nahezu alle Bereiche unserer Gesellschaft Einflüsse. Sie verändert wie wir kommunizieren, neue Menschen kennenlernen, Nachrichten konsumieren und unsere Arbeit tun - auf positive und negative Weise.
Zum Beispiel konsumieren viele Menschen Nachrichten weniger über an die Allgemeinheit gerichtete Plattformen wie das Fernsehen, sondern in Sozialen Netzwerken, wo sie mit KI personalisierte Inhalte erhalten. Zwischen 2013 und 2019 ist die Nutzung von Sozialen Medien als Nachrichten-Quelle in Deutschland von 18 Prozent auf 34 Prozent angestiegen; das geht aus dem Digital News Report 2019 des Reuters Institute for the Study of Journalism hervor.
Gründe dafür sind laut einer Kantar-Studie hauptsächlich der leichte Zugriff auf ein breites Spektrum an Nachrichtenquellen sowie die Möglichkeit, Nachrichten zu kommentieren und mit anderen zu teilen. Während personalisierte Nachrichten auf der einen Seite sehr angenehm sind, fördern sie auch das Entstehen sogenannter 'Filterblasen' und die Trennung verschiedener sozialer Schichten. Das kann zu gesellschaftlichen Problemen führen.
Autonome Transportmittel und intelligente Verkehrssteuerung werden zukünftig nicht nur den Klimaschutz unterstützen, sondern auch mehr freie Zeit bei den Menschen schaffen, die dann wiederum für Arbeit oder Hobbys genutzt werden kann. Gleichzeitig verlagern sich die Aufgabenbereiche des Menschen in Bereiche, in denen Kreativität und Empathie gefordert sind.
Wie autonome Transportmittel funktionieren, wird vom YouTube-Kanal Doktor Whatson in diesem Video anhand eines selbstfahrenden Autos erklärt:
Video: Wie funktionieren selbstfahrende Autos?
Ebenso wird artifizielle Intelligenz die Polizeiarbeit und das Justizsystem verändern. Gesichtserkennung wird genauso üblich werden wie Fingerabdrücke. Und auch Analyse-Algorithmen werden relevanter werden: Gerichte in den USA nutzen beispielsweise bereits eine Software, die das Rückfälligkeitsrisiko von Straftätern berechnet. Die Berechnungen basieren dabei auf Informationen zu der Person und deren Umkreis, aber auch auf der Analyse aller ähnlichen begangenen Straftaten.
Auch Kultur wird durch den verstärkten Einsatz von artifizieller Intelligenz geprägt. In diesem Beitrag erfahren Sie, wie Künstliche Intelligenz die Kunst verändert.
Das Aufkommen der vielen neuen Technologien verändert unsere Gesellschaft nicht nur direkt, sondern auch indirekt. Zum Beispiel müsste an deutschen Schulen laut Auffassung des KI-Bundesverbandes dringend das Pflichtfach 'Digitale Bildung' oder 'Informatik' eingeführt werden. Denn es sei unverantwortlich, die Jugendlichen ohne aktive Unterstützung in die zunehmend digitalisierte Welt zu entlassen.
Bildung wird sich also in Zukunft wandeln müssen. Erste Schritte wurden mit der 'Nationalen Strategie für Künstliche Intelligenz' der Bundesregierung bereits getan: Neben vielen anderen Dingen wie der Förderung von Forschung und Entwicklung mit zusätzlichen Mitteln, sollen mindestens 100 neue Professuren im KI-Bereich an den Hochschulen geschaffen werden. Was für die Schulen geplant wird, ist noch unklar.
Wie können Unternehmen sicherstellen, dass ihre KI-Anwendungen ethisch und transparent sind?
Unternehmen sollten klare Regeln und Standards für KI-Lösungen definieren. Hierbei sollten auch Aspekte wie Datenschutz, Diskriminierung und Fairness berücksichtigt werden. Darüber hinaus ist es wichtig, die KI-Anwendungen regelmäßig zu überwachen und zu evaluieren.
Außerdem ist es hilfreich, sich frühzeitig über die entsprechenden Vorschriften und Bestimmungen informieren. Hierbei kann der Austausch mit Experten und Behörden helfen, die ethische Standards für die Entwicklung und Nutzung von KI festlegen. Wie so etwas abläuft, warum besonders internationale Standards wichtig sind und wie Unternehmen beim Einsatz von KI für mehr Vertrauenswürdigkeit sorgen können, lesen Sie in diesem Artikel: Warum wir bei KI auch über Ethik sprechen müssen.
Glossar: Die wichtigsten KI-Begriffe
- Machine Learning: Ein Teilbereich der Künstlichen Intelligenz, bei dem Algorithmen trainiert werden, um aus Daten Muster und Trends zu erkennen, ohne explizit programmiert zu werden.
- Deep Learning: Eine spezielle Art des maschinellen Lernens, die auf tiefen neuronalen Netzen basiert und es ermöglicht, komplexe Muster in großen Datenmengen zu erkennen.
- Neural Network / Neuronales Netzwerk: Eine Art von Algorithmus, der auf dem Funktionsprinzip des menschlichen Gehirns basiert und für die Lösung komplexer Probleme in Bereichen wie Computer Vision und NLP eingesetzt wird.
- Computer Vision: Ein Teilbereich der KI, der sich mit der Verarbeitung und Analyse von visuellen Daten beschäftigt, wie z.B. Bild- und Videodaten.
- Natural Language Processing (NLP): Ein Teilbereich der KI, der sich mit der Verarbeitung und Analyse natürlicher Sprache beschäftigt, wie z.B. bei Chatbots oder Spracherkennung.
- Robotics: Ein Teilbereich der Informatik, der sich mit der Konstruktion, Programmierung und Anwendung von Robotern beschäftigt.
- Expert Systems: Eine Art von KI-Systemen, die speziell für die Lösung von Problemen in bestimmten Fachgebieten entwickelt wurden und auf Wissensdatenbanken basieren.
- Big Data: Ein Begriff, der sich auf sehr große Datenmengen bezieht, die mithilfe von Technologien wie Hadoop und Spark verarbeitet werden können.
- Reinforcement Learning: Ein Teilbereich des maschinellen Lernens, bei dem Algorithmen durch positive und negative Verstärkung trainiert werden, um bestimmte Ziele zu erreichen.
- Predictive Analytics: Ein Teilbereich der Datenanalyse, der sich mit der Vorhersage zukünftiger Ereignisse oder Trends aus Daten beschäftigt und oft mithilfe von Machine-Learning-Technologien realisiert wird
Sie wollen die Welt der Industrie verstehen?
Erfahren Sie alles zu Industrie 4.0, Smart Manufacturing und der weiten Welt der Technik.
- exklusive Inhalte
- professionelle Berichterstattung
- kostenlose Freemium Mitgliedschaft
Das könnte Sie ebenfalls interessieren
Mehr Artikel zum Thema Künstliche Intelligenz:
- KI: News, Forschungsergebnisse und Technologie-Highlights
- Maschinenbau: So bewährt sich KI im Praxiseinsatz
- Weshalb KI in Unternehmen an Relevanz gewinnen wird
- Das sind die 4 Grundpfeiler einer erfolgreichen KI-Strategie
- Warum wir bei KI auch über Ethik sprechen müssen
- Wie Künstliche Intelligenz den Autobau kontrolliert
- 5 Beispiele: Wo KI in der Industrie bereits eingesetzt wird
- So setzen Unternehmen Künstliche Intelligenz ein
- Automatisierte Ersatzteilerkennung: So spart Bosch viel Zeit
- Roboter mit KI auf der Automatica 2023
- Besser für die Fabrik: Generative KI muss langweilig werden
- Schaeffler und Siemens entwickeln KI für Produktionsmaschinen
- Föderiertes Lernen: Fehler beim Schweißen schneller erkennen
- Warum KI und das Metaverse die Produktion prägen werden
Weitere Artikel auf PRDOUKTION.de, die Sie interessieren könnten:
- Alles, was Sie über Laser in der Industrie wissen müssen
- Das sind die 20 innovativsten Regionen in Deutschland
- Das sind die Trends in der industriellen Lasertechnik
- Diese vier Dinge muss der Maschinenbau in Angriff nehmen
- Cybersecurity 2024: Drei Prognosen und ein Déjà-vu
- Wie das Fraunhofer CCIT digitale Wertschöpfung unterstützt