Das sollten Sie über KI, Machine Learning und Big Data wissen

Blog Post

MR BLUEFIELD - September 11, 2020

arrow

Was bedeuten Künstliche Intelligenz (KI), Machine Learning und Big Data? Wie lassen sich die Begriffe voneinander abgrenzen? Digitalisierungsexperte Prof. Dr. Herbert Schuster erläutert in praxisnahen Beispielen die Unterschiede und Vorteile der verschiedenen Anwendungen.

 

Denkende Software, selbstlernende Maschinen und die aktive Nutzung von Daten – der Einsatz derartiger Methoden wird branchenübergreifend künftig wettbewerbsentscheidend sein. Unternehmen, die sich am Markt behaupten möchten, sollten ihre Prozesse frühzeitig digitalisieren und prüfen, wie sie die Technologie für ihr Unternehmen nutzbringend einsetzen können. Doch was ist der Unterschied zwischen den aktuell viel diskutierten Methoden Künstliche Intelligenz, Big Data und Machine Learning? Prof. Dr. Herbert Schuster, CIO von SNP und ehemaliger SAP-Manager, klärt auf:

„Aktuell werden die Begriffe KI, Machine Learing und Big Data sehr inflationär genutzt. Das liegt daran, dass sie Methoden beschreiben, die zwar verschieden sind, aber dennoch intensiv ineinandergreifen. So kann es beispielsweise kein maschinelles Lernen ohne Daten geben.

Big Data beschreibt im Grunde den Umstand, dass Unternehmen heutzutage enorme Datenmengen „Massendaten“ generieren. Diese sind so umfangreich, dass die interne IT in der Regel nicht mehr ausreicht, um die Menge zu bewältigen, geschweige denn zu anglisieren und für die Optimierung von weiteren Prozessen zu nutzen.

Beispiel:

Heute haben die meisten Stadtwerke pro Kunde nur einen Messwert. Wenn der Kunde aber einen Smart Meter (einen Stromzähler 4.0) nutzt, werden alle 15 Minuten Messdaten erzeugt: Vier mal pro Stunde, 24 mal am Tag an 365 Tagen im Jahr. Statt des einen Messwertes, summieren diese sich auf jährlich über 35.000 Werte – pro Haushalt. Für eine mittelgroße Stadt mit beispielsweise 50.000 Haushalten bedeutet das eine enorme Menge an Daten – Big Data.

 

Hier kommt nun das Thema KI ins Spiel. Wenn sehr viele Datensätze vorliegen, wie im genannten Beispiel und man diese auswerten will, liegt es nahe, Entscheidungen, die zuvor von Menschen getroffen wurden, von der Maschine durchführen zu lassen.

Beispiel:

Die Berechnung der Strommenge, die morgen für die Stadt Heidelberg benötigt wird. Das wird bereits heute von professionellen Systemen gemacht. Meist optimiert der Mensch durch die Zugabe von weiteren Informationen: Sind Semesterferien, ist ein Feiertag oder ein WM-Spiel? Durch den Einsatz eines künstlich intelligenten Algorithmus wird die Berechnung schneller und weniger fehleranfällig durchgeführt. Damit hat sich das intelligente System die Fähigkeit des Berechnens und Analysierens, die bisher zu unserem menschlichen Monopol gehörte, zu eigen gemacht – und beherrscht diese Fähigkeit um einiges besser als wir.


Wie aber schafft es dieses System, schneller und effizienter zu sein, als der Mensch? Einfache Antwort: Es lernt! Und zwar über eine Taktik, die man sich beim Menschen abgeschaut hat. Man baut lernende Systeme wie ein neuronales Netz (eine ähnliche Verflechtung wie unser Gehirn) auf und lässt es unzählige Millionen vergangene Fälle analysieren: Das neuronale Netz wertet den zurückliegenden Verbrauch, das Wetter, die Ferienzeiten und weitere zu definierende Variablen aus und prüft genau, wie diese Daten den Verbrauch beeinflusst haben. Mithilfe der aus dieser Analyse gewonnenen Erkenntnisse, macht Machine Learning ein Prognoseverfahren und optimiert es täglich auf Basis der neu erhobenen Daten. Dabei kommen Modelle heraus, die extrem gut ‚treffen‘ und den Stromverbrauch recht präzise vorhersagen können."

 

Herbert-Schuster-Profil

Prof. Dr. Herbert Schuster ist Gründer von Innoplexia, ein Tochterunternehmen der SNP-Gruppe, und CIO von SNP. Der ehemalige SAP-Manager, erfolgreiche Unternehmer und Keynote-Speaker ist einer der renommiertesten Digitalisierungsexperten Deutschlands.

 

 

CTA

MR BLUEFIELD FASST ZUSAMMEN

  • KI versucht, schrittweise jene Entscheidungen zu übernehmen, die für uns Menschen früher einmal einzigartig waren.
  • Die wichtigste Methode dafür ist das maschinelle Lernen.
  • Und damit das Ganze funktioniert benötigt man eine breite Datenbasis: Big Data.