Machine Learning, Deep Learning oder doch nur KI?

Eine Einführung in das Thema künstliche Intelligenz

Veröffentlicht: Stuttgart, 10.02.2022

Die Begriffe künstliche Intelligenz (KI) und Machine Learning (ML) sind in aller Munde und werden oft synonym verwendet. Allein die Abkürzung KI für künstliche Intelligenz zeigt, wie lange wir uns mit diesem Thema schon beschäftigen. Wo gibt es denn heute noch deutsche Begriffe für Technologien?

Key Takeaways

• Abgrenzung zwischen KI, ML, Deep Learning
• Almato KI-Projektbeispiele im Bereich RPA, Mobile, Web
• Größte Herausforderung in ML-Projekten: die Beschaffung von Daten

Obwohl wir uns bereits so lange damit beschäftigen, ist die Bedeutung der Begriffe nicht immer klar. KI kann man als Oberbegriff der Informatik auslegen. Jede Rechenoperation, die ein Computer ausführt, ist streng genommen künstliche Intelligenz. Der Mensch hat regelbasierte Systeme konstruiert, die auf Basis von Algorithmen Problemstellungen lösen können und damit künstliche Intelligenz geschaffen. Ganz konkret könnte man somit Konrad Zuse als Vater der KI bezeichnen, denn vor 80 Jahren hat er mit seinem Team den ersten digitalen Rechner, den Z3, erschaffen.

Heute verstehen wir unter KI wissensbasierte Systeme, Systeme zur Musteranalyse und Mustererkennung, Systeme zur Mustervorhersage und Robotik. Das führt direkt zum Teilgebiet der KI – Machine Learning. Hierbei werden auf Basis von Algorithmen Modelle trainiert. Mit diesen Modellen können Dinge wiedererkannt werden. So kann man Objekte auf Fotos erkennen oder Dokumente kategorisieren. Almato bietet zur Kategorisierung von Texten, wie etwa E-Mails, den Almato Classifier an. Dieser kann sowohl in der Cloud als Service als auch als lokale Installation verwendet werden. Der Almato Classifier analysiert die Daten und bestimmt automatisch, welcher Algorithmus zum Modell mit der besten Erkennungsrate führt.

Deep Learning soll nicht nur wiedererkennen, sondern logische Schlussfolgerungen ziehen können. Dazu werden neuronale Netze statt Algorithmen eingesetzt. Es gibt natürliche neuronale Netze (das menschliche Gehirn) und künstliche neuronale Netze. Deep Learning wird beispielsweise heute bei autonom fahrenden Fahrzeugen eingesetzt aber auch bei der Übersetzung von Texten (z. B. deepl.com).

Wir bei Almato setzen künstliche Intelligenz (nach dem heutigen Verständnis) in vielen unserer Projekte ein. Im Bereich Robotic Process Automation (RPA) kommt neben Robotics auch Machine Learning zum Einsatz. Man spricht dann auch von Intelligent RPA. Für unsere Kunden lesen und klassifizieren wir z. B. Formulare vollständig automatisiert. Im Bereich der Anwendungsentwicklung nutzen wir Machine Learning zur Umsetzung der Kundenanforderungen in Mobile- und Web-Apps. Mit diesen Lösungen können wir z. B. erkennen, ob auf einem Portal Bilder mit anstößigem Inhalt hochgeladen werden oder ob Preisschilder in Verkaufsregalen am richtigen Platz hängen. Außerdem lassen sich Merkmale von Objekten auf Basis von Fotos automatisch ermitteln oder prüfen. Auch das Lesen von Texten, die per klassischem OCR nicht erkennbar sind, wie z. B. 7-Segment-Anzeigen, haben wir auf Basis ML bereits realisiert.

„Um Machine-Learning-Projekte erfolgreich umzusetzen, muss man agil vorgehen, die Daten verstehen und so früh wie möglich die Realisierbarkeit der Konzepte prüfen.“
Karsten Schmöker, Prokurist & Director Application Engineering, Almato 

Eine große Herausforderung in ML-Projekten ist die Beschaffung von Daten. Um die Menge an benötigten Daten soweit als möglich zu reduzieren, setzen wir auf vortrainierte Modelle. Aber auch bei der Beschaffung von Daten können wir unseren Kunden behilflich sein. So kann es schon mal vorkommen, dass wir in unserem Labor mit dem 3D-Drucker und weiteren Teilen aus dem Modellbaufachhandel einen Drehteller mit Kamera konstruieren, der Objekte von allen Seiten fotografiert und so die nötigen Trainingsdaten erzeugt.

In ML-Projekten kann nicht immer klar vorhergesagt werden, welches Ergebnis konkret erreicht werden kann. Wie die Lösung genau aussieht, die zur Erfüllung der Projektziele nötig ist, muss im Verlauf erarbeitet werden. Dieser Prozess wird durch das agile Projektvorgehen nach Scrum, das bei Almato seit fast 10 Jahren konsequent eingesetzt wird, unterstützt. In vielen Iterationen (Sprints) werden einzelne Ergebnisse erarbeitet, die in Summe die Anforderungen realisieren. Die größten Herausforderungen werden dabei ganz am Anfang betrachtet, um die technischen Risiken so früh wie möglich zu eliminieren. Auf Basis der Erkenntnisse können nach jedem Sprint neue Entscheidungen getroffen und der Weg zum Ziel angepasst werden.

_ _ _ _ _

Ihnen hat unser Artikel gefallen, aber Sie haben Rückfragen?
Gerne klären wir Ihre Fragen und beraten Sie zum Thema künstliche Intelligenz. Sprechen Sie uns einfach an.