Wenn Maschinen für uns denken
Machine Learning (ML) ist einer der wesentlichen Schlüsselfaktoren aus dem Bereich Technologie, also dem Bereich, der digitale Vernetzung überhaupt erst ermöglicht. „Algorithmen verarbeiten Daten so, dass aus erkannten Mustern Sinnzusammenhänge inhaltlich verstanden werden können. So bedienen Suchmaschinen Anfragen mit kontextbezogenen Antworten – auch auf Fragen, die (noch) nicht gestellt wurden: sie „lernen“ aus ihren „Erfahrungen“, fasst der Rat der Internetweisen die Funktionsweise von Algorithmisierung & Machine Learning in einer Studie zusammen (Quelle: http://www.ieb.net/unsere-neue-studie-zur-schluesselfaktoren-der-digitalisierung-entwicklungen-auf-dem-weg-in-die-digitale-zukunft-ist-endlich-online/). Im Augenblick ist diese Schlüsseltechnologie in aller Munde, ist sie doch die Basistechnologie, die den Techniken der Künstlichen Intelligenz (KI) zugrunde liegt. Häufig werden diese beiden Begriffe sogar synonym verwendet. Für die Wirtschaft und die Werbetreibenden tun sich mit ML und KI völlig neue Möglichkeiten auf, sei es im Rahmen der automatischen Sprachverarbeitung, der Bildanalyse, der medizinischen Diagnostik, der Prozesssteuerung oder dem Kundenmanagement (Quelle: Fraunhofer Gesellschaft, Publikation Maschinelles Lernen).
Worauf basiert Machine Learning?
Machine Learning ist dem menschlichen Lernen recht ähnlich. Dem Computer wird beigebracht aus bestimmten antrainierten Erfahrungen selbstständig Wissen zu generieren, und mithilfe dieses Wissens selbstständig Lösungen für künftig auftretende Probleme zu entwickeln. Daten werden intelligent miteinander verknüpft, Zusammenhänge identifiziert und daraus Rückschlüsse gezogen bzw. Prognosen gebildet. Die selbstlernenden Maschinen sind dabei äußerst erfolgreich, in vielen Mensch-Maschine-Wettkämpfen, in denen kognitive Fähigkeiten eine Rolle spielten waren die Maschinen den Menschen überlegen, wie etwa im Jahr 2016, als Googles AlphaGo Machine-Learning-System den amtierenden Go-Weltmeister in diesem asiatischen Strategiespiel mit 4:1 schlug (Quelle: https://www.computerwoche.de/a/was-sie-ueber-maschinelles-lernen-wissen-muessen,3329560).
Deeper and deeper
Machine Learning macht sich verschiedene Verfahrenstechniken zunutze. Es gibt Lerntechniken wie das überwachte Lernen (die Antworten werden der Maschine mitgeliefert) oder das unüberwachte Lernen (die Maschine entdeckt von selber das grundlegende Muster in den gelieferten Daten). Mittlerweile können sich die Maschinen bereits menschliche Fähigkeiten wie Hören, Sehen oder Sprechen aneignen. Dies gelingt, indem künstliche neuronale Netze erfolgreich eine Simulation des menschlichen Gehirns und dessen miteinander verbundenen Neuronen abbilden. An dieser Stelle spricht man auch gerne vom sogenannten Deeplearning, einem maschinellen Lernverfahren auf Basis eben dieses künstlichen neuronalen Netzes, welches von Google, Apple oder Facebook bereits eingesetzt wird. So dient die Anwendung bei Facebook etwa zur Gesichtserkennung der einzelnen Mitglieder, mit der Möglichkeit diese auf Bildern zu markieren. Bei E-Mail-Programmen werden Spam-Nachrichten auf diese Weise ausgefiltert.
Ausblick
Machine Learning und damit der große Markt, der sich mit den Anwendungen Künstlicher Intelligenz auftut, wird auch die Gepflogenheiten im Marketingbereich revolutionieren. Diese Ansicht teilen laut einer Studie der Boston Consulting Group rund 85 % der dort befragten Führungskräfte. Sie glauben, dass ihre Unternehmen mit künstlicher Intelligenz (KI) einen Wettbewerbsvorteil erzielen oder ihre Marktposition behaupten können (Quelle: The Boston Consulting Group, “Is Your Business Ready for Artificial Intelligence”, September 2017). Mithilfe von ML können Kundenstämme daraufhin analysiert werden, wer die profitabelsten Nutzer sind oder welche Typen von Nutzern es gibt, um Anzeigen richtig platzieren zu können und um den Kunden personalisierte Inhalte anbieten zu können (Quelle: https://www.thinkwithgoogle.com/intl/de-de/marketingressourcen/mobile-werbung/machinelles-lernen-schafft-neue-impulse-fuer-das-app-marketing/).
Wichtig für die Zukunft des Wirtschaftsstandorts Deutschland ist, dass sich die Bundesrepublik vom Wettbewerb nicht abhängen lässt, denn insbesondere aus China und den USA kommt ein enormer Innovationsdruck. Es gilt möglichst rasch eine anwendungsnahe Umsetzung von KI in innovative Produkte, Prozesse und Dienstleistungen zu realisieren. Bei allen Vor- und Nachteilen der neuen Technik ist doch eines klar: Sie wird unausweichlich die Arbeitswelt der Zukunft transformieren und in alle gesellschaftlichen Bereiche hineinwirken.
Die Chancen und Herausforderungen von Machine Learning auf einen Blick:
Chancen
Kontexte werden automatisiert erfasst und ersparen es den Nutzern, Standarddaten immer wieder eingeben zu müssen (z. B. Ortsangaben für Wetter, Fahrpläne). Marketingprozesse können optimiert werden, bspw. indem Kunden exakt auf sie zugeschnittene Inhalte angeboten werden.
Herausforderungen
Je weiter die „Macht“ der Algorithmen reicht, umso schwerwiegender werden deren mögliche Fehler: Nicht alle Entscheidungen können adäquat aus bestehenden Mustern abgeleitet werden (z. B. Kreditgewährung, selbstfahrende Autos).
