Künstliche Intelligenz: Trends
Digitale Assistenten
Bei digitalen Assistenten mit Spracherkennung hat es in den letzten Jahren ein wahres Wettrüsten gegeben. Siri, Cortana, OK Google, Alexa und zuletzt auch Bixby dringen in den Alltag ein und wollen in Zukunft auch für Geschäftsprozesse immer wichtiger werden. Typische Sekretärs-Aufgaben, wie das Anlegen von Terminen oder das Buchen von Geschäftsreisen, werden solche Systeme vornehmen.
Smart Farming
Unter Smart Farming versteht man verschiedene, teils zusammenarbeitende intelligente Systeme in der Landwirtschaft. Sowohl Daten von Wetterdiensten als auch die eigener Sensoren, die beispielsweise den Säuregehalt im Boden messen, nutzen intelligente Systeme, um Dünger optimal zu dosieren oder die Felder durch automatische Anlagen zu sprenkeln. Selbst Landmaschinen können basierend auf den analysierten Daten zu den richtigen Zeiten autonom die Felder bewirtschaften.
Cobots
Unter Cobots versteht man autonom operierende Roboter, die in unmittelbarer Umgebung des Menschen eingesetzt werden können. Dabei dienen sie beispielsweise in der Montage als Assistenten, indem sie selbstständig erkennen, welche Teile oder Werkzeuge der Monteur für seinen nächsten Schritt benötigt, diese herbeischaffen und dem Monteur anreichen. Cobots sind ein wichtiger Bestandteil von Industrie-4.0-Konzepten, welche ohne künstliche Intelligenz nicht denkbar sind.
Empathie
Um optimal mit Menschen interagieren zu können, werden kognitive Systeme in Zukunft immer besser in der Lage sein, auch auf das emotionale Befinden des Gegenübers reagieren zu können. Der Teilbereich des Affective Computings beschäftigt sich mit der Simulation von Empathie. Hierzu können beispielsweise die Gesichtsmimik, aber auch die Wortwahl und Stimmfärbung des menschlichen Gegenübers analysiert werden. Empathische Systeme werden beispielsweise in Pflege- oder pädagogischen Einrichtungen eingesetzt.
Predictive Maintenance
Predictive Maintenance lässt sich mit dem Begriff „vorausschauende Wartung“ ins Deutsche übersetzen. Das Verfahren nutzt Mess- und Produktionsdaten von Maschinen und Anlagen mit dem Ziel, diese proaktiv zu warten und Störungszeiten zu minimieren. Störungen lassen sich vorhersagen, ehe es zu Ausfällen kommt.
Machine Learning
Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern – es „erkennt“ Muster und Gesetzmäßigkeiten in den Lerndaten. So kann das System auch unbekannte Daten beurteilen.(2) Die Masse der Daten (Big Data), mit denen der Algorithmus „angelernt“ wird, und deren Qualität sind dabei von zentraler Bedeutung für die Fähigkeiten der KI.
„Natural Language Processing“ (NLP)
NLP beschäftigt sich mit dem Verständnis und der Erzeugung natürlicher Sprache. Was Menschen natürlicherweise von Geburt an lernen, müssen Computer mithilfe von Algorithmen erreichen. Modernes NLP basiert auf den Methoden des Machine Learning. Neben digitalen Assistenten bestehen weitere Anwendungsmöglichkeiten in Callcentern oder auch bei Übersetzunganwendungen.
