Machine Learning auf dem Vormarsch: Wie Unternehmen davon profitieren können

Digitale Revolution

Die MIT-Vordenker Erik Brynjolfsson und Andrew McAfee sagen voraus, dass der gesamtwirtschaftliche Effekt des sogenannten zweiten Maschinenzeitalters («second machine age») vergleichbar sein wird mit dem, was einst die Dampfmaschine bewirkte, als sie die menschliche Muskelkraft ersetzte («first machine age»).
Viele fühlen sich unwohl bei dem Gedanken, dass es eine künstliche Intelligenz neben der menschlichen gibt. Das ist verständlich. Parallel zur technologischen Entwicklung müssen wir deshalb darüber diskutieren, wie Mensch und KI künftig nebeneinander bestehen können, welche moralischen und ethischen Aspekte die Entwicklung nach sich zieht, wie wir sicherstellen, dass wir die KI im Griff behalten, und welche gesetzlichen Rahmenbedingungen wir brauchen, um die Entwicklung zu steuern. Diese Fragen zu beantworten, wird ebenso wichtig sein, wie die Anstrengung, technologische Herausforderungen zu lösen. Hier helfen weder Dogmen noch Ideologien. Es braucht stattdessen eine sachliche Debatte auf breiter Ebene, die das gesellschaftliche Wohl als Ganzes im Blick hat.

Maschinelles Lernen bei Amazon

In den vergangenen 20 Jahren haben Tausende von Software-Ingenieuren bei Amazon am Thema «Maschinelles Lernen» gearbeitet. Wir wagen zu behaupten, dass wir das Unternehmen sind, das KI und ML am längsten als Business Technologie einsetzt. Wir wissen, dass innovative Technologien immer dann Fahrt aufnehmen, wenn Eintrittsbarrieren für Marktteilnehmer sinken.
Das ist aktuell der Fall bei KI und ML. Wer früher KI für sich nutzen wollte, musste ganz vorne anfangen: Algorithmen entwickeln und diese mit enormen Mengen von Daten füttern – selbst wenn er später eine Anwendung benötigt, die auf einen ganz bestimmten Kontext begrenzt ist. Man spricht hier von sogenannter «schwacher» KI. Viele der Kundenschnittstellen, die uns heute vertraut sind, wie Empfehlungen, Ähnlichkeiten, oder Autofill-Funktionen bei Suchmaschinen, basieren bereits auf Maschinellem Lernen. Inzwischen können wir auch Lager- und Lieferzeiten prognostizieren, voraussagen, wo Kunden Probleme haben könnten und daraus automatisiert ableiten, wie sie zu lösen sind. Wir entdecken Produktfälschungen, sortieren automatisch unzulässige Produktbewertungen aus und schützen unsere Kunden vor Betrug. Und das ist nur die Spitze des Eisbergs. Bei Amazon stehen uns Milliarden von Daten zu Bestellvorgängen der Vergangenheit zur Verfügung. Diese können wir einsetzen, um weitere KI/ML-basierte Modelle mit vielen verschiedenen Funktionalitäten zu entwickeln. Zum Beispiel Programmierschnittstellen, die Entwickler zur Analyse von Bildern, dem Umwandeln von Text in Sprache oder zur Erstellung von Chatbots nutzen können. Aber letztendlich werden auch alle fündig, die selbst Modelle definieren, trainieren und skalieren wollen. So gibt es vorkonfigurierte und aufeinander abgestimmte Bibliotheken und Deep Learning Frameworks, die es jedem ermöglichen, sehr schnell damit loszulegen.
Unternehmen wie Netflix, Nvidia, oder Pinterest nutzen unsere Fähigkeiten für ML und Deep Learning. In einer Art Ökosystem bilden sich mehr und mehr Schichten, an denen Unternehmen und Organisationen ihr Geschäft andocken können – je nachdem wie tief sie selbst in die Materie eintauchen wollen und können. Entscheidend sind die Offenheit der Schichten und die verlässliche Verfügbarkeit der Infrastruktur. Früher waren KI-Technologien so teuer, dass es sich kaum lohnte, sie einzusetzen. Heute sind KI und ML-Technologien von der Stange verfügbar; man kann sie nach individuellem Bedarf abrufen. Sie bilden die Grundlage für neue Geschäftsmodelle. Selbst Anwender, die keine KI-Spezialisten sind, können die Bausteine sehr einfach und kostengünstig in eigene Services einbauen. Gerade kleine und mittelgrosse Unternehmen mit Innovationskraft können profitieren. Sie müssen keine komplexen ML-Algorithmen und Technologien erlernen und können ohne hohe Kosten experimentieren.


Das könnte Sie auch interessieren