Künstliche Intelligenz (eBook)

Prof. Dr. Peter Buxmann ist Inhaber des Lehrstuhls für Wirtschaftsinformatik | Software & Digital Business an der Technischen Universität Darmstadt und leitet dort das Innovations- und Gründungszentrum HIGHEST. Darüber hinaus ist er Mitglied in mehreren Leitungs- und Aufsichtsgremien. Seine Forschungsschwerpunkte sind die Digitalisierung von Wirtschaft und Gesellschaft, Methoden und Anwendungen der künstlichen Intelligenz, die Entwicklung innovativer Geschäftsmodelle sowie die ökonomische Analyse von Cybersecurity-Investitionen und Privatsphäre. Dr. Holger Schmidt zeigt als international gefragter Keynote-Speaker die Auswirkungen der Digitalisierung auf Wirtschaft und Arbeit. Als Journalist hat er zwei Jahrzehnte über die digitale Transformation berichtet, davon 15 Jahre für die Frankfurter Allgemeine Zeitung. Der Volkswirt lehrt als Dozent im Fach Digitale Transformation an der Technischen Universität Darmstadt und schreibt als Kolumnist für das Handelsblatt über die digitale Ökonomie. Sein Blog „Netzoekonom.de“ gehört zu den populärsten Publikationen der digitalen Wirtschaft in Deutschland. Er ist Erfinder des Plattform-Index.

Vorwort 5
Inhaltsverzeichnis 7
Abbildungsverzeichnis 11
Tabellenverzeichnis 14
Teil I Künstliche Intelligenz als Basistechnologie des 21. Jahrhunderts 15
1 Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens 16
1.1Die Geschichte der Künstlichen Intelligenz 16
1.2Grundlagen des Maschinellen Lernens 20
1.2.1Zurück in die Zukunft 20
1.2.2Wie funktioniert Maschinelles Lernen? 21
1.2.3Verfahren des Maschinellen Lernens 22
1.2.4Das Black-Box-Problem 28
Literatur 30
2 Ökonomische Effekte der Künstlichen Intelligenz 33
2.1Investitionen in Künstliche Intelligenz 33
2.2Auswirkungen der Künstlichen Intelligenz auf Produktivität und Wachstum der Volkswirtschaften 36
2.2.1Künstliche Intelligenz: Das Produktivitätsparadox 36
2.2.2Produktivitätssteigernde Automatisierung in allen Sektoren 37
2.2.3Die Wachstumseffekte der Künstlichen Intelligenz 41
2.3Auswirkungen der Künstlichen Intelligenz auf den Arbeitsmarkt 42
Literatur 47
Teil II Künstliche Intelligenz: Cases aus der Praxis 50
3 Das intelligente Unternehmen: Maschinelles Lernen mit SAP zielgerichtet einsetzen 51
3.1Innovationsstrategie von SAP 51
3.1.1Die Evolution von Unternehmenssystemen 52
3.1.2Maschinelles Lernen bei SAP 54
3.2KI-Anwendungsbeispiele bei SAP 56
3.2.1Maschinelles Lernen für repetitive Aufgaben 56
3.2.1.1 SAP Cash Application 57
3.2.1.2 Weitere Anwendungsmöglichkeiten 58
3.2.2Maschinelles Lernen für Kundenbeziehungen (Customer Relationship Management, CRM) und E-Commerce 58
3.2.3Maschinelles Lernen im Marketing 59
3.2.4Maschinelles Lernen im Service und Vertrieb 61
3.2.5Maschinelles Lernen im Personalwesen 62
3.2.5.1 Effiziente Einstellungsprozesse 62
3.2.5.2 Lernen im Unternehmen 63
3.3Die Plattform von SAP für Maschinelles Lernen 63
3.3.1Die SAP Leonardo Machine Learning Foundation 64
3.3.2Anwendungsbeispiel 65
3.4Maschinelle Verarbeitung natürlicher Sprache 66
3.4.1Der Wert von Conversational UX im Unternehmen 67
3.4.2Technologien für Conversational UX 68
3.5Gesellschaftliche Implikationen 69
3.5.1Lebenslanges Lernen 69
3.5.2Partnerschaften von SAP im Bereich der Künstlichen Intelligenz 70
Literatur 71
4 Künstliche Intelligenz bei Amazon Spitzentechnologie im Dienste des Kunden 73
4.1Eine Schachpartie verändert das Spiel 73
4.2Künstliche Intelligenz und Maschinelles Lernen – Grundlagen und Definitionen 74
4.3Technologische Grundlagen für die Künstliche Intelligenz 74
4.4Künstliche Intelligenz im Einsatz bei Amazon 75
4.5Leitgedanke der KI-Forschung 76
4.5.1Beispiel: Supermarkt der Zukunft 76
4.5.2Beispiel: Neuer Weg der Paketzustellung 77
4.5.3Wie Algorithmen Obst sortieren 78
4.5.4Nachfrageprognose 79
4.5.5Alexa, die digitale Sprachassistentin 80
4.5.6X-Ray-Funktion im Kindle 81
4.6Chancen und Grenzen von Künstlicher Intelligenz 81
4.6.1Interessantere und vielfältigere Jobs durch Künstliche Intelligenz 82
4.6.2Mensch und Maschine 83
4.6.3„Partnership on AI“ adressiert Risiken von KI 84
4.7Fazit und Ausblick 84
Literatur 84
5 Anwendung eines sprachbasierten KI-Dienstes in der Gesundheitsbranche am Beispiel der Entwicklung eines Alexa-Skills 86
5.1Einleitung 86
5.2Grundlagen und Anwendungen der Spracherkennung 87
5.2.1Spracherkennung in der Praxis 88
5.2.2Sprachassistenzsysteme und Sprachdialogsysteme 88
5.2.3Beispiel Amazon „Alexa“ 90
5.2.4„Custom Skill“-Datenfluss 92
5.2.5Programmiersprachen und -konzepte 93
5.2.5.1 Produkte bestellen 96
5.3Entwicklung des Skills 96
5.3.1Überblick über die Funktionalitäten des Skills 96
5.3.1.1 Versandinformationen abfragen 96
5.3.1.2 Benachrichtigungen abfragen 97
5.3.1.3 Anruf anfordern 98
5.3.1.4 Notfall melden oder abbrechen 98
5.3.1.5 Zusätzliche Funktionen 98
5.3.2Programmierung 99
5.3.2.1 Erklärung des Intent-Schemas 99
5.4Zusammenfassung und Ausblick 99
Literatur 101
6 Künstliche Intelligenz als Weg zur wahren digitalen Transformation 103
6.1Eine Gesellschaft im Wandel 103
6.1.1KI heute 104
6.1.2Hohe Investitionen … 105
6.1.3… und hohe Erwartungen 106
6.2Sicherheit & Risiken
6.2.1Die Kontrolle liegt im Design 107
6.2.2Cyber- und Datensicherheit 108
6.2.3Ein empfindliches Gut: Vertrauen 108
6.3KI in der Praxis 109
6.3.1Tools und Services 109
6.3.2KI – nützlicher Helfer in vielen Lebenslagen 110
6.3.2.1 Wie Emma ihr Leben zurückbekam 110
6.3.2.2 Digitalisierung der Landwirtschaft: KI schlägt Erfahrung 110
6.3.2.3 Das intelligente Auto lernt die Straße kennen 111
6.3.2.4 Die sehende App 112
6.3.2.5 Die Industrie holt die KI aus der Cloud 112
Literatur 112
7 Offene Plattformen als Erfolgsfaktoren für Künstliche Intelligenz 114
7.1Einleitung 114
7.2Der Wettlauf um KI 115
7.3Die Anforderungen der Unternehmens-IT an die KI 116
7.4Von Big Data zur Wertschöpfung 117
7.5Time to Insight ist entscheidend 118
7.6PMML: Ein einheitlicher Branchenstandard für alle Stakeholder 119
7.7Plattformunabhängiges KI-Deployment 120
7.8Eine digitale Geschäftsplattform für KI 121
7.9Branchenbezogene Anwendungsfälle 122
7.10Vielversprechende Zukunft der KI 123
Literatur 124
8 Künstliche Intelligenz im Jahr 2018 – Aktueller Stand von branchenübergreifenden KI-Lösungen: Was ist möglich? Was nicht? Beispiele und Empfehlungen 125
8.1Einleitung: KI ist jetzt handlungsrelevant 125
8.1.1Gründe für die aktuellen Durchbrüche 126
8.1.2Narrow AI, General AI und Super AI 127
8.1.3Hollywood legt falsche Fährten 128
8.1.4Aktuelle Machbarkeiten 128
8.2Standortbestimmung: KI verleiht Superkräfte 128
8.3Chancen der KI: Disruptive Steigerung der Effizienz und Qualität 131
8.4Ängste vor KI: Sie werden durch Antizipation beherrschbar 133
8.5KI-Systeme: Es gibt Standards für das Allgemeinwohl 134
8.5.1Werte, Prinzipien und Standards 135
8.6Die IBM-Strategie: KI wird zur Kernkompetenz 135
8.6.1Watson: Eine modular aufgebaute KI-Plattform 136
8.6.2Ein System für unterschiedliche Anwender 137
8.7Entscheidungen: KI verbessert Entscheidungen und verhindert Fehler 138
8.7.1KI als Trendscout 138
8.7.2KI als Ratgeber zur Fehlerbehebung 139
8.8Wissen: KI macht komplexes Wissen beherrschbar 139
8.8.1Mehr Wissen für die Medikamentenentwicklung 139
8.8.2Mehr Wissen für die Genforschung 140
8.8.3Mehr Wissen zur Optimierung des Energieverbrauchs 140
8.9Kundenservice: KI macht den Service besser und preiswerter 141
8.9.1Chatbot statt Betriebsanleitung 141
8.9.2Chatbot statt Suchfeld 142
8.9.3Chatbot statt Call-Center 142
8.10Produktivität: KI erhöht Effizienz und Effektivität 143
8.10.1KI bei kniffeligen Fragen am Check-In 143
8.10.2KI im Input-Management 143
8.10.3KI in der Bilderkennung 144
8.11Empfehlungen für Entscheider: KI mit einem Team in kleinen Schritten angehen 144
8.12Fazit 146
Literatur 147
9 Mit Künstlicher Intelligenz immer die richtigen Entscheidungen treffen 149
9.1Einleitung 149
9.2Ein fiktives Beispiel: Wie man frei verfügbare Informationen und Künstliche Intelligenz für die Finanzindustrie nutzen kann 152
9.3Praxisbeispiel: Early Loss Detection (ELD) von Munich Re 153
9.4Notwendige Grundlagentechnologien 155
9.4.1Semantische Suche 155
9.4.2Web Mining 156
9.4.3Natural Language Processing 158
9.5KI wird unsere Wirtschaft tiefgreifend verändern 162
Literatur 165
10 Künstliche Intelligenz schafft neue Geschäftsmodelle im Mittelstand 166
10.1Einleitung 166
10.2Neue Geschäftsmodelle dank Künstlicher Intelligenz 167
10.3Daten sind der gemeinsame Nenner 168
10.4Sam Digital Hub 170
10.5Samsons interne Transformation 171
10.6Ventildiagnose mit Trovis Solution 171
10.7Allgemeine Erfahrungen mit Künstlicher Intelligenz 172
10.8Fazit 176
Literatur 176
11 KI-Innovation über das autonome Fahren hinaus 178
11.1Die Bedeutung von Künstlicher Intelligenz in der Automobilindustrie 178
11.1.1Innovation braucht Struktur – Data:Lab Munich 179
11.1.2Arbeitsweise 181
11.1.3Anwendungsbereiche 181
11.2Machine Learning im Rennsport 181
11.3Natural Language Processing 183
11.3.1Funktionsweise 183
11.3.2Erprobung von Bots im Einkauf 183
11.3.3NLP-Unterstützung in der Logistik 185
11.4Quantum Computing 185
11.4.1Quantum Computing bei Volkswagen 186
11.4.2Ausblick 188
Literatur 188
Teil III Künstliche Intelligenz: Fortschritt mit Leitplanken 191
12 Singularity und weitere kritische Debatten über Künstliche Intelligenz 192
Literatur 197
13 Wettbewerbsvorteile durch Künstliche Intelligenz 200
Literatur 203
Sachverzeichnis 205