Was KI wirklich bringt

KI - wieso, weshalb, warum

Künstliche Intelligenz (KI) ist in aller Munde, doch die Fachbegriffe verwirren oft mehr, als sie erklären. Was genau verbirgt sich hinter Schlagworten wie Machine Learning, Natural Language Processing oder Generative KI? Das KI-Glossar schafft Klarheit.

Was ist Künstliche Intelligenz?

  • KI ermöglicht es Maschinen, menschliche Fähigkeiten wie logisches Denken, Lernen und Kreativität nachzuahmen
  • KI-Systeme können auf Reize in ihrer Umgebung reagieren und mit ihrer Umwelt kommunizieren
  • KI-Systeme können ihr Handeln anpassen, indem sie die Folgen früherer Aktionen analysieren und daraus lernen
  • Generative KI kann außerdem neue Inhalte wie Texte, Bilder und Musik erzeugen

Was ist Maschinelles Lernen (ML)?

  • ML ist ein Untergebiet der KI
  • ML nutzt statistisches Lernen und Optimierung, um große Datenmengen zu analysieren und Muster zu erkennen
  • Dabei sollen vergangene Trends gefunden und Vorhersagen getätigt werden

Was ist Generative KI?

  • KI-Systeme, die neue Inhalte wie Texte, Bilder und Musik oder Videos erzeugen können
  • Generative KI-Modelle werden durch ML-Algorithmen trainiert
  • Diese Systeme lernen aus großen Datenmengen und verwenden die gelernten Muster, um eigenständig neue Daten zu erstellen.

Wichtige KI-Technologien:

Data/Text Mining (TM)

  • Systematische Anwendung von ML-Algorithmen
  • Muster in großen Datensätzen finden
  • Anwendungsbeispiele: personalisierte Produktempfehlungen (bspw. Onlineshop), IT-Security

Natural Language Processing (NLG)

  • Maschinelles Erkennen und Verarbeiten von natürlicher Sprache in Schriftform
  • Anwendungsbeispiele: E-Mail-Spamfilter, Auswertung von Rezensionen, Chatbot

Speech Recognition (SR)

  • Wörter und Sätze in Audiosignalen erkennen
  • Gesprochene Sprache in Text übertragen
  • Anwendungsbeispiele: Callcenter, Sprachassistenten (Siri, Alexa)

Image Recognition (IR)

  • Bilder segmentieren
  • Objekte, Orte, Personen erkennen
  • In strukturierte Daten übertragen
  • Anwendungsbeispiele: Gesichtserkennung, Produktsuche, Analyse von Krankheitsbildern

Robotic Process Automation (RPA)

  • Automatisierung von repetitiven Aufgaben
  • RPA-Bots interagieren wie Menschen mit digitalen Systemen
  • Anwendungsbeispiele: Dateneingabe, Datenverarbeitung, Reporting

Wo begegnet uns KI?

  • Automatisierung und Routineaufgaben
    Dateneingabe/-verarbeitung, Bestellungen bearbeiten, Buchhaltung, etc.
  • Logistik
    Vorhersage von Nachfrage in Echtzeit, Optimierung von Transport und Lagerung
  • IT-Sicherheit
    Anomalien erkennen, Bekämpfung von Bedrohung in Echtzeit
  • Marketing
    Vorhersage von Nachfrage, Personalisierte Produktempfehlung
  • Vorausschauende Wartung
    Proaktive Wartung von Produkten, Erkennen von Mustern und Anomalien
  • Medizin
    Erkennen von Mustern in Krankenakten, KI-gestützte Diagnose
Quelle: Ifo-Studie, August 2024: KI – Verbreitung, Anwendung und Hindernisse in Deutschland im europäischen Vergleich. Auftraggeber: IHK München Oberbayern