Künstliche Intelligenz – Was ist das eigentlich?

4.4/5 - (22 votes)

Künstliche Intelligenz (KI) ist aktuell in aller Munde und viele Marketingabteilungen beschäftigen sich mit Fragen rund um das Thema KI im Marketing. Doch was versteht man genau unter Künstlicher Intelligenz? Inwieweit beeinflusst und verändert Künstliche Intelligenz Geschäftsfelder und schafft neue Möglichkeiten für Märkte, Dienstleistungen, Produkte und damit auch Geschäftsmodelle?

 

1. Was ist Künstliche Intelligenz?

Der Begriff der Künstlichen Intelligenz (KI) wird als abstrakter Begriff, der vielfältige Aspekte und Themenkomplexe abdeckt, unterschiedlich definiert. Im Kern lassen sich verschiedene Richtungen abgrenzen, um sich dem Begriff der Künstlichen Intelligenz (KI) zu nähern. Sie ist ein Teilgebiet der Informatik und beinhaltet u.a. den Prozess des Maschinellen Lernens.

Die AI (Artificial Intelligence) bzw. KI bietet ein breit gefächertes Feld und unendliche Möglichkeiten. Was man alles wissen sollte, um in der digitalen Zukunft mitreden zu können:

Künstliche Intelligenz ist ein Begriff der in Wissenschaft und Praxis nicht eindeutig definiert ist. Da auch der Begriff der Intelligenz nicht eindeutig definiert ist, hat auch der Begriff der Künstlichen Intelligenz einige Unschärfen. Das Deutsche Institut für Marketing hat in Anlehnung an den Turing-Test folgendes Grundverständnis von KI:

Künstliche Intelligenz setzt sich damit auseinander, wie Computer Wahrnehmungen verarbeiten, mit erlernten Algorithmen abgleichen und dadurch eine zielgerichtete Response / Handlung auslösen.

Bei KI unterscheidet man zwischen maschinellem Lernen (Machine Learning), dem Verarbeiten natürlicher Sprache (NLP – Natural Language Processing) und dem tiefgehenden Lernen (Deep Learning). Die Maschinen sollen mithilfe von Algorithmen Aufgaben bewältigen, die dem Menschen zugeschrieben werden. Dies beinhaltet menschliche Leistungen, wie z.B. Lernen, Urteilen und Problemlösen.

1.1 Teilgebiete der Künstlichen Intelligenz

Das Forschungsgebiet der Künstlichen Intelligenz gliedert sich in verschiedene Teilgebiete, welche in der nachfolgenden Grafik aufgeführt sind.

Künstliche Intelligenz - Teilgebiete

Abbildung 1: Die Teilgebiete der Künstlichen Intelligenz

Die Künstliche Intelligenz setzt sich aus den drei Gebieten Wahrnehmung, Handeln und Lernen zusammen. Diese beruhen wiederum auf weiteren Teildisziplinen, die essenziell für die Künstliche Intelligenz sind.

Das Teilgebiet der Wahrnehmung besteht aus der Bildverarbeitung, die mithilfe von Algorithmen unter anderem industrielle Prozesse analysiert. Die Spracherkennung, ebenfalls dem Teilgebiet der Wahrnehmung zugehörig, kommt als digitaler Assistent in Form von Chatbots oder Sprachassistenten zum Einsatz. Die Texterkennung ermöglicht die Umwandlung verschiedener Dokumente in bearbeitbare Dateien. Dabei handelt es sich unter anderem um gescannte Papierdokumente oder PDF-Dateien, die mithilfe der so genannten Optical Character Recognition (OCR) zugänglichen sind und dadurch bearbeitbaren Inhalt erlangen. Die Gesichtserkennung ist auch ein Segment der Wahrnehmung und ermöglicht mit bestimmten Programmen das eindeutige Identifizieren von Personen in Digitalbildern anhand bestimmter Merkmale.

Das maschinelle Lernen, das tiefgehende Lernen, das verstärkende Lernen und das Crowdsourcing bilden zusammen das Teilgebiet des Lernens ab. Die elementaren Techniken, das maschinelle Lernen und das tiefgehende Lernen, werden unter 1.2 und 1.3 näher erläutert. Unter verstärkendem Lernen, im englischen Reinforcement Learning, wird das selbständige Erlernen einer Strategie durch ein System verstanden, wodurch erhaltene Belohnungen verstärkt werden. Das System erhält also zu bestimmten Zeitpunkten eine Belohnung, wobei es sich dabei auch um eine negative Belohnung handeln kann. Dadurch kann das System eine Nutzenfunktion aufstellen, die der Aktion einen bestimmten Wert zuordnet. Beim Crowdsourcing, auch Human Computation genannt, wird automatisiert menschliches Fachwissen eingebunden, um Probleme zu lösen, die Computer alleine nicht bewerkstelligen können. Diese Art des Lernens dient der Erweiterung von Computersystemen.

Das Handeln umfasst das Natural Language Processing, Expertensysteme, Predictive Analytics und die Robotik. Das Natural Language Processing (NLP) befasst sich mit Techniken und Methoden, die der maschinellen Verarbeitung natürlicher Sprache dienen. Das Ziel dabei ist es, eine direkte Kommunikation zwischen Mensch und Computer in natürlicher Sprache zu ermöglichen. Mit Expertensystemen bezeichnet man Programme, welche dazu beitragen Lösungen für Probleme anzubieten. Sie fungieren als Unterstützung und Entlastung für die menschlichen Experten. Unter der Anwendung von Predictive Analytics werden, basierend auf gesammelten Datenmengen, zuverlässige Aussagen über die Zukunft getroffen. Als Teilgebiet der Künstlichen Intelligenz ist es vor allem für Unternehmen zunehmend möglich und nützlich, datengestützte Entscheidungen auf der Grundlage dieser wertvollen Informationen zu treffen. Mit Robotik sind Roboter oder Agentensysteme gemeint, die der Steuerung, sensorischen Rückkopplung und Informationsverarbeitung dienen. Gerade die sensorische Rückkopplung ist im Rahmen der Künstlichen Intelligenz von besonderer Bedeutung. Dabei wird zwischen der Sensorik und der Aktorik unterschieden. Die Sensorik bezieht sich auf eine gemessene physikalische oder chemische Größe, die in ein geeignetes elektrisches Signal umgewandelt wird. Ein Beispiel für die Sensorik sind Abstandssensoren, die die Entfernung zwischen dem Sensor und einem Gegenstand messen. Die Aktorik hingegen beschreibt die beweglichen Bauteile eines Roboters, die die Form, Position oder Orientierung des Roboters verändern.

Der Begriff der Künstlichen Intelligenz weist Überschneidungen zum einen mit anderen modernen Themenfeldern wie z.B. der Digitalisierung und Big Data auf und zum anderen mit klassischen Themen wie Mathematik und Statistik. Die Eingliederung der Künstlichen Intelligenz in verwandte Themenfelder wird in der nachfolgenden Abbildung veranschaulicht.

Verwandte Themenfelder der Künstlichen Intelligenz

Abbildung 2: Verwandte Themenfelder der Künstlichen Intelligenz (Darstellung nach Nisarg Dave)

1.2 Turing-Test

Mithilfe des 1950 entwickelten Turing-Tests, welcher nach dem Naturwissenschaftler Alan Turing benannt wurde, kann man untersuchen, ob ein Computer wie ein Mensch denken und handeln kann und ob dessen Intelligenz mit der eines Menschen zu vergleichen ist.

Beim Turing-Test erfolgt die Kommunikation über eine Tastatur und ohne Hör- und Sehkontakt zwischen den Testteilnehmern. Die Testteilnehmer sind ein Computer (A) und zwei reale Personen (B und C). Hierbei versuchen nun der Computer A und eine Testperson B die Testperson C davon zu überzeugen, dass die Interaktion mit einem Menschen abläuft. Dies kann beispielsweise mithilfe eines Gesprächs oder eines Schachspiels erfolgen. Am Ende muss Testperson C mittels verschiedener Fragen entscheiden, welcher Testteilnehmer ein Mensch oder ein Computer ist. Der Test gilt zugunsten des Computers als bestanden, wenn Testperson C nicht mehr einwandfrei bestimmen kann, ob es sich anhand der vorliegenden Antworten um einen Menschen oder einen Computer handelt.

Heutzutage begegnen wir diesem Test in veränderter Form täglich im Internet. Auf vielen Internetseiten wird man zur Überprüfung dazu aufgefordert eine angezeigte Buchstaben- und Zahlenkombination abzuschreiben. Hierdurch soll bewiesen werden, dass hinter der Eingabe ein menschlicher Nutzer steht. Dieses Verfahren wird mit dem Wort CAPTCHA abgekürzt, welches für „completely automated public Turing test to tell computers and humans apart“ steht. Bereits im Jahre 1996 gelang es IBM und deren Computer namens Deep Blue im Duell Mensch gegen Maschine den damaligen Schachweltmeister Garri Kasparow zu besiegen. Dieser Wettkampf sollte die immense Entwicklung der Künstlichen Intelligenz beweisen und war sowohl für Schachspieler als auch für Wissenschaftler und Forscher von Relevanz und Interesse. Momentan arbeitet Google an dem Sprachassistenten Duplex, welcher selbstständig Anrufe tätigt und Termine vereinbart. Dies kann beispielsweise ein Friseurtermin sein oder eine Restaurantreservierung. Bei einem Anruf lässt sich die Stimme des Assistenten nicht von einer menschlichen Stimme unterscheiden und erledigt somit alltägliche organisatorische Aufgaben für den Nutzer. Hierbei lässt sich nicht mehr unterscheiden, ob es sich bei dem Gegenüber um eine Maschine oder einen Menschen handelt. Verschiedene Laute oder vorsätzlich eingebaute Denkpausen verstärken diesen Eindruck und sorgen für menschliche und natürliche Komponenten in der Künstlichen Intelligenz.

In welchen Bereichen kommt es bereits zur Anwendung von KI?

Die bereits erwähnten Schachcomputer dienten lange Zeit als Exemplar für eine angewandte KI. Doch unser heutiger Alltag bietet offensichtlichere Beispiele für den Einsatz von Künstlicher Intelligenz. Dazu zählen beispielsweise die Übersetzungsmaschine Google Translate, die ständig dazu lernt und mittlerweile dazu in der Lage ist, korrekte Sätze wiederzugeben. Digitale Sprachassistenten wie Alexa, Siri oder Cortana, die die Sprachsuche anbieten oder online eingesetzte Chatbots, die menschliche Kommunikation übernehmen und Kundenangelegenheiten betreuen.

Abbildung 3: Der Turing-Test

Turing-Test: Kriterien

Welche Kriterien sind für die Durchführung erheblich und welche Bedingungen muss der Computer erfüllen? Der eingesetzte Computer sollte dazu in der Lage sein eine natürliche Sprache (Englisch) zu verwenden, um eine einwandfreie Kommunikation zu gewährleisten. Darüber hinaus ist die Wissensrepräsentation von Bedeutung, damit der Computer abspeichern kann, was er weiß oder hört. Daraus resultiert das automatische logische Schließen. Dies dient einem Computer dazu mithilfe der bereits gespeicherten Informationen die Fragen des Chatpartners zu beantworten und infolgedessen neue Schlüsse für weitere Handlungen zu ziehen. Das Maschinenlernen trägt dazu bei, dass sich der Computer an die neuen Gegebenheiten adaptiert und daraus neue Muster zu identifizieren, um in Zukunft darauf zurückzugreifen.

Wie bereits beschrieben, sollte die physische Nähe zum menschlichen Chatpartner ausgeschlossen werden, da die physische Simulation des Gegenübers für die Intelligenz bei diesem Test nicht von Relevanz ist.

Der „totale Turing-Test“, welcher unter der Verwendung eines Videosignals bzw. einer Videoübertragung durchgeführt wird, umfasst hingegen zwei weitere Kriterien. Dabei handelt es sich einerseits um die Computervision, die es dem Computer ermöglicht Objekte wahrzunehmen und andererseits Robotik, um die besagten Objekte einschätzen und sowohl manipulieren als auch bewegen zu können.

1.3 Maschinelles Lernen

Das maschinelle Lernen bezeichnet man als Teilgebiet der Künstlichen Intelligenz. Dabei ist es einem Computer möglich mithilfe von Algorithmen und Beispielen zu lernen. Die Maschine bezieht ihr Wissen aus Erfahrungen. Bei diesem Prozess eignet sich der Computer selbstständig Muster und Gesetzmäßigkeiten an und kann diese folglich für Problemlösungen einsetzen. Dies dient sowohl dazu Daten miteinander zu verknüpfen und Zusammenhänge zu erschließen als auch Vorhersagen und Entscheidungen zu treffen.

Um den immer weiterwachsenden und sich mehrenden Daten(mengen) heutzutage Herr zu werden, bietet sich das maschinelle Lernen an, da es präziser, schneller und automatisierter vonstattengeht. Unternehmen haben dadurch die Möglichkeit genauere Ergebnisse und Erkenntnisse zu erhalten und zudem effizientere Analysemodelle anzufertigen und zu ihren Gunsten zu nutzen.

Aufgrund dieser Hilfe ist es beispielsweise möglich Risiken zu minimieren oder gänzlich zu vermeiden, aber auch Potenziale auszuschöpfen und sich einen gewissen Vorsprung gegenüber den Wettbewerbern zu sichern.

1.4 Tiefgehendes Lernen

Das tiefgehende Lernen (Deep Learning) stellt eine spezielle Informationsverarbeitungsmethode dar, die das menschliche Lernen imitiert und dabei die menschlichen Gehirnfunktionen aufgreift. Dies geschieht mithilfe von künstlichen neuronalen Netzwerken, die der Computer sich durch das Nachahmen zu eigen macht. Hierbei generiert eine Maschine Wissen aus Erfahrung. Die Maschine erhält Informationen, analysiert diese im Anschluss und zieht eine Schlussfolgerung daraus. Dabei bedient sich der Computer den künstlichen neuronalen Netzwerken, um große Datenmengen zu verarbeiten.

Der Computer ist bei diesem Prozess in der Lage Dinge eigenständig zu erkennen und zu unterscheiden. Des Weiteren kommt diese Methode auch in der Sprachübersetzung oder beim Börsenhandel zum Einsatz. Weitere Anwendung findet sie beispielsweise in der heutzutage omnipräsenten Sprachassistenz (Siri, Alexa, Cortana etc.). Der Begriff „Deep“ leitet sich von den verschiedenen Schichten (Eingabe-, Ausgabeschicht und Zwischenschichten) ab, die sich während des Prozesses anhäufen.

Zusammenfassend lässt sich konstatieren, dass das tiefgehende Lernen die Algorithmen in Schichten anlegt, um mithilfe des konstruierten künstlichen neuronalen Netzwerks, den Computer dazu befähigt Dinge zu erlernen. Wie bereits erwähnt, wird das tiefgehende Lernen bei komplexeren und großen Datenmengen beinhaltenden Systemen verwendet. Dazu zählen z.B. Gesichts- und Spracherkennungssysteme.

1.5 Big Data

Der Begriff Big Data stammt aus dem Englischen und steht für eine große Datenmenge oder einen großen Datensatz. Dabei handelt es sich beispielsweise um Daten aus den Bereichen Internet, Finanzindustrie, Energiewirtschaft, Gesundheitswesen und Verkehr. Des Weiteren zählen Datenmengen aus neuen Quellen, wie z.B. den sozialen Medien, Kredit- und Kundenkarten, Assistenzgeräte, Überwachungskameras und sowohl Flug- als auch Fahrzeuge ebenfalls dazu. Diese immensen Datenmengen werden aus den verschiedenen Bereichen gespeichert, verarbeitet und schließlich ausgewertet.

Seit Entstehung des Internets und in Verbindung mit dem Internet der Dinge (IoT) sind mehr Geräte mit dem Internet verbunden, welche Daten sammeln. Diese Daten geben u.a. Aufschluss über Kunden(verhalten), Geräte und Produktleistungen. Die täglich entstehenden Datensätze gelten als die Währung der Zukunft. Infolgedessen können sich die Wirtschaft bzw. Unternehmen diese zunutze machen, indem sie mithilfe von Analysen Erkenntnisse über das Kaufverhalten ihrer Kunden gewinnen, Potenziale und Risiken erkennen oder auch Produktionsprozesse innerhalb des Unternehmens zu optimieren.

Allerdings steht Big Data auch im Zusammenhang mit Künstlicher Intelligenz. Die Künstliche Intelligenz hilft dabei große Datenmengen zu verwalten und aufzubereiten. Dies bedeutet konkret, dass ein KI-System eine effektivere Datenanalyse vornehmen kann, je größer die Datenmengen sind. Dadurch kann Künstliche Intelligenz neue Muster und Trends erfassen, die ohne ihre Zuhilfenahme nicht erkennbar und nicht einzuordnen wären. Big Data wird beispielsweise im Straßenverkehr der Zukunft eine große Rolle spielen, da das autonome Fahren riesige Datenmengen erzeugen wird.

Das Hauptaugenmerk wird darauf liegen die Daten korrekt zu erfassen und wirkungsvoll zu analysieren. Es kommt nicht darauf an, wie viele Daten man sammelt, sondern darauf, wie man mit ihnen umgeht. Aus unternehmerischer Sicht geht es darum mithilfe von Big Data Kosten zu senken, Produkte und Prozesse zu optimieren und zu entwickeln, sowie in Zukunft richtige Entscheidungen zu treffen.

2. Die 4 Arten der Künstlichen Intelligenz

Als omnipräsenter Oberbegriff beinhaltet die Künstliche Intelligenz die bereits zuvor erklärten Teilgebiete, wie z.B. maschinelles und tiefgehendes Lernen. Man differenziert zudem zwischen 4 verschiedenen Typen.

2.1 Rein reaktive Künstlicher Intelligenz

Die rein reaktive KI gilt als die elementarste Art von Künstlicher Intelligenz. Dabei ist der Computer imstande eine einzige Aufgabe zu erledigen, indem er sich der aktuellen Situation hinnimmt. Es besteht nicht die Möglichkeit auf vergangene Erfahrungswerte oder Erinnerungen zurückzugreifen und sich dieser zu bedienen, um seine gegenwärtigen Entscheidungen und Handlungen zu steuern. Eine Vorstellung der Welt oder der Zeit um den Computer herum ist nicht existent. Ein Beispiel für diese Art bietet der Schachcomputer Deep Blue.

2.2 Begrenzte Speicher

Eine weitere Art ist der begrenzte Speicher. Bei dieser Art kann sich der Computer auf vergangene Daten beziehen und an das vorherige Wissen anknüpfen. Diese kann er folglich für weitere Entscheidungen nutzen, indem er das Gelernte mit der aktuellen Situation kombiniert. Unter Berücksichtigung seiner Erfahrungen lassen sich dementsprechend Urteile fällen und Handlungen ausführen. Die bekanntesten Beispiele für diese Art von Künstlicher Intelligenz finden sich in der Anwendung autonomer Fahrsysteme wieder. Die selbstfahrenden Autos sind dazu in der Lage Hindernisse, wie z.B. den Gegenverkehr oder Ampeln zu erkennen und diese zu umfahren. Weitere allgegenwärtige Beispiele der Verwendung dieses Typus finden wir in unseren Smartphones vor: Die Google-Suche, der Google-Übersetzer oder auch Chatbots beinhalten diese Technik und stellen damit die am häufigsten verwendete Art von Künstlicher Intelligenz dar.

2.3 Theorie des Denkens

Die dritte und vierte Art sind eine erweiterte Version der ersten beiden Arten und heutzutage noch nicht existent. Dabei handelt es sich um die Theorie des Denkens und das Selbstbewusstsein. Die Theorie des Denkens besagt, dass Maschinen ein eigenes Bewusstsein entwickeln und dadurch fähig sind menschliche Emotionen wahrzunehmen und ihr Verhalten an die vorgegebene Situation anpassen zu können. Sie können Gefühle, Motivationen und Intentionen deuten und auf diese Weise mit Menschen interagieren. R2-D2 aus der Science-Fiction-Reihe Star Wars und der Film I, Robot stehen beispielhaft für diese Art der Künstlichen Intelligenz.

2.4 Selbstbewusstsein

Das Selbstbewusstsein stellt die vierte Art der Künstlichen Intelligenz dar und hat die Gleichstellung des Computers mit dem Menschen zum Inhalt. Der Computer besitzt dabei ein menschliches Bewusstsein inklusiver einer kompletten Wahrnehmungsfähigkeit, sowie menschlicher Emotionen und Reaktionen. Sie sind sich ihres Zustandes bewusst und dazu hochintelligent. Sie repräsentieren die zukünftige Generation von Computern.

3. Methoden der Künstlichen Intelligenz

Die Methoden der Künstlichen Intelligenz lassen sich grob in die neuronale und die symbolische Künstliche Intelligenz, bzw. in die Simulationsmethode und die phänomenologische Methode unterteilen.

3.1 Symbolische Künstliche Intelligenz

Die symbolischen Künstlichen Intelligenz ist auch als regelbasierte Künstliche Intelligenz bekannt und beruht auf der Idee, dass menschliche Intelligenz ohne Erfahrungswerte und allein über die logisch-begriffliche Ebene rekonstruiert werden kann (Top-down-Ansatz). Hierbei lernen Maschinen über Symbolmanipulation. Sie eignen sich die Erkennung abstrakter Symbole – wie zum Beispiel Schrift- und Lautsprache – mithilfe von bestimmten Algorithmen an. Die symbolische Künstliche Intelligenz bezieht seine Informationen und Schlussfolgerungen aus sogenannten Expertensystemen. In diesen Systemen werden Informationen eingeordnet und anschließend Antworten nach den logischen Wenn-dann-Prinzip ausgegeben. Also ähnlich wie beim bekannte Programmierparadigma “Wenn X, dann Y, sonst Z”.

Zu den Anwendungsgebieten der symbolischen Künstlichen Intelligenz gehört zum einen die Textverarbeitung sowie Spracherkennung. Auf der Grundlage formalisierten Fachwissens können logische Schlussfolgerungen gezogen werden. Zum Beispiel gewann mithilfe der symbolischen Künstlichen Intelligenz der Roboter DEEP Blue von IBM im Jahr 1966 gegen den damaligen Schachweltmeister Garri Kasparow.

Video: 20 years after Deep Blue, a new era in human-machine collaboration

Die Problematik der symbolischen Künstlichen Intelligenz liegt allerdings darin, dass sie zu undynamisch ist und Schwierigkeiten hat mit unsicherem Wissen umzugehen – ganz egal, wie komplex ihr Expertensystem ist.

3.2 Neuronale Künstliche Intelligenz

Es dauerte einige Jahre, bis die Forschung diese Grenzen der Künstlichen Intelligenz überwinden konnte. Schließlich gelang ihr dieser Fortschritt durch die Entwicklung der selbstlernenden Systeme bzw. des maschinellen Lernens. Dieser Ansatz belebte die KI-Forschung aufs Neue und die neuronale Künstliche Intelligenz wurde ins Leben gerufen.

Die neuronale Künstliche Intelligenz hat das Ziel die Strukturen des menschlichen Gehirns möglichst präzise wiederzugeben. Sie ähnelt der Struktur des menschlichen Gehirns insofern, dass das Wissen zunächst in winzige Funktionseinheiten unterteilt ist, welche sich dann zu immer größeren Gruppen vernetzen können (Bottom-up-Ansatz). Dadurch entsteht ein vielschichtiges Netzwerk aus künstlichen Neuronen.

Durch diese Fähigkeiten entwickelt sich das neuronale Netzwerk immer weiter und ist auch in der Lage stetig dazuzulernen. Dies gelingt der neuronalen Künstlichen Intelligenz unteranderem mit dem Deep Learning.

4. Einsatzgebiete der Künstlichen Intelligenz im Marketing

Künstliche Intelligenz spielt bereits heutzutage eine große Rolle im Marketing und ist für Unternehmen von immenser Bedeutung. Die Künstliche Intelligenz wird vor allem im digitalen Marketing dafür verwendet, um Daten zu analysieren und diese auszuwerten. Neben den bereits thematisierten Themen, wie z.B. digitale Sprachassistenten, Big Data und autonome Fahr- und Flugsysteme gibt es weitere Anwendungsfelder der Künstlichen Intelligenz im Marketing. Mit den zunehmend auftretenden Chatbots, die mittels sozialer Medien eingesetzt werden, eröffnen sich neue Kommunikationswege für Unternehmen und Kunden.

4.1 Chatbots

Insbesondere der Kundenservice und Supportbereich diverser Unternehmen setzen in den sozialen Medien und auf den eigenen Webseiten Chatbots ein, um die Kundenwünsche und Anfragen zu bearbeiten und Mitarbeiter zu entlasten. Einfache Produktfragen über die Verfügbarkeit von Artikeln aus einem Onlineshop, Essensbestellungen, Wetterauskünfte oder Reiseinformationen können die Chatbots dank des maschinellen Lernens beantworten.

Abbildung 4: Der Chatbot der Arag Versicherungen auf Facebook

Beim Betrachten der Facebookseite eines Unternehmens öffnet sich das Chatfenster am unteren rechten Bildrand selbstständig und der Chatbot bietet dem Nutzer die Möglichkeit eine eigene Nachricht zu verfassen oder zwischen zwei vorgefertigten Optionen („Kann ich mit jemandem chatten?“ oder „Ich habe eine Frage. Kannst du helfen?“) zu wählen, die dem Chatbot signalisieren, worauf das Anliegen hinauslaufen soll. Bei der individuellen Nachricht ist der Chatbot eigenständig dazu in der Lage bestimmte Signalwörter zu erfassen und darauf zu reagieren. Selbstlernende Algorithmen verbessern die Fähigkeiten des Chatbots ständig.

Eine weitere Form des Chatbots bietet die tagesschau an. Der Nachrichten-Bot „Novi“ versendet aktuelle News mit Bildern und Grafiken und stellt dem Nutzer frei, ob er durch direkte Nachfragen detailliertere Informationen zu einer Nachricht haben möchte oder weitere News ansehen will. Diese Art der Informationsverbreitung eröffnet neue Möglichkeiten für das Content Marketing und gewährt den Unternehmen präzisere Einblicke in das Nutzerverhalten und Nutzerinteresse. Zudem ist ein Chatbot ständig erreichbar. Man kann rund um die Uhr für jeden Kunden verfügbar sein und kann eine direkte Rückmeldung an die Kunden geben. Ein weiterer Vorteil besteht darin, dass Unternehmen die Mitarbeiter entlasten können und sowohl Zeit als auch Geld einsparen können. Durch die vielseitigen Fähigkeiten des Chatbots hat der Nutzer die Möglichkeit von seiner Anfrage hin bis zu einer finalen Bestellung alle Schritte über diesen Kanal abzuwickeln, somit sinkt die Absprungrate und der Nutzer verweilt auf der Seite.

Obwohl es derzeit bereits ca. aktive 300.000 Chatbots im Facebook Messenger gibt, wird die Anzahl weiter anwachsen und die Zukunft im Messenger Marketing darstellen.

4.2 Social Bots

Social Bots – auch Social Networking Bots genannt – können als eine Weiterentwicklung der Chat Bots angesehen werden. Die automatisierten Programme werden überwiegend für Social-Media-Kanäle genutzt, wo sie zahlreiche Aufgaben übernehmen und vielfältig auf den sozialen Plattformen interagieren können. Dazu gehört, dass sie in der Lage sind Beiträge zu teilen, zu liken und zu kommentieren. Aber genauso können sie auch eigene Beiträge erstellen.

Zudem können Social Bots ein sehr realistisch wirkendes Profil – inklusive Fotos, Verlauf und Kontakten – haben und dank der einprogrammierten Künstlichen Intelligenz sogar menschliche Verhaltensmuster simulieren. Das heißt, sie sind imstande anderen Nutzern zu folgen, sich an Diskussionen zu beteiligen und eigenständig in Interaktion zu treten.

Social Bots analysieren zahlreiche Posts und Tweets und werden automatisch aktiv, wenn sie bestimmte Keywords oder Hashtags erkennen. Durch die Analyse unterschiedlichster Inhalte sind sie sogar in der Lage, sich Allgemeinwissen und Informationen zu aktuellen Ereignissen anzueignen.

Im Marketing können Social Bots insofern eingesetzt werden, als dass sie Produkte positiv bewerten, diese empfehlen und somit potenzielle Konsumenten bei ihrer Kaufentscheidung signifikant beeinflussen. Dies setzt natürlich voraus, dass die Bots über eine vorprogrammierte Meinung oder Einstellung verfügen.

Für eine Vielzahl von Unternehmen ist Social-Media-Marketing heutzutage unabkömmlich und genau deswegen sind Social Bots so interessant für ihre Arbeit. Im Vergleich zu realen Personen können Social Bots rund um die Uhr und ohne Unterbrechung Beiträge anderer Nutzer analysieren, teilen und kommentieren, aber auch eigene Beiträge verfassen. Außerdem kann ein Social Bot eine Aufgabe deutlich preiswerter erledigen als ein menschlicher Angestellter.

4.3 Hyper Targeting

Mithilfe Künstlicher Intelligenz bietet das Hyper Targeting neue Wege der Personalisierung und der gezielten Kundenansprache. Was vor dem Zeitalter der Künstlichen Intelligenz mit großem Aufwand verbunden war, gestaltet sich nun durch den Einsatz Künstlicher Intelligenz einfacher. Große Datenmengen sind ohne die Zuhilfenahme von KI-Systemen nahezu unmöglich zu bewältigen. Diese Datenmengen umfassen beispielsweise die Interessen, Fragen, Probleme und Wünsche eines Nutzers oder sein Klickverhalten und tragen dazu bei, personalisierte Angebote und Werbeanzeigen zu erstellen, die den Nutzer tatsächlich erreichen und exklusiv an ihn adressiert sind. Diesem Prozess geht eine kontinuierliche und präzise Analyse der vorliegenden Daten voraus, um die Kundenbindung effektiv zu stärken. Die Analyse erfolgt, indem ein Algorithmus herangezogen wird, der die Nutzerdaten bündelt und analysiert. Der Algorithmus greift die Ergebnisse der Analysen auf und lernt anhand der Ergebnisse fortlaufend dazu.

Hierbei profitiert der Kunde gleichermaßen wie das Unternehmen, denn der Kunde erhält auf ihn zugeschnittene und relevante Angebote und das Unternehmen kann aus dem Nutzerverhalten Rückschlüsse auf den Kunden und dessen Entscheidungsprozess ziehen. Zudem hilft das Hyper Targeting dabei Streuverluste zu vermeiden und gleichzeitig den maximalen Werbeeffekt zu bewirken, da die Botschaft den richtigen Nutzer erreicht.

4.4 Verhaltensbasierte Vorhersagen durch Künstliche Intelligenz

Kundenbedürfnisse identifizieren und verstehen, ist für viele Unternehmen eine Herausforderung. Mithilfe der Künstlichen Intelligenz können Kundenbedürfnisse nicht nur identifiziert, sondern zudem prognostiziert werden. Dabei basieren die Vorhersagen nicht mehr auf vagen Vermutungen, ihnen liegen datengesteuerte Einsichten zugrunde. Auf verschiedenen Online-Kanälen wie Webseiten, Apps, etc. kann das bisherige Verhalten eines jeden Kunden analysiert werden, denn aus den gewonnenen Daten können Zusammenhänge zwischen Nutzen- bzw. Kaufverhalten der Kunden untersucht werden. Daraus lassen sich wiederum Rückschlüsse auf das zukünftige Kaufverhalten treffen. Diese Einsatzmöglichkeit der Künstlichen Intelligenz basiert auf einem selbstlernenden System: Erfahrungen und Beispiele werden nach Beendigung der Lernphase verallgemeinert, woraus anschließend Wissen generiert wird. Durch zuverlässige Vorhersagen können Unternehmen die richtigen Maßnahmen zum richtigen Zeitpunkt anstoßen.

Ein Beispiel zum Thema verhaltensbasierte Vorhersagen zeigt Amazon, einer der weltweit größten Online-Händler. Schon während der Suche nach einem geeigneten Produkt werden dem Kunden Alternativprodukte angezeigt. Aber gerade das Cross-Selling, also das Verkaufen eines zweiten Produktes mit möglichem Zusatznutzen zum Erstkauf, wird bei Amazon deutlich. Dem Kunden werden während des gesamten Online-Kaufprozesses Produkte angezeigt, die mithilfe von Künstlicher Intelligenz als empfohlenes Zusatzprodukt analysiert wurden. Diese Empfehlung basiert zunächst auf den Erfahrungen vergangener Käufe, mittlerweile spielt aber zusätzlich die individuelle Kaufhistorie eine entscheidende Rolle. Somit erhält jeder Kunde individuelle Produktempfehlungen. Auch der Streaming-Anbieter Netflix nutzt Künstliche Intelligenz zur spezifischen Kundenansprache. Algorithmen ermitteln, welcher Film- und Serientyp der Kunde ist und empfehlen auf dieser Basis weitere Inhalte. Mittlerweile werden die Empfehlungen sogar mit Prozentwerten versehen, die die Übereinstimmung der Empfehlung mit dem spezifischen Kunden darstellt. Das Empfehlungssystem dient der Kundenbindung, denn eine passende Empfehlung regt den Kunden zum weiteren Konsum an.

4.5 Optimierte Platzierung von Werbeinhalten

Mithilfe der KI-Technologie ist es nun möglich, die Internetwerbung gezielt einzusetzen und somit die relevante Zielgruppe direkt zu erreichen. Dadurch werden die für den Content irrelevanten Werbeflächen nicht unnötig eingenommen. Die entsprechenden Algorithmen ermöglichen eine Beurteilung des Umfeldes, um daraus zu schließen, ob und in wie weit dieses Umfeld für die Werbeinhalte geeignet ist. Abhängig von dieser Beurteilung kann die Ausspielung der Werbung auf dieser Webseite unterbunden werden. Die methodische Vorgehensweise ist das A/B-Testing, durch das ermittelt wird, welche Version eine optimale Schaltfläche bietet. Der Unterschied zum Hyper Targeting (siehe Kapitel 7.2) liegt darin, dass es sich bei der Klassifizierung der Werbeinhalte nicht um den personalisierten Inhalt, sondern um die passende Schaltfläche der Werbeinhalte handelt.

Ob eine Werbefläche für den Content geeignet ist und der Betrachter die geschaltete Werbung anklickt, ist abhängig von verschiedenen Kriterien. Dabei geht es nicht nur um die Gestaltung und den Inhalt der Werbung, vielmehr geht es um die Kombination aus der Botschaft, der Position der Werbung und der Motivation des jeweiligen Betrachters. Auf Webseiten, auf denen Personen Informationen genau prüfen, funktionieren auch Werbungen mit detaillierten Informationen. Hier ist die Wahrscheinlichkeit, dass auch die Werbung mit relevanten Informationen genau betrachtet wird, relativ hoch. Andererseits sollten Webseiten einfach gestaltete Werbungen anzeigen, wenn erwartet werden kann, dass Besucher die Informationen der Webseite nur überfliegen. Mithilfe der Künstlichen Intelligenz wird dieses Wissen basierend auf Erfahrungswerten automatisch umgesetzt und die Werbeinhalte werden entsprechend platziert.

4.6 Sentiment-Analyse

Die Sentiment-Analyse beschreibt die Auswertung unstrukturierter Daten. In Bezug auf das Marketing sind die zu untersuchenden Daten hauptsächlich Kommentare, Beiträge oder Rezensionen im Internet bzw. in den relevanten Social-Media-Kanälen. Deshalb wird die Sentiment-Analyse im Marketing als Instrument des Social-Media-Monitorings bezeichnet. Die Sentiment-Analyse, auch Stimmungsanalyse genannt, liefert Erkenntnisse über den Ruf einer Marke sowie über Kritikpunkte einer Marke, eines Produktes oder einer Dienstleistung. Zudem liefert sie Ansätze für Verbesserungsmöglichkeiten des Kundenservices und Möglichkeiten der Optimierung von Marketingkampagnen.

Die Künstliche Intelligenz wird hier im Rahmen des maschinellen Lernens eingesetzt. Einer Software werden Beispieldaten geliefert, anhand welcher sie erkennen soll, ob es sich um positive oder negative Äußerungen handelt. Das erlangte Wissen ermöglicht der Software die Analyse ihr unbekannter Daten. Dabei wird die Tonalität eines gesamten Satzes und nicht nur einzelner Wörter analysiert. Dies ist ein wichtiger Teil der maschinellen Sentiment-Analyse, denn so können komplexe Sprachmuster verstanden und grundlegende Formen von Sarkasmus und Ironie erfasst werden. Die Sentiment-Analyse beschränkt sich jedoch nicht nur auf Texte, sie analysiert zudem Videos, Bilder und Podcasts.

4.7 Methode der logischen Schlussfolgerung

Die Methode der logischen Schlussfolgerung, auch Inferenz genannt, kommt vor allem bei der Neukundenakquise zum Einsatz. Hierbei werden die Technologien der Künstlichen Intelligenz dazu verwendet, um bereits vorhandene Kundendaten auszuwerten und daraus logische Schlussfolgerungen, im Bezug auf die Identifizierung von potenziellen Neukunden, zu ziehen.

Mithilfe dieser Methode können Unternehmen nicht nur herausstellen, welche Zielgruppe zu ihren potenziellen Neukunden gehört, sondern auch herausfinden, welche Investitionen sich am meisten lohnen. Beispielsweise können Unternehmen dann ihre Marketingkampagnen für die Neukundenakquise effizienter gestalten und gezielter einsetzen.

Ein erfolgreiches Praxisbeispiel hierfür liefert Foodora. Der Lieferdienst hat sein Marketingbudget parallel in verschiedene Kampagnen investiert. Zum einen lief eine Displaykampagne, welche die Kernzielgruppe ansprechen sollte und zum anderen wurde eine Werbekampagne zur Neukundenakquirierung durchgeführt. Die zusätzliche Kampagne, konnte – dank der Technologien der Künstlichen Intelligenz – so ausgerichtet werden, dass sie erfolgreich potenzielle Kundengruppen angesprochen hatte. Foodora konnte in kürzester Zeit einen immensen Erfolg verzeichnen: über 3,7 Millionen Neukunden wurden mit der Marketingkampagne erreicht und der Kundenstamm dadurch langfristig ausgebaut.

4.8 Intelligente Preise

Dass Benzinpreise an Tankstellen je nach Tageszeit geändert werden oder Hotelpreise an Wochenenden und Feiertagen ansteigen, ist bereits bekannt. Mit Künstlicher Intelligenz ist es möglich, Preise nicht nur zeitbezogen, sondern individuell an den Konsumenten und seine Zahlungsbereitschaft anzupassen. Die intelligente Preisgestaltung findet schon seit längerem im Online-Handel, basierend auf Big Data Analysen, statt. Dabei fließen neben den unternehmensbezogenen Faktoren personenbezogene Faktoren in die Analyse mit ein. Bei den personenbezogenen Faktoren handelt es sich zum Beispiel um Muster im Kaufverhalten, um die Art und Marke des Endgerätes, mit dem online gekauft wird, die Region, in der man wohnt, oder die Größe des Wohnortes. Aufgrund dieser Daten kann die Preisakzeptanz eines jeden Kunden analysiert und dem Kunden als Produktpreis angezeigt werden.

Auch im Offline-Handel kann die Datenanalyse der Kunden mithilfe Künstlicher Intelligenz stattfinden. Mit dem Einsatz von Electronic Shelf Labels (ESL) – digitalen Preisschildern – gelingt es dann, die Produktpreise im stationären Handel individualisiert zu gestalten. Dabei können Kundendaten, wie die Häufigkeit und die Dauer des Produktkontaktes gemessen, weiteres passendes Zubehör angezeigt oder personalisierte Gutscheine vergeben werden. Dabei werden die digitalen Preisschilder mit NFC-Technologie kombiniert, sodass kontaktlose Datenübertragung mit dem Smartphone stattfinden kann.

4.9 Personalisierte Content-Erstellung

Künstliche Intelligenz kann auch im Bereich des Content Marketings vielfältig eingesetzt werden. Da vor allem heutzutage eine individuelle Kundenansprache von großer Bedeutung ist, sind Unternehmen auf moderne Technologien angewiesen.

Dank der Künstlichen Intelligenz können nicht nur Zielgruppen herausgestellt werden, sondern auch einzelnen Webseitenbesuchern unterschiedliche Inhalte angezeigt werden. Deren Wirkung und Erfolg wird anschließend evaluiert und analysiert. Dabei wird betrachtet, welcher Teaser zu welchem Erfolg führt und anschließend wird der erfolgreichste Teaser den Webseitenbesuchern am häufigsten angezeigt.

Diese Methode kann zum einen an der gesamten Gruppe angewendet werden, aber auch zielgruppenorientiert oder sogar individuell. Bei der zielgruppenorientierten Methode ordnet die KI-Technologie die Besucher zunächst in unterschiedliche Gruppen ein und zeigt ihnen anschließend den zielgruppenorientierten Inhalt an. In ähnlicher Weise erfolgt dies auch bei der individuellen Content-Optimierung. Im Personalisierungsprozess wird eine Vielzahl von Daten verwendet, wie zum Beispiel frühere Käufe, Alter und Interessen.

In der Praxis bieten die Technologien der Künstlichen Intelligenz zahlreiche Vorteile für die personalisierte Content-Erstellung. Zum Beispiel kann ein Reiseanbieter individuell Teaser einrichten. Wenn ein Webseitenbesucher in den vergangenen Jahren nach Mallorca gereist ist und vor Kurzem das Wetter auf Mallorca gegoogelt hat, dann werden dem Besucher Mallorca Teaser ausgespielt. Sollten diese aber erfolglos bleiben, lernt die Künstliche Intelligenz daraus und spielt der Zielperson zukünftig vielleicht Teaser für Skiurlaube aus, weil der Betroffene vor Kurzem online Skier gekauft hat.

5. Wissenschaftsjahr 2019

Das Wissenschaftsjahr 2019 befasst sich dieses Jahr mit einer zukunftsträchtigen Technologie. In diesem Jahr steht das Thema Künstliche Intelligenz auf der Agenda der Bundesregierung bzw. des Bundesministeriums für Bildung und Forschung. Anknüpfend an das Wissenschaftsthema 2018 „Arbeitswelten der Zukunft“ und in Anbetracht der Erforschung, Entwicklung und Anwendung von künstlicher Intelligenz hat die Bundesregierung das Ziel ausgerufen, ein weltweit führendes Niveau auf dem Gebiet der Künstlichen Intelligenz zu erreichen.

Vorangetrieben vom Bundesministerium für Wirtschaft und Energie, dem Bundesministerium für Bildung und Forschung und dem Bundesministerium für Arbeit und Soziales ein Strategiepapier entwickelt, welches aufzeigt wie Deutschland diesbezüglich zukünftig eine Vorreiterrolle einnehmen soll (vgl. 4. E-Books zu Künstlicher Intelligenz).

Zentrale Fragen, die mit diesem Thema einhergehen sind u.a. welche Chancen entstehen? Welche Herausforderungen kommen auf uns zu? Und zu guter Letzt, wie wirkt sich diese Entwicklung auf unser gesellschaftliches Zusammenleben aus bzw. wie verändert die Künstliche Intelligenz unsere Gesellschaft und unseren Alltag? Mit diesen und weiteren spannenden Fragen beschäftigen sich Bildungseinrichtungen, Institutionen, Hochschulen und Unternehmen in Deutschland (Alle Partner). Bis zum Jahre 2025 stellt die Bundesregierung drei Milliarden Euro für die Forschung und Umsetzung der Strategie zur Verfügung.

6. Künstliche Intelligenz in der Praxis

Natürlich wird Künstliche Intelligenz nicht nur im Marketing eingesetzt, sondern in einer Vielzahl von unterschiedlichen Bereichen, welche von naturwissenschaftlichen bis hin zu künstlerischen Themengebieten reichen.

Die Künstliche Intelligenz wird sowohl in der Theorie stetig weiterentwickelt als auch in der Praxis immer vielseitiger eingesetzt. Es konnten vor allem in den letzten Jahren erstaunliche Durchbrüche mithilfe der Künstlichen Intelligenz erzielt werden. Natürlich beschränken sich diese Erfolge nicht nur auf die Themengebiete des Marketings, sondern sind thematisch sehr breit gefächert. Daher geben diese Praxisbeispiele einen guten Überblick über die aktuellen Möglichkeiten und Fortschritte der KI-Technologien sowie einen Ausblick auf mögliche, zukünftige Weiterentwicklungen, die auch den Bereich des Marketings betreffen werden.

6.1 The Next Rembrandt

Im Jahr 2016 erschien das Gemälde „The Next Rembrandt“. Dabei handelt es sich nicht um ein verschollenes Werk des Künstlers Rembrandt von Rijn, welches nach über 300 Jahren nach seinem Tod aufgetaucht ist. Dieses Gemälde wurde tatsächlich 2016 erschaffen, allerdings von keinem Menschen, sondern durch die Technologien der Künstlichen Intelligenz. Im Zeitraum von anderthalb Jahren hat Microsoft in Zusammenarbeit mit der Technischen Universität von Delft, der Bankenkette ING und zwei niederländischen Museen dieses Kunstwerk realisiert.

Zunächst wurden 346 Gemälde von Rembrandt hinsichtlich ihrer Geometrie, Komposition, Farbzusammensetzung sowie vieler anderer Faktoren analysiert. Anschließend wertete der Computer die vorhandenen Daten aus und entwarf ein Porträt, welches auch von Rembrandt erschaffen sein könnte. Damit es nicht nur ein Ausdruck, sondern ein richtiges Gemälde wird, wurde ein 3D-Drucker eingesetzt, wodurch sogar Rembrandts Pinselführung nachgeahmt werden konnten.

Video: The Next Rembrandt

Dieses Praxisbeispiel verdeutlicht auf eindrucksvolle Art und Weise, dass die Technologien der Künstlichen Intelligenz längst nicht nur in der Lage sind, komplexe mathematische Problemstellungen zu lösen, sondern auch in kreativen Fachgebieten – die auch im Marketing eine große Rolle spielen – beeindruckende Leistungen erbringen können.

6.2 Künstliche Intelligenz vollendet Schuberts „Unvollendete Sinfonie“

Franz Schuberts achte Sinfonie in h-Moll zählt zu den faszinierendsten Kompositionen weltweit. Jedoch wurde sie nie vollendet. In einem Projekt von Huawei sollte die Künstliche Intelligenz sich genau dem annehmen und ein Ende für die fast 200 Jahre alte, unvollendete Sinfonie schreiben.

Bei diesem musikalischen Projekt wurden KI-Technologien des Huawei Mate 20 Pro Smartphones eingesetzt. Die Technologien haben zunächst einige Werke Schuberts analysiert und ausgewertet. Anschließend verfasste die Künstliche Intelligenz einige Melodien, die auch von Schubert stammen könnten – wobei einige mehr und andere weniger brauchbar waren. An dieser Stelle wurde trotzdem noch die Hilfe des Komponisten Lucas Cantor benötigt. Dieser wählte geeignete Melodien aus, fügte sie zusammen und arrangierte das Werk für ein Orchester.

Die gemeinsam vollendete Sinfonie hatte ihre Weltpremiere in London, wo sie vom English Session Orchestra gespielt wurde.

Video: Huawei präsentiert: Schubert’s „Unvollendete“ 8. Sinfonie

7. Künstliche Intelligenz – Fachbücher

Auch in der Literatur ist die Künstliche Intelligenz angekommen. Wer sich einen schnellen und trotzdem kompetenten Überblick verschaffen möchte:

7.1 Künstliche Intelligenz für Sales, Marketing und Service

Das Forschungsgebiet der Künstlichen Intelligenz ist in aller Munde und hat in den vergangenen Jahren in vielen Unternehmen Einzug gehalten. Wie die Industrie sich die KI zunutze machen kann und wie man als Unternehmen davon profitiert, illustriert dieses Buch.  Zudem erfahren Sie, wie Unternehmen mithilfe von AI und Bots ein Algorithmic Business aufbauen können und welche Best Practice Beispiele dabei helfen.

7.2 Künstliche Intelligenz - Mit Algorithmen zum wirtschaftlichen Erfolg

Dieses Buch trägt dazu bei, die neuen Technologien und Anwendungspotenziale besser zu verstehen, die mit der Künstlichen Intelligenz einhergehen. Anhand von konkreten Beispielen verschiedener Unternehmen, wie z.B. Amazon, IBM, Microsoft, SAP oder VW wird veranschaulicht, wie das Zusammenspiel von Chatbots, Gesichtserkennung oder sprachbasierten Systemen und den Bereichen Marketing, Finanzen, Vertrieb, Personalwesen und Logistik funktioniert. Wer sich einen Überblick über das womöglich spannendste Thema der digitalisierten Zukunft verschaffen möchte und diese einschneidende technische Entwicklung nachvollziehen möchte, greift zu diesem Buch.

7.3 Künstliche Intelligenz - Ein moderner Ansatz

Dieses Buch deckt das gesamte Themenfeld der heutigen Künstlichen Intelligenz ab. Selbst mathematisch weniger interessierte Leser werden an der Darstellung zur Logik und Wahrscheinlichkeitstheorie der KI Gefallen finden. Darüber hinaus werden dem Leser die Bereiche Wahrnehmung, Denken, Lernen, Handeln und auch Roboter nähergebracht und anschaulich erklärt. Dieses Buch behandelt die neuesten Entwicklungen der KI und befasst sich mit modernen Such- und Sprachalgorithmen, welche zunehmend an Relevanz gewinnen.

8. Künstliche Intelligenz – E-Books

Die folgenden E-Books und PDF-Ausführungen bieten einen Überblick über den derzeitigen Stand der deutschen KI-Forschung und wagen einen Ausblick in die Zukunft.

Die aus dem November 2018 stammende Ausarbeitung (Strategien Künstliche Intelligenz) der Bundesregierung demonstriert Strategien, welche sich mit der Entwicklung und Anwendung der KI in Deutschland befassen.

Das Deutsche Forschungszentrum für Künstliche Intelligenz hat in Zusammenarbeit mit Bitkom die wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen und menschliche Verantwortung, die mit der Künstlichen Intelligenz einhergehen, thematisiert.

Zudem hat Bitkom einen Leitfaden erstellt, der sich der Gestaltung der Digitalisierung mithilfe eines KI-Periodensystems widmet. Diese Annäherung zeigt auf, welche KI-Systeme bereits heute eine Rolle spielen.

In Trends für die Künstliche Intelligenz legt die Fraunhofer-Gesellschaft dar, welche Entwicklungen und Projekte uns in der Zukunft hinsichtlich Künstlicher Intelligenz erwarten.

 

Künstliche Intelligenz – Ein moderner Ansatz von Stuart Russell und Peter Norvig behandelt den Status quo der KI-Entwicklung und erläutert diverse Themenfelder, die der KI zugeordnet werden.

9. Keynote Vortrag Künstliche Intelligenz

Suchen Sie einen Keynote Vortrag zum Thema Künstliche Intelligenz?

Dann können wir ihnen bestimmt weiterhelfen. Prof. Dr. Michael Bernecker bietet Ihnen unterhaltsame Vorträge, immer fachlich fundiert und individuell auf Sie, Ihr Unternehmen bzw. Ihre Branche zugeschnitten. Der Keynote Vortrag bieten Ihnen und Ihrem Publikum spannende Einblicke, Ausblicke und Insights in die neuesten Trends und Tools! Hier finden Sie mehr Informationen zum Keynote Vortrag von Prof. Dr. Michael Bernecker zum Thema Künstliche Intelligenz.