Beim Thema Artificial Intelligence scheiden sich die Geister. Auf der einen Seite stehen große Erwartungen, Begeisterung für die Innovation und die Aufgeschlossenheit gegenüber mehr künstlicher Intelligenz in vielen Alltagssituationen. Auf der anderen Seite regiert aber auch Skepsis die Diskussion. Insbesondere darüber, wie die unzähligen Daten genutzt werden, die für solche Prozesse notwendig sind, wer sie in die Hände bekommt und ob es nicht gefährlich ist, Maschinen einer selbstlernenden Kraft zu übergeben, wird immer wieder heiß diskutiert.

Das Schöne an solchen kontroversen Diskussionen ist tatsächlich, dass sie die Entwicklung einer solchen Technologie nur noch mehr antreiben. Denn durch die teilweise gegensätzlichen Meinungen entstehen immer mehr Ideen, intensivere Forschungen und Produktentwicklungen und somit in kürzerer Zeit noch bessere Produkte - zumindest in der Theorie. Stand heute betreiben einige Unternehmen bereits digitale Services, die mit Hilfe künstlicher Intelligenz Prozesse signifikant neu definieren. Das klappt derzeit mal besser und mal schlechter. Beweis sind die mehr oder weniger auf den Nutzer zugeschnittenen Werbeanzeigen, die manchmal erstaunlich gut prognostizieren, was man sich gerade wünscht, in anderen Fällen aber auch durch das Browser-Verhalten fehlgeleitet erscheinen.

Aber in jedem Falle arbeiten die Unternehmen weiter an der Entwicklung der AI-basierten Geschäftsprozesse. Immer mehr Interaktionen und Transaktionen werden von künstlicher Intelligenz begleitet. In wenigen Jahren sollen bereits weit mehr als die Hälfte aller digitalen Transaktionen auch mit Hilfe von Artificial Intelligence ablaufen sagen diverse Prognosen voraus. Auch der Wertanteil, den Machine Learning bei neuen digitalen Produkten einnehmen soll, beträgt laut einer Studie von Crisp Research und der unbelievable machine company im Jahr 2020 durchschnittlich circa 20 Prozent.

Das Smartphone von Morgen: Vom Haustier zum Assistenzhund

Für Artificial Intelligence gibt es zahlreiche Use Cases, Plattformen und Workloads, auf denen sich ein Einsatz lohnt. Gerade Deep-Learning-Algorithmen - also tief verschachtelte neuronale Netze, welche selbstständig lernen - sind derzeit schwer beliebt, da man hier vordergründig nur große Datenmengen und relativ wenig Know-How benötigt. Auch wenn dies in der Praxis so natürlich nicht stimmt.

Gerade im Kontext von Mobile AI werden häufig in erster Linie Sprachassistenten genannt. Doch AI-basierte Analytics-Verfahren zur Untersuchung des Nutzerverhaltens, Image-Recognition-Funktionen oder viele weitere Einsatzbereiche neuronaler Netze können unmittelbar auf dem Smartphone abgebildet werden und Privatanwendern und Unternehmen eine ganz neue Digital-User-Experience einbringen.

In diesem Kontext wurde gerade in der letzten Zeit immer häufiger von mobilen AI-Chips gesprochen. Diese sind tatsächlich ein weiterer Chip oder je nach OEM ein SoC neben der Standard-CPU, der zukünftig in Smartphones verbaut werden soll. Apple, Samsung, Huawei und Google treiben dort viele eigene Forschungen an, darüber hinaus arbeiten auch die großen Chip-Riesen Qualcomm oder ARM an speziellen AI-Chips, die in Smartphones verbaut werden sollen. Diese speziellen Chips machen aus dem Smartphone ein Edge-Device für Artificial Intelligence.

Sie unterscheiden sich in den genauen technischen Spezifikationen und ganz besonders auch durch die zugehörige Software. Google hat beispielsweise mit TensorFlow eines der wichtigsten Machine-Learning-Frameworks auch für Mobile-AI-Szenarien vor einiger Zeit vorgestellt. Durch die spezielle Architektur können KI-, AI- bzw. Machine-Learning-Prozesse direkt auf dem Smartphone (at the edge) ablaufen. Die Entwicklung zielt darauf ab, die Endgeräte durch den zweiten Chip noch leistungsfähiger zu machen, auch komplexe AI-Szenarien auf dem Gerät laufen zu lassen und gleichzeitig möglichst batterieschonend zu arbeiten.

Dies sorgt letztlich auch dafür, dass AI-Prozesse deutlich datenschutzkonformer werden. Denn bislang müssen viele AI-Prozesse über das Internet in Cloud-Rechenzentren verarbeitet werden. Die Sicherung der Übertragungswege ist in vielen Prozessen eine Black Box für den Nutzer. Finden diese aber künftig nur auf dem Smartphone statt, verlassen die Daten nicht mehr das Gerät und können teilweise sogar verschlüsselt verarbeitet werden.

Das Smartphone verändert sich mit der neuen Technologie-Komponente gewissermaßen vom Haustier zum Assistenzhund. Denn bislang konnte die Hardware vor allem Befehle entgegennehmen, bot aber selbst wenig proaktive und vorausschauende Aktionen an. Durch die neuen AI-Chips kann das Smartphone die unzähligen Daten nutzen, um den Nutzer und sein Verhalten bestmöglich zu kennen und Handlungen vorherzusagen. Alle Unternehmen können im sogenannten Age of Assistance profitieren, indem sie sich dieser Daten bedienen, beziehungsweise mit der Kenntnis der voraussichtlich nächsten Handlung des Nutzers noch besser Produkte, Werbung oder Services für den Nutzer bieten. Das kann sich durch automatisiertes Marketing und AI-basierte Kundeninteraktionen, beispielsweise auch im Support äußern, oder entlang der Wertschöpfungskette den Mitarbeitern bei der Verrichtung ihrer Tätigkeiten durch mehr Automatisierung helfen.

AI-Chips können die Smartphone-Kräfteverhältnisse neu ordnen

Die Einsatzszenarien für mobile neuronale Netze und AI-Chips sind sehr vielseitig. Verbesserungen im Verständnis und den Reaktionen der Sprachassistenten bei der Bilderkennung, in Analytics-Verfahren oder für Augmented Reality sind nur einige Beispiele, bei denen zukünftig eine große Datenmenge benötigt wird, um die Digital User Experience noch weiter zu verbessern.

Gerade für den Digital Workplace, der in deutschen Unternehmen langsam aber sicher Fahrt aufnimmt, werden sie ein wichtiger Faktor sein. Denn Unternehmen evaluieren nach wie vor die richtige Strategie zum digitalen Arbeiten. Noch immer stecken sie inmitten der Transformation ihrer Organisation und Unternehmenskultur und damit auch der Technologie-Ausstattung für den digitalen Arbeitsplatz. Insbesondere durch die immer umfangreicheren Technologie- und Anwendungs-Stacks sowie die neuen technologischen Möglichkeiten dank Artificial Intelligence oder dem Internet of Things ändern sich die Präferenzen im Laufe der Zeit zunehmend.

Und gerade wenn Unternehmen dabei sind, sich als Innovationsführer aufstellen zu wollen und das Optimum aus den vorhandenen Möglichkeiten zu schöpfen, ist die richtige Technologiewahl eine entscheidende. So wird es in naher Zukunft der Fall sein, dass bei der Hardware- und Device-Entscheidung nicht nur das Betriebssystem, die Built-in Security, Integrationsfähigkeit, Manageability und der IT-Support und Service einbezogen werden, sondern auch die Leistungsfähigkeit und Konfiguration der Hardware eine Rolle spielt.

Google hat kürzlich mit dem Device Recommendation Program angekündigt, Unternehmenskunden bei der Auswahl der Hardware anhand ihrer Präferenzen zu unterstützen. Noch ist das Projekt eher in der Beta-Phase und bei weitem nicht vollständig ausgebaut. Durch die Vielzahl an Entwicklungen ist hier für Google eine echte Chance im Markt. Denn trotz der langjährigen Vormachtstellung von Apple im B2B-Bereich mit bis zu über 70 Prozent Marktanteil holen die Geräte rund um das Android-Betriebssystem auf. Dank der Vielseitigkeit und Innovationskraft der neuen digitalen Technologien, wie insbesondere Artificial Intelligence, muss Apple trotz eigener Bemühungen und frühzeitiger Produkte sicher aufpassen, was in seinem Windschatten so passiert.

Ready to go oder ein weiter Weg?

Mobile AI macht Lust auf mehr - soviel ist klar. Die Unternehmen sind gut beraten, sich frühzeitig damit auseinanderzusetzen, wie neuronale Netze funktionieren, mit welchen Daten sie selbst einen Mehrwert generieren und neue digitale, datengetriebene Geschäftsprozesse entwickeln können. Doch auch dort kommt es immer auf den Einzelfall an. Wahllos alles mit künstlicher Intelligenz zu behaften und die Innovationen zu erzwingen, ist in keinem Falle ratsam. Auch die aktuellen Diskussionen unterstreichen noch einmal, dass zu viel künstliche Intelligenz heute auch schnell zur Gefahr für die Unternehmen werden kann und sich Innovation und Erfolg ins Gegenteil verkehren können.

Auch braucht es für eine flächendeckende Mobile-AI-Marktreife noch einige Standards. Stand heute sind die AI-Chips vor allem für General-AI-Prozesse gedacht. Je konkreter und genauer die Use-Cases werden, desto mehr müssen Anwendungen und Lösungen für die Narrow AI geschaffen werden. Die Mobile-OEMs sorgen mit ihrem Vorstoß der Chips für den ersten Schritt in diese Richtung. Bis einheitliche Plattformen und eine Vielzahl von Entwicklern auch marktreife und sinnvolle Anwendungen hervorbringen können, gehen noch einige Tage ins Land.

Aus diesem Grund ist Mobile AI für die Unternehmen in jedem Fall die große Chance, sich einen Wettbewerbsvorteil zu verschaffen. Mit einer guten Datenstrategie, einem erfolgreichen Digital-Workplace-Konzept und den richtigen Einsatzgebieten für Ihre Mobile-AI-Strategie, können Sie in Sachen Prozessautomatisierung und Kundenbindung den Mitbewerbern einen gewaltigen Schritt voraus sein. (mb)