Mai 2019: Ein US-amerikanisches Team von Forschern und Abenteurern dringt zum tiefsten Punkt der Erde vor. Mit rund elf Kilometern Tiefe bei mehr als tausend Kilogramm Druck pro Quadratzentimeter ist der Marianengraben ein finsterer, unbekannter Ort. Warum tauchen Menschen in diese lebensfeindlichen Tiefen? Eine Antwort ist definitiv: Um Daten zu sammeln, diese unbekannte Welt zu untersuchen und die Ergebnisse auszuwerten. Denn bei jedem Tauchgang werden neue Arten entdeckt, die uns mehr über dieses isolierte Ökosystem und unseren Planeten verraten.
Foto: Five Deeps/ReeveJolliffe
Die Suche nach neuen Erkenntnissen und Methoden motiviert aber nicht nur Tiefseeforscher und Abenteurer, sondern auch Data Scientists bei ihrer täglichen Arbeit. Zwei Zukunftstechnologien, die Datenexperten neue Möglichkeiten eröffnen, sind Künstliche Intelligenz (KI) und Machine Learning (ML). Wie greifen sie ineinander und wie könnte eine Zukunft mit KI, ML und Datenanalyse als Dreiergespann aussehen?
Das Dreigespann der Zukunftstechnologien
Seit einigen Jahren wachsen die Datenbanken von Unternehmen kontinuierlich an – und es werden immer mehr. So hat der führende Analysedienstleister IDC in einer Berechnung festgestellt, dass allein 2018 insgesamt 33 Zettabyte (33.000.000.000.000.000.000.000 Bytes!) an digitalen Daten entstanden sind. Für 2025 prognostiziert das Marktforschungsunternehmen sogar eine Gesamtzahl von 175 Zettabyte. So gut wie alles, was eine digitale Spur hinterlässt, lässt sich speichern und es ist wohl bekannt, dass Datenspeicherung und -nutzung ein fester Bestandteil von erfolgreichen Unternehmens geworden sind. Die Nutzung dieser Daten hat vor allem in den letzten Jahren große Sprünge nach vorne gemacht – und das liegt vor allem an zwei Disziplinen: Künstlicher Intelligenz (KI) und Maschinellem Lernen (Machine Learning, ML).
Das Fraunhofer Institut definiert Künstliche Intelligenz als ein "Teilgebiet der Informatik, das sich damit beschäftigt, Maschinen mit Fähigkeiten auszustatten, die intelligentem (menschlichem) Verhalten ähneln. Dies kann mit vorprogrammierten Regeln oder durch maschinelles Lernen erreicht werden."
Als Machinelles Lernen wiederum bezeichnet Fraunhofer Verfahren, "in denen ein Algorithmus / eine Maschine durch Wiederholen einer Aufgabe lernt, diese bezüglich eines Gütekriteriums immer besser auszuführen."
KI und ML sind im Grunde hocheffiziente und technologisierte Mathematik. KI geht dabei über simples „eingeben, verarbeiten, ausgeben“ hinaus und fügt dem Prozess die Komponenten „verstehen“ und „handeln“ hinzu – ein Novum. Das Grundprinzip des maschinellen Lernens (ML) hingegen ist das sogenannte „überwachte Lernen“, wobei ein oder mehrere Datensätze in einen Algorithmus eingespeist werden und dieser quasi davon „lernt“. Dadurch wird es möglich, dass beispielsweise Fehler in Vorhersagen soweit wie möglich reduziert werden, da der Algorithmus Vergleichsfälle und -daten hat.
Künstliche Intelligenz und Machine Learning finden bereits heute in Anwendungen ihre Verwendung. So laufen bereits vielerlei Tests mit selbstfahrenden Autos, die in naher Zukunft alleine auf unseren Straßen manövrieren sollen. Oder aber Sprach- und Texterkennung sowie deren Übersetzung, die heute besser als jemals zuvor sind. Chatbots helfen Unternehmen, ihre Kundenanfragen zu bewältigen und intelligente Wartungssysteme sagen den Zeitpunkt und Aufwand mittels Sensorik für Produktionsstraßen voraus. Die Liste wird in Zukunft nur noch länger werden und umfasst vor allem Routineaufgaben und solche, bei denen das menschliche Zutun leicht durch automatische Abläufe ersetzt werden kann.