Nicht überall, wo KI draufsteht, ist auch KI drin. Dabei können echte KI-Anwendungen ganz leicht von Pseudo-KI unterschieden werden.
Im Frühjahr 2019 erschien eine Studie zum europäischen KI-Markt, die sich intensiv mit Künstliche-Intelligenz-Startups befasste.
Die Autoren der Studie kamen zu dem Ergebnis, dass rund 40 Prozent der jungen Unternehmen mit Künstlicher Intelligenz assoziiert wurden - obwohl sie gar keine KI-Technik einsetzen.
In Zahlen: Von 2.830 untersuchten Startups setzen 1.580 tatsächlich KI ein. Laut der Studie nutzt mittlerweile jedes zwölfte Startup KI. Vor sechs Jahren war es nur jedes 50.
KI oder keine KI, das ist hier die Frage
Dass es zu solchen Irrtümern kommt, gerade bei Investoren, ist verwunderlich. Damit wir uns nicht falsch verstehen: Künstliche Intelligenz ist ein komplexes Thema mit vielen blinden Flecken und noch mehr Fragezeichen. Und mathematische Systeme gibt es viele. Das ist klar.
Aber um herauszufinden, ob ein Produkt oder ein Unternehmen tatsächlich auf KI setzt, muss man nicht Mathe studiert haben oder zur Fachfrau / zum Fachmann für KI-Entwicklung werden.
Im Gegenteil: Es ist sogar ziemlich leicht, KI als solche zu identifzieren. Es genügt ein grundlegendes Verständnis dafür, was KI ist und welche Methoden Teil der KI-Entwicklung sind. Daraus ergeben sich die richtigen Fragen wie von selbst.
Zuerst: Die Grundlagen verstehen
Künstliche Intelligenz ist die Wissenschaft, Computer clever zu machen. Sie ist ein Sammelbecken für Versuche, Maschinen lernen zu lassen, menschliche Aufgaben zu erledigen. Aktueller KI gelingt das besonders gut bei eindeutig definierbaren Spezialaufgaben wie der Objekt- oder Spracherkennung.
Der KI-Begriff und was mit ihm verbunden wird, entwickelt sich laufend. Aber er sorgt zumindest für einen gewissen Konsens, über welches Thema gesprochen wird: Es geht um Maschinen, die, ähnlich wie Menschen, Entscheidungen treffen.
Das maschinelle Lernen ist die Methode, mit der Künstliche Intelligenz erreicht werden soll. Grob geht es darum, dass Maschinen in großen Datenmengen Muster erkennen und basierend auf diesen Mustern Vorhersagen treffen, anstatt vorgegebene Code-Zeilen abzuarbeiten. Es existieren verschiedene Modelle des maschinellen Lernens.
Das gehypte Deep Learning wiederum ist ein Spezialverfahren des maschinellen Lernens. Hier werden KI-Modelle lose nach dem Vorbild des menschlichen Gehirns modelliert, indem sie in mehrere Schichten unterteilt werden, die aus künstlichen, vernetzten Neuronen bestehen. Die Daten werden durch dieses künstliche neuronale Netz geschoben und in jeder Schicht nach vorgegebenen Parametern bewertet. Am Ende kommt eine Beurteilung oder Vorhersage dabei heraus, die zu einer Handlung führen kann.
Ist das KI oder kann es weg? Stellt einfach diese drei Fragen
Hat man dieses grundlegende Verständnis für KI und KI-Methoden verinnerlicht, können daraus die entscheidenden Fragen für den ultimativen KI-Check abgeleitet werden.
- Welches KI-Modell bildet die Grundlage der Anwendung?
- Mit welchen Daten wurde die KI trainiert?
- Und nach welcher Lernmethode?
Ein Entwickler oder Unternehmen, das wirklich auf KI-Verfahren setzt, wird diese Fragen mit Leichtigkeit ohne Zögern beantworten können.
Und falls ihr euch schnell und einfach noch etwas mehr KI-Wissen aneignen wollt, empfehle ich euch unseren Grundlagenartikel zu den wichtigsten KI-Fachbegriffen.
