Wolters Kluwer Deutschland

Der Einfluss von Artificial Intelligence & Was ist eigentlich Machine Learning

Im ersten Teil unserer Serie haben wir aufgezeigt, wieso sich Artificial Intelligence auf einem Hype-Höhepunkt befindet. Der zweite Teil der Serie beinhaltete 4 Dinge, die Sie über Artifical Intelligence wissen sollen. Und im dritten Teil der Serie haben wir untersucht, wie intelligent AI eigentlich ist.

Im vierten und letzten Teil betrachten wir den Einfluss von AI und zeigen, was eigentlich Machine Learning ist. 

Im Sommer 2017 beschrieben mehrere Berichte den Einfluss von Artificial Intelligence (AI). Sie alle konstatierten, dass AI massiven Einfluss auf Performance und Produktivität hat – über alle Branchen und Regionen hinweg.

Accenture stellte fest, dass AI ein neuer Produktionsfaktor ist, der:

  • bis 2035 in 12 Ländern für eine Verdopplung der jährlichen Wachstumsraten sorgen könnte;
  • eine 38-prozentige Erhöhung der Industrialisierungsrate bewirken könnte und 
  • das Potenzial hat, die Bruttowertschöpfung in 16 Branchen um 14 Billionen US-Dollar zu erhöhen.

In ihrer Analyse „Sizing the Prize“ kommt PwC zu dem Ergebnis, dass die beschleunigte Entwicklung von AI-Anwendungen dafür sorgen könnte, dass das weltweite BIP um 15,7 Billionen US-Dollar wächst. Dabei resultiere der größte Wirtschaftsaufschwung aus erhöhter Produktivität, einschließlich der Automatisierung von Routineaufgaben, was wiederum den Mitarbeitern erlaubt, abwechslungsreichere und Aufgaben mit höherer Wertschöpfung zu übernehmen.

Quelle: PwC 2017, Sizing the Prize

 

PwC ist sich mit vielen anderen Experten einig, wenn sie sagen: „Kein Sektor oder Unternehmen ist in irgendeiner Art und Weise immun gegen den Einfluss von Artificial Intelligence.“

Bei solch einem enormen Einfluss ist es kein Wunder, dass Gartner vorhersagt, AI werde die Technologie sein, die in den kommenden zehn Jahren den disruptivsten Effekt auf den Fortschritt der Digitalwirtschaft haben wird. Erwähnenswert ist hierbei noch, dass ein Großteil der erhöhten Wertschöpfung voraussichtlich einer bestimmten AI-Technologie zugeschrieben werden wird: Machine Learning.

Was ist Machine Learning?

Machine Learning wird oft als ein Gebiet der Computerwissenschaft bezeichnet, das sich damit befasst, „Computern die Fähigkeit des Lernens zu geben, ohne ausdrücklich programmiert zu werden.“ Präziser ausgedrückt ist Machine Learning ein Algorithmus (ein Set von Anweisungen) oder ein statistisches Modell, der/das lernt,…

  • Muster in bestehenden Daten zu erkennen, und dann 
  • ähnliche Muster in neuen Daten vorherzusagen.

Fausto Ibarra erklärt dazu: Machine Learning ermöglicht praktisch einem Computer, die Informationen zu finden, die ein Mensch nicht findet. Hat man erst einmal die Daten, entwickelt Modelle weiter und wendet sie an, dann kann sich die Maschine durch Terrabytes von Daten arbeiten und wird immer schlauer – sie schult sich praktisch selbst – und kann letztlich Vorhersagen für Dich treffen.“

Ein Beispiel aus der Praxis: Für ein Restaurant wäre ein Maschine Learning-Modell sinnvoll, das analysiert, zu welcher Zeit die meisten Gäste kommen, welches die beliebtesten Gerichte sind und wie lang die mögliche Wartezeit ist. So könnte man die Vorratshaltung verbessern und das Personal besser einplanen, um letztlich für ein deutlich besseres Kundenerlebnis zu sorgen. Mit wachsendem Geschäftserfolg und steigenden Besucherzahlen würde sich das Modell an die neue Situation anpassen – und datenbasiert neue Vorschläge machen.

Fortgesetztes (Machine) Learning bewirkt kontinuierliche Adaption und Verbesserung.

Ist Machine Learning der neue Wettbewerbsvorteil?

In einer Umfrage der MIT Technology Review sagte die Mehrheit der befragten Unternehmen, die bereits Machine Learning nutzen, dass dies in der Tat eine der wichtigsten Quellen für einen Wettbewerbsvorteil sei.


Quelle: MITTR Google For Work Survey

Machine Learning ist die am schnellsten wachsenden Disziplin innerhalb von AI und steckt praktisch hinter allem: von selbstfahrenden Autos bis Google Translate, in der App von Uber und hinter den Empfehlungen von Netflix und Amazon. Die Bandbreite der Anwendungsfälle ist riesig.

Die Vorteile von Machine Learning reichen von der Verbesserung des Kundenerlebnisses oder völlig neuen Erkenntnissen über Kunden über die Entwicklung von Produktverbesserungen mit echtem Mehrwert oder komplett neuen Produkten – bis hin zur Optimierung interner Prozesse. Und während Machine Learning noch in den Kinderschuhen seiner flächendeckenden Einführung steckt, ernten die „Early Adopters“ im Markt, also die Unternehmen, die bereits früh in Machine Learning investiert haben, bereits die ersten Früchte.

Die genannten Themen spielen auch bei Wolters Kluwer eine wichtige Rolle – mehr dazu können Sie in unserem aktuellen Insights Podcast hören: „Where We’re Headed With Artificial Intelligence”.

 

Das war der letzte Teil unserer Serie "Eine Einführung zu Artificial Intelligence (AI): AI, UX & der Mensch als Experte. Hier haben Sie noch einmal alle vier Teile in der Übersicht.

Fazit – AI, UX und die menschliche Expertise

Gartner sagt voraus, dass AI-Technologien in den nächsten zehn Jahren den disruptivsten Effekt auf die Entwicklung der Digitalwirtschaft haben werden – und dass AI Unternehmen ermöglichen wird, Probleme zu lösen, die sie vorher nicht lösen konnten.

Daraus folgt: Um den tatsächlichen Wert von AI zu heben, müssen Unternehmen herausfinden, welche Problem sie am besten damit lösen sollten.

Auch für Wolters Kluwer ist der Kunden der Ausgangspunkt. Unser Fokus liegt klar darauf, Kundenprobleme in aller Tiefe genau zu verstehen. Bevor man also über die passende Technologie nachdenkt, bringen wir fachliche Experten, Produktdesigner, Design Thinker, Datenspezialisten und oft auch Kunden selbst zusammen, um ganz genau das Problem zu definieren, das gelöst werden soll. Diese Vorgehensweise resultiert aus

  • über 180 Jahren profundem Branchenwissen in den Tätigkeitsfeldern unserer Kunden;
  • Verständnis für (und Empathie mit) den Herausforderungen unserer Kunden in Bezug auf Produktivität und der erhöhten Menge und Komplexität an Informationen und Regularien;
  • tiefen Einblicken in die Arbeitsprozesse unsere Kunden und
  • Zugang zu Daten, Wissen und Information.

Mithilfe von fortschrittlicher Technologie fokussiert sich Wolters Kluwer dann darauf, diese Probleme auf die effizienteste Art und Weise zu lösen. Der Ansatz für die Integration von AI ist hier laut CEO Nancy McKinstry, „sich zunächst auf kleinere Schmerzpunkte zu fokussieren, diese zu beheben und darauf dann aufzubauen.

Auch wenn AI großartige Chancen bietet in Bezug auf Kosten, Effizienz und Produktivität, sind es letztlich die menschlichen Experten im Unternehmen, die tatsächlich die größten Herausforderungen unserer Kunden kennen. Sie liefern die Kontrollmechanismen, Kontext, Abstufungen und Bedeutung und – natürlich – empathische Kommunikation.

Ohne Zweifel ist es die Kombination aus Mensch und Maschine, die uns letztlich eine faszinierende Zukunft bringen wird.

“Welche Schritte eignen sich für AI und welche Schritte sollten besser durch unsere Experten getan werden? Das sind die Schlüsselfragen bei der Anwendung von AI-Technologien.” — Sandeep Sacheti, Executive Vice President, Customer Information Management & Operational Excellence (EVP, CIOx), Wolters Kluwer Governance, Risk & Compliance

Teil 3