Der Intelligenzfaktor

Die SER Future Story


Klassifikation

KI wird wird Verhalten oder Ereignisse voraussagen. Sie wird positive wie negative Stimmungen erkennen.

Hat das Doxis4 ECM-System die Informationen gelesen und verstanden, muss entschieden werden, was mit den Informationen geschehen soll. Das übernimmt die Klassifikation. Analog zur Bilderkennung lernt das System über Lernmengen, Dokumente und Informationen zu unterscheiden. Die Maschine basiert ihr Wissen, wenn man so will, auf früheren Erfahrungen. Anders noch als bei Machine Learning wird sich mittels Deep Learning KI zukünftig selbst trainieren. Die Klassifikation wird dabei weit über die der Dokumenten­arten hinausgehen. Sie wird anhand von grundlegenden Annahmen durch die Klassifikation, Vorschläge zur Klassifikation unterbreiten und Prognosen aus der Klassifikation treffen. So wird es möglich sein, die Informationen über alle Eingangskanäle folgerichtig zu verteilen und dem nächst richtigen Bearbeitungs­schritt zuzuführen. Eine der grundlegenden KI-Eigenschaften ist es schließlich, nach versteckten Mustern oder Korrelationen im Chaos dieser unglaublich großen Daten­mengen zu suchen, um Modelle zu entwickeln, die Verhalten oder Ereignisse voraussagen.

Sentiment Analyse

Sentiment Analyse

Diese Muster schließen auch Emotionalität ein. Hierzu wird die Sentiment Analyse, häufig auch Sentiment Detection genannt, als Untergebiet des Text Mining angewandt, um positive wie negative Stimmungen in Textdokumenten zu erkennen. Es geht dabei darum, das Verständnis durch Menschenhand verfasster Texte zu verstehen, d.h. deren subjektive Meinung zu extrahieren. Diese Analysemethode ist von wirtschaftlichem Interesse, zumal sich hierdurch im Schriftverkehr und im Netz publizierte positive als auch negative Meinungen zum Unternehmen und seinen Produkten feststellen lässt. Ein solches Kenntnisbild könnte davon zeugen, dass ein Kunde aufgrund seiner Unzufriedenheit das Produkt und damit den Anbieter wechselt. Um eine solche Stimmungsbild-Extraktion automatisiert sinnvoll durchführen zu können, ist stets auch ein Domänenwissen erforderlich. Bei einer Software wären solche Domänen unter anderem die Technologie, die Anwendung, die Benutzerfreundlichkeit ... So kann das Adjektiv „schnell“ für die Technologie ein Lob sein, bei der Benutzerfreundlichkeit dagegen negativ ausgelegt sein, z.B. führt schnell zu Fehlern.

Geschäftsprozesse

Innerhalb der Geschäftsprozesse könnten digitale Assistenten die Bearbeitung übernehmen – zuerst bei den Routineaufgaben, später auch dort, wo Entscheidungen getroffen werden müssen. Letzteres ist wie zuvor beschrieben eine der großen KI-Stärken. Aufgrund der Erfahrungswerte könnte die KI jegliche Prognosen hinsichtlich der zu erwarteten Geschäftsprozesse treffen. In der Zusammenarbeit mit Menschen ließe sich durch Prognosen die Auslastung bestimmen und so eine verzögerungsfreie Bearbeitung ermöglichen. Mit der Automation wäre auch das Ende der Outsourcing-Ära von geistiger Arbeit eingeleitet. Einfache wie anspruchsvolle Tätigkeiten ließen sich von der Maschine wirtschaftlicher leisten.

Proaktives Informationsmanagement

KI ebnet uns den Weg zur Findemaschine – zum proaktiven Informationsmanagement

Wenn wir Informationen brauchen, müssen wir sie suchen. Daran haben wir uns gewöhnt. 20 Prozent unserer Arbeitszeit verbringen wir damit, so eine McKinsey-Studie. Auch das könnte bald Vergangenheit sein: Statt Suchmaschinen ebnet uns KI den Weg hin zur Findemaschine – einem proaktiven Informations­management. Vorausschauend erhalten wir Informationen im Kontext unserer Arbeit, Handlungen und Entscheidungen bereitgestellt. Das System kennt den User, seinen Informationsbedarf und sein Arbeitsverhalten. So erhalten wir frühzeitig eine Zusammenstellung aller wichtigen Informationen für einen Termin. Durch den Blick in den Terminkalender hat das System die zeitliche Relevanz erkannt. Im Kontext der Arbeit erhalten wir die richtigen Dokumente vorgeschlagen, ohne danach suchen zu müssen.

Predicitve Maintenance

Predictive Maintenance

Unumstritten zählt die vorausschauende Wartung und Instandhaltung mittels „Predictive Intelligence“ zu den wichtigsten Anwendungsfeldern für das industrielle Internet der Dinge (IIoT) und die Industrie 4.0. Die vorausschauende Wartung ermöglicht die herkömmliche Zustandsüberwachung durch Algorithmus-basierte Datenanalyse. Sie identifiziert so potenzielle Störungen, bevor tatsächlich Schaden entsteht. Alle Informationen, die die Techniker zur Wartung benötigen, erhalten sie über Smart Glasses bereitgestellt. Diese Brillen scannen die Codes der Maschinen und Baugruppen und liefern so präzise die richtigen Informationen, die zur Wartung und Störungsbehebung erforderlich sind. Wearable-Kleidung warnt und schützt die Techniker vor körperlichen Schäden, z.B. durch Hitze oder Strahlen. Über die Wearable-Kleidung wird der Zustand der Umgebung analysiert und durch KI die Aufzeichnungen ausgewertet.

Die zuvor aufgezeigten vielfältigen Anwendungsbeispiele stecken allesamt noch in den Kinderschuhen. Anders als in der Produktion werden virtuelle Assistenten noch lange Zeit auf sich warten lassen. Einen wesentlichen Vorteil hat die Unzulänglichkeit des Menschen gegenüber der KI: Im Gegensatz zur Maschine sind wir vergesslich. Lernen Maschinen erst einmal etwas falsches, ist es heute nur schwer, das wieder aus ihnen heraus zu bekommen.