Schwerpunkte

Künstliche Intelligenz

Der Einstieg ins Machine Learning

24. April 2019, 00:30 Uhr   |  Peter Seeberg

Der Einstieg ins Machine Learning
© Fotolia, Poobest

Was unterscheidet Maschinelles Lernen (ML) von der Künstlichen Intelligenz (KI)? Und warum sollten deutsche Maschinenbauer nicht den Kopf in den Sand stecken, trotz der um ein Vielfaches größeren KI-Investition in Nationen wie China oder den USA? Eine Situationsanalyse.

Das Thema Künstliche Intelligenz ist aktuell in aller Munde. Das ihr zugrundeliegende maschinelle Lernen war viele Jahrzehnte nur Akademikern zugänglich. Die durch immer größere Datenmengen in Kombination mit immer größerer Rechenleistung ermöglichte Technologie treibt revolutionäre Änderungen in unserer Gesellschaft voran.

Entwicklung der Prozessor-Leistungsfähigkeit und der Datenmengen
© asimovero.AI / Intel

Die Entwicklung der Prozessor-Leistungsfähigkeit und der Datenmengen.

ML-Algorithmen entscheiden mittlerweile, ob ein Kunde am Automaten Geld ausbezahlt bekommt, sie erkennen die Gesichter unserer Freunde in den sozialen Netzen und unterstützen oder ersetzen teilweise den Radiologen bei der Bild-Erkennung. Aus der Konsumentenwelt kommend, springt das maschinelle Lernen nun über in die Produktion. Und obwohl mit dem Begriff ‚Maschine‘ im ML ein Rechner und nicht eine Produktionsmaschine gemeint ist, werden auch diese über kurz oder lang tatsächlich die Fähigkeit bekommen, selbstständig zu lernen. 

In der Anfangsphase der ML-Revolution haben die Cloud-Anbieter ML-Frameworks und Bibliotheken zur Verfügung gestellt. Viele Entscheidungsträger haben aber ein mulmiges Gefühl bei der Idee, ihre Produktionsdaten nach außen in die Cloud zu geben. Mittels einer ‚Edge‘-Lösung auf einem Standard-IPC direkt in der Anlage beziehungsweise an der Maschine, können Daten innerhalb der Firewall bleiben. Umso repetitiver die Arbeitsabläufe, umso tiefgreifender die Änderung zukünftiger Arbeitsabläufe. Während im Bereich der Medizin KI immer öfter die eigentliche Arbeit des Radiologen übernimmt, weil sie mittlerweile in immer mehr Teilbereichen akkurater Diagnosen stellen kann wie der Mensch, ermöglicht KI dem Werker in der Produktion, hochwertigere Arbeit auszuführen. Firmen die sich keinen Datenanalytiker (Data Scientist) leisten können, sollten sich überlegen, aus ihrer IT-/Entwicklungs-/Forschungsabteilung heraus eigene Mitarbeiter an das Thema heranzuführen. 

Seite 1 von 7

1. Der Einstieg ins Machine Learning
2. Unterschied zwischen ML und KI
3. Nutzen, Chancen und Risiken
4. Vor Ort statt in der Cloud
5. Die Voraussetzungen
6. ML – jetzt mit nennenswertem Durchbruch
7. Notwendige Schulung

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

INTEL GmbH

SPS 2019

Anbieter zum Thema