Was ist Digitalisierung? Teil 6

Das rasante Wachstum der digitalen Technologien geht weiter. Heute herrscht weitgehend Einigkeit darüber, dass vor allem vier digitale Technologien unsere Welt weiter mit Macht digitalisieren werden:

  • Künstliche Intelligenz
  • Big Data
  • 3D-Druck
  • Virtual Reality / Augmented Reality (VR/AR)

Die ersten beiden Technologien sind Thema des heutigen Beitrags. Mit 3D-Druck und VR/AR beschäftige ich mich das nächste Mal.

Künstliche Intelligenz

Aus den Anfängen der „Artificial Intelligence (AI)“ Mitte des letzten Jahrhunderts hat sich die Künstliche Intelligenz (KI) zu einem Kernbereich der digitalen Technologien entwickelt. KI hat zum Ziel, das intelligente Verhalten von Menschen so zu automatisieren, dass ein Computer nicht nur menschliche- Fähigkeiten kopieren, sondern eigenständig lernen und Probleme lösen kann und eines Tages möglicherweise sogar kreativ ist.

Seit vielen Jahren schon wird Künstliche Intelligenz in immer mehr Bereichen eingesetzt – von uns häufig unbemerkt. Neben Automatisierung und Robotik sind das Anwendungen in zahlreichen Lebensbereichen: Online-Shopping, Videoanalysen zur Sicherheitsüberwachung, Social Media Plattformen, Suchmaschinen, Selbstfahrende Autos, Gesundheitswesen. Bis hin zum Personalwesen mit softwaregesteuerten Bewerbergesprächen und deren Analyse.

Aber KI ist nicht gleich KI. Heute am meisten angewendet wird eine schwache Form von KI, das Übertragen menschlicher Fähigkeiten auf Maschinen. Kann die Maschine lernen, spricht man von Machine Learning (ML). Das wohl wichtigste Teilgebiet des Machine Learning ist Deep Learning. Hierfür liefert die Neuroinformatik die wissenschaftlichen Grundlagen. Letztere beschäftigt sich damit, wie Informationen im menschlichen Gehirn verarbeitet werden. Diese Erkenntnisse werden auf das ML-System übertragen und ermöglichen so, die Funktionsweise unseres Gehirns abzubilden. Deep Learning Systeme bearbeiten Probleme schichtweise. Sie lernen selbstständig Strukturen und können sich selbst verbessern.

Diese Eigenschaften bedeuten einen Paradigmenwechsel. Steht bei fast allen digitalen Techniken das Softwareprogramm, also Quellcode bzw. Algorithmen, im Vordergrund, sind es bei Deep Learning vor allem die Daten, mit denen das System „eingelernt“ und „trainiert“ wird. Je nachdem, welche Trainingsdaten ausgewählt werden, wird das System entsprechend beeinflusst bzw. ausgerichtet. Ein Stück weit kann man diesen Prozess mit dem Lernen und Erziehen eines jungen Menschen vergleichen.

Maschinen mit sozialer und emotionaler Intelligenz, die sich wie Menschen verhalten und diesen auch äußerlich ähneln, sind derzeit noch Science-Fiction Filmen vorbehalten. Aber die Künstliche Intelligenz entwickelt sich mit Riesenschritten weiter. „Arnold Schwarzenegger und die Androiden lassen grüßen“.

Wenn es in den Medien um den Einsatz von Künstlicher Intelligenz geht, fallen vor allem US-amerikanische Namen wie Google, Amazon und Facebook. Allesamt Unternehmen, die unzählige Mengen an Daten sammeln und deren wahren Wert z. B. auch für Deep Learning-Anwendungen zu schätzen wissen. Microsoft kooperiert im Bereich KI seit kurzem mit Alibaba in China. Intel hat 2017 den israelischen Spezialisten für Kamera- und Fahrerassistenzsysteme, Mobileye, übernommen. Firmen wie der Grafik-Chipanbieter Nvidia oder der E-Mobil Hersteller Tesla sind ebenfalls besonders aktiv im Bereich Künstlicher Intelligenz.

Aber auch der Musikstreamingdienst Spotify war letztes Jahr in den Medien mit dem Kauf des französischen KI-Startups Niland. Spotify nennt als Hauptziel für diesen Erwerb die stärkere Personalisierung ihres Musikangebots. Nicht zuletzt, um sich von Apple Music stärker abzusetzen.

Von der Öffentlichkeit weitgehend unbeachtet haben sich andererseits deutsche Forschungseinrichtungen in den vergangenen 40 Jahren bei KI einen weltweiten Spitzenplatz erarbeitet. Allein aus dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) heraus wurden 80 Unternehmen mit heute fast 4.000 Mitarbeitern gegründet.

Der jährliche weltweite Umsatz mit Künstlicher Intelligenz wird derzeit auf etwa 1 Milliarde Dollar geschätzt, aber mit einem prognostizierten Wachstum von über 50 % pro Jahr. D. h.: 2025 sprechen wir von über 30 Mrd. Dollar KI-Umsatz weltweit. Damit ist unschwer vorherzusagen, dass mit der Künstlichen Intelligenz in Verbindung mit Big Data eine weitere digitale Welle oder sogar Revolution auf uns zukommt.

Big Data

Bereits 1941 wurde das exponentiell steigende Datenvolumen als „information explosion“ bezeichnet. Hat die Verdopplung unseres Wissens vor 10 Jahren noch 5 -7 Jahre gedauert, sind es heute nur noch zwei Jahre. Jeder Mensch erzeugt heute täglich etwa 700 MB an Daten, bis 2020 wird sich dieser Wert mehr als verdoppeln. Google benötigt pro Tag eine zusätzliche Speicherkapazität von 1.000 Terabyte, Facebook sogar zusätzlich 4.000 Terabyte pro Tag.

Mit der elektronischen Datenspeicherung haben sich auch die Technologien für die Verarbeitung und Analyse großer Datenmengen rasant weiter entwickelt. Ende des letzten Jahrhunderts entstand das Data Warehouse Konzept, das Unternehmen eine umfassende Sicht auf alle für die Unternehmensführung relevanten Datenbestände ermöglicht. Data Mining und Online Analytical Processing sind Technologien, mit denen sich aus solchen großen Datenbeständen, die sich nicht extrem schnell ändern, gewünschte Informationen und wichtige Erkenntnisse gewinnen lassen.

Im Unterschied dazu steht Big Data für die Echtzeit-Auswertung von komplexen und sich schnell ändernden Massendaten. Big Data kommt heute in ähnlichen Bereichen zur Anwendung wie die Künstliche Intelligenz bzw. ist sogar die Voraussetzung für KI-Anwendungen, also Suchmaschinen, Social Media, Überwachungssysteme, Marktforschung, Predictive Maintenance, Smart Farming usw.

Eine zentrale Rolle spielt Big Data auch beim autonomen Fahren, denn dort müssen in Bruchteilen von Sekunden unzählige Datenmengen so verarbeitet werden, dass das Fahrzeug richtig reagiert. Schneller, als es jeder noch so gute Autofahrer je könnte.

Um eine Vorstellung davon zu bekommen, welche Datenvolumina in solchen Anwendungen entstehen und verarbeitet werden müssen, zwei Beispiele:

  • Die in den Tragflächen eines Airbus 350 befindlichen 6.000 Sensoren liefern pro Tag 2.500 Gigabyte Daten.
  • Im Verhältnis fast genauso viele Daten erzeugen die in einem selbstfahrenden Auto erforderlichen Sensoren: 1 GB pro Minute.

Deutschland nimmt nach der Studie „Data & Analytics Trends 2017“ von Teradata, USAeinen weltweiten Spitzenplatz ein beim Einsatz von Big Data, Analytics, digitale Transformation und Data Warehousing.

Im nächsten Beitrag dieser Blog-Reihe folgen 3D-Druck und Virtual Reality / Augmented Reality. Danach plane ich einen Blog „Auswirkungen der Digitalisierung auf die Arbeitswelt“.

Ludger Grevenkamp
15. Mai 2018

Möchten Sie meine neuen Blog-Beiträge direkt per Email erhalten?
Melden Sie sich an zum kostenlosen Blog-Abo!