Wie funktioniert Künstliche Intelligenz? KI einfach erklärt

Künstliche Intelligenz, kurz KI, ist längst in vielen Bereichen Teil unseres Alltags: zum Beispiel bei der Routenplanung, der Spracherkennung oder, wenn wir die Empfehlungsliste unseres Streaming-Dienstes durchscrollen. Spätestens seit der Veröffentlichung von ChatGPT fragt sich nicht nur die Immobilienwirtschaft, wie KI unsere Arbeits- und Lebenswelt verändern wird. Erfahren Sie, wie KI eigentlich genau funktioniert.

Falls Sie konkret an Anwendungsbeispielen von Künstlicher Intelligenz in der Immobilienwirtschaft interessiert sind, lesen Sie gerne weiter im verlinkten Blogbeitrag.

 

Inhalt

Was genau ist Künstliche Intelligenz?

Künstliche Intelligenz ist grundsätzlich ein sperriger Begriff. Und vielen von uns fehlt es vielleicht an einer konkreten Vorstellung, was sich hinter KI überhaupt verbirgt. 

Um für mehr Übersicht zu sorgen, hat der Digitalverband Bitkom ein sogenanntes Periodensystem der Künstlichen Intelligenz entwickelt. Es liefert einen guten Überblick über eine ganze Reihe von KI-Technologien und ihrem praktischen Nutzen.

Die Bandbreite reicht dabei von der Objekterkennung (Image Recognition), dem Analysieren von großen Datenmengen (Data Analytics) bis hin zur komplexen Entscheidungsfindung.

KI hilft also dabei, zu identifizieren, kategorisieren und Entscheidungen zu treffen. Alles auf der Basis von Daten.

Das Periodensystem der künstlichen Intelligenz, dargestellt in Bausteinen.
Periodensystem der Künstlichen Intelligenz (Quelle: Bitkom)

Wie genau funktioniert Künstliche Intelligenz?

Künstliche Intelligenz gilt derzeit als “Vollendung” der digitalen Transformation.

Künstliche Intelligenz bezeichnet vereinfacht gesagt Maschinen, die in der Lage sind, wie Menschen zu denken.

Im Grunde geht es darum, Wissen auf Basis von Daten aufzubauen.

Erfolgreich sind vor allem solche Systeme, die mit den Erfahrungen des maschinellen Lernens (Machine Learning) arbeiten. 

Definition des maschinellen Lernens

Auf Arthur Samuel, US-amerikanischer Informatiker und Pionier auf dem Gebiet der Computerspiele und künstlichen Intelligenz (1901 – 1990), geht folgende Definition zurück:

„Maschinelles Lernen ist die Fähigkeit eines Computers zu lernen, ohne explizit programmiert worden zu sein”.

Maschinelles Lernen ist ein wichtiger Teilbereich von Künstlicher Intelligenz, genauso wie Deep Learning, das im Moment viel Aufmerksamkeit erfährt. Diese spezielle Methode zur Informationsverarbeitung nutzt künstliche neuronale Netze, um selbständig bestimmte Aufgaben bearbeiten zu können.

Maschinelles Lernen: Was unterscheidet klassische von selbstlernenden Systemen?

Klassische EDV-Systeme basieren auf klar definierten und fest programmierten Regelwerken, die nach dem Prinzip “Eingabe-Verarbeitung-Ausgabe“ (EVA) arbeiten. z.B.

  • Wenn dies, dann das
  • z.B. Wenn der User auf „Senden“ drückt, schicke die E-Mail an den Server X

Lernende Systeme basieren nicht auf fest programmierten Regeln, sondern auf Algorithmen, die selbstständig in der Lage sind, diese Schritte zu erstellen. 

Anders ausgedrückt: Maschinelles Lernen beschreibt die Fähigkeit eines Computers zu lernen, ohne speziell programmiert worden zu sein. Es ist dabei eine Kombination aus Informatik, Mathematik und Statistik.

Beim maschinellen Lernen gibt es Schnittmengen zwischen Informatik, Mathematik und Statistik.

Beispiel Bilderkennung

Warum benötigen wir selbstlernende Systeme? Weil bestimmte Probleme so komplex sind, dass es unmöglich ist, dafür einen Code von Hand zu schreiben.

Ein Beispiel dafür ist etwa die Bilderkennung

Im klassischen, regelbasierten System müsste man Anweisungen für unzählige Fälle schreiben: Je nachdem, ob das Foto nachts, in der Natur, am Strand, bei der Arbeit, im Auto aufgenommen wurde. 

Das ist nahezu unmöglich!

Lernende Systeme leiten aus eingelesenen Daten hingegen eigenständig neues Wissen ab. Maschinelles Lernen eben.

Das bedeutet: Auch eine KI kennt nicht jedes Bild von mir, aber sie kann aus einer Anzahl an vorhandenen Bildern lernen, wie ich aussehe und diese Regel dann auf neue Bilder übertragen und mich erkennen.

Und das nicht nur mit mir, sondern mit Milliarden Gesichtern in Bruchteilen von Sekunden

Schon heute können lernfähige Systeme aus großen Datenmengen 

  • selbständig „eigene“ Erkenntnisse ziehen, 
  • diese Schritt für Schritt erweitern 
  • und schließlich neue Lösungen für ein ihnen bis dahin unbekanntes Problem entwickeln

Voraussetzung dafür ist, dass das lernfähige System trainiert wird.

Wie funktioniert das “Trainieren” von Künstlicher Intelligenz?

Das maschinelle Lernen lehnt sich an die menschlichen Denkvorgänge an. Und auch selbstlernende Systeme benötigen zunächst einen Lehrer: den Menschen

Der Mensch trainiert die Systeme, indem er sie mit sehr großen Datenmengen füttert.

Zum Beispiel fütterte Google im Rahmen eines KI-Projekts Rechner mit bis zu einer Million Bildern. Erst dann erkannte der Computer Katzen auf einem Bild.

In den Bereichen Architektur, Planen und Bauen fallen solche großen Datenmengen beispielsweise beim Laserscanning von Bauwerken an.

Auch in Smart Buildings werden unglaublich viele Daten, z.B. Sensordaten, generiert, die für das Trainieren Künstlicher Intelligenz verwendet werden können.

Wo ist der Haken?

Wird der Rechner mit fehlerhaften oder unausgeglichenen Daten gefüttert, zieht die Künstliche Intelligenz daraus falsche Schlüsse. Ein sogenannter Bias liegt vor. 

Im schlimmsten Fall trifft die Künstliche Intelligenz daraufhin fragwürdige Entscheidungen. Lehnt zum Beispiel Kredite bestimmter Bevölkerungsgruppen ab, benachteiligt bei Bewerbungsverfahren alte oder weibliche Bewerberinnen oder stuft angesehene Kunstwerke als Pornographie ein.

Daher ist es wichtig, die Verarbeitung der Trainingsdaten engmaschig zu überwachen. Nur so werden Sie auf Verzerrungen aufmerksam.

Sie fragen sich jetzt vielleicht: Gibt es irgendwann nur noch Künstliche Intelligenz. Oder anders:

Lösen intelligente Systeme dann klassische, regelbasierte Systeme ab?

Nein, vorerst nicht. Denn nicht für jeden Anwendungsfall werden Maschinelles Lernen- Algorithmen benötigt. Das bedeutet: Bewährte, statistische Analyseverfahren haben weiterhin ihre Berechtigung. 

Lernende Algorithmen kommen immer dann zum Einsatz, wenn klassische IT-Verarbeitungsprozesse nach dem “EVA”-Prinzip (Eingabe-Verarbeitung-Ausgabe) nicht mehr funktionieren.

Fazit

Künstliche Intelligenz hilft dabei, zu identifizieren, zu kategorisieren und Entscheidungen zu treffen. Alles auf der Basis von Daten.

Die Bandbreite der KI-Technologien reicht dabei von der Objekterkennung, dem Analysieren von großen Datenmengen bis hin zur komplexen Entscheidungsfindung.

Maschinelles Lernen ist ein wichtiger Teilbereich von Künstlicher Intelligenz. 

Es beschreibt die Fähigkeit eines Computers zu lernen, ohne speziell programmiert worden zu sein. Damit können sehr komplexe Probleme gelöst werden, für die es quasi unmöglich ist, einen Code von Hand zu schreiben.

Der Computer lernt, indem der Mensch ihn mit großen Datenmengen füttert.

Doch Vorsicht: Wird der Rechner mit fehlerhaften oder unausgeglichenen Daten gefüttert, zieht die Künstliche Intelligenz daraus falsche Schlüsse. Ein sogenannter Bias liegt vor.

Quellen:
  • Der Spiegel (33/2022): Ist Gerechtigkeit programmierbar? Die KI wird eines Tages bestimmen, was wir für richtig oder falsch halten. Aber wer füttert sie – und womit?
  • https://www.mittelstand-digital.de/MD/Redaktion/DE/Publikationen/zentrum-kommunikation-ki-kochbuch.html
  • https://www.bitkom.org/sites/main/files/2018-12/181204_LF_Periodensystem_online_0.pdf

Digitalisierung endlich richtig verstehen?

Jetzt BUILD Micro-Learning kennenlernen – für alle, die von der Digitalisierung profitieren und den Erfolg nicht anderen überlassen wollen.

#Intensiv-Kursprogramm #Digital Real Estate

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert