Machine Learning – was kann künstliche Intelligenz?

Machine Learning & Data Science verändern unsere Welt rapide: Bereit die Treiber für Innovationen zu nutzen?

Suche
Registrieren

Was ist Machine Learning?

Immer wieder hört man von Machine Learning, doch selten hat man direkt eine Vorstellung davon, wie man es für sich und das eigene Unternehmen nutzen und davon profitieren kann. Wurde das Thema bis vor ein paar Jahren ausschließlich in Universitäten oder Tech-Unternehmen behandelt, so findet die Nutzung von künstlicher Intelligenz (KI) heute dank technologischem Fortschritt zunehmend alltägliche Verwendung. Funktionen wie die Spracherkennung von digitalen Assistenten, Spam-Filterung von E-Mails, die Aussteuerung von personalisierter Werbung im Internet oder medizinische Diagnoseverfahren nutzen heute ganz selbstverständlich Machine Learning.

 

Latest Articles

Paigo verändert, wie Marken mit Verbrauchern kommunizieren, die in finanziellen Rückstand geraten sind. Wie genau das geht und was Paigo im Detail anders macht, erklärt Oliver Klein.
Drei Features für mehr Vertrauen
Oliver Klein
22.10.2020
3 minutes
Paigo verändert, wie Marken mit Verbrauchern kommunizieren, die in finanziellen Rückstand geraten sind. Wie genau das geht und was Paigo im Detail anders macht, erklärt Oliver Klein.
In der Versicherungsbranche spielt die digitale Transformation schon seit Längerem eine wichtige Rolle. In der herausfordernden Corona-Zeit wurden die Vorteile der Digitalisierung erneut deutlich.
Digitale Ökosysteme für Versicherer
Fabian Küchlin
18.06.2020
4 minutes
In der Versicherungsbranche spielt die digitale Transformation schon seit Längerem eine wichtige Rolle. In der herausfordernden Corona-Zeit wurden die Vorteile der Digitalisierung erneut deutlich.
Die Fashion- und Lifestylebranche nutzt die künstliche Verknappung, auch Drop genannt, um den Verkauf anzukurbeln und den Kunden ein exklusives Markenerlebnis zu ermöglichen. Wiederverkäufer nutzen das oft, um – bleiben wir beim Beispiel Sneakers – für das Vielfache des Eigenwerts weiterzuverkaufen.
Schon ausverkauft? Wie Bots limitierte Sales ausbremsen
Felix Martin Siepmann
17.06.2020
3 minutes
Die Fashion- und Lifestylebranche nutzt die künstliche Verknappung, auch Drop genannt, um den Verkauf anzukurbeln und den Kunden ein exklusives Markenerlebnis zu ermöglichen. Wiederverkäufer nutzen das oft, um – bleiben wir beim Beispiel Sneakers – für das Vielfache des Eigenwerts weiterzuverkaufen.

Doch wie funktioniert das Ganze überhaupt?

Machine Learning (hierzulande auch maschinelles Lernen genannt) bezeichnet die allgemeine Generierung von Wissen aus gesammelten Erfahrungen. Es zählt somit zu den Datenwissenschaften, den sogenannten Data Sciences.

Künstliche Intelligenz

Mithilfe bestehender Testdaten und durch den Menschen vorgegebene Regeln zur Datenanalyse kann sich ein System ein statistisches Modell aufbauen. Damit „lernt“ es gewisse Muster und Gesetzmäßigkeiten in den Daten zu erkennen und eine Art künstliche Intelligenz entsteht. Im besten Falle gelingt es dem System damit auch neue, unbekannte Daten richtig zu beurteilen. So soll das System dazu befähigt werden, eigenständig Daten zu analysieren oder Probleme zu lösen.

Ein angelerntes System kann zum Beispiel selbstständig relevante Daten identifizieren und extrahieren, aufgrund der Datenbasis Vorhersagen treffen und so die Wahrscheinlichkeit eines Ereignisses berechnen.

Welche Arten des Machine Learnings gibt es?

Teilüberwachtes Lernen

Teilüberwachtes Lernen

nur ein Teil der Antworten sind bekannt

Bestärkendes Lernen

Bestärkendes Lernen

Belohnung erwünschter Verhaltensweisen

Aktives Lernen

Aktives Lernen

Möglichkeit, dass das System Fragen stellt

Selbstständiges Lernen

Selbstständiges Lernen

Algorithmus fungiert als Lehrer und Schüler

Machine Learning lässt sich grob in zwei Varianten unterteilen: überwachtes Lernen und unüberwachtes Lernen.

Überwachtes Lernen (supervised learning)

Beim überwachten Lernen wird dem System ein Grundwissen vermittelt. Dies erfolgt mit Trainingsdaten, die sowohl einen Eingangsparameter als auch das richtige Ergebnis enthalten. Daraus kann sich das System Beispielmodelle zur Orientierung erstellen, die zum passenden Ergebnis führen. Mit diesen Algorithmen können dann auch unbekannte Daten richtig eingeordnet werden.

Zu den möglichen Unter-Kategorien des überwachten Lernens zählen:

Unüberwachtes Lernen (unsupervised learning)

Beim unüberwachten Lernen ist dem System nicht bekannt, was es in den Daten erkennen soll. Es bildet selbstständige Modellgruppen und teilt die erkannten Muster in Cluster ein, weiß jedoch nicht, welches Label dazu passt.
Beim unüberwachten Lernen unterscheidet man zwischen

  • Batch-Lernen – alle Trainingsdaten werden auf einmal gegeben
  • Kontinuierlichem Lernen – das Modell wird Schritt-für-Schritt aufgebaut

Wie wird künstliche Intelligenz in Unternehmen für Data Science eingesetzt?

Die Einsatzmöglichkeiten von Machine Learning in Unternehmen sind so vielfältig wie die verschiedenen Aufgaben der Mitarbeiter und die Daten, die sich in modernen Unternehmen ansammeln.

Generell gilt:

Je größer die Datenbasis, desto zuverlässiger werden die Ergebnisse.

Mit der Unterstützung von maschinellem Lernen kann der Mensch effizienter arbeiten, denn aufwendige, ungeliebte Arbeitsschritte können einfach dem Computer überlassen werden. In den meisten Unternehmen fallen zum Beispiel viele Arbeitsstunden für Rechnungsprüfung, Zahlungsabwicklung und Backoffice-Tätigkeiten an, die mittels Robotic Process Automation (RPA) automatisiert werden können.
Besonders bei der Verarbeitung großer Datenmengen übertrifft ein lernendes Programm sogar oft den Menschen, da es schneller und fehlerfreier vorgeht. Data Science-Ansätze greifen dabei auf große Datenbankstrukturen zurück, die unter Zuhilfenahme von Programmiersprachen wie etwa Python zugänglich gemacht und miteinander verknüpft werden.

 

Bekämpfung von Cyberkriminalität und Installation zuverlässiger Chatbots

Auch bei Verdacht von Kreditkartenbetrug wird Machine Learning im Finance-Bereich angewendet. Gerade in Zeiten wachsender Cyberkriminalität ist Betrugsprävention in Echtzeit gefragt, um verdächtige Aktivitäten rechtzeitig zu erkennen und gleichzeitig die Kundenzufriedenheit durch eine schnelle Bearbeitung sicherzustellen.

Customer Communication

Sogar im Mahnwesen mit Paigo kann es zum Einsatz von Machine Learning kommen, um herauszufinden, welche Kunden wann, in welchem Ton und über welchen Kanal optimal zu erreichen sind. Die Ableitung der besten Maßnahmen kann helfen die Kundenbeziehung trotz Zahlungsrückstand zu erhalten und gleichzeitig die Liquidität des Unternehmens zu verbessern.

Auch in Form von Chatbots findet künstliche Intelligenz Anwendung, denn diese können selbstständig einen Großteil der Kundenfragen beantworten. Anstatt länger auf einen freien Mitarbeiter warten zu müssen, erhalten Interessenten sofort Feedback. Das fördert die Zufriedenheit und entlastet die Mitarbeiter. Eine echte Win-Win-Situation für beide Seiten.

Vorteile künstlicher Intelligenz: Immer einen Schritt voraus

Wie die verschiedenen Anwendungsbeispiele zeigen, bringt die Unterstützung durch künstliche Intelligenz viele Vorteile für ein Unternehmen mit sich:

  • Durch kürzere Bearbeitungszeiten werden Kosten gesenkt und die Kundenzufriedenheit gesteigert.
  • Mitarbeiter können effizienter eingesetzt werden, da repetitive Aufgaben vom Computer erledigt werden.
  • Durch künstliche Intelligenz „lernt“ ein System ständig weiter und minimiert laufend die Fehleranfälligkeit.
  • Systeme sind individuell und flexibel an die Strukturen des Unternehmens anpassbar.

Somit kann der gezielte Einsatz von künstlicher Intelligenz zu einem echten Wettbewerbsvorteil werden. Erfahren Sie mehr darüber, welche Erfahrungen Arvato Financial Solutions mit künstlicher Intelligenz gemacht hat und wie wir die Technologie anwenden.

Latest Articles

Paigo verändert, wie Marken mit Verbrauchern kommunizieren, die in finanziellen Rückstand geraten sind. Wie genau das geht und was Paigo im Detail anders macht, erklärt Oliver Klein.
Drei Features für mehr Vertrauen
Oliver Klein
22.10.2020
3 minutes
Paigo verändert, wie Marken mit Verbrauchern kommunizieren, die in finanziellen Rückstand geraten sind. Wie genau das geht und was Paigo im Detail anders macht, erklärt Oliver Klein.
In der Versicherungsbranche spielt die digitale Transformation schon seit Längerem eine wichtige Rolle. In der herausfordernden Corona-Zeit wurden die Vorteile der Digitalisierung erneut deutlich.
Digitale Ökosysteme für Versicherer
Fabian Küchlin
18.06.2020
4 minutes
In der Versicherungsbranche spielt die digitale Transformation schon seit Längerem eine wichtige Rolle. In der herausfordernden Corona-Zeit wurden die Vorteile der Digitalisierung erneut deutlich.
Die Fashion- und Lifestylebranche nutzt die künstliche Verknappung, auch Drop genannt, um den Verkauf anzukurbeln und den Kunden ein exklusives Markenerlebnis zu ermöglichen. Wiederverkäufer nutzen das oft, um – bleiben wir beim Beispiel Sneakers – für das Vielfache des Eigenwerts weiterzuverkaufen.
Schon ausverkauft? Wie Bots limitierte Sales ausbremsen
Felix Martin Siepmann
17.06.2020
3 minutes
Die Fashion- und Lifestylebranche nutzt die künstliche Verknappung, auch Drop genannt, um den Verkauf anzukurbeln und den Kunden ein exklusives Markenerlebnis zu ermöglichen. Wiederverkäufer nutzen das oft, um – bleiben wir beim Beispiel Sneakers – für das Vielfache des Eigenwerts weiterzuverkaufen.