Künstliche Intelligenz – was soll eigentlich der ganze Trubel?

Edwin Roobol

Heute finden wir Künstliche Intelligenz (KI) in autonomen Fahrzeugen, medizinischen Anwendungen, Suchmaschinen, virtuellen Assistenten oder auch in der Bilderkennung. Die KI stützt sich auf Algorithmen, um Daten zu verarbeiten, daraus zu lernen und dann Vorhersagen zu treffen. Doch ist dem wirklich so? Einige Leute behaupten, dass es noch keine „echte“ KI gibt und dass es viele Jahre dauern wird diese entsprechend zu entwickeln. Dieser Blogbeitrag beschreibt, wie sich KI bis heute entwickelt hat und wie sie unserer Gesellschaft unterstützen kann.

Wie hat sich die KI bis heute entwickelt?

Seit der Einführung des Begriffs im Jahr 1956 hat sich die KI-Technologie in vielerlei Hinsicht weiterentwickelt und wurde bereits als Schlüssel für eine erfolgreiche technologische Zukunft gesehen. Seit ein paar Jahren ist die KI-Technologie Teil unseres täglichen Lebens geworden und heute ein beliebtes Schlagwort.

KI-Technologie wird bereits in Spracherkennungs- und Suchmaschinen sowie im Gesundheitswesen eingesetzt. Dort kann sie beispielsweise helfen, Indikatoren für Krebs zu erkennen. Doch wer schon einmal einen maschinell übersetzen Text gelesen hat, der weiß, dass noch nicht alles reibungslos abläuft. Bisher existieren beispielsweise auch nur Prototypen für selbstfahrende Autos und Serviceroboter.

Experten nehmen an, dass sich Künstliche Intelligenz zu einem Schlüsselfaktor bei der Überwachung entwickeln wird. Denn KI-Systeme sind in der Lage, große Datenmengen zu analysieren. Dabei lernt die Anwendung auch, Menschen und Dinge entsprechend zu identifizieren oder Mitteilungen über die vermutliche Bewegungsrichtung zu versenden. Dies ist gerade für Sicherheitslösungen von heute von hoher Relevanz.

KI in der Überwachung – Verwendung und Vorteile

Eine Überwachungslösung – mit oder ohne KI – ist selten eine Standardlösung, da jedes Unternehmen und jeder Standort einzigartig sind. Deshalb müssen sich die Systeme an die spezifischen Bedingungen und unterschiedlichen Umgebungen anpassen können. Um allerdings das gesamte Potenzial von KI ausschöpfen zu können, reicht die Technologie allein nicht aus, sondern es bedarf auch menschlicher Expertise innerhalb eines ausgeklügelten Systems.

Wann immer es darum geht, große Datenmengen zu verarbeiten und auszuwerten, sind Computer dem Menschen überlegen. Eine gut entwickelte KI erzielt auch problemlos eine gute Bild- und Datenanalyse. Diese Funktionalität kann in vielen Anwendungen von erheblichem praktischem Nutzen sein.

Sicherheit & Prävention

Die KI ist ein sehr geeignetes Hilfsmittel zur Verbrechensbekämpfung und Prävention. Ein KI-System kann, wenn es richtig konfiguriert ist, zu einer schnellen Identifikation bei kriminellen Vorfällen führen. Auch bei präventiven Maßnahmen kann die Technologie helfen: Ein Überwachungssystem mit KI kann einen Alarm auslösen, wenn ein potenzieller Einbrecher identifiziert wird und so eine Straftat womöglich verhindern.

Geschäftsoptimierung & Smart Cities

KI hat auch das Potenzial, derzeitige Systeme beispielsweise im Straßenverkehr oder in einem Einkaufszentrum zu optimieren. Auf KI basierende Überwachungssysteme können Verhaltensmuster erkennen und diese Daten zur Optimierung im Einzelhandel oder im Transportwesen bereitstellen. Dadurch werden ein kontrollierter Verkehrsfluss und eine schnelle Reaktion auf Unfälle ermöglicht. Unser Smart City-Magazin können Sie sich hier kostenfrei herunterladen.

KI in der Überwachung – Herausforderungen

Die Leistungsfähigkeit von KI ist besonders im Hinblick auf Verbesserungen wie Systemoptimierung, Standortgestaltung, Bildkonfiguration und Gerätemanagement enorm. Es gibt jedoch noch einige grundlegende Herausforderungen, die es zu lösen gilt.

Menschliche Erfahrung schlägt KI

Eine KI-Anwendung kann eine sich in Bewegung befindliche Person zwar erkennen, diese aber im Gegensatz zu Menschen nur schwer in einen Kontext stellen: Warum rennt diese Person – möchte sie den Bus erwischen oder hat sie gerade eine Bank ausgeraubt? Trotz erheblicher Fortschritte bei der Verwendung von KI in Überwachungsanwendungen, kann ein Computer noch nicht im gleichen Umfang Dinge verstehen, wie es ein Mensch schafft. Dieser Mangel an Präzision ist der Hauptgrund, warum die heutigen KI-Systeme meist nur als Unterstützung verwendet werden und Entscheidungen nicht komplett diesen obliegen.

Qualität der Daten

Die Bildqualität ist wie immer sehr wichtig. Ohne hervorragendes „Rohmaterial“ in Form von hochwertigen Videobildern kann ein KI-System Aktivitäten nicht analysieren. Wenn die Voraussetzungen für Kameras nicht optimal sind, kann eine KI auch nur bedingt weiterhelfen oder sogar falsche Schlüsse ziehen. Bei ungünstigen Wetterverhältnissen oder unbekannten Ereignissen kann es beispielsweise zu Fehlalarmen kommen. Mit diesem Hintergrundwissen kann KI aktuell verwendet werden, um Vorfälle grob einzuordnen. Die finale Entscheidung sollte somit (noch) einem Menschen überlassen werden.

Rechenintensive Technologie

Speicher, Rechenleistung und Stromverbrauch sind die größten Herausforderungen innerhalb der KI, insbesondere für Deep Learning-Anwendungen. Heutige Systeme benötigen viele Kapazitäten, um Daten zu speichern, entweder in der Cloud oder auf einem Server mit mehreren GPUs.

Fazit

KI-Systeme haben sich in den letzten Jahren rasant entwickelt und zeigen Potenzial im Bereich der Videosysteme. Allerdings ist es noch ein langer Weg, Intelligenz auf menschlicher Ebene oder „echte“ KI zu entwickeln. Es wird noch einige Zeit dauern, bis wir selbstlernende, präzise Systeme einsetzen können, ohne dabei zu viele Fehlalarme oder die Verletzung der Integrität von Menschen zu riskieren.

Infografik zu den TechTrends 2019 herunterladen

 

Den Original-Beitrag in Englisch finden Sie hier.

 

Artificial intelligence illustration
Infobox: Künstliche Intelligenz, Machine Learning und Deep Learning

KI ist der Akt der Stimulation jeder intellektuellen Aufgabe. Ein wesentlicher Bestandteil der KI ist Machine Learning (ML) und manchmal werden die beiden Ausdrücke auch synonym verwendet. Die KI stützt sich auf Algorithmen, um Daten zu verarbeiten, daraus zu lernen und dann Vorhersagen zu treffen. Um das komplexe menschliche Gehirn nachzuahmen, benötigt ein Computer jedoch viel Training. Das so genannte Deep Learning (DL) ist eine fortschrittliche Methode zur Implementierung von ML, erfordert aber große Datenmengen, fortgeschrittene Klassifizierungen und diffizile Analytik, um „tieferes“ Wissen zu erzeugen. DL, ein rechenintensives Modell, wird heute hauptsächlich auf Servern mit mehreren GPU-Prozessoren ausgeführt. Wenn Edge-Geräte ihre Rechenleistung jedoch erhöhen können, werden einige Anwendungen wahrscheinlich in Zukunft dorthin verlagert.