Stellen Sie sich einen modernen Hafen vor, wo Kräne Container in schwindelerregende Höhe heben.
Stellen Sie sich das Chaos vor, wenn einer dieser Kräne versagt und viele Tonnen an Fracht auf die Menschen und die Container darunter fallen. Und jetzt einen Sprung in die Zukunft, die geprägt ist von Intelligenz durch maschinelles Lernen (ML - Machine Learning). Eine Steuereinheit und ein automatisches Warnsystem melden den Technikern, dass der Kran ein Problem hat. Bei der Inspektion war nichts erkennbar... aber das System hat festgestellt, dass sich in der Seilwinde im Laufe der Zeit eine Störung entwickeln könnte, wenn die Windgeschwindigkeit länger als eine bestimmte Zahl von Stunden einen bestimmten Wert übersteigt. Der Kran hat also seine eigenen Schwächen „gelernt“.
Eine solche Vision soll verdeutlichen, dass ML der Menschheit die Chance bietet, sich von unseren alltäglichsten und zugleich gefährlichsten Tätigkeiten zu befreien. Sich wiederholende Aufgaben können erledigt und optimiert werden, während sich komplexe Umgebungen besser verstehen und in den Griff bekommen lassen. Dank ML werden Maschinen und Software-Roboter in der Lage sein, Informationen zu erfassen und Prozesse entsprechend anzupassen, und zwar weit schneller, als wir solche Erkenntnisse in ihren Code programmieren können.
Machine Learning verstehen
Ganz einfach gesehen ist ML die Fähigkeit, wie Maschinen auf der Grundlage von Daten „lernen“. Oder wie von Gartner beschrieben, die Fähigkeit, auf der Grundlage von neu gewonnenen Informationen Operationen auszuführen, unter Aufsicht oder unbeaufsichtigt. Die „Entscheidung“, mit einer bestimmten Aktion fortzufahren, wird dabei durch Regelkreise bestimmt, die die Aktion bestätigen oder verwerfen. Dies ist ein entscheidender Fortschritt in der Art und Weise, wie Maschinen für uns arbeiten. Und zwar so entscheidend, dass laut der 2017 Global Digital IQ-Umfrage von PWC mehr als die Hälfte (54 %) der befragten Unternehmen bereits jetzt beträchtliche Investitionen in die künstliche Intelligenz tätigen – von der ML ein wichtiger Teilbereich ist. Innerhalb der nächsten drei Jahre wird diese Zahl auf fast zwei Drittel (63 %) anwachsen. Das bedeutet große Investitionen in unsere neuen Roboterkollegen. Und in der Tat hat dieser sich gerade erst entwickelnde Sektor einen enormen Wert. Die Ausgaben für KI und kognitive Systeme sollen laut IDC in diesem Jahr (2017) einen Umfang von 12,5 Mrd. US-Dollar erreichen.
Aber in was genau investieren denn diese Unternehmen? Wir haben vier Bereiche ermittelt, in denen ML wirklich unsere Welt verändern wird:
1. Maschinen, die uns vor Risiken bewahren
Die wohl wichtigsten unter unseren hier behandelten ML-Anwendungsfällen ist die Senkung von Risiken. Im industriellen Kontext, etwa in Betrieben mit schweren Maschinen oder gefährlichen Arbeitsumgebungen, wird ML zum Abbau von Unfällen und ähnlichen Ereignissen beitragen, die durch Anlagenfehler verursacht werden. Dank eines flexibleren und intelligenteren Konzepts der Automatisierung wird das maschinelle Lernen eine weit höhere Zuverlässigkeit in Einrichtungen wie Krankenhäusern ermöglichen, wo Ausfälle in betrieblichen oder Stromversorgungssystemen schlimme Folgen haben könnten.
Diese Entwicklung wird auch zu einer Verbesserung der kritischen IT-Infrastruktur beitragen, die betriebliche Abläufe, Anwendungsperformance und Verfügbarkeit erst ermöglicht. Nehmen Sie einen Finanzdienstleister, wo die Firmenleitung keinerlei Ausfallzeiten duldet und ultra-niedrige Latenzzeiten bei den Finanzgeschäften erwartet. Die Vorstellung eines Stromausfalls wäre für den CIO der schiere Alptraum. ML verfügt über das Potenzial, die kritischen Systeme, auf die solche Organisationen angewiesen sind, neu zu definieren. So könnte zum Beispiel die USV der Zukunft vorausschauende Warnungen an das Technikerteam senden oder könnte in der Lage sein, sich selbst zu diagnostizieren und Probleme zu beheben. Mit den richtigen Systemen könnte das Risiko von ausfallbedingten Verlusten der Vergangenheit angehören.
2. Maschinen, die unsere Sicherheit garantieren
Im Sicherheitssektor wird kein Fehler verziehen. Doch je weiter sich die Verteidigungstechnik entwickelt, desto raffinierter gehen auch die Hacker dagegen vor. Von der umfassenden Verbreitung von Endgeräten wie Smartphones und Tablets, die ihre eigenen spezifischen Sicherheitslücken aufweisen, über die Cloud-Revolution bis hin zu Änderungen in Sicherheitsprotokollen gibt es eine Menge Probleme, vor denen die Sicherheitsfachleute stehen. ML kann dabei helfen, einige dieser Probleme zu lösen. Laut Gartner werden ML-Fähigkeiten wahrscheinlich vorrangig in Produkte zur Bedrohungserkennung und zum Sicherheitsmanagement Einzug halten. Die Senkung von Cyber-Sicherheitsrisiken setzt bessere Analysen und die Reaktionsfähigkeit in Echtzeit voraus, um ungewöhnliche Verkehrsmuster oder Datenströme aus dem Netz zu erkennen. Dazu ist eine Handlungsgeschwindigkeit nötig, die vom Menschen oder der aktuellen Technik einfach nicht erreicht wird. Während heute noch Menschen an den Schalthebeln der Cyber-Sicherheit sitzen, könnte diese Position schon bald von Robotern eingenommen werden. Was Hacker mit derselben Technologie anstellen können, steht natürlich auf einem anderen Blatt...
3. Maschinen, die sich um sich selbst kümmern
Der Erfolg oder Untergang vieler Unternehmen wird von ihrer Fähigkeit abhängen, ihre Kosten in den Griff zu bekommen und ihre Lieferkette ordnungsgemäß zu managen. Eine beträchtliche Anzahl von Organisationen ist dabei jedoch von einer Kombination aus menschlichen Einblicken und der Automatisierung schneller aber unintelligenter Maschinen abhängig. Lieferketten und Logistikabläufe können aufgrund menschlicher Fehler voller Ineffizienzen stecken. Ursache dieser Fehler kann die Komplexität der Daten und fehlender Einblick sein. ML bietet eine Möglichkeit, diese schwachen Glieder in der Kette zu beseitigen und das Ausmaß und Tempo der Berechnungen in diesem Prozess erheblich zu erhöhen – vor allem, wenn es darum geht, Trends zu erkennen, die sonst vielleicht unentdeckt blieben.
Mit der zunehmenden Verbreitung von IoT-Technologien (Internet der Dinge) wird sich auch die Anzahl der verfügbaren Datenquellen deutlich erhöhen. In der Zukunft werden die Navigationsfähigkeiten von Fahrzeugen verbessert, Warenlager werden automatisiert, und eine fast nahtlose „intelligente“ Logistikplanung wird möglich. Schon bald werden wir erleben, dass Roboter im Namen eines Unternehmens Waren bestellen und von anderen Unternehmen in Empfang nehmen, die mit einer vollständig automatisierten, ML-basierten Lieferkette arbeiten. Über den Warengütersektor hinaus könnte die Lieferkettenlogistik künftig zu einem Schwerpunkt von Tech-Unternehmer und Entwickler-Superstars werden.
4. Maschinen als Geschichtenerzähler
Während wir uns heute mit den Daten abmühen, die es bedarf, um fundierte Geschäftsentscheidungen zu treffen, wird ML die Art und Weise, wie Unternehmen ihre Kunden verstehen, geradezu revolutionieren. Doch nicht nur im Bereich der Datenanalyse wird Machine Learning viel verändern. Tatsächlich könnten Aufgaben, die traditionell in Verbindung mit intelligenten und kreativen Menschen gebracht werden, schon bald von unseren Roboter-Freunden übernommen werden. Das Wired-Magazin berichtet, dass in Großbritannien Roboter als Sportreporter eingesetzt werden sollen – ein Konzept, das wohl die Fans im ganzen Land vor Verzweiflung aufheulen lässt. Die Vorstellung von Maschinen, die uns Geschichten erzählen können, während sie gleichzeitig Unmengen an Daten verarbeiten, eröffnet eine Fülle von neuen Möglichkeiten. Damit könnte es in Zukunft viel einfacher sein, zielgerichtete und wirkungsvolle Marketingkampagnen zu entwickeln. Doch es bedarf (noch) der menschlichen Zielgruppe, die letztlich die Produkte konsumiert!
Veränderungen gegenüber aufgeschlossen sein
Selbst in diesem noch embryonalen Stadium wird klar, warum in der Regel mit einer Mischung aus Faszination und Furcht auf ML reagiert wird. Und beide Empfindungen können gerechtfertigt sein. Selbst bei allen Zweifeln, die im Hinblick auf den Ersatz menschlicher Fähigkeiten durch Automatisierung bleiben, es ist doch wahrscheinlich, dass das maschinelle Lernen in vielen Unternehmen zu grundlegenden Veränderungen führt. Diese werden sich aus Experimenten im Bereich der „Soft Skills“ ergeben, etwa im Marketing. Aber auch die Physik und andere technikbasierte Umfelder werden wohl einen grundlegenden Wandel erleben.
Der Druck auf die IT-Teams, eine optimierte Infrastruktur bereitzustellen, wird durch ML noch erhöht. Doch es hilft ihnen auch, ihren Aufgaben gerecht zu werden. Es ermöglicht einen stärker vorausschauenden Ansatz beim IT-Management und eröffnet neue Wege zum adaptiven Betrieb von Stromversorgungs- und Kühlsystemen. In Teams mit Fachkräftemangel wird die ML-basierte Automatisierung einen Teil der Personalprobleme lösen. Man mag diese Konzepte mögen oder auch nicht, aber die IT-Profis müssen gegenüber ihnen aufgeschlossen sein, denn sie werden an forderster Front bei dieser Entwicklung stehen.
