19.11.2019 03:31:00 / Verfasst von Margarita Núñez
Künstliche Intelligenz (KI) ist heute in aller Munde. Gemeint ist die Entwicklung von Maschinen mit menschenähnlicher Intelligenz, die Schlüsse ziehen, lernen und wahrnehmen können. Diese Maschinen können natürliche Sprache erkennen und interpretieren und sind durch all diese Fähigkeiten in der Lage, planend zu agieren. Allgemein bekannte Beispiele für künstliche Intelligenz sind selbstfahrende Autos und Schachcomputer, deren Grundlage die Verarbeitung von natürlicher Sprache (die Interaktion zwischen Computern und menschlicher Sprache) und Deep Learning sind.
Zur weiteren Differenzierung wird künstliche Intelligenz in starke und schwache KI untergliedert. Die starke künstliche Intelligenz ist universeller, ihre Aufgaben sind nicht auf spezifische Bereiche beschränkt. Bei der schwachen künstlichen Intelligenz hingegen werden lediglich bestimmte Aufgaben oder Funktionen innerhalb eines Bereichs ausgeführt (z. B. das maschinelle Erstellen von Übersetzungen). Wichtige Faktoren für die immer größere Popularität von KI sind innovative Algorithmen, eine höhere Computing-Leistung und Speicherkapazität sowie steigende Datenvolumen.
- Innovative Algorithmen – Verbesserte Machine-Learning-Verfahren beim Deep Learning und in mehrschichtigen neuronalen Netzen schaffen die Grundlage für neue Dienste und tragen entscheidend dazu bei, dass in verschiedenen Bereichen der KI intensiver geforscht und investiert wird.
- Höhere Computing-Leistung – Durch immer leistungsfähigere Computer, die über das Internet Zugang zu Verarbeitungsleistung erhalten und bereitstellen, können Machine-Learning-Verfahren umgesetzt werden, die umfangreiche Datenvolumen generieren.
- Steigende Datenvolumen – Das Internet wird heute von über drei Milliarden Menschen genutzt und weltweit sind bereits 17 Milliarden Geräte und Sensoren verbunden. Aufgrund sinkender Speicherkosten kann heute problemlos auf enorme Datenvolumen zugegriffen werden. Mithilfe dieser Informationen können Systeme und Modelle trainiert werden, um neue Regeln und Lernalgorithmen für komplexe Aufgaben zu entwickeln.
Die Geschichte der künstlichen Intelligenz beginnt bereits im Jahr 1956. Doch erst in den letzten Jahren hat die KI wirkliche Popularität erlangt. Bei der traditionellen künstlichen Intelligenz der 1950er Jahre ging es um Themen wie symbolische Ansätze oder Problemlösungsmethoden. In den 1960er-Jahren interessierte sich das Verteidigungsministerium der Vereinigten Staaten zunehmend für KI und trainierte Computer, um die menschliche Logik zu imitieren.
Diese frühen Innovationen ermöglichten formale Schlussfolgerungen und Automatisierungen, die wir von heutigen Computern kennen. Ein hervorragendes Beispiel sind intelligente Suchsysteme und Systeme, mit denen die menschliche Intelligenz erweitert und ergänzt wird.
In Science-Fiction-Romanen und -Filmen wird künstliche Intelligenz häufig in Form von humanoiden Robotern dargestellt, die die Welt regieren. Der Einsatz der modernen KI ist jedoch weder beängstigend noch derart überzogen. Vielmehr wird KI heute eingesetzt, um in sämtlichen Branchen von entscheidenden Vorteilen zu profitieren, darunter u. a. in der Übersetzungsbranche.
Beispiele für den Einsatz von künstlicher Intelligenz
Fertigung
Große Fertigungsunternehmen setzen KI heute hauptsächlich in Form von Robotern in Produktionseinheiten ein, die Objekten eine bestimmte Form verleihen oder Objekte verschieben. Auch bei Förderbändern kommt künstliche Intelligenz zum Einsatz, z. B. in der Automobilindustrie, wo Fahrzeuge von Roboterarmen zusammengesetzt werden.
Telekommunikationssektor
Künstliche Intelligenz ist ein entscheidendes Element für den Aufbau von Netzwerken, die sich selbst optimieren. Dabei wird die Netzwerkqualität basierend auf den Datenverkehrsdaten verschiedener Zeitzonen und Regionen automatisch verbessert. Die in der Telekommunikationsbranche eingesetzten KI-Technologien nutzen hochentwickelte Algorithmen, mit denen Muster in den verfügbaren Daten erkannt werden. Anhand dieser Informationen können Anomalien innerhalb des Netzwerks vorhergesagt und bestimmt werden. So sind Netzwerkbetreiber in der Lage, auf Probleme oder Unregelmäßigkeiten zu reagieren, noch bevor sie die Servicequalität für den Kunden beeinträchtigen.
Anbieter digitaler Dienste
Mithilfe von künstlicher Intelligenz können kundenbezogene Echtzeitdaten analysiert werden, um die Kundenzufriedenheit vorherzusagen und zu ermitteln. Dies ist entscheidend, damit Anbieter digitaler Dienste umgehend auf Probleme reagieren und ihren Kunden die richtigen Lösungen anbieten können.
Anbieter von Netzwerkdiensten
Künstliche Intelligenz wird im Network and Service Operations Center zur Automatisierung der Problemlösung eingesetzt. Dabei ermitteln KI-Systeme die Ursache eines Problems und fordern zu entsprechenden Maßnahmen auf, um das Problem zu behandeln. Diese Funktion ist Grundvoraussetzung für ein End-to-End-Sicherheitsmanagement und stellt die Verfügbarkeit der Dienste sicher. Darüber hinaus lassen sich mithilfe von künstlicher Intelligenz Kapazitätsengpässe und zukünftige Schwachstellen vorhersagen.
Anbieter von Kommunikationsdiensten
Anbieter von Kommunikationsdiensten übernehmen für ihre Kunden eine Vielzahl täglicher Transaktionen, die für menschliche Fehler äußerst anfällig sind. Eine Möglichkeit zur Automatisierung dieser Transaktionen bietet die RPA-Technologie (Robotic Process Automation, robotergesteuerte Prozessautomatisierung), die auf künstlicher Intelligenz basiert. Mithilfe von RPA können Back-Office-Aktivitäten und sich wiederholende, regelbasierte Vorgänge innerhalb der Telekommunikationsbranche effizient verwaltet werden. Durch eine optimierte Verwaltung komplexer oder zeit- und arbeitsaufwendiger Tätigkeiten wie Dateneingabe, Fakturierung, Auftragsabwicklung und Personalverwaltung trägt RPA dazu bei, dass sich die Mitarbeiter von Kommunikationsdienstanbietern wieder verstärkt auf Aufgaben konzentrieren können, die das Unternehmen nach vorn bringen.
Kundenservice
Mithilfe von künstlicher Intelligenz lassen sich Supportmechanismen für die Interaktion mit Kunden optimieren. Ein Beispiel sind Chatbots, mit denen Supportanfragen bearbeitet werden und Kunden ihre Probleme ohne die Unterstützung eines menschlichen Mitarbeiters lösen können. Darüber hinaus können Netzwerkprobleme und Schwachstellen beim Kundenservice automatisiert behandelt und gelöst werden. Durch eine Analyse der Netzwerkentwicklung lassen sich mit KI darüber hinaus zukünftige Probleme vorhersagen und verhindern.
Übersetzungsbranche
In all diesen Branchen müssen die generierten Daten, die Computerprogramme oder die Kundeninformationen übersetzt werden. Die Übersetzungsbranche wiederum setzt mit neuronalen maschinellen Übersetzungen ebenfalls auf KI. Wir sind heute in der Lage, Millionen von Wörtern schneller und besser zu übersetzen als je zuvor.
Wenn Sie große Textvolumen übersetzen müssen und herausfinden möchten, ob die maschinelle Übersetzung eine Lösung sein könnte, empfehlen wir Ihnen unser aktuelles Praxisbeispiel zur Bereitstellung maschineller Übersetzungen.
