KI-Einsatz in der Praxis
Nur keine Science Fiction, bitte!
Fantasie statt Fakten: Debatten um Künstliche Intelligenz und Big Data münden schnell in Science-Fiction-Szenarien. Klar, von der „guten“ zur „bösen“ KI ist es nur ein kleiner Schritt. Die Beispiele aus der Praxis zeigen: KI ist oft unspektakulär, im Ergebnis aber überzeugend.
Green-IT Box optimiert Serverauslastung, Masasana AI (Mönchengladbach)
Die Auslastung einer Serverlandschaft schwankt permanent, wird jedoch nicht individuell angepasst. Die Green-IT KI-Box dient als Sammelstelle für sämtliche Energiekennzahlen für das Betreiben von Servern und stellt mittels KI smarte Prognosen der zukünftigen Serverauslastung auf. Aus der Prognose leitet die Hardwarebox Maßnahmen ein, die den Serverbetrieb optimal anpassen. Vermeldet oder prognostiziert die Green-IT KI-Box beispielsweise einen Nutzungsrückgang der Server, wird die Aktivität angepasst oder heruntergefahren. Somit werden Server nicht nur effizienter genutzt, sondern auch das Administrationspersonal und die Umwelt entlastet. Das soll den Energieverbrauch senken, den CO₂-Ausstoß der Server reduzieren und Kosten sparen.
Einkaufplanung in der Gastronomie, Delicious Data (München)
Das Prognosesystem der KI von Delicious Data berechnet die Anzahl benötigter Essens-Portionen und reduziert dadurch Überproduktion. Der Algorithmus kombiniert mittels KI historische Daten von Betrieben mit weiteren externen Faktoren wie Wetterdaten zur Berechnung zukünftiger Verkaufszahlen. Aufgelöst auf einzelne Produktionslinien der kommenden Wochen bieten die Prognosen eine Unterstützung bei der Planung des Einkaufs und der täglichen Produktion. Die Bereitstellung erfolgt als SaaS über eine Web-Applikation.
Von der Preissuchmaschine zur Analyse-Engine, Vistex (ehemals Webdata Solutions in Leipzig)
Die Software Blackbee sammelt gigantische Datenmengen im Internet und bereitet sie so auf, dass Unternehmen weltweit in allen Branchen und in unterschiedlichen Sprachen fundierte Entscheidungen über ihre Sortimente und Preise treffen können. Zu den Kunden gehören mittlerweile drei der sechs umsatzstärksten deutschen Online-Shops, sowie weitere national und international führende Händler und Hersteller. Blackbee nutzt Algorithmen, die auf maschinellem Lernen basieren, wie zum Beispiel Supportvektor-Maschinen. So erkennt die Software mit der Zeit die Eigenschaften und Merkmale eines Produkts immer besser.
Sogenannte Deep-Learning-Algorithmen sollen es möglich machen, zusätzliche Informationen aus der Analyse von Bildern zu gewinnen. So würden etwa Sneakers als „weiß“ beschrieben, farbige Applikationen aber blieben unerwähnt. Das kann für den Preis entscheidend sein. Die KI soll laut Unternehmen den Unterschied feststellen können.
Bildtexte erzeugen Emotionen, DFKI (Kaiserslautern)
Leckeres Essen, süße Tiere, atemberaubende Landschaften – um etwas kurz zu charakterisieren, wird in der Regel einem Nomen ein Adjektiv beigegeben. Diese Adjektiv-Nomen-Paare (ANP) beschreiben den visuellen Inhalt eines Bildes zusammen mit den Gefühlen, die es beim Betrachter auslöst. Treten sie mit großer Häufigkeit auf, können sie für die maschinelle Beschreibung von Bildern genutzt werden, die über eine textuelle Wiedergabe der visuellen Inhalte deutlich hinausgeht. Capttitude (Captions with Attitude) ist ein am Deutsches Forschungszentrum für Künstliche Intelligenz entwickeltes System, das in der Lage ist, affektive Bildunterschriften mit einer emotionalen Komponente zu erzeugen. Dazu nutzt die KI verschiedene Methoden aus den Bereichen neuronale Netze und Deep Learning. Auf der Basis der Methoden liefert Capttitude als Ergebnis zwei emotionale Bildunterschriften.
Tipp der Redaktion
Einen sehr guten Einblick zum Thema KI in der Forschung, Ausbildung und Praxis, aus der die hier ausgewählten Beispiele stammen, bietet die Webseite Plattform-Lernende-Systeme.de (Deutsche Akademie der Technikwissenschaften e.V.). Sie wird vom Bundesministerium für Bildung und Forschung unterstützt.
Lesen Sie mehr zum Thema
