Künstliche Intelligenz völlig unterschätzt

Anwender des Internets der Dinge (IoT) sollten das Thema Künstliche Intelligenz auf dem Schirm haben. Ein disruptiver Tsunami ist im Anrollen. [...]

ARTIFICIAL INTELLIGENCE WIRD REIF UND GÜNSTIGER
Die Fortschritte in diesem Bereich liegen laut Studie einerseits in Faktoren wie einer sinkenden Kostenkurve und einer Reifung der zu Grunde liegenden Technologien wie mobiler Konnektivität, Cloud-Infrastruktur, der Verbreitung von Sensoren, Machine Learning-Software und Storage. Andererseits lässt sich die inhaltliche Entwicklung in drei Stufen beschreiben:

• Assisted Intelligence: Automatisiert werden Aufgaben, die sich wiederholen – beispielsweise Prozesse in Fabriken.

• Augmented Intelligence: Die Natur der Aufgaben wandelt sich und es gibt einen wechselseitigen Informationsaustausch zwischen Mensch und Maschine. Beispiele hierfür sind Analysen der Geschäftsstrategie, die Machine Learning nutzen, oder smarte Entscheidungsunterstützung in Kliniken.

• Autonomous Intelligence: Auf dieser letzten Ebene sind Entscheidungen automatisiert und die Maschinen lernen fortlaufend hinzu, etwa beim autonomen Fahren oder bei Smart Investment.

Die rapiden AI-Entwicklungsschritte führen laut PwC zu einer Konvergenz mit dem IoT. Diese geht sogar so weit, dass AI unverzichtbar für das Internet der Dinge wird. „Die Kernkomponenten des IoT – Konnektivität, Sensordaten und Robotics – werden letztlich zu der Anforderungen an alle ‚dummen‘ Geräte führen, intelligent zu werden“, schreiben die Studienautoren. „In anderen Worten: Das IoT braucht smarte Maschinen. Es gibt also einen Bedarf an AI.“

Beim IoT gehe es primär um Daten, so PwC – der Währung des digitalen Zeitalters. Daten seien aber nur nutzbar, wenn sie verfolgbar seien. Und dafür müssten sie um Kontext und Kreativität ergänzt werden. Mit anderen Worten: Das IoT benötige „Connected Intelligence“ – und hier komme AI ins Spiel.
ARTIFICIAL INTELLIGENCE BEEINFLUSSE DAS IOT IN ZWEI SCHLÜSSELDIMENSIONEN

• Erstens, indem Echtzeit-Antworten ermöglicht werden, beispielsweise durch ferngesteuerte Kameras, die Gesichter analysieren.

• Zweitens im Post-Event Processing, indem über gewisse Zeiträume Datenmuster gesucht werden.

Keineswegs handle es sich dabei aber um eine Einbahnstraße. Denn schließlich sei das durch IoT ermöglichte Echtzeit-Feedback essenziell für adaptive lernende Systeme.