Machine Learning im digitalen Mainstream

Machine Learning oder wann weiß meine BI-Anwendung endlich von selbst was ich will?

Sie kennen die Situation: Sie haben eine Frage und Sie möchten, dass diese so schnell wie möglich beantwortet wird. Sie haben inzwischen gefühlte 100 Auswertungen selbst gemacht, aber für diese Frage gibt es wieder keine passende Antwort (Report). 

Sie hätten so viele weitere Fragen, aber schon die Beantwortung der ersten Frage scheitert. Und dass das System Ihnen Tipps (Handlungsempfehlungen) für Ihre Frage gibt, scheint sogar eine Utopie zu sein.

Die Antwort ist maschinelles Lernen, ein Teilgebiet von Artificial Intelligence (AI, künstliche Intelligenz). Wenn ein BI-System auf Basis der Anfragen der AnwenderInnen und auf Basis der sich ständig ändernden Daten “mitlernen” könnte, dann wäre Ihr Wunsch keine Utopie. Das Zauberwort heißt somit „Maschinelles Lernen“.

Was ist maschinelles Lernen?

Maschinelles Lernen ist der Erwerb neuen Wissens durch ein künstliches System. Der Computer generiert, analog zum Menschen, selbstständig Wissen aus Erfahrung und kann eigenständig Lösungen für neue und unbekannte Probleme finden. Mit Hilfe selbstlernender Algorithmen könnte Ihr Infosystem Daten und bestimmte Muster und Gesetzmäßigkeiten erkennen. Somit würden durch Ihr System Zusammenhänge erkannt, Rückschlüsse gezogen und Vorhersagen getroffen. Ihr BI-System könnte auf diese Informationen zugreifen, es könnte diese Informationen schon zur Verfügung stellen, noch bevor Ihnen die Idee gekommen wäre, danach zu fragen. Folglich würde Ihr System auch bei jeder Ihrer Fragen dazu lernen.

Einige Beispiele

Sie fragen Ihr System nach der Telefonnummer Ihrer Mutter. Ihr selbstlernendes System durchsucht Ihr Telefonverzeichnis und erkennt, dass der Kontakt Maria Ihre Mutter ist (obwohl es bei diesem Kontakt keine eindeutige Zuordnung gibt). Folglich fragt ihr System: “Maria anrufen?”

Beim nächsten Mal erkennt Ihr System dann schon automatisch, dass Sie nun Ihre Mutter anrufen wollen.

Sie fordern Ihr System auf: ”Rufe eine Firma an, die mir bei meinen BI-Problemen helfen kann.”

Ihr System durchsucht Ihre Daten (CRM, Internet, ERP, etc…) und antwortet: “solvistas anrufen?”

Herausforderung

Maschinelles Lernen bedingt, dass eine große Menge von Daten (Bilder, Audio, Video, Text) schnell gelesen und verarbeitet werden kann. Die Folge ist, dass diese System-Technologien wie In-Memory, effiziente Speichermethoden und Verarbeitungsmethoden benötigen.

Auch Semantik spielt eine wichtige Rolle - viele der Daten sind technische Informationen und müssen in semantische Inhalte umgewandelt werden. Bei der Bildverarbeitung sollte Ihr System erkennen, dass eine Person, die sich zu Ihnen umdreht und Ihnen die Hand reicht, ein Freund ist und kein Terrorist, der Sie erschießen möchte.

Fazit

Maschinelles Lernen bewegt sich in Richtung digitaler Mainstream-Trend. Vor gar nicht allzu langer Zeit waren selbstlernende Programme ein Thema für wissenschaftliche Forschungseinrichtungen einige wenige Technologieunternehmen oder Universitäten. Heutzutage findet es Eingang in ganz herkömmliche Produkte und Lösungen. Im Alltag wie auch in der Arbeitswelt finden sich immer häufiger selbstlernende Programme, die aus Daten lernen, um aus diesen Rückschlüsse zu ziehen und Zusammenhänge herzustellen.

Autor

Konrad Linner