Skip to main content
main-content

16.01.2020 | Künstliche Intelligenz | Im Fokus | Onlineartikel

Forscher wollen Maschinelles Lernen demokratisieren

Autor:
Dieter Beste
4:30 Min. Lesedauer

Künstliche Intelligenz ist die Schlüsseltechnologie für die Zukunft. So lautete jüngst die zentrale Botschaft der diesjährigen Technikmesse CES in Las Vegas. Höchste Zeit also auch für Nicht-Informatiker, schnell einen Zugang zu KI zu finden. 

Mit "Künstliche Intelligenz verstehen" möchten Ralf T. Kreutzer und Marie Sirrenberg einen Weckruf an Führungskräfte, Entscheidungsträger, Studenten, Professoren und interessierte Laien richten – ein Weckruf sozusagen an uns alle: Während etwa China inzwischen die Entwicklung von Künstlicher Intelligenz (KI) ins Zentrum der Industrie 4.0 rücke, seien wir in Deutschland und generell in Europa "von einer solchen generalstabsmäßigen Planung" noch weit entfernt, konstatieren die Springer-Autoren in ihrem Vorwort. Warum? Weil wir noch keine umfassende Vorstellung davon haben, was KI leisten kann? Weil uns rechtliche Rahmenbedingungen zu sehr einengen? Weil uns die Konzepte fehlen? Was auch immer die Ursache für unser Zögern sei: "Die Künstliche Intelligenz wird das Leben von Menschen und Unternehmen – eingebettet in die Möglichkeiten der Digitalisierung – noch nachhaltiger verändern, als sich das viele heute vorstellen können", mahnen Kreutzer und Sirrenberg.

Empfehlung der Redaktion

2019 | OriginalPaper | Buchkapitel

Was versteht man unter Künstlicher Intelligenz und wie kann man sie nutzen?

Künstliche Intelligenz ist ein relativ neues Forschungsfeld, das erst langsam aus dem Dunstkreis der Spezialisten heraustritt. Meistens begegnet sie uns in einer Art und Weise, die zunächst nicht an Künstliche Intelligenz denken lässt. Wir stellen …

Eine aktuelle Studie von eco – Verband der Internetwirtschaft und Arthur D. Little beschreibt in Analysen, Expertenmeinungen und Anwendungsbeispielen das Potenzial von KI für die deutsche Wirtschaft. Bei einem flächendeckenden Einsatz halten die Autoren ein Wachstum des Bruttoinlandsprodukts von über 13 Prozent bis 2025 (im Vergleich zu 2019) für realistisch. Was das konkret bedeutet, deutete unter anderem das Unternehmen Bosch Anfang Januar auf der Messe CES 2020 in Las Vegas mit seiner in Indien entwickelten Zellanalyseplattform Vivascope an: Die Plattform kann nach Unternehmensangaben menschliche Zellen mit KI morphologisch analysieren. Das bedeutet, dass der integrierte KI-Algorithmus Form, Konturen und Struktur der Zellen prüft, einordnet und selbst geringste Abweichungen erkennt. 

Die Plattform wurde bisher mit mehr als 30 000 Bildern und rund 9 Millionen Datenpunkten von Zellen trainiert. Sie kann 165 verschiedene Merkmale bei jeder einzelnen Zelle erkennen, innerhalb von 15 Minuten eine automatische Auswertung erstellen und Hinweise auf mehr als 30 mögliche Erkrankungen liefern. Und anders als der Mensch ermüdet Vivascope nicht – kommt auch bei der tausendsten Probe zu dem gleichen sicheren Ergebnis wie bei der ersten. Bosch plant die Markteinführung in Indien für Mitte 2020, weitere Länder sollen folgen. Die Plattform sei ein Gewinn für die medizinische Diagnose besonders in entlegenen Regionen, ist Bosch überzeugt – schließlich komme in manchen Weltgegenden für die Untersuchung von Blut- und anderen Proben nur ein einziger Pathologe auf 1,5 Millionen Menschen.

Bosch Center for Artificial Intelligence

Doch weit mehr schwebt dem Unternehmen vor. Schon bald "solle jedes unserer Erzeugnisse über künstliche Intelligenz verfügen, mit ihr entwickelt oder produziert worden sein", verkündeten Michael Bolle, Mitglied der Geschäftsführung der Robert Bosch GmbH und Mike Mansuetti, President von Bosch in Nordamerika auf der CES 2020. Um in Sachen KI-Innovationen an die Weltspitze anzuschließen, investiere Bosch derzeit 3,7 Milliarden Euro jährlich in die Softwareentwicklung und beschäftige rund 30 000 Softwareentwickler. Das 2017 gegründete Bosch Center for Artificial Intelligence (BCAI) arbeite bereits an über 150 Projekten. – Dies alles sind Größenordnungen, die für kleine und mittlere Unternehmen unerreichbar scheinen. Auch können sich die in Deutschland wirtschaftsprägenden KMU meist nicht das für den KI-Einsatz notwendige Fachwissen leisten, sagte sich der Informatikprofessor Frank Hutter von der Universität Freiburg und ersann eine Strategie, Künstliche Intelligenz zu "demokratisieren", wie er es nennt. 

Automatisiertes Maschinelles Lernen

Das an der Universität Freiburg von Hutter geleitete Grundlagenforschungsprojekt Automatisiertes Maschinelles Lernen (AutoML) befasst sich mit der Frage, wie Maschinelles Lernen leichter und effektiver anwendbar gemacht werden kann. Das Maschinelle Lernen ist eine Form der KI, in der ein Programm eigenständig Zusammenhänge in Daten findet, die ihm eingespeist werden. Dies ist mit Daten jeglicher Art und Herkunft möglich – ob aus der industriellen Produktion, der Meteorologie, der Medizin oder den Neurowissenschaften. Höchst erfolgreich ist jüngst vor allem das Deep Learning, ein Verfahren des Maschinellen Lernens basierend auf künstlichen neuronalen Netzen. Um all das nutzen zu können, wird freilich Expertenwissen benötigt. 

Laien sollen Maschinelles Lernen anwenden können

Anwendungsfelder des automatisierten Maschinellen Lernens finden sich beispielsweise in der Robotik, in autonomen Fahrzeugen, in der Auswertung von Sensordaten – etwa für vorausschauende Wartung, die Predictive Maintenance – oder in der Bild- und Spracherkennung. Neben EU-Fördermitteln – zusätzlich zu einem ERC Grant hat Hutter soeben auch einen "Proof of Concept Grant" des Europäischen Forschungsrats (ERC) erhalten – erfährt der Freiburger Forscher auch Unterstützung von Bosch für sein Vorhaben, seinen Prototyp für Automatisiertes Maschinelles Lernen weiterzuentwickeln mit dem Ziel, auch Laien einen einfachen und erschwinglichen Zugang zur Schlüsseltechnologie Machine Learning zu ermöglichen. Über den Fortschritt seiner Arbeit berichtet Frank Hutter kontinuierlich; zuletzt gibt er mit den Mitherausgebern Lars Kotthoff und Joaquin Vanschoren in dem Open-Access-Buch "Automated Machine Learning" einen umfassenden Überblick über die Methoden des AutoML. 
 

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren