Künstliche Intelligenz Künstliche Intelligenz - codecentric AG
vogel 0.9
person 0.9
computer 0.99
lampe 0.89
Was ist künstliche Intelligenz?

Für viele Menschen ist das Thema künstliche Intelligenz nicht greifbar. Manche sehen es als große Chance und eine Technologie, die uns alle lästigen Aufgaben abnehmen wird. Für andere hingegen ist es eine große Bedrohung, die viele Arbeitsplätze in Frage stellen könnte. Wieder andere betrachten es einfach nur als Hype und Buzzword-Bingo.

Was ist künstliche Intelligenz?

Im Allgemeinen bezeichnet künstliche Intelligenz den Versuch, menschenähnliche Entscheidungsstrukturen in einem nichteindeutigen Umfeld nachzubilden, das heißt einen Computer so zu bauen oder zu programmieren, dass er eigenständig Probleme bearbeiten kann. (Wikipedia)

Eine objektive vollumfängliche Bewertung des Themas ist nicht einfach: Einerseits sind die Zusammenhänge hochkomplex – andererseits wird die Anwendung mit neuen Frameworks und Cloud Infrastruktur immer einfacher und billiger. Damit wird die Technologie für fast jeden Entwickler greifbar und Einstiegshürden sinken immer weiter.

Fakt ist jedoch: Die großen Internetkonzerne investieren unvorstellbare Summen in diesem Umfeld und sehen darin eine der wichtigsten Kompetenzen, um zukünftig am Markt erfolgreich sein zu können.

Bei codecentric haben wir ein dediziertes AI-(Artificial Intelligence-)Team aufgebaut. Erfahrene Entwickler und Data Scientists beschäftigen sich intensiv mit den neuesten Technologien. Dabei bewerten wir differenziert, arbeiten Chancen und Nutzen für unsere Kunden heraus und teilen unsere Erfahrungen in Projekten, Publikationen und Trainings.

KI steckt bereits heute in vielen Produkten. Computer können inzwischen ziemlich gut mit uns reden und Bilder verstehen. Gelernt haben sie das nicht „wie früher“ durch ein fest verdrahtetes Programm, sondern dadurch, dass man ihnen viele Beispiele gezeigt hat. So können sie im Prinzip alles lernen, und je mehr Beispiele sie sehen, desto besser werden sie.

Komplexe Aufgaben können sie noch nicht so gut wie ein Mensch lösen – aber die Entwicklung schreitet mit großen Schritten voran. Und bei bestimmten, ganz klar abgegrenzten Aufgaben sind sie dem Menschen zum Teil schon deutlich überlegen.

Abonnieren Sie unseren YouTube-Kanal zum Thema künstliche Intelligenz:

ZUM YOUTUBE CHANNEL

Künstliche Intelligenz - codecentric AG
Künstliche Intelligenz - codecentric AG

Was kann künstliche Intelligenz heute und was geht morgen?

Was heute bereits mit KI möglich ist

Okay, die großen Internet-Konzerne investieren massiv in künstliche Intelligenz – aber welche Bedeutung hat dies für Deutschland? Welche Branchen können von dieser Technologie profitieren? Gibt es auch Anwendungsfälle für kleine Firmen, die nicht über riesige Datenmengen verfügen? Bei welchen Problemen können wir Ihnen helfen?

Die Technologie bietet beeindruckende neue Möglichkeiten. Wir sind der Meinung, dass es in nahezu jeder Branche innovative Anwendungsfälle geben wird. Ja, sogar bei Ihrem Friseur gibt es bereits Produkte, die ohne künstliche Intelligenz nicht möglich wären. Alexa kennt inzwischen jeder – in den folgenden Abschnitten wollen wir ein paar weitere Beispiele aufzeigen und zum kreativen Nachdenken anregen…

automatische Mensch-Maschine-Interaktion

Interaktive Werbe-Displays

Stellen Sie sich einen Optiker in einer stark besuchten Fußgängerzone vor. Tausende von Menschen laufen vorbei. Im Schaufenster steht ein großes Display, das mit dem Kunden interagiert. Schaut der Kunde in diesen „Spiegel“, sieht er sich und bekommt automatisch die neueste Sonnenbrille ins Gesicht gerendert. Das System erkennt, ob die Person männlich oder weiblich, alt oder jung ist, und leitet daraus Produktempfehlungen ab. Die Person bleibt stehen und betrachtet sich im „Spiegel“.

Über Gesten kann sie mit dem Schaufenster interagieren. Das System kann Rabattaktionen einblenden und soziale Netzwerke integrieren, um die Online-Welt mit der Fußgängerzone zu verbinden. Zusätzlich liefert das System Statistiken darüber, wie viele Kunden stehenbleiben, welche Anzeigen am besten funktionieren und wie viele Personen durch das Schaufenster danach den Laden betreten haben.

Künstliche Intelligenz - codecentric AG Künstliche Intelligenz - codecentric AG

Das Gleiche funktioniert auch mit einem Reisebüro, wo der Passant plötzlich über einen Sandstrand läuft. Mit einem Schuh- oder Hutgeschäft. Oder in der Spielwarenabteilung eines Kaufhauses, wo im Display die neueste Action-Figur zu sehen ist, die genau die gleichen Bewegungen nachmacht wie das Kind, das mit großen Augen davor steht.

 

AI driving Business

Predictive (Business) Analytics

Unter Predictive (Business) Analytics fassen wir Techniken und Methoden aus dem Bereich Big Data, Machine Learning und Data Science zusammen, die aus Business-Daten Vorhersagemodelle generieren. Die Ziele solcher Modelle sind es in der Regel Businessprozesse zu optimieren, Gewinne zu steigern oder Kosten zu sparen.

Zum Beispiel kann ein Supermarkt Vorhersagemodelle nutzen, um vorauszusagen, welche Produkte wann und wie häufig verkauft werden. So lässt sich Einkauf und Lagerbestand optimieren. Wenn zusätzlich Informationen vorhanden sind, welche Produkte von wem häufig zusammen gekauft werden (z.B. über Payback), lassen sich daraus neue Marketingstrategien ableiten. Für Marketingkampagnen lassen sich die Mengen an Daten, die heute in fast allen Branchen vorhanden sind, bereits sehr effektiv nutzen, um vorherzusagen, welche Art von Marketing zu welcher Zeit besonders viele Leads in einer Zielgruppe generieren wird. Das ist besonders für Social Media Marketing relevant geworden.

In anderen Fällen wird anhand von Informationen, die über das Verhalten von Kunden gesammelt wurden, vorausgesagt, welche Kunden in naher Zukunft eventuell kündigen werden. Diese sogenannten Customer-Churn-Modelle können dann helfen, solche Kunden gezielt anzusprechen, um sie nicht zu verlieren, z.B. mit Rabattaktionen.

Aber auch für ein datengetriebenes Recruiting ergeben sich spannende Anwendungsfälle: Algorithmen können eine Vorauswahl von passenden Bewerbern auf Stellen treffen oder ein Matching von offenen Stellen auf (Online-)Job-Profile automatisieren. So haben Recruiter mehr Zeit, sich auf das Wesentliche zu konzentrieren.

Haben Sie schon einmal von Google Duplex gehört? Dabei handelt es sich um einen virtuellen Assistenten, der ganz natürliche Gespräche führen kann. Sehen Sie hier ein Beispiel, wie das System bei einer Firma anruft und einen Termin ausmacht:

Möchten Sie mehr zum Thema künstliche Intelligenz erfahren?

Kontakt aufnehmen

Künstliche Intelligenz - codecentric AG
Künstliche Intelligenz - codecentric AG
Künstliche Intelligenz - codecentric AG

Welche Disziplinen gibt es im Bereich künstliche Intelligenz?

Das Thema künstliche Intelligenz ist breit und nicht ganz einfach abzugrenzen. Es beinhaltet viele Sub-Disziplinen und ist ein Sammelsurium von Buzzwords, bei denen man nur schwer einen Überblick behalten kann. In der folgenden Topic Map stellen wir die wichtigsten Begriffe und deren Zusammenhänge dar. Bei codecentric beschäftigen wir uns vor allem mit den Themenbereichen Deep Learning, Computer Vision, Object Detection, Human Pose Estimation, Natural Language Processing, Reinforcement Learning und Generative Adversarial Networks.

 

Object Detection

Ein spezieller Bereich der Computer Vision ist Object Detection. Hierbei soll der Rechner in einem Bild oder Video erkennen, welche Objekte sich darin befinden und diese entsprechend markieren und benennen. Von Multibox-Detektoren über Faster R-CNNs mit Region Proposal Networks über YOLO und Single-Shot-Detektoren hin zu RetinaNet – heute gibt es zahlreiche Algorithmen und frei verfügbare Software, die gute Ergebnisse liefern, einfach anzuwenden sind und in Echtzeit ablaufen.

Wenn Ihnen das zu viele Fachbegriffe waren, dann schauen Sie doch einfach das folgende Video an. Darin sieht man eine Drohne, die durch unsere Firmenzentrale in Solingen fliegt und dabei Autos, Personen, Laptops und vieles mehr erkennt:

 

Human Pose Estimation

Human Pose Estimation in Video

 

Mittlerweile stellen die Cloud-Anbieter auch diverse Text-to-Speech-Systeme zur Verfügung, die man mit wenig Aufwand in seine Applikationen integrieren kann. Wir haben uns diese Systeme einmal genauer angesehen und miteinander verglichen.

Ein Agent, der zum Beispiel lernt, Super Mario zu spielen, lernt im Prinzip durch Ausprobieren über viele Runden, welche Handlungen ihn gewinnen lassen. Das vermutlich bekannteste Beispiel für einen Computer, der gelernt hat, komplexe Spiele zu spielen, ist AlphaGo, bzw. seine Nachfolger AlphaGo Zero und AlphaZero. Der wesentliche Fortschritt von AlphaGo zu AlphaGo Zero ist, dass AlphaGo noch menschlichen Input bekam, um zu lernen; Google DeepMinds AlphaGo Zero hat sich das Spielen hingegen alleine beigebracht, indem es viele Millionen Male gegen sich selber gespielt hat. Innerhalb von wenigen Tagen (!) entwickelte die künstliche Intelligenz dabei Spielzüge, auf die vorher kein Mensch gekommen ist und war in der Lage den Weltmeister in einem Spiel zu schlagen, das lange Zeit als zu komplex galt, um es einer Maschine beizubringen.

Dadurch, dass Computer mit RL in der Lage sind, komplexe Handlungsabläufe zu erlernen und flexibel auf die Umgebung zu reagieren, wird Reinforcement Learning zum Beispiel auch in selbstfahrenden Autos und in der Robotik angewendet. So hat Google DeepMind kürzlich gezeigt, wie RL genutzt werden kann, dass ein Agent sich selber das Laufen beibringt und dabei auch lernt, Hindernisse zu überwinden.

Mit dieser Methode kann ein Computer im Prinzip jede Aufgabe erlernen. Es gibt viele weitere beeindruckende Beispiele. Spannend ist auch, dass die Agenten oft einen ganz anderen Lösungsansatz entwickeln, als wir aufgrund unserer menschlichen Erfahrung erwartet hätten. So hat AlphaGo zum Beispiel ganz neue Spielzüge genutzt oder Roboter, die laufen gelernt haben, tun dies auf eine Art und Weise, die für uns zwar komisch aussieht, aber trotzdem zum Ziel führt.

Bleiben Sie mit unserem AI-YouTube-Kanal über die aktuellsten Reinforcement-Learning-Errungenschaften informiert:

ZUM YOUTUBE CHANNEL

Künstliche Intelligenz - codecentric AG
Künstliche Intelligenz - codecentric AG
Künstliche Intelligenz - codecentric AG Künstliche Intelligenz - codecentric AG

Aus den oberen beiden Bildern wird durch Style Transfer:

Quelle: deepart.io

Oder aus unserem Büro Gebäude in Solingen:

wird mit etwas Style Transfer:

codecentric office solingen style transfer

Quelle: deepart.io

Sie möchten mehr über KI erfahren?

AI Schulung

Sie interessieren sich für Workshops oder Online-Trainings im Bereich künstliche Intelligenz? Derzeit bieten wir einen Workshop zu Deep Learning mit Keras. Dieser umfasst einen kurzen theoretischen Teil zur Einführung in neuronale Netzwerke sowie einen ausführlichen praktischen Teil, in dem ein genereller Workflow zum Erstellen, Testen und Visualisieren neuronaler Netzwerke mit Keras und TensorFlow behandelt wird.

Mehr erfahren

AI Brown Paper Bag Lunch

Wir bieten Ihnen spannende Tech-Talks mit Expertenwissen an, zum Beispiel während Ihrer Mittagspause in Ihrem Büro, mit Essen und Getränken – und das Ganze kostenlos. Sie müssen lediglich für Appetit und Interesse sorgen!

Mehr erfahren

codecentric.AI

codecentric.AI ist eine Initiative, in der wir Know-how im Bereich künstliche Intelligenz erarbeiten und teilen. Unsere Inhalte veröffentlichen wir vor allem in unserem eigens dafür eingerichteten YouTube-Kanal.

Mehr erfahren

Künstliche Intelligenz - codecentric AG
Künstliche Intelligenz - codecentric AG

Unser AI-Team

Bei codecentric arbeiten zahlreiche Mitarbeiter im Bereich Data Science. Hier sehen Sie einen kleinen Auszug von Mitarbeitern, die sich mit künstlicher Intelligenz beschäftigen:

Oliver Moser

Oliver Moser

Oliver ist Autodidakt und konzentriert sich auf die Themen Computer Vision und Deep Learning. Seit 1999 ist er international als IT Consultant unterwegs und bringt umfangreiche Erfahrung in den Bereichen Cloud, Big Data und IT Security mit.

Dr. Shirin Glander

Dr. Shirin Glander

Shirin hat in der Bioinformatik promoviert. Sie wendet Analyse- & Visualisierungsmethoden verschiedenster Bereiche an – z.B. Machine Learning, klassische Statistik, Textanalyse, etc. – um Informationen aus Daten zugänglich und nutzbar zu machen.

Dr. Francesca Diana

Dr. Francesca Diana

Nach ihrer Promotion in Mathematik hat Francesca als Business Intelligence Managerin gearbeitet. Sie arbeitet mit verschiedenen Methoden für die Visualisierung und Analyse von Daten und benutzt Machine-Learning-Modelle, um Vorhersagen zu machen.

Dr. Michael Plümacher

Dr. Michael Plümacher

Als Data Scientist und Physiker analysiert Dr. Michael Plümacher Daten und konstruiert Machine Learning Modelle zum Verständnis und zur Vorhersage von Daten.

Dr. Matthias Radtke

Dr. Matthias Radtke

Der promovierte Physiker ist Data Scientist bei der codecentric AG. Er analysiert Daten aller Erscheinungsformen und entwickelt datengetriebene, intelligente Lösungen und Produkte für Unternehmen der digital transformierten Welt.

Dr. Marcel Mikl

Dr. Marcel Mikl

Durch die mathematische Prägung im Zuge seiner Promotion ist es Marcel gewohnt, auftretende Probleme strukturiert zu lösen. Derzeit interessiert er sich insbesondere für aktuelle Technologien rund um das Thema Data Science und Machine Learning.

Berthold Schulte

Berthold Schulte

Berthold ist Informatiker mit langjähriger Erfahrung in der Konzeption und Realisierung von Softwarelösungen verschiedenster Komplexität und Größenordnung. Sein Fokus liegt derzeit auf Event-getriebenen Architekturansätzen im Rahmen von Big-Data-Lösungen.

Alexander Melnyk

Alexander Melnyk

Als Cloud Native Developer realisiert Alexander skalierbare und robuste Systeme. Seine Schwerpunkte sind Cloud-Technologien, Serverless-Architekturen, DevOps und Data Science. Er ist ein Deep Worker, Machine Learner und Python Whisperer.

Mark Keinhörster

Mark Keinhörster

Mark ist im Big-Data-Zoo zu Hause und bringt Erfahrungen mit Hadoop und Apache Spark mit. Außerdem beschäftigt er sich mit Docker, Cloud-Technologien und Machine-Learning.

Kai Herings

Kai Herings

Kai hat Informatik an der RWTH Aachen studiert und ist im Bereich Anwendungsfälle für Computer Vision und Machine Learning seit vielen Jahren aktiv.

Nico Axtmann

Nico Axtmann

Als Machine Learning Engineer entwickelt Nico datengetriebene Produkte und Lösungen. Derzeit konzentriert er sich vor allem auf die Kombination von Natural Language Processing und Deep Learning.

Agnes Köhler

Agnes Köhler

In ihrer Forschungsarbeit simulierte und steuerte Agnes biologische Systeme mithilfe von mathematischen Modellen.
Als IT Consultant konzentriert sie sich derzeit auf Machine Learning und Cloud-Native-Themen.

Kontakt mit dem AI-Team aufnehmen

Wenn Sie möchten, können Sie gerne Ihre E-Mail-Adresse hinterlassen. Wir werden uns umgehend bei Ihnen melden:


ARTIFICIAL INTELLIGENCE Deep Learning. Computer Vision. NLP

Jetzt YouTube-Channel abonnieren und AI-Wissen aufbauen:
www.youtube.com/codecentricAI