Künstliche Intelligenz im Unternehmen: Die Unterschiede erkennen

Wenn in einem Unternehmen über künstliche Intelligenz (KI) diskutiert wird, geht es oft um ganz unterschiedliche Fragestellungen.

• „Wird unser Arbeitsmarkt in naher Zukunft durch den Einsatz von künstlicher Intelligenz komplett umstrukturiert?“
• „Kann ich einem autonomen Fahrzeug trauen und meine Hände vom Lenkrad nehmen oder sogar ein Nickerchen machen?”
• „Wie schaffen es Google oder Apple, dass ihre persönlichen Assistenten Siri und Google Assistant uns so gut verstehen?“
• „Wie können wir in unserer Arbeit von künstlicher Intelligenz profitieren, ohne in finanzielle Schieflage zu kommen?“

Am Anfang ist das Problem

Die letzte Fragestellung wollen wir in diesem Beitrag erläutern, um Ihnen dabei zu helfen, ein Gefühl dafür zu entwickeln, wie Sie selbst künstliche Intelligenz einsetzen können. Am Anfang dieser Fragestellung steht ein Problem oder eine Beobachtung, die Sie in Ihrem Unternehmen gemacht haben.

Vielleicht haben Sie schon öfters Zusammenhänge in Ihren Daten vermutet oder Sie haben einen Mitarbeiter beobachtet, der immer wieder die gleiche Tätigkeit durchführen muss. Um herauszufinden, ob Sie künstliche Intelligenz bei Ihrem Problem anwenden können, haben Sie zwei Möglichkeiten:

• Sie engagieren einen Experten (Data Scientist oder Consultant), um Ihre Problemstellung individuell zu bearbeiten.
• Sie schauen, ob Ihre Problemstellung schon durch den Markt gelöst worden ist.

Markt bietet viele Lösungen

Der zweite Ansatz sollte der bevorzugte Weg sein, da Experten im Bereich künstliche Intelligenz zurzeit noch rar und teuer sind. Um einen Überblick über die am Markt verfügbaren Lösungen zu bekommen, lohnt sich ein Blick in die appliedAI Use Case Library. Dort können Sie nach Lösungen für einen spezifischen Industriesektor, eine Unternehmensfunktion oder übergreifende Funktionen suchen. Durch die Farben der einzelnen Komponenten in der Übersicht sehen Sie schnell, welche Lösungen es als API (pink), Produkt (blau) oder Individualentwicklung (gelb) gibt.

Produkte, APIs und Laufzeitumgebungen für künstliche Intelligenz erhalten Sie bei jedem größeren Cloud-Anbieter in den unterschiedlichsten Formen:

• SAP Leonardo Machine Learning Foundation
• IBM Bluemix: Watson-APIs
• Microsoft Azure: Cognitive Services
• Amazon Web Services: Machine Learning in AWS
• Google Cloud Platform: Machine Learning Services

Bereit für den Einsatz

Zusätzlich zu den Big Playern gibt es viele kleinere Unternehmen, die Services und Produkte mit künstlicher Intelligenz für branchenspezifische Use Cases anbieten können. So können Sie die erste „intelligente“ Anwendung in Ihrem Unternehmen durch eine geschickte Orchestration von unterschiedlichen Produkten und Services implementieren. Die Orchestration findet direkt in Ihrer Anwendung statt, indem die gewünschten Services per REST-Aufruf (Representational State Transfer) angefragt werden.

Für bestimmte Anwendungsfälle, beispielsweise die Bildklassifizierung, lassen sich die Services bzw. die Machine-Learning-Modelle direkt an Ihre Daten anpassen. Im Fachjargon nennt man dies „Transfer Learning“ oder „Retraining“, hierdurch können schon einmal trainierte Machine-Learning-Modelle für eine Problemstellung mit ähnlichen Daten nochmals verwendet werden.

Machine Learning von SAP

Falls Ihr Unternehmen schon das eine oder andere Produkt der SAP im Einsatz hat, lohnt es sich auf jeden Fall, einen Blick auf die SAP Leonardo Machine Learning Foundation zu werfen. Diese bietet Ihnen im Vergleich zu anderen Anbietern folgende Vorteile:

• Einfache und sichere Datenanbindung an andere SAP-Systeme wie das Enterprise Resource Planning (ERP) oder das Business Warehouse (BW)
• Einfache Integration von Machine-Learning-Services in Anwendungen auf anderen SAP-Systemen
• Auf Geschäftsanwendungen spezialisierte Machine-Learning-Services, zum Beispiel:
  • Übersetzungsservice (SAP Machine Translation) liefert für die Geschäftskommunikation bessere Ergebnisse als Google Übersetzer
  • Spezielle Anwendungen wie SAP Intelligent Financing API (Financial Health Score)
  • SAP Service Ticket Intelligence, die es ermöglicht, Servicetickets zu klassifizieren und Lösungen für diese vorzuschlagen
• Anpassung vieler der vorgefertigten Services mit eigenen Daten
• Deployment und Lifecycle-Management von TensorFlow Modellen (TensorFlow ist derzeit quasi das Standard-Framework für Deep-Learning-Modelle)

Eine Auflistung aller Services und die Möglichkeit, diese zu testen, finden Sie im SAP API Business Hub.

Obst oder Gemüse?

Eine Beispielarchitektur für eine SAP Cloud Platform Anwendung, die einen Service der SAP Leonardo Machine Learning Foundation verwendet, könnte wie folgt aussehen: Ein Nutzer kann über sein Smartphone Informationen zu einem fotografierten Stück Obst oder Gemüse einholen. Um den Gegenstand auf dem fotografierten Bild zu erkennen, wird der SAP Inference Service for Customizable Image Classification verwendet, als Speicherplatz für die Daten der Gemüse und des Obst eine kleine SAP HANA Datenbankinstanz.

Nachdem ein Bild an den Service geschickt wurde, gibt dieser eine Reihe von Beschriftungen für das Bild inkl. der jeweiligen Wahrscheinlichkeit zurück. Die Anwendung nimmt dann die fünf wahrscheinlichsten Beschriftungen und führt eine Fuzzy Search auf der SAP HANA Datenbank aus. Falls es einen Treffer gibt, werden die Daten zu dem Stück Obst oder Gemüse angezeigt, ansonsten wird eine Fehlermeldung ausgegeben. Die Architektur für diese Anwendung ist sehr simpel und zeigt, wie einfach es ist, künstliche Intelligenz in Anwendungen zu integrieren.

Durch das breitgefächerte Angebot an Ready-to-use Services für die gängigsten Problemstellungen wie Text- oder Bildklassifizierung müssen Sie nur noch die Stelle in Ihrem Unternehmen identifizieren, an der Sie die Services einsetzen können. So machen Sie Ihr Unternehmen Tag für Tag ein Stück "intelligenter". In einem Folgebeitrag werden wir darauf eingehen, wie die Vorgehensweise aussieht, falls die vorgefertigten Services nicht ausreichen, um Ihr Problem zu lösen.