Page 182 - Handbuch Internet of Things

HANDBUCH INTERNET OF THINGS
Kapitel 4.6 / KI & selbstlernende Algorithmen
maschinellen Lernens erlauben es, riesige Datenmengen innerhalb kürzester Zeit zu analysieren, Muster und Zusammenhänge aus den Daten zu extrahieren und basierend dar- auf schnellere und genauere Entscheidungen für die Zukun tre en zu können.
Die künstliche Intelligenz nimmt im- mens an Bedeutung zu
Ob künstliche Intelligenz, maschinelles Ler- nen oder Deep Learning, in der Praxis werden diese Begri e häu g als Synonyme verwendet. Dabei besitzen die drei Begri ichkeiten große Unterschiede in ihrer Bedeutung und stehen in einer strikten Hierarchie zueinander. Die künstliche Intelligenz ist der Oberbegri für alle Methoden und Technologien, die ein in- telligentes Verhalten vorweisen. Das maschi- nelle Lernen ist dabei ein Teilgebiet der KI, welches eine Vielzahl an (Lern-)Methoden ba- sierend auf der mathematischen Optimierung und Statistik umfasst. Deep Learning wieder- um ist ein spezieller Teilbereich des maschi- nellen Lernens, der versucht, die statistischen Korrelationen in den Daten durch künstliche neuronale Netze abzubilden.
In der Fachliteratur teilt man die Methoden der KI in zwei Teilbereiche auf: Die symboli- sche KI und die statistische KI.
V Bei der symbolischen KI werden zu-
nächst Fakten, Ereignisse und ihre Zu- sammenhänge gesammelt und als ein ab- straktes Modell in einer eindeutigen Re- präsentation dargestellt. Basierend auf dieser Repräsentation können mathema- tische Operationen de niert werden, die es erlauben, logische Schlussfolgerungen zu ziehen oder komplexere Vorgänge zu
planen. Nachteilig bei einem solchen An- satz ist jedoch, dass zunächst eine mög- lichst vollständige Wissensbasis erstellt werden muss, was in der Praxis häu g sehr zeitintensiv und fehleranfällig ist. Darüber hinaus sind die entsprechenden Algorithmen in ihren Entscheidungen häu g durch das vorab de nierte Regel- werk begrenzt und können nur sehr schwer mit einer Unsicherheit in den Da- ten umgehen.
V Im Gegensatz dazu steht die statistische KI, bei der versucht wird, intelligentes Verhalten mittels mathematischer Mo- delle und statistischer Verfahren (wie beispielsweise mit neuronalen Netzen) nachzubilden. Diese statistischen Lern- verfahren extrahieren latente Strukturen und Korrelation in den Daten und bilden dieses Wissen in einem mathematischen Modell ab. Anschließend lassen sich mit dem gelernten Modell auf ähnliche Da- ten neue Entscheidungen sowie Vorher- sagen über die Zukun tre en.
In diesem Kontext ist das maschinelle Lernen (ML) als eines der wichtigsten und nutzbrin- gendsten Teilgebiete der statistischen KI be- sonders hervorzuheben. Gerade im Zuge der Digitalisierung steht das maschinelle Lernen bei vielen Unternehmen im Fokus der Auf- merksamkeit, um sich einen Vorsprung ge- genüber den Wettbewerbern zu sichern. Die Anwendungen von maschinellen Verfahren sind vielschichtig und branchenübergrei- fend für zahlreiche Unternehmen relevant: So können beispielsweise im Bereich der Medi- zin mithilfe maschineller Lernverfahren die Wechselwirkungen mehrerer Medikamente vorhergesagt werden. Im Rahmen der Wirt-
Technologien