Aktueller Channel Fokus:

Storage und Datamanagement

Definition

Was ist Machine Learning?

| Autor: Sarah Böttcher

Grundlagenwissen zum IT-Business
Grundlagenwissen zum IT-Business (Bild: © adiruch na chiangmai - Fotolia.com)

Der Einsatz von Maschine Learning (ML) kann Arbeitsabläufe in Unternehmen deutlich erleichtern. Doch was genau ist maschinelles Lernen und welche Bedingungen müssen für den Einsatz der Lösung gegeben sein?

Um den täglich entstehenden Datenwust richtig verwerten und sinnvoll nutzen zu können, hilft der Einsatz von Machine Learning (ML). Diese Praxisanwendung aus der AI wird fälschlicherweise als Oberbegriff für alles verwendet, was irgendwie „intelligent“ erscheint. Doch was genau ist Machine Learning und wie funktioniert es? Systeme, die auf maschinellem Lernen basieren, erkennen Muster in Daten, generalisieren diese und erstellen Modelle, wie Prognosen für Kundenabwanderungen oder Betrugserkennung bei Transaktionen. Doch benötigen ML-Lösungen einen großen Vorlauf, bis sie sinnvoll eingesetzt werden können: Daten müssen gesichtet, geordnet und bewertet werden. Zudem muss von vornherein klar definiert werden, was mit der Technologie erreicht werden soll, so der Hinweis von Dr. Andreas Becks, Manager Business Analytics DACH bei dem Softwarehaus SAS.

Schritt für Schritt

In einem ersten Schritt füttert man das System mit Lernstoff in Form von Daten. Besonders die Qualität der Daten spielt bei maschinellem Lernen eine große Rolle. Wie das danebengehen kann, zeigt der Chatbot Tay von Microsoft, der nach kurzer Zeit zum Rassisten (erzogen) wurde. Die AI hinter Tay sollte via Social-Media-Kanäle lernen, wie junge Menschen im Alter von 18 bis 24 Jahren reden. Als der Chatbot sexistische Aussagen traf und Völkermord propagierte wurde der Versuch abgebrochen.

Grundsätzlich analysiert eine ML-Technologie Daten, packt sie in Gruppen und erstellt Modelle über beispielsweise Auffälligkeiten oder Abweichungen. In der Produktion kann so mittels Sensoren, die an Maschinen angebracht sind und in ständigem Datenaustausch mit dem ML-System stehen, etwa am Geräusch der Maschine erkannt werden, ob ein Defekt vorliegen wird. So kann ein Techniker gerufen werden und das noch intakte Teil austauschen, bevor es tatsächlich defekt ist, was schlussendlich Kosten spart.

Integrations-Probleme

Nachdem ein Modell erstellt wurde, steht ein nächster wichtiger Schritt an: die Integration der Software in das Unternehmen. Oftmals scheitert ein ML-Projekt jedoch bei diesem elementaren Schritt. Grund hierfür ist die traditionelle Rolle der IT. Dieser wurde über Jahre eine rein operative Rolle zugeschrieben. Daher werden kreative Digitalisierungsideen und Innovationen, die meist (zu 86 Prozent) aus der IT-Abteilung stammen, nicht ausreichend ernst genommen. Auch hier muss ein Umdenken im Unternehmen stattfinden und sich die IT-Abteilung als kreative Instanz positionieren.

Zudem behindern Veränderungen in der Unternehmensstruktur die Integration: Während 2016 für eine Bitkom-Studie noch 51 Prozent der befragten Firmen die Chefetage für Digitalisierungsprojekte und Innovationen einbezogen haben, sind es in einer aktuellen Umfrage nur noch 42 Prozent. Da die Umsetzung dieser Projekte nicht in der Hand der Führungsetage liegt, werden diese meist doch nicht in das Geschäftsmodell eingeführt.

Ein selbstoptimierender Kreislauf

Ist die Software in die Unternehmensstruktur integriert, kann sie, falls gewünscht, mit Hilfe der eingespeisten Daten eigenständig erste Entscheidungen treffen. Diese werden wiederum erneut ausgewertet und für das weitere Training genutzt. Es handelt sich hier um einen selbstoptimierenden Kreislauf, mit dem Ziel ein selbstorganisierendes System zu schaffen. Trotzdem ist die ständige Überwachung durch den Menschen, sogenannten Data Scientists, Stand heute notwendig.

Kommentare werden geladen....

Sie wollen diesen Beitrag kommentieren? Schreiben Sie uns hier

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45121085 / IT-BUSINESS Definitionen)