05.01.2022 | Blog Drei KI-Trends für 2022

Künstliche Intelligenz und besonders auch der Teilbereich des maschinellen Lernens haben sich in einigen Anwendungsgebieten zu unverzichtbaren Helfern entwickelt. Knackpunkt sind dabei die für das Anlernen von KI zur Verfügung stehenden Datenmengen. Während die Plattform-Giganten riesige Datenmengen sammeln und damit für generalisierte Anwendungsfälle allgemein verfügbare KI-Verfahren füttern, können die meisten Unternehmen diese generalisierten Modelle in ihrem konkreten Nutzungskontext nur bedingt einsetzen. Sie müssen die KI mit den realen, nur in kleinen Mengen vorliegenden Daten und im Hinblick auf den jeweiligen, meist sehr speziellen, Kontext trainieren und optimal justieren. Daher sehen wir drei wesentliche KI-Trends für dieses Jahr:

1. Mehr Fokus auf Small Data und Wide Data

Big Data war lange Zeit unbedingt erforderlich, wenn es um das Training Künstlicher Intelligenz ging. Problematisch ist dabei allerdings, dass in der Praxis nur wenige Unternehmen und Entwickler Zugriff auf ausreichende Trainings-Datenmengen haben. Die Folge: ein Großteil der Wirtschaft ist von den Technologien von Morgen weitestgehend ausgeschlossen. Neue Trends wie Small und Wide Data, die es ermöglichen KI und ML auch für kleinere Unternehmen erschließbar zu machen, werden daher künftig stärker in den Fokus rücken.

Small-Data-Ansätze zielen darauf ab, auch aus kleineren Datenmengen mit darauf optimierten Machine-Learning-Verfahren durch neue Analysetechniken Wert zu schöpfen. Bei Wide Data geht es darum, aus einer breiten Auswahl unterschiedlicher Datenquellen und -typen Synergien herzustellen, um den Kontext für KI-Anwendungen zu verbessern. Mit diesen Ansätzen sind künftig mehr Organisationen in der Lage, den eigenen Datenschatz effektiv und gewinnbringend zu nutzen.

So werden laut einer Untersuchung des Marktforschungsunternehmens Gartner rund 70 Prozent aller Unternehmen ihren Fokus bis 2025 von Big Data auf Small und Wide Data verlagern.

2. Intelligent Document Processing auf dem Vormarsch

Durch intelligente Analyse von Dokumenten lassen sich textgebundene Arbeitsprozesse in Unternehmen deutlich effizienter gestalten, indem diese Prozesse teilweise beziehungsweise vollständig automatisiert werden. Gerade bei Behörden und großen Unternehmen liegen Unmengen von Daten vor und täglich kommen neue hinzu. Oft sind etliche Mitarbeiter damit betraut, die relevanten Informationen aus Dokumenten zu filtern, die für deren Weiterverarbeitung erforderlich sind. Das benötigt sehr viel Zeit und der Faktor Mensch sorgt für eine vergleichsweise hohe Fehleranfälligkeit. Intelligent Document Processing (IDP), also der Einsatz KI-basierter Software für die Verarbeitung von Dokumenten, ermöglicht die Digitalisierung und Automatisierung von Workflows.

Die Anwendungsmöglichkeiten sind vielfältig und reichen beispielsweise von Antragsprüfungen über Auftragsannahmen bis hin zur Aktualisierung von Kunden- und Zahlungsdaten. Daher wird diese Technologie an Bedeutung gewinnen.

3. Conversational AI macht Fortschritte

Unter Conversational AI versteht man smarte, KI-basierte Dialogsysteme, die als virtuelle Assistenten agieren und versuchen mit dem Kunden zumindest teilautomatisiert zu interagieren. Dabei kommt die ganze Palette von Natural-Language-Technologie, also maschinelles Lernen und auch symbolische KI, zum Einsatz.

Ziel ist es, die Intention von Kundenanfragen zu erkennen und entsprechend automatisiert zu agieren. Zwischen „Ich habe meine Rechnung bezahlt“ und „Ich werde meine Rechnung bezahlen, wenn…“ muss unterschieden werden, um richtig auf Kunden-Mails zu antworten. Für den Menschen leicht, für die Maschine nicht einfach, aber meisterbar. Die Frage des Kunden muss also interpretiert und „verstanden“ werden und dazu müssen mögliche Antworten identifiziert werden.

Das ist eine neue Herausforderung für intelligente Suchmaschinen, die mit der ganzen Palette von Sprach- und textbasierten KI-Funktionalitäten ausgestattet sind. Zusammen mit Question Answering werden Chatbots damit auf eine neue Qualitätsstufe gehoben. Je besser das Conversational-AI-System funktioniert, desto mehr Kundenanfragen können Unternehmen automatisiert bearbeiten. Das spart nicht nur Mitarbeiterressourcen und senkt die Kosten, sondern macht Kunden auch unabhängiger von Geschäftszeiten.

Die Entwicklung steht hier allerdings noch am Anfang und es wäre leichtfertig, derzeit schon zu hohe Erwartungen in die Leistungsfähigkeit von Conversational-AI-Systemen bzw. darauf basierten Chatbots zu setzen. Oft agieren Anbieter mit vollmundigen Versprechen, die dann in der Praxis nicht gehalten werden können. Klares Erwartungsmanagement ist daher sehr wichtig für ein erfolgreiches Projekt mit erreichbaren Zielen. Die Optimierung der KI-Verfahren auf die Fähigkeit, mit dem oftmals nur spärlich vorhandenen Trainingsinput robuste Ergebnisse zu erzielen, zeichnet hier marktführende Hersteller aus.

Fazit: Künstliche Intelligenz ist sicherlich kein Allheilmittel. Aber wir sollten die Chancen ergreifen und die Mehrwerte nutzen, die KI uns bieten kann: Mitarbeiter von zeitraubenden Standardaufgaben zu entlasten, viele Unternehmensprozesse effizienter zu gestalten und Mitarbeitern sowie Kunden in kürzester Zeit den Zugang zu benötigten Informationen und Services zu bieten.