Künstliche Intelligenz mit IBM Watson

Inhaltsverzeichnis

Kurzfassung

Abstract

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1. Einleitung
1.1 Ausgangssituation
1.2 Zielsetzung und Vorgehensweise

2. Künstliche Intelligenz
2.1 Einführung in die Thematik
2.2 Was ist künstliche Intelligenz?
2.3 Geschichte der künstlichen Intelligenz
2.4 Geschichte der Firma IBM
2.5 Entstehung IBM Watson
2.6 IBM Watson heute
2.7 Drei ausgewählte Watson-Tools im Vergleich
2.7.1 Visuelle Erkennung
2.7.2 Machine Learning via Watson Studio
2.7.3 Watson Assistant
2.8 Chat-Bots und künstliche Intelligenz
2.8.1 Definition, Geschichte und Entwicklung
2.8.2 Grundsätzliche Funktionsweise
2.8.3 Mögliche Klassifizierung

3. IBM Watson Assistant
3.1 IBM Cloud
3.2 Chat-Bots mit dem Watson Assistant
3.2.1 Funktionsweise und Klassifizierung
3.2.2 Getting Started
3.2.3 Ausarbeitung eines Skills
3.2.4 Bereitstellung des Chat-Bots

4. Fallbeispiel: Chat-Bot an der Hochschule Aalen
4.1 Sammlung der Inhalte
4.1.1 Umfang
4.1.2 Umsetzung
4.2 Erstellung des Dialogmoduls
4.2.1 Nicht-fachliche Inhalte
4.2.2 Fachliche Inhalte
4.3 Bereitstellung
4.4 Evaluierung
4.4.1 Durchführung und Fragebogen
4.4.2 Auswertung

5. Potenziale und kritische Betrachtung
5.1 Von der Testversion zur Vision
5.1.1 Vision
5.1.2 Kurzfristige Maßnahmen
5.1.3 Mittelfristige Maßnahmen
5.1.4 Langfristige Maßnahmen
5.2 Grenzen und Probleme
5.2.1 Keine „echte“ Intelligenz
5.2.2 Umfang des Watson Assistants
5.2.3 Fehlende Akzeptanz und mögliche Gründe

6. Zusammenfassung und Fazit

Literaturverzeichnis

Anhang

Inhaltsliste Chat-Bot Projektmanagement

Abbildungsverzeichnis

Abbildung 1: Entwicklungsphasen der künstlichen Intelligenz

Abbildung 2: K. Jennings (links) und B. Rutter (rechts) im Duell gegen den Supercomputer Watson

Abbildung 3: Die ersten drei Services von IBM Watson (eigene Darstellung)

Abbildung 4: Katalog der Watson-Tools (erweiterte Darstellung via IBM Cloud)

Abbildung 5: Visual Recognition mit IBM Watson

Abbildung 6: Defect Detection bei Lithium-Ionen-Batterien

Abbildung 7: Entwicklung von Social Messaging & Co

Abbildung 8: Grundsätzliche Funktionsweise von Chat-Bots (angepasste Darstellung)

Abbildung 9: Funktionsweise IBM Watson Assistant

Abbildung 10: Aufrufen der Ressource „Watson Assistant“ (erweiterte Darstellung via IBM Cloud)

Abbildung 11: Aufbau eines Chat-Bots anhand des IBM Watson Assistants (eigene Darstellung)

Abbildung 12: Hinzufügen von Absichten (erweiterte Darstellung via IBM Cloud)

Abbildung 13: Manuelles Hinzufügen von Absichten (erweiterte Darstellung via IBM Cloud)

Abbildung 14: Hinzufügen von Entitäten (erweiterte Darstellung via IBM Cloud)

Abbildung 15: Manuelles Hinzufügen von Entitäten und Werten (erweiterte Darstellung via IBM Cloud)

Abbildung 16: Funktionsweise des Dialogmoduls

Abbildung 17: Erstellung eines Dialogmodulknotens (erweiterte Darstellung via IBM Cloud)

Abbildung 18: Definition eines Knotens (erweiterte Darstellung via IBM Cloud)

Abbildung 19: Einrichten einer Bereitstellung (erweiterte Darstellung via IBM Cloud)

Abbildung 20: Auflistung der bereits eingerichteten Bereitstellungen (Darstellung via IBM Cloud)

Abbildung 21: Bereitstellungsoptionen im Überblick (Darstellung via IBM Cloud)

Abbildung 22: Die vier Phasen des Fallbeispiels (eigene Darstellung)

Abbildung 23: Aufbereitung der Inhalte (eigene Darstellung)

Abbildung 24: Baumstruktur des Dialogmoduls (Darstellung via IBM Cloud)

Abbildung 25: Baumstruktur des Ordners "Nicht fachlich" (Darstellung via IBM Cloud)

Abbildung 26: Baumstruktur des Ordners "Fachlich" (Darstellung via IBM Cloud)

Abbildung 27: Einsatz von Entitätswerten am Beispiel "#projektplanung" (Darstellung via IBM Cloud)

Abbildung 28: Entität im „Ja oder Nein“-Stil (Darstellung via IBM Cloud)

Abbildung 29: Bereitstellung über Facebook (Darstellung via Facebook)

Abbildung 30: Manuelles Einfügen der Begrüßung im Messenger (Darstellung via Facebook)

Abbildung 31: Seite 1 der Umfrage (Darstellung via Surveymonkey)

Abbildung 32: Seite 2 der Umfrage (Darstellung via Surveymonkey)

Abbildung 33: Seite 3 der Umfrage (Darstellung via Surveymonkey)

Abbildung 34: Seite 4 der Umfrage (Darstellung via Surveymonkey)

Abbildung 35: Geschlechteranteile und Durchschnittsalter in Jahren

Abbildung 36: Innovationsgrad Einsatz eines Chat-Bots an der HS Aalen

Abbildung 37: Persönliche Haltung gegenüber Einsatz eines Chat-Bots im Projektmanagement

Abbildung 38: Einschätzung der Benutzerfreundlichkeit

Abbildung 39: Einschätzung des aktuellen Nutzens

Abbildung 40: Einschätzung des Gesamteindrucks

Abbildung 41: Zeithorizont der Weiterentwicklung bis hin zur Vision (eigene Darstellung)

Abbildung 42: Beispiele für Testkriterien eines Chat-Bots

Tabellenverzeichnis

Tabelle 1: Ausschnitt der Inhaltsliste

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Kurzfassung

Gegenstand der vorliegenden Masterarbeit ist der Einstieg in das Themengebiet der künstlichen Intelligenz in Form einer kurzen Einführung und konkreten praktischen Auseinandersetzung mit den Watson Services von IBM. Der Name Watson beschreibt dabei den Teilbereich von IBM, der sich auf die Anwendung von künstlicher Intelligenz spezialisiert hat. Nach der Analyse drei ausgewählter Tools, wird anschließend der Watson Assistant auserwählt und zur praktischen Anwendung gebracht. Basierend auf einem „Skill“, dessen Dialogmodul aus Knoten mit Bedingungen in Form von Absichten oder Entitäten und jeweils definierten Antworten besteht, wird die Funktionsweise und Vorgehensweise bei der Erstellung und Bereitstellung eines IBM-Chat-Bots erörtert. Anschließend wird das erlangte Wissen in einem konkreten Fallbeispiel in Form einer Implementierung beispielhaft an der Hochschule Aalen in die Praxis umgesetzt. Dieser Chat-Bot ist als bereitgestellte Testversion in der Lage einen Katalog an Fragen aus dem Projektmanagement zu beantworten und grundlegende Hilfestellung für Studenten zu bieten. Ein Testlauf dieser Version mit Studenten der Hochschule Aalen attestierte der Idee und ersten Umsetzung einen überdurchschnittlichen Zuspruch, sodass als Vision anschließend konkret aufgezeigt wird, wie diese Testversion langfristig verbessert und an der Hochschule etabliert werden kann. Kritik besteht hingegen vor allem an dem großen Erstellungsaufwand, sowie an einem Mangel an menschenähnlicher Intelligenz.

Abstract

The subject of this master thesis is the introduction to the topic of artificial intelligence in the form of a theoretical part and a concrete practical examination of IBM’s Watson Services. The name Watson describes IBM's subdivision, specializing in the application of artificial intelligence. After analysing three tools, the Watson Assistant is selected and applied. Based on a dialog module, consisting of nodes with conditions in the form of intentions or entities and defined responses, the functionality and procedure for creating and deploying an IBM Chat-Bot is discussed. Subsequently, the acquired knowledge is put into practice in a concrete case study in the form of an implementation example at Aalen University. This test version of the Chat-Bot is in the position to answer a catalogue of questions from the project management and therefore offer basic assistance for students. A test run of this version with students attested the idea and first implementation an above-average impression, so as a vision afterwards, it is concretely pointed out, how this test version can be improved on a long-term basis and be officially established at the university. Criticism, on the other hand, is mainly due to the large amount of work involved in creating it, as well as to a lack of human-like intelligence.

1. Einleitung

1.1 Ausgangssituation

Es ist das Jahr 2019 und die Ansätze der vierten industriellen Revolution finden immer mehr Einzug in moderne, zukunftsorientierte Unternehmen, sowie in die privaten Haushalte weltweit. Intelligente Produktionsplanung durch miteinander kommunizierende Systeme, sowie (teil-)autonom, durch Algorithmen selbstständig entscheidende Maschinen und private Endgeräte bilden hierbei nur zwei Beispiele der umfassenden Veränderungen, die durch die Industrie 4.0 vermehrt in den Fokus gerückt werden.

Einen immer größeren Stellenwert nimmt dabei die Beherrschung von künstlicher Intelligenz, kurz „KI“ ein. Sie soll bis 2030, laut einer Studie der PricewaterhouseCoopers GmbH, eine Steigerung des Bruttoinlandproduktes in Deutschland um bis zu 11,3% ermöglichen. ¹ Um dieses Potenzial nutzen zu können, ist es daher elementar, künstliche Intelligenz zu verstehen, zu beherrschen und schlussendlich in verschiedensten Bereichen des Unternehmens und für den privaten Anwender bzw. Nutzer zur effektiven und praktikablen Anwendung zu bringen.

Neben „Visual Recognition“-Tools zur automatischen Bilderkennung und Klassifizierung und intelligenten Algorithmen zur Auswertung von Big Data, ist hierbei in den letzten Jahren auch ein vermehrtes Aufkommen von sogenannten Chat-Robotern zu beobachten, also automatisierte und autonom agierende Konversationspartner, die die menschliche Beratung von Kunden, Nutzern oder Patienten vollautomatisch übernehmen. Dies wird durch das weltweit führende Forschungs- und Beratungsunternehmen Gartner, Inc. unterstrichen, die bis 2020 einen Verbreitungsgrad von 25% im Kundenservice und Support-Bereich prognostizieren. Dies ist zwar nur ein Viertel, jedoch betrug das Aufkommen im Jahre 2017 lediglich weniger als zwei Prozent, sodass man von einem rapiden Wachstum sprechen kann.

Dabei berichteten die Unternehmen bei der Gartner Customer Experience Summit 2018 von einer Reduktion der Anfragen durch Anrufe und Mails, nach der Implementierung von Chat-Robotern, um bis zu 70 Prozent, bei einer gleichzeitigen Steigerung der Kundenzufriedenheit. ²

Mittlerweile gibt es eine große Anzahl namhafter Unternehmen, die Chat-Bots und weitere „AI-Services“ im Repertoire ihrer Möglichkeiten und Tools anbieten, um Unternehmen mithilfe künstlicher Intelligenz moderner und effektiver zu machen und die Welt für den privaten Nutzer smarter zu gestalten. Dazu gehören unter anderem IBM, Microsoft, Amazon und Google. ³ Besonders früh beschäftigte sich dabei das Unternehmen IBM mit dem Gedanken, künstliche Intelligenz so weiterzuentwickeln, dass Unternehmen in allen Bereichen nachhaltig durch den Einsatz der neuen Technologie profitieren können. Ihnen gelang es im Jahre 1997 einen Supercomputer mit dem Namen „Deep Blue“ so zu programmieren, dass dieser den amtierenden Weltmeister im Schach mithilfe von künstlicher Intelligenz schlagen konnte. ⁴ Der Nachfolger von „Deep Blue“ mit dem Namen „IBM Watson“ konnte gar die TV-Show „Jeopardy“ gegen die besten zwei Spieler aller Zeiten, in Person von Ken Jennings und Brad Rutter, im Jahre 2011 für sich entscheiden und für weltweites Aufsehen sorgen. ⁵ Diese Errungenschaften machen IBM zu einem der bekanntesten Vorreiter für künstliche Intelligenz, was durch das große Spektrum von aktuell insgesamt 15 Watson-KI-Tools untermauert wird. ⁶ Hervorzuheben ist darunter vor allem der „IBM Watson Assistant“, ein Chat-Bot-Tool, welches, laut Forrester’s New Wave Bericht aus dem Jahre 2018, führend im Bereich Conversational Computing Plattformen aufgestellt ist.⁷

1.2 Zielsetzung und Vorgehensweise

Die nachfolgend verfasste Masterthesis soll zunächst einen kompakten Überblick über das Themengebiet der künstlichen Intelligenz geben und den Einstieg in die Materie ermöglichen. Dies umfasst einen kurzen Einblick in die Geschichte und Entwicklung der künstlichen Intelligenz, wobei der Fokus im Verlauf verstärkt auf das Unternehmen IBM und die angebotenen Watson-Services gerichtet wird. Es soll aufgezeigt werden, wie Watson, vom Supercomputer, zu einer ganzen Palette an KI-Tools umfunktioniert wurde und welche Services sich besonders gut für eine konkrete Anwendung, ohne spezielle Programmierkenntnisse, eignet. Hierbei sollen zunächst verschiedene Services genauer unter die Lupe genommen und anschließend für eine konkrete Implementierung im Rahmen der Thesis evaluiert werden. Auf Basis dieser Evaluation wird anschließend ein KI- Tool als Basis für eine konkretere Auseinandersetzung und Anwendung ausgewählt.

Da sich diese Untersuchung zu Gunsten des Chat-Bot-Services von IBM, dem Watson Assistant, entwickelt hat, wird in Folge thematisiert, inwiefern künstliche Intelligenz im angebotenen Tool bzw. bei Chat-Bots allgemein zum Einsatz kommt. Darüber hinaus wird erläutert, welche elementaren Schritte von der Erstellung bis zur Bereitstellung nötig sind, um selbst seinen eigenen Chat- Roboter für sein Unternehmen bzw. seinen Anwendungszweck zu erschaffen. Diese Vorgehensweise soll anschließend durch ein konkretes Fallbeispiel dargestellt und abgesichert werden. Es beinhaltet als Ziel die Implementierung eines Chat-Bots im Projektmanagement an der Hochschule Aalen, der in einer ersten Testversion über Facebook bereitgestellt werden soll. Neben einem großen Spektrum an fachlichen Inhalten, die auf dem Buch „Die Projekt- Methode“ von Prof. Dr. Ulrich Holzbaur (et al.) beruhen, soll der Chat-Bot auch in der Lage sein, auf Fragen des täglichen Lebens, wie zum Beispiel „Wie geht es dir?“, zu antworten. Insgesamt soll die Testversion des Bots das Fundament für eine zukünftige, finale Version darstellen, die langfristig im Projektmanagement und darüber hinaus umfassend an Hochschulen eingesetzt und weiterentwickelt werden kann. Der erreichte Reifegrad der erstellten Testversion wird durch eine Evaluation mittels Befragung von Testpersonen, in Form von Studenten, eingeschätzt und die weiteren Schritte zur Marktreife aufgezeigt. Abgerundet wird dies durch eine kritische Betrachtung der Hürden und technischen Grenzen des Watson Assistants von IBM. Insgesamt soll der Leser einen Einblick in die Themenfelder KI und Chat-Bots bekommen und anschließend in der Lage sein, seinen eigenen Assistant mittels der Ausführungen zu erstellen, sowie eigene individuelle Anwendungsmöglichkeiten zu erschließen. Abschließend sollte der Leser außerdem in der Lage sein, Parameter wie Zeit, Kosten, Nutzen und technisches Potenzial bei der eigenen Erstellung und Implementierung einzuschätzen.

2. Künstliche Intelligenz

2.1 Einführung in die Thematik

Wie bereits in der Einleitung deutlich wurde, bildet der Megatrend künstliche Intelligenz, im englischen „artificial intelligence“, das Fundament der vorliegenden Thesis. Die Anwendung von KI fungiert dabei maßgeblich als Aushängeschild des kompletten Geschäftsbereiches „Watson“ der Firma IBM. Unterstrichen wird der wachsende Stellenwert im 21. Jahrhundert auch durch viele weitere erfolgreiche und weltbekannte Firmen, die der KI eine große Zukunft einräumen. Dies spiegelt sich beispielhaft in nachfolgenden Aussagen wider.

„It’s the first inning. It might even be the first guys up at bat.

We’re on the edge of the golden age [of AI].“ ⁸ (Jeff Bezos, Gründer und CEO von Amazon) „I think advances in AI can help save peoples lives.“ ⁹

(Mark Zuckerberg, Gründer und CEO von Facebook)

„In the long run, I think we will evolve in computing from a mobile-first to to an AI-first world.“ ¹⁰

(Sundar Pichai, CEO von Google)

Wenn man sich die Zitate dieser bedeutenden CEOs anschaut, so ist jeder, auf seine individuelle Weise, von der Technologie überzeugt. Für Jeff Bezos befinden wir uns sozusagen am Rande bzw. Beginn des goldenen Zeitalters der KI, während Mark Zuckerberg den Bezug zwischen künstlicher Intelligenz und dem Menschen herstellt und durch Fortschritte in der KI-Forschung prognostiziert, Menschenleben retten zu können. Zudem prophezeit Sundar Pichai im Computing einen langfristigen Wechsel zu einer Zeit, in der künstliche Intelligenz an erster Stelle steht. Dies sind allesamt große Aussagen, dessen Richtigkeit sich in Zukunft noch beweisen muss, denn große Erwartungen können von Natur aus auch schnell in große Enttäuschung und Ernüchterung münden. Ebenfalls anführen muss man in diesem Zuge daher auch die Gegenstimmen, die neben den umfassenden Potenzialen, ebenso große Risiken und Gefahren, bis hin zur kompletten Auslöschung der Menschheit, sehen. Eine Auswahl interessanter, aber auch bedenklicher Aussagen von Stephen Hawking und Bill Gates werden im Folgenden aufgeführt.

„I fear that AI [Artificial Intelligence] may replace humans altogether. If people design computer viruses, someone will design AI that replicates itself.“ ¹¹

(Stephen Hawking, ehemaliger Professor an der Universität Cambridge und Autor)

„I am in the camp that is concerned about super intelligence.“ ¹²

(Bill Gates, Gründer und ehemaliger CEO von Microsoft)

Die Zitate machen klar, dass bedenkliche Stimmen nicht nur auf unbedeutende Kritiker zurückzuführen sind, sondern auch auf weltweit anerkannte, in ihrem jeweiligen Bereich außerordentlich erfolgreiche, Menschen, die die Welt durch ihre Wissenschaft oder ihr Unternehmertum stark geprägt haben.

Ersterer spricht in seiner zitierten Aussage davon, dass die Menschheit komplett ersetzt werden könnte, indem die AI vom Menschen so programmiert wird, dass sie sich selbst replizieren kann. Bill Gates nimmt hingegen auf einer allgemeineren Ebene Stellung und zeigt sich beunruhigt über eine mögliche Superintelligenz, deren Erstellung laut ihm in einigen Dekaden möglich sein wird.¹³

Insgesamt wird klar, dass es sich beim Megatrend künstliche Intelligenz um ein schwieriges und brisantes Themengebiet handelt, dass Grund zur Euphorie, aber auch zur Vorsicht beherbergt und viel weitere Forschung und Entwicklung in den kommenden Jahrzehnten erfordert. Dazu gehören verschiedenste Fragen, die dabei in Zukunft gestellt werden müssen, beispielsweise wie menschenähnlich künstliche Intelligenz werden kann, bzw. inwiefern sie dies überhaupt werden soll. Oder auch die Frage, wie eine unkontrollierte Ausbreitung einer, der menschlichen Fähigkeiten überlegenen KI verhindert werden kann, insofern dieser Punkt jemals erreicht wird. Diese und viele weitere Spannungsfelder werden aus meiner Sicht als Begleiterscheinung mit dem Boom der KI aufkommen und hier gilt es gesellschaftsfähige Lösungen zu finden, die die gegebenen Potenziale optimal nutzt und dabei die Menschheit nicht gefährdet.

Nach dieser kurzen Einleitung besteht, bei der offensichtlichen Komplexität des Themas, die Notwendigkeit, relevante Themengebiete für die Masterthesis abzugrenzen und so den Fokus gezielt in Richtung der Zielsetzung zu bündeln. Insgesamt teilt sich diese Priorisierung in fünf Fragestellungen auf, die elementaren Charakter der Thesis besitzen.

1 . Was versteht man generell unter künstlicher Intelligenz?
2 . Wie setzt sich der geschichtliche Hintergrund bis heute zusammen?
3 . Welche Rolle spielt die Firma IBM und der Name Watson?
4 . Welche Services werden von IBM angeboten und welches Tool wird für eine konkrete Auseinandersetzung und Anwendung ausgewählt?
5 . Wie ist die allgemeine Funktionsweise und inwiefern wird von KI profitiert?

2.2 Was ist künstliche Intelligenz?

Eine einheitliche, allgemeingültige Definition von „künstlicher Intelligenz“ oder „artificial intelligence“ lässt sich bis zum heutigen Tage nicht ausmachen. Je nach fachlichem oder historischem Hintergrund stehen verschiedene Kernaussagen im Fokus der Formulierungen. ¹⁴ Deshalb ist es aus meiner Sicht sinnvoll, zum einen die generelle Bedeutung der Worte „künstlich“ und „Intelligenz“ zu definieren, sowie anschließend Versuche der Definition von anerkannten Quellen in die Betrachtung zu inkludieren. Im Endeffekt soll durch diese Mischung eine möglichst allgemeingültige Definition entstehen, die den Kerngedanken umfassend abbildet.

Zu Beginn wird also die allgemeine Bedeutung der Worte aufbereitet, was sich mithilfe des deutschen Duden präzise realisieren lässt. Sie sind wie folgt definiert.

- der Begriff „ künstlich “ ¹⁵

„nicht natürlich, sondern mit chemischen und technischen Mitteln nachgebildet, nach einem natürlichen Vorbild angelegt, gefertigt, geschaffen“

- der Begriff „ Intelligenz “ ¹⁶

„Fähigkeit [des Menschen], abstrakt und vernünftig zu denken und d ara u s zweckvolles Handeln abzuleiten.“

In einem ersten Schritt wird nun versucht, beide Wortdefinitionen in eine zu bündeln und so eine erste Annäherung an eine allgemeingültige Formulierung zu erzielen. Es handelt sich bei künstlicher Intelligenz also um eine „ nicht natürliche, jedoch nach dem natürlichen Vorbild geschaffene Fähigkeit,

abstrakt und vernünftig zu denken und daraus zweckvoll zu handeln.“

Im Folgenden soll diese Formulierung mithilfe zwei anerkannter Definitionen ausgewählter Quellen erweitert werden und so im zweiten Schritt eine konkretere, hinreichend genaue Definition erfolgen. Als erstes wird dabei das deutsche Forschungszentrum für künstliche Intelligenz in Kooperation mit dem deutschen Digitalverband Bitkom berücksichtigt, der 1999 gegründet wurde und heute durch über 2600 Unternehmen vertreten wird. ¹⁷ Ihre individuelle Definition lautet wie folgt. ¹⁸

Künstliche Intelligenz ist die Eigenschaft eines IT-Systems,

»menschenähnliche« , intelligente Verhaltensweisen zu zeigen.

Fokus liegt hierbei vor allem auf der Fähigkeit des Systems, intelligent im Sinne des Menschen zu handeln, wobei das System explizit auf den IT-Bereich festgelegt und eingeschränkt wird.

Die zweite, ausgewählte Definition stammt von der Enzyklopädie Britannica, einer Wissensplattform, die bereits seit 250 Jahren existiert und in diesem Bereich weltweit führend ist. ¹⁹ Sie stellt sich wie folgt dar. ²⁰

„the ability of a digital computer or computer-controlled robot to perform tasks commonly associated with intelligent beings. The term is frequently applied to the project of developing systems endowed with the intellectual processes characteristic of humans, such as the ability to reason, discover meaning, generalize, or learn from past experience . […]“

Auffällig ist auch hier der konkrete Bezug zu Computersystemen bzw. computergesteuerten Robotern. Dabei wird, nach dem zunächst allgemein gehaltenen Vergleich mit einem „intelligenten Wesen“, der explizite Zusammenhang zu den Fähigkeiten des Menschen hergestellt.

Man kann also festhalten, dass beide Definitionen den Bezug zur menschlichen Intelligenz, sowie dem Einsatz innerhalb eines IT-Systems herstellen. Die ursprüngliche, selbst verfasste Definition auf Basis der W ortbedeutungen, mithilfe des Dudens, könnte also wie folgt erweitert werden. Bei künstlicher Intelligenz handelt es sich um eine „nicht natürliche, jedoch nach dem natürlichen Vorbild des Menschen geschaffene Fähigkeit eines IT-Systems, abstrakt und vernünftig zu denken und daraus zweckvoll zu handeln.“

Diese Kombination der Wortherkünfte mit anerkannten Definitionen fasst die Grundgedanken von künstlicher Intelligenz aus meiner Sicht hinreichend allgemein und gleichzeitig möglichst explizit zusammen, sodass die Formulierung als Antwort auf die Frage „Was ist künstliche Intelligenz?“ verstanden werden kann. Die genaue Funktionsweise von künstlicher Intelligenz wird aufgrund des immensen Umfangs und fehlenden Anwendbarkeit im Rahmen der Thesis außen vorgelassen. In Kapitel 2.8 werden dennoch die grundlegenden Prinzipien des ausgewählten Watson Services, in Bezug auf Methoden der künstlichen Intelligenz angeschnitten. Dies bildet für die Zielsetzung eine ausreichende Grundlage an Wissen und ermöglicht ein gutes Verständnis der Thematik.

2.3 Geschichte der künstlichen Intelligenz

Das Themengebiet der künstlichen Intelligenz ist, trotz der aktuell verstärkten Aufmerksamkeit, nicht neu, denn die Anfänge gehen bereits auf die Mitte des 20. Jahrhunderts zurück. Die Dartmouth-Konferenz aus dem Jahre 1956 wird dabei als Geburtsstunde der künstlichen Intelligenz bezeichnet. ²¹ Ausschlaggebend ist die Tatsache, dass hierbei zum ersten Mal der Begriff „Artificial Intelligence“, also der englische Terminus für künstliche Intelligenz eingeführt wurde. ²² In einer zweimonatigen Konferenz trafen sich führende Forscher aus Mathematik, IT, Psychologie, Philosophie und Linguistik, wie zum Beispiel J. McCarthy und H. Simon, um sich über Maschinenintelligenz unter dem Motto „Can machines think?“ auszutauschen. Inspiriert waren sie dabei durch ein, bereits im Jahre 1950 zu Papier gebrachtes, Werk mit dem Namen „Computing Machinery and Intelligence“ von Alan Turing. Kernbestandteil dieses Aufsatzes ist der bis heute, in Kreisen der KI-Forschung, weltbekannte „Turing-Test“, der Ausschlag darüber geben soll, ob einer Maschine künstliche Intelligenz zugesprochen werden kann. Entscheidend ist hierbei, ob eine unabhängige Testperson, die über einen Terminal mit der Maschine kommuniziert, in der Lage ist, diese von einem Menschen zu unterscheiden. Ist es dem Probanden nicht möglich, dies klar zu differenzieren, so wird nach dem Testsystem von Turing die künstliche Intelligenz der Maschine bestätigt. Insgesamt war das Ziel der Konferenz, über genannte Verfahren und Thesen von Alan Turing zu sprechen bzw. Wege zu finden, Maschinen im Allgemeinen intelligenter zu machen und so näher an die menschlichen, kognitiven Fähigkeiten bei der Problem- und Entscheidungsfindung heranzukommen. ²³

Dieses Zusammenkommen ist mittlerweile über 60 Jahre her und dennoch ist die Zielsetzung in der KI-Forschung bis heute weitestgehend die gleiche geblieben, denn trotz signifikanter Fortschritte, ist man noch weit von den Prognosen damaliger Tage entfernt, welche besagten, dass die künstliche die menschliche Intelligenz langfristig übertreffen werde. In der Geschichte wurden dabei einige, von Hoffnung getriebene, Phasen bzw. Hypes durchlaufen, die jedoch regelmäßig in große Enttäuschungen mündeten und heute als sogenannte „KI- Winter“ bezeichnet werden. Technologische Neuerungen beflügelten dabei jeweils die Erwartungen der spezifischen Zeitperiode. Die vier Phasen, in die sich die Geschichte und mit ihr der stetig wachsende Intelligenzgrad grob einteilen lässt, werden dabei in nachfolgender Abbildung anschaulich dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Entwicklungsphasen der künstlichen Intelligenz ²⁴

Bei Phase 1 und 2 handelte es sich vor allem um heuristische, also nicht analytische, und um wissensbasierte Systeme, die zu Beginn der Forschung bis zum Jahre 1990 angewendet und entwickelt wurden. Konkret wurden hierbei große Mengen an Wissen in Form von Daten direkt und auf manuelle Weise in das System in Form eines Computers oder einer Maschine einprogrammiert. Ein Taschenrechner beispielsweise konnte dadurch bestimmte, mathematische Probleme lösen, von echter Intelligenz konnte man hierbei jedoch nicht sprechen. Gleichermaßen war die Flexibilität und der Handlungsumfang durch die Beschränkung auf den manuellen Programmierinput, vor allem in Phase 2, stark begrenzt. Zu einem größeren Intelligenzsprung kam es schließlich in Phase 3, als lernende Systeme mithilfe von maschinellem Lernen, also einem Verfahren zur Erkennung von Mustern und Zusammenhängen in großen Datenmengen, Einzug erhielten und neue Anwendungsgebiete erschlossen. Problematisch war hierbei jedoch die schlechte Nachvollziehbarkeit der Rückschlüsse, die das System auf Basis der Daten und Algorithmen automatisch und ohne Input des Menschen zog. Die aktuelle und vierte Phase seit 2010 befasst sich vor allem mit kognitiven Systemen, die Expertenwissen und moderne KI-Lernverfahren kombinieren sollen. Dadurch wird eine Symbiose geschaffen, die der seit Jahrzehnten angestrebten menschlichen Intelligenz am ehesten Konkurrenz bieten kann. ²⁵ Globaler Anbieter beschriebener kognitiver Systeme und ein aktueller Vorreiter ist dabei die Firma „International Business Machines Corporation“, kurz IBM.

2.4 Geschichte der Firma IBM

Der Ursprung der Firma IBM in Deutschland geht auf den 30. November des Jahres 1910 zurück. An diesem Tag wird in Berlin die Deutsche Hollerith- Maschinen Gesellschaft mbH, auch DEHOMAG, ins Leben gerufen. Bestehend aus sieben Mitarbeitern, sowie den Produktions- und Vertriebsrechten, startet sie den Verkauf der Maschinen des Amerikaners Herman Hollerith, der bereits zuvor 1896 in den USA die „Tabulating Machine Company“ gegründet hatte. Nur ein Jahr später fusioniert die „Tabulating Machine Company“ mit der „Computing Scale Company“ und der „International Time Recording Company“ zur „Computing Tabulating Recording Company“. Ansässig wird die, auch unter der Abkürzung „CTR“ bekannte, Firma in New York und widmet sich fortan der Produktion von Hollerith-Maschinen und Waagen. In Folge wird in den USA im Jahre 1914 der vierzigjährige Thomas J. Watson zum Präsidenten des neu gegründeten Firmenzusammenschlusses gewählt, wobei er noch ahnungslos ist, dass sein Name bis ins 21. Jahrhundert überdauern würde. Zu diesem Zeitpunkt kann die DEHOMAG in Deutschland bereits 250.000 Mark umsetzen und 23 Mitarbeiter beschäftigen. Das erste eigene Produktionswerk folgt 1918 in Villingen, denn zuvor bestand das Geschäft ausschließlich aus dem Vertrieb importierter Maschinen.

Der Name IBM, so wie die Firma heutzutage in aller Welt bekannt ist, wird hingegen erst im Jahre 1924 eingeführt. Dies geschieht indem die „Computing Tabulating Recording Company“ in die „International Business Machines Corporation“ umfirmiert wird. In Deutschland dauert es gar bis zum Jahre 1949 bis der Name IBM eingeführt wird. Dies geschieht, indem die Deutsche Hollerith- Maschinen Gesellschaft mbH in die „Internationale Büro-Maschinen Gesellschaft“ umbenannt wird. Ein Jahr zuvor hatte die DEHOMAG durch die Währungsreform zehn Millionen Mark Verlust hinnehmen und die Hauptverwaltung von Berlin nach Sindelfingen verlegen müssen. ²⁶

Die Leitungspositionen, der nun in Deutschland unter dem Namen IBM bekannten Firma mit über 2.400 Mitarbeitern, halten 1950 Johannes H. Borsdorf und Oskar E. Hörmann inne. Wie die Beschäftigungsanzahl wächst auch die Produktpalette von IBM immer weiter an. Dies umfasst unter anderem elektronische Schreibmaschinen, die im Zuge der Einführung des Geschäftszweiges „Textverarbeitung“ 1952 eingeführt werden, sowie das erste elektronische Rechenwerk, der Rechenstanzer „IBM 604“, der nur zwei Jahre später den deutschen Markt erreicht. Es ist nur der Beginn einer konstanten Unternehmensentwicklung und Expansion, die bereits 1962 in der hunderttausendsten Schreibmaschine und ein Jahr zuvor im ersten, mit Transistoren und gedruckten Schaltungen gebauten, Computer ihren Lauf nimmt.

Eindrucksvoll untermauert wird die Entwicklung durch die Kennzahlen aus dem Jahre 1975. In diesem Jahr setzt die IBM Deutschland über fünf Milliarden deutsche Mark um und beschäftigt fast 25.000 Mitarbeiter. Der Fokus der IBM in Deutschland besteht zu diesem Zeitpunkt bei der Weiterentwicklung von Computertechnologie, um diese attraktiv und massentauglich für Unternehmen und später auch für den privaten Gebrauch zu gestalten. Beispielhaft hierfür bringt die Firma noch im selben Jahr das „IBM System/32“ inkl. fertigen Programmen für kleine Unternehmen auf den Markt, gefolgt von einem großen Innovationssprung des „IBM 4300“ vier Jahre später. Er ermöglicht, mit seinem neuen 64-K-Bit Chip, ein bis dato undenkbares Preis-/Leistungsverhältnis. Der Höhepunkt des technologischen Fortschritts des 20. Jahrhunderts wird jedoch erst Ende der 90er Jahre erreicht: „Deep Blue“, ein Supercomputer von IBM, schlägt hierbei den Schachweltmeister Garry Kasparov mithilfe der Möglichkeit, bis zu zwölf Züge in die Zukunft, alle möglichen Konstellationen fehlerfrei zu berechnen und in Bezug auf die Gewinnchance einzuschätzen. Darüber hinaus wird Ende 1998 allen IBM Mitarbeitern ermöglicht, auf das Internet zuzugreifen und sich so auch online gemeinsam zu vernetzen. ²⁷

Zu einem Einbruch der Erfolgsgeschichte kommt es auch nach der Jahrhundertwende nicht, denn der IBM PC feiert im Jahre 2001 seinen 20. Geburtstag. Zu diesem Zeitpunkt gibt es bereits rund 625 Millionen aktive Nutzer des Computers, der in 20 Jahren einen nahezu unvorstellbaren Leistungssprung realisieren konnte und nun in einer Sekunde berechnet, was 20 Jahre zuvor über zwei Stunden andauerte. Ebenfalls interessant ist die Standortentwicklung der IBM Deutschland, die ausgehend von einer einzigen Geschäftsstelle in Berlin, nun über 40 Niederlassungen ihr Eigen nennen darf.

In der Zeitfolge werden weitere Meilensteine erreicht. Im Jahre 2006 wird der Cell/B.E.-Prozessor zusammen mit Sony und Toshiba präsentiert, der nun auch im Bereich Gaming in der Playstation 3 zum Einsatz kommt. Damit wird ein weiteres Gebiet neben den Naturwissenschaften und der Wirtschaft durch den technischen Fortschritt bei den Prozessoren erschlossen. Zudem startet die IBM nur zwei Jahre später das Projekt „Big Green“, welches die Energieeffizienz im Bereich der Informationstechnik stark verbessern soll. Hierbei werden jährlich eine Milliarde US-Dollar investiert, um den Rechenzentrumsenergieverbrauch im Sinne der Umwelt positiv zu beeinflussen. Eine weitere Änderung erfolgt 2008 im Bereich der Konzernstruktur, indem am 1. Juli eine Neuausrichtung nach Kernkompetenzen erfolgt, die den globalen Charakter mit einer langfristigen Wachstumsstrategie untermauert. ²⁸

Dieser Anspruch hat sich bis heute nicht verändert, auch wenn sich die Ausrichtung des Unternehmens gewandelt hat. Die IBM bezeichnet sich heute als Unternehmen für kognitive Lösungen und Cloud Plattformen, welches vor allem auch in aktuellen Themen wie künstlicher Intelligenz, Blockchain oder Quantencomputing stark involviert ist. Dies lässt sich eindrucksvoll daran belegen, dass die IBM im Jahre 2017 in mehr als 175 Ländern operiert und über 360.000 Menschen weltweit beschäftigt. Der Jahresumsatz beträgt 79 Milliarden US-Dollar. ²⁹

2.5 Entstehung IBM Watson

Startpunkt der Einführung von künstlicher Intelligenz im Unternehmen bildet der Supercomputer „Deep Blue“ im Jahre 1997. Wie bereits ein Teilkapitel zuvor beschrieben, schlägt er den damaligen Schachweltmeister und kann so für großes Aufsehen sorgen. Damit ist jedoch der Reiz im Bereich Schach erst einmal aufgebraucht und neue Impulse für die Zukunft werden gesucht. Dieser neue Impuls kommt allerdings erst sieben Jahre später, beinahe zufällig, als Charles Lickel, ein ehemaliger IBM-Entwickler, auf die TV-Show „Jeopardy!“ aufmerksam wird. Beim Essen mit seinen Arbeitskollegen verfällt das komplette Restaurant in totenstille und beobachtet wie Ken Jennings seine 75. Runde nach 74 konsekutiven Siegen bestreitet. Intuitiv sieht Lickel darin eine neue Herausforderung für IBM, nachdem ihn bereits Paul Horn, der damalige Leiter der IBM Research, auf die Suche nach einer neuen „grand challange“ für das Unternehmen schickte. Es soll eine Demonstration der Machbarkeit von beinahe undenkbaren Herausforderungen sein und als Aushängeschild dienen.³⁰

Konkret wollen sie also einen Supercomputer als Nachfolger von Deep Blue schaffen, welcher der komplexen Aufgabe gewachsen ist, Ken Jennings in der Show „Jeopardy!“ zu schlagen. Dafür muss das System zunächst in der Lage sein, die „Frage“ zu verstehen, und anschließend mithilfe der programmierten Wissensbasis blitzschnell korrekt zu beantworten, noch bevor dies ein Mitstreiter übernimmt. Dieses schwierige Vorhaben erweist sich zunächst als steinig, da sich zu Beginn nur wenige Entwickler finden, die sich der Herausforderung gewachsen fühlen. Schließlich finden sie jedoch einen ausschlaggebenden Entwickler namens David Ferucci, der das Angebot dankbar annimmt und mit einer ersten Testversion, damals noch unter dem Namen „Piquant“, in der Lage ist, Beispielfragen mit einer Wahrscheinlichkeit von ca. 35% zu beantworten. Dafür benötigt er pro Frage jedoch mehrere Minuten Zeit, die er in einem realen Wettkampf in der Show nicht zur Verfügung hat. Das Ziel, eine Version zu entwickeln, die im Stande ist 80% der Fragen innerhalb von wenigen Sekunden richtig zu beantworten, wirkt unlösbar. ³¹

Dies scheint sich zunächst in dieser Weise zu manifestieren, denn der erstmals unter dem Namen Watson agierende Computer, erreicht in seiner ersten Fassung im Jahre 2006 gar nur eine Wahrscheinlichkeit von 15% im Bezug auf die richtige Beantwortung von 500 Hinweisen bzw. „Fragen“ aus den jüngsten Folgen der Quiz-Show. Doch IBM setzt das Projekt nicht auf Eis, sondern vergrößert es 2007 drastisch. Es werden 15 Entwickler beauftragt, die über einen Zeithorizont von drei bis fünf Jahren die aktuellen Probleme in den Griff bekommen und die Herausforderung doch noch meistern sollen. Dies gelingt tatsächlich schon 2008, als Watson in der Lage ist, einige ehemalige Champions in vereinzelten Quizrunden zu besiegen. ³² Der große Durchbruch gelingt allerdings erst 2011, als eine ausgereiftere Version fähig ist, zwei der ehemaligen Top-Champions deutlich zu bezwingen. Dabei handelte es sich um Ken Jennings und Brad Rutter, die dem Supercomputer am Ende der Quiz-Show deutlich unterlagen. ³³

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: K. Jennings (links) und B. Rutter (rechts) im Duell gegen den Supercomputer Watson ³⁴

Dieses Ereignis bildet einen wichtigen Meilenstein von IBM und gilt bis heute als Aushängeschild des Begriffes Watson und künstlicher Intelligenz im 21. Jahrhundert.

2.6 IBM Watson heute

Der Begriff Watson erfährt nach dem Triumph eine drastische Wandlung. Aus einem Namen für einen Supercomputer wird bei IBM ein Begriff für ein komplettes Portfolio von Anwendungen mit künstlicher Intelligenz. Diese Entwicklung geschieht allerdings erst drei Jahre nach dem Sieg über Ken Jennings und Brad Rutter, als die IBM im Jahre 2014 bekannt gibt, einen Geschäftsbereich rund um den Begriff Watson zu eröffnen. Die Leitung übernimmt zu diesem Zeitpunkt der Senior Vice President Michael Rhodin, der die Entwicklung zunächst auf drei cloudbasierte Services forciert. ³⁵

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Die ersten drei Services von IBM Watson (eigene Darstellung) ³⁶

Der „Watson Discovery Advisor“ soll dabei in der Forschung und Entwicklung im Bereich der Pharmaindustrie eingesetzt werden, während der „Engagement Advisor“ zur Beantwortung von Fragen in natürlicher Sprache zur Anwendung kommen soll. Der „Watson Explorer“ wird so konzipiert, dass er in der Lage ist, Einblicke in große Datenmengen durch föderierte Suche zu vereinfachen. Es ist der historische Startschuss für viele weitere Watson-Services. ³⁷

Um diese Entwicklung im Bereich kognitive Lösungen voranzutreiben, wird zusätzlich ein Venture-Capital-Fonds über 100 Millionen US-Dollar aufgelegt, der das Projekt unterstützen soll. Zudem kündigt IBM CEO Virginia Rometty an, zehn Milliarden US-Dollar pro Jahr, innerhalb der nächsten zehn Jahre, mit den Services von Watson umsetzen zu wollen. ³⁸

Dieses ambitionierte Ziel scheint dabei schon heute Realität zu sein, denn im Geschäftsbericht der IBM wird der Teilbereich „Solutions Software“ des Geschäftsbereichs „Cognitive Solutions“ im Jahre 2017 mit einem Gesamtjahresumsatz von 12,8 Milliarden US-Dollar angegeben. Differenziert betrachtet sind in diesem Teilbereich allerdings nicht nur Services von Watson inkludiert, sondern auch Sicherheitssoftware und Industrieplattformen. Es lässt sich somit nicht eindeutig sagen, ob das Ziel von Virginia Rometty bereits erreicht wurde, doch mit einer stetig wachsenden Anzahl an Watson-Services, unter anderem im Bereich Big Data, Analytics, Visual Recognition, Machine Learning oder Chat-Bots, ist IBM breit und formatfüllend für das Zeitalter der künstlichen Intelligenz aufgestellt. ³⁹

2.7 Drei ausgewählte Watson-Tools im Vergleich

Ein elementarer Schritt in Richtung Zielsetzung besteht nun in der Analyse der, im Jahre 2019, verfügbaren Tools von IBM, die im Teilbereich Watson mithilfe von Methoden der künstlichen Intelligenz angewendet werden können. Es soll auf Basis dieser Analyse und dem geschaffenen Überblick eine konkrete Entscheidung für ein Watson-Tool getroffen werden, welches anschließend theoretisch aufbereitet und in einem Fallbeispiel praktisch angewendet wird.

Dabei werden zunächst alle derzeit verfügbaren 15 Watson-Services auf der IBM Cloud mithilfe der Lern- und Einführungsprogramme auf Parameter wie Komplexität, Umsetzbarkeit und Attraktivität untersucht und anschließend eine Vorauswahl von drei Tools getroffen. Entscheidend ist hierbei, im Bereich der Komplexität, die Voraussetzung, dass das Tool ohne Programmierkenntnisse angewendet werden kann, da die Aneignung einer Programmiersprache im zeitlichen Rahmen der Thesis, realistisch gesehen, nicht umsetzbar ist. Zudem soll der Leser, auch ohne fachliche Kenntnisse im Bereich der Programmierung, die Chance zur eigenen Umsetzung im Rahmen seines Einsatzgebiets erhalten. Für die Umsetzbarkeit elementar ist neben dem vorherigen Punkt ebenfalls der Funktionsumfang, der kostenlos von IBM für das jeweilige Tool zur Verfügung gestellt wird und eine erste konkrete Anwendung des Service ohne zusätzliche Kosten möglich machen sollte. Erfüllt das Tool sowohl die Anforderungen an die Komplexität, als auch an die Umsetzbarkeit, so geht es schließlich um die Attraktivität, die sich in Form der möglichen Fallbeispiele ausdrückt. In folgender Abbildung wird zunächst das komplette Spektrum an Services von Watson aufgezeigt, wobei die Vorauswahl rot markiert wurde.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Katalog der Watson-Tools (erweiterte Darstellung via IBM Cloud) ⁴⁰

Nach intensiver Auseinandersetzung und Recherche wurden folgende drei Services ausgewählt, die sich im Rahmen der Thesis kostenlos und in einem praktischen Fallbeispiel umsetzen lassen. Dies ist zum einen der „Watson Assistant“ bei (1), das „Machine Learning“-Tool via „Watson Studio“ bei (2) und die „Visuelle Erkennung“ bei (3). Im Folgenden wird kurz auf die jeweiligen Tools eingegangen und anschließend die Auswahl eines der Services für die theoretische und praktische Umsetzung, anhand genannter Parameter, begründet.

2.7.1 Visuelle Erkennung

Die „Visuelle Erkennung“, im englischen „Visual Recognition“, ist ein Service von IBM Watson, der Bilder auf bestimmte Merkmale hin untersucht und anschließend in verschiedenen Schlüsselwörtern klassifiziert. ⁴¹ Dabei werden Deep-Learning-Algorithmen verwendet, d.h. künstliche, neuronale Netzwerke zum Einsatz gebracht, die dem menschlichen Gehirn ähneln und sich mit der fortwährenden Ansammlung an Daten und Erfahrungen stetig verbessern. ⁴²

Die Funktionsweise des Service wird in nachfolgender Abbildung dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Visual Recognition mit IBM Watson ⁴¹ ‘

Konkret werden zunächst Trainingsdaten in Form von Bildern gesammelt, die sich in „positiv“ und „negativ“ einteilen lassen, wobei die positiven Bilder anschließend wiederrum in verschiedene Klassen unterteilt werden können. Beispielsweise könnte man so die positive Klasse mit Katzenbildern füllen, diese in verschiedene Gattungen unterteilen und als negative Bilder Hunde oder andere Tiere inkludieren. Anschließend wird daraus ein Modell erstellt, welches durch KI-Algorithmen trainiert und fertiggestellt wird.

Im trainierten Zustand können nun vorbereitete Bilder zur Analyse hochgeladen werden und der Service bestimmt die Wahrscheinlichkeit für die Gattung der Katze. Handelt es sich um einen Hund, kann der Service auch dies, durch die negativ definierten Trainingsdaten, erkennen und entsprechend ausgeben.

Ein denkbares Fallbeispiel ist dabei die Bilderkennung im Bereich von Lithium- Ionen-Batterien. Dabei kann beispielsweise ein „Defect Detection“-Modell erstellt werden, welches Bilder von Batterien, die unter dem Mikroskop aufgezeichnet wurden, kategorisiert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Defect Detection bei Lithium-Ionen-Batterien ⁴³

Abbildung 6 zeigt dabei ein konkretes Auswertungsergebnis zweier Bilder von Batterien, die durch das Modell in „Okay“, also technisch in Ordnung, und „NotOkay“, also nicht in Ordnung, klassifiziert werden. Durch Deep-Learning- Algorithmen, auf Basis der ihm zur Verfügung gestellten Trainingsdaten, erkennt der Service, dass es sich beim rechten Bild um eine defekte Lithium-Ionen- Batterie handelt und deklariert dies mit einer Wahrscheinlichkeit von 92%. Gleichzeitig befindet er, mit derselben Wahrscheinlichkeit, die linke Batterie als in Ordnung. Diese automatische Einschätzung mit Angabe der Wahrscheinlichkeit kann in der Praxis effektiv für eine erste Vorauswahl eingesetzt und auch auf andere Themenfelder übertragen werden. Es können Zeit für manuelle Klassifizierungen gespart und so Kosten reduziert werden. ⁴⁴

2.7.2 Machine Learning via Watson Studio

Beim, im englischen als „Machine Learning“ betitelten Lernverfahren, handelt es sich allgemein um ein Erkennen von Mustern und Zusammenhängen in großen Datenmengen, was wiederrum mithilfe von Computerprogrammen im Bereich der angewandten Mathematik und Informatik eingesetzt wird. ⁴⁵ Zur konkreten Umsetzung in der IBM Cloud wird hierbei, vereinfacht erklärt, ein neues Projekt über das Watson Studio erstellt und der „Machine Learning“-Service mit diesem Projekt verbunden. Anschließend lässt sich ein Modell erstellen, welches mithilfe von Trainingsdaten, Aussagen über die Wahrscheinlichkeit des Zutreffens eines bestimmten Sachverhalts geben kann. Ein Beispiel wäre hierbei ein Modell zur Bestimmung der Wahrscheinlichkeit, dass ein Patient mit Angabe bestimmter Eigenschaften wie Gewicht, Alter und Zuckerkonsum, an Diabetes leidet. Die Trainingsdaten müssen dabei so aufgebaut sein, dass bei den Vergleichspersonen, zum einen alle relevanten Eigenschaften bekannt sind und zum anderen der Status der Diabeteserkrankung, im Sinne von „erkrankt“ oder „nicht erkrankt“, hinterlegt ist. Umso mehr Vergleichspersonen diesem Modell hinzugefügt werden, umso besser kann der Algorithmus Muster und Zusammenhänge zwischen Eigenschaften und dem Status der Erkrankung feststellen. Die Prognosesicherheit erhöht sich also mit der Fülle an Daten. Anwendungsgebiete sind wie bereits angeschnitten im Bereich der Medizin zu sehen, aber auch in Feldern der Politik oder Wirtschaft. ⁴⁶

2.7.3 Watson Assistant

Der Watson Assistant ist ein Tool von IBM, welches es ermöglicht, einen Chat- Roboter bzw. sogenannten „Assistant“ zu erstellen. Diese Simulation einer Konversation, die einem echten Dialog zwischen zwei Personen nachempfunden ist, macht sich dabei künstliche Intelligenz in Form von maschinellem Lernen zu Nutze und kann in verschiedensten Fallbeispielen praktisch umgesetzt werden.⁴⁷

[...]

---

¹ Vgl. PricewaterhouseCoopers GmbH (2018): Auswirkungen der Nutzung von künstlicher Intelligenz in Deutschland, S.4.

² Vgl. Gartner, Inc. (2018): Gartner Says 25 Percent of Customer Service Operations Will Use Virtual Customer Assistants by 2020, [online] https://www.gartner.com/en/newsroom/press- releases/2018-02-19-gartner-says-25-percent-of-customer-service-operations-will-use-virtual- customer-assistants-by-2020 [23.03.2019].

³ Vgl. Schakau, H., auf: KI im Mittelstand (2018): 5 Cloud Anbieter für Chat Bots, [online] https://www.ki-im-mittelstand.de/5-cloud-anbieter-fuer-chat-bots [23.03.2019].

⁴ Vgl. IBM (2019): Geschichte der IBM in Deutschland, [online] https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1990.html [12.01.2019].

⁵ Vgl. Ferrucci, D., e t al. (2012): Artificial Intelligence, S.94.

⁶ Vgl. IBM Cloud (2019): Katalog, [online] https://cloud.ibm.com/catalog?search=label:lite&category=ai [09.04.2019].

⁷ Vgl. Koplowitz, R., Facemire, M. (2018): Conversational Computing Platforms, Q2 2018, S.1.

⁸ Bezos, J., auf: Mashable (2016): Amazon's Jeff Bezos: 'It's the first inning' of AI, [online] https://mashable.com/2016/05/31/amazon-jeff-bezos-ai/?europe=true#5z360NHI7Oqc [05.03.2019].

⁹ Zuckerberg , M., auf: CNET (2016): All hail Facebook's Mark Zuckerberg, king of the bots, [online] https://www.cnet.com/news/facebook-f8-2016-keynote-mark-zuckerberg-bots/ [05.03.2019].

¹⁰ P ichai, S., auf: The Verge (2016): Google believes its superior AI will be the key to its future, [online] https://www.theverge.com/2016/4/21/11482576/google-ceo-sundar-pichai-cloud-ai- future [05.03.2019].

¹¹ Hawking, S., auf: Independent (2017): Stephen Hawking warns artificial intelligence ‚may replace humans altogether‘, [online] https://www.independent.co.uk/life-style/gadgets-and- tech/news/stephen-hawking-artificial-intelligence-fears-ai-will-replace-humans-virus-life- a8034341.html [24.03.2019].

¹² Gates, B., auf: Reddit (2015): Hi Reddit, I’m Bill Gates and I’m back for my third AMA. Ask me anything., [online] https://www.reddit.com/r/IAmA/comments/2tzjp7/hi_reddit_im_bill_gates_and_im_back_for_my_ third/ [24.03.2019].

¹³ Gates, B., auf: Reddit (2015): Hi Reddit, I’m Bill Gates and I’m back for my third AMA. Ask me anything., [online] https://www.reddit.com/r/IAmA/comments/2tzjp7/hi_reddit_im_bill_gates_and_im_back_for_my_ third/ [24.03.2019].

¹⁴ Vgl. Gentsch, P. (2017): Künstliche Intelligenz für Sales, Marketing und Service, S.17.

¹⁵ Duden (2018): künst•lich, [online] https://www.duden.de/rechtschreibung/kuenstlich [13.04.2019].

¹⁶ Duden (2018): In•tel•li•genz, die, [online] https://www.duden.de/rechtschreibung/Intelligenz [13.04.2019].

¹⁷ Vgl. Mallach, K., auf: Bitkom (2019): Über uns, [online] https://www.bitkom.org/Bitkom/Ueber-uns [13.04.2019].

¹⁸ Vgl. Berg, A., Wahlster, W. (2017): Künstliche Intelligenz, S.28.

¹⁹ Vgl. Enyclopaedia Britannica (2019): We innovate how the world learns through credible and memorable experiences, [online] https://corporate.britannica.com/ [13.04.2019].

²⁰ Copeland, B. J., auf: Encyclopedia Britannica (2019): Artificial intelligence, [online] https://www.britannica.com/technology/artificial-intelligence [13.04.2019].

²¹ Vgl. Glaeß, R. (2018): Künstliche Intelligenz im Handel 1 - Überblick, S.6.

²² Vgl. Sesink, W. (2012): Menschliche und künstliche Intelligenz, S.3.

²³ Vgl. Mainzer, K. (2016): Künstliche Intelligenz - Wann übernehmen die Maschinen?, S.11f.

²⁴ Berg, A., Wahlster, W. (2017): Künstliche Intelligenz, S.29: Abb.1.

²⁵ Vgl. a.a.O., S.29f.

²⁶ Vgl. IBM (2019): Geschichte der IBM in Deutschland, [online] https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1910.html [12.01.2019]. https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1920.html [12.01.2019]. https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1940.html [12.01.2019].

²⁷ Vgl. IBM (2019): Geschichte der IBM in Deutschland, [online] https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1950.html [12.01.2019]. https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1960.html [15.01.2019]. https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1970.html [15.01.2019]. https://www-05.ibm.com/de/ibm/unternehmen/geschichte/1990.html [15.01.2019].

²⁸ Vgl. IBM (2019): Geschichte der IBM in Deutschland, [online] https://www-05.ibm.com/de/ibm/unternehmen/geschichte/2000.html [18.01.2019].

²⁹ Vgl. IBM (2017): 2017 Annual Report, S.1f, 75.

³⁰ Vgl. Satell, G., auf: Forbes (2016): How IBM Is Building A Business Around Watson, [online] https://www.forbes.com/sites/gregsatell/2016/08/21/how-ibm-is-building-a-business-around- watson/#189f0af6102c [26.02.2019].

³¹ Vgl. Ferrucci, D., et al. (2012): Artificial Intelligence, S.94.

³² Vgl. Schröter, N. (2017): IBM Watson, S. 2.

³³ Vgl. Ferrucci, D., et al. (2012): Artificial Intelligence, S.94.

³⁴ S et h , W./ AP Photo, auf: Forbes (2016): How IBM Is Building A Business Around Watson, [online] https://www.forbes.com/sites/gregsatell/2016/08/21/how-ibm-is-building-a-business- around-watson/#189f0af6102c [26.02.2019].

³⁵ Vgl. Schröter, N. (2017): IBM Watson, S. 10.

³⁶ Vgl. angelehnt an ebd.

³⁷ Vgl. ebd.

³⁸ Vgl. Schröter, N. (2017): IBM Watson, S. 10.

³⁹ Vgl. IBM (2017): 2017 Annual Report, S. 36.

⁴⁰ in Anlehnung an IBM Cloud (2019): Katalog, [online] https://cloud.ibm.com/catalog?search=label:lite&category=ai [09.04.2019].

⁴¹, ^41‘ Vgl. IBM Cloud-Dokumentationen / Visual Recognition (2019): Produktinformationen, [online] https://cloud.ibm.com/docs/services/visual-recognition?topic=visual-recognition- index&locale=de#index [10.04.2019].

⁴² Vgl. Hewlett Packard Enterprise (2019): Was ist Deep Learning?, [unter] https://www.hpe.com/de/de/what-is/deep-learning.html [10.04.2019].

⁴³ Eigene Darstellung auf Basis der Oberfläche der IBM Cloud mithilfe von Trainingsdaten der Hochschule Aalen (2019).

⁴⁴ Vgl. IBM Cloud-Dokumentationen / Visual Recognition (2019): Produktinformationen, [online] https://cloud.ibm.com/docs/services/visual-recognition?topic=visual-recognition- index&locale=de#index [10.04.2019].

⁴⁵ Vgl. Heinz, S., auf: DigitalWiki (2018): Machine Learning, [online] http://www.digitalwiki.de/machine-learning/ [11.04.2019].

⁴⁶ Vgl. IBM Cloud Docs / Machine Learning & AI (2019): Model builder overview, [online] https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/ml-model- builder.html?linkInPage=true [11.04.2019].

⁴⁷ Vgl. IBM Cloud Docs / Watson Assistant (2018): About, [online] https://console.bluemix.net/docs/services/assistant/index.html?locale=en#informationen [11.04.2019].