Künstliche Intelligenz: 3 entscheidende Trends für das Jahr 2022

Anbieter zum Thema

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Bisher waren künstliche Intelligenz und maschinelles Lernen für viele Unternehmen nur Zukunftsmusik. Aber 2022 wird die Demokratisierung dieser wichtigen Technologien voranschreiten.

In vielen Bereichen haben sich künstliche Intelligenz und besonders auch der Teilbereich des Maschinellen Lernens (ML) zu unverzichtbaren Helfern entwickelt. Die für das Anlernen von KI zur Verfügung stehenden Datenmengen teilen die KI-Welt in zwei Bereiche: Die Plattform-Giganten sammeln unvorstellbare große Mengen von Daten und füttern damit für generalisierte Anwendungsfälle allgemein verfügbare KI-Verfahren. Unternehmen können diese generalisierten Modelle im konkreten Nutzungskontext aber nur bedingt einsetzen. Für eine optimale Justierung müssen sie die künstliche Intelligenz mit den realen, nur in kleinen Mengen vorliegenden Daten und im Hinblick auf den jeweiligen, meist sehr speziellen Kontext trainieren. Welche drei entscheidenden Entwicklungen bei KI und ML das Jahr 2022 prägen werden.

1. Künstliche Intelligenz: Mehr Fokus auf Small Data und Wide Data

Big Data war lange Zeit meist unabdingbar, 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 weitgehend ausgeschlossen. Neue Trends wie Small und Wide Data kommen daher gerade recht, um KI und ML auch für kleinere Unternehmen erschließbar zu machen.

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 Unternehmen in der Lage, den eigenen Datenschatz effektiv und gewinnbringend zu nutzen. Wie interessant die neuen Ansätze sind, zeigt eine Untersuchung des Marktforschungsunternehmens Gartner: Rund 70 Prozent aller Unternehmen werden demzufolge ihren Fokus bis 2025 von Big Data auf Small und Wide Data verlagern.

2. Intelligent Document Processing auf dem Vormarsch

Die intelligente Analyse von Dokumenten ermöglicht ganz neue Arbeitsmethoden, da Unternehmen Prozesse digitalisieren und teilweise beziehungsweise vollständig automatisieren können. So lassen sich Abläufe optimieren und deutlich effizienter umsetzen. 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 die 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, gewinnt zunehmend an Bedeutung und ermöglicht gleichzeitig die Automatisierung von Workflows.

Mit IDP können Unternehmen und Behörden ihre Front- und Back-Office-Prozesse automatisieren. Vor allem Antragsprüfungen, Auftragsannahmen sowie die Aktualisierung von Kunden- und Zahlungsdaten sind prominente Anwendungsbereiche für diese Technologie. Darüber hinaus hilft IDP-Software bei der Einhaltung gesetzlicher Vorschriften oder bei der Produktverfolgung über Lieferkettensysteme im Einzelhandel. Die Einsatzgebiete umfassen letztlich alle textgebundenen Arbeitsprozesse.

3. Fortschritte bei Conversational AI

Der Anthropomorphismus, die Vermenschlichung von Technik, ist seit jeher ein großes Thema im Bereich der Künstlichen Intelligenz. Spätestens mit Siri auf dem iPhone und Alexa im Fernseher hat sich dieses Phänomen im Alltag etabliert. Diese smarten, KI-basierten Sprachassistenten und andere Dialogsysteme nennen Experten auch Conversational AI. Sie werden 2022 nochmals deutlich an Bedeutung gewinnen.

Besonders im Kundenservice ist diese Technologie ein echter Gewinn. Damit Chatbots und Question-Answering-Systeme als virtuelle Assistenten den Kunden und damit auch Unternehmen eine echte Hilfe sein können, gilt es einige Herausforderungen zu meistern. Die KI muss Kundenanfragen korrekt interpretieren, „verstehen“ und Antworten geben sowie möglichst selten auf einen menschlichen Experten zurückgreifen. Um dieses Erlebnis realitätsnah zu gestalten, kommt Natural Language Processing (NLP) zum Einsatz, also die Verarbeitung natürlicher Sprache. Je besser das Conversational-AI-System funktioniert, desto mehr Kundenanfragen können Unternehmen automatisiert bearbeiten. Das spart nicht nur Mitarbeiterressourcen, sondern macht die Kunden auch unabhängiger von Geschäftszeiten.

Neue Methoden demokratisieren künstliche Intelligenz

„Künstliche Intelligenz und Machine Learning werden 2022 verstärkt bei den Unternehmen ankommen. Neue Methoden demokratisieren die Technologie und ermöglichen es immer mehr Unternehmen, Kosten durch Automatisierung zu senken. Kunden kommt diese Entwicklung ebenfalls zugute, denn intelligente Suchen, Chatbots und Sprachassistenten verbessern auch das Nutzererlebnis“, berichtet Franz Kögl, Vorstand der IntraFind Software AG.

Die IntraFind Software AG ist Anbieter für Enterprise Search und Künstliche Intelligenz mit Hauptsitz in München. Mit ihren Lösungen unterstützt das Softwareunternehmen seit über 20 Jahren Organisationen jeder Größe dabei, ihre strukturierten und unstrukturierten Daten zu durchsuchen, zu verknüpfen und zu analysieren. Unabhängig davon, in welcher Quelle diese gespeichert sind. Dafür setzt IntraFind KI- und Machine-Learning-Verfahren sowie Natural Language Processing ein. Mit diesen Technologien ermöglicht das Unternehmen nicht nur relevante Such- und Analyseergebnisse aus großen Datenbeständen, sondern auch die Automatisierung und Digitalisierung dokumentenbasierter Prozesse. (sg)

Lesen Sie auch: Transfer Learning: Wie diese Technik den KI-Einsatz vereinfachen kann