KI im Deutschen Mittelstand - KI Journal Club

In der April Ausgabe unserer KI und Forschungs-Serie beleuchten wir heute die aktuelle Situation zum Thema KI im Deutschen Mittelstand und zeigen anhand einiger spannenden Beispiele das Spektrum an Arbeiten im Bereich KI.

Eine aktuelle Studie von Deloitte hat ergeben, dass für die Mehrheit der mittelständischen Unternehmen in Deutschland das Thema KI noch keine hohe strategische Relevanz hat. 64 Prozent der befragten 300 Firmen messen KI eine lediglich mittlere bis niedrige Relevanz bei. Ein Grund dafür ist sicherlich die nicht unberechtigte Einschätzung von 47 Prozent der Unternehmen, dass Sie noch nicht gut für den Einsatz von KI aufgestellt sind – so sind vermutete Probleme ungenügende Datenqualität oder auch einfach fehlende Daten und interne Kompetenzmängel. 

Dabei sollte dann aber die richtige Entscheidung nicht sein, das Thema weiter vor sich herzuschieben, sondern die erkannten Probleme anzugehen. Das muss auch nicht immer nur In-House passieren, sondern kann auch mit externer Unterstützung erfolgen.

Dass KI ein breites Anwendungsspektrum unterstützt, zeigen einige Nachrichten der letzten Tage. So hat das Dartmouth College eine KI vorgestellt, die gefälschte Dokumente aus einer Sammlung von Originaldokumenten erstellt, die dann als Honeypot für Hacker genutzt werden können. „Das System erstellt Dokumente, die den Originalen ausreichend ähneln, um glaubwürdig zu erscheinen, und ausreichend abweichen, um falsch zu sein“, erklärt V.S. Subrahmanian, Professor am Dartmouth College. (Link)

Die Fähigkeit von KI Texte zu verstehen und zu erstellen ist in den letzten Jahren signifikant gestiegen. Dabei haben Transformer Modelle und Attention einen sehr großen Anteil. Was aber immer noch nicht ausreichend verstanden ist, ist wie das menschliche Gehirn Sprache verarbeitet. Hier setzt die aktuelle Forschung vom Institut für Neurowissenschaften der Universität von Rochester Del Monte an. Die Forscher versuchen das komplexe Netzwerk innerhalb des Gehirns zu analysieren, das die Bedeutung eines gesprochenen Satzes verarbeitet und versteht. Die Forscher sammelten dazu Hirnaktivitätsdaten von Studienteilnehmern, die Sätze lesen, während sie sich einer fMRI unterzogen. Diese Scans zeigten Aktivität im Gehirn, die sich über ein Netzwerk verschiedener Regionen erstreckte. Mithilfe des Computermodells InferSent – ein von Facebook entwickeltes KI-Modell, das darauf trainiert ist, einheitliche semantische Repräsentationen von Sätzen zu erzeugen – konnten die Forscher Muster der fMRT-Aktivität vorhersagen, die die Kodierung der Satzbedeutung in diesen Gehirnregionen widerspiegeln. (Link)

All denen, die erstmal die Begrifflichkeiten Machine Learning, KI, Natural Language Processing sortieren müssen, sei der Artikel auf Analytics Vidhya empfohlen. Hier werden die Begriffe nochmal in eine übersichtliche Verbindung gebracht. (Link)

In unserer monatlichen Serie “KI und Forschung” stellen wir wissenschaftliche Beiträge und Presseberichte vor aus den Bereichen Text Mining, Machine Learning, KI, Natural Language Processing.

Datum: 30.04.2021