Elements of AI im Test
Bin ich schlau genug für KI?
Gerade in Zeiten der Corona-Pandemie, in der Home Office und Social Distancing angesagt sind, bietet sich eine solche Online-Schulung an.
Der Online-Kurs Elements of AI wurde ursprünglich in Finnland entwickelt, dort haben ihn schon 270.000 Menschen genutzt. Die appliedAI Initiative des Innovations- und Gründerzentrums UnternehmerTUM, das an der Technischen Universität München angesiedelt ist, hat das Angebot an den deutschen Markt angepasst. Der Industrie- und Handelskammertag (DIHK) stellt es seit kurzem kostenlos zur Verfügung. Ziel ist es, Wissen um Künstliche IntelligenzKünstliche Intelligenz (KI/AI) und ihre Anwendungen zu vermitteln. "Jede noch so intelligente Maschine braucht einen Menschen, der sie versteht", sagt DIHK-Präsident Eric Schweitzer. Alles zu Künstliche Intelligenz auf CIO.de
Elements of AI im COMPUTERWOCHE-Check
Maximiliane Piontek, Studentin und freie Mitarbeiterin der COMPUTERWOCHE, unterzog sich dem Selbstcheck. Wir wollten von ihr wissen, wie der Kurs funktioniert und was ihre wichtigste Erkenntnis ist.
Laut appliedAI braucht man 30 bis 60 Stunden für den Kurs. Wie schätzt du diese Zeitangabe ein?
Maximiliane Piontek: Ich habe das Ganze in circa zehn Stunden abgeschlossen. Das kommt natürlich ganz darauf an, wie schnell man liest und wie gewissenhaft man die Aufgaben abschließt. Es gibt sechs Module à drei Einheiten. Der Kurs ist sehr gut strukturiert, und ich konnte ihn leicht neben der Arbeit absolvieren.
Wie anspruchsvoll sind die einzelnen Module im Kurs?
Piontek: Also erst einmal sind wenig interaktive Elemente eingebunden – keine Videos, kein Podcast, nur Text. Man muss also viel lesen. Die Definitionen (oder das, was Definitionen sein könnten) und Fakten waren sehr verständlich erklärt. Der Kurs zeigt bereits zu Beginn Forschungs- und Wissenslücken auf. Er forderte mich heraus, mir eine eigene Meinung zu bilden. Es gibt viele Praxisbeispiele, sodass ich mir unter jedem neuen Wort etwas vorstellen konnte.
Los ging es dann mit den KI-Basics. Was kann Künstliche Intelligenz bisher? Solche Fragen wurden alltagsnah beantwortet. Nach ein paar Anwendungen aber kam das Kapitel mit Wahrscheinlichkeitsrechnungen, wie der Satz von Bayes. Obwohl ich aus meinem Studium Statistik kenne, hat mich diese Einheit herausgefordert. Ich habe mich durchgebissen und in der nächsten Lerneinheit so besser verstanden, wie beispielsweise Punktesysteme bei Supermarktketten funktionieren.
Das ist ja alles gut und schön – aber wie behält man die ganzen Informationen?
Piontek: Am Ende jeder Einheit gibt es einen kleinen Test, entweder ein Multiple- beziehungsweise Single-Choice-Test zum einmaligen Anklicken oder ein kurzes, selbst geschriebenes Statement. Das war für mich ein Highlight des Kurses. Nachdem man seine eigene Einschätzung, zum Beispiel zum Thema Filterblasen, abgibt, muss man mindestens drei Statements anderer TeilnehmerInnen evaluieren. Auf einer vorgefertigten Skala bewertet man diese anhand von Smileys - beispielsweise in den Kategorien Verständlichkeit oder Themenbezogenheit.
Was ist deine wichtigste Erkenntnis?
Piontek: Ich weiß jetzt, dass es wenig Sinn macht von 'einer' Künstlichen Intelligenz per se zu sprechen. Das ist so, als würde man sagen: 'eine Biologie'. Es gibt KI-Anwendungen. Maschinelles Lernen ist beispielsweise eine Strategie von KI-Systemen und AI-Anwendungen sind meist unsichtbar, also nicht der klassische, menschenähnliche RoboterRoboter, so wie wir ihn uns vorstellen. Alles zu Roboter auf CIO.de
Kostenloser KI-Kurs - mit Luft nach oben
Was hat im Online-Kurs gefehlt?
Piontek: Es gibt im Kurs wenig interaktive Elemente, obwohl digitale Lernumgebungen ja genau diese Funktionen bieten. Es werden YouTube-Videos verlinkt, aber die sind nur ergänzend eingestreut. Schön wären Videos oder Audiodateien gewesen, die die Informationen abwechslungsreicher darstellen. Natürlich kann man Artificial-Intelligence-Anwendungen nicht sehen, aber trotzdem bieten sich einige Beispiele an, visuell gezeigt zu werden (siehe nachfolgendes Video). Außerdem: Ich hätte mir mehr Interaktion mit anderen Lernenden gewünscht. Wenn man über den Kurs diskutieren möchte, muss man sich bei Reddit anmelden und kann sich dort austauschen. Eine Kommentarfunktion direkt im Kurs hätte ich gerne genutzt.
Dein Fazit?
Piontek: Man braucht tatsächlich keinerlei Vorkenntnisse für diesen Kurs. Man kann bei Null beginnen und wird systematisch in das Thema eingeführt. Trotzdem muss ich dazu sagen, dass man lesebegeistert sein sollte. Und die Motivation einige schwierigere Aufgaben zu lösen, darf dabei auch nicht fehlen. Ich glaube, der Kurs könnte einen wertvollen Beitrag leisten, das Thema Künstliche Intelligenz gesellschaftstauglicher zu machen. Und damit meine ich wirklich die breite Allgemeinheit - es wäre wünschenswert, sich mit jedem und jeder über das Thema austauschen zu können. So könnten wir so manche Apps oder Tools differenzierter und reflektierter sehen.
- 1. Datenmangel
Datenprobleme gehören zu den häufigsten Gründen für das Scheitern von Artificial-Intelligence-Initiativen. Das belegt auch eine Studie des Beratungsunternehmens McKinsey, die zu dem Schluss kommt, dass die beiden größten Herausforderungen für den KI-Erfolg mit Daten in Zusammenhang stehen. <br /><br /> Demnach haben viele Unternehmen einerseits Probleme damit, ihre Daten richtig einzuordnen, um die Machine-Learning-Algorithmen korrekt programmieren zu können. Wenn Daten nicht richtig kategorisiert werden, müssen sie manuell richtig klassifiziert werden – was oft zu zeitlichen Engpässen und einer erhöhten Fehlerrate führt. Andererseits stehen viele Unternehmen vor dem Problem, nicht die richtigen Daten für das anvisierte KI-Projekt zur Verfügung haben. - 2. Training, das ins Leere läuft
Laut einer Untersuchung von PricewaterhouseCoopers verfügt mehr als die Hälfte der befragten Unternehmen über keinen formalen Prozess für das vorurteilsfreie Training von KI-Systemen. Schlimmer noch: Nur 25 Prozent der befragten Unternehmen würden demnach die ethischen Implikationen eines Artificial-Intelligence-Systems vor der Implementierung priorisieren. <br /><br /> Unternehmen steht eine Vielzahl von Bilddaten-Sets zu Trainingszwecken zur Verfügung – sowohl auf kostenloser als auch auf kommerzieller Basis. Dabei sollten Firmen allerdings unbedingt darauf achten, dass ein solches Datenset auch die für ihre Zwecke relevanten Daten enthält. - 3. Problemfall Datenintegration
In manchen Fällen ist nicht Datenmangel die wesentliche Hürde für den Einsatz von Künstlicher Intelligenz, sondern das genaue Gegenteil: zu viele Daten – an zu vielen Orten. <br /><br /> Solche Datenintegrations-Fauxpas können sich nachhaltig negativ auswirken. Dabei geht es nicht in erster Linie um technische Hürden, sondern beispielsweise darum, Compliance- und Datenschutzanforderungen gerecht zu werden. - 4. Datenunterschiede
Wenn Unternehmen für das Training von Artificial-Intelligence-Systemen nicht auf aktive, transaktionale sondern auf historische Daten zurückgreifen, entstehen Probleme. Denn ein System, das auf Grundlage eines historischen Snapshots trainiert wurde, wird im Zusammenspiel mit Echzeit-Daten nicht besonders zuverlässig performen. <br /><br /> Nach Ansicht von Andreas Braun, Managing Director und Partner bei der Boston Consulting Group, können Sie diese Problemstellung vermeiden, indem Sie Ihre Data Scientists aus dem Silo holen: Insbesondere wenn es um KI-Modelle geht, die mit Live-Daten arbeiten, bietet sich eine direkte Integration in die Produktionsumgebung an – diese geht im Regelfall auch wesentlich schneller vonstatten. - 5. Unstrukturierte Daten
Laut einer aktuellen Umfrage von Deloitte verlassen sich 62 Prozent der Unternehmen immer noch auf Spreadsheets – nur 18 Prozent profitieren bereits von unstrukturierten Daten wie Produktbilder, Audiodateien von Kunden oder Social-Media-Kommentare. Dazu kommt, dass viele der historischen Datensätze in Unternehmen den für den KI-Einsatz nötigen Kontext vermissen lassen. <br /><br /> Dabei kommt das Beratungsunternehmen auch zu der Erkenntnis, dass Unternehmen, die unstrukturierte Daten nutzen, ihre Geschäftsziele im Schnitt um 24 Prozent übertreffen konnten. - 6. Kulturelle Mangelerscheinungen
Daten außen vorgelassen, sind es vor allem organisatorische Herausforderungen, die dem Erfolg mit Künstlicher Intelligenz entgegenstehen. Die Mitarbeiter aus den Fachbereichen müssen direkt mit den Kollegen aus der Technik zusammenarbeiten und der übergeordnete Kontext sollte dabei stets im Fokus stehen.
Information: Maximiliane Piontek ist 22 Jahre alt, studiert Erziehungswissenschaft in Regensburg und macht bald ihren Bachelorabschluss. Sie hat keine Erfahrungen im Programmieren. Als freie Mitarbeiterin probierte sie den Kurs Elements of AI selbst aus. |