Nicht nur die Unternehmen, auch die KundenKunden müssen heute oft mit riesigen Datenmengen umgehen. Wer beispielsweise eine Waschmaschine in einem Webshop kaufen möchte und dabei auf 1200 Kundenrezensionen stößt, wird diese niemals alle lesen. Top-Firmen der Branche Handel

Millionen solcher Kunden landen tagtäglich auf der Website Otto.de, wo sie aus mehr als zwei Millionen Artikeln auswählen können. Dabei steigt das Transaktionsvolumen ständig, weil auch die Zahl der Besucher und Produkte immerzu wächst. Um die so entste­henden Datenmengen in den Griff zu bekommen und zu analysieren, setzt die Otto Einzelgesellschaft (kurz Otto), eine von rund 120 Gesellschaften der Otto GroupOtto Group, auf Methoden der künstlichen Intelligenz (KI). Top-500-Firmenprofil für Otto Group

"Es war faszinierend"

Natürlich waren die Otto-Mitarbeiter zunächst vorsichtig, sie mussten herausfinden, ob die Ergebnisse korrekt sind oder zumindest nach und nach besser werden. Man dürfe nicht in blinde Technikgläubigkeit verfallen und den Resultaten der Software vorbehaltlos trauen, nur weil sie von KI-Spezialisten entwickelt worden sei, so Michael Müller-WünschMichael Müller-Wünsch, bei Otto Bereichsvorstand Technology (CIO). Doch die Deep-Learning-Anwendung lernte tatsächlich schnell dazu: "Es war faszinierend zu sehen, wie das System durch Hinzuführen von immer mehr neuen Datensätzen, nämlich den Kommentaren der Kunden von otto.de, sinnvolle Cluster bildete und die Ergebnisse immer besser wurden." Profil von Michael Müller-Wünsch im CIO-Netzwerk

Unterhalb der Produktbeschreibung finden sich heute immer die zehn am häufigsten genannten Keywords in den Kommentaren. Will der Kunde etwa einen Föhn kaufen und klickt auf den Begriff "Preis", erhält er alle Kundenmeinungen zu diesem Aspekt. Dabei sieht er auch, wie viele Kommentare den Preis positiv, durchschnittlich oder negativ bewerten. Weitere Keywords in diesem Beispiel sind etwa "Qualität", "Handhabung", "Design" oder "Haare".

"In dem Projekt haben wir den Methodenbaukasten der neuronalen Netze und des Machine Learnings verwendet und uns dabei wiederum auf Algorithmen aus dem Teilbereich des Deep Learnings konzentriert", berichtet Müller-Wünsch. Künstliche Intelligenz oder Artificial Intelligence stehen als Oberbegriffe über diesen und weiteren Methoden. Machine LearningMachine Learning steht für selbstlernende Systeme, die aus Daten Muster erkennen und diese Erkenntnisse auf unbekannte Daten anwenden können. Alles zu Machine Learning auf CIO.de

Die Methode Deep Learning ist wiederum ein Teilbereich des Machine Learnings, um komplexe Konzepte zu erlernen. Neuronale Netze ermöglichen es beim Deep Learning, Strukturen innerhalb großer Datenmengen zu erkennen und die Erkennungsgenauigkeit ständig zu verbessern. Letztlich zielen alle Methoden der KI darauf ab, das bislang den Menschen vorbehaltene Entscheidungs- und Verständnisverhalten auf Computer zu übertragen. Völlig selbstlernende KI-Systeme, die sich per Definition ohne menschliches Eingreifen weiterentwickeln, gibt es allerdings noch nicht.

"KI ist und bleibt nichts anderes als Software"

Was so geheimnisvoll und abgehoben klingt, holt Müller-Wünsch gleich auf den Boden der Tatsachen zurück: "KI ist und bleibt nichts anderes als Software. Am Ende geht es darum, ein Stück Software auf einem Stück Hardware lauffähig zu machen." Auf Netzwerkmodelle werden neuronale Netzwerk-Regelwerke gelegt, worüber dann große Datenvolumina geschoben und dabei Klassifika­tionsmethoden angewendet werden. "Diese Vorgehensweise ist genauso methodisch untermauert, wie wir es aus der klassischen Softwareentwicklung auch schon kennen.