Künstliche Intelligenz beim Onlinehändler Otto
Keine Angst: KI ist auch nur Software
Hier geht es nur um andere Paradigmen - aber trotzdem um handwerklich ordentliches Technologie-Arbeiten. So gesehen ist die KI an sich nichts Besonderes", entmystifiziert Müller-Wünsch. Auch brauche man für KI keine eigenständige Technologie-Infrastruktur aufzubauen. Es geht nach wie vor um Software, Hardware und Daten. Viele Dinge seien einfacher, als Anbieter, Berater und Marketing einem oft glauben machen möchten: "Ein KI-Projekt ist ein ganz normales Technologieprojekt."
- Microsoft Machine Learning
Azure Machine Learning ist ein vollständig verwalteter Cloud-Dienst, mit dem Anwender Predictive Analytics-Lösungen generieren und bereitstellen können. - Microsoft Cognitive Services
Die Cognitive Services von Microsoft enthalten unter anderem Dienste für Bildanalyse und Gesichtserkennung. - Amazon ML
Amazon Machine Learning unterstützt den Anwender bei der Fehleranalyse von Vorhersagemodellen. - Amazon Bot
Mit Amazon Lex können Chatbots beispielsweise für Verbraucheranfragen erstellt werden. - Google API
Über APIs lassen sich Google AI-Services in eigene Anwendungen integrieren. - Google Tensorflow
Das von Google stammende Open-Source Framework Tensorflow ist die Basis von Cloud ML. - IBM Bluemix
IBM bietet auf der Cloud-Plattform Bluemix zahlreiche Watson-basierte AI-Anwendungen. - IBM ML
IBM Machine Learning ermöglicht die Entwicklung und den Einsatz selbstlernender Analysemodelle in der Private Cloud. - HPE Haven
Mithilfe der Gesichtserkennungs-API von HPE können Entwickler in Fotos gefundene Daten importieren, extrahieren und analysieren. - Salesforce Einstein
Salesforce Einstein: Predictive Content liefert Kunden auf Basis von maschinellem Lernen eine individuelle Empfehlung für das beste Produkt.
Fachkräftemangel bei KI nicht größer als in anderen Bereichen
So verwundert es kaum, dass Müller-Wünsch unter seinen Mitarbeitern kein spezifisches Qualifizierungsdefizit im KI-Bereich feststellen kann. Der Fachkräftemangel betreffe Bereiche wie Business Analytics, Netztechnologien oder mobile Applikationen gleichermaßen. Sein Informatikdiplom und seine Doktorarbeit haben ihn Ende der 80er Jahre mit der KI in Berührung gebracht, und das Thema wird schon seit Jahrzehnten standardmäßig an Hochschulen gelehrt.
Deshalb gibt es bei Otto längst Experten, die sich mit KI auskennen. Andere Mitarbeiter werden zu Spezialisten weiterentwickelt, neue Kollegen laufend gesucht. Außerdem erleichtert die Open-Source-Community mit vorgebauten Technologiekomponenten die Arbeit. "KI lässt sich also ganz klassisch handwerklich umsetzen", sagt Müller-Wünsch.
Algorithmus und Wissensextraktion machen den Unterschied
Worin liegt dann die Herausforderung? "Das Geheimnis von KI ist der Algorithmus und die Wissensextraktion, sonst nichts", so Müller-Wünsch. "Der Algorithmus entscheidet darüber, ob man Vernünftiges oder Unsinniges aus seinen Daten herausholt."
Das von Otto selbstentwickelte Feature der aggregierten Produktbewertung sei nichts anderes als ein Algorithmus, den die Mitarbeiter jetzt als Microservice aufrufen könnten. Um diesen und andere Services zugänglich machen und die Datensätze der Kundenrezensionen durchschieben zu können, baut Otto seine IT-Architektur in Richtung einer Business-Service-orientierten Architektur um: also weg von monolithischen Systemen hin zu flexiblen, Service-orientierten Bausteinen.
Ohne Methoden der KI werden Unternehmen kaum sinnvolle Erkenntnisse aus ihren Massendaten ziehen können. Deswegen rät Müller-Wünsch CIOs, KI mit offenen Armen anzunehmen und nach Anwendungsfällen in ihren Unternehmen zu suchen. "Es ist und bleibt der Fluch der IT - und gleichzeitig die größte Chance auf unserem Wachstumskurs: Wir brauchen Mechanismen, die der Datenmengen Herr werden."
Projekt | Aggregierte Produktbewertungen |
Wer bei Otto.de einkauft, kann die Kundenempfehlungen zu den Produkten intelligent filtern lassen. Ein Algorithmus identiziert nicht nur die häufigsten Aspekte in den Bewertungen, er erkennt auch Stimmung und Tonalität. Zeitrahmen: Die Entwicklungszeit – und dazu zählt maßgeblich das Trainieren des Algorithmus – hat etwas länger als drei Monate gedauert. In dieser Zeit hat der Algorithmus anhand von 1000 beispielhaften Rezensionen und mit Hilfe eines Expertenteams von Otto gelernt, Aspekte aus den Kommentaren der Nutzer zu extrahieren und zu bewerten, ob die Aussagen positiv, neutral oder negativ gemeint sind. Mitarbeiter: Bereichsübergreifendes Projektteam Business IntelligenceBusiness Intelligence/E-CommerceE-Commerce Alles zu Business Intelligence auf CIO.de Alles zu eCommerce auf CIO.de Produkte: Neuronale Netze/Deep Learning Dienstleister: Eigenentwicklung Einsatzort: Deutschland; für rund 6 Millionen aktive Kunden Internet: www.otto.de |