Verwertbares Wissen aus Datenströmen

Das Lernen ist kein Privileg des Menschen mehr. „Watson lernt und lernt und lernt“, tönte IBM kürzlich auf seiner World of Watson-Konferenz. In Las Vegas drehte sich alles um Technologien und Lösungen rund um die Künstliche Intelligenz (KI). Kognitive Computersysteme wie Watson verstehen die natürliche menschliche Sprache, analysieren deren Wörter und Kontext, verarbeiten diese Informationen rasend schnell und antworten präzise auf Fragen in natürlicher Sprache.

Die neue Entwicklungsrichtung verfolgt das Ziel, lernende Computersysteme für unterschiedlichste Einsatzbereiche zu konzipieren. Gelingt dies, werden Computer selbstständig Informationen aus Daten gewinnen und Schlüsse ziehen können. Damit nähern sie sich den kognitiven Fähigkeiten des Menschen. Die Wirtschaft erhofft sich davon ein enormes Potenzial für zukünftige Anwendungen.

Einen großen Schritt in diese Richtung brachten Algorithmen des maschinellen Lernens. Seit Arthur Samuel, ein KI-Forscher in Diensten von IBM, den Begriff „Machine Learning“ als „künstliches Generieren von Wissen aus Erfahrung“ prägte, sind 58 Jahren vergangen. Heute ist das Thema einer der Kernbegriffe der Industrie 4.0. Die digital vernetzte Produktion bedient sich zunehmend dem maschinellen Lernen als Werkzeug, um den massenhaft gesammelten Daten Herr zu werden. Immer bessere und billigere Technik ist in der Lage, neue Erkenntnisse aus großen Datenmengen abzuleiten. Die Fähigkeit, diese Daten zu verstehen, Muster und Zusammenhänge zu erkennen und daraus einen Mehrwert zu generieren, ist das Ziel von Machine Learning.

Entsprechend hoch sind die Erwartungen des Maschinenbaus an diesen Teilbereich der Künstlichen Intelligenz. Dies zeigte der erste Future Business Summit des Branchenverbands VDMA Ende November in Stuttgart, der die Chance von selbstlernenden Systeme aufzeigte. Die Branche setzt darauf, dass große Datenströme in vernetzten, autonomen Systemen der Produktion beherrschbar werden. „Neue datenbasierte Geschäftsmodelle wie etwa Predictive Maintenance werden so möglich“, sagte VDMA-Hauptgeschäftsführer Hartmut Rauen. In Software-Kompetenz und Machine Learning sehen die Experten die Werkzeuge, diesen Schatz zu heben und der Maschinenbauindustrie einen weiteren Wettbewerbsvorteil zu verschaffen.

Laut Rauen werden die bislang in der Produktion generierten Daten „viel zu wenig genutzt“. In Zusammenarbeit mit dem Karlsruher Fraunhofer-Institut ISI hat der Verband deshalb die Studie „Machine Learning 2030“ aufgelegt. Dem gleichnamigen Trendthema widmet sich das verbandseigene „Competence Center Future Business“. In einer Workshop-Reihe wurden vier Zukunftsbilder entwickelt – von einem avantgardistischen Szenario bis zur digitalen Steppe. „Keines der Zukunftsbilder kommt ohne eine gewisse Form von Machine Learning aus“, hob die Fraunhofer-Forscherin Elna Schirrmeister die Notwendigkeit hervor, die Potenziale des maschinellen Lernens für das eigene Unternehmen herauszufinden.