Artificial Intelligence

Der Einsatz von Methoden der künstlichen Intelligenz ist der Schlüssel zur Interpretation digitaler Verhaltensweisen. Insbesondere zur Beurteilung komplexer Zusammenhänge zwischen Verhaltensweisen und deren Ursachen setzen wir auf die Verwendung idealer Maschinen-Learning-Algorithmen.

Wenn von AI (Artificial Intelligence) oder KI (Künstliche Intelligence) gesprochen wird, ist nicht das überschlaue, allwissende Bewusstsein gemeint, welches aus Film und Literatur bekannt ist, sondern Methoden und Verfahren, die menschliche Fähigkeiten nachahmen – ergänzt um ein perfektes Gedächtnis und nahezu unendliche Rechenkapazität.

Die Nutzung von künstlicher Intelligenz ist sinnvoll:

  • … wenn Dinge getan werden müssen, die wiederkehrend sind und bei denen Menschen zu Langeweile (und Fehlern) tendieren.
  • … wenn Dinge getan werden müssen, bei denen Entscheidungen und Empfehlungen auf Datenmengen basieren, bei denen der normale Mensch nicht mehr objektiv entscheiden kann.
  • … wenn Dinge getan oder Sachverhalte erkannt werden müssen, die ein effizientes und schnelles Lernen voraussetzen.

Die wesentlichen Unterschiede in der Nutzung bestehender AI-Technologien lassen sich grob in zwei Klassen teilen:

  • Cognitive Services: Nutzung von Diensten, die bereits ein massives Lernen hinter sich haben und den Fokus darauf setzen, menschliche Fähigkeiten nachzuahmen. Dabei geht es darum, Sprache in Text umzuwandeln, aus Texten die Intentionen zu erkennen, Emotionen in Texten oder Gesichtern zu erkennen oder Inhalte auf Bildern zu erkennen.
  • Machine Learning: Nutzung von bestehenden Algorithmen und Modellen (unter anderem neuronale Netzwerke), die für individuelle Problemstellungen als „künstliche Intelligenz“ erschaffen und genutzt werden können, nachdem sie individuelles „learning“ erfahren haben.

AI-Technologien nutzen wir aktuell unter anderem:

  • Für die Prognose idealer Maßnahmen bei unseren Beratungsmandaten im Bereich „Digital Adoption“ und unserem Erfolgsmesswerkzeug, dem „Adoption Board
  • Für die Chatbots, die Mitarbeitern aktiv bei der Digitalisierung unterstützen (als Bestandteil des Natural Language Processing)
  • Für komplexe Analysen von Kommunikationsströmen

Neuronale Netze ähneln im Aufbau den Synapsen eines Gehirns – sind aber nur eine unter vielen Modellvarianten aus dem Machine Learning.
Wettbewerbsanaylse aus Google-Ranking
Basis für jede AI sind gute und saubere Daten, die mitunter aus komplexen Analysen resultieren – wie hier eine Graphenanalyse.