Schwerpunkte

CeBIT 2017

Big Data und Machine Learning für intelligente Geschäftsmodelle

16. Februar 2017, 12:17 Uhr   |  Axel Pomper | Kommentar(e)

Big Data und Machine Learning für intelligente Geschäftsmodelle
© freshidea - fotolia

Die Experten des Fraunhofer IAIS präsentieren auf der CeBIT Technologien, die durch die Kombination von maschinellen Lernverfahren und semantischen Technologien neue intelligente Produkte sowie innovative Geschäftsmodelle ermöglichen.

Big Data und maschinelles Lernen bilden die Grundlagen für intelligente Systeme und sind Schlüsseltechnologien für die Weiterentwicklung von KI. Wenn Maschinen autonom auf Autobahnen, in Fabriken oder Unternehmen eingesetzt werden sollen, müssen sie nicht nur auf Basis von starren Programmen agieren können, sondern durch Erfahrung lernen.

Wir sprechen mit unseren Smartphones, die ersten autonomen Fahrzeuge sind auf den Straßen unterwegs und Chat-Bots führen täuschend echte Unterhaltungen mit Menschen. Künstliche Intelligenz ist im Alltag angekommen – oft nehmen wir sie schon gar nicht mehr als solche wahr. Auch die Industrie setzt immer mehr auf kognitive Technologien, die nicht nur Daten und Geräte vernetzen, sondern auch Unternehmen und Geschäftsprozesse. Diese Vernetzung ermöglicht die Entwicklung innovativer Produkte und Dienstleistungen zum Nutzen für Wirtschaft und Gesellschaft. Auf der CeBIT 2017 lädt das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS zu einem interaktiven Rundgang durch sein »KI-Zukunftslab« ein und zeigt an aktuellen Beispielen aus der Fraunhofer-Forschung, wie Big Data und Machine Learning Produkte und Dienstleistungen auf den Weg zu Künstlicher Intelligenz bringen.

»Machine Learning gerät immer dort an seine Grenzen, wo nicht genügend Daten verfügbar sind, um die Algorithmen entsprechend zu trainieren, oder wenn die Phänomene für die aktuelle Verfahrensgeneration noch zu komplex sind. Deswegen forschen wir am Fraunhofer IAIS daran, das klassische Wissen, das Ingenieure oder Domänenexperten haben, mit dem zu kombinieren, was die Verfahren können«, sagt Prof. Dr. Stefan Wrobel, Institutsleiter des Fraunhofer IAIS. Diese sogenannten hybriden Forschungsansätze verbinden maschinelle Lernverfahren mit semantischen Technologien, um so die menschliche Fähigkeit, Bedeutungen aus dem Kontext heraus zu verstehen, nachzubilden. Das Ergebnis sind kognitive Systeme, die den Menschen besonders bei komplexen Aufgaben sinnvoll unterstützen können.

Digitale Assistenten und Echtzeit-Empfehlungssysteme

»Sage mir, wie Du lebst und ich sage Dir, welches Auto zu Dir passt!« Die Suche nach einem neuen Fahrzeug kann kompliziert werden – groß ist das Angebot an unterschiedlichen Modellen, Ausstattungsmerkmalen und technischen Features. Anstatt sich durch Unmengen an Konfigurationsdetails zu klicken, macht Mercedes-Benz jetzt die Fahrzeugauswahl zum Lifestyle-Erlebnis: Wissenschaftler des Fraunhofer IAIS haben in Zusammenarbeit mit Berylls Strategy Advisors, Nolte & Lauth und SBN Data Technologies einen selbstlernenden Algorithmus für den »Mercedes-Benz Lifestyle Konfigurator« entwickelt. Statt nach Modell, Motor und Ausstattungsmerkmalen fragt das Echtzeit-Empfehlungssystem nach Vorlieben bei Musikrichtung, Architektur und Reisezielen und schlägt passend zum Lebensstil eine Auswahl an Fahrzeugen vor. Das Echtzeit-Empfehlungssystem wird dabei zunehmend treffsicherer, je mehr Antworten es gesammelt hat.

Um digitale Assistenten intelligent zu machen, bedarf es Technologien wie Question Answering, die Wissen aus unzähligen Quellen auswerten, semantische Beziehungen zwischen den Informationen erkennen und schließlich in der Lage sind, komplexe Fragen zu beantworten. Digitale Assistenten reagieren auf die Fragen der Menschen, indem sie zahlreiche Wissensquellen durchforsten und nachvollziehbare Antworten liefern.

Seite 1 von 2

1. Big Data und Machine Learning für intelligente Geschäftsmodelle
2. Wissensgraphen für datengetriebene Geschäftsmodelle

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

Fraunhofer Academy