Zurück zur Übersicht

Mitte der 1990er Jahre galt es zunächst noch als Sensation: Der von IBM entwickelte Schachcomputer namens „Deep Blue“ ließ dem Schachweltmeister Garri Kasparow keine Chance mehr und läutete damit eine neue Ära ein. Maschine schlägt Mensch in einem hochkomplexen Brettspiel – was zuvor kaum vorstellbar war, kann heute als eine Zäsur in der Historie der künstlichen Intelligenz (KI) und der lernfähigen Computersysteme angesehen werden.

Selbstlernende Systeme
Während Deep Blue im Jahr 1996 noch auf einer extrem leistungsfähigen, aber konventionellen IT-Architektur beruhte, rücken heute innerhalb des maschinellen Lernens (Machine Learning) vor allem Teildisziplinen wie künstliche neuronale Netze in den Fokus. Vereinfacht ausgedrückt geht es dabei um selbstlernende Software, die nicht länger auf der Basis von festen, vorgegebenen Vorhersagemodellen agieren, sondern anhand von Trainingsdaten ihre Entscheidungsmuster selbst finden, überprüfen und immer weiter verfeinern und optimieren. Hier kommen grundsätzlich also ähnliche Vorgehensweisen zum Einsatz, wie sie auch das menschliche Gehirn nutzt.
Was zunächst nach extrem aufwändigen und entsprechend teuren Lösungen klingt, die sich nur in speziellen Rechenzentren realisieren lassen, findet durch die kontinuierliche Weiterentwicklung der Hardware und die zunehmende Effizienz durch die Forschung zunehmend auch Einzug in breitere und alltäglichere Anwendungsbereiche. Gerade die immer leistungsfähigeren Grafikkarten mit ihre Multi-Core-Technologie stellen die dafür notwendige Performance zur Verfügung.

Was können neuronale Netze in der Praxis leisten?
Eine klare Stärke von neuronalen Netzen liegt beispielsweise im Bereich der Bilderkennung. Der Schlüssel liegt dabei häufig in den Ausgangsdaten: Stehen ausreichend große Datenmengen als „Trainingsdaten“ zur Verfügung, sind neuronale Netze in der Lage, entsprechende Strukturen und Elemente im Bild zu erkennen – je mehr Daten vorhanden sind, umso mehr Potenzial können die Systeme entwickeln, auch komplexe Komponenten wie Gesichter oder Straßenschilder zu erfassen und sogar gezielt im Sinne einer Anwendung einzuordnen.
Während die Leistungen solcher neuronalen Netze etwa im Schachspiel faszinierend erscheinen mögen, gibt es konkrete Anwendungsszenarien, die darüber noch weit hinausgehen und die wahren Möglichkeiten andeuten, die sich hinter dieser Technologie verbergen. So werden im medizinischen Bereich etwa neuronale Netze entwickelt, die bei der Beurteilung von Röntgenbildern zum Einsatz kommen – und so Ärzte etwa dabei unterstützen können, bestimmte Krebsarten besonders frühzeitig zu erkennen. Auch bei der Steuerung von Robotern, beim autonomen Fahren sowie generell bei allen Anwendungen, bei denen es darum geht, Zusammenhänge in großen und sehr großen Datenmengen zu identifizieren und sichtbar zu machen, die Menschen überfordern, können neuronale Systeme ihre Stärken ausspielen. Auch die komplette Nachbildung des menschlichen Gehirns ist ein Traum, den manche für möglich halten.

Profitieren Sie von der aktuellsten Technologie
Unsere Experten verfolgen die Entwicklungen im Bereich des Machine Learnings und der neuronalen Netze sehr genau und bauen Strukturen auf, um die Vorteile dieser Technologie für die Wirtschaft umzusetzen. Gerne konzipieren wir gemeinsam mit Ihnen dabei den passenden Ansatz für Ihre individuelle Aufgabenstellung. Nehmen Sie Kontakt auf und erfahren Sie, wie Ihr Unternehmen bereits heute ganz konkret von neuronalen Netzen profitieren kann!