Mitte der 1990er Jahre galt es 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 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. Stattdessen findet, überprüft und optimiert sie anhand von Trainingsdaten selbst ihre Entscheidungsmuster. 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 alltäglichere Anwendungsbereiche. Gerade die immer leistungsfähigeren Grafikkarten mit ihrer Multi-Core-Technologie stellen die dafür notwendige Rechenleistung 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, desto mehr Potenzial können die Systeme entwickeln, auch komplexe Komponenten wie Gesichter oder Straßenschilder zu erfassen und sogar gezielt je nach Sinn der Anwendung einzuordnen.

Während die Leistungen solcher neuronalen Netze etwa im Schachspiel bereits faszinierend erscheinen mögen, ist den möglichen Anwendungsszenarien keine Grenzen gesetzt. Erste Anwendungen deuten die wahren Möglichkeiten an, 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 frühzeitig zu erkennen. Kürzlich haben Wissenschaftler ein Computer Modell zur Erkennung von COVID-19 in Röntgenbildern durch Künstliche Intelligenz entwickelt. Auch bei der Steuerung von Robotern, beim autonomen Fahren sowie generell bei allen Anwendungen, bei denen es darum geht, Zusammenhänge in großen Datenmengen zu identifizieren, können neuronale Systeme ihre Stärken ausspielen. Letztendlich ist sogar die komplette Nachbildung des menschlichen Gehirns ist eine ferne Vision, die 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 bereitzustellen – auch für KMUs. 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!

Share