Die IBM-KI ins richtige Licht gerückt
Der Ärger um Watson
In der jüngeren Berichterstattung ist die KI-Lösung Watson von IBM ein wenig in Misskredit geraten. Eine häufig geäußerter Vorwurf war, IBM habe mit seiner Medienkampagne Erwartungen geweckt, die die Technologie nicht oder noch nicht erfüllen kann. Für Ursula Flade-Ruf, Geschäftsführerin der Management Informations Partner GmbH, zeigt dieser Vorwurf "jedoch auch ein großes Missverständnis, in der Watson immer wieder als die den Menschen verstehende Maschine personifiziert wird." Doch was ist die KI nun und was leistet sie?
Bild: mip Management Informationspartner GmbHDer zweite Geschäftsführer der Management Informations Partner GmbH, Markus Ruf, sieht ebenfalls eine verzerrte Wahrnehmung der KI-Anwendung Watson in der Öffentlichkeit: "Diese Reduktion auf Watson als einzelne Maschine hat in der Vergangenheit sicher für die ein oder andere Verwirrung gesorgt." Für ihn ist Watson weder ein einzelner Superrechner, noch eine irgendwie geartete individuelle KI. Vielmehr sei Watson eine Plattform verschiedenster Services und Verfahren, die auf derselben Technologie basieren. Es handele sich bei Watson nicht um ein Produkt, sondern um viele Einzelprodukte. Auch seien diese meistens auf mehreren Rechnern installiert - von einer einzigen Maschine oder einem Watson könne keine Rede sein.
KI für B2C und B2B verschieden
Zudem wird Watson gerne seinen KI-Pendants aus dem B2C-Bereich gegenübergestellt. "Ungerechterweise", sagt Flade-Ruf, "denn hier werden Äpfel mit Birnen verglichen. Die mit Watson verbundenen Services und Entwickler-Tools von IBM sind ausschließlich auf den B2B-Sektor ausgerichtet." Alexa, Siri, Cortana, Google Home und Co. haben es hingegen mit den Endkunden im B2C erheblich einfacher, rasche Erfolge vorzuweisen, da sie jeden Tag von Millionen Menschen genutzt, mit Informationen gefüttert und dadurch stetig trainiert werden. Dabei ist die Frage nach der Datenhoheit über die pausenlos mitgelauschten Gespräche ungeklärt oder geht womöglich in der AGB unter.
Daten gehören dem Nutzer
"Solch ein Vorgehen unterscheidet sich erheblich vom projektbezogenen, individuellen Daten-Training mit Watson", sagt Flade-Ruf. "Hier hat IBM zudem eine Art Code of Conduct für Cloud Services in Verbindung mit KI-Daten verfasst, sodass die innerhalb eines Projektes gewonnenen Informationen immer Eigentum der jeweiligen Service-Nutzer bleiben - und bisher hält sich IBM auch daran." Damit lässt sich auch der Vorwurf einiger Unternehmen entkräften, dass man ja bei Watson nicht genau wisse, wem schließlich sowohl die eingespielten als auch die neu gewonnenen Daten gehören würden. Unterm Strich lassen sich die KIs der verschiedenen Hersteller und Einsatzgebiete nur schwer bis überhaupt nicht miteinander vergleichen.
Bild: mip Management Informationspartner GmbHKonkrete Beispiele selten
Eine Schwierigkeit im Zusammenhang mit Watson-Projekten ist das Fehlen von allgemeingültigen weltweiten Anwendungsfällen, wie sie im B2C-Bereich mit Alexa, Siri oder Cortana vorhanden sind. "Watson-Projekte sind dagegen äußerst industrie- und unternehmensspezifisch", sagt Flade-Ruf. "Vieles passiert hier hinter verschlossenen Türen, da sich niemand zu früh von Mitkonkurrenten in die Karten schauen lassen möchte." Ein großer Teil stammt dabei aus dem Bereich Internet of Things (IoT) im industriellen Sektor. Big Data in Form von Sensor- und Maschinendaten soll dort im Predictive-Maintenance-Umfeld und zur Qualitätssicherung eingesetzt werden. IBM kooperiert beispielsweise mit Unternehmen wie Schaeffler, Bosch, BMW, Citroen und Renault. Ein anderer Bereich, in dem ein großes Potenzial gesehen wird, ist die Unterstützung von Call-Centern und -Services etwa im Öffentlichen Dienst oder Versicherungs- und Banking-Umfeld, aber auch im technischen Support. Die Nachfrage nach Künstlicher Intelligenz steigt auch in der Ausbildung. An der Technische Hochschule Nürnberg konnten Studenten zum Beispiel die verschiedenen Cloud-Services von Watson ausprobieren und dabei die Spracherkennung des Bots trainieren.
KI-gestützte Chatbots
Einen Schritt weiter gehen Chatbots, die eigenständig Chat-Sessions mit Kunden oder Mitarbeitern bewältigen können, um etwa FAQs zu beantworten oder Bestellungen abzuwickeln. "Auf dem Watson Summit wurde ein Chatbot vorgestellt, der von Siemens für das eigene Personal basierend auf den IBM Conversation Services und anderen Watson-Tools entwickelt wurde", erläutert Flade-Ruf. Auch in der Juristik könnten eine Vielzahl an einfacheren Rechtsfällen über einen Watson-Service abgebildet werden. Ein weiteres Feld umfasst das Thema Enterprise Search, in dem Watson-basierte Tools wie das Natural Language Processing zur Verarbeitung menschlicher Sprache und das Watson Knowledge Studio, welches ein branchenspezifisches Training ohne Programmierungskenntnisse ermöglicht, eingesetzt werden. "Mit Enterprise-Search-Systemen lassen sich schnell große Mengen an Informationen durchsuchen und personenbezogen aufbereiten", erklärt Ruf. Die Lösung lernt dabei, welche Informationen für den Nutzer besonders relevant sind und zeigt sie auf einem Dashboard an.
Watson im Mittelstand
Eine McKinsey-Studie zeigte kürzlich, dass sich kleine und mittelgroße Unternehmen bei der Implementierung von Künstlicher Intelligenz noch schwer tun: So setzen gerade einmal neun Prozent bereits maschinelles Lernen im größeren Maßstab ein. Nur zwölf Prozent gaben an, dass sie das Experimentierstadium bereits verlassen hätten. "Unser Rat ist, dass Unternehmen mit der Umsetzung von Watson-Projekten erst einmal klein anfangen sollten", sagt Flade-Ruf. "Watson ist kein fertiges Produkt und vor dem Training sozusagen noch 'dumm'. Deshalb müssen Ziele und Trennschärfen im Vorfeld klar formuliert werden." Umso eindeutiger sich Themen definieren und Grenzen ziehen lassen, desto einfacher und schneller lässt sich auch zum Beispiel ein Chatbot aus den verschiedenen Watson-Komponenten zusammenstellen und mit einer spezifischen Wissensdatenbank trainieren. Zudem ist ein großes Team erforderlich, das sich aus unterschiedlichen Qualitäten zusammensetzt, die sich von üblichen IT-Projekten unterscheiden. Man benötigt unter anderem Business-User sowie -Analysten, KI-Experten, Programmierer sowie Prozess-Spezialisten für die Einbindung der KI in die Systemlandschaft.
Viele Experimente, wenig Ertrag
Im Watson-Umfeld tut sich viel, doch fehlen vielerorts noch die Erträge. Flade-Ruf weiter: "Leider erkennen wir gerade den Trend, dass Unternehmen Projekte in Eigenregie durchführen - und dabei oft scheitern, ohne die entsprechenden Schlüsse daraus zu ziehen." Dabei bieten der Markt und Watson selbst viele Open-Source-Möglichkeiten an. Beim Experimentieren mit der Technik fallen so oft deutlich weniger Kosten an. "Das Scheitern solcher Ansätze, wie etwa im Startup-Umfeld, ist ein immanenter Bestandteil solcher Experimente", bemerkt Flade-Ruf. "Jedoch hat sich in Deutschland bisher keine 'Fast-Fail-Kultur', also der schnelle Übergang von einem Fehlschlag zu einem neuen optimierten Versuch, entwickeln können." Dieser Trend fordert IT-Dienstleister heraus, da es immer schwieriger wird, die eigene Expertise in solche Projekte einzubringen. Deren Erfahrung kann aber helfen, Projekte schneller und erfolgreicher abschließen zu können.
In der jüngeren Berichterstattung ist die KI-Lösung Watson von IBM ein wenig in Misskredit geraten. Eine häufig geäußerter Vorwurf war, IBM habe mit seiner Medienkampagne Erwartungen geweckt, die die Technologie nicht oder noch nicht erfüllen kann. Für Ursula Flade-Ruf, Geschäftsführerin der Management Informations Partner GmbH, zeigt dieser Vorwurf "jedoch auch ein großes Missverständnis, in der Watson immer wieder als die den Menschen verstehende Maschine personifiziert wird." Doch was ist die KI nun und was leistet sie?
Bild: mip Management Informationspartner GmbHDer zweite Geschäftsführer der Management Informations Partner GmbH, Markus Ruf, sieht ebenfalls eine verzerrte Wahrnehmung der KI-Anwendung Watson in der Öffentlichkeit: "Diese Reduktion auf Watson als einzelne Maschine hat in der Vergangenheit sicher für die ein oder andere Verwirrung gesorgt." Für ihn ist Watson weder ein einzelner Superrechner, noch eine irgendwie geartete individuelle KI. Vielmehr sei Watson eine Plattform verschiedenster Services und Verfahren, die auf derselben Technologie basieren. Es handele sich bei Watson nicht um ein Produkt, sondern um viele Einzelprodukte. Auch seien diese meistens auf mehreren Rechnern installiert - von einer einzigen Maschine oder einem Watson könne keine Rede sein.
KI für B2C und B2B verschieden
Zudem wird Watson gerne seinen KI-Pendants aus dem B2C-Bereich gegenübergestellt. "Ungerechterweise", sagt Flade-Ruf, "denn hier werden Äpfel mit Birnen verglichen. Die mit Watson verbundenen Services und Entwickler-Tools von IBM sind ausschließlich auf den B2B-Sektor ausgerichtet." Alexa, Siri, Cortana, Google Home und Co. haben es hingegen mit den Endkunden im B2C erheblich einfacher, rasche Erfolge vorzuweisen, da sie jeden Tag von Millionen Menschen genutzt, mit Informationen gefüttert und dadurch stetig trainiert werden. Dabei ist die Frage nach der Datenhoheit über die pausenlos mitgelauschten Gespräche ungeklärt oder geht womöglich in der AGB unter.
Daten gehören dem Nutzer
"Solch ein Vorgehen unterscheidet sich erheblich vom projektbezogenen, individuellen Daten-Training mit Watson", sagt Flade-Ruf. "Hier hat IBM zudem eine Art Code of Conduct für Cloud Services in Verbindung mit KI-Daten verfasst, sodass die innerhalb eines Projektes gewonnenen Informationen immer Eigentum der jeweiligen Service-Nutzer bleiben - und bisher hält sich IBM auch daran." Damit lässt sich auch der Vorwurf einiger Unternehmen entkräften, dass man ja bei Watson nicht genau wisse, wem schließlich sowohl die eingespielten als auch die neu gewonnenen Daten gehören würden. Unterm Strich lassen sich die KIs der verschiedenen Hersteller und Einsatzgebiete nur schwer bis überhaupt nicht miteinander vergleichen.
Bild: mip Management Informationspartner GmbHKonkrete Beispiele selten
Eine Schwierigkeit im Zusammenhang mit Watson-Projekten ist das Fehlen von allgemeingültigen weltweiten Anwendungsfällen, wie sie im B2C-Bereich mit Alexa, Siri oder Cortana vorhanden sind. "Watson-Projekte sind dagegen äußerst industrie- und unternehmensspezifisch", sagt Flade-Ruf. "Vieles passiert hier hinter verschlossenen Türen, da sich niemand zu früh von Mitkonkurrenten in die Karten schauen lassen möchte." Ein großer Teil stammt dabei aus dem Bereich Internet of Things (IoT) im industriellen Sektor. Big Data in Form von Sensor- und Maschinendaten soll dort im Predictive-Maintenance-Umfeld und zur Qualitätssicherung eingesetzt werden. IBM kooperiert beispielsweise mit Unternehmen wie Schaeffler, Bosch, BMW, Citroen und Renault. Ein anderer Bereich, in dem ein großes Potenzial gesehen wird, ist die Unterstützung von Call-Centern und -Services etwa im Öffentlichen Dienst oder Versicherungs- und Banking-Umfeld, aber auch im technischen Support. Die Nachfrage nach Künstlicher Intelligenz steigt auch in der Ausbildung. An der Technische Hochschule Nürnberg konnten Studenten zum Beispiel die verschiedenen Cloud-Services von Watson ausprobieren und dabei die Spracherkennung des Bots trainieren.
KI-gestützte Chatbots
Einen Schritt weiter gehen Chatbots, die eigenständig Chat-Sessions mit Kunden oder Mitarbeitern bewältigen können, um etwa FAQs zu beantworten oder Bestellungen abzuwickeln. "Auf dem Watson Summit wurde ein Chatbot vorgestellt, der von Siemens für das eigene Personal basierend auf den IBM Conversation Services und anderen Watson-Tools entwickelt wurde", erläutert Flade-Ruf. Auch in der Juristik könnten eine Vielzahl an einfacheren Rechtsfällen über einen Watson-Service abgebildet werden. Ein weiteres Feld umfasst das Thema Enterprise Search, in dem Watson-basierte Tools wie das Natural Language Processing zur Verarbeitung menschlicher Sprache und das Watson Knowledge Studio, welches ein branchenspezifisches Training ohne Programmierungskenntnisse ermöglicht, eingesetzt werden. "Mit Enterprise-Search-Systemen lassen sich schnell große Mengen an Informationen durchsuchen und personenbezogen aufbereiten", erklärt Ruf. Die Lösung lernt dabei, welche Informationen für den Nutzer besonders relevant sind und zeigt sie auf einem Dashboard an.
Watson im Mittelstand
Eine McKinsey-Studie zeigte kürzlich, dass sich kleine und mittelgroße Unternehmen bei der Implementierung von Künstlicher Intelligenz noch schwer tun: So setzen gerade einmal neun Prozent bereits maschinelles Lernen im größeren Maßstab ein. Nur zwölf Prozent gaben an, dass sie das Experimentierstadium bereits verlassen hätten. "Unser Rat ist, dass Unternehmen mit der Umsetzung von Watson-Projekten erst einmal klein anfangen sollten", sagt Flade-Ruf. "Watson ist kein fertiges Produkt und vor dem Training sozusagen noch 'dumm'. Deshalb müssen Ziele und Trennschärfen im Vorfeld klar formuliert werden." Umso eindeutiger sich Themen definieren und Grenzen ziehen lassen, desto einfacher und schneller lässt sich auch zum Beispiel ein Chatbot aus den verschiedenen Watson-Komponenten zusammenstellen und mit einer spezifischen Wissensdatenbank trainieren. Zudem ist ein großes Team erforderlich, das sich aus unterschiedlichen Qualitäten zusammensetzt, die sich von üblichen IT-Projekten unterscheiden. Man benötigt unter anderem Business-User sowie -Analysten, KI-Experten, Programmierer sowie Prozess-Spezialisten für die Einbindung der KI in die Systemlandschaft.
Viele Experimente, wenig Ertrag
Im Watson-Umfeld tut sich viel, doch fehlen vielerorts noch die Erträge. Flade-Ruf weiter: "Leider erkennen wir gerade den Trend, dass Unternehmen Projekte in Eigenregie durchführen - und dabei oft scheitern, ohne die entsprechenden Schlüsse daraus zu ziehen." Dabei bieten der Markt und Watson selbst viele Open-Source-Möglichkeiten an. Beim Experimentieren mit der Technik fallen so oft deutlich weniger Kosten an. "Das Scheitern solcher Ansätze, wie etwa im Startup-Umfeld, ist ein immanenter Bestandteil solcher Experimente", bemerkt Flade-Ruf. "Jedoch hat sich in Deutschland bisher keine 'Fast-Fail-Kultur', also der schnelle Übergang von einem Fehlschlag zu einem neuen optimierten Versuch, entwickeln können." Dieser Trend fordert IT-Dienstleister heraus, da es immer schwieriger wird, die eigene Expertise in solche Projekte einzubringen. Deren Erfahrung kann aber helfen, Projekte schneller und erfolgreicher abschließen zu können.
mip Management Informationspartner GmbH
Dieser Artikel erschien in IT&Production März 2018 - 05.03.18.Für weitere Artikel besuchen Sie www.it-production.com
