KI zog aus Hanover (USA) in die ganze Welt

KI ist einen weiten Weg gegangen

Eine kurze Geschichte der KI

Hinter dem Hype

Die ersten Ideen rund um KI entstanden, bevor es Computer gab. Die erste Euphorie machte einer langen Phase der Ernüchterung Platz. Und jetzt schicken sich KI-Technologien an, in immer mehr Lebensbereichen eine wichtige Rolle zu spielen. Welche Köpfe prägten diesen Fortschritt? Welche Technologien arbeiten im Hintergrund? Welche Faktoren bestimmen die Entwicklung?

1920

Roboter

Der Begriff Roboter leitet sich vom slawischen Wort „robota“ ab und bedeutet Fronarbeit. Als Wort für menschenähnliche Maschinen wurde er vom Schriftsteller Karel Ĉapek geprägt, der ihn erstmals in seinem Drama „Rossums Universal Robots“ nutzte.

1950

Turing-Test

Der britische Mathematiker Alan Turing entwickelte ein Verfahren, um zu testen, ob ein Computer zu Intelligenz fähig ist.

1951

Neurocomputer

Nur 40 Synapsen hatte der erste Neurocomputer SNARC. Die Maschine simulierte das Verhalten von Laborratten und konnte den schnellsten Weg aus einem Labyrinth finden.

1956

Künstliche Intelligenz

Eine wissenschaftliche Konferenz am Dartmouth College in Hanover, New Hampshire, gilt als Geburtsstunde der Künstlichen Intelligenz als eigenständige Forschungsdisziplin.

1960

Lernfähig

Der amerikanische Psychologe und Informatiker Frank Rosenblatt baute mit dem Computer Mark I die erste lernfähige Maschine und zwar auf Basis des Prinzips von Versuch und Irrtum. Damit war ein Grundstein für neuronale Netzwerke gelegt.

1966

Chatbot

Der deutsch-amerikanische Informatiker Joseph Weizenbaum entwickelte das Computerprogramm, das vorgab, ein Psychotherapeut zu sein. Es reagierte auf Schlüsselworte und antwortete häufig mit Fragen oder allgemeinen Phrasen.

1970er Jahre

KI-Winter

Die erwarteten KI-Erfolge blieben aus. 1973 argumentierte Professor Sir James Lighthill, dass Maschinen niemals in der Lage wären, mehr als das Niveau eines „erfahrenen Amateurs“ im Schachspiel zu erreichen.

1972

Medizin

Mycin ist ein 1972 in der Programmiersprache Lisp entwickeltes Expertensystem, das zur Diagnose und Therapie von Infektionskrankheiten durch Antibiotika eingesetzt wurde.

1982

Spracherkennung

James und Janet Baker gründeten Dragon Systems im Mai 1982. Die Anfänge gehen zurück auf einen Software-Prototypen zur Spracherkennung, den die beiden Ende der 1970er Jahre entwickelten.

1986

Sprachcomputer

Durch die Eingabe von Beispielsätzen und Phonemketten bringen Experten dem Programm „NETtalk“ das Sprechen bei. „NETtalk“ kann Wörter lesen und korrekt aussprechen sowie das Gelernte auf unbekannte Wörter anwenden.

1997

Schach

IBMs Supercomputer Deep Blue schlägt den Schachweltmeister Garry Kasparov. Deep Blue war in der Lage, bis zu 200 Millionen potenzielle Positionen in einer Sekunde zu analysieren.

2011

Jeopardy

Das Computerprogramm Watson gewinnt bei der Spielshow Jeopardy gegen zwei Quizmeister, die zuvor hohe Gewinne erspielt hatten. Das Programm versteht Fragen in natürlicher Sprache und sucht die Antworten darauf in einer Datenbank.

2017

Siri

Die Software von Apple soll natürliche Sprache erkennen und auf Fragen antworten. Zu Beginn verstand Siri Englisch, Deutsch und Französisch, inzwischen sind es mehr als 20 Sprachen.

2018

Wachstumstreiber

Das McKinsey Global Institute prognostiziert, dass bis 2030 durch den Einsatz von KI weltweit ein zusätzliche Wertschöpfung von 13 Billionen US-Dollar entsteht

Warum KI?

Intelligenz ist so eine Sache

Darüber, was Künstliche Intelligenz (KI) ist, lässt sich vortrefflich streiten. Für die unternehmerische Praxis ist nicht die perfekte Definition entscheidend, sondern der richtige Anwendungsfall. Wir verstehen unter KI Systeme, die automatisch beziehungsweise selbständig Entscheidungen treffen und auf Input, beispielsweise Bild, Text oder Sprache, reagieren.

Von der Routenplanung über automatische Übersetzungen bis zum Social-Media-Nachrichtenstrom: Im Hintergrund werkeln, oftmals unbemerkt vom Anwender, KI-Technologien.

Warum jetzt?

Daten, Speicher, Algorithmen – die drei Säulen der KI

Ob Menschen, Maschinen, Sensoren oder Websites: Nahezu alle Daten, die die Menschheit jemals erzeugte, hat sie in den letzten Jahren produziert. Gleichzeitig wird es immer günstiger, diese Daten zu speichern. Die Kosten für Speicherplatz fallen ins Bodenlose. Parallel dazu gibt es Fortschritte auf den Gebieten der Rechenleistung und der Algorithmen: Spezielle Grafikprozessoren und Methoden wie Deep Learning reduzieren Aufwand und Zeit für das Entwickeln neuer Anwendungen.


„Haben Sie jemals darunter gelitten, dass Sie, trotz Ihrer enormen Intelligenz, von Menschen abhängig sind, um Ihre Aufgaben ausführen zu können?"
„Nicht im geringsten. Ich arbeite gern mit Menschen“

Computer HAL 9000 (2001: Odyssee im Weltraum)

Machine Learning

Lernen und lernen lassen

Keine Intelligenz ohne Lernen beziehungsweise Modellierung – das gilt auch für die Künstliche Intelligenz. Beim sogenannten Maschinellen Lernen (Machine Learning, ML) handelt es sich um die Fähigkeit, ein Modell auf Basis von Daten automatisiert zu erlernen. Maschinelles Lernen gibt es in diesen Spielformen: Überwachtes Lernen bedeutet, dass Experten dem Verfahren für eine Trainingsdatenmenge jeweils vorgeben müssen, was die richtige Entscheidung ist. Beim unüberwachten Lernen analysiert das System Daten hinsichtlich ihrer Ähnlichkeit, ohne dass Experten Trainingsdaten eingeben. Unter dem Begriff Reinforcement Learning (verstärkendes Lernen) fassen Fachleute Verfahren zusammen, die in Form direkten Feedbacks lernen, nicht durch die Vorgabe von Trainingsbeispielen.

  • Anomalieerkennung

    Die Suche nach Mustern beziehungsweise Datenpunkten, die im Kontext der Anwendung von Bedeutung sind. Häufig entstehen diese Muster nur durch Datenfolgen über die Zeit oder in Abhängigkeit von Umgebungsvariablen.

  • Bilderkennung

    Bei der Bilderkennung wird mithilfe von Algorithmen versucht, Objekte auf Bildern zu identifizieren beziehungsweise einer Kategorie zuzuordnen. Systemen erlaubt dies, ihre Umgebung zu beobachten.

  • Chatbots

    Textbasierte Dialogsysteme, die aus einer Textein- und -ausgabe bestehen. Sie basieren auf der Analyse und dem Erzeugen natürlicher Sprache.

  • Mustererkennung

    Ein Obergriff für unterschiedliche Anwendungsbereiche des ML, die sich mit der Interpretation wiederkehrender Muster beschäftigen. Beispiele hierfür sind Bilderkennung und Speech-To-Text.

  • Natural Language Generation (NLG)

    Durch Textgenerierung erzeugt das System Audiosignale, sodass es Informationen per Sprache zurück an den Nutzer übermittelt. Maschinelle Lernverfahren ermöglichen es, sprachliche Stilmittel, Betonungen und Ähnliches einzusetzen.

  • Natural Language Processing (NLP)

    Systeme erkennen die Zusammenhänge und Bedeutungen von gesprochenen Worten. Sprache ist nicht eindeutig und geprägt von Stilmitteln. Die Entwicklung in diesem Bereich führt dazu, dass die Kommunikation mit Maschinen immer natürlicher wird.

  • Speech-To-Text (STT)

    Anwendungen wandeln gesprochene Sprache in Text um. Das System muss Hintergrundgeräusche ausblenden und Worte trotz unterschiedlicher Aussprachen erkennen. Auch Stimmführung, Intonation oder Pausen spielen eine Rolle.


Unsere KI-Themen im Überblick

Sie interessieren sich für weitere Themen rund um Künstliche Intelligenz? Bei uns dreht sich alles um Ihre KI-Aktivitäten und wie Sie damit Ihre Ziele erreichen.

Erfahren Sie, wie KI Sie bei Ihrer Arbeit unterstützen kann, welches Potenzial hinter der Technologie steckt und welche Themen Verantwortliche bewegen.

Mehr erfahren


Sie haben Fragen?

Künstliche Intelligenz ist kein Ersatz für menschliche Diskussion

Sie überlegen, welche Möglichkeiten KI Ihrem Unternehmen eröffnen kann? Sie wollen mehr über Anwendungsfälle und Technik erfahren? Wir haben keine Standardantworten im Gepäck – aber wir bringen unser Fachwissen, unsere Neugier auf Ihr Geschäft und unsere Leidenschaft für Technologie mit.

Wir freuen uns darauf, mit Ihnen ins Gespräch zu kommen.

Kontakt

Diese Seite speichern. Diese Seite entfernen.