Kognitive Systeme: Was machen Algorithmus-Trainer?

Kognitive Systeme sind für Menschen unsichtbar. Dennoch unterstützen, takten und planen sie den Alltag. Sie geben vor, wie man am schnellsten von A nach B kommt oder sorgen in großen Bürogebäuden dafür, dass morgens zur Rushhour alle Aufzüge im Erdgeschoss parken, um wertvolle Zeit zu sparen.

Algorithmus und KI: der feine Unterschied

Geht zum Beispiel ein Algorithmus für eine intelligente Liftanlage in einem Bürohochhaus an den Start, so besteht dieser zunächst nur aus einer Rechenvorschrift für den Computer. In die Formel gehen Faktoren wie die Anzahl der Aufzüge, der Etagen und der Mitarbeiterinnen und Mitarbeiter ein. Zusätzlich wird das System so programmiert, dass es sich mit jeder neuen Information optimiert. Dieser Prozess wird auch als Machine Learning beziehungsweise als maschinelles Lernen bezeichnet.

Ein Algorithmus wird also erst durch das Füttern mit Informationen und in der Kombination mit maschinellem Lernen zu einer künstlichen Intelligenz, kurz KI.

Die Grundlage von KI: Machine Learning – maschinelles Lernen

Im Beispiel der Liftanlage wird der Algorithmus ab Inbetriebnahme mit den Bürozeiten der einzelnen Unternehmen im Gebäude gefüttert. Er erkennt, dass zwischen acht und neun Uhr ein großer Ansturm auf alle Aufzüge herrscht. Das Programm passt sich dem Fahrverhalten an. Es sorgt dafür, dass die Fahrstühle morgens im Erdgeschoss parken, um dort schnell neue Passagiere aufnehmen zu können.

Selbstlernende Raumbuchungssysteme arbeiten auf einer ähnlichen Grundlage. Der Job Wizards Artikel „Smart-Room-Booking-System – wenn Konferenzräume lernen und mitdenken“ erklärt, wie das funktioniert.

Selbstlernende und kognitive Systeme

Maschinelles Lernen basiert hauptsächlich auf zwei Methoden: Beim unüberwachten Lernen, auch unsupervised Learning, suchen Systeme in großen Datensätzen nach bestimmten Mustern und filtern diese heraus. So entstehen etwa Kaufempfehlungen bei Amazon (Kunden, die A kauften, kauften auch B) oder Musikempfehlungen bei Streamingdiensten.

Auch Analysen des Aktienmarktes oder das Erkennen von Kreditkartenbetrügen basieren auf dieser Methode. Sehr wichtig beim unüberwachten Lernen ist die Zusammensetzung der Daten: Sind diese veraltet oder nicht korrekt, so beeinflussen sie Wirkung und Qualität der künstlichen Intelligenzen und kognitiven Systeme.

Wie Algorithmen trainiert werden

Beim überwachten Lernen, auch supervised Learning, werden Algorithmen mit Trainingsdaten gefüttert. Gleichzeitig bekommen die Algorithmen einordnende Rückmeldungen und Feedbacks von Menschen, die das Training begleiten. Menschen unterstützen so quasi als Algorithmus-Trainerin oder -Trainer selbstlernende Systeme, zum Beispiel beim Klassifizieren von Bildern und Nachrichten oder bei der Gewichtung von Daten.

Soll ein System etwa lernen, öffentlich zugängliche Informationen richtig in eine Unternehmensdatenbank abzulegen, braucht es anfangs Feedback, Kontrolle und Supervision eines Menschen.

Braucht jedes KMU einen Algorithmus-Trainer?

Die meisten Algorithmus-Trainerinnen und -Trainer arbeiten hinter den Kulissen. Für KMUs ist der Job nur dann interessant, wenn im Unternehmen eine eigene KI speziell für eine bestimmte Aufgabe entwickelt werden soll. Das Programm für eine KI oder ein kognitives System schreiben Programmiererinnen und Programmierer.

Für die vorab im Programm bereits eng definierten Algorithmus-Feedback- und Trainings-Jobs ist dann aber keine gezielte Ausbildung notwendig. Oft handelt es sich um einfache Sortieraufgaben, die dann Algorithmus-Trainer übernehmen. Üblicherweise sind die Sortieraufgaben und Feedbacks in massenhafte kleine Jobs unterteilt, die Crowdworker erledigen. Amazon Mechanical Turk ist eine Plattform, die weltweit diese Trainings-Feedbacks organisiert.