Wie bitte? Testen Sie Ihren digitalen Wortschatz. No. 2

Die Idee vom „Deep Learning“ ist seit den 50er-Jahren bekannt. Damit Maschinen lernen, werden künstliche, neuronale Netzwerke programmiert, die Funktionen des Gehirns, genauer der Großhirnrinde, nachbilden. Das ist der Teil des menschlichen Gehirns, wo das Denken, Assoziieren und Verstehen sowie die Sensorik und Motorik gesteuert werden.

Deep Learning als Spezialgebiet des Machine Learning ist heute einer der wichtigsten Forschungsbereiche zur Künstlichen Intelligenz. Ob Googles Android Assistent, IBMs Watson oder Microsofts Bing Sprachsuche – sie alle nutzen Deep Learning für bessere Sprach- und Bilderkennung, sinnvollere Prognosen und Entscheidungen. Google arbeitet und forscht mit einem der größten Deep-Learning-Systeme, die es gibt. 2013 präsentierte das Unternehmen ein neuronales Netz aus über einer Milliarde Verbindungen und 16.000 Rechnern. Dem System wurden 10 Millionen Bilder von zufällig ausgewählten Youtube-Videos gezeigt, die es in 22.000 Kategorien einordnen konnte. Das Ergebnis war zweimal so gut bei der Identifizierung von Objekten, zum Beispiel von Katzen oder Kindern, wie vorherige Systeme.

Microsoft demonstrierte in China auf der Basis von Deep Learning eine Spracherkennung, die das gesprochene Wort mit einer Fehlerrate von nur sieben Prozent transkribierte. Dann übersetzte die Spracherkennung den Text ins Chinesische und simulierte die Originalstimme des Wissenschaftlers beim Vorlesen des Textes in Mandarin. Das ist beeindruckend, aber natürlich noch weit weg von der Komplexität des menschlichen Denkens. Um diesem nahe zu kommen, werden noch mehr neue Konzepte und Software sowie höhere Prozessorleistungen gebraucht. Das kann Jahre, wenn nicht Dekaden dauern.

Aber die Fortschritte, die mit Deep Learning jetzt möglich sind, werden vieles verändern. Das Konzept eignet sich für alle Aufgaben mit großen Datenmengen, in denen sich Muster und Modelle gut finden lassen. IBMs Watson etwa hilft Ärzten bei der Diagnostik und erstellt bereits jetzt genauere Diagnosen als mancher Arzt. Auch für das autonome Fahren wird Deep Learning genutzt, um duch eine immer besser werdende Bilderkennung die Sicherheit zu optimieren.

Auch eine Idee, die schon ein paar Jahre lang existiert und jetzt durchstartet. Erst mit dem Internet der Dinge (IoT) lohnt es sich, einen Digitalen Twin zu schaffen. Manche sagen, Unternehmen müssen heute mit Digital Twins arbeiten. Dieser digitale Zwilling ist ein virtuelles Modell von einem real existierenden Prozess, Produkt oder Service.

Deshalb kann das Modell auch vom Entwurf über die Herstellung bis zum Einsatz – also über den gesamten Lebenszyklus – mit echten Daten, wie Laufzeit, Position, Präzision, Geschwindigkeit, Temperatur u. v. a., gefüttert werden. Diese werden über smarte Sensoren am echten Produkt oder Prozess erfasst und in Echtzeit über die Cloud gesendet. Im Kontext mit anderen Messwerten und Faktoren können damit am Modell Risiken, Schwächen, Änderungen und Chancen erkannt, simuliert und getestet werden. So lassen sich Systeme überwachen und sogar Schwachstellen beheben, bevor sie auftreten. Gerade für die neuen verknüpften (connected) Produkte und Services bringt das viele Vorteile.

Die NASA nutzt das Konzept schon lange, um Raketen zunächst komplett virtuell zu konstruieren, zu testen und zu bauen. Nur wenn der Digital Twin alle Anforderungen perfekt erfüllt, wird die Rakete wirklich gebaut. Alle Bauteile werden dann wieder über smarte Sensoren zu Datenquellen für den Digital Twin, um zu prüfen und zu testen, wie die Wirklichkeit funktioniert. Der Hafen von Rotterdam, Europas größter Umschlagplatz, hat einen Digital Twin seiner Infrastruktur in Auftrag gegeben. Dort werden pro Jahr rund 140.000 Schiffe be- und entladen. Jetzt möchte Rotterdam zum „smartesten Hafen der Welt“ werden. Ein IoT-Netzwerk mit Sensoren sammelt auf dem gesamten Gelände Echtzeit-Informationen zu allen möglichen Bedingungen. Diese werden auf dem Dashboard mit anderen Daten, wie Wetter und Wasserstand korreliert. So soll das Hafenmanagement sicherer und effektiver werden.

Hinter dem Akronym SMACT stehen fünf Technologien, die elementar sind für Unternehmen in der digitalen Transformation. Das sind Social Media, Mobile, Analytics/Big Data, Cloud Computing und Internet of Things.

Die sind nicht alle brandneu, aber in der Kombination bekommen sie neue Wichtigkeit. Die Verschmelzung der Initialen der Technologien zu einem Wort soll das deutlich machen. Im Verbund, in ihren Wechselwirkungen lassen sich die Technologien effektiv und progressiv für Unternehmen nutzen. Auch hier ist das Internet der Dinge IoT ein wichtiger Treiber der Entwicklung.

Neu ist auch, dass diese Technologien nicht unbedingt in der IT-Abteilung angesiedelt sind, sondern vom Marketing aus gesteuert werden. Denn alle fünf Technologien helfen auf verschiedene Weise, die Kundenbeziehung besser zu gestalten: als Austausch, als Service und Komfort, als Forschungslabor zur Analyse von Kundenverhalten, als Netzwerk und zur Anregung für bessere Produkte und Services. Natürlich spielen Schnelligkeit der Reaktion und Auswertung der Ergebnisse bei der Nutzung dieser Apps oder Software eine große Rolle. Aber wer das beherrscht, hat die Digitalisierung schon erfolgreich umgesetzt und findet neue Ideen für die Zukunft seines Unternehmens.

Fun-Fact für das geistreiche Gespräch: Am MIT kann man auch einen Abschluss in SMACT machen. Dann wäre man Master of Science in Art, Culture and Technology.