Kategorien
KI-Anwendungen KI-Startups

Startup-Übernahme soll Siri Spracherkennung verbessern

Apple übernimmt zur Verbesserung der Spracherkennung von Siri das kanadische Startup Voysis, das eine KI-Software für Shopping-Unternehmen erstellt hat.

Zwischen den auf Spracherkennung angewiesenen KI-Softwares der großen Unternehmen ist ein nicht endender Wettbewerb ausgebrochen. Jeder versucht den anderen zu überbieten. Apple mit Siri, Amazon mit Alexa oder Microsoft mit Cortana. Apple hat nun einen neuen Versuch gestartet sein Siri-System zu verbessern.

Dafür wird das auf Spracherkennung spezialisierte kanadische Startup Voysis übernommen. Voysis hat eine KI-Software entwickelt, die sich in Apps von Shoppinganbietern einbinden lässt und deren Voice-Suche verbessern soll.

Zum Training ihrer KI nutzte Voysis das von Google Deepmind vorgestellte Wavenet-Modell. Das Wavenet-Modell kann menschliche Stimmen nachahmen und ist deshalb ein ideales Trainingsobjekt für Spracherkennungs-KIs, da keine eigenen Aufnahmen manuell und zeitaufwändig erstellt werden müssen.

Das trainierte Modell soll nur 25 MB groß sein und ist dadurch auch auf Smartphones lauffähig. Genauere Angaben von Apple über die Pläne mit Voysis wurden nicht getätigt.

Kategorien
KI im Unternehmen

KI-Einsatz: Die 5 größten Hürden

Experten von BCG und Gartner haben die fünf Hürden zusammengestellt, die für gescheiterten Einsatz von KI in Unternehmen verantwortlich sind.

Auch wenn Künstliche Intelligenz bereits in vielen Bereichen des Lebens angekommen ist, fällt es vielen Unternehmen weiterhin schwer die richtigen Einsatzszenarien dafür zu identifizieren. Eine kürzlich veröffentlichte Studie vom BMWi ergab, dass nur 5,8% der deutschen Unternehmen KI in ihren Produkten oder Dienstleistungen überhaupt einsetzen.

Experten von BCG und Gartner beschäftigen sich nun mit den Hürden, die vielen Unternehmen beim KI-Einsatz im Weg stehen. Dabei geht es insbesondere um den gewinnbringenden Einsatz von KI. Die Experten konnten dabei fünf Hürden identifizieren:

  1. IT-geführter KI-Einsatz: Viele Unternehmen überlassen der IT die Entscheidungen im KI-Bereich, anstatt sie in die Geschäftsstrategie mit einzubinden. Stattdessen sollte Künstliche Intelligenz von der Abteilung gesteuert werden, in der sie auch eingesetzt werden soll.
  2. Blackbox: Insbesondere von der IT-Abteilung geführte KIs enden oft in einer undurchsichtigen Blackbox. Dies führt dazu, dass die Potentiale der KI nicht richtig eingeschätzt werden können.
  3. Proof-of-Concept (PoC) Syndrom: KIs , die nur erstellt werrden, um zu zeigen, dass sie funktionieren, ohne aber einen geschäftlichen Mehrwert davon zu haben.
  4. Talentmangel: Ein Mangel an KI-Fachkräften oder Produktmanagern, die die Technologie wirklich begreifen.
  5. Scheitern von Prozessänderungen
Kategorien
KI im Unternehmen

Neue KI-Studie über die Wirtschaft

Das BMWi gab eine Studie über den KI-Einsatz in der Wirtschaft im Jahr 2019 in Auftrag. Die Studie ergab eine geringe Nutzung der Technologie.

Künstliche Intelligenz ist bereits in vielen Bereichen des täglichen Lebens angekommen. Allerdings wird die Technologie in der Wirtschaft immer noch nicht durchgehend eingesetzt. Eine neue Studie zum Thema KI-Einsatz in der Wirtschaft soll dies nun darlegen.

Die Studie wurde vom Bundesministerium für Wirtschaft und Energie (BMWi) in Auftrage gegeben und beschäftigt sich mit der KI-Lage des Jahres 2019. Laut der Studie nutzen nur 5,8% der deutschen Unternehmen KI in ihren Produkten, Dienstleistungen oder Prozessen. Von diesen 5,8% sind nur 12% auf KI-Systeme angewiesen.

Laut dem Beauftragten des Bundeswirtschaftsministeriums für Digitale Wirtschaft und Startups Thomas Jarzombek wissen die meisten Mittelständler nicht, wie sie KI einsetzen sollen. Einen Wandel verspricht sich Jarzombek von der Corona-Krise in der viele Unternehmen Zeit hätten sich neu aufzustellen und das KI-Thema anzugehen.

Kategorien
KI-Anwendungen KI-Forschung

KI übersetzt Gehirnströme in Text

Forscher der University of California entwickeln eine KI, die mit nur drei Prozent Fehlerrate Hirnströme in Text umwandeln kann.

Im Bereich Künstliche Intelligenz und Gesundheitswesen werden immer weitere Anwendungen entdeckt. Neben der Frühwarnung vor Epidemieausbrüchen, KI-Medikamenten oder der Prognose der Wirksamkeit von Medikamenten gibt es nun auch bahnbrechende neueren im Bereich der Logopädie.

Menschen die nicht sprechen können oder deren Sprache sehr eingeschränkt ist, leiden darunter sehr. Seit Längerem wird deshalb nach Möglichkeiten gesucht, ihre Gehirnströme in Sprache umzuwandeln und ihnen dadurch eine normalere Kommunikation zu ermöglichen. Erste Versuche dafür gab es bereits, allerdings war die Treffsicherheit der Hirnströme zu entsprechenden Wörtern mit 25% Fehlerrate sehr gering.

Forscher der University of California in San Francisco gelang es nun ein solches Brain-to-Text System entscheidend zu verbessern und die Fehlerrate auf durchschnittlich drei Prozent zu senken. Für das Training der KI wurden Elektroden am Kopf der Versuchsteilnehmer befestigt, die die Hirnströme lieferten. Die Teilnehmer wurden gebeten einen Text vorzulesen, wodurch sich die zu dem Text passenden Hirnströme offenbarten. Die KI konnte dadurch lernen, welcher Hirnstrom zu welchen Wörtern gehört. Der Wortschatz ist mit 250 Wörtern bisher zwar sehr gering, dies lässt sich aber voraussichtlich leicht skalieren. Auch die Übertragung der auf einem Teilnehmer trainierten Modelle auf eine andere Person soll mit wenig Aufwand möglich sein.

Kategorien
KI-Anwendungen

KI-Roboter hilft bei Inspizierung von Endprodukten

Die Roboter-Ki Kitov One vom israelischen Unternehmen Kitov ist in der Lage sämtliche Baugruppen und Endprodukte zu inspizieren.

Künstliche Intelligenz etabliert sich weiterhin in immer mehr und neuen Branchen. Nun ist auch die Maschinenbaubranche dran.

Dort besteht seit Längerem das Problem, dass bei Teilprodukten und Endgeräten sehr viele Parameter geprüft werden müssen. Dies vorzunehmen ist sehr zeitaufwendig. Es wird zwar bereits auf technische Hilfe bei der Inspizierung von Baugruppen gesetzt, aber gerade bei den vielen Parametern von Endprodukten kann eine KI hilfreich sein.

Das Robotersystem Kitov One vom israelischen Unternehmen Kitov nimmt sich nun genau dieser Aufgabe an. Das Vertriebs- und Beratungsunternehmen ATEcare vertreibt das Kitov One System im DACH-Raum. Das System basiert auf einem Roboter, der mit einer 3D-Bilderkennungs-KI verknüpft ist. Der Roboter ist dadurch in der Lage alle möglichen Produkte zu inspizieren.

Kategorien
KI-Anwendungen

Alibaba-KI erkennt Coronainfizierte

Die KI des chinesischen Unternehmens Alibaba identifiziert Coronainfizierte in deutlich geringerer Zeit als ein Arzt und das mit hoher Genauigkeit.

Das neuartige Coronavirus wirkt sich auf das gesellschaftliche und ökonomische Leben stark aus. In dieser Krise kann auch Künstliche Intelligenz (KI) eine Hilfe oder Unterstützung sein. So konnte eine KI bereits vor den Warnungen der Behörden den Ausbruch des Virus vorhersagen und Youtube konnte coronabedingte Ausfälle in der Content-Prüfung mit ihrer KI abfangen.

Nun gibt es weitere positive Meldungen zu der KI beiträgt. Das chinesische Unternehmen Alibaba hat eine KI entwickelt, die mit 96%er Wahrscheinlichkeit Coronainfizierte identifizieren kann. Die Alibaba-KI analysiert dafür Aufnahmen aus der Computer-Tomographie. Ärzte benötigen für diesen Prozess 10 Minuten. Die KI schafft es in 20 Sekunden. In Zeiten in denen die Krankenhäuser und Arztpraxen stark überlastet sind, ist dies eine große Zeitersparnis. In Chinas Krankenhäusern ist die Technologie bereits im Einsatz.

Kategorien
KI-Anwendungen

Youtube-KI prüft Content

Die Youtube-KI soll die Content-Prüfung der Videos aufgrund des coronabedingten Personalmangels in großen Teilen alleine vornehmen.

Die durch das neuartige Coronavirus ausgelöste Gesundheitskrise hat weitreichende Folgen auf das Leben der Gesellschaft und die Wirtschaft. Auch vor Unternehmen wie Youtube macht dies nicht halt und es kommt zu mehreren pausierenden Mitarbeitern. Dies betrifft laut Youtube vor allem die sogenannten Content-Prüfer, die neue Videos auf gegen die Richtlinien verstoßende Inhalte überprüfen.

Wegen dieser Personalnot werden die Inhalte der Youtube-Videos nun nicht mehr alle von Menschen geprüft. Viele Videos werden nur noch von einer Youtube-KI betrachtet.

Die Content-Creator wird diese Nachricht nicht erfreuen, kommt es doch durchaus ab und zu vor, dass Videos von der Youtube-KI zu unrecht gelöscht werden. Bisher wurden die Fehler der KI aber von menschlichen Prüfern abgefangen. Durch die Personalnot kann es nun aber vorkommen, dass Videos von der KI ohne menschliche Prüfung gelöscht werden.

Kategorien
KI-Anwendungen

Gaming-KI: Google’s SemanticML auf dem Vormarsch

Die neue Gaming-KI SemanticML soll die Spiele auf Google Stadia durch Verknüpfen semantischer Informationen realistischer und einfacher machen.

Künstliche Intelligenz (KI) lässt sich für nahezu alle Bereich des Lebens nutzen. Ob in der Gesundheit, dem Einzelhandel, der Fashionbranche oder in der Security. Auch vor der Gaming-Branche macht KI nicht halt.

Google hat im November 2019 mit Google Stadia den Schritt in die Gaming-Branche gewagt. Die Spiele von Google setzen dabei vor allem auf KI. Google hat für seine Games eine eigene KI SemanticML entwickelt. SemanticML verknüpft mit Hilfe von Machine Learning Algorithmen die semantische Bedeutung von Wörtern. Die Beziehungen zwischen den Wörtern werden von der KI gelernt. So wird zum Beispiel eine semantische Beziehung zwischen den Wörter ‚Blume‘ und ‚Vase‘ oder ‚Tulpe‘ hergestellt. Dabei werden auch Entfernungen zwischen den semantische Bedeutungen der Wörter berechnet. ‚Blume‘ hat zum Beispiel auch eine semantische Beziehung zu ‚Beerdigung‘, die aber geringer ausfällt als die Beziehung zu ‚Tulpe‘.

Eine beispielhafte Anwendung von SemanticML in einem Game, ist ein Demospiel von Google Stadia, indem mit einem Fuchs interagiert werden kann. Frägt man den Fuchs nach einem Kaffee, erkennt dieser sofort die semantische Beziehung zu Tasse und man bekommt die Tasse gereicht.

Die Vorteile der Gaming-KI liegen auf der Hand:

  • nicht jede Verknüpfung muss explizit programmiert werden
  • weniger Arbeit für die Programmierer
  • realistischeres Verhalten der Gameobjekte

Kategorien
KI-Anwendungen

Predictive Policing in Utah auf dem Vormarsch

In Kooperation mit dem US-Unternehmen Banjo trägt der US-Bundesstaat Utah dutzende Daten für ein neues Predictive-Policing-Projekt zusammen.

Künstliche Intelligenz (KI) findet breite Anwendung bei der Überwachung durch Polizei und Regierung mittels Gesichtserkennung. Die Bevölkerung ist hier geteilter Meinung. Während ein Teil die Überwachung zugunsten von Sicherheit in Kauf nimmt, wird sie von einem anderen Teil strikt abgelehnt. In Deutschland wurde der Einsatz von Gesichtserkennung noch nicht gestattet, in London ist er dagegen schon im vollen Gange.

Der US-Bundesstaat Utah setzt nun neue Maßstäbe auf dem Gebiet Predictive Policing. In Kooperation mit dem US-Unternehmen Banjo sollen etliche Daten zusammengeführt werden, um dabei zu helfen Verbrechen zu entdecken bevor sie auftreten. Dies soll in Echtzeit geschehen, so dass direkte Warnungen vor gefährlichen Situationen oder Notfällen ausgegeben werden können.

Dabei werden neben Daten aus Überwachungskameras, Notrufen, Straßen- oder Satellitensensoren und Bewegungsdaten auch Daten aus sozialen Netzwerken, Medien und Blogs genutzt.

Als Szenarien bei denen ihre KI wirksam sein kann, nennt Banjo einige Punkte wie:

  • Terrorismus
  • Schießereien
  • Organisiertes Verbrechen
  • Drogenhandel

Kategorien
KI im Unternehmen

Was sind die Strategien von AI-High-Performer?

McKinsey stellt in einer Studie heraus, dass es nur wenige AI-High-Performer gibt. Nur 3% der 2000 Studienteilnehmer konnten diesen Status erreichen.

Die neue Technologie Künstliche Intelligenz (KI) kommt so langsam in der Wirtschaft an und ist fester Bestandteil in vielen Unternehmen. Doch wird KI von den Unternehmen auch sinnvoll eingesetzt? Oder ist nicht deutlich mehr Luft nach oben?

McKinsey geht dieser Frage nun in einer Studie auf den Grund. An der Studie nahmen 2000 Unternehmen teil und wurden bezüglich ihrem Einsatz von KI bewertet. McKinsey konnte dadurch die sogenannten AI-High-Performer ermitteln, die überdurchschnittliche Erfolge mit KI erzielen konnten und deren Strategien genauer untersuchen.

AI-High-Performer nach McKinsey müssen folgende Punkte erfüllen:

  • KI muss in mindestens 5% der Geschäftsaktivitäten des Unternehmens eingebunden sein.
  • Es muss eine Umsatzsteigerung von mindestens 5% durch KI erfolgen.
  • Eine Kostenersparnis von mindestens 5% muss durch KI erfolgen.

Nur 3% der Teilnehmer der Studie konnten diese Werte erreichen. Die Strategie der AI-High-Performer weist folgende Merkmale auf:

  • Es existiert eine Strategie für den KI-Einsatz.
  • Häufige KI-Schulungen für die Mitarbeiter.
  • KI-Fachleute arbeiten abteilungsübergreifend mit normalen Arbeitern zusammen.
  • Daten-Strategie und -Governance
  • Nutzung von Standard-Tools
  • Metriken zur Überprüfung der Wertschöpfung der KI-Anwendungen