Künstliche Intelligenz in der Praxis. Diese Startups setzen auf KI.

Künstliche Intelligenz (KI) steckt in der ein oder anderen Form in immer mehr Geräten, die wir im Alltag verwenden. Die jüngste Generation von Smartphones lässt sich beispielsweise via Gesichtserkennung entsperren.

Top article

Dies ist möglich, weil im Hintergrund ein „Künstliches Neurales Netzwerk“ arbeitet – eine der Subformen Künstlicher Intelligenz. Auch die digitalen Stimmassistenten wie dem Google Assistant, Amazons Alexa oder Sprachassistenten in vernetzten Autos verstehen die natürliche Sprache von Menschen dank der jüngsten Fortschritte im Bereich Deep Learning.

Aber nicht nur die großen Tech-Konzerne wie Google, Amazon und Apple setzen auf Künstliche Intelligenz. Auch viele deutsche Unternehmen, Initiativen wie das Mobility Hub München, das im vergangenen Jahr eine Kooperation mit Facebook zum Austausch über Künstliche Intelligenz eingegangen ist, und Startups setzen erfolgreich auf KI-gestützte Systeme. Doch was genau ist gemeint, wenn in diesem Zusammenhang von Künstlicher Intelligenz die Rede ist? Wie sehen Lösungen konkret aus und welchen praktischen Nutzen haben sie?

Machine Learning, Deep Learning, Neurale Netze – Was genau ist Künstliche Intelligenz?

Die begriffliche Vielfalt rund um Künstliche Intelligenz macht es manchmal schwer, den Überblick über die aktuelle Entwicklung zu behalten. Um zu einer realistischen Bewertung des konkreten Potenzials von KI zu kommen, ist zunächst eine grundsätzliche Unterscheidung zu treffen. Künstliche Intelligenz gibt es – zumindest in der Theorie – in einer „starken“ und einer „schwachen“ Form. Die Idee einer starken Künstlichen Intelligenz geht von der Vorstellung aus, dass Maschinen so intelligent werden können, dass sie auf eine ähnliche Art intelligent sind wie Menschen. Von dieser Form der Intelligenz sind wir heute allerdings sehr weit entfernt. Zudem ist fraglich, ob diese Idee jemals Wirklichkeit wird.

Die großen Erfolge, die schon heute durch Künstliche Intelligenz möglich sind, sind das Ergebnis von Methoden wie Machine Learning, Deep Learning oder Künstlich Neurale Netzwerken. Die Besonderheit bei diesen Methoden ist, dass sie nicht einfach von sich aus intelligent sind. Sie müssen vielmehr vorab trainiert werden. Ein Chatbot oder ein Algorithmus lässt sich auf unterschiedliche Aufgabengebiete – wie Bilderkennung, Sprachverständnis oder Risikoabschätzung – hintrainieren. Das bedeutet im Umkehrschluss aber auch: Ein Smartphone, das das Gesicht seines Nutzers erkennen kann, lässt sich nicht einfach in beliebigen anderen Bereichen einsetzen.

Wie kann KI also konkret eingesetzt werden? Drei Startups aus dem IoT & FinTech Hub Berlin und dem Digital Health Hub Nürnberg/Erlangen zeigen, wie man sich die Technologie zunutze machen kann:

CLARK – Ein Chatbot überblickt Versicherungsbranche

Versicherungen sind ein trockenes, teilweise komplexes und schwer zu überblickendes Thema. Das dachten sich auch die Berliner Gründer des InsurTech-Start-ups CLARK. Im Zentrum ihrer Geschäftsidee steht ein Chatbot namens CLARK. Da die Aufgabe von CLARK ist, den Kunden bei ihrer Entscheidung zu helfen – er also eine beratende Funktion hat, nennt sich diese Sonderform von Chatbots auch: „Robo-Advisor“. Auf Basis der Angaben und Daten, die CLARK im Vorfeld von den Kunden erfragt, analysiert er unter Verwendung Künstlicher Intelligenz deren genauen Versicherungsstatus.

Ohne Künstliche Intelligenz wäre es nicht möglich, die Daten in Form von tausenden von Policen und Tarifen zu analysieren, um das jeweils individuell beste Angebot für die Kunden zu identifizieren. Der Einsatz von Künstlicher Intelligenz verschafft dabei vor allem einen zeitlichen Vorteil: Ohne KI wären in dieser Geschwindigkeit keine individuellen Optimierungsvorschläge möglich.

PAIR Finance bringt Künstliche Intelligenz in die Inkassobranche

Das Start-up PAIR Finance lässt sich am einfachsten als digitalisiertes Inkassounternehmen beschreiben. Gleichzeitig unterscheiden sich die Methoden von PAIR Finance grundlegend von traditionellen Dienstleistern. Auf offene Forderungen wird nicht nur per Brief, sondern auch per SMS, E-Mail oder via Messenger hingewiesen. Dabei entsteht ein „datenbasiertes Forderungsmanagement“, mit dem nicht nur offene Zahlungen auf digitalem Wege eingefordert werden. Es geht zugleich auch darum, die Schuldner dem fordernden Unternehmen als Kunden zu erhalten.

Dies gelingt durch den Einsatz von Künstlicher Intelligenz. Dabei steht die Kundenansprache im Fokus des intelligenten Machine-Learning-Algorithmus. Bei jeder Forderung wird zunächst der beste Zeitpunkt der Ansprache, sowie die optimale Frequenz, Tonalität der Sprache sowie der geeignetste Kommunikationskanal durch die Analyse der Kundendaten ermittelt. Dabei verläuft der Verhandlungsprozess bis zur Einigung nicht standardisiert, sondern wird jedes Mal anhand der individuellen Reaktion der Schuldner angepasst. Das Ziel, das durch den Einsatz Künstlicher Intelligenz erreicht werden soll, ist die maximale Steigerung der Rückzahlquote bei gleichzeitigem Erhalt der Kunden.

IT-Labs: KI-gestützte Transformation des Gesundheitswesens

Die Digitalisierung des Gesundheitssektors ist eine der aktuell wichtigsten Aufgaben im Gesundheitswesen. Das Nürnberger Start-up IT-Labs hat dafür zahlreiche Handlungsfelder identifiziert, um die Transformation durch geeignete Software-Lösungen voranzutreiben. Neben der digitalen Krankenakte und dem Ausbau von digitalen Schnittstellen zwischen allen Akteuren erprobt das Start-up vor allem die Einsatzmöglichkeiten von Künstlicher Intelligenz, genauer gesagt von Machine Learning und Deep Learning. Die konkreten Anwendungsbereiche sind dabei so vielfältig wie das Gesundheitswesen komplex ist. Gerade hat das Startup seine Plattform Alberta gelauncht, die den Anwender durch den Einsatz von KI automatisch an Patiententermine erinnert und durch den Hinweis auf Engpässe eine lückenlose Versorgung sicherstellt.

Insbesondere wenn es um Big Data geht, eignen sich die Machine-Learning- und Deep-Learning-Methoden, um in großen Datenmassen Muster zu erkennen. Mustererkennung kann sowohl dazu dienen, bestimmte Krankheiten besser zu verstehen als auch die Versorgung zu verbessern. Sobald auffällige Änderungen in den Datenbeständen auftauchen, werden die Mitarbeiter sofort mit konkreten Handlungsempfehlungen darüber informiert. Der Einsatz von Machine Learning hat nicht zuletzt das Potential, die Qualität  medizinischer Diagnosen zu verbessern. Bildanalyse-Algorithmen zur Wundbildanalyse unterstützen Fachkräfte aktiv bei ihrer Arbeit und verbessern damit insgesamt die medizinische Versorgung.

Künstliche Intelligenz als Wachstumsmotor

Die Erforschung und der Einsatz Künstlicher Intelligenz in zahlreichen Bereichen entwickelte sich in den letzten Jahren zu einem wahren Wachstumsmotor. Insbesondere Methoden wie Machine Learning spielen inzwischen nicht nur in zahlreichen Anwendungen und Produkten eine wichtige Rolle, sondern vor allem auch im Bereich der industriellen Fertigung. Durch kürzere Ausfallzeiten von Produktionsmaschinen durch vorausschauende Wartung (Predictive Maintenance) und die Optimierung von Prozessen sind große Wertzuwächse möglich. Eine aktuelle Studie der PWC geht davon aus, dass bis 2030 durch Künstliche Intelligenz ein Wertzuwachs von 14 Prozent des globalen Bruttoinlandproduktes möglich ist. Künstliche Intelligenz ist damit einer der wichtigsten Wohlstandstreiber der Zukunft. Dass es sich hier nicht um eine ferne Zukunft handelt, beweist der Blick auf die hier vorgestellten Start-ups. Sie setzen Künstliche Intelligenz bereits heute erfolgreich in der Praxis ein.