Was kann künstliche Intelligenz (KI) und was nicht?

September 12, 2023|In Algorithmen, Artificial Intelligence, B2B Vertrieb, Handlungsempfehlung, Künstliche Intelligenz, Predictive Analytics, Predictive Sales Analytics|By Svenja Szillat

Künstliche Intelligenz (KI) schwankt seit Jahren zwischen „Terminator“, „Technologie der Zukunft“ oder „neue Supermacht“ und „funktioniert nicht“, „ist enttäuschend“ oder „kein Vertrauen“.

Nicht umsonst gab es in den rund letzten 70 Jahren immer wieder sogenannte „KI-Sommer“ und „KI-Winter“. Genauer gesagt, gab es seit den 50er Jahren, in denen KI erforscht und entwickelt wurde, zwei KI-Winter: Anfang der 70er Jahre und Ende der 80er wurden die hohen Erwartungen in die Technologie enttäuscht. Investoren haben sich zurückgezogen und Forscher bekamen weniger Fördergelder.

Was hat sich bis heute geändert? Die Technologie wurde besser, wir haben mächtige Server mit viel Speicherplatz, Cloud Computing und es gibt „Big Data“. Eine neue Chance für die Potenziale der künstlichen Intelligenz! Ja, wir leben zurzeit in einem KI-Sommer. KI ist wieder eine Superkraft, die Hoffnung der Zukunft.

Sie merken schon: die Erwartungen sind enorm. Was ist nötig, dass wir KI erfolgreich nutzen können? Klarheit. Wie entsteht Klarheit? Durch genug Informationen.

Im Folgenden erfahren Sie also was KI kann und was nicht.

Das kann künstliche Intelligenz

Wir begegnen ihr bereits heute ständig im Alltag: Amazon oder Netflix Vorschläge entsprechend den eigenen Interessen, Navigationssysteme, Alexa & Co., die Sprache verstehen und vieles mehr.

All diese Systeme fallen unter die Kategorie „schwache KI“, oder etwas schöner auf Englisch, „narrow AI“. Damit sind Systeme gemeint, die ein ganz bestimmtes Problem lösen. KI-Anwendungen sind sehr fachspezifisch. Das bedeutet, sie können eine Sache sehr gut, schnell und effizient.

So kann beispielsweise unsere Predictive Sales Software sehr gut, schnell und effizient aus hunderttausenden Verkaufsdaten Vorhersagen über das zukünftige Kaufverhalten von Kunden treffen. Die Software ist jedoch nicht dazu in der Lage, Texte zu verfassen oder Sprache zu verstehen. Dazu bräuchte es einen anderen KI-Algorithmus.

Auch können KI-Systeme keine allgemeinen Ziele auf verschiedene Situationen übertragen. Zum Beispiel reicht eine zielgerichtete Anweisung wie: „Achte darauf, dass du dich und niemand anderen nicht verletzt“ für das autonome Fahren nicht aus. Nein, es muss jede erdenkliche Verkehrssituation in verschiedenen Varianten für die Maschine nachgestellt werden, sodass sie weiß, wie sie reagieren muss.

Künstliche Intelligenz kann also immer dort gut eingesetzt werden, wo es Datensätze gibt, in denen der Mensch der Maschine erst einmal vormachen kann, wie es geht. Das nennt sich auch „labeln“. Aus diesem „vormachen, bzw. labeln“, lernt die Maschine dann nach und nach dazu und kann das Gelernte dann auf neue Daten anwenden.

Wie gut funktioniert das heute?

Das sind realistische Erwartungen an eine KI

In speziellen Anwendungsbereichen funktionieren KI-Systeme bereits heute extrem gut – denken Sie nur an ChatGPT, es ist erstaunlich welche Entwicklungen KI-Systeme im letzten Jahr genommen haben. Im Unternehmenskontext werden KI-Systeme hauptsächlich bei Aufgaben eingesetzt, die Routinecharakter haben.

Künstlicher Intelligenz hat allerdings auch Grenzen. Bereits vor ChatGPT wurden bspw. kurze Börsenberichte teilweise schon von einer KI geschrieben und veröffentlicht. Texte mit Routinecharakter. Doch bei komplizierten Argumentationsketten und Fragestellungen stoßen die meisten Systeme an ihre Grenzen. Sogar ChatGPT ist stärker, wenn es um das erstellen von Standardtexten geht. Haben Sie schon einmal versucht mit ChatGPT eine humorvolle Geschichte zu schreiben? Sagen wir mal, dass ChatGPT einen recht eigenartigen Sinn für Humor hat.

Um Ihre Erwartungen an ein KI-System realistisch zu halten, sollten Sie sich davor genau darüber informieren. Hier sind unsere Top 3 Fragen, die Sie stellen sollten:

1. Aus welchen Daten lernt die KI?

Eine KI kann nichts wissen, was sie nicht als Grundlage hat. Hat ein Bilderkennungsprogramm bisher nur Hunde und Katzen gesehen, wird es keinen Traktor erkennen.

2. Wie gut ist die KI schon trainiert, bzw. wie hoch ist ihre Trefferquote?

Achtung! Vertrauen Sie keinem System, das mit einer 100 %-igen Genauigkeit beworben wird. Zu genaue Vorhersagen nennt man beim maschinellen Lernen “Overfitting”. Es ist ein unerwünschtes Verhalten und bedeutet, dass ein System mit bekannten Daten top Vorhersagen trifft, diese allerdings nicht auf neue Daten anwenden kann.

Kein System wird immer zu 100 % richtig liegen. Das liegt einfach in der Natur des maschinellen Lernens (ein Teilbereich der KI).

Im Prinzip treffen die Maschinen durch Mathematik und Statistik permanent Vorhersagen: Eine Vorhersage, ob ein Produkt gefallen könnte. Eine Vorhersage darüber, ob auf dem Bild eine Katze zu sehen ist. Eine Vorhersage über die wahrscheinlich schnellste Route.

Maschinen rechnen Wahrscheinlichkeiten aus. Je mehr Daten und Training die Systeme haben, desto besser werden sie.

3. Wo liegen die Grenzen des KI-Systems??

Klären Sie mit dem Anbieter wo genau die Grenzen des KI-Systems liegen.

KI-Systeme sind sehr spezialisiert. Sie werden nicht ein einziges mächtiges KI-Tool einsetzen können, welches beispielsweise eine ganze Firma koordiniert und leitet. Dazu sind zu viele verschiedene Fähigkeiten nötig. Heutige KI-Systeme sind in der Regel Hilfestellungen bei routinemäßigen Aufgaben oder Analysen.

Genau wie bei einer KI-basierten Predictive Sales Analytics Software. Die Software erstellt zuverlässige Vertriebsprognosen, wie z.B. welcher Kunde bald abwandert, welchen Preis für welches Produkt am passendsten ist, oder wo es Cross-Selling-Potenziale gibt. Das Vertriebsteam hat jedoch immer noch das Ruder in der Hand und entscheidet selbst, ob und welche Vertriebsaktionen danach folgen. Das bedeutet jedoch auch, dass die Software nicht „von alleine verkauft“.

BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE