KI-Wissen für Ingenieure (Teil 1) KI-Grundlagen: Wie lernen Maschinen in der Fabrik das Denken

Mit diesem Einstieg in industrielle KI möchten wir Ihnen die Grundlagen und Begrifflichkeiten näherbringen, sodass Sie im beruflichen Alltag mit „Machine Learning“, „Deep Learning“, „Token“ oder „Data Augmentation“ souverän rhetorisch jonglieren können.

Wer 20 Personen bittet, künstliche Intelligenz (KI) zu definieren, erhält meist 20 unterschiedliche Antworten. Sebastian Maier kennt dieses Problem aus seinem Alltag. Er arbeitet als Wissenschaftler am Fraunhofer IGCV und als KI-Trainer am Mittelstand-Digital Zentrum Augsburg. Die Wissenschaft formuliert es oft sehr allgemein: KI befähige einen digitalen Computer, Aufgaben zu erfüllen, die üblicherweise ein intelligentes Wesen löst. „Laut dieser Definition wäre ein Taschenrechner künstliche Intelligenz“, verdeutlicht Maier, warum diese Worte zu kurz greifen.

Um das Thema wirklich zu greifen, müssen Fachleute Technologie wie Terminologie exakt abgrenzen. Während Data Science primär versucht, Wissen aus vorhandenen Daten zu filtern, geht das maschinelle Lernen einen Schritt weiter. Hier scheitern herkömmliche statistische Verfahren oft, besonders wenn Algorithmen extrem umfangreiche oder hochkomplexe Informationen verarbeiten sollen. Deswegen unterscheiden wir zunächst unter den folgenden Begriffen: