Category Learning [Lc]

Was genau leistet das KI-Element?

Category Learning [Lc] ordnet Daten bestimmten Kategorien zu. Dies geschieht anhand von Merkmalen, die charakteristisch für eine Kategorie sind. Dafür haben sich überwachte (supervised) und unüberwachte (unsupervised) Verfahren etabliert: Im ersten Fall sind Beispiele bereits Kategorien korrekt zugeordnet und können somit als Grundlage zum Erstellen von Klassifikationsmodellen dienen. In diesem Fall sind Menge und Qualität der Kategorien bereits festgelegt, z. B. bei Risikoklassen oder Kundensegmenten. Neue Daten werden ausschließlich diesen Kategorien zugeordnet. Im zweiten Fall liegen lediglich Daten vor, Menge und Eigenschaften der zugrundeliegenden Klassen sind jedoch unbekannt. Diese werden anhand von Ähnlichkeiten in den Eigenschaften der Daten erstellt, z. B. durch Clustering.

Für welche Aufgaben wird das KI-Element in Unternehmen eingesetzt?

Ein Anwendungsszenario für Category Learning [Lc] ist die Schadensklassifikation von Versicherungsfällen. Hier erhält die Software beispielsweise ein Schadensprotokoll in Textform und entscheidet auf Grundlage historischer Schadensfälle, um welchen Schaden es sich handeln könnte. Category Learning [Lc] kann in vielen Branchen an verschiedenen Stellen einer Wertschöpfungskette zum Einsatz kommen, z. B. in der Betrugserkennung, der Kreditrisikoanalyse, der vorausschauenden Wartung, der Prozessüberwachung, bei der Voraussage von Kundenabwanderung oder in der dynamischen Preisbestimmung.

Welche Marktentwicklungen zeigen die Bedeutung des KI-Elements?

Die ständige Verbesserung von Empfehlungsmaschinen und Personalisierungsfunktionen bei Onlinehändlern wie Amazon zeigt die Bedeutung von Category Learning [Lc]. Auf der Data-Science-Plattform Kaggle schreiben Unternehmen regelmäßig hochdotierte Wettbewerbe mit Klassifikationsaufgaben aus. Netflix nutzt ein sehr detailliertes Klassensystem, um Filme und Serien in Mikrogenres einzuteilen.

Wie hängt dieses KI-Element mit anderen im Periodensystem zusammen?

Wie auch Relationship Learning [Lr] ist Category Learning [Lc] ein Element im Periodensystem der KI, das vielfältige Bezüge zu anderen KI-Elementen aufweist. Häufig wird es zusammen mit Data Analytics [Da] eingesetzt, wenn bspw. Daten zu kategorisieren sind, um daraus Schlüsse zu ziehen oder Empfehlungen abzuleiten. Ähnliche Verbindungen gelten zu Audio Recognition [Ar] oder Audio Identification [Ai].

Wer bietet für dieses KI-Element Lösungen auf dem Markt an?

Bei Category Learning [Lc] handelt es sich um ein sehr anwendungsspezifisches KI-Element. Deshalb existieren wenige Standardlösungen. Stattdessen sind auf dem Markt verschiedene Plattformen vertreten, z. B. von Microsoft, Amazon, Google und Facebook, oder auch von Spezialanbietern wie 5Analytics, die im Rahmen ihres Produktportfolios Category Learning [Lc] als Web Service anbieten.

Welche wirtschaftliche Bedeutung hat dieses KI-Element?

Category Learning [Lc] ist Grundlage für viele KI-Anwendungen. Wenn es beim autonomen Fahren um das Erkennen von Verkehrsschildern geht, um das Entdecken von Fehlteilen in Fertigungsprozessen oder das Klassifizieren von Kunden für Vertriebszwecke, kommt das KI-Element zum Einsatz. Entsprechend hoch ist das Marktvolumen dieser Basistechnologie, die Anwendung in zahlreichen Branchen findet. Im Kundenservice und im Callcenterbetrieb wird der Automatisierungsgrad durch den Einsatz von Category Learning [Lc] in den nächsten Jahren weiter steigen. Marketsandmarkets schätzt die Größe des Markts für Callcenter Software im Jahr 2023 auf 35,3 Milliarden US-Dollar.

Welche Hürden zeigen sich beim Einsatz dieses KI-Elements in der Praxis?

Eine hohe Qualität von Category Learning [Lc] kann nur bei ausreichender Datengrundlage erreicht werden. Überwachte Ansätze führen in praktischen Anwendungen häufig zu besseren Ergebnissen als unüberwachte, da diese häufig nicht brauchbare Kategorien erzeugen. Unabhängig davon fehlen für überwachte Verfahren oft die dafür notwendige Datengrundlage und die benötigten Kategorien. Im Nachhinein sind diese nicht oder nur mit erheblichem Aufwand erzeugbar.

Wer treibt die Entwicklung dieses KI-Elements voran?

Die Entwicklung von Category Learning [Lc] fällt in zwei Sparten: Einerseits ist dies die Entwicklung und Verbesserung von Klassifikationsalgorithmen. Dieser Bereich hat akademischen Charakter und findet daher in Universitäten und Forschungsabteilungen großer Unternehmen statt. Die Forschungsergebnisse werden auf Konferenzen wie KDD, WWW, ICML oder NIPS vorgestellt. Andererseits wird durch Unternehmen der Transfer von Category Learning [Lc] in branchenspezifische Lösungen vorangetrieben. Dafür ist jedoch Spezialwissen über eine Fachdomäne notwendig. Daher treiben hauptsächlich größere Unternehmen mit detailliertem Prozesswissen in ihrer jeweiligen Branche die praktische Anwendung von Category Learning [Lc] voran. So versuchen diese etwa, sich mit Plattform-Angeboten im Markt zu positionieren, z. B. mit MindSphere von Siemens oder mit der Farming-4.0-Plattform von Claas.