General Recognition [Gr]

Was genau leistet das KI-Element?

General Recognition [Gr] erkennt vorher unbekannte Muster beliebiger Modalität, z. B. Zeitreihen, Texte, Bilder oder tabellenorientierte Daten. Das KI-Element erkennt Änderungen im Systemverhalten, Normabweichungen und Abhängigkeiten.

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

Ein wichtiger Anwendungsfokus für General Recognition [Gr] sind Sensordaten unterschiedlicher Quellen, die im IoT-Kontext entstehen. Mit Hilfe von General Recognition [Gr] ist es möglich, Ursachen im Fehlverhalten komplexer Systeme zu finden, versteckte Abhängigkeiten in Prozessen zu entdecken oder vor dem Ausfall von Komponenten zu warnen.

Welche Marktentwicklungen zeigen die Bedeutung des KI-Elements?

Das Internet der Dinge und speziell die Entwicklungen in der Industrie 4.0 haben zu einem raschen Anstieg der Menge von Sensordaten geführt. Eine sinnvolle und effiziente Auswertung dieser Daten kann nur mittels intelligenter Algorithmen realisiert werden. Aktuelle Schätzungen erwarten bis zum Jahr 2025 weltweit 75 Milliarden vernetzte IoT-Geräte.

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

Das Element hat Ähnlichkeit zu Data Analytics [Da]. In Anwendungsfällen wie dem autonomen Fahren oder der intelligenten Produktionssteuerung arbeitet das Element mit Planning [Pl] und Decision Making [Dm] zusammen.

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

Die Fähigkeit des Elements, Daten aus verschiedenen Quellen zu analysieren, erfordert einen großen Ressourceneinsatz. Aus diesem Grund sind vor allem große Unternehmen wie SAP, Microsoft oder Amazon Vorreiter in diesem Bereich. Doch auch kleinere, spezialisierte Firmen wie die RapidMiner GmbH oder die KNIME AG bieten derartige Lösungen und Services für spezifische Industrien und Anwendungsgebiete an. Die Innovationen kommen oft von kleinen Firmen, die von großen akquiriert werden. Maschinenbauunternehmen wie Trumpf mit dem Tochterunternehmen AXOOM schaffen aktuell Integrationsplattformen und Ökosysteme, auf denen zukünftig Anwendungen dieses KI-Elements entwickelt und in industriellen Anwendungen betrieben werden sollen.

Welche wirtschaftliche Bedeutung hat dieses KI-Element?

Das Marktforschungsunternehmen MarketsandMarkets erwartet im Bereich der vorausschauenden Wartung (Predictive Maintenance) ein jährliches Marktwachstum von 28,4 Prozent auf ca. 5 Milliarden US-Dollar bis ins Jahr 2021. Für das Marktvolumen für  Machine Learning sieht Marketsandmarkets einen Anstieg von 1,4 Milliarden US-Dollar im Jahr 2017 auf 8,8 Milliarden US-Dollar im Jahr 2022.

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

Der Anspruch an General Recognition [Gr] ist das Erkennen von Mustern in Objekten unterschiedlicher Datenmodalitäten. Ein Beispiel hierfür wäre die Analyse von Kommunikationsdaten (Textdaten) in Verbindung mit Finanztransaktionen in Zahlungsnetzwerken (Graphdaten), um Betrug oder Geldwäsche zu erkennen. Derzeit sind für solche Szenarien keine anwendungsbereiten Standardlösungen am Markt verfügbar. Vielmehr handelt es sich um maßgeschneiderte Lösungen, die für individuelle Unternehmen und Anwendungsfälle entwickelt werden.

Wer treibt die Entwicklung dieses KI-Elements voran?

Die Grundlagenforschung im Bereich General Recognition [Gr] findet in Universitäten, Forschungsinstituten und Forschungsabteilungen von Unternehmen statt, die sich auf Machine Learning mit multimodalen Daten spezialisiert haben. Dabei wurde u. a. die Anwendung neuronaler Netze auf Daten unterschiedlicher Modalitäten unter dem Begriff Multimodal Deep Learning vorgeschlagen.36 Forschungsergebnisse in diesem Bereich werden z. B. bei der ACM International Conference on Multimodal Interaction oder dem Annual Meeting of the Association for Computational Linguistics vorgestellt. Praktische Anwendungen werden zum einen von Anbietern von Predictive-Maintenance-Lösungen entwickelt. Zum anderen gibt es zahlreiche Lehrstühle, die basierend auf öffentlich verfügbaren oder aus Industriepartnerschaften gewonnenen Daten bestehende Ansätze verbessern oder neue entwickeln.