Periodensystem der KI

Über das Projekt

Startseite

Jeder kennt das »Periodensystem der Elemente« aus dem Chemieunterricht. Das Periodensystem ist ein intuitiver und schneller »Lego-Baukasten«, der uns unterstützt, komplizierte Zusammenhänge zwischen Bausteinen (Atomen) und Molekülen (Naturstoffe, Steine oder Metalle) intellektuell zu erfassen.

Der amerikanische Informatiker Kristian Hammond hat den Versuch unternommen, eine Lingua Franca für künstliche Intelligenz zu konzipieren. In Anlehnung an die Chemie bezeichnet er sie als »Periodensystem der Künstlichen Intelligenz«.

Das Periodensystem der Künstlichen Intelligenz unterstützt dabei, den Begriff KI auf Geschäftsprozesse abzubilden und ein Verständnis der Elemente aufzubauen – ähnlich wie im Periodensystem der chemischen Elemente. Der Ansatz hilft beim Verständnis und bei der Einschätzung von Marktreife, Aufwänden, benötigtem Maschinentraining sowie Wissen und Erfahrungen der Mitarbeiter.

Künstliche Intelligent wird in diesem Sinne als die Kombination von Grundelementen betrachtet, ähnlich verschiedener LEGO-Steine. Jedes KI-Element repräsentiert eine Teilfunktion, die sich historisch als gekapselte Funktionalität einer bestimmten Komplexität und Mächtigkeit etabliert hat. Definiert werden insgesamt 28 KI-Elemente, die nach generellen Kriterien kombiniert werden können.

Jedes KI-Element fällt in eine von drei Gruppen. Die Auswahl mindestens eines KI-Elements aus jeder Gruppe repräsentiert als »KI-Element-Tripel« den typischen Verarbeitungsschritt eines durch KI getriebenen Anwendungsfalls, nämlich Assess (z. B. die Verkehrssituation um ein Roboterauto in Millisekunden erfassen), Infer (z. B. die Wahrscheinlichkeit eines Auffahrunfalls für die nächsten 3 Sekunden kalkulieren) und Respond (z. B. das Brems- oder Ausweichmanöver des Roboterautos einleiten).

Janis Hecker

Referent Künstliche Intelligenz

Bitkom e.V.

Nachricht senden

Welche Ziele erreicht das Periodensystem der KI?

Das Periodensystem der KI hilft, systematisch über die Einsatzzwecke, Chancen und Risiken von KI zu reflektieren, ohne sich dabei in Diskursen über ihre technische Umsetzung zu verlieren, und erreicht zwei wichtige Ziele:

Ein »Periodensystem« der Elemente ist eine wirkmächtige Metapher. Sie ist jedem geläufig. Jeder versteht die Metapher ohne weitere Einführung und kann sie sofort nutzen.
Die Anzahl von 28 funktionalen KI-Elementen ist überschaubar. Sie lassen sich auch für komplexe Anwendungsfälle der KI in der Diskussion benutzen, zumal meist nur wenige KI-Elemente eine Rolle spielen.

Welche Fragen beantwortet das Periodensystem der KI?

Grundlage des Periodensystems der Künstlichen Intelligenz ist die Erkenntnis, dass die KI für viele Entscheider noch weitgehend eine Terra incognita darstellt. Sie erhalten eine kompakte Navigationshilfe, die Entscheidungen zum Einsatz von KI initiiert, unterstützt und erleichtert. Diese Navigationshilfe bietet Ansätze zum Beantworten folgender Fragen:

Für welche Aufgaben in Unternehmen kann KI sinnvoll eingesetzt werden?
Welche Elemente aus dem Periodensystem der KI lassen einen wirtschaftlichen Nutzen erwarten?
Welche Experten von welchen IT-Dienstleistern und Organisationen der angewandten Forschung können beim KI-Einsatz unterstützen?

Welche Zielgruppe adressiert das Periodensystem der KI?

Die wichtigste Zielgruppe des Periodensystems der Künstlichen Intelligenz sind Entscheider in Unternehmen, die sich mit der Auswahl, der Einführung und dem Betrieb von KI-basierten Systemen konfrontiert sehen. Folgende weitere Zielgruppen sollen aus dem Periodensystem der KI Nutzen ziehen:

Experten aus dem Politikbereich, die die Rahmenbedingungen für den KI-Einsatz gestalten.
Journalisten, die das komplexe Thema der KI ihrer Leserschaft erklären wollen.

Projektteam & Autoren

Projektleitung

Nabil Alsabah | Bitkom e.V.
Lukas Klingholz | Bitkom e.V.
Torsten Hartmann | Avantgarde Labs GmbH
Stefan Holtel | PricewaterhouseCoopers GmbH Wirtschaftsprüfungsgesellschaft

Autoren

Christoph Balada | Technische Universität Ilmenau (Image Recognition [Ir], Image Identification [Ii])
Rupert Steffner | WUNDERAI GmbH (Explanatory Inference [Ei])
Moritz Takaya Shozo | e-bot7 GmbH (Communication [Cm])
Alexandra Bellanova | 5Analytics GmbH (Category Learning [Lc])
Michael Bruss | SemVox GmbH (Language Generation [Lg], Category Learning [Lc], Control [Cn])
Dr. Sebastian Wieczorek | SAP SE (Face Recognition [Fr], General Recognition [Gr], Face Identification [Fi], General Identification [Gi])
Stefan Buchberger | intelligent views gmbh (Synthetic Reasoning [Sy])
Dr. Georg Wittenburg | Inspirient GmbH (Data Analytics [Da])
Dr. Jan Cirullies | Fraunhofer ISST (Planning [Pl])
Dr. Luciano Del Corro | Ambiverse GmbH (Text Extraction [Te], Language Understanding [Lu])
Dr. Reinhard Festag | intelligent views gmbh (Knowledge Refinement [Lt])
Gregor Fuhs | FIR e.V. an der RWTH Aachen (Predictive Inference [Pi], Decision Making [Dm])
Dr. Stefan Goetze | Fraunhofer IDMT (Audio Recognition [Ar], Audio Identification [Ai])
Dr. Thorsten Gressling | ARS Computer und Consulting GmbH (Relationship Learning [Lr])
Torsten Hartmann | Avantgarde Labs GmbH (Audio Identification [Ai])
Maike Havemann | IBM Deutschland GmbH (Speech Recognition [Sr], Speech Identification [Si])
Dr. Johannes Hoffart | Ambiverse GmbH (Text Extraction [Te], Language Understanding [Lu])
Stefan Holtel | PricewaterhouseCoopers GmbH Wirtschaftsprüfungsgesellschaft (Audio Identification [Ai])
Dr.-Ing. Werner Kraus | Fraunhofer IPA (Manipulation [Ma])
Dr. Norbert Pfleger | SemVox GmbH (Language Generation [Lg], Control [Cn])
Yevgen Pikus | Fraunhofer ISST (Planning [Pl])
Dr. Till Plumbaum | Detecon International GmbH (Planning [Pl])
Dr. Gerhard Rolletschek | Glanos GmbH (Language Understanding [Lu])
Dr. Lars Satow | SAP SE (Mobility Small [Ms])
Dr. Igor Schnakenburg | Detecon International GmbH | Digital Engineering Center (Planning [Pl], Problem Solving [Ps])