Künstliche Intelligenz und Compliance - Sicher KI in Kan ... / 2.1 Basisverständnis und Einsatzpotenziale Künstlicher Intelligenz

Es existieren unterschiedlichste KI-Systeme, KI-Techniken sowie KI-Modelle. Für eine stärkere Systematisierung kann man diese grob in regelbasierte KI-Systeme sowie selbstlernende bzw. machine-learning basierte KI-Systeme untergliedern. Regelbasierte KI-Systeme bauen auf den Erfahrungen sowie der Programmierung von Menschen auf und treffen ihre Entscheidungen anhand der eingepflegten Regeln. Machine-learning KI-Systeme oder maschinelles Lernen erlebten durch sog. neuronale Netzwerke einen Entwicklungsschub. Sog. Deep Learning Algorithmen verknüpfen unterschiedliche neuronale Netzwerke miteinander, wodurch große Datenmengen analysiert werden können. Diese Algorithmen basieren auf einem statistischen Ansatz.^[1]

Als Basis für das Anlernen von KI-Systemen dienen große Mengen an Trainingsdaten. Das Anlernen von KI-Systemen kann grob auf zweierlei Weise geschehen: Supervised und Unsupervised Learning. KI-Systeme die einen Supervised Learning-Ansatz verfolgen, werden vom Menschen angeleitet. Beim Unsupervised Learning werden Aussagen aufgrund einer Clusterbildung durch interessante Daten oder nicht normaler Muster getroffen.^[2] Es existieren auch Mischformen zwischen diesen Konzepten. Jedoch ist das Ergebnis der Analyse der Daten und deren anschließenden Aussagen durch KI-Systeme wesentlich von dem Input abhängig, weshalb die Trainingsdaten in einer ausreichenden Quantität sowie Qualität vorhanden sein müssen. KI-Systeme verwenden damit historische Daten und wenden die erkannten Muster auf neue Situationen an (sog. Interference).^[3]

Abbildung 1: KI-Lebenszyklus

Bis zur Entwicklung von KI-Systemen, also den konkreten Anwendungen, durchleben KI-Anwendungen unterschiedliche Entwicklungsstufen, die man als KI-Lebenszyklus bezeichnen kann. Diese Entwicklungsstufen folgen nicht zwingen...