7 KI/ML-Anwendungsfälle, die Sie beachten sollten

2023 wird wahrscheinlich das Jahr des Durchbruchs für künstliche Intelligenz (KI) und maschinelles Lernen (ML) sein. Einige Branchenbeobachter sagen voraus, dass die jüngsten Durchbrüche der KI zu einer neuen gesellschaftlichen Revolution führen könnten, ähnlich wie die industrielle Revolution, die Erfindung des Internets oder die Einführung des Smartphones. Doch das Jahr 2023 steht nicht für die Erfindung der KI, sondern nur das Jahr, in dem sie dank der ChatGPT-Technologie von OpenAI populär wurde.

Before we go further, let’s define some of these terms. Artificial intelligence refers to computer systems that mimic human thought and decision making. Machine learning algorithms use mathematical formulas to learn from data sets and perform tasks better over time.

While generative AI tool ChatGPT has received much buzz this year, it’s far from the first widespread AI use case. For example, finance and investment trading organizations were early adopters of AI/ML capabilities, using AI/ML to decide when to buy or dump assets on the stock market and other exchanges (otherwise known as high-frequency trading). Other industries have also made widespread use of AI—from the healthcare sector to manufacturing to utilities—and we expect that adoption will only continue to grow. 

Bevor wir fortfahren, sollten wir einige Begriffe definieren. Künstliche Intelligenz bezieht sich auf Computersysteme, die das menschliche Denken und die menschliche Entscheidungsfindung nachahmen. Algorithmen für maschinelles Lernen nutzen mathematische Formeln, um aus einer Datenbasis zu lernen und Aufgaben mit der Zeit immer besser zu bewältigen.

Das generative KI-Tool ChatGPT hat in diesem Jahr zwar viel Aufmerksamkeit erregt, ist aber bei Weitem nicht der erste weitverbreitete KI-Anwendungsfall. So haben beispielsweise Finanz- und Investmenthandelsunternehmen schon früh KI/ML-Funktionen genutzt, um zu entscheiden, wann sie Vermögenswerte an der Börse oder an anderen Handelsplätzen kaufen oder abstoßen sollten (auch bekannt als Hochfrequenzhandel). Auch in anderen Branchen wird KI bereits vielfach eingesetzt – vom Gesundheitswesen über die Fertigungsindustrie bis hin zu Versorgungsunternehmen – und wir gehen davon aus, dass die Akzeptanz weiter zunehmen wird.

7 KI/ML-Anwendungsfälle, die Sie beachten sollten.

Sehen wir uns einige überzeugende Anwendungsfälle an, die sich immer weiter entwickeln.

1. Dokumentenverarbeitung

Die meisten Unternehmen versinken in einer Flut von Dokumenten. Ob es sich um Papierschecks, elektronische Rechnungen oder Barcode-Scans handelt – Unternehmen verbringen häufig eine Menge Zeit mit der Bearbeitung von Dokumenten. Intelligente Dokumentenverarbeitung (IDP) ermöglicht es Unternehmen, Daten im großen Umfang und ohne großen manuellen Aufwand aus Dokumenten auszulesen. Das spart Unternehmen viel Zeit, Mühe und letztendlich Geld. Außerdem verringert sich dadurch die Gefahr menschlicher Fehler, die bei der manuellen Eingabe von Dokumenten auftreten können.

2. Überwachung von Finanzbetrug

Eines der am weitesten verbreiteten KI/ML-Konzepte ist die Erkennung von Anomalien in Datensätzen. Wenn Sie KI mit einer Datenbasis trainieren, kann die KI einen Grundbestand an Verhaltensweisen entwickeln. Wann immer etwas außerhalb der Norm – eine Anomalie – auftritt, kann das System diese Anomalie zur weiteren Analyse vormerken. Finanzinstitute nutzen die Anomalieerkennung während des wichtigen KYC-Prozesses (Know Your Customer), um Transaktionen auf Betrug oder Identitätsdiebstahl zu überprüfen. Wenn zum Beispiel die Kreditkarte einer Person einen großen Einkauf in einem anderen Land anzeigt, der zur gleichen Zeit wie ein Einkauf in ihrer Heimatstadt getätigt wurde, könnte das Unternehmen die Karte sperren und den Einkauf über den Karteninhaber überprüfen.

3. Genehmigung von Krediten und Kreditrisiko

Institutionen des Finanzsektors können KI/ML-Funktionen umfassend nutzen, um die Kreditwürdigkeit und die Risiken bei der Kreditvergabe besser einschätzen zu können. KI kann verschiedene Datenpunkte wie Kredithistorien, Kreditauslastung und Jahresabschlüsse analysieren und so feststellen, ob es eine sichere Sache ist, einem potenziellen Kreditnehmer einen Kredit für eine Kreditkarte, eine Hypothek oder einen Unternehmenskredit zu gewähren. Außerdem kann die KI im Laufe der Zeit Daten analysieren, um potenzielle Muster unter den Ausfallrisiken zu erkennen, die menschliche Analysten sonst vielleicht übersehen würden. Dies verringert nicht nur das Risiko, sondern gestaltet auch die Bearbeitung von Anträgen für Kreditsachbearbeiter und Underwriter wesentlich effizienter.

[ Was kommt als Nächstes im Bereich Compliance auf die Finanzinstitute zu und wie fügt sich KI/ML ein? Lesen Sie außerdem: Die Zukunft der KYC-Compliance: 4 Trends, die Sie beachten sollten. ]

4. Medizinische Bildgebung und Diagnostik

Ein interessanter Bereich, in dem KI/ML verstärkt zum Einsatz kommen wird, ist das Gesundheitswesen. Fachleute aus dem Bereich der medizinischen Bildgebung wie Röntgenassistenten und Ultraschalldiagnostiker werden beispielsweise mehr künstliche Intelligenz nutzen, um potenzielle Probleme in medizinischen Scans von Patienten zu erkennen. Der Einsatz von Maschinen zum Erkennen potenzieller Probleme und die Interpretation der Ergebnisse durch einen Techniker kann genauer sein, als sich ausschließlich auf das fehlbare menschliche Auge zu verlassen. Darüber hinaus werden Ärzte die Angaben der Patienten zu Symptomen nutzen und es der KI ermöglichen, Krankheiten zu diagnostizieren und möglicherweise sogar Behandlungen vorzuschlagen.

5. Kundenservice

Einer der interessantesten Anwendungsfälle für KI/ML ist der Kundenservice. Chatbots können natürliche Sprachverarbeitung (NLP) nutzen, um auf Kundenanfragen zu antworten und andere Arbeitsabläufe im Backend in Gang zu setzen, um die Probleme eines Kunden zu lösen. So könnte der Chatbot beispielsweise Rückerstattungen von geringer Höhe bearbeiten oder E-Mail-Antworten verfassen, die dann von menschlichen Service-Mitarbeitern nur noch überprüft werden müssen. Dies spart den Servicemitarbeitern viel Zeit bei ihrer täglichen Arbeit und verbessert das Kundenerlebnis, so dass Unternehmen die Kundenzufriedenheit langfristig steigern können.

6. Energieprognose

Seit Jahrzehnten arbeiten Versorgungsunternehmen an intelligenten Stromnetzen. Geräte wie etwa intelligente Zähler helfen Versorgungsunternehmen bei der Planung von Spitzenverbrauchszeiten. KI und maschinelles Lernen können historische Daten wie Energieverbrauch, Wettermuster und andere Variablen analysieren, um die Nachfrage besser vorherzusagen. Dadurch können die Betreiber von Versorgungsunternehmen den Energieverbrauch vorhersagen und das Angebot erhöhen, wenn die Nachfrage steigt, ohne das System zu überlasten (oder sie können sich besser auf Ausfälle vorbereiten).

Zudem spielt diese neue Technologie eine wichtige Rolle bei den Bemühungen um Nachhaltigkeit, da KI dabei helfen kann, die Energieeffizienz, den Verbrauch und die Verteilungsmuster zu optimieren und Verschwendung zu vermeiden. Dies trägt auch dazu bei, die Kosten sowohl für Versorgungsunternehmen als auch für Industrie- und Privatkunden zu senken.

7. Supply Chain Management

Die letzten Jahre haben gezeigt, wie anfällig die globalen Lieferketten sind. Die Corona-Pandemie hat das typische Verhältnis von Angebot und Nachfrage auf den Kopf gestellt, was in einigen Gebieten zu Spitzenwerten und in anderen zu Tiefstwerten führte. Es ist schwierig, die Nachfrage allein auf der Grundlage historischer Daten vorherzusagen. Moderne Führungskräfte im Bereich der Lieferkette müssen ausgefeiltere Prognosemethoden für das Supply Chain Management verwenden.

Mit KI/ML-Funktionen können Lieferkettenexperten die Nachfrage anhand von Echtzeitdaten an verschiedenen Datenpunkten besser vorhersagen, um Engpässe zu vermeiden. Sie können KI auch zur Unterstützung bei Aufgaben wie der Preisgestaltung, der Vorhersage von Wettermustern und Routen für Schiffe und Transporte sowie dem Aufbau reaktionsschnellerer Lieferkettennetzwerke mit ihren Lieferanten und Partnern einsetzen.

KI/ML-Funktionen entwickeln sich ständig weiter

Möchten Sie mehr darüber erfahren, wie sich KI/ML in Ihre allgemeine Automatisierungsstrategie einfügt und was für diese Technologien in naher Zukunft zu erwarten ist? Wenn Sie mehr über aufkommende Daten- und Automatisierungstrends erfahren möchten, holen Sie sich den Gartner®-Bericht zu den Trends in der Hyperautomatisierung 2022.

Want to learn more about how AI/ML fits into your overall automation strategy and what’s on the horizon for these technologies? To delve into emerging data and automation trends, get the Gartner® Emerging Tech Impact Radar: Hyperautomation.