Blick hinter die Kulissen: Wie entsteht eine KI – Teil 2
Du möchtest eine eigene künstliche Intelligenz entwickeln lassen, doch weißt nicht, wie das überhaupt abläuft? Heute öffnen wir den Vorhang und ermöglichen dir einen Einblick in unsere Arbeitsweise.
In diesem Beitrag werden wir die konkreten Entwicklungsschritte bei der Erstellung einer Software mittels künstlicher Intelligenz erläutern. In dem ersten Teil dieser Serie haben wir die Strategie vom Konzept hin zum finalen KI-Produkt erklärt.
Die Entwicklung einer künstlichen Intelligenz
Anwendungsfall und Problemstellung
Wie schon zuvor beschrieben, geht es in diesem Schritt darum, das Problem bis ins kleinste Detail zu verstehen. Hierbei wird allerdings der Fokus auf die technischen Aspekte gelegt, in der Konzeption spielen z. B. auch Themen wie die Nutzersicht eine große Rolle.
Die richtigen Daten für ein KI-Produkt
Ein entscheidender Faktor für eine funktionierende KI und somit einem erfolgreichen Produkt ist die Basis der Daten, mit welcher diese KI erstellt wird. Selbst zwei auf den ersten Blick identische Problemstellungen können sich in den dazu benötigten Daten erheblich unterscheiden.
Als Beispiel wieder die Fahrzeugerkennung: Hierbei ist es entscheidend, mit welchem Datenmaterial die KI später einmal funktionieren soll. Wird die KI hauptsächlich mit Daten aus der Vogelperspektive (wie z. B. durch eine Smart Drone) versorgt, so muss auch das Datenmaterial bei der Erstellung diesen Schwerpunkt widerspiegeln. Bei einer Erkennung bei Grenzkontrollen oder an Schranken hingegen wird überwiegend Datenmaterial von vorn oder hinten benötigen, um gute Ergebnisse zu erzielen.
Das notwendige Datenmaterial kann auf verschiedenen Wegen entstehen. Entweder wird auf bereits vorhandenes Material zurückgegriffen oder es wird neues Material gesucht und gesammelt oder generiert.
Liegen ausreichende Daten für die Erstellung der KI vor (wobei auch die genaue Menge stark vom Problemfall abhängt), so müssen diese Daten einzeln „gelabelt“ werden. Dies ist ein Prozess, bei welchem die Daten mit den notwendigen Informationen für das spätere Training der KI versehen werden. Solche Informationen können z. B. die verschiedenen Marken und Modelle bei einer Fahrzeugerkennung sein.
Gerade der Prozess des „Labelns“ hat wieder einen entscheidenden Einfluss auf die Qualität der entstehenden KI-Lösung. Falsch gelabelte, doppelte oder ungleich gewichtete Daten können die Erkennungsrate der künstlichen Intelligenz erheblich verschlechtern. Mehr zu diesem Thema haben wir in unserem Beitrag „Was macht ein gutes Datenset aus?“ erklärt.
Die KI-Architektur und das Training
Jede KI hat ihre eigene, auf das Problem zugeschnittene Architektur. Die Anzahl, Art und Größe der sogenannten „Layer“, aus welchen eine künstliche Intelligenz aufgebaut ist variiert stark – je nach Komplexität des Problems. Hier ist einiges an Erfahrung nötig, um die korrekte Architektur zu erstellen, aber auch trotz Erfahrung sollten hier immer verschiedene Ansätze getestet werden, um eine optimale Lösung zu entwickeln.
Nach dem Erstellen der Architektur beginnt das Training der KI. Dies ist der Prozess, bei welchem die Magie entsteht: Die KI lernt selbstständig eine Lösung für das jeweilige Problem zu entwickeln. Hierbei wird das Netzwerk (ein anderer Name für die KI-Architektur) mit den zuvor gesammelten und gelabelten Daten gefüttert. Über zahlreiche Wiederholungen hinweg lernt die KI die Eigenschaften der Daten kennen und lernt mit diesen umzugehen. Allein der Trainingsprozess für sich stellt eine eigene Wissenschaft dar, wir werden darauf in einem späteren Beitrag nochmals detaillierter eingehen.
Verbesserungen der künstlichen Intelligenz
Während und nach jedem Training wird die KI mittels eines zuvor erstellten Testsets aus Datenmaterial getestet und anhand ihrer Qualität beurteilt. Ist diese nicht ausreichend, so muss man einige der zahlreichen Stellschrauben (Datenset, Architektur, Trainingsalgorithmen…) anpacken und verändern, in der Hoffnung, dass diese Änderung ein Schritt in die richtige Richtung ist.
Dieser Prozess ist allerdings (momentan) selbst in der Forschung und Wissenschaft noch ein großes Thema und man spricht häufig von einer „Blackbox“, da man nie genau sagen kann, welche Auswirkungen die Änderungen auf die Qualität der KI haben. Hierbei ist einiges an Erfahrung notwendig, um diese Auswirkungen abschätzen zu können, aber ein Großteil bleibt hier das ausführliche Testen einzelner kleiner Schritte.
User Interface – eine KI bedienbar machen
Damit die entwickelte KI-Lösung auch zielführend eingesetzt werden kann, ist ein geeignetes User Interface notwendig. Hierbei ist es wie schon zu Beginn erklärt enorm wichtig, dass man die Anwendung aus Sicht des endgültigen Benutzers betrachtet. Die Software muss nicht nur hübsch sein und den Entscheider überzeugen, sondern vor allem dem Anwender die Arbeit erleichtern und so ihren eigentlichen Zweck erfüllen.
Die Auslieferung des KI-Produktes
Nachdem man die künstliche Intelligenz zusammen mit einem gut bedienbarem User Interface zu einem fertigen Produkt verbunden hat, muss dieses ausgeliefert, eingerichtet und dem Anwender zugänglich gemacht werden.
Alle unsere Produkte stehen nach dem Plug-and-play-Prinzip on premise zur Verfügung. Darüber hinaus stellen wir unseren Kunden alle unsere Lösungen auch als Software as a Service (SaaS) in der Cloud zur Verfügung. Außerdem legen wir sehr großen Wert darauf, dass unsere Produkte plattformunabhängig entwickelt werden und sowohl auf High-End-Geräten als auch auf weniger leistungsstarken Geräten z. B. auf Kameras direkt zum Einsatz kommen können.