Gastbeitrag

KI in Forschung und Entwicklung

Andreas Becks ist Head of Customer Advisory, Artificial Intelligence, bei SAS DACH.

Egal, in welcher Branche man sich umhört – der Einsatz künstlicher Intelligenz und die daraus resultierenden Möglichkeiten beherrschen überall den Diskurs. Auch in Forschung und Entwicklung gibt es bereits Beispiele, die das enorme Innovationspotenzial von KI und Technologien wie Machine Learning illustrieren. Doch KI ist weder Selbstläufer noch Allheilmittel: Wenn sie einen tatsächlichen Mehrwert bringen soll, gilt es, einige Aspekte zu beachten.

von: Andreas Becks

Was nur wenige wissen: Der Begriff, über den aktuell so leidenschaftlich debattiert wird, wurde ursprünglich bereits 1956 geprägt. Damals weckten frühe Arbeiten zu neuronalen Netzen die Begeisterung für „denkende Maschinen“ und stießen erste Diskussionen zum Thema künstliche Intelligenz an. Deren Definition hat sich seit 60 Jahren nicht geändert, es geht im Kern um die Wissenschaft, Maschinen zu trainieren, die menschliche Aufgaben erfüllen können. Durch Technologien wie Machine Learning können Algorithmen im Zeitalter von Big Data auf Basis umfangreicher Datenanalyse zudem ständig dazulernen, sich verbessern und so immer weiterreichende und komplexere Arbeitsaufträge erledigen. Dabei sind die Einsatzmöglichkeiten gerade im Bereich Forschung und Entwicklung vielfältig und erstrecken sich über nahezu alle Branchen.

Big Data for Small Babies – wie KI und ML die medizinische Versorgung von Neugeborenen optimieren

Zwei Beispiele aus der Medizin zeigen, wie der Einsatz von KI-gestützter Analytics Mediziner*innen und Forscher*innen dabei unterstützt, Leben zu retten und zu schützen: Auf der Neugeborenen-Intensivstation eines Krankenhauses in North Carolina wurde auf Basis zahlreicher klinischer Daten eine diskrete Ereignissimulation entwickelt, die eine virtuelle Intensivstation modellierte. Das Modell erkannte, dass die häufigste Todesursache der Neugeborenen und Säuglinge eine entzündliche Darmerkrankung war, die zwar behandelbar ist, oft jedoch zu spät erkannt wird. Mithilfe von Machine Learning, Textmining und intelligenter Bilderkennung konnten die Mediziner so ein Vorhersagemodell entwickeln, das erste Symptome des Krankheitsbilds frühzeitig erkennt und so die Überlebenschancen der Neugeborenen erhöht.

Das Universitätsklinikum in Utrecht greift in einem ähnlichen Zusammenhang auf künstliche Intelligenz und Machine Learning zurück. Auch hier macht man sich den Umstand zunutze, dass auf der neonatologischen Station dank der dauerhaften Überwachung der Säuglinge eine große Menge an Daten erhoben wird. Die Mediziner*innen werten diese Daten aus und können so eine fundierte Entscheidung darüber treffen, wie die Neugeborenen optimal behandelt werden sollten. Und das mit Erfolg: Dank der mittels KI entwickelten Modelle konnten die Ärzt*innen nicht nur feststellen, dass 60 Prozent der Babys unnötig Antibiotika verabreicht bekamen, sie konnten außerdem mit 90-prozentiger Wahrscheinlichkeit das Auftreten von Bakterien voraussagen, die eine Sepsis auslösen und so dauerhafte Schäden verursachen oder sogar zum Tod führen können.

Welche Herausforderungen KI lösen kann – und welche nicht

Diese Beispiele geben einen Ausblick auf die Möglichkeiten, die künstliche Intelligenz in Zukunft eröffnen kann. KI und Technologien wie Machine Learning ermöglichen Entwicklern und Forschern wissensbasierte Entscheidungen, doch sie sind keine Selbstläufer. Damit sie in realen Anwendungsszenarien einen echten Mehrwert bringen können, gilt es, einige Aspekte zu beachten.

  1. KI-Lösungen sind nur so gut, wie die Daten, die ihnen zur Verfügung gestellt werden. Der große Vorteil von KI und Machine Learning liegt in der Fähigkeit der Systeme, dazuzulernen und sich weiterzuentwickeln. Doch genau wie beim Menschen hängt die Qualität des Ergebnisses immer von Umfang und Güte des Inputs ab, auf dessen Basis dieser Lernprozess stattfindet. Wer seinem Algorithmus zu wenige oder lückenhafte Datensätze zur Verfügung stellt, kann nicht erwarten, dass KI diesen Mangel an Information ausgleicht.
  2. KI kann vorhandene Modernisierungsrückstände nicht kompensieren. Forschung ist per definitionem innovationsgetrieben und prägt moderne Entwicklungen in Wirtschaft, Gesellschaft und Wissenschaft. Gibt es hier Defizite und laufen Prozesse nicht effizient ab, dann kann das auch der Einsatz von künstlicher Intelligenz nicht ändern. Im Gegenteil – potenzielle Probleme können auf diese Weise sogar noch verstärkt werden.
  3. Auf den Menschen kommt es an. KI ist immer nur Werkzeug und unterstützendes Element für Forscher*innen und Entwickler*innen. Und auch wenn Algorithmen in der Lage sind, sich durch Lernen weiterzuentwickeln, führen sie letztlich „nur“ automatisierte Prozesse aus und haben quasi eine „Inselbegabung“ für das Gebiet, in dem sie trainiert und eingesetzt werden. Der kreative Input muss vom Anwender kommen. Das wiederum setzt ein grundsätzliches statistisches Verständnis voraus. Diese Erkenntnis hat beispielsweise die Columbia University in New York veranlasst, 2012 das interdisziplinäre Data Science Institute ins Leben zu rufen. Hier werden allen Studierenden der Hochschule grundlegende Kenntnisse zum Umgang und Arbeiten mit Daten vermittelt.
  4. Künstliche Intelligenz hilft dabei, „erfolgreich“ zu scheitern. Keiner Innovation liegt ein durchweg erfolgreicher Entwicklungsweg zugrunde. „Trial and Error“ ist eines der elementaren Grundprinzipien von Forschung – und daran wird auch KI nichts ändern. Sie kann aber dafür sorgen, dass der Prozess des Scheiterns und die entsprechende Anpassung und Verbesserung einer neu entwickelten Lösung schneller ablaufen, was die Time-to-Market letztlich erheblich verkürzt und Kosten spart.

Fazit

KI und Machine Learning werden Forschung und Entwicklung ohne Frage nachhaltig verändern. Sie unterstützen Expert*innen durch die Automatisierung von Prozessen und ermöglichen ihnen so, sich auf die wesentlichen Fragen ihres Forschungsgegenstands zu konzentrieren. Doch die Technologien alleine sind kein Erfolgsgarant. Mangelnde Modernisierung lässt sich durch künstliche Intelligenz ebenso wenig ausgleichen wie mangelnde Verfügbarkeit oder Qualität von Daten. Was KI leisten kann und ob sie einen tatsächlichen Mehrwert bringt, hängt von einer ganzen Reihe begleitender Faktoren ab. Zentral und entscheidend für den Erfolg ist nach wie vor der Mensch. Nur wer das „kleine statistische Einmaleins“ beherrscht und grundsätzliche Kenntnisse über den Umgang mit Daten besitzt, kann künstliche Intelligenz in vollem Umfang einsetzen und so für sich und seine Forschung einen echten Mehrwert nutzen.

Weitere Artikel

Digitale Zwillinge werden Realität

PLM-Systeme liefern historische Daten, auf Basis derer ein…

Weiterlesen
 © BRZ_Klaus Vyhnalek

„Blick aus User-Sicht ist entscheidend“

Das BRZ ist ein wichtiger Partner in der weiteren…

Weiterlesen

Die Zukunft aller Digitalisierungsprojekte

Der digitale Zwilling ist der Grundpfeiler aller…

Weiterlesen
Credit: SEPPmail-Deutschland

Land Oberösterreich setzt auf E-Mail-Verschlüsselung von SEPPmail

Die E-Mail ist im Verwaltungsalltag in Organisationen und…

Weiterlesen
Credit: Jana Krippel

Mehr als ein Jahr DSGVO: Ist der Sturm vorübergezogen?

Die Einführung der neuen DSGVO-Richtlinien vor etwas mehr…

Weiterlesen
Credit: Michael Dürr

„Es kann jedem passieren“

Markus Endres und Aleksandar Lacarak, Mitbegründer des…

Weiterlesen
Credit: Syngroup

Digitaler Schub

Die digitale Transformation benötigt in vielen Bereichen…

Weiterlesen
Grafik: Verlag Holzhausen GmbH

Integration der Zeitschrift "Monitor" in "Austria Innovativ"

Nach reiflicher Überlegung haben wir uns entschlossen, die…

Weiterlesen
Credit: Schulamt St. Pölten

Selfservice statt Zettelwirtschaft

Mit einer neuen Softwarelösung hat das Diözesan-Schulamt St.…

Weiterlesen
Credit: Fotalia

Die sichere Datenwolke

Die Cloud bietet viele Vorteile wie höhere Flexibilität zu…

Weiterlesen
Credit: A1 Digital

Über die technologische Seite hinaus denken

Die Digitalisierung nimmt in Österreich an Fahrt auf, weiß…

Weiterlesen
Foto: Universität Innsbruck

ERP Future Business 2019

Auf der Fachmesse stellen die teilnehmenden Anbieter von…

Weiterlesen
Bild: Eva Puella Photography

Markus Neumayr ab 2019 alleiniger Geschäftsführer

Zwanzig Jahre lang standen Firmengründer Univ.-Doz. Dr.…

Weiterlesen
Bild: UBIT

IKT Statusreport #4 zeigt akuten Handlungsbedarf

Konkrete Maßnahmen bei Informatikstudierenden und…

Weiterlesen
Bild: IGEL

Never change a winning team

Bei den Kursen des ICGEB in Triest kommen Studenten aus den…

Weiterlesen
Bild: NTT Security

5 Schritte für hohe Datensicherheit in der Cloud

Die Verlagerung von Geschäftsprozessen und Applikationen in…

Weiterlesen
Bild: CyberArk

DevOps-Risiken werden unterschätzt

Unternehmen nutzen verstärkt DevOps-Modelle für die…

Weiterlesen
Bild: presono/Anzhelika Kroiss

Ex-Microsoft Manager Keller wechselt zu presono

Lukas Keller geht als als neuer CEO zum 2015 in Linz…

Weiterlesen
Bild: Otago

Otago expandiert weiter

Bei der Wiener Online Consulting Agentur Otago stehen auch…

Weiterlesen
Bild: Grabher

Schneelast-Sensor kann Leben retten

Ein textiler Schneelast-Sensor ist weltweit erstmals in…

Weiterlesen