Can Do mit KI auch 2019 voll im Trend

Laut einer aktuellen Studie der Strategieberatung Mc Kinsey von November 2018 zu den 10 wichtigsten Trends von KI werden bis 2030 rund 70 Prozent der Unternehmen KI implementieren. Allerdings darf KI hier nicht als reines IT-Thema angesehen werden, sondern muss in der gesamten Unternehmenstätigkeit Beachtung finden. Dabei reichen die Facetten von KI über technische und methodische Trends hin zu Business Trends und gesellschaftlichen Trends.

Im Bereich der methodischen Trends ist Can Do mit der KI-basierten Software für erfolg-reiches Projektmanagement voll auf Kurs. Denn neben der Analyse einer Vielzahl von Daten bei der komplexen Projekt-planung, die Verfügbarkeiten einzelner Mitarbeiter und deren Fähigkeiten über alle Abteilungen und Standorte hinweg berücksichtigt, zieht die KI von Can Do Schlüsse und spricht Handlungsempfehlungen aus. Als lernendes Expertensystem baut sie zudem Wissen auf und wendet dieses bei der Einschätzung potentieller Risiken an.

Methodische Trends laut Studie von McKinsey

• Neugier durch Curiosity Learning: Algorithmen werden künftig menschliches Lernen nachbilden können. Den Maschinen von morgen wird ein innerer Antrieb gegeben, der sie neugierig auf Überraschungen
  macht und sie dazu bringt, die Welt zu "erkunden".
• Gedächtnis durch LSTM Networks: Mit Hilfe sogenannter Long-Term Short-Term Memory (LSTM, Long Short-Term Memory) werden die Netzwerke zunehmend eine Art Gedächtnis entwickeln, um auf bereits
  Erlerntes zurückgreifen zu können.
• Umgang mit Unsicherheit durch Bayesian Networks: Im Gegensatz zu neuronalen Netzen, die auf Muster- Erkennung mit Massendaten trainiert werden, wird in Bayesian Networks nach dem "warum" gefragt. Somit kann die künstliche Intelligenz Schlüsse ziehen, um sicherere Vorhersagen zu treffen und Wahrscheinlichkeiten zu erhöhen.
  
  
  

Begrenzt wird die KI durch die Grundlagenforschung – und den Transfer in die Praxis. Peter Breuer beschreibt dieses in seinem Beitrag 10-Trends von McKinsey. Die Begrenzung zeigt sich beispielsweise beim selbstfahrenden Auto: Einem Computer beizubringen, die deutschen Verkehrsregeln zu beachten, ist simpel. Ein System zu entwerfen, das etwa nach einer Fahrt über die Landesgrenze die veränderten Bedingungen erfasst, analysiert und das eigene Verhalten anpasst, ist deutlich komplizierter. Wenn Unternehmen das Potenzial künstlicher Intelligenz ausreizen wollen, brauchen sie aber genau solche Systeme, denen der Schritt von statischen hin zu dynamischen Kontexten gelingt. Mit anderen Worten gesagt: Sie müssen lernen!