Dieser Beitrag ist Teil der Blog-Serie Effektives KI-Design.
Thema heute: Vorhersagbarkeit und Wahrscheinlichkeit.
In Kürze: Prozesse, die sich oft wiederholen, lassen sich sehr gut mit wahrscheinlichkeitsbasierten Empfehlungen optimieren. Der Einsatz von Machine Learning ist aber nur dann sinnvoll, wenn sich eine Zielgröße prinzipiell vorhersagen lässt. Nicht immer ist dies der Fall.
Soll KI eingesetzt werden ist eine Aufgabenstellung idealerweise vollkommen deterministisch. In diesem Fall lässt sich die Aufgabenstellung perfekt mit KI lösen, sofern genug Lernbeispiele vorliegen, um eine KI umfassend lernen zu lassen. Ein Beispiel dafür ist die Erkennung von Gegenständen in Bildern. Mit genügend Lernbeispielen kann eine KI in der Bilderkennung so verlässlich werden wie ein Mensch.
Im Gegensatz dazu gibt es vollständig durch Zufall geprägte Problemstellungen, wie die Ziehung von Lottozahlen. Unabhängig davon wie komplex eine KI entworfen wird und an wie vielen Lernbeispiele die KI lernt, wird sie nicht in der Lage sein, das Ergebnis einzelner Lottoziehungen auch nur im Ansatz vorherzusagen.
In der Praxis ist es wichtig solche Beispiele im Vorhinein zu erkennen und keine Ressourcen in einen Anwendungsfall zu investieren, der das Ziel hat rein zufällige Prozesse vorhersagen.
Eine hilfreiche und schlichte Leitfrage, um deterministische von rein zufälligen Sachverhalten zu unterscheiden, ist: Könnte ein Mensch eine Problemstellung lösen, wenn ihm genügend Informationen, Sachverstand und Ressourcen zur Verfügung stünden? Ist dies nicht möglich, so wird vermutlich auch eine KI Schwierigkeiten mit der Vorhersage haben.
Dabei ist keineswegs die menschliche Antwort das Maß aller Dinge. Eine KI wird oft die genauere und belastbarere Antwort finden, sobald sehr viele Aspekte zu berücksichtigen sind und Zusammenhänge komplex werden. Dennoch sind Menschen mit ihrem Erfahrungswissen sehr gut in der Lage einzuschätzen, ob eine Fragestellung prinzipiell beantwortet werden könnte oder nicht.
Eine dritte und auch die häufigste Möglichkeit im unternehmerischen Kontext ist eine Kombination aus deterministischer Vorhersagbarkeit und Zufall.
Ein Beispiel für diesen dritten Fall sind Kaufvorhersagen. Auf Grundlage vieler Kundenmerkmale und der Kaufhistorie von Kunden lässt sich mit Hilfe von KI oft sehr gut vorhersagen, für welche Produkte sich ein Kunden interessiert, nicht aber exakt ob der Kunde ein bestimmtes Produkt am nächsten Tag erwerben wird.
In solchen Fällen erzeugen KI-Lösungen Ergebnisse in Form von Wahrscheinlichkeiten. Wahrscheinlichkeiten eignen sich hervorragend, um Prozesse, die sich oft wiederholen, in Summe zu optimieren.
Quick-Check:
Überlegen Sie, ob die geschäftsrelevante Größe, welche mit Hilfe von KI bestimmt werden soll, grundsätzlich vorhersagbar ist. Ist dies nicht der Fall, ist der Einsatz von KI nicht zielführend.
Verwenden Sie nach Möglichkeit aussagekräftigen Daten, die auch ein Mensch nutzen würde, um die Zielgröße Ihrer Lösung zumindest ungefähr vorherzusagen.
Prüfen Sie frühzeitig, ob relevante Daten für Ihre Anwendung prinzipiell verfügbar sind und ob es die Möglichkeit gibt, Zugriff auf diese Daten zu erhalten.
Zur Blog-Serie: Effektives KI-Design
Nächster Artikel: Der richtige Umgang mit Empfehlungen von KI
Leave a Reply