Von digitalen Diensten bis hin zu Haushaltsprodukten, an den Begriffen „Künstliche Intelligenz“ (KI), „maschinelles Lernen“ und „Deep Learning“ kommt heutzutage kaum jemand vorbei. Eine Google-Suche nach „Künstlicher Intelligenz“ liefert über 750 Millionen Ergebnisse. Start-ups und Firmen werben weltweit mit diesen Begriffen – wobei sie häufig synonym verwendet werden, was zu Fehlinformation und zu Missverständnissen führt.

Als ein innovatives Beratungs- und Technologieunternehmen mit Fokus auf Data Driven Marketing und Data Science finden wir, dass es an der Zeit ist, diese Begriffe zu klären.

Wir betrachten zunächst eine Grafik, welche uns dabei helfen soll zu verstehen, wie diese Begriffe in Relation stehen:


Chart 1: Data Science Terminologie Mengendiagramm

Künstliche Intelligenz

Künstliche Intelligenz ist ein Oberbegriff für Verfahren, bei denen Maschinen eigenständige Entscheidungen treffen und Aktionen durchführen. Häufig wird dabei versucht aus menschlicher Entscheidungsfindung zu lernen. Dabei wenden Maschinen Algorithmen an. Ein Algorithmus ist eine Menge an Regeln, welche in einer bestimmten Reihenfolge ausgeführt werden müssen. Beispielsweise ist die Anweisung an einen Thermostat die Heizung aufzudrehen, wann immer die Raumtemperatur 20 Grad unterschreitet, ein Algorithmus. Das Programmieren eines Autos für das automatisierte Fahren verwendet viele Gruppen von Algorithmen.

Heutzutage besteht eine immer wiederkehrende Verwechslung zwischen Automatisierung und künstlicher Intelligenz, da KI zunehmend als „Universallösung“ für alles im Marketingtechnologie-Umfeld verwendet wird. Automatisierung ist in der Tat künstliche Intelligenz, da es sich um die Bereitstellung eines Algorithmus handelt, ob komplex oder nicht. Die Hauptwahrnehmung, dass KI „moderne“ prädiktive Datenwissenschaft ist, ist eine Interpretation des Wortes.

Maschinelles Lernen

Maschinelles Lernen ist das wissenschaftliche Gebiet, welches sich mit der Mustererkennung aus Daten befasst. Dabei werden Maschinen nicht explizit programmiert, sondern nutzen statistische Modelle sowie Daten, um auftretende Muster zu lernen. Hierbei hilft ein großer Datenpool. Mit statistischen Lernmethoden und neuronalen Netzen werden Algorithmen beispielsweise darauf trainiert, Gesichter auf Bildern oder auch handgeschriebene Zahlen zu erkennen.


Chart 2. Machine Learning wird genutzt, um handgeschriebene Nummern zu klassifizieren.

Bei Smart Digital programmieren wir Computer, sodass sie Muster erkennen und Entscheidungen treffen, und dadurch Businessziele optimieren. Beispiele hierfür sind die Identifizierung von Website-Usern mit hohem Engagement oder die Vorhersage, wie viele Warenkörbe auf einer E-Commerce-Seite in den nächsten Wochen abgeschlossen werden. Maschinelles Lernen fällt unter die Kategorie künstliche Intelligenz, die Umkehrung gilt allerdings nicht. Der Algorithmus für den oben genannten Thermostat ist beispielsweise regelbasiert und gehört nicht in die Klasse der Algorithmen des maschinellen Lernens. Das maschinelle Lernen vereint Disziplinen aus Mathematik, Statistik und Informatik. Es ist von regelbasierter Automatisierung abzugrenzen.

Deep Learning

Mit Deep Learning (manchmal auch tiefgehendes Lernen) wird eine Teilmenge der Algorithmen aus dem maschinellen Lernen bezeichnet. Genauer steht diese Bezeichnung für künstliche neuronale Netze mit sehr vielen Zwischenschichten, worauf der Begriff „tiefgehend“ hinweist. Ein künstliches neuronales Netz ist eine Klasse von Algorithmen, welche nach dem Vorbild von Neuronen und deren Informationsweiterleitung entwickelt wurden. Ein Beispiel wäre, wie Neuronen im visuellen Cortex Informationen zu höheren Verarbeitungszentren weiterleiten. Durch moderne Computertechnologien entwickelten sich, aus dem ursprünglich eher einfachen algorithmischen Modell, unglaublich komplexe Versionen, welche Gesichter erkennen, mit uns sprechen, oder Sterne am Himmel mittels Smartphones bestimmen können. Mit Deep Learning werden anspruchsvollere neuronale Netze bezeichnet, welche ihre Stärke insbesondere im Bereich der nicht-linearen Gleichungen besitzen. Deep Learning ist ein Teil des maschinellen Lernens, jedoch gibt es Algorithmen des maschinellen Lernens, welche dem Deep Learning nicht zugehörig sind.

Bei Smart Digital benutzen wir Deep Learning beispielsweise, um hoch Affine User zu identifizieren und um Werbung dynamisch auf individueller User ebene zu ermöglichen.

Fazit

Die meisten Marketinganwendungen werden heutzutage mit den Begriffen künstliche Intelligenz, maschinellem Lernen und Deep Learning beworben. In der Realität benutzen dabei auf die ein oder andere Art und Weise fast alle Anwendungen Algorithmen, um einfache Marketingprozesse zu automatisieren, beispielsweise die Personalisierung von Newslettern, was bereits eine Errungenschaft darstellt. Der große Wert von KI, maschinellem Lernen und Deep Learning liegt darin, Daten in Insights, Vorhersagen und Entscheidungen umzuwandeln. Um eine bessere Orientierung für Marketinginstrumente zu bekommen, empfehlen wir, mit Dienstleistern eher über maschinelles Lernen und Deep Learning zu reden, als über künstliche Intelligenz.
Foto: Robynne Hu | Unsplash