Quelle: Freepik
Mehr und mehr erhält Künstliche Intelligenz (KI) an Bekanntheit. Nicht zuletzt durch technische Neuerungen, wie ChatGPT. Neben der Forschung bedienen sich langsam auch fachfremde Menschen der nützlichen Eigenschaften der Künstlichen Intelligenz.
Du willst mitreden? Wir erklären dir die Eigenschaften der Künstlichen Intelligenz und wie du diese in deinem studentischen Alltag einsetzen kannst.
Was ist Künstliche Intelligenz?
Grob gesagt, ist das Merkmal künstlicher Intelligenzen wiederholende Muster zu erkennen. Künstliche Intelligenzen können Datensätze innerhalb von Sekunden auswerten und ihr Verhalten an verschiedene Situationen anpassen.
Die Künstliche Intelligenz gehört zur Informatik. Künstliche Intelligenz wiederum lässt sich in unterschiedliche Bereiche unterteilen. Ein typischer Schwerpunkt von Künstlicher Intelligenz ist das Maschinelle Lernen.
Maschinelles Lernen
Maschinelles Lernen macht aktuell den Hauptteil der KI aus, die heutzutage bereits im Alltag eingesetzt wird. Zentral ist dabei das Trainieren von Computern. Dafür wird der Computer mit Daten gefüttert, mit denen die Künstliche Intelligenz Erfahrungen sammelt. Nach erfolgreicher Umsetzung werden die Erfahrungen für eine stetige Verbesserung des Computers benutzt.
Das allgemeine Ziel von Künstlichen Intelligenzen ist das Lösen einzelner Anwendungsprobleme durch Algorithmen. Die Algorithmen werden so angepasst, dass sie ein Anwendungsproblem lösen können. Die Lernmodelle ähneln dabei dem menschlichen Denken. Diese lassen sich in drei Gruppen unterteilen: Supervised Learning, Unsupervised Learning und Reinforcement Learning.
Supervised Learning – Klassifizierung von Daten
Beim Lernmodell „Supervised Learning“ werden bekannte Eingabedaten und dazugehörige Reaktionen benutzt. Der Algorithmus lernt daraus das gewünschte Verhalten. Beispielsweise kann das Supervised Learning dann zur Schätzung von Immobilienpreisen genutzt werden. Ganz klassisch: Das Lernmodell kann auch auf Klassifizierungen trainiert werden. So kann anhand von Datensätzen der Computer lernen, selbstständig den Unterschied zwischen Katze und Hund zu erkennen.
Unsupervised Learning
Beim Lernmodell „Unsupervised Learning“ werden keine bekannten Eingabedaten mit dazugehörigen Reaktionen verwendet. Der Algorithmus muss eigenständig Muster und Strukturen in den Daten erkennen, ohne dass ihm die richtigen Antworten vorgegeben sind. Das Unsupervised Learning eignet sich besonders gut für Aufgaben wie die Clusteranalyse, bei der ähnliche Datenpunkte in Gruppen zusammengefasst werden. Es kann auch verwendet werden, um Anomalien oder Ausreißer in den Daten zu identifizieren. Im Gegensatz zum Supervised Learning, bei dem ein klares Ziel vorgegeben wird, ist das Unsupervised Learning flexibler und kann neue Zusammenhänge und Erkenntnisse aus den Daten gewinnen, die zuvor nicht bekannt waren.
Reinforcement Learning – Belohnung als Ansporn
Beim Reinforcement Learning lernt der Algorithmus durch Erfahrungen und Interaktion mit seiner Umgebung. Ähnlich wie beim Gehirn, erhält der Algorithmus positive Rückmeldung, in Form einer Belohnung, falls dieser korrekte Ergebnisse liefert. Dabei eignet es sich besonders für Simulationen oder automatisierte Umgebungen. Ein Beispiel dafür ist die Zeitplanerstellung und Aufwandsschätzung in Projekten.
Einsatz der KI im Hochschulalltag
Typischerweise ist einem die Künstliche Intelligenz aus großen Forschungsprojekten bekannt. Doch wird nicht nur an der KI an sich geforscht. Eigenschaften der KI lassen sich auch auf andere Gebiete anwenden. Das hat sich beispielsweise die Projektplanung zu eigen gemacht – diese lassen sich auch auf den studentischen Alltag übertragen.
In gemeinsamen Projekten vom Studierenden kann so beispielweise die Dauer eines Projektes genau ermittelt und überwacht werden. Bei Änderung von Faktoren ist dann automatisch eine Neuberechnung der Projektdauer möglich.
Dasselbe Prinzip lässt sich auf die Ressourcen eines Projektes anwenden: Sollten sich Änderung in den Ressourcen ergeben, kann die KI automatische Anpassungen vornehmen.
Außerdem lassen sich wiederkehrende Aufgaben automatisch erledigen und anpassen. Das kann zum Beispiel die Erstellung von Zeitplänen, die Schätzung eines Aufwands sein oder die Zuordnung von Ressourcen. Die Künstliche Intelligenz ist also dabei eine Lösung für routinemäßige Aufgaben. Der Vorteil der Übernahme routinemäßiger Aufgaben liegt dann in der Zeitersparnis.
Software für die Anwendung in Projekten befindet sich bereits auf dem Markt. Ein Beispiel hierfür sind konkrete KI-Tools, die den Studierenden ermöglichen, Künstliche Intelligenz in ihren Projekten einzusetzen. Ob es um die Schätzung von Immobilienpreisen, die Analyse großer Datensätze für wissenschaftliche Forschung oder die Automatisierung von wiederkehrenden Aufgaben geht, diese Tools bieten praktische Anwendungen und ermöglichen den Studierenden, das Potenzial der Künstlichen Intelligenz voll auszuschöpfen. Auch wenn der Markt noch keine allumfassende Lösung bietet, ist davon auszugehen, dass die Künstliche Intelligenz immer wichtiger wird und das Arbeiten in Projekten weiterhin erleichtern wird.
Verantwortlich für die Inhalte dieses Beitrags sind Malak Mostafa und Madeline Lebrun.
Quellen:
[1] https://www.projektmagazin.de/artikel/kuenstliche-intelligenz-ki-projektmanagement
[2] https://datasolut.com/wiki/unsupervised-learning/
