1.5 Beschreibung der Software Landschaft im Umfeld Data Analytics und Artificial Intelligence

Erste Expertensysteme, die bereits in der Lage waren Management Entscheidungen zu unterstützen wurden in dieser Epoche bereits von Edward Feigenbaum vorgestellt, jedoch scheiterte der bahnbrechende Erfolg immer noch an der mangelnden Verfügbarkeit von Rechenleistung.

Einen weiteren Meilenstein markierte 1997 der Supercomputer Deep Blue von IBM, dem es gelang den Schachweltmeister Gary Kasparov zu besiegen. Im gleichen Jahr brachte die Firma Dragon Systems, die erste Software auf den Markt die auf herkömmlichen Windows PCs natürliche Sprache erkennen konnte und die Nutzer dabei unterstützte Sprache direkt in ein Textverarbeitungsprogramm zu diktieren[1]. Vor allem die jährliche Verdopplung der Rechenleistung von Computern die Gordon Moore in seinem Gesetz (Moore’s Law) bereits 1965 formulierte, trug dazu bei, dass immer größere Erfolge in der Anwendung künstlicher Intelligenz gelangen. So konnte auch Google’s Deep Mind mit dem Programm AlphaGo in 2017 Ke Jie den amtierenden menschlichen Weltmeister des mutmaßlich komplexesten Brettspiels Go bezwingen [2].

Im Zeitalter von Big Data gelang der künstlichen Intelligenz dann auch endgültig der Durchbruch, indem die Technologie nicht nur in zahlreiche Geschäftsanwendungen in den Bereichen Marketing, Vertrieb, Corporate Finance Einzug hielt, sondern auch immer mehr in unseren Alltag einfloss. Zur großen Bekanntheit, aber auch kontroversen Diskussionen führte die Anwendung der KI in autonomen Fahrzeugen im Straßenverkehr oder auch in der US-amerikanischen Justiz, da hier erstmals auch ethische Fragen durch die Automatisierung von Entscheidungen aufgeworfen wurden.

Ähnlich wie im Umfeld Data Science begünstigte auch im Umfeld Artificial Intelligence, die freie Verfügbarkeit der Basis Technologien und Algorithmen als Open Source die rasante Erweiterung der etablierten Hersteller wie IBM, Google und Microsoft aber auch das Entstehen zahlreicher neuer Startups. Besonders der Markt für die Verarbeitung von natürlicher Sprache (Natural Language Processing) entwickelte sich schnell durch die steigende Popularität von Chat Bots. Solche Systeme werden von Unternehmen eingesetzt, um Service Anfragen von Kunden kostengünstig und schnell beantworten zu können.

Auch zu Beginn des Ausbruchs der Corona Pandemie 2020 konnten Chat Systeme ihre Leistungsfähigkeit unter Beweis stellen als klassische Call-Center aufgrund der hohen Last der Anfragen zusammenbrachen. Ein eindrucksvolles Beispiel für die automatisierte Beantwortung von Patientenanfragen konnte IBM hier in wenigen Wochen bei der Hotline 116 117 der kassenärztlichen Bundesvereinigung in Deutschland bereitstellen[3].

[1]

Harvard University, 28.08.017

[2] BBC News, 25.5.2017

[3] Sabrina Le Fustec, 14.07.2020