Inside IONOS

Transkript

Zurück zur Episode

00:00:00: Music.

00:00:07: Künstliche Intelligenz oder kurz KI klingt im ersten Moment nach Science-Fiction.

00:00:11: Und im Computer der versucht die Weltherrschaft an sich zu reißen in der Realität überwiegen aber die positiven Asbeck.

00:00:17: Iki begegnet uns schon jetzt in vielen Bereichen des Alltags z.b. weiß Smart homes in Form von intelligenten Thermostaten oder Lampen

00:00:25: bei der Regulierung des Verkehrsflusses oder dem Management von freien Parkplätzen

00:00:28: und auch personalisierte Empfehlungen beim Online-Shopping oder Streaming und Übersetzungstools im Internet basierend darauf mein Name ist Tilo Hertel und in dieser inside IONOS episode beschäftigen wir uns mit den Themen künstliche Intelligenz und machine learning

00:00:41: wie lassen sie sich definieren welche Vorteile bieten sie und wie setzen wir sie bei IONOS ein Datum begrüße ich Benjamin Scheer RS data scientist bei Jonas und Experte für machine learning

00:00:51: Hallo Benjamin was ist künstlich Intelligenz und was es auf deiner Seite machine-learning gibt es da überhaupt einen Unterschied Hallo Thilo

00:00:59: in der Berichterstattung ist meistens alles KED Betrachtung aus der Perspektive Wissenschaft ist das machine learning ein Teilbereich der KEA künstlichen Intelligenz darstellt KI dass General Software die selbst in der Lage ist Probleme zu lösen

00:01:13: und es gibt verschiedene Bereiche der KI dazu zählen beispielsweise Computerlinguistik Computer wischen oder die Robotik KI ist also der Oberbegriff.

00:01:21: Und machine learning ist ein Teil des Forschungsgebiet künstliche Intelligenz machine learning unterscheiden wir noch mal in supervised learning und an supervised learning.

00:01:30: Grundsätzlich im Geschäftsalltag Kamera sagen machine learning und KI Hinweiston das gleichbedeutende Begriffe verwendet

00:01:36: du hast jetzt gerade von Supervised und an supervised machine learning gesprochen kannst du das kurz erläutern.

00:01:41: Supervised learning und an supervised learning sind eben die zwei Teilbereiche und beim supervised learning ist beim Lernen bekannt was die korrekte Ausgabe des Modells des Wertentwicklung sein soll.

00:01:53: Z.b. haben wir einen Datensatz und ein Beispiel deine Klassifikationen bei man supervised learning geht's daran ohne Label Zettel mit Hilfe von Clustering sind von der Gruppen in daten zu finden.

00:02:04: Clustering das ist jetzt auch schon wieder ein Fachbegriff kannst du das kurz erläutern was du damit meinst

00:02:08: das Ding bedeutet wir haben eine große Menge von Daten der große Punktwolke versuchen Attribute zu finden die bestimmte Gruppen innerhalb dieser Daten beschreiben das Zerstören Kundenstamm betrachten

00:02:18: dass diese Kunden in verschiedene Kategorien unterteilen können beispielsweise Privatkunden Geschäftskunden et cetera.

00:02:24: Wo werden die Grenzen gezogen zwischen künstlicher Intelligenz machine learning und auf der anderen Seite Datenanalyse und Big Data und kannst du vielleicht auch kurz Big Data definieren.

00:02:34: DATA beschreibt erste Mal nur große Datenmengen eigentlich und meistens spricht mit anderen Big Data weil mit so großen Datenmengen zu tun haben dass sie gar nicht mehr in Arbeitsspeicher unseres Computers passen also für andere Methoden brauchen um die komplette Datenmenge zu analysieren.

00:02:48: Beispiel dass wir dann die Daten an diese feinen Cluster durchführen müssen und verteilt rechnen das heißt soviel und Knoten in unserem Cluster

00:02:55: Anteil der Analyse durchgeführt wird der gebnis am Ende wird zusammengefasst werden wenn wir Big Data Technologien und daneben andere Technologien als bei klassischen Datenanalyse wo alle unsere Daten in Hauptspeicher des Rechners passen.

00:03:06: Datenanalyse generell ja das einfach die nähere Betrachtung der Daten mit Hilfe von Methoden aus der Statistik

00:03:11: SZB die Aufbereitung und die Bereinigung der Daten aber auch sind wickeln eines Verständnisses für die Daten an sich diese Schritte sind Grundlage für weitere Schritte Datenverarbeitung wie am Ende zerstören the machine learning vorher steht meistens an Datenanalyse.

00:03:25: Also das heißt es müssen auch erstmal Daten aufbereitet werden um die Maschine am Ende zu füttern die dann selbstständig weiterarbeiten kann mit diesen Datensätzen

00:03:34: genau ein gutes Maschinen leihen ins betreiben und gute Modelle zu entwickeln ist immer wichtig die Daten vorher verstanden zu haben die Daten analysiert zu haben bereinigt zu haben von Ausreißern eventuell befreit zu haben.

00:03:44: Das Trainieren an sich ist er einfach was dafür Standardlösungen Standard Software-Tools gibt eine künstliche Intelligenz wird trainiert das heißt ich zeige Beispiele.

00:03:53: Von meinem Daten aus der Vergangenheit beispielsweise wenn ich jetzt zwischen Betrug und nicht betrug unterscheiden möchte was war ein Betrugsfall was war kein Betrugsfall

00:04:02: und dadurch dass ich der KI im Trainingsprozess diese Beispiele zeige lernt sie sind verschieden Beispiel voneinander zu unterscheiden und lernt aber auch was die Kriterien sind.

00:04:10: Ist Finanz unterscheiden welche Merkmale sind wichtig welches in eher unwichtig.

00:04:15: Wir könnten Maschinen dann in verschiedenste Datenquellen zusammenziehen letzten Endes das Modell trainiert wird müsste aber meistens alle Datenquellen oder alle Daten in Form einer Feature Matrix

00:04:25: vorlegen das bedeutet

00:04:27: ich habe eine Matrix und jede Zeile ist eine Beobachtung z.b. ein Kunde und in den Spalten daneben habe ich alle Attribute zu diesem Kunden aufgeführt beispielsweise welches Produkt hat er.

00:04:38: Wann ist der Kunde geworden wie viel Umsatz macht er und das im Training passiert dann

00:04:42: Basis der einen Feature Matrix und wirst data scientist müssen es natürlich vorher überlegen welche Merkmale wollen wir denn unsere Modell einbringen welche Merkmale sind dann in das Mittel anwenden über verfügt.

00:04:53: Zbl versuchen eine betrügerische Domain zu erkennen wissen wir natürlich im Nachhinein es ist sie gekündigt haben

00:04:59: wenn das mit deiner anwenden wollen wissen wir aber natürlich noch nicht ob es ein Betrüger war oder nicht ob es kündigen werden oder nicht dass solche Daten können uns verspäten nicht verwenden können nur Daten und verwenden die zum Zeitpunkt der Modell Anwendung auch rolligen werden

00:05:12: und mache es auch wichtig die richtigen Merkmal erst zu generieren.

00:05:15: Das Tier aus dem Datum kann ich ja ableiten z.b. ob das Ganze ein Wochentag war oder ein Tag am Wochenende ob das Ganze.

00:05:22: Ein Feiertag war wasserfestes für interessantere.

00:05:25: Merkmal ist als dass der 3. Oktober war es ist solche Faktoren könnt ihr auch mit in die Daten dann mit einbringen oder das wäre was die Interpretation der Daten dann am Ende des dann wieder von Menschen übernommen wird

00:05:37: ja dass die Phase des sogenannten Feature Engineering und man sich eben mit Daten immerhin setzt sich überlegt welche Merkmale und generieren kann ich beschreibe Merkmale mein Bester noch hinzufügt.

00:05:47: Um das Modell drauf zu trainieren kannst du vielleicht eine Unterschied erklären zwischen regelbasierten Werkzeugen und künstlicher Intelligenz.

00:05:55: Meine Antwort wäre in dem Fall regeln kann ich dann einsetzen wenn die Komplexität sich im Rahmen hält nicht dass Menschen an der Lage bin diese Regen eben auch aus den Daten zu erfassen zu analysieren und dann abzubilden eine KI wird immer dann eingesetzt.

00:06:07: Da kann dann eingesetzt werden wenn die Regeln zu komplex werden das heißt ja nicht zu viele Inputfaktoren habe oder.

00:06:14: Wenn die Info Faktoren untereinander korreliert sind dann macht es Sinn machine-learning einzusetzen und diese Regeln den Daten vorhanden sind herauszufinden.

00:06:23: Und Maschinen gebe ich erstmal keine Regeln vor sich zeige nur Beispiele und ich habe das volle Vertrauen dass meine KI die richtigen Regeln finden wird deswegen ist auch so wichtig im Ende zu verstehen warum Modellen Entscheidung getroffen hat und nachvollziehen zu können

00:06:35: was war denn das Entscheidungskriterium was es passiert ganz leicht dass ich Deinen sondern the buyer's einschleicht das wäre Merkmale verwenden und Hörspiel

00:06:43: Menschen sind da scheiden die wir eigentlich nicht verwenden sollten uns unterscheiden wie Geschlecht Herkunft ethnische Zugehörigkeiten RC sowas wollen wir nicht in machine learning Modell als Unterscheidungskriterium haben.

00:06:55: Wie hoch ist die Wahrscheinlichkeit dass ich mit künstliche Intelligenz in Berührung gekommen bin auch wenn mir das nicht bewusst ist in so einer alltäglichen Situation vielleicht.

00:07:02: Machine findest du den meisten digitalen Bereichen des Lebens heutzutage in Sofias die Wahrscheinlichkeit dass du in Berührung gekommen bist dann sehr sehr hoch.

00:07:10: Z.b. in der Google-Suche wird machine learning eingesetzt wenn du einen Newsfeed auf dem Smartphone hast sind diese Inhalte auf dich abgestimmt ein Modell hat gesagt was würde denn dich

00:07:20: am ehesten interessieren wenn du online shopping betreibst wenn die Produkte vorgeschlagen und auch wenn du auf einer Website bist und ein Chatbot benutzt dann steckt dahinter meistens eine KI der Lage ist deine Fragen

00:07:30: würdest gut zu beantworten und auch ganz abseits vom online leben wenn du im Geschäft gehst und dann Produkt kaufen möchtest checke hinter ein Warenwirtschaftssystem und das ist mit hoher Wahrscheinlichkeit auch mit einer KI optimiert worden.

00:07:43: Du hast ja jetzt auch schon viele alltägliche Beispiele genannt da schließlich meine nächste Frage auch gut an welche generellen Vorteile bringt Maschinen mit sich.

00:07:51: Mit Hilfe von KI kann ich vorallem automatisch Software Entscheidungen treffen lassen und zwar auch ganze skalieren ganze vielfach machen und ich setze vor einem KI dann überall ein wo es sehr schwer ist sie Entscheidungsregeln dich dafür brauche.

00:08:03: Encode abzubilden oder selbst zu schreiben

00:08:06: dann trainierte meistens ein Maschinen learning Modell eine kleine KI und baut Inhalt dieses Modells Ergüsse domänenwissen auf um diese Entscheidung treffen zu können natürlich gibt's denn auch Methoden

00:08:15: und wieder nachvollziehen zu können warum ein Modell eine Entscheidung getroffen hat auch dass es ein ganz wichtiger Aspekt dass man immer in der Lage es zu erklären warum ein Modell eine bestimmte Entscheidung getroffen hat.

00:08:25: Treffen denn KI Modelle immer die richtige Entscheidung eine KI wird voran drauf und optimiert möglichst gute Entscheidungen zu treffen aber natürlich passieren auch

00:08:34: Fehler kann entweder sein das schon hin Trainingsdaten Fehler vorhanden sind weil sie jemand falsch gelabelt hat aber auch in unsicheren Situationen kann eine KI vielleicht mal eine falsche Entscheidung treffen

00:08:44: wichtiges dann das Maß Anwender weiß wann es sich eine KI sehr sicher in ihre Entscheidung und wann ist sie vielleicht eher unsicher und dann Entscheidung sollte noch mal geprüft werden.

00:08:52: Taschen Manuel überdacht werden die Entscheidungsfindung hängt auch immer von der Vorbereitung dann ab.

00:08:59: Genau also die meiste Arbeit dann Maschinen learning deckt euch darin die richtigen Trainingsdaten bereitzustellen die Trainingsdaten sauber aufbereitet zu haben mögest fehlerfrei zu haben eigentliche Training des Modells stellt höchstens zehn bis 20% der eigentlichen Arbeit letzten ist da.

00:09:14: Und wie wird jetzt machine learning in Unternehmen eingesetzt in Unternehmen wir da sehr große Bandbreite von machine learning

00:09:22: UKE eingesetzt das reicht von kleinen Modellen die beispielsweise Maschinen überwachen die eine Portion stehen dieses Überwachung die Parameter alle im Rahmen sind ob die Maschine sich in einem

00:09:31: leuchtender guten Zustand befindet bis hin zu großen Sprachmodell die angewendet werden wie z.b. in Chatbots die in der Lage sind Fragen von Kunden automatisiert zu beantworten und Hilfestellung zu geben.

00:09:43: Wie und welchen Bereich setzen wir bei Jonas machine-learning ein.

00:09:46: Steuern absetzen ganz viele Fachbereiche inzwischen KI ein und wir betreiben eine große Anzahl von kleinen und großen KI-System dafür z.b. haben wir Systeme die unsere Mitarbeiter im Support unterstützen dass wir unterstützen Sie dabei

00:09:59: die richtigen Lösungen fürs Kundenproblem möglich schnell aufzufinden wenn der Kunde am Telefon ist.

00:10:04: Und dringend Hilfe benötigt wir haben ein großes System zur braunschen Erkennung von Websites und können wir erkennen das Spiel.

00:10:11: Das Halberstadt ein Friseur ist und ihm helfen dann lokale Sichtbarkeit zu erhöhen

00:10:15: wir machen bedarf forecasting Zeit zu versuchen vorherzusagen welchen Ressourcenbedarf wir z.b. im Support und ein bestimmten Tag haben werden wir

00:10:23: Hamm Systeme die Angriffe auf Login Seiten erkennen es heißt die Systeme erkennen mit der Hilfe von KI unnormale Aktivitäten und schützen somit die Accounts unserer Kunden

00:10:33: benutze KI Auslauf zur Empfehlung von Domainnamen Seife machen den Kunden KI basiert Vorschläge welche Domänen zu deinem Geschäft passen könnte das ist nur eine kleine Auswahl an KI-System des bei IONOS gibt aber man kann grob sagen

00:10:46: unterschiedlichsten Fachbereichen finden wir heute selber Jonas schon ki-systeme und wie profitieren die Janus Kunden konkret davon.

00:10:52: Überall da wo wir uns in Support-Mitarbeiter helfen helfen wir letztens auch dem Kunden das heißt na Schwester Kunde schnell ein Mitarbeiter am Telefon hat was das Support-Mitarbeiter ihm wirklich auch schnell helfen kann und die richtige Lösung für das Problem auf Lager hat.

00:11:05: Wie sieht die Strategie von IONOS im Bereich machine learning aus als zum einen verfolgen der internen zahlreiche ki Projekte im z.b. auch zur betrugserkennung

00:11:14: Bei Domainnamen das heißt versuchen rechtzeitig zu erkennen welche Domains für Missbrauch benutzt werden und versuchen so zu verhindern dass darüber zu Spam verschickt wird oder Phishing-Angriffe passieren

00:11:25: im Bereich Produkte bieten wir aktuell schon fast alles an was der Kunde benötigt und Maschinen war nicht auf die johannesklause betreiben und wenn noch einige Kunden die bereits Jahreskarte für einsetzen machine learning zu machen und ihr Daten dazu analysieren

00:11:36: desweiteren beteiligt sich Jonas an der Initiative 3rx des Bundesministeriums für Wirtschaft und Energie und arianas Cloud stellt dort im Rahmen von 6 Projekt

00:11:44: fast aktueller Service zur Verfügung heißt wir sind der große Infrastrukturanbieter für sechs dieser Projekte ein Beispiel dafür ist Marius Basics ich glaube da

00:11:54: darfst du eine Podcast Folge dazu.

00:11:56: Das versucht man mit der Hilfe von Vermessungsdaten der Meere nutzen Zweiten Weltkrieg aufzuspüren Unterseekabel aufzuspüren und auch sowas wie sie Grasfelder zu finden.

00:12:06: Das Konzept künstliche Intelligenz ist ja schon über 50 Jahre alt aber den Entwicklungssprung hat es ja vor allem in den letzten zehn Jahren ungefähr gemacht

00:12:13: bei mir ein Blick in die Zukunft wagen wie wird sich KI bei IONOS weiterentwickeln wie wird sich allgemein weiterentwickeln und passen so die nächsten Schritte.

00:12:21: Schaust ja richtig viele der heute als state-of-the-art gelten Algorithmen

00:12:24: Sinbad über 20 Jahre alt und sofern keine neue Erfindung mehr in letzten zehn Jahren haben sich vor allem drei Dinge geändert die Rechenleistung hat sich sehr stark erhöht

00:12:34: ja mit GPU zufügen für Training und wir können dadurch komplexere zerstören ein Netz zu trainieren.

00:12:39: Norder Netze sind sehr komplexe Maschinen learning Modelle die häufig mehrere Millionen oder Hunderten von Millionen Parametern haben und entspanne auch große Datenmengen.

00:12:49: Viel Rechenleistung zum trainieren benötigen.

00:12:52: Habt ihr auch viel im Bereich Software getan es gibt inzwischen viele gute Open-Source-Software Pakete für die Entwicklung von machine learning Modellen und das erleichtert.

00:13:00: Fehlenden Zugang zu machine learning und vor allem sehen wir in letzten Jahren jetzt ein Trend der ins sich MA-SHOPS

00:13:06: das heißt es entwickeln sich viele Tools diesen kompletten Lebenszyklus der KI abbilden spricht von der Datenerfassung über die Aufbereitung der Daten des training

00:13:15: bis hin zum deployment der Modelle wo die Modelle wenn der in der Produktion laufen und stabil laufen müssen und das schließt du Moment so die Lücke zwischen den Modellen und den Live-System

00:13:24: bzw data-scientist mir Softwareentwicklung

00:13:28: dann Betriebsteam es und wie Jonas kann man sagen wir sehen das viele Fachbereiche inzwischen Kompetenz im Bereich Datenanalyse und machine learning aufgebaut haben und das im Alltag einsetzen und Entwicklung zwischen auch Produkte die Kunden bei der KI Entwicklung unterstützen

00:13:42: vielen Dank für das Gespräch vielen Dank Thilo ich hoffe wir konnten ihn das abstrakte Thema künstliche Intelligenz machine learning etwas näher bringen

00:13:50: wenn Sie sich etwas mehr mit dem Thema beschäftigen wollen finden Sie im IONOS Titel guide lesenswerte Artikel dazu die wir das schon oft verlinkt haben wenn Ihnen diese Episode gefallen hat und sie ist sicher gehen wollen keine weitere Episode zu verpassen

00:14:02: abonnieren Sie inside Jonas doch direkt unter inside. Ionos.de auf Spotify Apple Podcast oder Deezer

00:14:08: ich freue mich über Bewertungen Anregungen und Kommentare entweder direkt unter dieser Podcast Folge oder per Mail an Podcast IONOS. Com.

00:14:17: Finanztest zuhören und bis zum nächsten Mal.

00:14:19: Music.