Künstliche Intelligenz, kurz KI, ist das Schlagwort unseres digitalen Zeitalters. Aber Computer können letztendlich nur so viel Intelligenz besitzen, wie wir Menschen ihnen antrainieren. Unsere Erfahrung zeigt: Die Zusammenarbeit von Mensch und Maschine zahlt sich aus. Wie genau diese Zusammenarbeit funktionieren kann und worin die Vorteile für Sie und Ihre Daten liegen, beleuchten wir hier anhand verschiedener Beispiele, unter anderem aus den Bereichen Produktkategorisierung und Bildannotation. Lesen Sie hier, wie Sie Ihre Datenqualität verbessern können.
Herausforderungen meistern – mit der KI-Mensch-Symbiose
Maschinen haben durch den Menschen schon viel „gelernt“. Laut Paul R. Daugherty und H. James Wilson liegt die Kernkompetenz von Maschinen im Machen: Sie erfassen, vergleichen, suchen und erinnern. Ihnen gegenüber steht der Mensch mit seiner Fähigkeit des Denkens: Kognitive und emotionale Prozesse wie das Beurteilen, Einfühlen, Entscheiden und Erfinden sind seine Stärken.
Computer nehmen uns Menschen heute schon viel Arbeit ab. Sie klassifizieren z. B. Produkte, damit wir diese in Onlineshops anhand bestimmter Suchbegriffe finden können. Tatsache ist aber auch, dass diese automatischen Klassifizierungen noch besser, das heißt genauer werden können. Je nachdem, wen man fragt, ordnen Computer nur ca. 87 Prozent aller Produkte in die passenden Kategorien ein. Das liegt unter anderem daran, dass die Vielseitigkeit der deutschen Sprache oft nicht korrekt erfasst wird. Hinzu kommt, dass automatische Klassifizierer oft nur unzureichend, also mit einer zu geringen Datenmenge, angelernt wurden. Die Folge ist, dass Sie beispielsweise ein Produkt unter bestimmten Begriffen nicht finden können, weil es vom Computer nur unter einigen wenigen Begriffen abgespeichert wurde. Zudem können Medien oft nur ungenau kategorisiert werden – so könnte ein Dokumentarfilm über Pflanzen z. B. fälschlicherweise in der Produktkategorie „Pflanzen“ aufgeführt werden. Die Lösung für diese Herausforderungen: eine enge Zusammenarbeit von Mensch und Maschine. Wie die im Detail aussehen kann, wollen wir im Folgenden anhand von vier Beispielen aus der Praxis erläutern.
Produktkategorisierungen und Chatbots – Algorithmen trainieren
Im Bereich der Produktkategorisierungen können Mensch und Maschine auf zwei verschiedene Arten zusammenarbeiten: Entweder werden automatisierte Klassifizierer durch manuelles Kategorisieren von Produkten neu angelernt. Oder sie werden durch manuelles Überprüfen von automatisch kategorisierten Produkten in ihrer Genauigkeit trainiert.
Stellen Sie sich für den ersten Fall die Kategorisierung von Sportschuhen vor: Der automatisierte Klassifizierer, also der Algorithmus, soll lernen, Sportschuhe anhand von Farbe und Muster zu kategorisieren. Das können Sie ihm beibringen, indem Sie für möglichst viele Sportschuhe zunächst manuell die dominierende Farbe oder das dominierende Muster angeben. Je mehr Sportschuhe Sie manuell kategorisiert haben, desto besser lernt der Algorithmus, was beispielsweise rote Sportschuhe mit Streifenmuster sind. In der Folge kann der Klassifizierer Fotos von Sportschuhen automatisch der richtigen Farbe und dem richtigen Muster zuordnen.
Passieren bei dieser automatischen Zuordnung noch Fehler, können Sie die Produktkategorisierungen manuell überprüfen. Angenommen der Algorithmus hat schwarze Sportschuhe mit roten Schnürsenkeln fälschlicherweise in die Kategorie „rote Sportschuhe“ eingeordnet, können Sie diese Zuordnung manuell korrigieren. Auch hier gilt: Je mehr falsch zugeordnete Produkte Sie korrigieren, desto mehr Daten liefern Sie dem Algorithmus, aus denen er lernen kann.
Auch Chatbots können Sie mit Ihrer menschlichen Expertise anlernen. Wenn der Algorithmus z. B. ein bestimmtes Themengebiet erkennen soll, um das sich eine Frage Ihres Kunden dreht, können Sie solche Chatfragen zunächst manuell auswerten und kategorisieren. So erkennt Ihr Chatbot die verschiedenen Themen immer besser und Sie können Ihren Kunden automatisiert und effizient Hilfe bereitstellen. So wird Ihr Kundensupport bei gleichzeitiger Automatisierung und Zeitersparnis immer zuverlässiger und präziser.
Bildannotation und Prüfen von Belegen – so lernt Ihr Algorithmus
Alle automatischen Abläufe wurden irgendwann einmal vom Menschen ins Leben gerufen. So auch die automatische Bilderkennung, die unter anderem beim autonomen Fahren zum Einsatz kommt. Hier kommt es darauf an, dass Algorithmen in der Lage sind, eine Vielzahl von Verkehrssituationen zu erkennen, um angemessen darauf zu reagieren. Das fängt bei grundlegenden Zuordnungen von Verkehrsteilnehmern bzw. Gegenständen an: Menschen, Ampeln, Verkehrsschilder und Fahrzeuge müssen zuverlässig erkannt und unterschieden werden. Ähnlich wie bei den Produktkategorisierungen und Chatbots ist auch hier der Mensch mit seiner Expertise gefragt und kann Algorithmen hinsichtlich der korrekten Bilderkennung anlernen und korrigieren. So lange, bis der Algorithmus in der Lage ist, automatisiert zu handeln. Auf diese Weise kann das autonome Fahren durch die Zusammenarbeit von Mensch und Maschine Wirklichkeit werden.
Ein weiteres Feld, auf dem die Zusammenarbeit von Mensch und Maschine gefragt ist, ist das der Cashback-Systeme. Hier gibt es Apps, die Kassenbons mittels optischer Zeichenerkennung (OCR) auswerten. Jedoch können durch diesen Algorithmus nicht alle Daten zuverlässig erfasst werden. Eine Herausforderung besteht z. B. darin, Fälschungen zu erkennen. Hier kommt das menschliche Sehvermögen ins Spiel, wodurch eingereichte Kassenbons überprüft werden können. Die perfekte Zusammenarbeit von Mensch und Maschine.
Fazit: Mensch und Maschine für sich genommen erreichen viel, doch gemeinsam erreichen sie noch viel mehr. Algorithmen, die automatisiert arbeiten, ersparen Ihnen viel Zeit. Damit Ihre automatisierten Klassifizierer, Chatbots, Bilderkennungs- oder Cashback-Systeme präzise und zuverlässig arbeiten, können diese manuell angelernt und trainiert werden. Der Mensch ist hier die perfekte Ergänzung zur Maschine, indem er automatisierte Abläufe durch seine Expertise optimiert. So sind Algorithmen immer besser dazu in der Lage, Dinge automatisch zu erfassen, zu vergleichen, zu suchen und zu erinnern.
Um den Lernprozess Ihrer Algorithmen bei gleichzeitig hoher Qualität zu beschleunigen, können Sie auf unsere Crowd zurückgreifen. Unsere Gurus bearbeiten große Datenmengen in kleinen Einzelschritten, sodass Ihr Auftrag innerhalb weniger Stunden oder Tage ausgeführt werden kann. Auf diese Weise sparen Sie wertvolle Zeit und Mitarbeiterkapazität, und trainieren nebenbei Ihre Algorithmen – für bessere Datenergebnisse. Bei Fragen und für weitere Informationen sprechen Sie uns gerne an.
Autorin: Katharina Strauß
