(Quelle: stock.adobe.com_Gorodenkoff_ 200146313)
Für den Begriff „Intelligenz“ gibt es keine wirkliche Standarddefinition. Im weitesten Sinne umfasst künstliche Intelligenz jede Technologie, die es Computern ermöglicht, menschliches Verhalten nachzuahmen und menschliches Urteilsvermögen zu reproduzieren oder zu übertreffen, um komplexe Probleme mit minimalem menschlichem Eingriff zu lösen. Künstliche Intelligenz ist ein bekanntes Gebiet der Informatik, das viele Techniken und viele Anwendungen umfasst, die sich mit der Entwicklung der Technologie weiterentwickelt haben. Infolgedessen löst die heutige KI viele Schlüsselprobleme, einschließlich Wissensrepräsentation, Argumentation, Lernen, Planung, Wahrnehmung und Kommunikation und nutzt dabei eine Vielzahl von Werkzeugen sowie Techniken (zum Beispiel: fallbasiertes Denken, regelbasierte Systeme, Multiagentensysteme, Fuzzy-Modelle, genetische Algorithmen) [2]. Signifikante Vorteile liefert der Einsatz von KI in folgenden Anwendungen:
- Erhöhte Effizienz: KI automatisiert Aufgaben, die normalerweise viel Zeit von Menschen erfordern würden.
- Gesteigerte Produktivität: Durch die Automatisierung sich wiederholender Aufgaben ermöglicht die KI den Mitarbeitern, sich auf übergeordnete Aufgaben zu konzentrieren.
- Bessere Entscheidungsfindung: KI liefert Einblicke in komplexe Datensätze und ermöglicht es Unternehmen in der Industrie, fundierte Entscheidungen in Echtzeit zu treffen.
Maschinelles Lernen (ML) ist ein Zweig der künstlichen Intelligenz, der es automatisierten Systemen ermöglicht, aus Erfahrungen zu lernen und sich zu verbessern, ohne explizit programmiert zu werden. Ziel des maschinellen Lernens ist es, aus Beispielen komplexe Modelle zu entwickeln und durch lernende Algorithmen empirisches Wissen zu generieren. Wenn ein Prozess zu komplex ist, um ihn zu analysieren und zu beschreiben, aber genügend Daten verfügbar sind (beispielsweise von Sensoren), ist ML die ideale Lösung.
Data Science ist ein interdisziplinäres Gebiet, das Fachwissen aus Anwendungsdomänen, Programmierkenntnisse und Kenntnisse in Mathematik und Statistik kombiniert, um aussagekräftige Erkenntnisse und Wissen aus strukturierten und unstrukturierten Daten zu extrahieren oder zu extrapolieren [3]. Bild 1 stellt das Verhältnis von künstlicher Intelligenz zu Data Science grafisch dar.