Grundlagen Künstlicher Intelligenz - Webinar des Business Engineering Institute St. Gallen Competence Center Ecosystems St. Gallen, 29. April 2020 ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Grundlagen Künstlicher Intelligenz Webinar des Business Engineering Institute St. Gallen Competence Center Ecosystems St. Gallen, 29. April 2020 Christian Dietzmann
Agenda
1 Business Engineering Institute St. Gallen
2 Funktionalitäten von Künstlicher Intelligenz
3 Eigenschaften von KI-basierten Applikationen
4 Ansatz zur Analyse organisatorischer Auswirkungen von KI
Innovated by Business Engineering Institute St. Gallen AG 2
Wir verbinden Erkenntnisse aus Forschung mit praxisnaher
Umsetzung und Beratung
Entwicklung Anwendung Standardisierung Umsetzung
Angewandte Forschung für innovative Forschungsnahe Beratung mit bewährten
Lösungen in der Praxis Methoden & Referenzmodellen
Innovated by Business Engineering Institute St. Gallen AG 3
Erfolgreiche Unternehmen positionieren sich in industrie-
übergreifenden und technologiegetriebenen Ecosystemen
Innovations- und technologiegetriebene
Veränderungen eröffnen neue
Möglichkeiten für Geschäftsmodelle
Daraus resultierende neue Kunden-
bedürfnisse gehen weit über heutige
Produktions- Finanzen&
& Investitions Kunden- Versicherung Industriegrenzen hinaus
-güter bedürfnisse Lifestyle
Business
Wohnen
Die kundenzentrierte Kooperation über
Services
Gesundheit heutige Grenzen hinweg ist der Schlüssel
Beruf
Ernährung
Mobilität künftig erfolgreicher Unternehmen
Service
& Konsum
Public
Die unternehmensübergreifende
Handhabung von Daten ist künftig ein
fester Bestandteil von Geschäftsmodellen
Wir glauben daran, dass innovative Geschäftsmodelle in branchenübergreifenden
Netzwerken entstehen – wir treiben und gestalten diese
Innovated by Business Engineering Institute St. Gallen AG 4
Reichhaltiger Erfahrungsschatz aus 15 Jahren Konsortial-
forschung - für alle Competence Center-Partner verfügbar
CC 1: Gestaltung und Bewertung CC 3: Transformation zur Bank 2015 CC 5: Kunden- & serviceorientierte CC 7: Ecosysteme & Disruption
von Sourcingmodelle Innovationen vernetzter Banken
Ecosystemmodelle, Disruptions-
Abwicklungsmodelle, Transaktions- Geschäftsmodellsichten, Stärkung Innovationsmanagement, framework, Know-how und
bank im Zahlungsverkehr, Kundenfront, Pricing Modelle, Digitalisierungs-Strategien, Prototypen DLT
Fullservice-Modell Privatbanken Modellbank Reifegrad-modelle
07/04 07/06 07/08 07/10 06/12 06/14 10/16 10/18
CC 2: Management service- CC 4: Kunden- und CC 6: Industrialisierung & CC 8: Kollaborative Geschäfts-
orientierter Banknetzwerke serviceorientierte Gestaltung Standardisierung modelle & Transformation
Verständnis kollaborativer Customer Network Management, Multilat. Bewertungssmgmt: Risiken Ecosysteme Firmenkunden, Retail-
Netzwerke, Referenzprozess Referenzprozess Ertrags/Kosten/ /Potenziale, Umsetzung Digital. banking, AI Kundenfront, DLT- Ge-
Zahlungen, Anlegen, Finanzieren Servicemanagement Strategie, Big Data, Devicemgmt. schäftsmodelle (WP u. Hypotheken)
Innovated by Business Engineering Institute St. Gallen AG 5
Überblick der Themen des Competence Center Ecosystems 8
(2018 – 2020)
I. Veränderung Marktumfeld II. Architektur im Ecosystem 24.4.2020
& Szenarien zur • Referenzmodelle und Muster von
Geschäftsmodell- und Ecosystemen
Ecosystementwicklung • Strategische Ausrichtung und Governance
• Kollaborative Prozesse
Ein sich ständig wandelndes Marktumfeld • Systemunterstützung und Daten
beeinflusst die Bedürfnisse der Kunden
(z.B. durch innovative Technologien wie III. Agilität und Transformation von
AI, DLT, IoT, VR, AR, Biometrics, etc.)
Unternehmen
17.4.2020
Kunden- • Integration agiler
bedürfnisse Organisationselemente
• Strategische Innovationsmanagement
• Resilienz von Ecosystemen
IV. Systemunterstützung mit 8.5.2020
DLT/Blockchain
29.4.2020
V. Grundlagen AI und Anwendungsfälle
Innovated by Business Engineering Institute St. Gallen AG 6
Agenda
1 Business Engineering Institute St. Gallen
2 Funktionalitäten von Künstlicher Intelligenz
3 Eigenschaften von KI-basierten Applikationen
4 Ansatz zur Analyse organisatorischer Auswirkungen von KI
Innovated by Business Engineering Institute St. Gallen AG 7
Aufbau einer Umfrage von Digitalexperten und Nicht-
Digitalexperten zu ihrem Verständnis der Künstlichen Intelligenz
Acht Use Cases
Gruppe der
Digital-Experten Beispiel #1: Beispiel #2: Beispiel #3:
Super Mario NEAT Deep Blue I AlphaGo
• 34 Mitglieder des Forschungs-
konsortiums “Competence
Center Ecosystems”
• Repräsentieren potenzielle Anonymes Live-Voting:
Designer von KI-Applikationen (1) Handelt es sich bei dem
gegebenen Bsp. um KI? Beispiel #4: Beispiel #5: Beispiel #6:
Kontensaldierung Betrugserkennung Ticketautomat
[ja/nein]
(2) Wie würden Sie den Grad
der Intelligenz des
Gruppe der Nicht- Systems einschätzen?
Digital-Experten [Likert-Skala]
Beispiel #7: Beispiel #8:
• 58 Angestellte der mittleren Roboter Sophia FAQ-Chatbot
Ebene einer Privatbank
• Repräsentieren potenzielle
Geschäftsanwender von KI-
Applikationen
Innovated by Business Engineering Institute St. Gallen AG 8
Die Umfrageergebnisse zeigen Unterschiede und
Missverständnisse beider Gruppen im KI-Verständnis auf
100
90
80
70
voting [%]
60
Beispiel #1: Gruppe der 50
40
Super Mario NEAT Digitalexperten 30
20
10
0
1 3 7
Legende:
KI nicht KI Unterschiede Über-
Beispiel #3: Missverständnis
im Verständnis Interpretation
AlphaGo korrekte Antwort
100
90
80
70
voting [%]
Beispiel #7: Gruppe der Nicht-
60
50
Roboter Sophia Digitalexperten 40
30
20
10
0
1 3 7
Quelle: Dietzmann & Alt (2020)
Innovated by Business Engineering Institute St. Gallen AG 9
Frage an die Pioniere der Disziplin:
Wo fängt Künstliche Intelligenz an und wo hört sie auf?
→ AI-Webinar Diskussionsforum
typing …
BEI St. Gallen
Wie würdet ihr Künstliche Intelligenz definieren? 2019
Innovated by Business Engineering Institute St. Gallen AG 10Frage an die Pioniere der Disziplin:
Wo fängt Künstliche Intelligenz an und wo hört sie auf?
→ AI-Webinar Diskussionsforum
typing …
BEI St. Gallen
Wie würdet ihr Künstliche Intelligenz definieren? 2019
Marvin Minsky
„Künstliche Intelligenz liegt dann vor, wenn Maschinen Dinge tun,
für deren Ausführung man beim Menschen Intelligenz unterstellt.”
1966
Source:
https://cdn.technologyreview.com/i/images/minsk
y.obitx299.jpg?sw=350
Innovated by Business Engineering Institute St. Gallen AG 11Frage an die Pioniere der Disziplin:
Wo fängt Künstliche Intelligenz an und wo hört sie auf?
→ AI-Webinar Diskussionsforum
typing …
BEI St. Gallen
Wie würdet ihr Künstliche Intelligenz definieren? 2019
Marvin Minsky
„Künstliche Intelligenz liegt dann vor, wenn Maschinen Dinge tun,
für deren Ausführung man beim Menschen Intelligenz unterstellt.”
1966
Source:
https://cdn.technologyreview.com/i/images/minsk
John McCarthy y.obitx299.jpg?sw=350
„KI ist die Wissenschaft und Technik zur Herstellung intelligenter
Maschinen, insbesondere intelligenter Computerprogramme. Es
ähnelt der Aufgabe, Computer zu verwenden, um die
menschliche Intelligenz zu verstehen, … “ 2010
Source:
https://upload.wikimedia.org/wikipedia/commons
/4/49/John_McCarthy_Stanford.jpg
Innovated by Business Engineering Institute St. Gallen AG 12Die Definitionen liefern begrenzte Antworten und beschreiben
die Referenzen zur menschlichen Intelligenz nicht näher
→ AI-Webinar Diskussionsforum
typing …
BEI St. Gallen
Wie würdet ihr Künstliche Intelligenz definieren? 2019
Marvin Minsky
„Künstliche Intelligenz liegt dann vor, wenn Maschinen Dinge tun,
für deren Ausführung man beim Menschen Intelligenz unterstellt.”
1966
Source:
https://cdn.technologyreview.com/i/images/minsk
John McCarthy y.obitx299.jpg?sw=350
„KI ist die Wissenschaft und Technik zur Herstellung intelligenter
Maschinen, insbesondere intelligenter Computerprogramme. Es
ähnelt der Aufgabe, Computer zu verwenden, um die
menschliche Intelligenz zu verstehen, … “ 2010
Source:
https://upload.wikimedia.org/wikipedia/commons
/4/49/John_McCarthy_Stanford.jpg
Stuart Russell & Peter Norvig
„ ... das Entwerfen und Bau intelligenter Agenten, die
Wahrnehmungen aus der Umwelt erhalten und Maßnahmen
ergreifen, die diese Umwelt beeinflussen.“ 2016 Source:
https://intelligence.org/wp-
content/uploads/2013/10/russell-norvig.jpg
Innovated by Business Engineering Institute St. Gallen AG 13Warum ist es so schwierig, Künstliche Intelligenz zu definieren?
Jeder denkt ein guter Lehrer sein zu können, weil jeder die Schule
besucht hat ...
Innovated by Business Engineering Institute St. Gallen AG 14Warum ist es so schwierig, Künstliche Intelligenz zu definieren?
Jeder denkt ein guter Lehrer sein zu können, weil jeder die Schule
besucht hat ...
analog
Jeder denkt Künstliche Intelligenz verstehen zu können,
weil jeder intelligent ist …
Innovated by Business Engineering Institute St. Gallen AG 15Ein möglicher Ansatz: Das Aufzeigen der Bandbreite an
Funktionalitäten von Künstlicher Intelligenz
Einsatzmöglichkeiten (Bitkom, 2018)
Sr
Speech
Si
Speech
• Vergleich von KI-Anwendungen
• Hervorheben der Merkmale von KI-Anwendungen
• Wertermittlung einer KI-Anwendung für die
Recognition Identification
Digitalisierungsstrategie
Ar
Audio
Ai Pi Pl • Überprüfen der Digitalisierungsstrategie
Audio Predictive Planning
Recognition Identification Inference • Aufzeigen der organisationalen Wirkung von KI
• Dekonstruktion von Wertschöpfungspotenzialen
Fr Fi
Face
Ei Ps
Problem
Lr
Relationship
und Anwendungsfällen von KI
Face Explanatory
Recognition Identification Inference Solving Learning
Ir Ii Sy Dm Lg Lc
Category
Ml
Mobility
Cm
Communication
Image Image Synthetic Decision Language
Recognition Identification Reasoning Making Generatiom Learning Large
Gr Gi Da Te Text
Lu
Language
Lt
Knowledge
Ms Ma Cn Control
General General Data Mobility Manipulation
Recognition Identification Analytics Extraction Understanding Refinement Small
Quelle: Bitkom (2018)
Innovated by Business Engineering Institute St. Gallen AG 16Allerdings mangelt es an Struktur und auch hier an der
Verbindung zur menschlichen Intelligenz
Einsatzmöglichkeiten (Bitkom, 2018)
Sr
Speech
Si
Speech
• Vergleich von KI-Anwendungen
• Hervorheben der Merkmale von KI-Anwendungen
• Wertermittlung einer KI-Anwendung für die
Recognition Identification
Digitalisierungsstrategie
Ar
Audio
Ai Pi Pl • Überprüfen der Digitalisierungsstrategie
Audio Predictive Planning
Recognition Identification Inference • Aufzeigen der organisationalen Wirkung von KI
• Dekonstruktion von Wertschöpfungspotenzialen
Fr Fi
Face
Ei Ps
Problem
Lr
Relationship
und Anwendungsfällen von KI
Face Explanatory
Recognition Identification Inference Solving Learning
Ir Ii Sy Dm Lg Lc
Category
Ml
Mobility
Cm
Communication
Image Image Synthetic Decision Language
Recognition Identification Reasoning Making Generatiom Learning Large
Gr Gi Da Te Text
Lu
Language
Lt
Knowledge
Ms Ma Cn Control
General General Data Mobility Manipulation
Recognition Identification Analytics Extraction Understanding Refinement Small
Quelle: Bitkom (2018)
Innovated by Business Engineering Institute St. Gallen AG 17Die acht Intelligenzformen nach Prof. Howard Gardner
ermöglichen eine grobe Strukturierung von „Intelligenz“
logisch-mathematisch Sensibilität für und Erkennen von logischen oder numerischen Mustern; Fähigkeit, mit langen
Argumentationsketten umzugehen
sprachlich-linguistisch Empfindlichkeit für die Klänge, Rhythmen und Bedeutungen von Wörtern; Sensibilität für die
verschiedenen Funktionen der Sprache
musikalisch Fähigkeit, Rhythmus, Tonhöhe und Klangfarbe zu erzeugen und zu schätzen; Wertschätzung der Formen
musikalischer Ausdruckskraft
räumlich Kapazitäten zur genauen Wahrnehmung der visuell-räumlichen Welt und zur Transformation der
ursprünglichen Wahrnehmungen
körperlich-kinästhetisch
Fähigkeit, Körperbewegungen zu kontrollieren und Objekte geschickt zu handhaben
interpersonal Fähigkeiten zur Erkennung und Beantwortung passend zu den Stimmungen, Temperamenten,
Motivationen und Wünschen anderer Menschen
intrapersonell Zugang zu den eigenen Gefühlen und der Fähigkeit, zwischen ihnen zu unterscheiden und auf sie
zuzugreifen, um das Verhalten zu steuern; Kenntnis der eigenen Stärken, Schwächen, Wünsche und
Intelligenzen
naturalistisch Fähigkeit des Beobachtens, Unterscheidens und Erkennens von Naturphänomenen; Entwicklung von
Sensibilität für die Natur
Innovated by Business Engineering Institute St. Gallen AG 18Die Intelligenzformen nach Prof. Gardner wurden jeweils den
Elementen des KI-Periodensystems von Bitkom zugeordnet
Legende der Intelligenz-
formen nach Gardner
logisch-mathematisch
sprachlich-linguistisch
musikalisch
räumlich
körperlich-kinästhetisch
interpersonell
intrapersonelll
naturalistisch
Innovated by Business Engineering Institute St. Gallen AG 19Die zweite Version des KI-Periodensystems strukturiert die
KI-Funktionalitäten nach den angesprochenen Intelligenzformen
Zielstellung: Gemeinsames Grundverständnis zu Künstlicher Intelligenz schärfen – sowohl aus technischer wie aus humaner Sicht für
digitale Experten und Nicht-Experten – ein wichtiger Ansatzpunkt für die organisationale AI Impact-Analyse.
Legende der Intelligenz-
formen nach Gardner
logisch-mathematisch
sprachlich-linguistisch
musikalisch
räumlich
Komplexität
körperlich-kinästhetisch
interpersonell
intrapersonelll
naturalistisch
Quellen:
Dietzmann & Alt (2020), Bitkom
(2018) und Gardner (1987)
Innovated by Business Engineering Institute St. Gallen AG 20Mittels der KI-Elemente können KI-basierte Applikationen auf
einer hohen Ebene beschrieben werden
Angesprochene Intelligenzformen
1 Wahrnehmung
Ar Gr Ir Te Fr Sr
Audio General Image Text Face Speech
Recognition Recognition Recognition Extraction Recognition Recognition
2 Verarbeitung
Sy Da Gi Dm Lc
Category
Lernen
Synthetic Data General Decision Learning
Reasoning Analytics Identification Making
Ei Fi Pi Pl Ln Lr
Relationship
Natural
Explanatory Face Predictive Planning Language Learning
Inference Identification Inference Processing
3 Aktion
Cn Ma Ml Cm Ms
Control Manipulation Mobility Commu- Mobility
Large nication Small
Innovated by Business Engineering Institute St. Gallen AG Quelle: Dietzmann & Alt (2020) 21Beispiel: Design eines intelligenten, selbstlernenden Chatbots
Angesprochene Intelligenzformen
1 Wahrnehmung
Ar Gr Ir Te
Te Fr Sr logisch-mathematisch
Audio General Image Text
Text Face Speech
Recognition Recognition Recognition Extraction
Extraction Recognition Recognition sprachlich-linguistisch
interpersonal
2 Verarbeitung
naturalistisch
Sy Da Gi Dm Lc
Category intrapersonell
Lernen
Synthetic Data General Decision Learning
Reasoning Analytics Identification Making
Ei Fi Pi Pl Ln Lr
Relationship
Natural
Explanatory Face Predictive Planning Language Learning
Inference Identification Inference Processing
3 Aktion
Cn Ma Ml Cm Ms
Control Manipulation Mobility Commu-
Commu- Mobility
Large nication
nication Small
Innovated by Business Engineering Institute St. Gallen AG Quelle: Dietzmann & Alt (2020) 22Agenda
1 Business Engineering Institute St. Gallen
2 Funktionalitäten von Künstlicher Intelligenz
3 Eigenschaften von KI-basierten Applikationen
4 Ansatz zur Analyse organisatorischer Auswirkungen von KI
Innovated by Business Engineering Institute St. Gallen AG 23Die Eigenschaften von KI-basierten Applikationen wurden
mittels der Methode der Taxonomie-Entwicklung abgeleitet
Quelle: Nickerson et al. (2009)
Innovated by Business Engineering Institute St. Gallen AG 24Die AI Application Taxonomy spezifiziert die KI-Elemente aus
dem KI-Periodensystem
Task
Parameter Ausprägungen
Ar Gr Fr Sr Environment
Audio General Face Speech
Recognition Recognition Recognition Recognition Alphanummerischer Semantischer Text Nummerisch Code
Nicht gegeben
Input (z.B. Bericht) (z.B. Zeitreihen) (z.B. SNOMED CT)
Ir Te Audio Input Nicht gegeben Gesprochene Sprache Geräusche
Image Text Wahr-
Recognition Extraction
nehmung Optisches Signal Nicht gegeben Bild Video
Sy Fi Gi Ii Anderer
Nicht gegeben
Temperatur und Druck (z.B. Pa Distanz Geschwindigkeit
Biometrischer
Input (z.B.
Elektrizität
Synthetic Face General Image physikalischer Input Wetter oder Bar) (z.B. m) (z.B. km/h) (z.B. kWh)
Reasoning Identification Identification Identification Fingerabdruck)
Datentypumwandlung Gesprochene Sprache Text zu gesprochener
und -bearbeitung
Nicht relevant Datenerzeugung Datenverbesserung
zu Text (STT) Sprache (TTS)
Ei Pi Dm Ln
Explanatory Predictive Decision Natural Verarbeitung
Language Nicht relevant Verstehen natürlicher Sprache Generieren natürlicher Sprache
Inference Inference Making Processing natürlicher Sprache
Ressourcenplanung
Planung Nicht relevant Zeit-/Terminplanung
Da Pl (z.B. Geld, Kraftstoff oder Rohmaterial)
Data
Analytics
Planning Informations- Prognose Nicht relevant Relevant
verarbeitung
Empfehlung Nicht relevant Relevant
Cn Ma Cm
Control Commu- Kategorisierung Nicht relevant Zwei-Klassen Kategorisierung Mehr-Klassen Kategorisierung
Manipulation
nication
Entscheiden Nicht relevant Relevant
Identifizierung Nicht relevant Identifizieren von Personen/ Gesichtern Identifizieren von Objekten
Ml Ms
Mobility Mobility Kommunikation Nicht benötigt Mensch – System System – System
Large Small
Physische Aktionen Nicht benötigt Bewegen/ Steuern Manipulieren
Aktion
Lc Lr Digitale Aktionen Nicht benötigt Anzeigen/Darstellen Steuern von Programmen
Category Relationship
Learning Learning Lernen Nicht benötigt Lernen von Relationen Lernen von Kategorien
Innovated by Business Engineering Institute St. Gallen AG 25Design eines intelligenten, selbstlernenden Chatbots mittels der
AI Application Taxonomy (1)
Task
Parameter Ausprägungen
Ar Gr Fr Sr Environment
Audio General Face Speech
Recognition Recognition Recognition Recognition Alphanummerischer Semantischer Text Nummerisch Code
Nicht gegeben
Input (z.B. Bericht) (z.B. Zeitreihen) (z.B. SNOMED CT)
Ir Te Audio Input Nicht gegeben Gesprochene Sprache Geräusche
Image Text Wahr-
Recognition Extraction
nehmung Optisches Signal Nicht gegeben Bild Video
Sy Fi Gi Ii Anderer
Nicht gegeben
Temperatur und Druck (z.B. Pa Distanz Geschwindigkeit
Biometrischer
Input (z.B.
Elektrizität
Synthetic Face General Image physikalischer Input Wetter oder Bar) (z.B. m) (z.B. km/h) (z.B. kWh)
Reasoning Identification Identification Identification Fingerabdruck)
Datentypumwandlung Gesprochene Sprache Text zu gesprochener
und -bearbeitung
Nicht relevant Datenerzeugung Datenverbesserung
zu Text (STT) Sprache (TTS)
Ei Pi Dm Ln
Explanatory Predictive Decision Natural Verarbeitung
Language Nicht relevant Verstehen natürlicher Sprache Generieren natürlicher Sprache
Inference Inference Making Processing natürlicher Sprache
Ressourcenplanung
Planung Nicht relevant Zeit-/Terminplanung
Da Pl (z.B. Geld, Kraftstoff oder Rohmaterial)
Data
Analytics
Planning Informations- Prognose Nicht relevant Relevant
verarbeitung
Empfehlung Nicht relevant Relevant
Cn Ma Cm
Control Commu- Kategorisierung Nicht relevant Zwei-Klassen Kategorisierung Mehr-Klassen Kategorisierung
Manipulation
nication
Entscheiden Nicht relevant Relevant
Identifizierung Nicht relevant Identifizieren von Personen/ Gesichtern Identifizieren von Objekten
Ml Ms
Mobility Mobility Kommunikation Nicht benötigt Mensch – System System – System
Large Small
Physische Aktionen Nicht benötigt Bewegen/ Steuern Manipulieren
Aktion
Lc Lr Digitale Aktionen Nicht benötigt Anzeigen/Darstellen Steuern von Programmen
Category Relationship
Learning Learning Lernen Nicht benötigt Lernen von Relationen Lernen von Kategorien
Innovated by Business Engineering Institute St. Gallen AG 26Design eines intelligenten, selbstlernenden Chatbots mittels der
AI Application Taxonomy (2)
Task
Parameter Ausprägungen
Ar Gr Fr Sr Environment
Audio General Face Speech
Recognition Recognition Recognition Recognition Alphanummerischer Semantischer Text Nummerisch Code
Nicht gegeben
Input (z.B. Bericht) (z.B. Zeitreihen) (z.B. SNOMED CT)
Ir Te Audio Input Nicht gegeben Gesprochene Sprache Geräusche
Image Text Wahr-
Recognition Extraction
nehmung Optisches Signal Nicht gegeben Bild Video
Sy Fi Gi Ii Anderer
Nicht gegeben
Temperatur und Druck (z.B. Pa Distanz Geschwindigkeit
Biometrischer
Input (z.B.
Elektrizität
Synthetic Face General Image physikalischer Input Wetter oder Bar) (z.B. m) (z.B. km/h) (z.B. kWh)
Reasoning Identification Identification Identification Fingerabdruck)
Datentypumwandlung Gesprochene Sprache Text zu gesprochener
und -bearbeitung
Nicht relevant Datenerzeugung Datenverbesserung
zu Text (STT) Sprache (TTS)
Ei Pi Dm Ln
Explanatory Predictive Decision Natural Verarbeitung
Language Nicht relevant Verstehen natürlicher Sprache Generieren natürlicher Sprache
Inference Inference Making Processing natürlicher Sprache
Ressourcenplanung
Planung Nicht relevant Zeit-/Terminplanung
Da Pl (z.B. Geld, Kraftstoff oder Rohmaterial)
Data
Analytics
Planning Informations- Prognose Nicht relevant Relevant
verarbeitung
Empfehlung Nicht relevant Relevant
Cn Ma Cm
Control Commu- Kategorisierung Nicht relevant Zwei-Klassen Kategorisierung Mehr-Klassen Kategorisierung
Manipulation
nication
Entscheiden Nicht relevant Relevant
Identifizierung Nicht relevant Identifizieren von Personen/ Gesichtern Identifizieren von Objekten
Ml Ms
Mobility Mobility Kommunikation Nicht benötigt Mensch – System System – System
Large Small
Physische Aktionen Nicht benötigt Bewegen/ Steuern Manipulieren
Aktion
Lc Lr Digitale Aktionen Nicht benötigt Anzeigen/Darstellen Steuern von Programmen
Category Relationship
Learning Learning Lernen Nicht benötigt Lernen von Relationen Lernen von Kategorien
Innovated by Business Engineering Institute St. Gallen AG 27Wie können das KI-Periodensystem und die AI Application
Taxonomy in der Praxis angewendet werden?
Advisory processes
Initiation Profiling Concept Offer Implementation Maintenance
Initial customer Positioning in the Creation of risk Proposal for Operationali- Assessment of
contact right phase of profile overall solution zation of compatibility of
life contract investment
Identification of Creation of Subsequent proposal and
Activities/ Subprocesses
Structuring of
customer needs needs investment negotiation Customer market
profile reporting development
Clarification with Identification of Settlement of
compliance cross-/upselling Simulation of contract Determination of
potential best solution further advisory
Analysis of last Documentation potential
customer Creation of of client meeting
contact Goal formulation Investment
proposal
Determination of
restrictions
Consolidated
client profile
Archiving
Further enquiry for the competence centers
Quelle: Nüesch et al. (2016)
Innovated by Business Engineering Institute St. Gallen AG 28Design eines intelligenten, selbstlernenden Chatbots mittels der
AI Application Taxonomy (2)
Task
Parameter Ausprägungen
Ar Gr Fr Sr Environment
Audio General Face Speech
Recognition Recognition Recognition Recognition Alphanummerischer Semantischer Text Nummerisch Code
Nicht gegeben
Input (z.B. Bericht) (z.B. Zeitreihen) (z.B. SNOMED CT)
Ir Te Audio Input Nicht gegeben Gesprochene Sprache Geräusche
Image Text Wahr-
Recognition Extraction
nehmung Optisches Signal Nicht gegeben Bild Video
Sy Fi Gi Ii Anderer
Nicht gegeben
Temperatur und Druck (z.B. Pa Distanz Geschwindigkeit
Biometrischer
Input (z.B.
Elektrizität
Synthetic Face General Image physikalischer Input Wetter oder Bar) (z.B. m) (z.B. km/h) (z.B. kWh)
Reasoning Identification Identification Identification Fingerabdruck)
Datentypumwandlung Gesprochene Sprache Text zu gesprochener
und -bearbeitung
Nicht relevant Datenerzeugung Datenverbesserung
zu Text (STT) Sprache (TTS)
Ei Pi Dm Ln
Explanatory Predictive Decision Natural Verarbeitung
Language Nicht relevant Verstehen natürlicher Sprache Generieren natürlicher Sprache
Inference Inference Making Processing natürlicher Sprache
Ressourcenplanung
Planung Nicht relevant Zeit-/Terminplanung
Da Pl (z.B. Geld, Kraftstoff oder Rohmaterial)
Data
Analytics
Planning Informations- Prognose Nicht relevant Relevant
verarbeitung
Empfehlung Nicht relevant Relevant
Cn Ma Cm
Control Commu- Kategorisierung Nicht relevant Zwei-Klassen Kategorisierung Mehr-Klassen Kategorisierung
Manipulation
nication
Entscheiden Nicht relevant Relevant
Identifizierung Nicht relevant Identifizieren von Personen/ Gesichtern Identifizieren von Objekten
Ml Ms
Mobility Mobility Kommunikation Nicht benötigt Mensch – System System – System
Large Small
Physische Aktionen Nicht benötigt Bewegen/ Steuern Manipulieren
Aktion
Lc Lr Digitale Aktionen Nicht benötigt Anzeigen/Darstellen Steuern von Programmen
Category Relationship
Learning Learning Lernen Nicht benötigt Lernen von Relationen Lernen von Kategorien
Innovated by Business Engineering Institute St. Gallen AG 29Design eines intelligenten, selbstlernenden Chatbots mittels der
AI Application Taxonomy (3)
Task
Parameter Ausprägungen
Ar Gr Fr Sr Environment
Audio General Face Speech
Recognition Recognition Recognition Recognition Alphanummerischer Semantischer Text Nummerisch Code
Nicht gegeben
Input (z.B. Bericht) (z.B. Zeitreihen) (z.B. SNOMED CT)
Ir Te Audio Input Nicht gegeben Gesprochene Sprache Geräusche
Image Text Wahr-
Recognition Extraction
nehmung Optisches Signal Nicht gegeben Bild Video
Sy Fi Gi Ii Anderer
Nicht gegeben
Temperatur und Druck (z.B. Pa Distanz Geschwindigkeit
Biometrischer
Input (z.B.
Elektrizität
Synthetic Face General Image physikalischer Input Wetter oder Bar) (z.B. m) (z.B. km/h) (z.B. kWh)
Reasoning Identification Identification Identification Fingerabdruck)
Datentypumwandlung Gesprochene Sprache Text zu gesprochener
und -bearbeitung
Nicht relevant Datenerzeugung Datenverbesserung
zu Text (STT) Sprache (TTS)
Ei Pi Dm Ln
Explanatory Predictive Decision Natural Verarbeitung
Language Nicht relevant Verstehen natürlicher Sprache Generieren natürlicher Sprache
Inference Inference Making Processing natürlicher Sprache
Ressourcenplanung
Planung Nicht relevant Zeit-/Terminplanung
Da Pl (z.B. Geld, Kraftstoff oder Rohmaterial)
Data
Analytics
Planning Informations- Prognose Nicht relevant Relevant
verarbeitung
Empfehlung Nicht relevant Relevant
Cn Ma Cm
Control Commu- Kategorisierung Nicht relevant Zwei-Klassen Kategorisierung Mehr-Klassen Kategorisierung
Manipulation
nication
Entscheiden Nicht relevant Relevant
Identifizierung Nicht relevant Identifizieren von Personen/ Gesichtern Identifizieren von Objekten
Ml Ms
Mobility Mobility Kommunikation Nicht benötigt Mensch – System System – System
Large Small
Physische Aktionen Nicht benötigt Bewegen/ Steuern Manipulieren
Aktion
Lc Lr Digitale Aktionen Nicht benötigt Anzeigen/Darstellen Steuern von Programmen
Category Relationship
Learning Learning Lernen Nicht benötigt Lernen von Relationen Lernen von Kategorien
Innovated by Business Engineering Institute St. Gallen AG 30Derzeit wird ein Modell entwickelt, um die Auswirkungen von KI
basierten-Applikationen diskutierbar zu machen
KI ist nicht geeignet KI ist optimal geeignet
Innovated by Business Engineering Institute St. Gallen AG 31Auswirkungen des intelligenten, selbstlernenden Chatbots bei der Identifizierung von Kundenbedürfnissen Innovated by Business Engineering Institute St. Gallen AG 32
Agenda
1 Business Engineering Institute St. Gallen
2 Funktionalitäten von Künstlicher Intelligenz
3 Eigenschaften von KI-basierten Applikationen
4 Ansatz zur Analyse organisatorischer Auswirkungen von KI
Innovated by Business Engineering Institute St. Gallen AG 33KI-basierte Applikationen wirken mit ihren tragenden
Intelligenzformen an unterschiedlichen Stellen im Prozess
Advisory processes
Initiation Profiling Concept Offer Implementation Maintenance
Initial customer Positioning in the Creation of risk Proposal for Operationali- Assessment of
contact right phase of profile overall solution zation of compatibility of
life contract investment
Identification of Creation of Subsequent proposal and
Activities/ Subprocesses
Structuring of
customer needs needs investment negotiation Customer market
profile reporting development
Clarification with Identification of Settlement of
compliance cross-/upselling Simulation of contract Determination of
potential best solution further advisory
Analysis of last Documentation potential
customer Creation of of client meeting
contact Goal formulation Investment
proposal
Determination of
restrictions
Consolidated
client profile
Archiving
Further enquiry for the competence centers
In Anlehnung an Nüesch et al. (2016)
Legende: sprachlich-linguistisch Intelligentes logisch-mathematisch Predictive
Dialogsystem Analytics
Innovated by Business Engineering Institute St. Gallen AG 34Ansatz zur organisatorischen Bewertung der Auswirkungen von
KI-basierten Applikationen in Prozessen (1)
Hindernisse organisatorischer
Prozess der Entscheidungsfindung
Entscheidungsfindung
Komplexität 1
Probleme finden
Unsicherheit
Mehrdeutigkeit 2
Handlungsoptionen
Jarrahi (2018) ableiten
Limitationen des Entscheiders
3
Handlungsoption
(Zugang zu) wählen
Informationen
Zeit
4
Entscheidung
Kognitive
umsetzen
Ressourcen
Simon (1977, 1997)
Innovated by Business Engineering Institute St. Gallen AG 35Ansatz zur organisatorischen Bewertung der Auswirkungen von
KI-basierten Applikationen in Prozessen (2)
Hindernisse organisatorischer
Prozess der Entscheidungsfindung
Entscheidungsfindung
überwinden
Komplexität 1
Probleme finden
Unsicherheit
Artificial Intelligence
Mehrdeutigkeit 2
Handlungsoptionen
Jarrahi (2018) ableiten
Limitationen des Entscheiders
aufbrechen 3
Handlungsoption
(Zugang zu) wählen
Informationen
Zeit
4
Entscheidung
Kognitive
Artificial Intelligence umsetzen
Ressourcen
Simon (1977, 1997)
Innovated by Business Engineering Institute St. Gallen AG 36Eine solide KI Impact-Analyse baut auf einem Verständnis des
breiten Spektrums der KI-Funktionalitäten auf
Sowohl Digitalexperten als auch Nicht-Experten verbinden einige Missverständnisse mit
KI, die ausgeräumt werden müssen, um KI Impact-Analysen zu ermöglichen
Artefakte wie das KI-Periodensystem tragen dazu bei, das KI-Verständnis zu vertiefen und
eine Brücke der Kommunikation zwischen Digitalexperten und Nicht-Experten zu bauen
Um die organisatorischen Auswirkungen von KI auf Aufgabenebene zu bewerten, müssen wir
auf die menschliche Intelligenz zurückgreifen, da sie unser Verständnis dafür fördert, wie sich
die Aufgaben unter dem Einfluss von KI verändern werden
Innovated by Business Engineering Institute St. Gallen AG 37Ergebnisse und Instrumente des Competence Center Ecosystems
1. Positionierungsmöglichkeiten der Finanzindustrie 4. Künstliche Intelligenz
Organisatorische
AI Impact-Analyse
2. Ecosystems
Ecosystem Canvas:
Vernetzung
Technologie als Enabler
Unternehmen (top
down)
5. Distributed Ledger Technology
Servicegestaltung im Tokenization von Assets
Ecosystem Tokenization Frameworkt
(bottom-up)
3. Transformation im Kontext der Digitalisierung
Steuerung von agilen Unternehmen
Agilitäts-Cockpit
Innovated by Business Engineering Institute St. Gallen AG 38Über uns:
Das Business Engineering Institute St. Gallen AG
Das Business Engineering Institute St. Gallen (Spin-Off der Universität St. Gallen, 2004)
betreibt mit 30 Experten, 14 Forschungs- und über 60 Industriepartnern praxis-
orientierte Forschung und forschungsnahe Beratung in den Bereichen Trends,
Innovation, Geschäftsmodelle, Datenmonetarisierung, Digitale Transformation,
Ecosysteme, Sourcing und Organisationale Agilität für die Finanzindustrie.
Besuchen Sie Lesen Sie unsere Folgen Sie uns
unsere Website neuesten Gedanken auf LinkedIn
Kontakt
Christian Dietzmann Prof. Dr. Stefanie Auge Thomas Zerndt
BEI St. Gallen BEI St. Gallen BEI St. Gallen
Research Associate & PhD Candidate Head CC Ecosystems CEO BEI
christian.dietzmann@bei-sg.ch stefanie.auge-dickhut@bei-sg.ch thomas.zerndt@bei-sg.ch
Tel.: + 49 170 199 5400 Tel.: + 41 79 6109 1404 Tel.: + 41 79 233 58 83
Business Engineering Institute St. Gallen AG | Lukasstrasse 4 | CH.9008 St. Gallen
Innovated by Business Engineering Institute St. Gallen AG 39Literatur
▪ Bitkom e.v., Digitalisierung gestalten mit dem Periodensystem der Künstlichen Intelligenz, 2016.
▪ Dietzmann, C.; Alt, R., Assessing Artificial Intelligence and its business applications – the periodic table of AI and the AI
application design model, in: Proceeding 53. Hawaii International Conference on System Sciences, 2020.
▪ Gardner H., The theory of multiple intelligence, vol. 37. Annals of Dyslexia, 1987.
▪ Jarrahi, M. H., Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making, Business
Horizons 61.4, 2018, 577-586.
▪ McCarthy, J., From here to human-level AI, in: Artificial Intelligence, vol. 171 (18), 2007.
▪ Minsky, M. L., Semantic Information Processing, The MIT Press, Cambridge, 1968.
▪ Nueesch, Rebecca; Zerndt, Thomas; Alt, Rainer; and Ferretti, Roberto G., Tablets Penetrate the Customer Advisory Process:
A Case from a Swiss Private Bank, in: Proceedings 45. BLED, 2016.
▪ Russell, S.; Norvig, P., Artificial intelligence: a modern approach, 2016
▪ Simon H. A., Models of bounded rationality: Empirically grounded economic reason, MIT press, 1997.
▪ Simon, H. A., The new science of management decision, Prentice Hall, 1977.
Innovated by Business Engineering Institute St. Gallen AG 40Sie können auch lesen
