KÜNSTLICHE INTELLIGENZ UND MACHINE LEARNING IN DEUTSCHLAND 2018 - IDC
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
IDC MULTI-CLIENT-PROJEKT
KÜNSTLICHE INTELLIGENZ
UND MACHINE LEARNING IN
DEUTSCHLAND 2018
APRIL 2018
GESPONSERT VON ATOS
ATOS
Fallstudie: Universität Paderborn,
Forschungsprojekt Medolution
INFORMATION ZUM KUNDEN
Atos, ein Anbieter digitaler Services, ist über das C-LAB, seine Innovationswerk-
statt mit der Universität Paderborn, am Forschungsprojekt Medolution (Medical
WWW.ATOS.NET care evolution) beteiligt. Gemeinsam entwickeln die Projektpartner IT-Systeme
und -Mechanismen für so genannte Big Dependable Systems (BDS) – also hoch-
verlässliche Big-Data-Systeme – in medizinischen Anwendungen.
ANFORDERUNGEN DES KUNDEN
Die Nutzung von künstlicher Intelligenz hängt nicht mehr von technischen Mög-
lichkeiten, sondern ausschließlich von sinnvollen Einsatzszenarien ab. Da mitt-
lerweile die notwendige Rechenleistung sowie eine Vielzahl an Daten verfügbar
sind, wird der Einsatz von KI-Technologien immer attraktiver – Effizienzgewinn
und höhere Servicequalität sind dabei die entscheidenden Stichwörter. Während
einige Branchen wie beispielsweise die Finanzindustrie unter anderem mit Be-
trugserkennung bei Kreditkarten bereits seit Jahren mit KI arbeiten, ist der Ansatz
in anderen Bereichen wie der Medizin noch relativ neu.
Chatbots beispielsweise lassen sich mit KI-Methoden zu prozessunterstützenden
und personalentlastenden Systemen ausbauen. Voraussetzung ist hierfür einer-
seits ein klares Einsatzziel und andererseits die Verfügbarkeit der notwendigen
Daten für das Training des Bots. Es ist absehbar, dass Chatbots bereits in naher
Zukunft integraler Bestandteil der Mensch-Maschine-Kommunikation in Form di-
gitaler Assistenten sein werden und zum Standardportfolio in der digitalen Kom-
munikation und Arbeit gehören werden.
Aufgabe des deutschen Medolution-Teilprojekts ist die Entwicklung von Telemo-
nitoring-Systemen für Patienten mit künstlichen Herzen (LVAD – Left ventricle
assist device). Damit soll das komplexe Zusammenspiel von Sensoren, Patienten-
und Arzt-Apps und -anwendungen, Netzwerkverbindungen, Big-Data-Analysean-
wendungen, eingebetteten Systemkomponenten sowie Cloud-Applikationen als
verlässliches, erweiterbares System zusammengefasst werden. Dabei werden
Prototypen analytischer Anwendungen wie auch Benachrichtigungskomponen-
ten für das Personal eines telemedizinischen Zentrums entwickelt. Das Ziel des
Forschungsprojektes ist es, das künstliche Herz zuverlässig zu überwachen sowie
Probleme möglichst frühzeitig durch Big-Data-Analysen und -Auswertungen zu
erkennen.
2
DARSTELLUNG DER LÖSUNG
Teil der Arbeit ist die Entwicklung eines virtuellen Assistenten (Chatbot), der die Lebensqualität der LVAD-Patienten
verbessern und gleichzeitig die Kosten für die gesundheitlichen Leistungen senken soll, indem er regelmäßig den
Gesundheitszustand und LVAD-typische Informationen abfragt, die noch nicht automatisch erhoben werden kön-
nen und so frühzeitig die Einbindung des medizinischen Fachpersonals bei Problemen erlaubt. Die LVAD-Therapie
umfasst die regelmäßige Kontrolle der benötigten medizinischen Geräte (inkl. des LVAD selbst), die Einleitung von
Notfallmaßnahmen unter Einbindung entsprechender Benachrichtigungsverfahren, individuelle Empfehlungen
für körperliche Aktivität sowie die auf den Patienten abgestimmte Anpassung der jeweiligen Medikation.
Der Chatbot setzt hier an und bietet eine dialogorientierte Erfassung der Patientendaten, ohne auf komplexe Be-
dienoberflächen zurückgreifen zu müssen. So erfragt er vom Patienten zu messende Werte und kann auf Abhän-
gigkeiten von Nahrungsmitteln hinweisen. Ein solcher Bericht enthält beispielsweise Daten über den gemessenen
Blutgerinnungswert, Ernährungsdetails, Dosis der eingenommenen Blutverdünner und allgemeine Informationen
zum Wohlbefinden des Patienten. Die Informationen werden an den Arzt oder an entsprechendes Fachpersonal
gesendet, die so frühzeitig direkt den Patienten kontaktieren können und ggf. Untersuchungstermine organisie-
ren.
Mit der steigenden Anzahl zu betreuender Patienten stellt der Chatbot hier eine Ergänzung der rein technischen
telemedizinischen Überwachung dar. Die Tätigkeit der Patientenbefragungen ist so personal- und zeitintensiv,
dass ohne die Verwendung von Patienten-Apps und hier insbesondere eines Chatbots nur sehr lückenhafte In-
formationen vorliegen.
PROJEKT-HIGHLIGTS
Der Chatbot übernimmt zeitaufwändige Standardaufgaben. Damit entlastet er einerseits das Personal und
erhöht andererseits das Patientenwohlbefinden durch die regelmäßigen Befragungen.
Der Chatbot identifiziert Anomalien bei gesundheitlichen Werten gegebenenfalls schneller als das Personal,
ist im Datenabgleich weniger fehleranfällig und vermittelt dem Patienten das Gefühl, dass sein Gesundheits-
zustand über die digitalen Werte hinaus permanent kontrolliert wird. Die Früherkennung von Anomalien re-
duziert mitunter den Behandlungsaufwand und die Behandlungskosten.
Die LVAD-Chatbot-Anwendung von Atos ist cloudfähig, was auch eine Skalierbarkeit in Bezug auf die Anzahl der
Patienten sowie ein flexibles Hosting ermöglicht. Technologisch ist der Chatbot flexibel an die Zielvorgaben z. B.
des Arztes und damit an die Krankheit anpassbar, so dass nicht nur eine Spezialanwendung entstanden ist, son-
dern ein erweiterbares Chatbot-Framework, welches auf Standardkomponenten für digitale Assistenten aufsetzt.
3
Interview mit Wolfgang Thronicke Principal Consultant und Mitglied der Scientific Community, Atos
KÜNSTLICHE INTELLIGENZ UND MACHINE LEARNING IN DEUTSCHLAND 2018
Anlässlich der Vorstellung der Ergebnisse der Studie „Künstliche Intelligenz und Machine Learning in Deutschland
2018“ sprach IDC mit Wolfgang Thronicke, Principal Consultant und Mitglied der Scientific Community bei Atos.
IDC: Was ist für Sie der interessanteste Anwendungsbereich für KI Ein Grund für das Scheitern von KI-Initiativen ist zum einen die
und ML im Unternehmenskontext? durch Presse und Marketing getriebene übersteigerte Erwartungs-
haltung und zum anderen das Unterschätzen der Komplexität ins-
Wolfgang Thronicke: Lösungen auf Basis von künstlicher Intel- besondere im Bereich der Wissensintegration bei der Umsetzung.
ligenz und Machine Learning kommen derzeit im Wesentlichen Dazu reichen automatische Datenakquisitionen wie im Bereich
in der Mustererkennung zum Einsatz und hier gibt es vielfältige Big Data nicht aus und auch ML-Verfahren haben hier Probleme,
Einsatzmöglichkeiten. Ein wichtiges Thema ist beispielsweise die weil sie zwar sehr gut Muster zuordnen können und lernfähig sind,
Cybersicherheit: Mithilfe von KI-Instrumenten können Hacker-At- aber kein Verständnis der Domäne mitbringen. Des Weiteren sind
tacken schneller und besser als solche identifiziert werden, unter gerade KI-Systeme hochdynamisch, da sich das Wissen und die
bestimmten Umständen ist es auch möglich, sie vorherzusagen. Kontexte ständig ändern und weiterentwickeln. Somit fallen auch
Ähnlich interessant ist auch der Aspekt Fraud Detection im Finanz- im Betrieb der Systeme weitere Aufwände für die Pflege und An-
sektor – hier hilft die KI, Schaden von Finanzunternehmen und ih- passung an.
ren Kunden abzuwehren.
IDC: Bei KI- und ML-Projekten fallen viele Daten an. Wie sieht es
IDC: An welchen Fehlern scheitern Ihrer Erfahrung nach KI- und in diesem Kontext mit den Themen Compliance und Datenschutz
ML-Initiativen und warum? aus? Welche Risiken bestehen hier?
Thronicke: Am Anfang jedes KI- oder ML-Projektes muss das Ziel Thronicke: Datenschutz und künstliche Intelligenz sind zwei Sei-
genau formuliert werden. Ich kann den Erfolg nur dann messen, ten einer Medaille. Der Datenschutz will möglichst wenige Daten
wenn ich weiß, was ich erreichen will. Die Ziele eines möglichen zweckgebunden und nach expliziter Erlaubnis des Nutzers verar-
KI-Projektes können jedoch sehr unterschiedlich sein. Darüber hi- beiten. KI hingegen benötigt viele Daten und weiß vielleicht heute
naus erfordert das Training der KI-Systeme notwendige Zeit und noch nicht, was morgen mit diesen Daten gemacht werden kann
Energie – und auch im Liveeinsatz müssen die Systeme permanent oder soll. Bei aller „Goldgräberstimmung“ im Bereich der KI-An-
überwacht werden. Aus diesem Grund bietet sich ein Proof of Con- gebote dürfen Organisationen und Unternehmen das Prinzip der
cept an, in dem die Fragestellung und die Leistungsfähigkeit der informationellen Selbstbestimmung nicht außer Acht lassen und
Systeme in Pilotprojekten getestet werden können. müssen ihrem Nutzer gegenüber die notwendige Transparenz
4
entsprechend den geltenden Datenschutz-Regeln aufrechterhal- hig zu bleiben, bleibt für hochtechnisierte Länder nur der Schritt
ten. Wenn es gelingt, den Datenschutz nicht als notwendiges Übel, in die Automatisierung der Produktion und die Nutzung intelli-
sondern als integralen Bestandteil des KI-basierten Service zu be- genter Planungs-, Steuerungs- und Entscheidungssysteme über
trachten, dann entstehen mitunter Wettbewerbsvorteile in einer die gesamte Wertschöpfungskette. KI und ML können hier die not-
Welt, die Verstößen gegen den Datenschutz immer kritischer ge- wendige Effizienzsteigerung schaffen. Die digitale Transformation
genübersteht. benötigt diese Technologien, um die Datenmenge sinnvoll auto-
matisiert zu verarbeiten, damit insbesondere Standardprozeduren
Darüber hinaus muss das Unternehmen auch für entsprechenden autonom behandelt werden können. Weiter hilft die Technologie,
Schutz der gesammelten Daten vor Manipulation und Missbrauch die Kunden und ihre Bedürfnisse besser zu verstehen. Unterneh-
sorgen. Je umfangreicher und sensibler das Material ist, das über men, die KI konsequent an sinnvollen Stellen einsetzen, können
die Nutzer gesammelt wird, desto größer wird der ideelle und wirt- sich in diesen Bereichen erfolgreich vom Wettbewerb abgrenzen.
schaftliche Schaden, wenn die Daten missbräuchlich verwendet Der wirtschaftlich nachhaltige Einsatz von KI setzt allerdings um-
werden. fangreiche Erfahrung voraus. Daher ist es sinnvoll, möglichst bald
mit entsprechenden Pilotprojekten zu starten.
IDC: Wie finden Firmen die richtige Lösung für ihre KI- und ML-Initi-
ativen? Worauf müssen sie achten? Wolfgang Thronicke
Principal Consultant und
Thronicke: Es gibt bereits eine Reihe von KI-Instrumenten am Mitglied der Scientific
Markt, allerdings sind die wenigsten genau auf die individuellen Community, Atos
Bedürfnisse des Unternehmens zugeschnitten. Daher benötigen
an KI interessierte Unternehmen einen Partner mit Entwicklungs-
und Integrationskompetenz. Wenn diese Kompetenz von außen
geholt werden muss, sollten die Projektleiter sich Partner suchen,
die neben der fachlichen auch über die notwendige Branchenkom-
petenz verfügen.
IDC: Welche Gefahr besteht, wenn Unternehmen die aktuelle Ent-
wicklung verschlafen und nicht auf KI und ML setzen?
Thronicke: Im globalen Wettbewerb treffen Länder mit niedrigen
Personalkosten auf solche mit hohen Personalkosten. Um unter
diesen Bedingungen bei gleichen Marktsegmenten konkurrenzfä-
5COPYRIGHT-HINWEIS Die externe Veröffentlichung von IDC Informationen und Daten – dies umfasst alle IDC Daten und Aussagen, die für Werbezwecke, Presseerklärungen oder anderweitige Publikationen verwendet werden – setzt eine schriftliche Genehmigung des zuständigen IDC Vice President oder des jeweiligen Country Managers bzw. Geschäftsführers voraus. Ein Entwurf des zu veröffentlichenden Textes muss der Anfrage beigelegt werden. IDC behält sich das Recht vor, eine externe Veröffentlichung der Daten abzulehnen. Für weitere Informationen bezüglich dieser Veröffentlichung kontaktieren Sie bitte: Katja Schmalen, Marketing Director, +49 69 90502-115 oder kschmalen@idc.com. © IDC, 2018. Die Vervielfältigung dieses Dokuments ist ohne schriftliche Erlaubnis strengstens untersagt. IDC CENTRAL EUROPE GMBH Hanauer Landstr. 182 D 60314 Frankfurt • Germany T: +49 69 90502-0 F: +49 69 90502-100 E: info_ce@idc.com www.idc.de
Sie können auch lesen
