Wie Künstliche Intelligenz richtig trainiert wird.
Richtig programmiert, kann Künstliche Intelligenz dem Menschen viel Arbeit abnehmen. Allerdings gibt es auch Pannen. Immer dann, wenn mit falschen Daten trainiert wird. Doch wie lernt KI, das Richtige zu tun?
Wer einen selbst lernenden Algorithmus mit falschen Daten trainiert, riskiert Pannen.
„Nur saubere Daten verhindern, dass Maschinen fehlerhafte Entscheidungen treffen.“
Messbare Erfolge bei EOS: ein um elf Prozent höherer Zahlungseingang dank Einsatz von KI.
Was passieren kann, wenn man einen selbst lernenden Algorithmus mit falschen Daten trainiert, hat die Fotofilter-App Faceapp mit ihrem „Hotness“-Filter gezeigt, einer Art Attraktivitätsfilter. Vor zwei Jahren wurden aus dunkelhäutigen Porträtierten plötzlich weiße Menschen. Der Grund für die Hautveränderung: Die Künstliche Intelligenz (KI) war nur mit einem Datensatz kaukasischer hellhäutiger Gesichter trainiert worden. Wären beim Training alle ethnischen Gruppen berücksichtigt worden, hätte es die Panne nicht gegeben.
Benachteiligung durch schlechte Daten.
Einer, der weiß wie man KI-Systeme richtig trainiert, ist Andreas Dix vom Team Data Science bei EOS in Deutschland. Der Data-Spezialist trainiert Maschinen für Prozesse, die sich wiederholen und aufwendig sind. „Nur saubere Daten verhindern, dass Maschinen fehlerhafte Entscheidungen treffen.“
„Wir müssen ganz genau wissen, wo die Zusammenhänge liegen, damit die Künstliche Intelligenz aufgrund unseres Trainings richtig funktioniert.“
Andreas Dix
Ein Weg, um diese Pannen zu vermeiden, ist die richtige Datenexploration. Das bedeutet, dass man hypothesenfrei an den Datensatz herangeht. Also neutral, ohne unbestätigte Annahme. Danach versucht der Experte herauszufinden, was in dem Datensatz an verwertbaren Informationen steckt. Sind Variablen darin, die gar keine Streuung haben? Oder sind Variablen darin, die zu viele fehlende Werte haben? Diese Daten sollten ausgeschlossen werden, da sie einen falschen Einfluss haben können. „Wir müssen ganz genau wissen, wo die Zusammenhänge liegen, damit die Künstliche Intelligenz aufgrund unseres Trainings richtig funktioniert“, weiß Dix.
Intelligent programmieren.
Die Machine-Learning-Algorithmen benötigen saubere Daten, um Strukturen zu erkennen und Schlüsse zu ziehen. „Die Regeln und Bedingungen, die vom Algorithmus während des Trainings aufgestellt wurden, dürfen nicht zu spezifisch sein, weil sie dann keinerlei Wert haben, um wirklich etwas vorauszusagen. Man spricht dann von Überanpassung. Besser wäre eine Generalisierung, also weniger spezifische Strukturen zu finden, und dadurch eine gute Genauigkeit zu erzielen, unter anderem basierend auf neu gewonnenen Daten.“ Erreichen kann man das etwa durch Optimieren von Hyperparametern des Algorithmus und durch mehr Trainingsdaten.
Vollautomatische Forderungen.
Bezogen auf die Inkassoarbeit bei EOS bedeutet das, dass KI zum Beispiel die beste nächste Aktivität voraussagt. Konkret werden die Daten, die bis zu diesem Zeitpunkt über die Forderung und die säumigen Zahlerinnen und Zahlern im System vorhanden sind, gesammelt, aggregiert und aufbereitet. Erst dann werden alle Modelle mit diesen Daten angefragt, um vorherzusagen, wie erfolgreich jede Inkassoaktivität für diese Forderung zu diesem Zeitpunkt sein wird. Oder um es deutlicher zu sagen: Wie viel Zahlungseingang EOS erwarten kann. Letztlich wird die Aktivität, die nach Anwendung aller Kriterien als am besten bewertet wurde, vom Inkassosystem ausgeführt.
Messbarer Erfolg.
Tatsächlich gibt es schon messbare Erfolge dank KI bei EOS zu vermelden. „Bei EOS in Deutschland setzen wir das datengetriebene KI-System D3, Data Driven Decisions, produktiv ein. Wir lassen damit den Inkassoprozess steuern und haben einen etwa zehn Prozent höheren Zahlungseingang als zuvor. Dadurch erzielen wir ein rund fünf Prozent höheres Ergebnis nach Aktivitätskosten im Vergleich zum bisherigen Verfahren der Forderungsverarbeitung“, sagt Dix.
Menschliche Intelligenz steht über allem.
Bei der Frage, ob Menschen in den Abläufen irgendwann überflüssig werden können, weil Lernprogramme sich verselbstständigen, hält der Data-Spezialist kurz inne. „Ich denke, am Ende sind Systeme mit Künstlicher Intelligenz immer eine hilfreiche Ergänzung für den Menschen. Über allem aber steht immer der Mensch, der kontrolliert und wichtige Entscheidungen trifft.“ Schließlich muss es ja am Ende der Mensch sein, der die Maschine mit den richtigen Daten füttert.
Weitere Informationen? Melden Sie sich gerne bei uns!
Wir verwenden Cookies auf unserer Website, um Ihnen einen möglichst optimalen Website-Besuch zu ermöglichen. Dazu gehören Cookies, die für den Betrieb der Website notwendig sind. Darüber hinaus können Sie selbst entscheiden, ob Sie die Nutzung von Cookies und anderen Tools zu Statistikzwecken, für Komforteinstellungen oder Marketingzwecke zulassen möchten. Außerdem können Sie Ihre ggf. erteilte Einwilligung jederzeit widerrufen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und Impressum.
Notwendig
Wir setzen notwendige Cookies ein. Diese Cookies sind für den Betrieb und die Grundfunktionen der Website notwendig. Sie ermöglichen insbesondere die sicherheitsrelevanten Funktionsweisen unserer Website.
Welche Cookies wir einsetzen können Sie hier nachlesen
Toolname
Cookieconsent_status
Toolanbieter
EOS Holding GmbH
Sitz des Toolanbieters
Steindamm 71, 20099 Hamburg
Toolbeschreibung
Notwendiges Cookie, um die Eingaben des Consent Banners zu speichern.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Einwilligungsspeicherung
Aufbewahrungsdauer
60 Tage
Toolname
Java Session Cookie
Toolanbieter
EOS Holding GmbH
Sitz des Toolanbieters
Steindamm 71, 20099 Hamburg
Toolbeschreibung
Zufällig generierte Sitzungsnummer, die für das ordnungsgemäße Funktionieren der Anwendungssoftware unerlässlich ist.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Einwandfreie Funktionalität der Website
Aufbewahrungsdauer
Session-Cookie - wird gelöscht, nachdem Sie Ihren Browser beendet haben.
Komfort
Wenn Sie Komfort Cookies zulassen, können wir Ihnen die Bedienung unserer Seite erleichtern. Wenn Sie unsere Website erneut besuchen, um unsere Dienste in Anspruch zu nehmen, wird automatisch erkannt, dass Sie bereits bei uns waren und welche Eingaben und Einstellungen sie getätigt haben, sodass Sie diese nicht noch einmal eingeben müssen.
Welche Cookies wir einsetzen können Sie hier nachlesen.
Toolname
Visitor
Toolanbieter
EOS Holding GmbH
Sitz des Toolanbieters
Steindamm 71, 20099 Hamburg
Toolbeschreibung
Wir verwenden dieses Cookie, um Ihnen die Benutzung dieser Website zu erleichtern.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Optimierung, Verbesserung des Dienstes
Aufbewahrungsdauer
Session-Cookie - wird gelöscht, nachdem Sie Ihren Browser beendet haben.
Toolname
NEW_Visitor
Toolanbieter
EOS Holding GmbH
Sitz des Toolanbieters
Steindamm 71, 20099 Hamburg
Toolbeschreibung
Wir verwenden dieses Cookie, um Ihnen die Benutzung dieser Website zu erleichtern.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Optimierung, Verbesserung des Dienstes
Aufbewahrungsdauer
1 Tag
Statistik
Statistische Cookies setzen wir ein, um unser Angebot zu verbessern und eine bedarfsgerechte Gestaltung und die fortlaufende Optimierung unserer Webseite sicherzustellen.
Dazu erfassen wir anonymisierte Daten für Statistiken und Analysen, um beispielsweise Besucherzahlen und Benutzerverhalten zu ermitteln und unsere Inhalte und das Websiteerlebnis anzupassen und zu verbessern.
Welche Cookies wir einsetzen können Sie hier nachlesen.
Toolname
nmstat
Toolanbieter
Siteimprove GmbH
Sitz des Toolanbieters
Rosenheimer Str. 143 C, 81671 München
Toolbeschreibung
Dieses Cookie wird benutzt, um Statistiken über die Websitenutzung zu sammeln, wie zum Beispiel wann die Besucher*in die Website zuletzt besucht hat.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Analyse, Statistiken
Aufbewahrungsdauer
399 Tage
Toolname
AWSELB
Toolanbieter
Siteimprove GmbH
Sitz des Toolanbieters
Rosenheimer Str. 143 C, 81671 München
Toolbeschreibung
Das Cookie stellt sicher, dass alle Statistiken derselben Sitzung zusammenhängend erfasst werden.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Analyse, Statistiken
Aufbewahrungsdauer
Sitzungsende
Toolname
siteimproveses
Toolanbieter
Siteimprove GmbH
Sitz des Toolanbieters
Rosenheimer Str. 143 C, 81671 München
Toolbeschreibung
Dieses Cookie wird dafür eingesetzt, um die Abfolge an Seiten zu verfolgen, die ein Besucher/eine Besucherin im Laufe des Besuchs auf der Website ansieht.
Verarbeitete Daten
Keine
Zweck der Datenverarbeitung
Analyse, Websitestatistik
Aufbewahrungsdauer
Session-Cookie - wird gelöscht, nachdem Sie Ihren Browser beendet haben.
Marketing
Marketing-Cookies setzen wir ein, um Ihnen für Sie relevante und interessengerechte Inhalte bei Ihrem Besuch unserer Website zu ermöglichen.
Welche Cookies wir einsetzen können Sie hier nachlesen.
Toolname
Facebook Pixel
Toolanbieter
Meta Platforms Ireland Limited
Sitz des Toolanbieters
4 Grand Canal Square, Grand Canal Harbour, Dublin, D02, Ireland.
Toolbeschreibung
Wird von Meta verwendet, um Anzeigen zu schalten, die Relevanz von Anzeigen zu messen und zu verbessern und um Werbeprodukte auf Meta anzubieten.
Verarbeitete Daten
Betrachtete Anzeigen | Besuchte Seiten | Browserinformationen | Facebook-Cookie-Informationen | Facebook-Benutzer-ID | Geografischer Standort | Geräteinformationen | HTTP-Header | Interaktionen mit Anzeigen, Diensten und Produkten | IP-Adresse | Marketinginformationen | Nutzungsdaten und -verhalten | Pixel-ID | Referrer-URL | User-Agent
Zweck der Datenverarbeitung
Analyse | Conversion Tracking | Marketing | Social Media | Werbung
Aufbewahrungsdauer
__fbp (Lebensdauer: 3 Monate)
Toolname
LinkedIn
Toolanbieter
LinkedIn Ireland Unlimited Company
Sitz des Toolanbieters
LinkedIn Ireland Unlimited Company Wilton Place, Dublin 2, Ireland
Toolbeschreibung
Dieses Cookie wird dafür eingesetzt, um anonymisierte Berichte über die Website-Zielgruppe zu erhalten und die Möglichkeit zielgruppenspezifischer Werbung unter anderen im Rahmen von Retargeting.
Verarbeitete Daten
Geräteinformationen, Browser-Informationen, IP-Adresse, Referrer URL und Zeitstempel.