Artificial Intelligence

Künstliche Intelligenz: Why? Where? When? How? Who? What?

Bis die von menschlichen Fahrern gesteuerten Autos Auslaufmodelle sind und nur noch auf Nostalgieveranstaltungen bestaunt werden können, werden nach dem internationalen Verband der Automobilingenieure (SAE) sechs Automationsstufen erfolgen.

1. Wer steuert, beschleunigt/bremst? (Quer- und Längsführung Fahrer oder System)

2. Wer überwacht/beobachtet das Fahrumfeld? (Umgebungsbeobachtung Fahrer oder System)

3. Wer ist für die Rückfallebene verantwortlich? (Rückfallebene Fahrer oder System)

Auf der Suche nach den passenden Antworten für diese drei Fragen wird Künstliche Intelligenz Stufe für Stufe neu gedacht, neu definiert:

Stufe 0 (Level 0): Keine Automation (No Automation)

Quer- und Längsführung: Fahrer,

Umgebungsbeobachtung: Fahrer,

Rückfallebene: keine

Stufe 1 (Level 1): Fahrerassistenz (Driver Assistance)

Quer- und Längsführung: System,

Umgebungsbeobachtung: Fahrer,

Rückfallebene: Fahrer

Stufe 2 (Level 2): Teilautomation (Partial Automation), Hände weg (Hands off)

Quer- und Längsführung: System,

Umgebungsbeobachtung: System,

Rückfallebene: Fahrer

Stufe 3 (Level 3): Bedingte Automation (Conditional Automation), Augen weg (Eyes off)

Quer- und Längsführung: System,

Umgebungsbeobachtung: System,

Rückfallebene: Fahrer

Stufe 4 (Level 4): Hohe Automation (High Automation), Aufmerksamkeit weg (Mind off)

Quer- und Längsführung: System,

Umgebungsbeobachtung: System,

Rückfallebene: System

Stufe 5 (Level 5): Vollständige Automation (Full Automation)

Quer- und Längsführung: System,

Umgebungsbeobachtung: System,

Rückfallebene: System

KI-basierte Fahrerasisstenzsysteme werden das teilautomatisierte Fahren (Hände weg Stufe 2) und das bedingt automatisierte Fahren (Augen weg Stufe 3) emöglichen.

Ab Stufe 4 und 5 die Verantwortung für die Rückfallebene dem System zu übertragen, wird die bis dahin realisierten Artificial Intelligence Ansätze auf den Kopf stellen.

Für die ethisch-moralischen Entscheidungen werden ab Stufe 4 die "Maschinen" allein Verantwortung tragen.

Ein kurzer Rückblick auf die KI-Geschichte unseres Unternehmens: 

Wo unser Team in den vergangenenen drei Jahrzehnten Projekte um Artificial Intelligence gemacht hat?

Unsere praktische KI-Geschichte begann mit den Expertensystemen, in denen das Wissen eines bestimmten Fachgebiets in Form von Regeln und großen Wissensbasen repräsentiert wurde.

Den ersten Erfahrungen mit den Expertenssystemen folgten die Anwendungen der neuronalen Netze: Der Konnektionismus. Er orientierte sich anders als die symbolverarbeitende KI stärker am biologischen Vorbild des Gehirns. Die Frage, ob wir PROLOG oder LISP anwenden sollten, beschäftigte uns intensiv genug.

Ab 1990 befassten wir uns mit der verteilten Künstlichen Intelligenz Distributed AI, um den Robotern in der Automobil-Produktion mehr Autonomie zu ermöglichen.

KI-Anwendungen verließen mittlerweile die Produktionshallen, die Forschungslabors und machten sich in allen alltäglichen Lebenslagen breit.

"Machine learning makes machines intelligent by enabling them to learn from Big Data sets.

Humans are actively involved here in the learning and analysis process.

Deep Learning is a subfield of machine learning, but it is inspired by the simulation of human neuronal networks.

Like living beings, intelligent systems are capable of learning from information such as images or sounds."

Diese Beschreibung kennen heute die meisten Grundschüler. Wenn sie sie nicht kennen, fragen sie alexa, siri und co.

Zusammenfassung unserer KI-Geschichte in fünf Phasen:

Phase 1. Business Intelligence, Entscheidungen der Menschen auf Basis von Daten.

Phase 2. Data Mining, Entscheidungen ebenfalls durch Menschen 

Phase 3. Die Maschinen entscheiden automatisiert, jedoch überwacht von Menschen (Machine Learning)

Phase 4. Die Maschinen wählen autonom aus mehreren Entscheidungsmodellen aus.

Phase 5. Deep Learning, selbstlernende Systeme, die miteinander und mit dem Menschen interagieren.  

Structure follows Environment

Klare Hierarchien werden in den für Digital Business Value Ecosystems erforderlichen autodynamischen Organisationen mehr und mehr durch multidimensionale Mash-up Organisationsstrukturen überlagert.

Organisation Design for Digital Business

Die Auswirkungen von Umweltdynamiken auf die Unternehmensprozesse mit Artificial Intelligence rechtzeitig erkennen

design value ecosystemsBei niedrigen Umwelt-Dynamiken überraschen die Ereignisse im Umfeld die Prozessorganisation kaum.

  Stakeholder haben Ansprüche

  Stakeholder haben Bedürfnisse

  Stakeholder haben Interessen

Wie sehen die Artificial Intelligence Lösungen, um die Stakeholder-Bewegungen im Radar zu haben?

stakeholder internet of services

Autodynamik beschreibt die Fähigkeit, die die Unternehmensorganisationen zur Anpassung der Eigendynamik an die Umweltdynamiken besitzen müssen, um in dynamischen Unternehmensumwelten erfolgreich zu agieren. Artificial Intelligence ermöglicht die Autodynamik-Fähigkeit zu entwickeln und on going zu optimieren.

Carlos Valderrama

Dr. h. c. Carlos Valderrama "El Pibe" beschreibt im SZ-Interview (08.07.2010) die Autodynamikkompetenz: