Künstliche Intelligenz und Machine Learning

Große Unternehmensberatungen sind sich einig: KI und Machine Learning werden massiv wachsen. Deloitte hat prognostiziert, dass sich die Zahl der Implementierungen und Pilot-Projekte im KI-Bereich von 2017 auf 2018 verdoppeln und bis 2020 insgesamt vervierfachen werden.

„Statt dass Großunternehmen die Entwicklung treiben, sind es vor allem Labore, digitale Entwicklungsplattformen und Start-ups, die die KI-Entwicklung bestimmen“, sagt auch Roland Berger in der Studie „Artificial Intelligence“ (PDF-Download), bei der 3.500 Unternehmen und Start-ups weltweit befragt wurden. Allerdings liegt Europa hier noch klar hinter den USA und auch China.

China hat KI bereits als „die“ Zukunftstechnologie ausgegeben und investiert massiv in Entwicklungen. Das Land will bis 2030 die weltweite Führung übernehmen und muss sich auch heute nicht verstecken. Die europäischen Staaten befürchten, den Anschluss zu verlieren und investieren massiv in die Förderung von Start-ups im KI-Bereich. Frankreich will 1,5 Milliarden Euro in fünf Jahren investieren, die britische Regierung kündigte jüngst ein Programm mit einem Volumen von 1 Milliarden Englische Pfund an. Deutschland will bis Ende 2018 ihren Masterplan KI mit ähnlicher Summe vorlegen. Auf EU-Ebene haben 24 Mitgliedstaaten im April 2018 eine Vereinbarung zur Förderung von KI unterzeichnet.

Die genannte Roland-Berger-Studie zeigt aber auch, dass aktuell noch recht wenig Unternehmen auf KI- und Machine-Learning-Anwendungen setzen. In Anbetracht der Förderprogramme wird sich das in naher Zukunft jedoch deutlich ändern. IT-Entwickler sind also gut beraten, wenn sie sich aktuell mit den neuen Techniken auseinandersetzen. 
Ein weiterer Indikator dafür ist der Einsatz von KI-Chips, aktuell vor allem in Smartphones. Die Betriebssysteme iOS und Android haben entsprechende Frameworks erhalten, die den Einstieg in einfache KI-Applikationen erleichtern. Auch für Industrie- und IoT-Einsätze gibt es bereits zahlreiche Hardware-Entwicklungskits.

Machine Learning (ML) und insbesondere das wesentlich komplexere Deep Learning erfordern einen akademischen Ansatz: Es steckt relativ viel Know-how hinter den verschiedenen KI-Modellen, das man sich durch intensive Beschäftigung erarbeiten muss. Auch vor Mathematik sollte man keine Angst haben. Ein besonders guter Startpunkt hierzu ist der Online-Kurs des Machine-Learning-Cracks der ersten Stunde, Prof. Andrew Ng von der Stanford University. Diesen Aufwand treiben zu müssen, ist aber kein Nachteil, sondern eher ein Vorteil: ML-Experten sind sehr gefragt und sie wachsen nicht auf Bäumen. Wer sich intensiv in die Materie einarbeitet, hat daher einen nicht leicht aufzuholenden Wissensvorsprung.

Die Wahl der Programmiersprache spielt nur eine untergeordnete Rolle. ML-Frameworks und -Bibliotheken gibt es für jede gängige Sprache. Besonders schnell werden neue Algorithmen allerdings in Python umgesetzt, weil diese Sprache an Forschungsstätten weit verbreitet ist und oft erste Wahl ist

Was die konkrete Nachfrage nach Machine Learning und Künstlicher Intelligenz angeht, ist ein Blick auf den GULP Trend Analyzer sehr spannend:

Er zeigt, dass sich in den letzten 12 Monaten die Anzahl der Projekte mit dem Begriff „Machine Learning“ signifikant erhöht hat. Auch beim Thema „KI“ zeigt der Trend für die letzten drei Monate deutlich nach oben. 
Insgesamt ist die Anzahl der Projektanfragen, bei denen KI-Fähigkeiten gefordert sind, mit 0,3 Prozent bis 0,6 Prozent aller Anfragen noch gering. Die Tendenz ist aber aufsteigend.

Machine Learning und Künstliche Intelligenz sind in der Zukunft Themenfelder mit enormem Potenzial, in das Wirtschaft und Politik große Hoffnungen setzen und viel investieren. Wer jetzt als IT-Entwickler auf den Zug aufspringt, legt die Grundlage für lukrative und auch interessante Projekte.