Künstliche Intelligenz : Fünf AI-Tools für die Industrie, die Sie kennen sollten

Über ChatGPT müssen wir nicht viel schreiben, aber mit der generativen AI entstehen immer wieder neue Anwendungen. Einer der jüngsten Abkömmlinge von ChatGPT ist Code Interpreter von OpenAI. Auch Marco Huber vom Fraunhofer IPA hat das Tool für sich entdeckt und ausprobiert. Die Hauptfunktionen von Code Interpreter ist die Durchführung der Analyse eines gegebenen Datensatzes. Das klingt nicht spektakulär. Huber fütterte das Tool mit dem berühmten Titanic Datensatz. Sein Fazit: Das Tool erstellt automatisch Plots, Diagrammen und Tabellen, führt automatisch eine explorative Datenanalyse durch, bietet eine Vorverarbeitung des Datensatzes, z. B. Verschlüsselung von Merkmalen, Imputation fehlender Werte, Entfernung irrelevanter Merkmale, schlägt geeignete Modelle für maschinelles Lernen vor, bewertet die Modellleistung, führt eine Hyperparameter-Optimierung durch und erklärt bei jedem Schritt, was getan wurde und warum. „Stellen Sie sich vor, ein solches Tool würde mit einer AutoML-Toolchain kombiniert. Das Ergebnis wäre eine End-to-End-Pipeline für die Erstellung von Machine Learning-Modellen, die keine Blackbox-Optimierung mehr ist, da die internen Schritte dem Benutzer erklärt werden“, schreibt Huber. Ausprobieren lohnt sich. Aber Achtung mit der Privacy Ihrer Daten. Code Interpreter gibt es bei OpenAI.

Hier geht's zum Tool!

Auch unser zweites Tool basiert auf generativer AI. Zugeben: Es ist eine Spielerei, aber jeder in der Industrie sollte das Tool seinen Mitarbeiterinnen und Mitarbeitern zeigen und ausprobieren lassen. Nvidia hat mit NeVAein multimodales Vision-Sprachmodell öffentlich gestellt, das im Browser bedient werden kann. Das Modell versteht Text und Bilder und erzeugt informative Antworten. Anwender können ein Bild hochladen und dazu Fragen stellen. Das Tool gibt dann die Antworten. NeVA ist Nvidias Version des LLaVA-Modells bei dem das Open-Source-Modell LLaMA durch ein von Nvidia trainiertes GPT-Modell ersetzt wird. Probieren Sie es aus, die Redaktion fand es sehr unterhaltsam und lehrreich.

Hier geht's zum Tool!

Unser drittes Tool richtet sich an die Expertinnen und Experten unter Ihnen. Victor Schmidt von Mila aus Montreal forscht seit einigen Jahren zum Thema Energieverbrauch und Machine Learning. Der Kanadier hat zusammen mit seinen Kolleginnen und Kollegen ein Python-Tool geschrieben, das den Energieverbrauch bei diesem Tuning und Searching dem Anwender visualisiert. Schmidts Oneliner für Python stößt aber an Grenzen. Es fehlen noch Daten. Gegenwärtig bedienen sie sich Open Source Daten und NGO-Informationen. Die Forscher haben Daten von den großen Cloudprovidern, doch viele Unternehmen fahren eigene Rechenzentren. „Das ist für uns nicht einzusehen und der Anwender muss selber die Informationen zum Energieverbraucher suchen.“ Das ist nicht praktikabel. Die Kanadier wollen ihren Machine Learning Emissions Calculator weiter optimieren, noch mehr Data Scientists zur Verfügung stellen, um in Zukunft Machine Learning nachhaltiger zu betreiben. Hilfe ist willkommen. Das Paper zum Programm gibt es hier. Es geht den Kanadiern auch um mehr Bewusstsein und Transparenz – ein Generated Latex Template steht zum Download bereit.

Hier geht's zum Tool!

Unser viertes Tool richtet sich an die Mitarbeiterinnen und Mitarbeiter von Unternehmen. Die finnischen Entwicklerinnen und Entwickler von Minna Learn veröffentlichten vor einigen Jahren den Kurs Elements of AI. Dieser richtete sich an die Bevölkerung in Europa und vermittelt Grundlagen zum Thema AI. 2018 starteten die Finnen mit ihrem ersten Kurs. Es wurde eine Erfolgsgeschichte. Mehr als 760.000 Menschen aus 170 Nationen haben den Sechs-Wochen-Kurs schon absolviert. Teilnehmer können ihr Lerntempo selbst bestimmen. Im Vordergrund stehen kurze Erklärtexte zu Technologien und Einsatzszenarien. Nach den Grundlagen für die breite Bevölkerung folgen jetzt Kurse für die AI im beruflichen Kontext: Elements of AI for Business. Inhalte sind unter anderem Produktentwicklung, Technologieverständnis, Kundenservice und Analytics.

Hier geht's zum Tool!

Der AI Act kommt und viele Unternehmerinnen und Unternehmen fragen sich, was bedeuten die Regeln aus Brüssel in Zukunft für den Arbeitsalltag? Unser fünftes Tool gibt Ihnen einen ersten Überblick. Die Initiative Applied AI aus München hat eine Datenbank mit mehr als 100 Anwendungsfällen aufgebaut. Die Datenbank (vereinfacht die Suche und die Einordnung der eingesetzten Technologie. Die Autoren bewerten und kommentieren die Anwendungen. Die untersuchten Unternehmensbereiche gehen von Personal, über Fertigung, Logistik, Supply Chain, Buchhaltung, Einkauf, Kundenservice, Marketing, Forschung und Entwicklung bis hin zu IT und Cybersecurity. Die Autoren klassifizieren die Anwendungen basierend auf den Entwürfen des AI Acts in „geringes Risiko“, „hohes Risiko“ oder „noch unklar“. Wichtig ist den Machern: Die Datenbank sei keine Rechtsberatung und soll weiterwachsen. Die untersuchten AI-Systeme stammen alle aus dem Unternehmenskontext, d.h. AI in anderen Anwendungsbereichen, wie z.B. für bestimmte Branchen (z.B. Medizin, Luft- und Raumfahrt, Automotive) oder Sektoren (z.B. Bildung, öffentliche Verwaltung, Gesundheitswesen), sind nicht enthalten. „Die Ergebnisse sind daher nicht repräsentativ für die Gesamtheit aller AI-Anwendungen, geben aber einen sehr guten und breiten Überblick über AI in Funktionsbereichen von Unternehmen.“

Hier geht's zum Tool!