Der Begriff der Künstlichen Intelligenz (KI) (bzw. Artificial Intelligence (AI) im englischsprachigen Raum) ist seit einiger Zeit in aller Munde. Grob formuliert, verbirgt sich dahinter der ambitionierte Versuch, die menschliche Intelligenz und das auf deren Entscheidungen basierte Verhalten mithilfe von Maschinen und computergestützten Systemen bzw. Algorithmen zu simulieren. Die in diesem Zusammenhang entwickelten KI-Technologien und Softwarelösungen kommen dabei sowohl in Unternehmen als auch Institutionen der unterschiedlichsten Wirtschafts- und Gesellschaftsbereiche zum Einsatz. Das oberste Ziel: betriebliche Prozesse optimieren und weitestgehend automatisieren.
Wer den aktuellen Trend im Bereich der KI-Technologien allerdings verschläft, könnte schon bald nicht mehr wettbewerbsfähig sein. Denn laut einer repräsentativen Bitkom-Studie zur Digitalisierung der Wirtschaft sind schon heute rund 60% aller deutschen Unternehmen davon überzeugt, dass die Künstliche Intelligenz eine der wichtigsten Zukunftstechnologien überhaupt darstellt. Dies deckt sich übrigens mit einer weiteren, von Splunk gesponsorten, weltweiten Umfrage unter mehr als 2.200 Führungsgräften aus Business und IT, die zeigt, wie Unternehmen von Technologien, die eine Datenrevolution vorantreiben (u. a. Künstliche Intelligenz und Machine Learning) profitieren können,. In diesem Leitfaden wollen wir Ihnen daher aufzeigen, welche Anwendungen von Künstlicher Intelligenz aktuell bereits existieren und in welchen Bereichen deren Einsatz in vielerlei Hinsicht durchaus Sinn macht. Hierzu gehören unter anderem die Verarbeitung natürlicher Sprache, die Analyse von Daten, die Automatisierung von Verarbeitungsprozessen und die frühzeitige und automatisierte Abwehr von Cyber-Betrugsversuchen.
Einer der wohl bekanntesten und auch stetig wachsenden Einsatzgebiete von Künstlicher Intelligenz (KI) ist das sogenannte „Natural Language Processing“ (NLP). Dabei geht es primär um die Verarbeitung natürlicher Sprache oder Texte, um diese mithilfe computerbasierter Algorithmen und intelligenter KI-Systeme gezielt in digitale Informationen zu übersetzen. Soll heißen, die KI-Technologie ist in der Lage, komplette Dokumente und sogar die menschliche Sprache zu verstehen und zu interpretieren, um diese dann weiterverarbeiten zu können. Dies ist eine wichtige Grundlage, um zum Beispiel mithilfe virtueller Assistenten wie Siri, Google oder Alexa sowohl Sprache in Text als auch Texte in Sprache zu verwandeln.
In diesem Zusammenhang wird grundsätzlich zwischen der Natural Language Generation (NLG) – also der automatischen Erzeugung natürlicher Sprache durch eine Maschine – und dem Natural Language Understanding (NLU) unterschieden – dem „Verstehen“ natürlichsprachiger Textinhalte mit all ihren Feinheiten. Um jedoch innerhalb kürzester Zeit unzählige Informationen miteinander vergleichen, Gemeinsamkeiten identifizieren und komplexe Themen bspw. durch ein TF-IDF Verfahren (Term-frequency-inverse document frequency) erfassen zu können, braucht es ein inhaltliches wie auch kontextuelles Verstehen von Sprache bzw. von Textinhalten. Eine Eigenschaft, die Künstliche Intelligenz auf teil- oder vollautomatischer Basis übernimmt, um daraus digitale Informationen zu generieren. Diese können dann wiederrum in einen Algorithmus für maschinelles Lernen (Machine Learning, ML) eingespeist werden, um daraus neue Inhalte zu erzeugen. Auch Splunk setzt zur Verarbeitung natürlicher Sprache solche KI-Technologien ein, für die jedoch keinerlei Kenntnisse auf dem Gebiet der Search Programming Language (SPL) erforderlich sind.
Mögliche Anwendungen von NLP im Überblick:
- Spracherkennung und Sprachausgabe (bei Smartphones oder Fahrassistenzsystemen)
- Semantisches, syntaktisches, morphologisches und phonetisches Verstehen und Auswerten
- Einteilung von Inhalten nach bestimmten Definitionen (Wörter, Sätze und Phrasen)
- Erkennen von Strukturen und Verstehen komplexer Themen
- Google-Suche nach bestimmten Begriffen oder themenverwandten Beiträgen
- Analyse und Erkennen von Satzzusammenhängen, Satzbeziehungen sowie Objekten/Dingen
- linguistische Textanalyse und Auswertung von Texten im Verb
- Sentiment-Analyse zur Ermittlung von Stimmungen oder Meinungen
- Automatische Erstellung von Texten für die Ausgabe von Sprache oder Text über einen virtuellen Sprachassistent oder Chatbot
- Erzeugung leserfreundlicher Textinhalte auf Basis unzähliger Datenfragmente
Der Begriff des „Big Data“ war lange Zeit für viele Menschen wenig greifbar und nur unter Spezialisten ein gängiger Terminus. Dank der zunehmenden Digitalisierung und der Umstellung vieler Unternehmensprozesse auf eine teil- oder vollautomatische Steuerung rückt die Datenanalyse (Data Analytics) zunehmend in den Fokus verschiedenster Berufsgruppen. Schließlich lassen sich durch den Einsatz von leistungsstarken Computern oder modernen KI-Technologien schier unendliche Datenmengen gewinnen. Daten, die ihr eigentliches Potenzial aber erst durch vollständiges Untersuchen, Überwachen, Analysieren und gezieltes Verarbeiten entfalten können. Mit Blick auf die seitens des Informationsdienstes der deutschen Wirtschaft (IDW) erwarteten Steigerung der weltweit zu verarbeitenden Datenmengen von rund 33 Zettabyte (ZB) im Jahr 2018 um jährlich rund 27 Prozent auf 175 Zettabyte im Jahr 2025 wird deutlich, wie wichtig für Unternehmen der Einsatz von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) in Zukunft sein wird. Denn nur mithilfe von KI lassen sich die Daten überhaupt auswerten, um darauf aufbauend Geschäftsentscheidungen zu treffen und den Unternehmenserfolg zu sichern.
Im Gegensatz zum menschlichen Gehirn, ist die KI nämlich in der Lage, selbst in komplexesten Arbeitsabläufen bzw. riesigen Datenmengen kleinste Muster, Übereinstimmungen oder Fehler zu erkennen. Desto mehr Rohdaten dabei zur Verfügung stehen, umso mehr können die Algorithmen von Künstlicher Intelligenz und Maschinellem Lernen gefüttert und trainiert werden. Hinzu kommt eine umfangreiche Verknüpfung von Informationen sowie die Nutzung unterschiedlichster Quellen, um die Daten untereinander in Beziehung zu bringen. Auf diese Weise lassen sich im Anschluss an eine umfangreiche Datenanalyse wertvolle Erkenntnisse ableiten, um bspw. mithilfe von Business Analytics bestehende Prozesse optimieren, Einsparpotenziale bzw. Kostentreiber identifizieren oder die Qualität in den verschiedensten Bereichen gezielt verbessern zu können.
Mögliche Anwendungsgebiete von KI im Bereich Data Analytics im Überblick:
- Vorhersage der Qualität von zu produzierenden Erzeugnissen
- Identifikation von Fehlerursachen im Fertigungsprozess
- Automatische Wartungsplanung von Maschinen
- Optimale Steuerung von Auftrags- und Logistik-Prozessen
- Verbesserung von Unternehmensprozessen
- Treffen sicherer Entscheidungen auf Basis fundierter Daten
- Optimierung der Kundenbeziehungen
- Effizientere Gestaltung von Marketingmaßnahmen
- Aufspüren von Markttrends für die Entwicklung von Unternehmenszielen
- Vorausschauende Planung von Produktionsprozessen

Laut einer Studie des Bundesministeriums für Wirtschaft (BMWi) zum Einsatz von KI-Technologie im produzierenden Gewerbe setzen rund 25% der Großunternehmen und lediglich 15% der kleinen und mittelständischen Unternehmen (KMU) auf die sogenannte Robotic Process Automation (RPA). Dabei bieten automatisierte Produktionsverfahren ein immenses Potenzial, um betriebliche Prozesse effizienter zu gestalten und zugleich die Produktqualität zu erhöhen. Hierfür müssen die seitens moderner Maschinen und Produktionsanlagen fortlaufend zur Verfügung gestellten Daten allerdings erst entsprechend ausgewertet, kontrolliert und verarbeitet werden. Eine Herausforderung, die nur mithilfe von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) gelingt. Denn nur so lassen sich die riesigen Datenmengen überhaupt gewinnbringend verwerten und in Beziehung zueinander setzen, damit die Maschinen eigenständig Qualitätskontrollen durchführen, Fehler frühzeitig erkennen und Kapazitäten besser planen können.
Einen Mehrwert kann Künstliche Intelligenz aber auch ganz unabhängig von den reinen Produktionsprozessen schaffen. So sorgen automatisierte und computergenerierte Prozesse nicht nur im Rechnungswesen oder im Controlling für eine Entlastung der Mitarbeiter. Ebenso ermöglicht KI die Automatisierung komplexer Verfahren im Finanz- und Bankenwesen, um bspw. Bewertungsprozesse, Kreditentscheidungen oder den algorithmischen Handel möglichst effizient zu steuern. Auch können digitale Assistenten und sprachgesteuerte Anwendungen dabei helfen, den Kundenservice zu verbessern. Die wichtigste Aufgabe der KI besteht darin, zuvor manuelle Arbeitsschritte oder textbasierte Geschäftsprozesse weitestgehend zu automatisieren sowie unstrukturierte Informationen eigenständig aufzubereiten, zu kategorisieren und zu verarbeiten. Denn auf diese Weise lässt sich nicht nur die Fehlerquote senken, sondern ebenso die Bearbeitungszeit verkürzen und die Kosten nachhaltig reduzieren. Darüber hinaus schützt Künstliche Intelligenz die Finanzinstitute und ihre Kunden auch vor Cyber-Attacken, in dem KI-Lösungen sämtliche Vorgänge fortlaufend überwacht und alle notwendigen Sicherheitsprozesse automatisiert.

Mögliche Anwendungen von KI-Automatisierung im Überblick:
- Vorausschauende Wartung von Maschinen und Anlagen (Predictive Maintenance)
- Vollautomatisch gesteuerte und kontinuierlich angepasste Produktionsanlagen
- Effizientere und kostenoptimierte Produktionsprozesse
- Frühzeitige Fehlererkennung und Selbstoptimierung
- Verbesserung der Produktqualität und verringert die Ausschussraten und Prüfkosten
- Vollautomatische Qualitätsprüfung durch eigenständige Bildauswertung
- Optimierung des Zusammenwirkens von echten und digitalen Mitarbeitern
- Sprachsteuerung für die einfache Bedienung von Maschinen
- Wissenstransfer durch Einsatz von KI-Technologie
- Verarbeitung natürlicher Sprache in Text und umgekehrt
- Automatisierte Berichterstellung zur Einhaltung von regulatorischen Vorschriften
- Automatisierte Überwachung von Sicherheitsprozessen
Betrugsversuche und das Erschleichen von Leistungen auf kriminelle Art und Weise sind so alt, wie die Menschheit selbst. Durch die zunehmende Digitalisierung von Unternehmensprozessen, des gesamten Zahlungsverkehrs und des Finanzsektors im Besonderen wird es jedoch für Dritte immer einfacher, sensible Daten oder personenbezogene Informationen (Identitätsdiebstahl) abzugreifen. Das beweist auch der aktuelle „Bericht zur Lage der IT-Sicherheit in Deutschland 2020“ des Bundesamts für Sicherheit in der Informationstechnik (BSI). Demnach werden vor allem finanzstarke Unternehmen, aber immer häufiger auch Behörden und Privatpersonen von einer stetig wachsenden Zahl an Cyber-Attacken bedroht – sei es nun in Form von Daten-Leaks, Phishing- oder Spam-Mails, gehackten Nutzerkonten, spionierender Schadsoftware, Computerviren oder gefälschten Websites und Apps. Hinzu kommen die verschiedensten Arten von Betrug (Fraud), sei es im E-Commerce oder in anderen Bereichen wie Finanzbetrug, Kreditkartenbetrug, Versicherungsbetrug sowie Missbrauch gesundheitlicher Services und viele weitere Varianten krimineller Vergehen.
Um der steigenden Zahl an potenziellen Betrugsfällen und Verstößen gegen die Compliance von Unternehmen überhaupt Herr zu werden, braucht es mittlerweile ausgefeilte, technische und vor allem intelligente Lösungen. So kommt bei der effektiven Betrugserkennung (Fraud Detection) und -prävention (Fraud Prävention) immer häufiger auch Künstliche Intelligenz (KI) und Maschinelles lernen (ML) zum Einsatz. Diese sind in der Lage, deutlich schneller als der Mensch ungewöhnliche Vorgänge zu erkennen, verdächtige Aktivitäten zu bekämpfen oder nicht erklärbare Prozesse vollautomatisch zu überprüfen. Als Grundlage dient dabei ein sich ständig optimierendes und lernendes KI-System, das nicht nur fortlaufend riesige Datenmengen (z. B. IP-Adresse, Bankverbindung, Nutzerdaten, etc.) überprüft, sondern auch auf ein breites Spektrum möglicher Betrugsversuche zurückgreift. Denn etwaige Sicherheitsrisiken oder Bedrohungen von außen lassen sich nur dann gezielt bekämpfen, wenn diese seitens der KI auch tatsächlich erkannt werden.

Mögliche Anwendungen von KI zur Betrugsprävention im Überblick:
- Schnellere Erkennung von Betrugsversuchen durch automatisierte Überprüfung auf bereits bekannte Betrugsmuster der Qualität von zu produzierenden Erzeugnissen
- Erkennen atypischen Verhaltens von Kunden oder Mitarbeitern
- Identifikation potenziell verdächtiger Schlüsselwörter
- Erhöhte Treffsicherheit beim Erkennen von Betrug
- Anomalieerkennung auffälliger Interaktionen
- Verhinderung möglicher Verstöße gegen Compliance-Vorschriften
- Automatische Überprüfung auf möglichen Insiderhandel
- Aufspüren von Absichten zur Geldwäsche
- Kontinuierliche Überwachung von Online-Banking-Transaktionen in Echtzeit
- Erkennen von Betrugsmustern bei Bank- und Bezahltransaktionen
- Sentiment-Analyse zur Auswertung von Sprache und zur Aufdeckung von Lügen
Der Einsatz von Künstlicher Intelligenz (KI) wird auch im Einzelhandel ein zunehmend wichtigeres Thema. Aber nicht nur im E-Commerce, sondern ebenso im stationären Handel wie die Übersicht möglicher „Anwendungen von Künstlicher Intelligenz im Einzelhandel“ des BMWi zeigt. Um auch in Zukunft wettbewerbsfähig zu bleiben und die Kundenbeziehungen weiter auszubauen, setzen immer mehr Unternehmen auf KI-Technologien und Maschinelles Lernen (ML). Die Vorteile liegen klar auf der Hand: Durch den Einsatz intelligenter Lösungen lassen sich die unterschiedlichsten Prozesse nachhaltiger und deutlich effizienter gestalten – sei es um die Kosten zu senken, die Mitarbeiter zu entlasten oder um die Kundenzufriedenheit zu erhöhen. Die Anwendungsbereiche sind dabei so vielfältig wie der Einzelhandel selbst und reichen von Logistiklösungen zur Steuerung von Bestellvorgängen über Applikationen im Rechnungswesen bis hin zum Kundenmanagement. Indem moderne KI-Systeme kontinuierlich umfangreiche Datenmengen erheben, auswerten und verarbeiten, nehmen sie bereits heute schon in ausgewählten Bereichen eine Schlüsselrolle ein.
So erledigen KI-basierte Verwaltungssysteme und Roboter nicht nur zeitraubende Aufgaben, um z. B. den Warenbestand zu prüfen, Inventuren durchzuführen oder vollautomatisch Produkte nachzubestellen. KI-Lösungen im Einzelhandel auch zur Optimierung der Personal- und Logistikplanung (Supply-Chain-Optimierung) sowie zur effizienten Steuerung des Gebäudemanagements eingesetzt. Das Gros der Unternehmen im Einzelhandel fokussiert sich laut einer aktuellen Studie des BMWi dabei vor allem auf das Angebot personalisierter Marketingmaßnahmen, kundenorientierter Service- und Beratungsleistungen in Form von Chatbots oder Sprachassistenten sowie nutzerzentrierter Einkaufserlebnisse über alle Kanäle hinweg. Ziel dabei ist es, den eigenen Kunden möglichst einfache, zuverlässige und vor allem sichere Geschäftsprozesse bieten zu können, ohne dass dabei die Sicherheit sensibler Zahlungs- und Kundendaten zu kurz kommt – egal ob nun im Onlineshop oder im stationären Handel.

Mögliche Anwendungen von KI im Einzelhandel im Überblick:
- Automatisierte Bestellung von Lebensmitteln durch KI
- Per Sprachbefehl direkt beim Handel bestellen und liefern lassen
- Vollautomatische Preisanpassung in Echtzeit je nach aktuellem Kundenverhalten
- Intelligente und kundenorientierte Zusammenstellung des Sortiments
- Optimierung der Personal- und Logistikplanung
- Vollautomatische Verwaltung des Warenbestands, Durchführung von Inventuren und eigenständiges Wiederauffüllung von Regalen
- Nachhaltige und energieeffiziente Steuerung des Energiemanagements
- Individuell auf die Kundschaft abgestimmte Werbung und Marketingmaßnahmen
- Durchgängige Gebäudeüberwachung zur Verhinderung von Diebstählen
- Verhinderung von Betrugsversuchen (Fraud Detection & Fraud Prevention)
- KI-gesteuerte und interaktive Kaufberatung über virtuelle Bots oder Touchscreens
- Self-Checkin/Checkout als alternative Bezahlmethode
- Intelligentes Mahnverfahren zur Verhinderung von Zahlungsausfällen
Der Einsatz von KI-basierten Anwendungen, technischen Lösungen und Serviceleistungen wird in Zukunft einer der entscheidenden Wettbewerbsfaktoren sein. Will sich ein Unternehmen erfolgreich im Markt platzieren und gegenüber der Konkurrenz erfolgreich durchsetzen, braucht es auf kurz oder lang eine Strategie zur Implementierung von Anwendungen, die sich primär auf Künstliche Intelligenz stützen. So sind laut dem Digitalverband Deutschlands (Bitkom) rund 78 Prozent der hiesigen Unternehmen davon überzeugt, dass KI als Technologie entscheidend dafür sein wird, um auch in Zukunft weltweit erfolgreich zu bleiben. Grund genug, schon heute auf die Lösungen von morgen und einen Innovationstreiber wie Splunk als Partner zu setzen.
Wie kann Künstliche Intelligenz natürliche Sprache verarbeiten?
Wie kann Künstliche Intelligenz (KI) bei der Datenanalyse helfen?
Künstliche Intelligenz (KI) zur Automatisierung von Verarbeitungsprozessen
Künstliche Intelligenz zur frühzeitigen und automatisierten Abwehr von Betrugsversuchen
Anwendungsgebiete und Beispiele für Künstliche Intelligenz (KI) im Einzelhandel
Mit innovativen KI-Applikationen und AI-Anwendungen in Richtung Zukunft

Prognosen zu IT & Observability
Gibt es etwas besseres als Überraschungen? Ja, nämlich auf alles vorbereitet zu sein. Unsere Experten verraten, wie das geht - in ihren Prognosen zu den wichtigsten Trends des kommenden Jahres.