Reportage

So verändert Machine Learning die Wirtschaft

Seite 3 / 4

Idalab arbeitet zum Beispiel mit Lieferando zusammen. Der Onlinemarktplatz vermittelt Kunden an regionale Restaurants mit Lieferservice. Als Lieferando an den Start ging, wusste das Unternehmen nicht, was die Kunden eigentlich bestellten. Es leitete Aufträge weiter, ohne sie auswerten zu können. Die Kunden wiederum konnten die Suchergebnisse nicht nach verschiedenen Speisen filtern. Sie gaben lediglich die Postleitzahl ein und bekamen Restaurants aus der Umgebung angezeigt. Idalabs Aufgabe bestand darin, die inzwischen mehr als 10.000 Restaurants und ihre Gerichte so aufzubereiten, dass sie automatisch klassifiziert wurden. Die Entwickler schufen 1.600 Kategorien für Speise-Zutaten und bauten einen Trainingsdatensatz auf, um dann per maschinellem Lernen die insgesamt zehn Millionen Einträge korrekt einzuordnen. Nun kann Lieferando nicht nur Kunden anbieten, gezielt nach Gerichten zu suchen. Das Unternehmen kann aus den Bestellstatistiken auch strategische Fragen beantworten, etwa wie gut eine Region mit chinesischem Essen abgedeckt ist.

Bünau sagt, dass künftig vor allem die Zunahme an strukturierten Daten das maschinelle Lernen voranbringen werde. „Da immer mehr Firmen und Branchen datentechnisch besser aufgestellt sind, wird es mehr Möglichkeiten geben, Daten zu nutzen und Verknüpfungen herzustellen.“ Ein Beispiel wären Wikipedias Flughafendaten: Die Online-Enzyklopädie bietet seit einiger Zeit bei internationalen Flughäfen Tabellen mit häufigen Flugzielen oder jährlichen Flugbewegungen an. Solche strukturierten Daten sind ideal für Lern-Algorithmen. Damit könnte man zum Beispiel Risikoprofile von Flugregionen erstellen.

Neuronale Netze verweigern die Auskunft

Weitere Fortschritte durch maschinelles Lernen wird es bei der klassischen Suche im Netz geben. Google etwa entwickelte eine Deep-Learning-Technik namens Rankbrain, die bereits erheblichen Einfluss auf die Suchergebnisse hat. Das System wertet unter anderem die Qualität eines Suchergebnisses aus, indem es untersucht, ob der Nutzer auf einer Seite verweilt, sofort zur Suche zurückkehrt oder gar eine neue Suche startet. Diese Engagement-Werte sorgen dafür, dass nutzlose Seiten oder Clickbaiting-Angebote künftig schlechter abschneiden – ähnlich wie Facebooks Algorithmen auch Beiträge von Leuten abwerten, die bereits zuvor Beiträge mit wenig Interaktionen gepostet haben. Um in Zukunft also relevanten Content zu liefern, muss ein Anbieter seine Beiträge inhaltlich besser auf die Nutzerbedürfnisse ausrichten – und ironischerweise kann auch da maschinelles Lernen helfen. Die Systeme werden immer besser in der Lage sein, für jedes einzelne Produkt im Katalog eine individuelle, ausführliche Beschreibung automatisch aus nüchternen Produktdaten anzufertigen. Man begegnet somit dem maschinellen Lernen mit maschinellem Lernen.

Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Ein Kommentar
Markus Ahorner

Ja, das Maschinelle Lernen kommt, schöner Artikel, vielen Dank!

Ein Aspekt des ML fehlt mir in dem Artikel jedoch: Die Zeitreihenanalyse und das Modellieren industrieller Systeme mithilfe von zeitstrukturierten Daten. Das funktioniert wunderbar, wir führen damit seit fast 10 Jahren Fabrikoptimierungen in Chemie und Kraftwerk durch. Das Prinzip ist eine Black-Box-Analyse, das Ergebnis ist ein Differenzialgleichungssystem, das vom Neuronale Netz selbstständig entwickelt und dann weitererlernt wird (nachdem man es einmalig angelernt hat).

Speziell mit Rekurrenten Neuronalen Netzen lässt sich ein Zeitgedächtnis aufbauen, so dass man die Ursachen und Wirkungen und damit die Zusammenhänge zwischen den Daten hervorragend abbilden kann. So erhält man aus den Anlagedaten ein sehr präzises Modell aller Zusammenhänge darin.

Wenn man auf diese Modelle jetzt eine Zielfunktion (mehr Output, bessere Stabilität, weniger Rohstoff- oder Energieeinsatz etc.) legt, lässt sich das Ganze im Prinzip wie eine mathematische Gleichung lösen, denn die Formel (also das Modell) hat man ja jetzt. Und zwar in Echtzeit, so dass der Computer dem Menschen in der Anlage die verbesserten Fahrbedingungen während der Produktion mitteilen kann.

Das Ganze funktioniert übrigens deshalb, weil man mit einem Neuronalen Netz immer ein präzises Datenmodell bilden kann, wenn die Daten regelbasiert erzeugt worden sind – und das passiert in einer Industrieanlage ja immer, denn die muss ja den Naturgesetzen folgen.

Ich hatte mich auf der CeBIT 2017 in Hannover mit Herrn Dr. Samek darüber unterhalten und war verblüfft, dass auch bei der FHG diese Methode noch ziemlich in den Anfängen steckt. Es wundert mich, dass außer uns offenbar noch niemand auf die Idee gekommen ist, eine Software für diese Anwendung zur kommerzielle Nutzung durchzuprogrammieren. Vielleicht, weil der Markt für solche Lösungen zu klein ist?

Herzliche Grüße von Markus Ahorner

Antworten

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung