Kategorie auswählen:

Künstliche Intelligenz und Machine Learning: Worin besteht der Unterschied?

 

 

KI, ML, AR, VR: Die Liste der Abkürzungen im „Maschine trifft auf Marketing“-Vokabular wird praktisch täglich länger; und es wird immer schwieriger, sich zu merken, welche Technologie jetzt für welche Aufgaben eingesetzt wird.

Künstliche Intelligenz (KI), Machine Learning (ML), Augmented Reality (AR) und Virtual Reality (VR) werden in Zukunft eine noch größere Rolle spielen. Daran zweifelt inzwischen niemand mehr. Doch vielen Menschen fällt es schwer, diese Bereiche begrifflich genau voneinander abzugrenzen – insbesondere bei künstlicher Intelligenz und Machine Learning.

Mit diesem Blogeintrag wollen wir die Wissenslücke schließen. Beginnen wir am besten mit der Definition der einzelnen Abkürzungen:

Was ist KI (künstliche Intelligenz)?

Unter KI verstehen wir die Fähigkeit von Maschinen und Systemen, intelligentes menschliches Verhalten nachzuahmen. KI lässt sich dabei in zwei Gruppen einteilen: angewandte und allgemeine KI.

Angewandte KI (manchmal als Vertical AI oder Narrow AI bezeichnet) bezeichnet „smarte“ Systeme, die spezifische Aufgaben erfüllen – zum Beispiel im Börsenhandel oder bei der Personalisierung von Werbung.

Allgemeine KI (auch bekannt als starke oder vollständige KI) umfasst Systeme oder Geräte, die in der Lage sind, menschliches Verhalten und Leistungsvermögen möglichst umfassend erfolgreich nachzuahmen. Diese Systeme ähneln den in Science-Fiction-Filmen dargestellten Androiden und Thema der meisten Spekulationen über unsere Zukunft.

(Mehr zum Thema: Könntet ihr in einer Welt ohne Technologie überleben? Findet es heraus – mit diesem interaktiven Quiz (nur in englischer Sprache verfügbar).)

 

Was ist Machine Learning (ML)?

ML ist ein Unterbereich von KI und aktuell der Motor vieler Entwicklungen im Bereich der künstlichen Intelligenz – zum Beispiel bei der Bilderkennung oder bei der Verarbeitung natürlicher Sprache.

Die Vorreiterrolle der Entwicklung bildet dabei das sogenannte Deep Learning (DL): Inspiriert von der Struktur des menschlichen Gehirns nutzt DL künstliche neuronale Netzwerke, um Daten in ähnlicher Weise zu verarbeiten wie die Neuronen in unserem Gehirn. Um das neuronale Netzwerk jedoch darauf zu trainieren, Informationen richtig zu klassifizieren, sind gigantische Datenmengen nötig, die in das System eingespeist werden müssen.

Die Supercomputer von heute und die zunehmende Bedeutung von Big Data haben wesentlich dazu beigetragen, Deep Learning zur Realität werden zu lassen.

 

Warum redet alle Welt gerade von Augmented Reality (AR) bzw. Virtual Reality (VR)?

AR und VR sind bereits seit mehreren Jahren ein zentrales Thema im Marketing. Diese Formate stellen zwar große Herausforderungen an Werbetreibende, sind jedoch gleichzeitig sehr wirksam – dank ihrer sinnesbezogenen, emotionalen Natur:

Nichts vermittelt eine eingehende Markenerfahrung besser, als das Gefühl zu haben, das Beworbene gehört einem bereits. Ob man nun im digitalen Spiegel Schmuck anprobiert oder einen Rundgang durch ein virtuelles Modell der neuen Küche macht: VR und AR sind Zukunftstechnologien mit großer Bedeutung für das Marketing.

 

Wie funktionieren AR und VR?

Augmented Reality versieht ein Bild oder einen Gegenstand, den ihr durch ein Gerät betrachtet (zum Beispiel durch die Kamera eures Smartphones) mit einer Ebene digitaler Informationen. AR erweitert also eure Perspektive auf die reale Welt durch computergenerierten Content und ermöglicht so eine zusammengesetzte (und damit verbesserte) Ansicht.

In anderen Worten: Eure reale Umgebung wird um computergenerierte oder über Sensoren aus der Umgebung gewonnene zusätzliche Inhalte erweitert (englisch: „augmented“) – zum Beispiel Klänge, Videos oder Grafiken. Stellt euch vor, ihr seid bei einer Sportveranstaltung und könnt mithilfe eures Smartphones Fotos aus der Perspektive eurer Lieblingsspieler machen oder euer Gesicht virtuell in den Farben eures Teams schminken.

Virtual Reality ist eine künstliche Umgebung, in der ein Computer die durch uns erlebten sensorischen Wahrnehmungen (wie zum Beispiel Bilder und Geräusche) erzeugt und die wir durch unser Verhalten zumindest teilweise beeinflussen können.

Auch wenn diese Technologie noch in den Kinderschuhen steckt: Inzwischen können Sportveranstaltungen mithilfe von 360°-Kameras erfasst und live gestreamt werden Durch ein VR-Headset können die Fans bereits jetzt das Spiel fast so realistisch miterleben, als säßen sie selbst im Stadion.

 

Welche Bedeutung hat ML-Technologie für das Marketing?

Retailer und Brands können mittels Machine Learning gigantische Datenmengen analysieren und auf dieser Informationsbasis die Kommunikation auf jeden einzelnen potentiellen Käufer maßschneidern – anhand von Verhalten, früheren Käufen und Vorlieben. Je mehr das System über die Käufer lernt, umso besser kann es die richtigen Produkte, die richtigen Ads und die richtigen Gebote vorhersagen.

Die nahtlose Integration von Machine Learning und menschlicher Kreativität ermöglicht es, Käufern bessere und relevantere personalisierte Markenerfahrungen zu bieten –im globalen Maßstab. Nur so können sich Unternehmen heute aus der Masse von digitalen Angeboten abheben.

Mehr Informationen findet ihr in unserem E-Book „Machine Learning 101“.

Wir verwenden Cookies, um Ihre Nutzererfahrung auf unserer Webseite zu verbessern. Sie akzeptieren, indem Sie auf unserer Webseite weitersurfen, dass wir Cookies einsetzen und verwenden. Für weitere Informationen über Cookies und um sich von diesem Service auszutragen, besuchen Sie bitte unsere Datenschutzrichtlinie.

Die Cookie-Einstellungen für diese Webseite sind auf „Cookies zulassen“ gesetzt, um Ihnen so das bestmögliche Web-Erlebnis zu ermöglichen. Wenn Sie diese Website weiter nutzen, ohne Ihre Cookie-Einstellungen zu verändern, oder indem Sie auf „Akzeptieren“ klicken, stimmen Sie dem Setzen von Cookies zu.

Schließen