Jeder muss weiterlernen – nicht nur Maschinen - 26. Februar 2021

Begriffe der Technologie 4.0

Aktuell ändert sich in der Zusammenarbeit und bei den Arbeitsprozessen sehr viel, kontinuierlich wird man mit Neuem konfrontiert. Damit einher gehen oft auch neue Begriffe und man fragt sich: Was ist das eigentlich?

Künstliche Intelligenz, Digitalisierung, Automatisierung sowie Machine und Deep Learning sind Termini Technici, die häufig durcheinandergeraten. Daher wollen wir sie an dieser Stelle voneinander differenzieren und erläutern.

Digitalisierung

Die Digitalisierung ist seit Jahren das Schlagwort für moderne Wissens- und Büroarbeit. Sie beschreibt den Wandel von analogen Objekten zu einer geeigneten Repräsentation für die informationstechnische Verarbeitung. Was für viele mit dem Scannen von Dokumenten angefangen hat, ist inzwischen etabliert in durchgängigen und kollaborativen Prozessen. Digitalisierung ist aber noch mehr. Denn alles wird mittlerweile digitalisiert – Konferenzen und Parteitage, Partnersuche und Lichtschalter – und damit der elektronischen Datenverarbeitung (EDV) zugänglich gemacht. Die Digitalisierung verursacht einen rasanten und nachhaltigen Veränderungsprozess für Wirtschaft und Gesellschaft. Digitale Objekte lassen sich prinzipiell beliebig kopieren, nahezu augenblicklich transportieren und ohne Rücksicht auf Laufwege verknüpfen, sodass neue Ansätze für Kommunikation und Zusammenarbeit entstehen. Es etablieren sich neue, digitale Geschäftsmodelle mit veränderten oder neuen Dienstleistungen und Produkten. Durch die Digitalisierung werden die Prozesse zwischen dem Mandanten und seinem Steuerberater effizienter gestaltet. So entstehen neue Kommunikationsformen vom papierlosen Dokumentenaustausch bis zu durchgängig digitalen Prozessen. Für die vielschichtige Zusammenarbeit der Teilnehmer im DATEV-Ökosystem entstehen durch die Digitalisierung neue Lösungen für durchgängige und kollaborative Prozesse. Sowohl DATEV-eigene Services und Anwendungen als auch Partner-Services beziehungsweise deren Anwendungen ermöglichen ein reibungsloses Zusammenwirken von Mitgliedern, Mandanten und deren Arbeitnehmern, Behörden und Institutionen in ihren unterschiedlichen Rollen entlang der Wertschöpfungsketten.

Automatisierung

Die Automatisierung ist das Gebäude auf dem Fundament der Digitalisierung. Wenn Daten für die informationstechnische Verarbeitung zugänglich sind, besteht das Potenzial, diese ohne menschliches Einwirken zu verarbeiten. Im Prinzip passiert das schon seit Anbeginn der EDV: Wurde dem Computer mitgeteilt, was man von ihm will – und sei es über eine Lochkarte – dann arbeitet er automatisiert. Durch die umfangreiche Digitalisierung von Objekten sind viel komplexere und weitreichende Vorgänge abbildbar. So kann aufgrund einer eingetragenen Reise im Kalender zu Hause automatisiert Wecker, Thermostat und Licht angepasst und gleichzeitig auch die Lieferung des Paketdienstes verschoben werden. Durch Automatisierung können Routine-Workflows sowie wiederholbare und deklaratorische Prozesse, beispielsweise Buchungserfassung, Belegzuordnung oder die Vorbelegung von Deklarationsfeldern, im gesamten Portfolio unterstützt, automatisiert oder sogar vollständig autonom laufen. Auch die Zusammenarbeit zwischen Teilnehmern des Ökosystems soll, wo es möglich und sinnvoll ist, automatisiert ablaufen. Schwerpunkt dabei ist die Entlastung der Mitglieder von Routinetätigkeiten mithilfe intelligenter Software, um Raum für neue Entwicklungsperspektiven des Berufsstands zu schaffen. Die Software muss dazu die Regeln für die automatisierte Verarbeitung ausführen. Dazu werden diese klassischerweise programmiert, also von einem Software-Entwickler für den Computer geeignet formuliert. Abgesehen von der Komplexität dieses Vorgangs stellt sich auch die Frage, wie diese Regel überhaupt lautet. Woran macht man fest, dass es genau der Mensch vor dem Smartphone ist, für den es sich entsperren soll?

Künstliche Intelligenz

Die künstliche Intelligenz (KI) schlägt die Brücke zu dem, was Menschen häufig leichtfällt. Es wird mit Technologie das (hoffentlich) intelligente Verhalten von Menschen nachgebildet und so wesentlich anspruchsvollere automatisierte Vorgänge ermöglicht. Dabei ist KI abstrakt, mehr eine Idee als ein klar definierter Begriff, der sich auch ständig wandelt: Was zunächst als KI eingestuft wird, erscheint irgendwann trivial. Einen Bremsassistent im Auto hätte man vor 50 Jahren wohl noch als KI eingestuft – heute ist es eine normale Standardausstattung. Zur Realisierung gab es in den letzten Jahrzehnten verschiedene Ansätze, die punktuell auch erfolgreich waren. Einige davon, wie die allgegenwärtige Rechtschreibkorrektur, sind weit bekannt. Andere, wie Expertensysteme in der Medizin, findet man eher in Spezialgebieten. In den letzten Jahren ermöglicht es die technologische Entwicklung, auch weitere Verfahren praktisch einzusetzen.

Machine Learning

Machine Learning oder maschinelles Lernen ist bei KI aktuell der Bereich, auf dem der Fokus liegt. Getrieben durch die Digitalisierung stehen immer mehr Daten zur Verfügung, die dank enormer Rechenleistung auch praktikabel verarbeitet werden können. Von beidem profitiert maschinelles Lernen: Statistische Zusammenhänge zwischen Eingaben und gewünschten Ergebnissen werden anhand vieler passender Beispiele ressourcenintensiv ermittelt. Diese erkannten Muster bilden die Regeln für die Verarbeitung neuer Eingaben. Der Aspekt des Lernens wird dabei mit intelligentem Verhalten und folglich auch mit KI assoziiert – nichts ist weniger intelligent, als den gleichen Fehler immer wieder zu machen. KI-Systeme entwickeln sich also – meist mithilfe von maschinellem Lernen – selbstständig und kontinuierlich weiter, in den Grenzen ihrer definierten Aufgabe. Außerdem erlaubt maschinelles Lernen auch, ein initiales Verhalten aus den Daten abzuleiten. So lernt etwa der Automatisierungsservice Rechnungen aus der vorhandenen Buchungshistorie viel für die Verbuchung zukünftiger Belege. Und auch bei neuen oder geänderten Sachverhalten lernt das System immer mit.

Deep Learning

Deep Learning ist ein spezieller Bereich des Machine Learning. Die mathematischen und statistischen Verfahren aus dem maschinellen Lernen werden in Deep Learning angewandt, um die Arbeitsweise der Neuronalen Netze des menschlichen Gehirns nachzuahmen. Künstliche Neuronale Netze (KNN) haben in den letzten Jahren einen wahren Siegeszug angetreten. Wo für strukturierte Daten bereits maschinelles Lernen oft gut funktioniert, glänzen KNN vor allem bei unstrukturierten Daten, wie etwa Bildern und Videos, Sprache (Audio) und Freitext. Dies sind für uns Menschen natürliche Wahrnehmungs- und Interaktionsformen, sodass die Ergebnisse umso beeindruckender wirken. Bildverarbeitung und Spracherkennung auf Basis von KNN sind in Smartphones und Sprachassistenten heute schon allgegenwärtig.

Business Intelligence

Zusammen mit KI und maschinellem Lernen fällt oft auch der Begriff Business Intelligence (BI), der aber spezielle Verfahren, insbesondere zur systematischen Analyse und Verwertung von Unternehmensdaten, beschreibt. Im Fokus steht dabei neben der Datensammlung und -analyse vor allem die Aufbereitung exakter Werte mit dem Ziel, mehr Bewusstsein im Unternehmen zu schaffen, manuelle Managemententscheidungen zu unterstützen und den ersten Schritt zu kontinuierlichen Mehrwerten auf Basis von datengetriebenen Entscheidungen zu machen. Die Abgrenzung zu KI und Machine Learning ist oft nicht trennscharf, da ähnliche oder teilweise sogar die gleichen statistischen Methoden genutzt werden. Kontinuierliches Lernen und automatisiertes Ableiten von Aktionen spielen bei BI normalerweise keine Rolle. Man kann BI auch als Anwendungsgebiet von Machine Learning und damit KI sehen, das spezielle Aspekte verwendet, um ein spezifisches Ziel zu erreichen.

Fazit

Veränderung ist der neue Alltag und wenn Technologie diese antreibt, dann tauchen neue technische Begriffe auch dort auf, wo diese eingesetzt wird. Davor kann man die Augen verschließen, oder man machen es wie die Maschinen – immer weiter lernen…

Zum Autor

GF
Gregor Fischer

Leitet bei DATEV das Team Entwicklung Intelligente Automatisierungsdienste.

Weitere Artikel des Autors