„Enabling the intelligent Enterprise with Machine Learning“ – unter diesem Titel stand die Präsentation von Dr. Sebastian Wieczorek vom SAP Innovation Center Network auf der hub.berlin 2017. In nur 20 Minuten demonstrierte er anhand praktischer Beispiele das enorme Potenzial, das im Machine Learning steckt.

Klären wir zunächst eine grundsätzlich Frage: Was ist Machine Learning überhaupt? Auf der Leinwand erscheinen mehrere Bilder von einem Labradoodle und Fried Chicken. „Wie viele Bilder zeigen Labradoodle?“ fragt Wieczorek. Das Publikum braucht einige Sekunden, dann fällt die richtige Antwort. Tatsächlich ist es je nach gewähltem Bildausschnitt gar nicht so einfach, die Hunderasse von dem Fast Food-Gericht zu unterscheiden. Selbiges gilt für einen Sheep Dog und einen Mopp.

Der Sinn der Übung? Ganz einfach: Während wir Menschen in der Regel mehrere Sekunden brauchen, um einen Bildausschnitt zu analysieren, erledigen moderne Computer das in deutlich kürzerer Zeit. Genauer gesagt überflügeln Maschinen den Menschen laut Wieczorek seit 2015, wenn es um das Interpretieren von Bildern geht.

Der Zugang zu Daten ist entscheidend

hub.berlin - machine learning 4

Computer können aus Daten lernen, ohne extra programmiert zu werden. Sie können sehen, lesen, hören, verstehen und interagieren. Vom Prinzip her, gibt es das schon lange, wie Wieczorek anmerkt. Warum also gewinnt das Machine Learning gerade jetzt an Bedeutung?

Die Antwort ist denkbar einfach: der Zugang zu Daten war noch nie so einfach. Big Data, Cloud Applications und das Internet of Things entwickeln sich rasant, zugleich gibt es massive Verbesserungen im Bereich der Hardware (GPU). Das wiederum ermöglicht Deep Learning Algorithmen, die es Unternehmen erlauben, immer mehr Prozesse zu automatisieren.

„Während der Mensch früher manuelle Tasks erledigen musste, kommt ihm künftig immer häufiger die Rolle des Supervisors zu,“ so Wieczorek.

hub.berlin - machine learning 4

Machine Learning im Service-Bereich

Zeit für konkrete Beispiele. Kürzlich berichteten wir von FastBill, einem Buchhaltungsprogramm in der Cloud, das Rechnungen vollautomatisch digitalisieren kann. Der Nutzer schickt die Belege entweder an eine vordefinierte E-Mail-Adresse oder lädt sie hoch. Den Rest übernimmt FastBill. Die Fehlerquote ist äußerst gering, da die Fähigkeit Text zu erkennen bereits weit fortgeschritten ist.

Komplexer wird es, wenn es um Objekte geht. Der Service von Swarovski hatte beispielsweise das Problem, dass täglich hunderte beschädigter Glasfiguren im Service-Center ankamen. Ein Mitarbeiter musste sich diese daraufhin anschauen und mit unzähligen Modellen aus Katalogen vergleichen.

Um diesen Prozess intelligenter zu gestalten, wurde in Kooperation mit der SAP Leonardo Machine Learning Foundation ein Algorithmus entwickelt, der die kaputten Objekte erkennen und zuordnen kann. Ein Bild reicht und der Computer kann via Machine Learning das richtige Objekt aus dem Katalog auswählen.

hub.berlin - machine learning 4