Data Analytics –Analyse von Zusammenhängen
Was macht die Künstliche Intelligenz mit einem Haufen voller Daten oder mit meinem Legosteinen?
Im ersten Teil haben wir uns damit beschäftigt, welche Daten im Data Lake liegen und wie sie beschaffen sein müssen. Im besten Falle können diese Daten uns eine Geschichte erzählen. Heute geht es darum, welche Zusammenhänge oder anders gesagt, in welcher Korrelation die Daten zueinander stehen. Denn nur solche Daten sind für uns interessant. Diese Korrelationen können AI/KI, Machine Learning oder Deep Learning uns liefern.
Korrelationen erkennen
Nehmen wir dazu wieder das Beispiel mit den aus Legosteinen gebauten Mustern. Wir haben den Data Lake mit vielen unterschiedlichen bunten Legosteinen. Blaue, rote, gelbe, schwarze in 4er- oder 6er-Blöcken. Daraus erkennt eine künstliche Intelligenz Muster, sogenannte Pattern, in unserem Fall beispielsweise das Haus mit gelber Außenwand und schwarzem Dach. So lange genug gelbe und schwarze Steine im vorgegebenen Format zur Verfügung stehen, funktioniert alles.
Mustererkennung ermöglicht frühzeitige Warnung
Eine KI stellt anhand der Muster fest, wenn im Data Lake kein passendes Steinchen (in gelb oder schwarz) mehr vorhanden ist und kann quasi bereits vor Beendigung der Aufgabe Alarm schlagen. Nun kann der Mensch die Abweichungen frühzeitig erkennen und Entscheidungen treffen. Beispielsweise für Abhilfe sorgen, in dem er wieder passende Steine liefert.
Kausalität vs Korrelation
Machine Learning, Deep Learning oder KI werden allerdings immer daran scheitern, uns den Grund, also die Kausalität für eine offensichtliche Korrelation zu geben. Keine künstliche Intelligenz kann Ihnen sagen, warum zu wenig passende Steine da waren. Dafür braucht es nach wie vor den menschlichen Verstand…oder meine spielende Tochter ;-)