Machine Learning als Teilbereich der künstlichen Intelligenz

Die Zukunft der Logistik ist digital

Schon heute erleichtern uns IT-Lösungen den Alltag: Durch GPS lassen sich einzelne Fahrzeuge tracken, Datenbanken behalten bei Lagerbeständen den Überblick. Diese Systeme werden in Zukunft weitergedacht – und sind schon bald in der Lage, selbstbestimmt Prozesse zu steuern.

Maschinelles Lernen zur eigenständigen Lösungsfindung

Machine Learning ist eine Teildisziplin der Künstlichen Intelligenz und vereinfacht schon jetzt vielerorts Prozesse. Maschinen, Systeme und Modelle – sie kommunizieren nicht nur untereinander (Internet of Things), auch wir werden jeden Tag von riesigen Datenmengen geflutet. Mit dem Machine Learning machen wir uns diese Daten zunutze, indem wir sie je nach Anliegen verarbeiten. Dabei wird aus Erfahrungswerten „eigenes“ Wissen generiert. Maschinen und Systeme sollen damit in die Lage versetzt werden, durch Lernprozesse eigene Entscheidungen zu treffen.

Kurze Wege zur Lösungsfindung

Schritt

Im ersten Schritt werden dafür Systeme mit relevanten Daten und Algorithmen gefüttert.

Schritt

Im zweiten Schritt werden Parameter festgesteckt, nach welchen Kriterien Analysen durchgeführt und Muster erkannt werden.

Schritt

Im dritten Schritt sind die Systeme mit dieser Basis in der Lage, eigenständig Probleme zu identifizieren und Lösungen zu finden.

Möglichkeiten durch Machine Learning

Relevante Daten in großen Datenmengen (Big Data) ausfindig machen, extrahieren und bündeln
Vorhersagen treffen
Wahrscheinlichkeiten für eintretende Ereignisse berechnen
Prozesse optimieren

On a daily base – wo Machine Learning schon angewendet wird

Erkennung von Spam-Mails

Sprach- & Texterkennung

Priorisierung durch Suchbegriffe

Die drei Arten des Lernens

Wie genau lernen Maschinen aber nun? Dazu gibt es unterschiedliche Ansätze. Je nach Anforderung und Zielsetzung kommen passende Algorithmen und Lernmethoden zum Einsatz. Die drei gängigsten werden hier vorgestellt.

Überwachtes Lernen

Bei dieser Lernmethode leistet ein „Lehrer“, also ein Mensch an der Maschine, viel Vorarbeit. Er definiert im Vorfeld beispielhafte Modelle, an welchen sich der Algorithmus orientieren kann. Anhand dieser Modelle analysiert und kategorisiert der Algorithmus die Daten. Das Ergebnis wird dann wieder vom Menschen auf Richtigkeit und Vollständigkeit hin überprüft. Nach einigen Durchläufen ist das System in der Lage, selber Zusammenhänge zu erkennen. Diese Methode wird beispielsweise genutzt, um konkrete Probleme zu bearbeiten.

Unüberwachtes Lernen

Bei dieser Lernmethode gibt es keine Vorarbeit eines Menschen. Der Algorithmus erstellt eigenständig Modelle aus den eingehenden Daten, die diese beschreiben. Da er die vorliegenden Daten beschreiben kann, ist er nun auch in der Lage, sich wiederholende Muster zu erkennen. Dadurch kann er die Datenmenge in verschiedene Kategorien unterteilen. Erst wenn die Ergebnisse überprüft werden, kommt eine menschliche Arbeitskraft zum Einsatz. Diese Lernmethode wird verwendet, um riesige Datenmengen zu strukturieren.

Bestärkendes Lernen

Diese Methode ist dem menschlichen Lernen am ähnlichsten und fordert zunächst auch wieder den Einsatz eines Menschen. Denn der Algorithmus erhält von ihm regelmäßig Feedback zu seinen Aktionen, ob diese richtig oder falsch sind. Durch dieses Feedback lernt der Algorithmus, wie er zukünftig in unterschiedlichen Momenten reagieren muss.

Wie sehen die Vorteile für die Logistik aus?

Die Anwendungsmöglichkeiten sind fast genauso groß wie die Datenmenge selber: Machine Learning kann in den unterschiedlichsten Bereichen und Modellen eingesetzt werden.

Das Ziel: Flexible Lösungswege

Gerade in Zeiten, in denen alles von Start nach Ziel geliefert wird und das Individuum eher statisch bleibt, muss die Branche nachziehen. Künstliche Intelligenz und Machine Learning im Allgemeinen können dabei helfen. Die Umsetzungen im Speziellen sind dabei ebenso vielfältig wie überraschend und spannend.

JAN DIETRICH HEMPEL

Geschäftsführer Garbe

Informieren Sie sich jeden Monat über einen aktuellen Trend: Was ist schon Realität und was noch Zukunftsmusik? Smart ist es in jedem Fall.

Jan Dietrich Hempel

Geschäftsführer GARBE

JAN DIETRICH HEMPEL

Geschäftsführer Garbe

Name	Borlabs Cookie
Anbieter	Eigentümer dieser Website, Impressum
Zweck	Speichert die Einstellungen der Besucher, die in der Cookie Box von Borlabs Cookie ausgewählt wurden.
Cookie Name	borlabs-cookie
Cookie Laufzeit	1 Jahr

Akzeptieren	LinkeIn Insights
Name	LinkeIn Insights
Anbieter	LinkedIn
Zweck	Marketing
Datenschutzerklärung	https://www.linkedin.com/help/linkedin/answer/87150/linkedin-marketing-solutions-und-die-datenschutz-grundverordnung-dsgvo-?lang=de
Cookie Laufzeit	90

Akzeptieren	Google Ads Conversion Verknüpfung
Name	Google Ads Conversion Verknüpfung
Anbieter	Google Ads
Zweck	Verknüpfung und Messung von Anzeigenklicks zur Optimierung der Ausgaben.

Akzeptieren	Google Analytics 4 (GA4)
Name	Google Analytics 4 (GA4)
Anbieter	Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Ireland
Zweck	Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt.
Datenschutzerklärung	https://policies.google.com/privacy?hl=de
Cookie Name	_ga,_gat,_gid
Cookie Laufzeit	2 Jahre

Akzeptieren	Google Ads
Name	Google Ads
Anbieter	Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Ireland
Zweck	Cookie von Google, das für das Conversion-Tracking von Google Ads verwendet wird.
Datenschutzerklärung	https://policies.google.com/privacy?hl=de
Cookie Name	_gcl_dc, _gcl_aw, IDE, _gcl_au,
Cookie Laufzeit	12 Monate

Machine Learning

Die Zukunft der Logistik ist digital

Maschinelles Lernen zur eigenständigen Lösungsfindung

Kurze Wege zur Lösungsfindung

Schritt

Schritt

Schritt

Möglichkeiten durch Machine Learning

On a daily base – wo Machine Learning schon angewendet wird

Erkennung von Spam-Mails

Sprach- & Texterkennung

Priorisierung durch Suchbegriffe

Die drei Arten des Lernens

Überwachtes Lernen

Unüberwachtes Lernen

Bestärkendes Lernen

Wie sehen die Vorteile für die Logistik aus?

Das Ziel: Flexible Lösungswege

JAN DIETRICH HEMPEL

Informieren Sie sich jeden Monat über einen aktuellen Trend: Was ist schon Realität und was noch Zukunftsmusik? Smart ist es in jedem Fall.

Jan Dietrich Hempel

JAN DIETRICH HEMPEL

Informieren Sie sich jeden Monat über einen aktuellen Trend: Was ist schon Realität und was noch Zukunftsmusik? Smart ist es in jedem Fall.

Noch mehr Themen und Trends

GARBE INDUSTRIAL REAL ESTATE MAGAZIN

Melden Sie sich für unseren Newsletter an:

Akzeptieren	Vimeo
Name	Vimeo
Anbieter	Vimeo Inc., 555 West 18th Street, New York, New York 10011, USA
Zweck	Wird verwendet, um Vimeo-Inhalte zu entsperren.
Datenschutzerklärung	https://vimeo.com/privacy
Host(s)	player.vimeo.com
Cookie Name	vuid
Cookie Laufzeit	2 Jahre