Symbolische KI. KI-Systeme, die mittels symbolischer Verfahren umgesetzt sind, funktionieren über deklaratives Wissen, Fakten und Regeln, wie Entscheidungen getroffen oder ein System in einer bestimmten Situation reagieren soll. Auch wenn dieser Ansatz in Form von Expertensystemen schon lange existiert, hat er nicht an Relevanz verloren.

Ontologien als Wissensrepräsentation. Ontologien bieten die Möglichkeit, Wissen über ein Anwendungsgebiet und dort bestehende Zusammenhänge explizit zu machen, z.B. ein Anwendungsfeld wie Mode. Eine Ontologie enthält Fakten und Regeln über diese Fakten, z.B. dass ein Rock ein Kleidungsstück ist. Daraus können wiederum neue Regeln abgeleitet werden. Somit entsteht eine Repräsentation reichhaltigen Wissens über ein Anwendungsgebiet, das als Grundlage für KI-Verfahren, beispielsweise für Empfehlungssysteme und personalisierte Werbung, genutzt werden kann.

Partizipatives Modellieren. Bei der Erstellung von Ontologien setzt der Lehrstuhl Wirtschaftsinformatik vor allem auf den Austausch mit den Fachexperten des Anwendungsgebietes. Die Fachexperten kennen Ziele, Konzepte und Zusammenhänge.

Ontologien nutzen und weiterentwickeln. Der Lehrstuhl Wirtschaftsinformatik verfügt über einige Erfahrung zur Einbettung von Ontologien in KI-Anwendungen. Besonderes Interesse gilt aber auch der Frage, wie man erkennt, ob eine Ontologie nach einiger Zeit noch den Anforderungen entspricht und wie man sie ggf. aktualisiert.

Verbindung von Ontologien & Neuronalen Netzen. Symbolische KI benötigt strukturierte Input-Daten. Sub-Symbolische Ansätze, z.B. Bilderkennung mittels neuronaler Netze, sind kostspielig hinsichtlich der benötigten Rechenleistung und dem Sammeln von annotierten Trainingsdaten. Die Verbindung dieser beiden Technologien kann die jeweiligen Nachteile ausgleichen – das neuronale Netz übersetzt z.B. Bilder oder Videos in eine vordefinierte Struktur, die in Ontologien enthaltene Semantik erlaubt das Schließen eines Kontexts und senkt hierdurch den Trainingsaufwand und integriert weiteres, explizites Wissen.

Design zukünftiger KI-Lösungen. KI ersetzt nicht menschliche Arbeit, sondern verändert sie. Der Lehrstuhl Wirtschaftsinformatik unterstützt bei verschiedenen Fragen: Welche Aufgaben im Unternehmen haben die unterschiedlichen Personen? Welche Informationen werden gebraucht, um Mitarbeitende bei Entscheidungen durch KI-Lösungen zu unterstützen? Woher kommen die Informationen, die man für eine Entscheidungsunterstützung braucht? Hierfür müssen Daten integriert und aufbereitet werden. Unternehmensarchitekturen inkl. Geschäftsarchitektur mit Rollen, Prozessen, Anwendungen und Daten helfen beim Design zukünftiger KI-Lösungen.

Kompetenzen im Bereich der künstlichen Intelligenz und Data Science

• Methoden und Werkzeuge zur Erstellung von Ontologien
• Wissensbasierte Systeme und Integration von Ontologien in KI-Anwendungen
• Qualität von Ontologien und semantischen Netzen
• Analyse von betrieblichen Abläufen und Strukturen hinsichtlich ihres Potentials für KI-Anwendungen, z.B. mittels Unternehmensarchitekturen

Prof. Dr.-Ing. Kurt Sandkuhl

Lehrstuhl Wirtschaftsinformatik, Universität Rostock

Dr. Birger Lantow

Lehrstuhl Wirtschaftsinformatik, Universität Rostock

SEMA – Semantische Assistenz bei der Objekterkennung in Bewegtbildern

In dem gemeinsamen Projekt mit Future TV und Fraunhofer IGD ging es um das Erkennen von Objekten in Videos, die Nutzer gerade betrachten, um z.B. Werbung zuzuschalten oder andere passende Filme zu empfehlen. Fraunhofer IGD übernahm dabei die Aufgabe der Erkennung von Objekten in den Videos (z.B. Auto, Strandkorb, Regenschirm). Der Lehrstuhl Wirtschaftsinformatik entwickelte im Austausch mit Future TV eine Ontologie für das Anwendungsgebiet Mode. Über die in der Ontologie hinterlegten inhaltlichen Zusammenhänge zwischen den Objekten, konnten so die durch die Bilderkennung identifizierten Objekte mit anderen Objekten in Verbindung gebracht werden, für die z.B. eine entsprechende Werbung zugeschaltet werden konnte.

Weitere Informationen

Machbarkeitsstudie zur Betrugserkennung im Instant Payment Zahlungsverkehr

Instant Payments sind Zahlungen, bei denen der Geldtransfer innerhalb weniger Sekunden erfolgt. Bei diesem neuartigen Verfahren fehlt es an Erfahrungen im Bereich der Betrugserkennung. Der Lehrstuhl Wirtschaftsinformatik hat eine Machbarkeitsstudie durchgeführt, indem gängige approximative Verfahren der KI (z.B. Random Forest) verwendet wurden, um Betrugsfälle zu identifizieren. Wesentliche Erkenntnis dieser Studie ist, dass Machine-Learning-Verfahren wenig geeignet sind für diesen Anwendungszweck. Bis die Algorithmen soweit trainiert sind, dass sie Betrugsmuster erkennen, ist bereits ein viel zu großer ökonomischer Schaden entstanden. Alternativ sollten regelbasierte Verfahren genutzt werden. So wäre eine Beispielregel, wenn 5 Transaktionen derselben Höhe innerhalb eines kurzen Zeitraumes erfolgen, handelt es sich wahrscheinlich um einen Betrugsfall. Eine weitere Erkenntnis der Studie ist, dass die Daten einer Transaktion alleine nicht für eine Betrugserkennung reichen, sondern zusätzlich der Kontext der Bezahlung betrachtet werden sollte, z.B. das Zahlungsverhalten des Kunden in der Vergangenheit.

Ontometrics

Ontologien sind eine Form der Wissensdarstellung. Sie werden zum Beispiel dann eingesetzt, wenn Entscheidungsfindungen in der künstlichen Intelligenz nachvollziehbar bleiben oder bestimmtes erwünschtes Verhalten durch Regeln erzwungen werden soll. Bisher existieren keine automatisierten Ansätze zur Qualitätseinschätzung von Ontologien, d.h., ob eine Ontologie korrekt, verständlich usw. ist. Grundlage für eine solche Einschätzung ist die Betrachtung von messbaren Eigenschaften, also Metriken, einer Ontologie, um diese mit erwünschten Qualitätszielen in Verbindung zu bringen.

Bei Ontometrics handelt es sich um eine Software, mit der Metriken einer Ontologie berechnet werden können, z.B. graphbasierte Eigenschaften wie Tiefe, Breite oder Zyklenzahl. Damit erlaubt Ontometrics eine kritische Betrachtung struktureller Eigenschaften einer Ontologie und, wie sich diese im Zeitverlauf verändern. Seit 2016 wird die Software am Lehrstuhl Wirtschaftsinformatik der Uni Rostock fortlaufend weiterentwickelt.