imported>Fegsel: /* Einleitung */ Adj

2025-11-22T18:07:52Z

Einleitung: Adj

Neue Seite

'''Erweiterte Intelligenz''' ({{enS|'''Augmented Intelligence'''}}; [{{IPA|ɔːɡˈmɛntɪd ˌɪnˈtɛlɪdʒ<sup>ə</sup>ns}}]) bezeichnet die Zusammenarbeit von [[Künstliche Intelligenz|künstlicher Intelligenz]] und menschlichem Urteilsvermögen zur Bewältigung von Entscheidungsproblemen. Die maschinelle Intelligenz trifft keine eigenen Entscheidungen, sondern agiert unterstützend, indem sie für den menschlichen Anwender, mithilfe von [[Maschinelles Lernen|Machine-Learning]]-Algorithmen, Datensätze analysiert und somit eine datengetriebene Entscheidungsgrundlage liefert. Mit jener ist es dem Menschen möglich, bessere und beschleunigte Entscheidungen zu treffen.

Anwendung findet dieses Konzept heute schon in der Geschäftsanalytik ([[Business Intelligence]]),<ref>{{Internetquelle |url=https://www.mittelstandswiki.de/wissen/Gesch%C3%A4ftsanalytik |titel=Geschäftsanalytik |datum=2006-07-04 |abruf=2020-10-30 |sprache=de}}</ref> dem Versicherungssektor<ref>{{Internetquelle |autor=Michael O’Connell, Difei Luo |url=https://www.tibco.com/sites/tibco/files/resources/TCS-closed-loop-continuous-learning%20-distr.pdf |titel=Closed Loop Continuous Learning with TIBCO - Case Study: Dynamic Online Pricing |hrsg=TIBCO Software Inc |datum=2020-09-20 |abruf=2020-10-30 |format=PDF |sprache=en}}</ref> und anderen Dienstleistungssektoren.

Eine weniger verbreitete Interpretation von Erweiterter Intelligenz ist die Erhöhung der [[Intelligenz]] durch technische Hilfsmittel. Geräte sollen über eine [[Gehirn-Computer-Schnittstelle]] direkt mit dem Gehirn verbunden werden und dadurch dessen Leistungsfähigkeit erhöhen. Dieser Ansatz stammt aus der, im Jahr 1960 veröffentlichten, Publikation „Man-Computer Symbiosis“<ref>{{Internetquelle |url=http://medg.lcs.mit.edu/people/psz/Licklider.html |titel=Man-Computer Symbiosis |datum=2005-11-03 |abruf=2020-10-30 |archiv-url=https://web.archive.org/web/20051103053540/http://medg.lcs.mit.edu/people/psz/Licklider.html |archiv-datum=2005-11-03 |offline= |archiv-bot=2022-10-29 09:24:29 InternetArchiveBot }}</ref> des Psychologen und Informatikers [[J. C. R. Licklider]]. Derzeit ist diese Interpretation technisch nur in Ansätzen denkbar ([[Neuralink]]), wird aber in der [[Zukunftsforschung]] als mögliche zukünftige Technologie zur Herbeiführung der [[Superintelligenz]] und der [[Technologische Singularität|technologischen Singularität]] gehandelt.

== Wie findet Erweiterte Intelligenz Anwendung? ==
Es gibt unterschiedliche Ansätze, mit Machine-Learning-Algorithmen analytisch zu arbeiten. Es wird zwischen Descriptive-Analytics-, Predictive-Analytics- und Prescriptive-Analytics-Ansätzen unterschieden. Grundsätzlich werden die Algorithmen genutzt, um große Datenmengen zu analysieren und Entscheidungsgrundlagen zu generieren.

=== In Descriptive Analytics ===
Descriptive Analytics versucht, retrospektiv Antworten auf die Frage „Was ist passiert?“ zu liefern.

Im Kontext der Erweiterten Intelligenz beschreibt es die Segmentierung (engl. [[Clusteranalyse|Clustering]]) und Analyse von „historischen Daten“ (Daten aus der Vergangenheit) durch intransparente ([[Black Box (Systemtheorie)|Blackbox]]-)Algorithmen, mit anschließender Darstellung in [[Dashboard (Informationsmanagement)|Dashboards]]. Die verwendeten Daten können sowohl aus [[Datenstruktur|strukturierten]] als auch aus [[Unstrukturierte Daten|unstrukturierten]] Datenquellen stammen. Diese Art der Verarbeitung wird auch [[unüberwachtes Lernen]] genannt, da die Algorithmen selbstständig Zusammenhänge in den Datensätzen erkennen und darstellen. Einige Technologieunternehmen bieten diesen Dienst bereits heute unter ihrem Datenanalyse-Portfolio ([[Business Intelligence]]) an, so zum Beispiel [[Microsoft]] mit „Power BI“ oder QlikTech mit „Qlik View“. Deren Kunden können somit große Datenmengen aus ihren Cloud-Speicherdiensten sinnvoll aufbereitet darstellen lassen.

=== In Predictive Analytics ===
[[Predictive analytics|Predictive Analytics]] versucht, mit Hilfe von Vorhersagen Antworten auf die Frage „Was wird passieren?“ zu liefern.

Angewendet im Kontext der Erweiterten Intelligenz, trainieren Datenwissenschaftler intransparente (Blackbox-)Algorithmen mit historischen Daten, um zukünftige Ereignisse vorherzusagen. Man spricht hierbei von [[Überwachtes Lernen|überwachtem Lernen]]. Das Training von solchen Algorithmen benötigt meist große Datenmengen ([[Big Data]]), um aussagekräftige und korrekte Vorhersagen zu generieren, die anschließend vom menschlichen Anwender benutzt werden können. Für Entscheidungen mit besonders großer Tragweite stehen diese Algorithmen in der Kritik,<ref>{{Literatur |Autor=Cynthia Rudin |Titel=Stop Explaining Black Box Machine Learning Models for High Stakes Decisions and Use Interpretable Models Instead |Datum=2019-09-21 |Online=arXiv=1811.10154 |Abruf=2020-10-30}}</ref> nicht ausreichend erklär- und interpretierbar zu sein ([[Explainable Artificial Intelligence|XAI]]) und somit potenziell falsche Entscheidungsgrundlagen zu liefern.

Der Predictive-Analytics-Ansatz findet in einigen datenreichen Wirtschaftssektoren Anwendung, so auch im Versicherungssektor. Die US-amerikanische Firma [[TIBCO]] veröffentlichte im Jahr 2019 eine Fallstudie,<ref>{{Internetquelle |autor=Michael O’Connell, Difei Luo |url=https://www.tibco.com/sites/tibco/files/resources/TCS-closed-loop-continuous-learning%20-distr.pdf |titel=Closed Loop Continuous Learning with TIBCO – Case Study: Dynamic Online Pricing |hrsg=TIBCO Software Inc |datum=2019-09-20 |abruf=2020-10-30 |format=PDF |sprache=en}}</ref> in der sie für den Versicherungsdienstleister [[AA Ireland]] ein Machine-Learning unterstütztes [[Dynamic Pricing|dynamisches Preismanagementsystem]] implementierte, um optimale Bepreisungen für deren Versicherungsprodukte vorherzusagen.

=== In Prescriptive Analytics ===
{{Belege fehlen|2=Dieser Abschnitt|1=Belege für Prescriptive Analytics fehlen.}}
Prescriptive Analytics versucht grundsätzlich, Antworten auf die Fragen „Was wird passieren, warum wird es passieren und was sind die Implikationen bei Eintritt der Vorhersage?“ zu liefern.

Im Kontext der Erweiterten Intelligenz überschneiden sich Prescriptive und Predictive Analytics. Unter Prescriptive Analytics wird jedoch die Vorhersage des Machine-Learning-Algorithmus um eine Handlungsempfehlung ergänzt, die das gewünschte Ergebnis begünstigt oder ermöglicht. Wenn ein Unternehmen beispielsweise versucht, seine Kundenbindung zu verbessern, muss es Entscheidungen fällen, die dafür sorgen, dass seine Kunden zufriedener mit dem Produkt und dem Unternehmen sind. Hierbei soll der Algorithmus die Daten dahingehend analysieren, dass eine passende Handlungsempfehlung erzeugt wird, die das gewünschte Ergebnis begünstigt.

Dieser Ansatz ist derzeit noch Teil der Entscheidungsforschung.

== Einzelnachweise ==
<references />

[[Kategorie:Intelligenz]]
[[Kategorie:Zukunftsforschung]]
[[Kategorie:Science-Fiction-Konzept]]

Erweiterte Intelligenz - Versionsgeschichte

imported>Fegsel: /* Einleitung */ Adj