{"id":53222,"date":"2019-11-26T00:00:00","date_gmt":"2019-11-25T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova"},"modified":"2020-02-18T14:01:06","modified_gmt":"2020-02-18T11:01:06","slug":"grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","title":{"rendered":"Gartner-Diagramm 2019: Was steckt hinter all diesen modernen Begriffen?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Das Gartner-Diagramm ist f\u00fcr diejenigen, die im Technologiebereich arbeiten, wie eine Modenschau. Ein Blick darauf zeigt Ihnen im Voraus, welche Begriffe in dieser Saison angesagt sind und was Sie auf den n\u00e4chsten Konferenzen h\u00f6ren werden.<\/p>\n

Wir haben entschl\u00fcsselt, was hinter den ansprechenden Begriffen in diesem Diagramm steckt, damit auch Sie diese Sprache sprechen k\u00f6nnen.<\/p>\n

\"Gartner-Diagramm
\n
\n<\/a><\/noindex><\/p>\n

Zun\u00e4chst ein paar Worte zu diesem Diagramm. Jedes Jahr im August ver\u00f6ffentlicht das Beratungsunternehmen Gartner einen Bericht \u2013 die Gartner Hype Curve. Auf Deutsch bezeichnet man das als \u201eHype-Kurve\u201c oder einfach als Hype. Vor 30 Jahren sangen die Rapper von Public Enemy: \u201eDon\u2019t believe the hype\u201c. Ob Sie glauben oder nicht, ist eine pers\u00f6nliche Entscheidung, aber zumindest sollten Sie diese Schl\u00fcsselbegriffe kennen, wenn Sie im Technologiebereich arbeiten und die globalen Trends verstehen m\u00f6chten.<\/p>\n

Dies ist das Diagramm der \u00f6ffentlichen Erwartungen an eine bestimmte Technologie. Laut Gartner durchl\u00e4uft eine Technologie idealerweise f\u00fcnf Phasen: Einf\u00fchrung, Gipfel \u00fcbertriebener Erwartungen, Tal des Entt\u00e4uschung, Pfad der Aufkl\u00e4rung und Plateau der Produktivit\u00e4t. Es kann jedoch auch sein, dass sie im \u201eTal der Entt\u00e4uschung\u201c scheitert \u2013 Beispiele wie Bitcoin fallen einem sofort ein: Zun\u00e4chst als \u201eGeld der Zukunft\u201c gefeiert, fielen sie schnell, als die M\u00e4ngel der Technologie offensichtlich wurden, insbesondere die Beschr\u00e4nkungen bei der Anzahl der Transaktionen und der enorme Energieverbrauch, der zur Erzeugung von Bitcoins erforderlich ist (was bereits \u00f6kologische Probleme mit sich bringt). Nat\u00fcrlich sollte man nicht vergessen, dass das Gartner-Diagramm nur eine Prognose ist: Hier kann man beispielsweise detaillierte den Artikel<\/a><\/noindex>, in denen die eindrucksvollsten unerf\u00fcllten Vorhersagen analysiert werden.<\/p>\n

Lassen Sie uns also das neue Gartner-Diagramm durchsehen. Die Technologien sind in f\u00fcnf gro\u00dfe Themenbereiche unterteilt:<\/p>\n

    \n
  1. Fortgeschrittener KI und Analytik (Advanced AI and Analytics)\n<\/li>\n
  2. Postklassische Berechnungen und Kommunikation (Postclassical Compute and Comms)\n<\/li>\n
  3. Sensorik und Mobilit\u00e4t (Sensing and Mobility)\n<\/li>\n
  4. \u201eErweiterter\u201c Mensch (Augmented Human)\n<\/li>\n
  5. Digitale \u00d6kosysteme (Digital Ecosystems)\n<\/li>\n<\/ol>\n

    <\/p>\n

    1. Fortgeschrittene KI und Analytik (Advanced AI and Analytics)<\/h1>\n

    \nIn den letzten 10 Jahren haben wir die Bl\u00fctezeit des Deep Learning erlebt. Diese Netzwerke zeigen sich in ihrem Anwendungsbereich als sehr effektiv. 2018 erhielten Yann LeCun, Geoffrey Hinton und Yoshua Bengio f\u00fcr ihre Entdeckungen den Turing-Preis \u2013 die h\u00f6chste Auszeichnung, die man in der Informatik bekommt, vergleichbar mit dem Nobelpreis. Die wichtigsten Trends in diesem Bereich, die in den Grafiken dargestellt sind:<\/p>\n

    1.1. Transferlernen (Transfer Learning)<\/h2>\n

    \nSie trainieren das neuronale Netzwerk nicht von Grund auf, sondern nutzen ein bereits trainiertes und geben ihm ein neues Ziel. Manchmal ist es erforderlich, Teile des Netzwerks neu zu trainieren, jedoch nicht das gesamte Netzwerk, was viel schneller ist. Wenn Sie beispielsweise das vorgefertigte neuronale Netzwerk ResNet50 verwenden, das auf dem Datensatz ImageNet1000 trainiert wurde, erhalten Sie einen Algorithmus, der in der Lage ist, viele verschiedene Objekte auf einem sehr tiefen Niveau (1000 Klassen auf Grundlage von 50 Schichten des neuronalen Netzwerks) zu klassifizieren. Aber es ist nicht notwendig, das gesamte Netzwerk zu trainieren, was Monate in Anspruch nehmen w\u00fcrde.<\/p>\n

    In Online-Kurs<\/a><\/noindex> Samsung \u201eNeuronale Netzwerke und Computer Vision\u201c zum Beispiel in der abschlie\u00dfenden Kaggle-Aufgabe<\/a><\/noindex> Mit der Klassifizierung von Geschirr in sauber und schmutzig wird ein Ansatz demonstriert, der Ihnen in nur f\u00fcnf Minuten ein tiefes neuronales Netzwerk zur Verf\u00fcgung stellt, das in der Lage ist, sauberes Geschirr von schmutzigem zu unterscheiden. Dieses Netzwerk basiert auf der oben beschriebenen Architektur. Das urspr\u00fcngliche Netzwerk wusste nicht, was Geschirr \u00fcberhaupt ist; es lernte lediglich, V\u00f6gel von Hunden zu unterscheiden (siehe ImageNet).<\/p>\n

    \"Gartner-Diagramm
    \nQuelle:     Online-Kurs<\/a><\/noindex> Samsung \u00abNeuronale Netzwerke und Computer Vision\u00bb<\/i><\/p>\n

    F\u00fcr Transfer Learning ist es wichtig zu wissen, welche Ans\u00e4tze funktionieren und welche vorgefertigten Basisarchitekturen es gibt. Im Allgemeinen beschleunigt dies die Entwicklung praktischer Anwendungen des maschinellen Lernens erheblich.<\/p>\n

    1.2. Generative Adversarial Networks (GAN)<\/h2>\n

    \nDies ist f\u00fcr die F\u00e4lle gedacht, in denen es uns sehr schwerf\u00e4llt, das Lernziel zu formulieren. Je n\u00e4her die Aufgabe an der realen Lebenssituation liegt, desto klarer ist sie f\u00fcr uns (\u201eHol den Nachttisch\u201c), doch desto schwieriger ist es, sie als technische Aufgabe zu formulieren. GAN ist genau der Versuch, uns von diesem Problem zu befreien.<\/p>\n

    Hier arbeiten zwei Netzwerke: ein Generativnetzwerk und ein Diskriminatornetzwerk. Eines der Netzwerke lernt, n\u00fctzliche Aufgaben zu \u00fcbernehmen (Bilder zu klassifizieren, Ger\u00e4usche zu erkennen, Cartoons zu zeichnen). Das andere Netzwerk lernt, dieses Netzwerk zu lehren: Es hat reale Beispiele und lernt, eine im Voraus unbekannte komplexe Formel zu finden, um die Erzeugungen des generativen Teils des Netzwerks mit Objekten der realen Welt (Trainingsdatensatz) anhand wirklich wichtiger, tiefgehender Merkmale zu vergleichen: Anzahl der Augen, N\u00e4he zum Stil von Miyazaki, Korrektheit der englischen Aussprache.<\/p>\n

    \"Gartner-Diagramm
    \nBeispiel eines Ergebnisses der Arbeit des Netzwerks zur Erzeugung von Anime-Charakteren.     Quelle<\/a><\/noindex><\/i><\/p>\n

    Aber es ist nat\u00fcrlich schwierig, die Architektur aufzubauen. Es reicht nicht aus, einfach Neuronen hinzuzuf\u00fcgen, sie m\u00fcssen vorbereitet werden. Und das Lernen dauert Wochen. Das Thema GAN wird von meinen Kollegen im Samsung-Zentrum f\u00fcr k\u00fcnstliche Intelligenz behandelt, es ist eine der zentralen Forschungsfragen bei ihnen. Zum Beispiel, so eine Entwicklung<\/a><\/noindex>: Die Nutzung generativer Netzwerke zur Synthese realistischer Bilder von Personen mit ver\u00e4nderbaren Posen \u2013 beispielsweise zur Erstellung einer virtuellen Umkleidekabine \u2013 oder zur Synthese von Gesichtern, was die Menge an Informationen reduzieren k\u00f6nnte, die gespeichert oder \u00fcbertragen werden muss, um qualitativ hochwertige Videokommunikation, \u00dcbertragungen oder den Schutz personenbezogener Daten sicherzustellen.<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle<\/a><\/noindex><\/i><\/p>\n

    1.3. Erkl\u00e4rbarer KI (Explainable AI)<\/h2>\n

    \n\u0412 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0440\u0435\u0434\u043a\u0438\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u043f\u0440\u043e\u0433\u0440\u0435\u0441\u0441 \u0432 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430\u0445 \u0432\u043d\u0435\u0437\u0430\u043f\u043d\u043e \u043f\u0440\u0438\u0431\u043b\u0438\u0437\u0438\u043b \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439 \u043a \u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u0438\u043c. \u0422\u0435\u043f\u0435\u0440\u044c \u0431\u0438\u0442\u0432\u0430 \u0438\u0434\u0451\u0442 \u0437\u0430 \u0442\u043e, \u0447\u0442\u043e\u0431\u044b \u043a\u0440\u0443\u0433 \u0442\u0430\u043a\u0438\u0445 \u0437\u0430\u0434\u0430\u0447 \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0442\u044c. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u0440\u043e\u0431\u043e\u0442-\u043f\u044b\u043b\u0435\u0441\u043e\u0441 \u043c\u043e\u0433 \u0431\u044b \u043b\u0435\u0433\u043a\u043e \u043e\u0442\u043b\u0438\u0447\u0438\u0442\u044c \u043a\u043e\u0448\u043a\u0443 \u043e\u0442 \u0441\u043e\u0431\u0430\u043a\u0438 \u043f\u0440\u0438 \u043b\u043e\u0431\u043e\u0432\u043e\u0439 \u0432\u0441\u0442\u0440\u0435\u0447\u0435. \u041d\u043e \u0432 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0435 \u0436\u0438\u0437\u043d\u0435\u043d\u043d\u044b\u0445 \u0441\u0438\u0442\u0443\u0430\u0446\u0438\u0439 \u043e\u043d \u0431\u0443\u0434\u0435\u0442 \u043d\u0435\u0441\u043f\u043e\u0441\u043e\u0431\u0435\u043d \u043d\u0430\u0439\u0442\u0438 \u043a\u043e\u0448\u043a\u0443, \u0441\u043f\u044f\u0449\u0443\u044e \u0441\u0440\u0435\u0434\u0438 \u0431\u0435\u043b\u044c\u044f \u0438\u043b\u0438 \u043c\u0435\u0431\u0435\u043b\u0438 (\u0432\u043f\u0440\u043e\u0447\u0435\u043c, \u043a\u0430\u043a \u0438 \u043c\u044b, \u0432 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u0435 \u0441\u043b\u0443\u0447\u0430\u0435\u0432…).<\/p>\n

    \u0412 \u0447\u0435\u043c \u043f\u0440\u0438\u0447\u0438\u043d\u0430 \u0443\u0441\u043f\u0435\u0445\u043e\u0432 \u0433\u043b\u0443\u0431\u043e\u043a\u0438\u0445 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u044b\u0445 \u0441\u0435\u0442\u0435\u0439? \u041e\u043d\u0438 \u0432\u044b\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u044e\u0442 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u043e\u0435 \u043d\u0435 \u043d\u0430 \u00ab\u0432\u0438\u0434\u0438\u043c\u043e\u0439 \u043d\u0435\u0432\u043e\u043e\u0440\u0443\u0436\u0451\u043d\u043d\u044b\u043c \u0433\u043b\u0430\u0437\u043e\u043c\u00bb \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 (\u043f\u0438\u043a\u0441\u0435\u043b\u044f\u0445 \u0444\u043e\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0438, \u0441\u043a\u0430\u0447\u043a\u0430\u0445 \u0433\u0440\u043e\u043c\u043a\u043e\u0441\u0442\u0438 \u0437\u0432\u0443\u043a\u0430…), \u0430 \u043d\u0430 \u043f\u0440\u0438\u0437\u043d\u0430\u043a\u0430\u0445, \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u043d\u044b\u0445 \u043f\u043e\u0441\u043b\u0435 \u043f\u0440\u0435\u0434\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u044d\u0442\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u043c\u0438 \u0441\u043e\u0442\u043d\u044f\u043c\u0438 \u0441\u043b\u043e\u0451\u0432 \u043d\u0435\u0439\u0440\u043e\u043d\u043d\u043e\u0439 \u0441\u0435\u0442\u0438. \u041a \u0441\u043e\u0436\u0430\u043b\u0435\u043d\u0438\u044e, \u044d\u0442\u0438 \u0432\u0437\u0430\u0438\u043c\u043e\u0441\u0432\u044f\u0437\u0438 \u043c\u043e\u0433\u0443\u0442 \u0442\u0430\u043a\u0436\u0435 \u0431\u044b\u0442\u044c \u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u044b\u043c\u0438, \u043f\u0440\u043e\u0442\u0438\u0432\u043e\u0440\u0435\u0447\u0438\u0432\u044b\u043c\u0438 \u0438\u043b\u0438 \u043d\u0435\u0441\u0442\u0438 \u0441\u043b\u0435\u0434\u044b \u043d\u0435\u0441\u043e\u0432\u0435\u0440\u0448\u0435\u043d\u0441\u0442\u0432\u0430 \u0438\u0441\u0445\u043e\u0434\u043d\u043e\u0433\u043e \u043d\u0430\u0431\u043e\u0440\u0430 \u0434\u0430\u043d\u043d\u044b\u0445. \u041d\u0430\u043f\u0440\u0438\u043c\u0435\u0440, \u043e \u0442\u043e\u043c, \u043a \u0447\u0435\u043c\u0443 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0438\u0432\u0435\u0441\u0442\u0438 \u0431\u0435\u0437\u0434\u0443\u043c\u043d\u043e\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 AI \u0432 \u0440\u0435\u043a\u0440\u0443\u0442\u0438\u043d\u0433\u0435, \u0435\u0441\u0442\u044c \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0430\u044f \u043a\u043e\u043c\u043f\u044c\u044e\u0442\u0435\u0440\u043d\u0430\u044f \u0438\u0433\u0440\u0430 Survival Of The Best Fit<\/a><\/noindex>.<\/p>\n

    \"Gartner-Diagramm
    \nDas System zur Bildbeschriftung hat einen Kocht mehr als eine Frau bezeichnet, obwohl auf dem Bild tats\u00e4chlich ein Mann zu sehen ist (    Quelle<\/a><\/noindex>). Das wurde festgestellt<\/a><\/noindex> am Virginia Institute.<\/i><\/p>\n

    Um komplexe und tiefgreifende Zusammenh\u00e4nge zu analysieren, die wir oft selbst nicht formulieren k\u00f6nnen, sind Methoden der erkl\u00e4rbaren KI erforderlich. Sie organisieren die Merkmale tiefen neuronaler Netze so, dass wir nach dem Training die von dem Netzwerk erlernten inneren Darstellungen analysieren k\u00f6nnen, statt uns einfach auf deren Entscheidungen zu verlassen.<\/p>\n

    1.4. Edge Analytics \/ AI<\/h2>\n

    \nAlles, was das Wort Edge beinhaltet, bedeutet im Grunde Folgendes: Teile der Algorithmen werden vom Cloud-Server auf das Endger\u00e4t oder Gateway verlagert. Ein solcher Algorithmus kann schneller reagieren und ben\u00f6tigt keine Verbindung zum zentralen Server f\u00fcr seine Funktion. Wenn Ihnen das Konzept eines \u201ed\u00fcnnen Clients\u201c bekannt ist, dann machen wir diesen Client hier ein wenig robuster.
    \nDas k\u00f6nnte f\u00fcr das Internet der Dinge wichtig sein. Beispielsweise, wenn eine Maschine \u00fcberhitzt und gek\u00fchlt werden muss, macht es Sinn, sofort ein Signal auf Werksebene zu senden, anstatt darauf zu warten, dass die Daten in die Cloud gelangen und von dort an den Schichtleiter weitergeleitet werden. Ein weiteres Beispiel: autonom fahrende Autos k\u00f6nnen die Verkehrslage selbstst\u00e4ndig bew\u00e4ltigen, ohne auf einen zentralen Server zugreifen zu m\u00fcssen.<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle<\/a><\/noindex><\/i><\/p>\n

    Ein weiteres Beispiel, warum das aus Sicherheitsgr\u00fcnden wichtig ist: Wenn Sie auf Ihrem Telefon Texte eingeben, merkt es sich die typischen W\u00f6rter, damit Ihre Tastatur Ihnen diese bequem vorschlagen kann \u2013 das nennt man pr\u00e4diktives Texten. Alles, was Sie auf der Tastatur eingeben, in ein Rechenzentrum zu senden, w\u00e4re eine Verletzung Ihrer Privatsph\u00e4re und schlichtweg unsicher. Daher erfolgt das Lernen der Tastatur nur innerhalb Ihres Ger\u00e4ts.<\/p>\n

    1.5. KI-Plattform als Dienst (AI PaaS)<\/h2>\n

    \nPaaS \u2013 Plattform-as-a-Service \u2013 ist ein Gesch\u00e4ftsmodell, bei dem wir Zugang zu einer integrierten Plattform erhalten, die sowohl deren Cloud-Datenlager als auch vorgefertigte Verfahren umfasst. So k\u00f6nnen wir uns von infrastrukturellen Aufgaben befreien und uns vollst\u00e4ndig auf die Produktion von etwas N\u00fctzlichem konzentrieren. Beispiele f\u00fcr PaaS-Plattformen f\u00fcr KI-Anwendungen: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.<\/p>\n

    1.6. Adaptives maschinelles Lernen (Adaptive ML)<\/h2>\n

    \nWas w\u00e4re, wenn wir k\u00fcnstlicher Intelligenz erlauben w\u00fcrden, sich anzupassen\u2026 Sie fragen sich \u2013 wie genau?. Ist es nicht so, dass sie sich bereits der Aufgabe anpasst? Das Problem ist folgendes: Jede dieser Aufgaben gestalten wir sorgf\u00e4ltig, bevor wir einen Algorithmus f\u00fcr die L\u00f6sung dieser Aufgabe entwickeln. Ihnen wird gesagt \u2013 es gibt tats\u00e4chlich eine M\u00f6glichkeit, auch diese Kette zu vereinfachen.<\/p>\n

    Herk\u00f6mmliches maschinelles Lernen funktioniert nach dem Prinzip eines offenen Systems (open-loop): Sie bereiten Daten vor, entwerfen ein neuronales Netzwerk (oder was auch immer), trainieren es, schauen sich dann einige Kennzahlen an, und wenn Ihnen alles gef\u00e4llt, k\u00f6nnen Sie das neuronale Netzwerk in Smartphones bereitstellen \u2013 um die Aufgaben der Nutzer zu l\u00f6sen. Aber in Anwendungen, wo es sehr viele Daten gibt und deren Charakter sich allm\u00e4hlich \u00e4ndert, sind andere Methoden erforderlich. Solche Systeme, die sich selbst anpassen und selbstst\u00e4ndig lernen, organisieren sich in geschlossenen, selbstlernenden Kreisl\u00e4ufen (closed-loop) und m\u00fcssen dabei unterbrechungsfrei arbeiten.<\/p>\n

    Anwendungen \u2014 das k\u00f6nnen Stream Analytics sein, auf deren Grundlage viele Unternehmer Entscheidungen treffen, oder adaptive Produktionssteuerung. Im Kontext moderner Anwendungen und unter Ber\u00fccksichtigung der besser verstandenen Risiken f\u00fcr Menschen werden die Methoden zur L\u00f6sung dieses Problems unter dem gemeinsamen Begriff Adaptive AI zusammengefasst.<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle<\/a><\/noindex><\/i><\/p>\n

    Beim Betrachten dieses Bildes kann man das Gef\u00fchl nicht loswerden, dass Futurologen nichts lieber tun, als einen Roboter das Atmen beizubringen...<\/p>\n

    Postklassische Berechnungen und Kommunikation (Postclassical Compute and Comms)<\/h1>\n

    <\/p>\n

    2.1. Mobilfunk der f\u00fcnften Generation (5G)<\/h2>\n

    \nEs ist ein so interessantes Thema, dass wir sofort auf unsere Artikel<\/a><\/noindex>. Hier ist eine kurze Zusammenfassung. 5G wird durch die erh\u00f6hte Daten\u00fcbertragungsfrequenz die Internetgeschwindigkeit unrealistisch schnell machen. Kurze Wellen haben es schwerer, Hindernisse zu durchdringen, weshalb die Netzwerkinfrastruktur v\u00f6llig anders gestaltet werden muss: Es werden 500-mal mehr Basisstationen ben\u00f6tigt.<\/p>\n

    Mit der Geschwindigkeit werden neue Ph\u00e4nomene entstehen: Echtzeitspiele mit Augmented Reality, die Durchf\u00fchrung komplexer Aufgaben (wie Chirurgie) durch Telepr\u00e4senz, sowie die Verhinderung von Unf\u00e4llen und schwierigen Situationen auf den Stra\u00dfen durch Kommunikation zwischen Fahrzeugen. Aus einer pragmatischeren Sicht wird die mobile Internetverbindung endlich nicht mehr w\u00e4hrend Gro\u00dfveranstaltungen wie einem Stadionspiel abbrechen.<\/p>\n

    \"Gartner-Diagramm
    \nBildquelle \u2014 Reuters, Niantic<\/i><\/p>\n

    2.2. N\u00e4chste Generation des Speichers (Next-Generation Memory)<\/h2>\n

    \nHier geht es um die f\u00fcnfte Generation des Arbeitsspeichers \u2013 DDR5. Samsung hat angek\u00fcndigt, dass bis Ende 2019 Produkte auf DDR5-Basis erscheinen werden. Es wird erwartet, dass der neue Speicher doppelt so schnell und doppelt so speicherf\u00e4hig sein wird, ohne den Formfaktor zu ver\u00e4ndern, das hei\u00dft, wir werden f\u00fcr unseren Computer RAM-Module mit einer Kapazit\u00e4t von bis zu 32 GB bekommen. In Zukunft wird dies besonders relevant f\u00fcr Smartphones sein (das neue Speicher wird in einer energieeffizienten Version verf\u00fcgbar sein) und f\u00fcr Laptops (wo die Anzahl der DIMM-Steckpl\u00e4tze begrenzt ist). Zudem ben\u00f6tigt maschinelles Lernen gro\u00dfe Mengen an Arbeitsspeicher.<\/p>\n

    2.3. Niedrigorbitale Satellitensysteme (Low-Earth-Orbit Satellite Systems)<\/h2>\n

    \nDie Idee, schwere, teure und leistungsstarke Satelliten durch eine Flotte kleiner, kosteng\u00fcnstiger Einheiten zu ersetzen, ist nicht neu und stammt bereits aus den 90er Jahren. Was \u201eElon Musk wird bald Internet \u00fcber Satelliten an alle verteilen\u201c<\/a><\/noindex> haben mittlerweile nur noch die Faulen nicht geh\u00f6rt. Das bekannteste Unternehmen in diesem Bereich ist Iridium, das Ende der 90er Jahre bankrottging, aber durch das US-Verteidigungsministerium gerettet wurde (nicht zu verwechseln mit iRidium \u2013 dem russischen Smart-Home-System). Das Projekt von Elon Musk (Starlink) ist nicht das einzige \u2013 im Wettlauf um Satelliten sind auch Richard Branson (OneWeb \u2013 1440 geplante Satelliten), Boeing (3000 Satelliten), Samsung (4600 Satelliten) und andere beteiligt.<\/p>\n

    Wie die Situation in diesem Bereich aussieht und wie die Wirtschaft dort funktioniert \u2013 lesen Sie in der \u00dcberblick<\/a><\/noindex>. Wir warten auf die ersten Tests dieser Systeme mit den ersten Nutzern, die bereits im n\u00e4chsten Jahr stattfinden sollen.<\/p>\n

    2.4. 3D-Druck im Nanoskalierungsbereich (Nanoscale 3D Printing)<\/h2>\n

    \n3D-Druck hat zwar nicht den Alltag jedes Einzelnen erobert (insbesondere nicht in der Form einer individuellen Heimfabrik f\u00fcr Kunststoff), dennoch hat er sich l\u00e4ngst aus der Nische der Geek-Technologien befreit. Ausreichend ist es zu sagen, dass selbst Schulkindern die Existenz von 3D-Druckstiften bekannt ist und viele davon tr\u00e4umen, sich eine Box mit Schlitzen und Extruder f\u00fcr... \u201eeinfach so\u201c zuzulegen (oder haben das sogar bereits getan).<\/p>\n

    Stereolithographie (Laser-3D-Drucker) erm\u00f6glicht das Drucken mit einzelnen Photonen: Es werden neue Polymere erforscht, f\u00fcr deren Aush\u00e4rtung nur zwei Photonen erforderlich sind. Dies k\u00f6nnte es erm\u00f6glichen, au\u00dferhalb von Laboren v\u00f6llig neue Filter, Halterungen, Federn, Kapillaren, Linsen und... Ihre Vorschl\u00e4ge in den Kommentaren zu kreieren! Hier ist es nur ein kleiner Schritt zur Photopolymerisation \u2013 nur diese Technologie erlaubt es, Prozessoren und Rechenschaltungen zu 'drucken'. Dar\u00fcber hinaus existiert seit mehreren Jahren die Technologie zum Drucken von 500-nm-Grafen dreidimensionalen Strukturen<\/a><\/noindex>, jedoch ohne radikale Weiterentwicklungen.<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle<\/i><\/a><\/noindex><\/p>\n

    3. Sensorik und Mobilit\u00e4t (Sensing and Mobility)<\/h1>\n

    <\/p>\n

    3.1. Autonome Fahrzeuge, Level 4 und 5 (Autonomous Driving Level 4 & 5)<\/h2>\n

    \nUm sich in der Terminologie zurechtzufinden, ist es wichtig, die verschiedenen Autonomiestufen zu verstehen (entnommen aus der ausf\u00fchrlichen einem Artikel<\/a><\/noindex>, auf die wir alle Interessierten verweisen):<\/p>\n

    Stufe 1: Tempomat: Unterst\u00fctzung des Fahrers in sehr begrenzten Situationen (zum Beispiel \u2013 das Fahrzeug auf einer bestimmten Geschwindigkeit zu halten, nachdem der Fahrer den Fu\u00df vom Gaspedal genommen hat)
    \nStufe 2: Eingeschr\u00e4nkte Unterst\u00fctzung beim Steuern und Bremsen. Der Fahrer muss in der Lage sein, fast sofort die Kontrolle zu \u00fcbernehmen. Seine H\u00e4nde sind am Lenkrad, und sein Blick ist auf die Stra\u00dfe gerichtet. Das ist bereits in Tesla- und General Motors-Fahrzeugen vorhanden.
    \nStufe 3: Der Fahrer muss nicht mehr st\u00e4ndig die Stra\u00dfe im Blick haben. Er muss jedoch wachsam bleiben und bereit sein, die Kontrolle zu \u00fcbernehmen. Das ist etwas, was es derzeit in den verkaufsf\u00e4higen Fahrzeugen noch nicht gibt. Alle derzeit verf\u00fcgbaren Fahrzeuge sind auf Stufen 1-2.
    \nStufe 4: Echter Autopilot, jedoch mit Einschr\u00e4nkungen: Nur Fahrten in bekannten, sorgf\u00e4ltig kartierten Gebieten, die im Allgemeinen dem System vertraut sind, und unter bestimmten Bedingungen, zum Beispiel bei fehlendem Schnee. Solche Prototypen existieren bei Waymo und General Motors, die planen, sie in mehreren St\u00e4dten einzuf\u00fchren und im realen Umfeld zu testen. Yandex betreibt Testzonen f\u00fcr selbstfahrende Taxis in Skolkovo und Innopolis: Die Fahrt erfolgt unter Aufsicht eines Ingenieurs, der auf dem Beifahrersitz sitzt; bis Ende des Jahres plant das Unternehmen, die Flotte auf 100 selbstfahrende Fahrzeuge zu erweitern.
    \nStufe 5: Vollautomatisches Fahren, vollst\u00e4ndiger Ersatz eines menschlichen Fahrers. Solche Systeme existieren nicht und es ist unwahrscheinlich, dass sie in den kommenden Jahren verf\u00fcgbar sein werden.<\/p>\n

    Wie realistisch ist es, all dies in absehbarer Zeit zu sehen? Hier m\u00f6chten wir den Leser auf den Artikel verweisen \u201eWarum die Einf\u00fchrung von Robotaxis bis 2020, wie von Tesla versprochen, unm\u00f6glich ist\u201c<\/a><\/noindex>. Dies liegt teilweise an der fehlenden 5G-Verbindung: die vorhandenen 4G-Geschwindigkeiten sind nicht ausreichend. Zum Teil auch an den sehr hohen Kosten f\u00fcr autonome Fahrzeuge: derzeit sind sie unrentabel und das Gesch\u00e4ftsmodell ist unklar. Kurz gesagt, hier ist es \"komplex\" und es ist kein Zufall, dass Gartner schreibt, dass die Prognose f\u00fcr die breite Einf\u00fchrung der Stufen 4 und 5 nicht vor 10 Jahren erfolgen wird.<\/p>\n

    3.2. Kameras mit 3D-Sicht (3D Sensing Cameras)<\/h2>\n

    \nVor acht Jahren sorgte der Microsoft Kinect-Spielcontroller f\u00fcr Aufsehen, da er eine erschwingliche und vergleichsweise kosteng\u00fcnstige L\u00f6sung f\u00fcr 3D-Sicht bot. Seitdem haben physische Fitness- und Tanzspiele mit Kinect ihren kurzen H\u00f6henflug und anschlie\u00dfenden R\u00fcckgang erlebt, w\u00e4hrend 3D-Kameras sich in industriellen Robotern, autonomen Fahrzeugen und Mobiltelefonen zur Gesichtserkennung durchgesetzt haben. Die Technologie ist g\u00fcnstiger, kompakter und zug\u00e4nglicher geworden. <\/p>\n

    \"Gartner-Diagramm
    \nIm Samsung S10 befindet sich eine Time-of-Flight-Kamera, die die Entfernung zu einem Objekt misst \u2013 um die Fokussierung zu erleichtern.     Quelle<\/a><\/noindex><\/i><\/p>\n

    Wenn Sie sich f\u00fcr dieses Thema interessieren, verweisen wir auf eine sehr gute, ausf\u00fchrliche \u00dcbersicht \u00fcber Tiefenkameras: Teil 1<\/a><\/noindex>, Teil 2<\/a><\/noindex>.<\/p>\n

    3.3. Drohnen f\u00fcr die Lieferung kleiner Lasten (Light Cargo Delivery Drones)<\/h2>\n

    \nIn diesem Jahr hat Amazon f\u00fcr Aufsehen gesorgt, als es auf einer Messe eine neue fliegende Drohne pr\u00e4sentierte, die in der Lage ist, kleine Lasten von bis zu 2 kg zu transportieren. F\u00fcr St\u00e4dte mit ihren Verkehrsstaus scheint das eine ideale L\u00f6sung zu sein. Mal sehen, wie sich diese Drohnen in naher Zukunft bew\u00e4hren. Hier sollte man jedoch vorsichtigen Skeptizismus walten lassen: Es gibt zahlreiche Probleme, angefangen bei der M\u00f6glichkeit des einfachen Diebstahls von Drohnen bis hin zu gesetzlichen Einschr\u00e4nkungen f\u00fcr UAVs. Amazon Prime Air gibt es bereits seit sechs Jahren, aber es befindet sich nach wie vor in der Testphase.<\/p>\n

    \"Gartner-Diagramm
    \nDie neue Drohne von Amazon, die diesen Fr\u00fchling vorgestellt wurde. Irgendetwas davon erinnert an \"Star Wars\".     Quelle<\/a><\/noindex><\/i><\/p>\n

    Neben Amazon gibt es auch andere Akteure auf diesem Markt (es gibt detaillierte Testbericht<\/a><\/noindex>), aber kein einziges marktreifes Produkt: alles befindet sich in der Test- und Marketingphase. Erw\u00e4hnenswert sind auch die durchaus interessanten spezialisierten medizinischen Projekte<\/a><\/noindex> in Afrika: die Lieferung von Spenderblut in Ghana (14.000 Lieferungen, Unternehmen Zipline) und Ruanda (Unternehmen Matternet).<\/p>\n

    3.4. Fliegende autonome Transportmittel (Flying Autonomous Vehicles)<\/h2>\n

    \nHier ist es schwierig, etwas Bestimmtes zu sagen. Laut Gartner wird es fr\u00fchestens in 10 Jahren Realit\u00e4t. Im Grunde genommen sind es die gleichen Probleme wie bei selbstfahrenden Autos, nur dass sie eine neue Dimension \u2013 die vertikale \u2013 annehmen. Porsche, Boeing und Uber haben bereits Ambitionen ge\u00e4u\u00dfert, fliegende Taxis zu entwickeln.<\/p>\n

    3.5. Cloud der erweiterten Realit\u00e4t (AR Cloud)<\/h2>\n

    \nEine permanente digitale Kopie der realen Welt, die einen neuen Schicht der Realit\u00e4t schafft, die allen Nutzern gemeinsam ist. Technisch gesprochen geht es darum, eine offene Cloud-Plattform zu schaffen, in die Entwickler ihre AR-Anwendungen integrieren k\u00f6nnen. Das Monetarisierungsmodell ist klar und \u00e4hnelt dem von Steam. Die Idee hat sich so festgesetzt, dass einige bereits der Meinung sind, dass AR ohne Cloud schlichtweg nutzlos ist.<\/p>\n

    Wie das in Zukunft aussehen k\u00f6nnte, wird in einem kurzen Video dargestellt. Es sieht aus wie eine weitere Episode von \"Black Mirror\":
    \n

    \r\n \"Video\r\n
    <\/div>\r\n <\/div><\/center><\/p>\n

    Es gibt auch weitere Lekt\u00fcre in einem \u00dcberblicksartikel.<\/a><\/noindex><\/p>\n

    4. \u201eErweiterter\u201c Mensch (Augmented Human)<\/h1>\n

    <\/p>\n

    4.1. KI f\u00fcr Emotionen (Emotion AI)<\/h2>\n

    \nWie kann man menschliche Emotionen messen, simulieren und darauf reagieren? Zu den Kunden z\u00e4hlen Unternehmen, die Sprachassistenten wie Amazon Alexa entwickeln. Um wirklich in die Haushalte einzudringen, m\u00fcssen sie lernen, die Stimmung zu erkennen: den Grund f\u00fcr Unzufriedenheit des Nutzers zu verstehen und versuchen, die Situation zu verbessern. Allgemein gibt es im Kontext viel mehr Informationen als in der Nachricht selbst. Und der Kontext umfasst sowohl Gesichtsausdr\u00fccke als auch Intonation und non-verbales Verhalten.<\/p>\n

    Weitere praktische Anwendungen: Emotionserkennung w\u00e4hrend Vorstellungsgespr\u00e4chen (bei Video-Interviews), Bewertung der Reaktionen auf Werbevideos oder andere audiovisuelle Inhalte (L\u00e4cheln, Lachen), Unterst\u00fctzung beim Lernen (zum Beispiel f\u00fcr Selbst\u00fcbungen in der Kunst des \u00f6ffentlichen Sprechens). <\/p>\n

    Zu diesem Thema l\u00e4sst sich kaum besser \u00e4u\u00dfern als der Autor des 6-min\u00fctigen Kurzfilms. Stealing Ur Feeling<\/a><\/noindex>. In einem clever und stilvoll gestalteten Video wird gezeigt, wie man unsere Emotionen f\u00fcr Marketingzwecke messen kann und aus den momentanen Reaktionen Ihres Gesichts erfahren kann: Lieben Sie Pizza, Hunde, Kanye West, und was Ihr Einkommen sowie Ihr gesch\u00e4tzter IQ sind. Durch den Besuch der Website des Films \u00fcber den obigen Link nehmen Sie an einem interaktiven Video teil, das die eingebaute Kamera Ihres Laptops nutzt. Der Film wurde bereits auf mehreren Filmfestivals gezeigt.<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle<\/a><\/noindex><\/i><\/p>\n

    Es gibt sogar eine interessante Studie dar\u00fcber, wie man Sarkasmus in Texten erkennt. Man nahm Tweets mit dem Hashtag #Sarkasmus und erstellte ein Trainingsset aus 25.000 sarkastischen Tweets und 100.000 normalen Tweets zu allem M\u00f6glichen. Man verwendete die Bibliothek TensorFlow, trainierte das System und das Ergebnis ist:<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle<\/a><\/noindex><\/i><\/p>\n

    Deshalb k\u00f6nnen Sie jetzt, wenn Sie sich \u00fcber Ihren Kollegen oder Freund nicht sicher sind \u2013 ob er Ihnen etwas ernsthaft oder sarkastisch gesagt hat \u2013 die bereits trainierte neuronale Netzwerke<\/a><\/noindex>! <\/p>\n

    4.2. Augmented Intelligence<\/h2>\n

    \nDie Automatisierung intelligenter Arbeit durch Methoden des maschinellen Lernens. Klingt zun\u00e4chst nicht neu? Doch hier ist die Formulierung entscheidend, insbesondere da sie die gleiche Abk\u00fcrzung wie Artificial Intelligence nutzt. Dies verweist auf die Debatte \u00fcber 'starke' und 'schwache' KI.
    \nStarke KI ist der k\u00fcnstliche Intelligenz aus Science-Fiction-Filmen sehr \u00e4hnlich, die vollst\u00e4ndig dem menschlichen Verstand entspricht und sich selbst als Pers\u00f6nlichkeit erkennt. So etwas existiert noch nicht, und es ist unklar, ob es jemals existieren wird.<\/p>\n

    Schwache KI hingegen ist keine eigenst\u00e4ndige Pers\u00f6nlichkeit, sondern ein Assistenzsystem f\u00fcr den Menschen. Sie beansprucht kein menschen\u00e4hnliches Denken, sondern kann lediglich Informationsaufgaben erledigen, wie zum Beispiel zu bestimmen, was auf einem Bild abgebildet ist oder Texte zu \u00fcbersetzen.<\/p>\n

    \"Gartner-Diagramm
    \n    Quelle <\/a><\/noindex><\/i><\/p>\n

    In diesem Sinne ist Augmented Intelligence ein reines Beispiel f\u00fcr \"schwache KI\", und die Formulierung scheint gelungen zu sein, da sie keine Verwirrung stiftet und nicht verleitet, den \"starken KI\"-Mythos zu sehen, von dem alle tr\u00e4umen (oder Angst haben, wenn man an die vielen Diskussionen \u00fcber das \"Aufbegehren der Maschinen\" denkt). Mit dem Begriff Augmented Intelligence ziehen wir sofort in das Genre eines anderen Films ein: von Science-Fiction (wie \"Ich, der Roboter\" von Asimov) gelangen wir in die Cyberpunk-Welt, wo \"Augmentierungen\" verschiedene Implantate bezeichnen, die die F\u00e4higkeiten des Menschen erweitern.<\/p>\n

    Wie gesagt<\/a><\/noindex> Eric Brynjolfsson und Andrew McAfee: \u201eIn den n\u00e4chsten 10 Jahren wird Folgendes passieren. Nicht KI wird Manager ersetzen, sondern diejenigen Manager, die KI nutzen, werden die ersetzen, die es noch nicht getan haben.\u201c<\/p>\n

    Beispiele:<\/p>\n