App-Entwicklung mit KI: Die IBM Watson Services für Core ML

Warum IBM Watson und Core ML?

Liest sich erst mal sperrig. IBM Watson Services für Core ML? Was bedeutet das? App-Entwicklung mit KI erklärt dem Laien zumindest schon mal, worum es thematisch gehen soll. Das IT- und Beratungsunternehmen IBM hat viele Produkte im Angebot, unter anderem vorgefertigte IBM-Watson-Anwendungen, mit denen KI in Apps integriert werden kann. Auf der Unternehmensseite heißt es:

"Erhalten Sie fundierte Einblicke in Ihre Daten, interagieren Sie mit Kunden und Mitarbeitern nach deren Vorstellungen und trainieren Sie Ihre KI-Systeme in der Sprache Ihrer Branche."

Core ML ist ein Framework von Apple. Die Unternehmen arbeiten seit einigen Jahren zusammen, weshalb es die speziellen IBM-Watson-Services für Core ML gibt.

Wir beschäftigen uns also damit, welche Möglichkeiten es gibt, Apps mithilfe von künstlicher Intelligenz zu entwickeln. In diesem Fall durch IBM-Watson-Lösungen im Zusammenspiel mit dem Core ML Framework von Apple.

KI im Allgemeinen

Wir haben uns schon intensiv mit künstlicher Intelligenz auseinandergesetzt und in anderen Beiträgen folgende Fragen beantwortet:

• Was ist künstliche Intelligenz?
• Kritik an künstlicher Intelligenz - ist KI gefährlich?

Dabei ist deutlich geworden, dass KI in unserer Gesellschaft allgegenwärtig ist.

Jetzt gehen wir noch etwas mehr auf eines unserer Fachgebiete ein: die App-Entwicklung im Zusammenhang mit KI. Es werden immer mehr Apps programmiert, die die Möglichkeiten von künstlicher Intelligenz nutzen. So sollen Kund:innen noch besser angesprochen werden, länger mit der Anwendung interagieren und im Idealfall auch mehr Daten bereitstellen, die vom Unternehmen ausgewertet werden können.

Was können KI-Apps?

Es gibt nicht die eine Anwendung, mit der jede Art von künstlicher Intelligenz in eine App integriert werden kann. KI hat verschiedene Teilbereiche und kann Verschiedenes leisten. Dementsprechend gibt es viele unterschiedliche Produkte, je nach Anspruch.

Der IBM Watson Assistant versucht, kontextuelle Zusammenhänge herzustellen. Der Assistent soll uns besser verstehen und möglichst schnell die passenden Antworten parat haben. Dadurch sollen Kund:innen möglichst schnell den optimalen Support bekommen. Unternehmen müssen nicht mehr zig Kanäle bereitstellen wie Webchats, Chatbots, Artikel, Mail-Support und vieles mehr. Der IBM Watson Assistant soll nach einer Interaktion wissen, was die beste Lösung für jedes Individuum ist. "The AI assistant that solves customer problems, the first time."

Ein anderes Beispiel ist IBM Watson Discovery. Eine Plattform, mit der Unternehmensdaten nach bestimmten Informationen durchsucht werden können - natürlich auf KI-Basis.

"Die Plattform verwendet innovative, marktführende Verarbeitung natürlicher Sprache, um aussagekräftige Geschäftserkenntnisse aus Dokumenten, Webseiten und Big Data zutage zu fördern."

Das versprechen: Den Zeitaufwand für die Suche nach Dokumenten, Webseiten und Big Data um mehr als 75 Prozent zu reduzieren.

Letztes Beispiel: Watson Natural Language Understanding. Das Programm versteht und analysiert natürliche Sprache. Es ist eine Art Textanalyse-Tool, das Metadaten aus Texten filtern kann. Zum Beispiel bestimmte Schlüsselwörter und Kategorien - aber auch Stimmungen und Emotionen.

Es gibt noch viele weitere IBM Watson Services, unter anderem für "Text to Speech" oder "Speech to Text". Und es wird deutlich, dass KI für die Entwicklung von Apps viele Möglichkeiten bereithält. Künstliche Intelligenz kann verschiedene Aufgaben übernehmen und für die jeweiligen Ansprüche trainiert werden.

Was kann Apples Core ML?

Mit Apples Core ML können verschiedene Modelle für Machine Learning in Apps implementiert werden. Das ist natürlich an die Apple-Betriebssysteme iOS, macOS, watchOS und tvOS gebunden. Dabei steht ein Modell für eine Funktion.

Entwickler:innen können ein solches Modell für eine ganz bestimmte Funktion erstellen: Zum Beispiel könnte man einem Modell beibringen, Fotos zu kategorisieren oder bestimmte Objekte auf Bildern anhand der Pixel zu erkennen. Etwas, was beispielsweise auch Google Photos nutzt. Gebe ich in die Suche "Tiere", "Sport" oder "Urlaub" ein, durchsucht die Anwendung mein Smartphone nach Fotos, die zum jeweiligen Suchbegriff passen und zeigt mir nur diese Bilder an.

Modelle können mit der Create ML-App erstellt und trainiert werden, die wiederum mit Xcode gebündelt ist. Wenn ein entsprechendes Modell erstellt wurde, wird es in die jeweilige App integriert. Danach kann sie in den App Store. Wer sich noch etwas tiefergehend für die technischen Details interessiert, findet alles auf der Developer-Plattform von Apple.

Durch Core ML APIs und Daten von Nutzer:innen kann die App dann - entsprechend der geplanten Funktion - vorhersagen machen. Und: Je öfter sie genutzt wird, desto mehr Daten sind vorhanden und desto besser wird die KI trainiert. Sie wird mit der Zeit also immer zuverlässiger. Künstliche Intelligenz muss "gefüttert" werden - ohne Training geht es nicht. Das ist bei uns Menschen genauso: Nur derjenige, der viel trainiert und Wissen angehäuft hat, kann erfolgreich an Quiz-Meisterschaften teilnehmen. 😉

Das Core ML Framework unterstützt:

• Vision (Bilder analysieren)
• Natural Language (Texte verarbeiten)
• Speech (Audios in Textform bringen)
• Sound Analysis (Klänge identifizieren)

Weitere KI-trainierte Apps

Ein Beispiel ist der Audio-Streaming-Dienst Spotify. Durch Musik und Podcasts, die wir hören, trainieren wir den Algorithmus. Je mehr Daten wir hinterlassen, desto genauer werden die Vorschläge für neue Musiker:innen, die wir uns mal anhören sollten. Die App zieht Rückschlüsse auf Dinge, die uns gefallen oder noch gefallen könnten. Alles digitale Fußspuren, durch die eine KI lernen kann. Auf dieselbe Art funktionierten Streaming-Dienste wie Netflix oder Amazon Prime.

Ein anderes Beispiel ist CarpiLog: Ein Eigenprodukt unserer Agentur. Eine Fangbuch-App für Angler:innen. Man hinterlässt beispielsweise Wetterdaten, Wasserstand, Fischart und viele andere Details. Je mehr Daten hinterlegt werden, desto genauer kann die App Vorhersagen dafür treffen, wann die Bedingungen zum Angeln das nächste Mal besonders gut sind.

Braucht es KI in der App-Entwicklung wirklich?

Letztendlich ist alles auf die Kund:innen ausgerichtet. Jedes Unternehmen möchte Ziele erreichen. Das klappt nur, wenn eine App die Bedürfnisse der jeweilige Zielgruppe erfüllt - und genau dabei kann KI helfen.

Durch Machine Learning können Anwendungen dahingehend trainiert werden, dass sie sich noch besser auf einzelne Individuen und deren Bedürfnisse einstellen können. KI-Apps können auch gezielt Neukund:innen ansprechen und dadurch für Unternehmen gewinnbringend sein.

Es gibt aber auch diejenigen, für die Apps mit KI nicht zwingend nötig sind. In einem Artikel von t3n heißt es, dass es sich bei KI und Machine Learning vor allem um "omnipräsente Buzzwords" handeln würde. Es werde viel über die Potenziale gesprochen, wo die Technologie angewendet werden und welchen Mehrwert sie haben könne, letztendlich käme all das aber oft zu kurz.

Grundsätzlich mag es auch so sein, dass weder eine gute User Experience noch eine gute Anwendung zwangsläufig mit KI einhergehen muss. Eine App kann so programmiert werden, dass sie die Nutzer:innen bestimmte Ziele erreichen lässt - mehr aber auch nicht.

Beispiel:

Ein soziales Netzwerk folgt einem bestimmten Schema. Wir öffnen eine App, es werden Daten gesammelt und die landen in der Datenbank. Bei jedem Klick ist völlig klar, was passieren muss und daran ändert sich auch nichts. Auf einen bestimmten Befehl folgt eine festgelegte Aktion. Solange im Hintergrund nichts umprogrammiert wird, bleibt das so. Die Logik definiert die Regeln so lange, bis der Mensch beschließt, dass sich etwas ändern soll.

Sobald sich die Regeln aber eigenständig anpassen sollen, muss eine KI integriert werden. Je mehr Input (Daten) eine künstliche Intelligenz erhält, desto mehr lernt sie und desto umfangreicher fallen die Muster aus, die sie eigenständig erkennen kann. Ab einem gewissen Punkt funktioniert das, ohne dass der Mensch manuell etwas programmieren muss.

Beispiel:

Ein Onlinestore bietet Kleidung an und jemand kauft dort immer wieder. Durch KI kann der Algorithmus so trainiert werden, dass das System aus all den Produkten eigenständig das raussucht, was dem Kunden - aufgrund der gesammelten Daten - voraussichtlich gut gefällt. Ein recht simples Beispiel, was sich auf viel komplexere Systeme übertragen lässt.

Deshalb ist eine Antwort auf die Frage, ob es für die Entwicklung einer App zwingend künstliche Intelligenz braucht, gar nicht so einfach: Wie immer kommt es auf die Ziele an, die mit der Anwendung verfolgt werden.

Mehr Informationen?

Sie benötigen eine App? Oder möchten Sie die KI-Technologie an anderer Stelle nutzen, beispielsweise innerhalb einer Software? Melden Sie sich bei uns und wir besprechen die Möglichkeiten, künstliche Intelligenz in Ihrem Unternehmen einzusetzen.

Schreiben Sie uns eine Mail, nutzen Sie unser Kontaktformular oder rufen Sie uns einfach an, um einen Termin zu vereinbaren. Wir erstellen Ihnen gerne ein Angebot – selbstverständlich kostenlos und unverbindlich!