KI im Netz der Dinge
Von Friedrich List
Treiber der gegenwärtigen Entwicklung ist die zunehmende Verschmelzung von künstlicher Intelligenz mit IoT-Lösungen. Denn nur mit KI lassen sich die großen Datenmengen, die von IoT-Anwendungen geliefert werden, auswerten und analysieren. Und die Zahl der vernetzten Geräte wächst. Laut Statista wird es 2025 um die 75 Milliarden von ihnen geben. Experten erwarten außerdem, dass hier ein neuer Wirtschaftszweig entsteht. Analysten der Unternehmensberatung PwC gehen davon aus, dass der KI-Sektor um 2030 um die 15,7 Billionen US-Dollar erwirtschaften wird.
Mehr und mehr IoT-Projekte nutzen bereits die eine oder andere KI-Komponente. Das bewirkt einen Bedarf an spezialisierten KI-Ingenieuren, die beide Welten verstehen. Sie sollen sich mit KI genauso wie in der IoT-Welt auskennen. Sie brauchen also Fachwissen in den Bereichen Maschinelles Lernen, Robotik, Cloud Computing und Datenmanagement. Hinzu kommen Kenntnisse in Programmiersprachen wie TensorFlow, Keras, Theano, Java, Python, Spark, R, SAS und Hadoop.
Zu Hause in beiden Welten
Die Aufgaben von KI-Ingenieuren sind breit gefächert. Besonders gesucht sind AI Developer, die Algorithmen entwickeln und die nötige Software programmieren können. Sie arbeiten in der Luft- und Raumfahrtindustrie, in der Automobilbranche oder der Elektro- und Elektronikindustrie. Früher waren Großunternehmen oder Forschungseinrichtungen typische Arbeitgeber. Inzwischen stellen auch kleine und mittlere Unternehmen KI-Spezialisten ein.
Tatsächlich sprechen speziell US-amerikanische Experten bereits vom Artificially Intelligent Internet of Things (AIIoT). Denn in den vernetzten Geräten steckt immer öfter die eine oder andere KI-Anwendung. Sie sind also zunehmend fähig, selbst Daten zu analysieren und auf diese Analysen zu reagieren, ohne dass menschliche Bediener eingreifen müssen. Allerdings beschäftigen sich nicht mehr nur die klassischen Entwickler mit KI. Hinzu kommen Data Scientists und Robotik-Ingenieure.
Arbeitsfelder für KI-Ingenieure
Maschinelles Lernen und NLP (Natural Language Processing) sind erforderlich, um Maschinen denken und lernen zu lassen. Beim Maschinellen Lernen werden Algorithmen darauf trainiert, Muster und Zusammenhänge in großen Datensätzen zu erkennen und auf dieser Basis Entscheidungen und Prognosen zu treffen. NLP lässt Maschinen die menschliche Sprache verstehen und sorgt dafür, dass sie begreifen, was Nutzer von ihnen wollen. Wer KI-Anwendungen entwickelt und mit ihnen arbeitet, kommt ohne diese beiden Fachgebiete nicht aus. Allerdings kann man sich im Laufe seiner Berufspraxis auf ein Gebiet spezialisieren.
Schwarz auf Weiß
Dieser Beitrag ist zuerst in unserer Magazinreihe „IT & Karriere“ erschienen. Einen Überblick mit freien Download-Links zu sämtlichen Einzelheften bekommen Sie online im Pressezentrum des MittelstandsWiki.
IoT-Anwendungen werden oft über mobile Apps gesteuert. Deren Entwicklung spielt daher eine wichtige Rolle. Diese Apps müssen auf verschiedenen Plattformen laufen und in der Lage sein, effektiv sowohl mit Cloud-Anwendungen als auch mit intelligenten Geräten zu kommunizieren. Die verschiedenen Anwendungen kommunizieren über APIs und können im IoT Daten in Echtzeit übermitteln und verarbeiten. Deswegen müssen sie ausgiebig getestet werden, und wegen der komplexen und dezentralen Natur des IoT ist es wichtig, diese Tests nach Möglichkeit zu automatisieren. Ein Beispiel für einen derartigen Test wäre, dafür zu sorgen, dass ein vorgegebener physikalischer Zustand, den ein Sensor aufzeichnet, im Programm richtig beschrieben ist. Ein weiteres Beispiel für einen API-Test wäre die Prüfung, ob das Software-Update auf einem IoT-Überwachungssystem korrekt abläuft.
In intelligenten IoT-Anwendungen entstehen riesige Datenmengen. Gleichzeitig bieten die Netze auch Einfallstore für Cyberangriffe. IoT-Infrastrukturen zu sichern, ist wegen der vielen vernetzten smarten Geräte und ihrer recht unterschiedlichen Programmierung eine komplexe Aufgabe. KI-Sicherheitsexperten müssen daher kreativ und anpassungsfähig sein, wenn sie die Verwundbarkeit und die nötigen Schutzmaßnahmen von Systemen beurteilen.
Zwischen Sicherheitsfragen und dem Entwurf von User Interfaces besteht ein enger Zusammenhang. Je benutzerfreundlicher ein IoT-Gerät ist, desto leichter fällt es Sicherheitsexperten, die entsprechenden Einstellungen anzupassen. Positive Nutzererfahrungen sorgen zudem dafür, dass Anwender verstehen, was eine IoT-Anwendung für ihre Organisation oder ihr Unternehmen leistet.
Mit KI unterwegs in der realen Welt
Derzeit das wohl bekannteste KI-Einsatzfeld sind autonome Fahrzeuge. Tesla-Fahrzeuge verfügen bereits über einen Autopiloten, der auf langen Strecken die Steuerung übernehmen kann. Die nächste Generation soll dann tatsächlich autonom fahren können.
Im Einzelhandel könnten mit einer smarten Gesichtserkennung gekoppelte Kameras helfen, Kundenverhalten zu beobachten und zu analysieren. So könnte das Unternehmen die Platzierung von Produkten verbessern oder die Wege verfolgen, die die verschiedenen Kunden durch das Geschäft nehmen. Eine ähnliche Anwendung nutzt Amazon in seinen Stores. Hier identifiziert das System Kunden mit einem eigenen Account und lässt sie mit Waren das Geschäft verlassen, ohne die Kasse passieren zu müssen. All dies funktioniert aber nur, wenn die Geräte in den Räumen richtig platziert sind und möglichst wartungsfrei ihre Aufgaben erledigen.
Wartung und Instandsetzung bietet auch in der produzierenden Industrie ein wachsendes Arbeitsfeld. KI wird bei Predictive Analytics eingesetzt, als Werkzeug, um den Bedarf an Wartung und Instandsetzungsarbeiten vorauszusagen. Von einzelnen Maschinen, Produktionsanlagen oder Fahrzeugen werden digitale Zwillinge, also komplexe Computerabbilder erzeugt, die man wiederum mit den Daten aus den technischen Geräten füttert. So lassen sich Wartungszyklen effektiver planen und Kosten einsparen.
In Logistik und Transportwesen hilft KI dabei, die besten Routen für Züge, Lkw oder andere Verkehrsmittel zu bestimmen. Lieferdienste verwenden KI-Tools, um ihre Ware am Stau vorbei auf dem schnellsten Wege zum Empfänger zu bringen. In Modellstädten für die smarte Stadt der Zukunft nutzt man künstliche Intelligenz, um den Verkehr zu lenken. Autonome Drohnen überwachen den Verkehr und versorgen zusammen mit bodengebundenen Kameras das smarte Verkehrsleitsystem mit Daten. So können dann über Ampelschaltungen und Hinweisschilder Staus vermieden oder aufgelöst werden.
Ich bring der KI das Laufen bei
Weil die Arbeit mit KI noch ein vergleichsweise junges Feld ist, gibt es keine einheitliche Berufs- oder Stellenbezeichnung. Zudem wird KI-Expertise in immer mehr Branchen nachgefragt. Ein KI-Spezialist kann also vieles sein: Business Intelligence und Data Consultant, Data Scientist mit Kenntnissen im Maschinellen Lernen, Data Engineer für Maschinelles Lernen und Predictive Analytics, Machine Learning Engineer oder auch ein Softwareentwickler mit Erfahrung in Deep-Learning-Verfahren. Die Jobbörse Indeed listete jüngst 743 Jobs in derartigen Aufgabenfeldern.
Das durchschnittliche Einstiegsgehalt eines KI-Entwicklers liegt bei 49.000 Euro, der Jahresbruttoverdienst nach mehr als neun Jahren im Job liegt im Durchschnitt bei 69.000 Euro. Wer zwischen drei und sechs Jahren im Beruf aufweisen kann, bringt es laut gehalt.de auf 55.442 Euro pro Jahr, zwischen den einzelnen Bundesländern zeigen sich allerdings deutliche Unterschiede. Doch eines ist sicher: Wer IoT-Geräten künstliche Intelligenz beibringt, hat beste Zukunftsaussichten.
Friedrich List ist Journalist und Buchautor in Hamburg. Seit Anfang des Jahrhunderts schreibt er über Themen aus Computerwelt und IT, aber auch aus Forschung, Fliegerei und Raumfahrt, u.a. für Heise-Print- und Online-Publikationen. Für ihn ist SEO genauso interessant wie Alexander Gersts nächster Flug zur Internationalen Raumstation. Außerdem erzählt er auch gerne Geschichten aus seiner Heimatstadt.
