Problem Datenqualität

Damit Anwendungen für KI und maschinelles Lernen wie gewünscht funktionieren, müssen allerdings einige Voraussetzungen erfüllt sein. An erster Stelle steht dabei die Qualität der Daten. „KI-Algorithmen liefern nur dann die gewünschten Ergebnisse, wenn die Qualität der zugrunde liegenden Daten stimmt. Dieser Faktor wird häufig unterschätzt“, betont Michaela Tiedemann von der Alexander Thamm GmbH, „denn KI-Systeme nutzen solche Daten dazu, um zu lernen.“ Qualität bedeutet, dass Datenbestände konsistent, genau und komplett sein müssen. Auch die Integrität der Informationen ist ein wichtiger Aspekt.

Gründe für eine mangelnde Datenqualität gibt es viele, etwa Fehler in Programmen wie Datenbanken und Tabellenkalkulationen oder ein Wirrwarr bei den Datenformaten. Auch lückenhafte Informationsbestände können sich zu Problemen für KI- und Machine-Learning-Anwendungen auswachsen.

Wer also KI-Applikationen nutzen möchte, muss zuvor seine Hausaufgaben machen und die Datenbestände in Ordnung bringen. Allerdings erfordern dies nicht nur Anwendungen aus dem Bereich KI. Auch Big-Data- und Analyse-Applikationen benötigen eine solide Datenbasis. 

Angesichts der Bedeutung der Daten für das Funktionieren von KI liegt es auf der Hand, dass auch der Schutz der Daten und der KI- und Machine-Learning-Systeme selbst eine zentrale Rolle spielt. Hacker, die KI-Algorithmen in einem Industriebetrieb oder einem Kraftwerk manipulieren, können immense Schäden anrichten. Daher stufen die Teilnehmer einer Trendstudie des IT- und Beratungshauses Tata Consultancy Services (TCS) den Aspekt „IT-Security“ im Zusammenhang mit KI-Lösungen als besonders wichtig ein. Und die Verbraucher sehen dies ganz genauso. Eine Untersuchung im Auftrag des IT-Unternehmens VMware ergab, dass 71 Prozent der Bürger in Deutschland fürchten, dass vollautomatisierte Dienstleistungen die Sicherheit ihrer Daten gefährden. Daher sollten laut VMware Sicherheitsfunk­tionen ein integraler Bestandteil jeder IT-Infrastruktur sein. Das schließt insbesondere unternehmenskritische Systeme wie KI- und Machine-Learning-Komponenten mit ein.

Doch Künstliche Intelligenz und entsprechende Algorithmen sind nicht nur Teil des Problems, sondern zugleich ein Teil der Lösung. Gerade sie können nämlich dazu beitragen, das Sicherheitsniveau von Servern, Clients, Netzwerken und Rechenzentren zu verbessern.

IT-Sicherheitslösungen nutzen beispielsweise heute schon KI-Funktionen, um Angriffe über noch nicht bekannte Schwachstellen zu erfassen. Deep-Learning-Algorithmen sind in der Lage, große Mengen von übermittelten Informa­tionen und Metadaten auf verdächtige Indikatoren hin zu untersuchen und Informationen über bekannte Attacken, die nach einem ähnlichen Muster abliefen, auszuwerten.