Aus dem Unterricht des CAS Disruptive Technologies mit Marcel Blattner berichtet Daniel Berger.

Ich möchte mit einem Film starten, der eindrücklich aufzeigt, welche disruptiven Auswirkungen Technologien im Alltag mit sich bringen können, positiv als auch negativ!

https://www.youtube.com/watch?v=lK_cdkpazjI

Einführung Disruptive Innovation / Technology

Disruption ist nicht nur ein technologisches Phänomen! “The digital transformation will not only change business-models; it will change our human being! And it did so already!”. Eine Disruption ist immer die Schnittmenge von kulturellen Veränderungen, Technologie und Wirtschaft.

schnittmenge-disruption-2

Im ersten Moment scheint Disruption fast eine Gefahr zu sein, jedoch gibt es für die Konsumenten auch viele Vorteile. Produkte werden billiger, die Qualität steigt durch Effizienz und Effektivität. Für viele Unternehmen wird es zu einer grossen Herausforderung, weil Gewinne sinken und neue Konkurrenten, durch neue Plattformen lukrative Marktanteile wegnehmen.

Was ist eigentlich die Definition von Disruption: “the act of breaking regular flow or continuity of something; disturbance; a disorderly outburst or tumult; dislocation, especially an event resulting in dislocation or discontinuity”. Disruption löst immer ein Erdbeben aus, es verändert den Status Quo.

Charakteristiken von Disruption:

  • Produkte die noch in den Anfängen sind (Lösung -> kurze LifeCycle)
  • Potential des Produktes muss gross sein, speziell für eine Weiterentwicklung!
  • Das Produkt spricht ein Marktsegment an, dass noch nicht bedient worden ist
  • Es gibt keinen Player im Markt, der nicht von einer Disruption geschützt ist
  • Grosse Marktanteile gehen schnell verloren
  • Entsteht dort, wo es nicht erwartet wird
  • Etablierte Unternehmen können nicht zeitgerecht reagieren (Lösung -> Kooperationen)
  • Beinhaltet normalerweise eine technologische Innovation, ist aber nicht zwingend erforderlich

Folgende Bereiche begünstigen eine schnelle Disruption. Durch die Vernetzung werden disruptive Ideen schnell verbreitet. Neue Technologien triggern Technologien, sprich, man baut neue Lösungen auf bestehendem auf. Das funktioniert nur durch die Weiterentwicklung von Wissen mittels Daten und Informationen. (Übrigens stellt https://www.kaggle.com/ auf einer Platform Daten zur Verfügung). Abgesehen von den technologischen Aspekten begünstigen auch kulturelle Faktoren (wie z.B: Digitale Revolutionen, Paradigma Wechsel) und die Kombination von Technologien die Geschwindigkeit der disruptiven Transformation und möglichst wenig Hürden im System (Gesetzte, Menschen, Technologien, etc.).

schnittmenge-disruption

“There is no time to adapt to big-bang disruptions. Bold strategies are the only known way to cope.” Source: Big Bang disruption.

Die Big Bang Disruption revolutioniert das traditionelle Kundenakzeptanz-Modell, hinsichtlich Intensität und Geschwindigkeit bezüglich Akzeptanz und Einsatz von neuen Produkten in der Bevölkerung.

Einige, bevorstehende mögliche Disruptionen sind im nächsten Bild aufgeführt. Übrigens ist der folgende Bericht höchst interessant: wef_gac15_technological_tipping_points_report_2015 In einer älteren Studie wurde prognostiziert, dass im Jahr 2015 der erste Roboter in einem Executive Board eines Unternehmens teilnehmen wird, in Japan bereits Realität. Wie gehen wir damit um?

bevorstehende-disruption

Mögliche Gegenmassnahmen um nicht von der Disruption überrannt zu werden:

  • Sei selber disruptiv und übernimm die Rolle des Treibers
  • Lebe eine agile Kultur des Wandels
  • Bilde eine Kultur des Experimentierens
  • Fokussiere dich auf das Kleine und nicht das Grosse und das, was Wert generiert (added value)
  • Bilde verteilte und funktionsübergreifende Teams
  • Weg von Hypothesen hin zu Analysieren von Daten (AI)
  • Evaluieren, evaluieren, evaluieren…

Artificial Intelligence

Artificial Intelligence (AI) ist keineswegs ein Begriff, der neu ist. Bereits in den 60-70 Jahren hat Marvin Minsky gesagt: “Within a generation … the problem of creating ‘artificial intelligence’ will substantially be solved.”

Widmen wir uns der Definition von Artificial Intelligence: John McCarthy 1955, Dartmouth Conference “the theory and development of computer systems able to perform tasks normally requiring human intelligence, such as visual perception, speech recognition, decision making, and translation between languages”. In anderen Worten ist eine künstliche Intelligenz vorhanden, wenn eine Maschine eine Aufgabe annähernd gut ausführen kann wie ein Mensch.

ai

In Zukunft wird das Thema AI immer wichtiger. Entsprechend bereit sind die Anwendungsmöglichkeiten im Alltag. Ein Ziel ist, dass die verschiedenen Bereiche miteinander gekoppelt werden, damit weitere Innovationen entstehen können.

  • Computer Vision
  • Machine Learning (z.B. Recommender Engine)
  • Natural Language Processing
  • Optimisation
  • Planning and Scheduling
  • Robotics (Industrieroboter)
  • Rule based systems (System das auf einem fixierten Regelwerk basiert -> Atomkraftwerk)
  • Speech recognition

Artificial Intelligence wird durch neuronale Netze ermöglicht. Neuronale Netze, sind Netze aus künstlichen Neuronen. Sie sind Forschungsgegenstand der Neuroinformatik und stellen einen Zweig der künstlichen Intelligenz dar. Die künstlichen neuronalen Netze haben, ebenso wie künstliche Neuronen, ein biologisches Vorbild (Wikipedia). Im Zusammenhang mit AI wird oft auch der Begriff Deep Learning erwähnt.

”Deep learning is a set of algorithms in machine learning that attempts to learn in multiple levels, corresponding to different level of abstraction”

Bis heute basieren alle neuronalen Netze auf diesem, vereinfachten, hierarchischen Modell.

ai-layerInder Praxis funktioniert das so: Man nimmt z.B. 1.8 Mio Bilder für ein Label (Fahrrad). Danach werden dem System nochmals 0.2 Mio Bilder hinzugefügt. Das System überprüft dann die Abweichungen anhand der Fehler (Abweichungen). Je Grösser die Abweichungen, desto mehr muss das System angepasst werden. Die Informationen (Fehler) werden zurückgeleitet und das System adjustiert. An dieser Stelle verzichten ich auf weitere mathematischen Erklärungen.

Für die ganz interessierten Kollegen gibt es hier noch den Link zu TensorFlow

Was ist eigentlich das disruptive Element im Bereich Artificial Intelligence? Es sind die Daten! Daten sind noch kein Wissen. Aggregierte Daten ergeben Informationen, aggregierte Informationen ergeben Wissen. Daten sind eigentlich nichts anderes als Resultate von Messungen.

Das nachfolgende Modell beschreibt wie man zu Wissen gelangt. Wichtig ist immer, dass nicht die Technologie das Wissen herleitet, sondern das Business (Kunden).

kreislauf

Zum Abschluss noch einige mögliche Fragen für die Prüfung:

  • Wie schützt man sich als Unternehmen im Markt gegen Disruption?
  • Welche Bereiche beinhaltet Disruption?
  • Beschreibe das Phänomen Big Bang in der Disruption?
  • Beschreibe den Begriff künstliche Intelligenz
  • Welche Dimensionen gibt es die zu AI gehören?
  • Wo kann AI angewendet werden?
  • Was sind die Risiken von AI?
  • Gibt es konkrete Beispiele, bei denen AI für eine Disruption sorgt?
  • Erkläre den Begriff Deep Learning
  • Was sind die Vor/Nachteile von Recommender Engines?