Das Internet of Things (IoT) ist einer der Trends, dem zwar seit mehreren Jahren ein großes Potential zugeschrieben wird, der sich bislang aber nicht in der breiten Masse durchgesetzt hat. Es gibt gefühlt mehr Texte über den vernetzten Kühlschrank, der weiß, wann die Milch abgelaufen oder aufgebraucht ist, als Menschen, die ihn tatsächlich benutzt haben. Auch im „Hype Cycle“ von Gartner wird das IoT als Trend geführt, der mit hohen Erwartungen verbunden ist, aber im Moment noch immer hauptsächlich als Auslöser für Innovationen bewertet wird.
Um das Potential des IoT richtig einzuschätzen sollte das IoT jedoch – ganz im Gegensatz wie das im „Hype Cycle“ gemacht wird – im engen Zusammenhang mit der Entwicklung im Bereich der Künstlichen Intelligenz (KI) betrachtet werden. Denn erst eine intelligente Auswertung und Steuerung von Datenprozessen durch den Einsatz von KI wird der Vernetzung der Dinge zum Durchbruch verhelfen. Seit die Kosten für KI seit kurzer Zeit signifikant sinken und die Anwendungsreife gleichzeitig zunimmt, wird die Wechselwirkung zwischen KI und IoT immer wahrscheinlicher.

Daten bilden die Schnittstelle zwischen IoT und KI

Die vernetzten Dinge liefern Daten in einem bislang ungekannten Maßstab. Dabei spielen diese Daten in zweifacher Hinsicht eine wichtige Rolle. Auf der einen Seite dient die Erhebung der Daten dazu, bestimmte Dinge intelligenter zu machen, als sie es zuvor in ihrem nicht-vernetzten Zustand waren. Beispielsweise der Dash-Button von Amazon, der über einen Sensor wahrnehmen kann, ob er gedrückt wird und diese Information dann in eine Bestellung übersetzt und diese via Internet weiterleitet. In der ein oder anderen Form führen alle IoT-Geräte Echtzeit-Analysen dieser Art durch und nehmen ihre Umgebung wahr. Auf der anderen Seite spielen Daten und Datenanalysen aus der Perspektive der Unternehmen, die vernetzte Produkte herstellen, eine zentrale Rolle beim Erfolg des IoT. Unternehmen müssen durch die Analyse der Nutzungsdaten lernen, wie ihre Produkte tatsächlich eingesetzt werden und wie sie verbessert werden können. Was passiert beispielsweise, wenn ein Kind beim Spielen den Dash-Button 23x hintereinander drückt? Im Gegensatz zu den Echtzeit-Analysen wird hier auch von Post-Event-Analysen gesprochen. Durch den Einsatz von Deep Learning bzw. Machine Learning lassen sich Muster erkennen und analysieren, die dabei helfen, den Gebrauch von IoT-Produkten besser zu verstehen und die damit verknüpften Prozesse besser zu steuern.

KI macht vernetzte Dinge erst intelligent

Viele vernetzte Dinge wie beispielsweise ein smarter Staubsaugerroboter funktionieren als autarke Einheiten, die jedoch über die Cloud in ein umfassenderes Ökosystem wie ein Smart Home eingebunden werden können. Erst wenn diese Einheiten dazu fähig sind, aus ihrem täglichen Einsatz zu lernen und intelligente Schlüsse zu ziehen, werden sie wirklich zu smarten Dingen. Man spricht hier auch von adaptiver Intelligenz. Im Falle des Staubsaugers könnte das etwa bedeuten, dass er die Wohnung nach und nach kennenlernt und ab einem gewissen Punkt gezielt in die Küche zum Saubermachen geschickt werden kann. In diesem Zuge steigt auch die Sicherheit von IoT-Geräten durch die Integration von KI. Denn durch Monitoring und Mustererkennung kann besser zwischen normalem Nutzen und Angriff von außen unterschieden werden.

Das IoT braucht KI

Beim IoT geht es primär um die Erhebung, Auswertung und Nutzung von Daten bei alltäglichen Gegenständen und Dingen. Je besser die Daten ausgewertet und in einen sinnvollen Nutzen übersetzt werden können, desto eher werden auch Unternehmen und Endverbraucher IoT-Geräte anbieten bzw. annehmen. KI bietet die Chance, die Daten, die im IoT-Umfeld anfallen, besser als jemals zuvor zu analysieren. Insbesondere durch Machine-Learning-Algorithmen lassen sich entsprechend IoT-Lösungen besser in vorgegebene Kontexte integrieren, weil sich dadurch einerseits die Echtzeit-Analysen verbessern lassen, aber auch weil sich im Post-Event-Processing wiederkehrende Muster ableiten lassen. Auch eine vor kurzem durchgeführte PwC-Studie endete mit dem Fazit: „Das IoT braucht smarte Maschinen. Es gibt also einen Bedarf an AI.“ Das bedeutet umgekehrt auch: Nur wenn das IoT und KI konsequent zusammen gedacht werden, lassen sich intelligente Lösungen entwickeln, die aus den Daten einen echten, sinnvollen Mehrwert erzeugen.