Reinforcement Learning – Das, was eine echte KI von den Möchtegerns unterscheidet

Wissen Sie, was mein erster Berührungspunkt mit KI war? Das war 1991. Ich war 7 Jahre alt und restlos begeistert von K.I.T.T. – nicht (nur) von dem Auto, sondern ganz besonders von dem Konzept eines „intelligenten“ Begleiters, der immer da ist, hilft und dort unterstützt, wo der Mensch an Grenzen stößt. Heute, knapp 30 Jahre später, arbeite ich täglich mit einem (echten) KI-System – und meine Begeisterung von damals ist größer denn je! Warum KI-Technologien so begeisternd sind, werde ich in diesem Blogbeitrag skizzieren. Und falls Sie jetzt denken „Das ist mir viel zu technisch.“ – bleiben Sie trotzdem dabei! Denn es ist vor allem wirtschaftlich profitabel!

Das Konstrukt Künstliche Intelligenz eindeutig zu definieren, ist unglaublich schwierig. Schon deshalb, weil allein der Begriff Intelligenz kaum klar definiert werden kann. Deshalb wird KI als Buzzword aktuell geradezu inflationär gebraucht – im Prinzip also (fast) immer dann, wenn es um Maschinelles Lernen geht. Hier gibt es aber ganz entscheidende, technologische Abstufungen, die vor allem wirtschaftlich den Unterschied machen.

Maschinelles Lernen – Machine Learning – ist der Oberbegriff für verschiedene Verfahren, die innerhalb eines künstlichen Systems zur Anwendung kommen können. Machine Learning für sich genommen, bedeutet erst einmal „nur“, dass ein künstliches System in der Lage ist, Daten zu analysieren und innerhalb der Daten Muster oder Gesetzmäßigkeiten aufzudecken. Auf Grundlage dessen kann das System weiterführend auch unbekannte Daten bewerten. So weit, so gut. Aber diese Art des Maschinellen Lernens für sich genommen, ist in meinen Augen noch lange keine KI. Künstliche Intelligenz fängt für mich dort an, wo ein künstliches System in der Lage ist, sich selbstständig an Veränderungen seiner Umwelt anzupassen und sich entsprechend weiterzuentwickeln. Hier kommt Reinforcement Learning ins Spiel.

Reinforcement Learning – ein Teilgebiet des Maschinellen Lernens – ist ein sehr leistungsfähiges, algorithmisches Verfahren und beschreibt das Konzept des Sich-selbst-verstärkenden-Lernens. Das bedeutet, dass diese Art des Lernens immer mit einem ganz konkreten Ziel verknüpft ist, dem sich Schritt für Schritt genähert wird. Dabei wird jeder einzelne Lern-Schritt überprüft und bewertet: Dient er der Zielerreichung, wird er belohnt – tut er das nicht, wird er bestraft. Sehen Sie schon, wohin das führt? Ein System, das sich auf diese Weise weiterentwickelt, lernt, wirtschaftlich zu „denken“. Dabei passt es sich kontinuierlich so an die gegebenen Umweltbedingungen an, dass es das vorgegebene Ziel erreicht. Übrigens: Falls sie sich jetzt fragen, ob sich eine KI eher mit einem Eis oder doch lieber mit Schokolade belohnt, fragen Sie mich einfach. ;-)

Was hat das nun mit Dynamic Pricing zu tun? Gerade bei der dynamischen Preisoptimierung halte ich es für sehr wichtig, auf eine KI zu setzen, die sich per Reinforcement Learning weiterentwickelt. Denn das bedeutet für Sie, dass Sie den Algorithmus von vorn herein aktiv steuern. Sie geben das wirtschaftliche Ziel vor (etwa Absatz, Umsatz, Ertrag oder Marge) und das Verfahren lernt daraufhin eine Strategie für Ihr individuelles Business, mit der die von Ihnen vorgegebenen KPIs bestmöglich erreicht werden. Weil Ihre Zielvorgabe zugleich der Belohnwert für die KI ist, wird sich das Verfahren stetig so weiterentwickeln, dass Ihre Ziel-KPIs zu jedem Zeitpunkt erfüllt werden – auch, wenn sich die Umweltbedingungenändern (Bestand, Nachfrage, Wettbewerb o.ä.).

Wenn Sie also bisher noch nicht mit KI arbeiten, weil Ihnen diese Ansätze wie eine Black Box vorkommen, die Sie nicht beherrschen können, so ist das ganze Gegenteil der Fall. Sie geben die globale Strategie und die konkreten Ziele vor – die KI erledigt lediglich all die Arbeiten, für die Ihre Zeit zu schade ist (und/oder schon lange nicht mehr reicht)!

Sie fragen sich, wie das in der täglichen Praxis funktioniert? Das können wir uns sofort zusammen anschauen!

Mrs Pricing