Eine Einführung in Automation mit künstlicher Intelligenz_

Avatar photo Alexander Schönwald • August 25, 2023 • Anleitungen

Einleitung

Willkommen zur Reihe “Eine Einführung in Automation mit künstlicher Intelligenz”. In dieser Reihe möchte euch diverse Konzepte vorstellen, wie Prozesse mithilfe von künstlicher Intelligenz automatisiert werden können. Ich werde die Konzepte möglichst verständlich für jegliches Level an Vorwissen aufbereiten und zu jedem Konzept Beispiele nennen und zudem jeweils Code zu einem der Beispiele, auf welchem Sie aufbauen können. Solltet ihr nicht selber programmieren (wollen),  werdet ihr dennoch durch die gesamte Reihe hilfreiche Informationen erhalten, wie ihr die Konzepte in euer privates und auch berufliches Umfeld integrieren könnt. Wir starten in den ersten beiden Teilen der Reihe auch sofort mit einem halb-automatisierten Prozess, wie KI integriert werden kann, ohne jegliches Code-Verständnis zu benötigen.

An wen richtet sich die Reihe und wieso ist sie hilfreich für dich?

Wie bereits beschrieben werden Konzepte möglichst weiter heruntergebrachten, sodass kein wirkliches Vorwissen hinsichtlich Technologie und KI notwendig ist, hilfreich ist es dennoch. Die Exemplare in der Reihe werden sowohl bezogen auf einen persönlichen als auch einen beruflichen Kontext sein. KI wird in absehbarer Zeit, und das eher früher als später, nahezu jeden Menschen in gewisser Weise tangieren. Sieht man sich Hochrechnungen wie im Bericht von OpenAI oder auch Goldman-Sachs an, so wird schnell klar, dass ich mit dieser Auffassung nicht alleine stehe. Auch die Inventionen, wie auch von OpenAI für eine Superintelligenz, verstärken dieses Bild sehr. Um einen zeitlichen Kontext zu geben, so schätzt OpenAI, dass eine Superintelligenz noch in den kommenden  vier bis sechs Jahren Realität wird.

Auch Paralleleffekte wie Quanten-Computer und beispielsweise Schlagzeilen wie “Computerchip mit integriertem menschlichem Gehirngewebe erhält militärische Finanzierung” sollten nicht außer Acht gelassen werden bei einer Diskussion darüber, ob und wie schnell wir uns als Gesellschaft mit dem Thema KI auseinander setzen sollten und aus meiner Sicht müssen. Daher möchte ich an dieser Stelle einige dieser Konzepte verständlich aufbereiten, sodass du KI möglichst schnell und ganz pragmatisch in deinen Alltag integrieren kannst.

Aufbau der Reihe “Eine Einführung in Automation mit künstlicher Intelligenz”

Die technologischen Neuerungen und Projekte im Bereich IT und insbesondere KI steigen seit nun einem Jahr rasant an, in einem Ausmaß, dass wir selbst in einer schnelllebigen Branche wie der IT in der Form nicht kennen.  Somit soll die Reihe möglichst alle für dich anwendbaren Möglichkeiten mit KI abdecken.

In den ersten Teilen werden wir uns damit beschäftigen, wie wir nur mithilfe von öffentlich zugänglichen Tools wie ChatGPT (oder andere Anbieter) Prozesse deutlich vereinfachen und effizienter gestalten können.

Weiter werden wir uns mit den Möglichkeiten beschäftigen, wie du Prozesse nicht nur halb- sondern komplett automatisieren kannst mithilfe von Schnittstellen (API) zu gewissen Diensten.

Im nächsten Schritt werden wir auf das Thema “Tools” (Werkzeuge) für KI eingehen. Dies bietet euch die Möglichkeit, die Fähigkeiten einer KI zu erweitern. Die KI entscheidet anschließend eigenständig, wann sie das jeweilige Tool nutzt.

Anschließend gehen wir auf das Thema “Fine-Tuning” (Feinabstimmung) und “Embeddings” (Einbettungen) ein. Dieses ermöglich es euch, zum einen einer KI eure eigenen Daten zur Beantwortung eurer Anforderungen bereitzustellen. Weiter könnt ihr somit steuern “wie” eure KI antwortet, im Sinne der Wort- und Informationswahl.

Zu guter letzt besprechen wir noch einige weiterführende Konzepte und Beispiele, welche alle zuvor besprochenen Themen miteinbeziehen.

Szenario 1: Optimierung der grundlegenden Marketing-Prozesse eines Online-Shops

Beginnen wir mit einem simplen Beispiel. Vorab soll nur gesagt sein, dass auch nicht-Marketers oder nicht-Shopbetreiber nicht jetzt den Artikel wegklicken sollten, dies lediglich als anschauliches Beispiel dient, die Prinzipien jedoch übertragbar auf nahezu jedes Feld sind.

Lediglich Personen, welche entweder überhaupt nicht programmieren möchten oder ohnehin bereits Python-Profis sind, können die nachfolgenden Abschnitte überspringen und in Teil 2 der Reihe springen. Denn im weiteren Verlauf dieses Teils stellen wir zum einen das Szenario vor, erstellen zudem jedoch zunächst eine rudimentäre Website mit der Python-Bibliothek “Streamlit”. Streamlit ist ein Python-Paket, welches sie gänzlich kostenlos nutzen können und welches es Ihnen ermöglicht in Sekunden-Schnelle eine absehbare Website zu erstellen. Hierbei sei jedoch gesagt, dass sich Frameworks wie Streamlit, auf einen Anwendungsfalls im maschinellen Lernen bzw. KI beziehen und somit keinen gänzlichen Ersatz für ein tatsächlich Web-orientiertes Framework liefert. Für unsere (und viele weitere Zwecke) ist Streamlit jedoch zunächst mehr als ausreichend und meines Erachten nach recht simpel nachzuvollziehen.

Streamlit ist eine Python-Bibliothek, die es Entwicklern ermöglicht, schnell interaktive Webanwendungen für Datenprojekte zu erstellen. Ohne umfangreiche Webentwicklungskenntnisse können Benutzer Daten-Scripts in teilbare Web-Apps mit Funktionen wie Schiebereglern, Schaltflächen und Diagrammen verwandeln. Es ist besonders beliebt bei Datenwissenschaftlern und Analysten, um Datenvisualisierungen zu präsentieren und leichte Datenanwendungen zu erstellen.

Die Struktur unserer Beispielseite

Wir möchten uns zunächst eine simple Seite für unser Produkt erstellen. Auf dieser Seite möchten wir folgende Elemente darstellen:

  • Den Produktbild
  • Ein Produktbild
  • Produktdetails aus Bulletpoints
  • Eine Produktbeschreibung anhand unserer Produktdetails, welche KI-generiert sein wird.

Als Produktbeispiel nehmen wir ein Radio, welches KI-gesteuert ist, natürlich rein fiktiv. Visuell soll das ganze in etwa wie folgt strukturiert werden:

Das Konzept in die Tat umsetzen

Das obige Beispiel ist durchaus simpel mit Streamlit umgesetzt. Um Streamlit nutzen zu können, muss das Paket zunächst installiert werden. Dies geht über den folgenden simplen Befehl. Der Befehl wird schlicht in der obersten Ebene im Projekt-Ordner im Terminal ausgeführt.

pip install streamlit

Da wir nun Streamlit installiert haben, können wir das Paket nutzen. Nun können wir das obige Beispiel in wenig Zeilen Code zur Realität werden lassen.

import streamlit as st

def view_radio():
    st.title('Mein Super Radio')

    col1, col2 = st.columns(2, gap='large')

    with col1:
        st.image('assets/radio.png')

    with col2:
        st.header('Produktdetails')
        st.write('**Akkulaufzeit:** 4 Wochen')
        st.write('**Farben:** Rot, Blau, Grün, Gelb, Schwarz, Weiß')
        st.write('**Wasserdicht:** IPX8')
        st.write('**[NEU] KI-gesteuert:** Sprechen Sie mit Ihrem Radio und erhalten Sie eine Antwort!')
        st.write('**Preis:** 99€')

    st.divider()

    st.header('Produktbeschreibung')
    st.write('Folgt...')

def main():
    view_radio()

if __name__ == '__main__':
    main()

Doch was genau macht der Code?

import streamlit as st

Mit dieser Zeile importieren wir d ie zuvor installierte Streamlit-Bibliothek.

def view_radio():
    ...

def main():
    ...

Als nächstes definieren wir zwei Funktionen: main() und view_radio()

Bei main() handelt es sich um eine Python-Konvention. Dies signalisiert, dass diese Funktion die Hauptlogik des Codes aufweist. Somit besagt der folgende Code-Abschnitt, dass sobald die Applikation gestartet wurde, die Funktion main() ausgeführt wird.

if __name__ == '__main__':
    main()

Ihr könnt den Code jedoch strukturieren wie ihr möchtet, Streamlit ist sehr flexibel, was die Einbindung betrifft. So könntet ihr die gesamte Applikation auch als Wasserfall-Modell herunterschreiben. Ich bevorzuge es jedoch, um eine lesbarere Struktur des Codes zu erreichen, visuell und semantisch getrennte Bereich im letztendlichen Frontend auch auf Seiten des Codes zu trennen, sodass ich jeden visuellen Abschnitt im einzelnen bearbeiten kann und minimiere so die Fehleranfälligkeit und Nebeneffekte.

st.title('Mein Super Radio')

Wie der Name es bereits vermuten lässt, definieren wir hier einen Titel für unsere Website. Dies ist jedoch nicht der Titel des <title>-Elements, sondern stellt lediglich eine <h1>-Überschrift dar.

col1, col2 = st.columns(2, gap='large')

    with col1:
        st.image('assets/radio.png')

    with col2:
        st.header('Produktdetails')
        st.write('**Akkulaufzeit:** 4 Wochen')
        st.write('**Farben:** Rot, Blau, Grün, Gelb, Schwarz, Weiß')
        st.write('**Wasserdicht:** IPX8')
        st.write('**[NEU] KI-gesteuert:** Sprechen Sie mit Ihrem Radio und erhalten Sie eine Antwort!')
        st.write('**Preis:** 99€')

Nun erstellen wir uns zunächst zwei Spalten: col1 und col1

Mit dem Schlagwort ‘with’ können wir Anweisungen gruppieren, welche nur in einer der Spalten geschehen soll.

st.image() stellt, wie der Name es bereits sagt, ein Bild dar. Hier kann sowohl eine lokale als auch eine externe URL hinterlegt werden.

st.header() ist das Äquivalent zu st.title() jedoch als <h2>-Element.

st.write() gibt Text aus.

st.divider()

st.divider() fügt lediglich eine visuelle Trennlinie hinzu.

Das ist auch bereits der gesamte Code, um unsere Vorlage ins Leben zu erwecken:

streamlit website application frontend preview

Zusammenfassung

Wir möchten in dieser Reihe anhand pragmatischer Beispiele erläutern, wie du Prozesse mit KI automatisieren kannst. In diesem Teil der Reihe haben wir zunächst geklärt. weshalb diese Reihe entstanden ist und einen kleinen Ausblick auf die weiteren Themen gegeben. Abschließend haben wir uns mit der Python-Bibliothek Streamlit eine kleine Website gebaut, welche wir im Laufe der Reihe erweitern werden.

Ich hoffe, dass die Einleitung  euch Lust auf mehr gemacht hat, in den kommenden Teilen werden wir spezifischer, wie so eine Automation in der Praxis aussieht.