An der Schnittstelle von Informatik und BWL: Künstliche Intelligenz für die Wohnungsvermietung – Machine Learning und Data Analytics

 |  Forschung

Prof. Dr. Oliver Müller untersucht unstrukturierte Daten als Basis für Maschinelles Lernen

Gerade erst haben Mieterbund und Hoteliersverband DEHOGA in einem offenen Brief an die Landesregierung härtere Regeln für Airbnb und Co gefordert. Kritik gab es u. a., weil die allgemeine Wohnungsnot durch derartige Portale zunehme, heißt es in dem Schreiben. In deutschen Städten werden mitunter bis zu 6000 Objekte in Onlineportalen zur zeitweisen Untermiete angeboten. Dass aber auch Künstliche Intelligenz (KI) bei der Vermietung im Spiel ist, ist bisher wenig bekannt. Prof. Dr. Oliver Müller, Wirtschaftsinformatiker und Leiter der Arbeitsgruppe „Data Analytics“, erklärt: „Anhand von Informationen, die ich angebe, schlägt mir Airbnb einen Preis vor, zu dem ich meine Wohnung vermieten kann“. Technischer Hintergrund ist die Analyse unstrukturierter Daten, dem Fachgebiet von Müller.

Als Beurteilungsgrundlage dienen weitestgehend objektive Kriterien wie Lage oder Größe der Wohnung, die manuell eingegeben werden müssen. Im Idealfall – und daran arbeitet das Team um Müller – erkennt nun aber ein Computer anhand eines Fotos, ob eine Wohnung hochwertig, modern und gepflegt ist. Aspekte, die sich deutlich auf den Preis auswirken: „Eine KI kann automatisch erkennen, um welchen Eirichtungsstil es sich handelt, wenn man es ihr vorher beigebracht hat. Mit einem exklusiveren oder modernen Stil wird Hochwertigkeit assoziiert und das Objekt entsprechend geschätzt.“ Maschinelles Lernen macht es möglich: Mit dessen Hilfe treffen Systeme Entscheidungen auf Basis von Daten und Algorithmen. Durch intensives Training können Muster erkannt und verinnerlicht werden, die dann bei der Neuzuordnung und Klassifizierung von Objekten helfen.

„Wir stehen noch am Anfang“

„Einfacher ist es bei numerischen Daten wie Zahlen. Schwieriger wird es im Falle von unstrukturierten Daten wie Texten oder eben Bildern“, weiß Müller. Laut dem Wirtschaftsinformatiker steckt die Technologie noch in den Kinderschuhen: „Eine wirklich objektive Kategorisierung ist aktuell noch nicht möglich. Wir arbeiten daran, die automatische Zuordnung zu verbessern. Die Anwendung von Machine Learning zur inhaltlichen Analyse von Texten und Bildern steht noch relativ am Anfang.“ Bei Bewertungsportalen sieht es ähnlich aus: Hier liegen die Daten in Form von Bewertungen unstrukturiert als Texte vor. KI weist sie Kategorien zu, mit denen gearbeitet werden kann. Dabei werden Themen geclustert und Zusammenhänge erfasst.

Zu Müllers Schwerpunkten gehört auch die Messung von Akzeptanz und wirtschaftlichem Nutzen von Big Data und Maschinellem Lernen. „Erstmal ist es überhaupt wichtig, festzuhalten, dass KI uns unterstützen und nicht ersetzen soll.  Algorithmen sollen uns bei der Entscheidungsfindung helfen und Arbeit abnehmen, so sehe ich das. Zwei Punkte sind für die Akzeptanz essentiell: Das sind Verantwortung und Transparenz.“

Was passiert bei Fehlentscheidungen?

KI findet in der wirtschaftlichen Praxis, aber inzwischen auch in der medizinischen Diagnostik Anwendung: „Kreditbeurteilungen werden von Computern berechnet. Wenn da ein Fehler passiert, ist das zwar ärgerlich, aber nicht verheerend. Ganz anders ist das in der Medizin. Ein Arzt muss in der Lage sein, eine Diagnose, die mittels KI gestellt wurde, zu erklären. Dazu müsste er aber die Algorithmen kennen. Spätestens wenn folgenschwere Fehldiagnosen gestellt werden, die zu falschen Behandlungen führen, stellt sich die Frage nach der Verantwortung. Und die müssen in letzter Instanz wir Menschen übernehmen.“

Nina Reckendorf, Stabsstelle Presse und Kommunikation

Foto (Universität Paderborn, Jennifer Strube): Prof. Dr. Oliver Müller ist Experte für Maschinelles Lernen und datengetriebene Entscheidungen.