Genau wie die dritte industriellen Revolution droht nun auch die vierte unseren Alltag allmählich umzukrempeln. Künstliche Intelligenz verspricht effizientere, kostengünstigere Lösungen für die Unternehmen. Doch zu welchem Preis?
Noch nicht lange ist es her, seit das AlphaGo-Computerprogramm, dass das hochanspruchsvolle Brettspiel Go mithilfe von künstlicher Intelligenz (KI) spielen kann, den amtierenden Weltmeister geschlagen hat. Dem Programm liegt eine selbstlernende Technologie zugrunde, die aus Fehlern lernt und sich ständig weiterentwickeln kann. KI kann allerdings viel mehr, als Spielsteine zu verschieben.
Künstliche Intelligenz und maschinelles Lernen
Die KI bezeichnet in der Informatik den Versuch, bestimmte Entscheidungsstrukturen des menschlichen Gehirns nachzubilden. Auf ein technisches System angewandt, erhält ein Computer die Fähigkeit, Probleme relativ eigenständig zu bearbeiten. Dabei wird zwischen starker und schwacher KI unterschieden. Bei der starken KI geht es darum, das menschliche Denken in seiner Gesamtheit zu mechanisieren und so eine Maschine zu schaffen, die intelligent reagieren kann. Ein solches System soll die intellektuellen Fähigkeiten eines Menschen erlangen oder sogar übertreffen. Die schwache KI hingegen soll nur konkrete Anwendungsprobleme des menschlichen Denkens meistern und den Menschen dadurch in Einzelbereichen unterstützen. Konkret Anwendung findet bis dato nur die schwache KI.
Eine Unterkategorie der KI ist das maschinelle Lernen. Hierbei lernt ein System durch mehrmalige Lerndurchläufe, eine ihr gestellte Aufgabe zu lösen und diesen Lösungsansatz auch bei anderen Problemen anzuwenden, indem es aus den Lerndaten Muster und Gesetzmässigkeiten erkennt. Scheitert die Maschine, lernt sie daraus. Ein Teilbereich des maschinellen Lernens ist das sogenannte Deep Learning. Dieser beruht auf der Nachahmung der sich in unserem Gehirn befindlichen neuronalen Netzwerke. Dabei wird ein dem System zugefügter Input zuerst durch verschiedene versteckte Schichten («hidden layers») transportiert, bevor das Ergebnis herausgegeben wird. Jede Schicht verarbeitet die Informationen der vorherigen Schicht weiter und abstrahiert dies so immer mehr. Im Unterschied zum maschinellen Lernen befähigt das Deep Learning Maschinen dazu, über die verfügbaren Daten hinaus zu lernen.
Erste Anwendungsfälle von künstlicher Intelligenz
Gemäss einer Umfrage des schwedischen Unternehmenssoftwareherstellers Industrial and Financial Systems (IFS) bei 1 400 IT-Entscheidern weltweit benutzen Unternehmen KI-Technologien vor allem für die Daten- und Geschäftsanalytik (25 respektive 22 Prozent aller Befragten). Bei Unternehmen der DACH-Region sei zudem das Qualitätsmanagement ein wichtiger Bereich, wo KI eingesetzt würde (22 Prozent). Betrachtet man jedoch die prozentualen Werte, wird klar, dass der Einsatz von KI in den Unternehmen noch recht rar ist.
Im Alltag ist die KI jedoch schon angekommen. Ein Beispiel ist der automatische Spracherkennungsdienst von Apple (SIRI) oder Amazon (ALEXA). Deep Learning hilft den Sprachsystemen, aus Fehlern zu lernen und sich kontinuierlich zu verbessern. Die ganze Benutzeroberfläche der Smartphones funktioniert inzwischen mit künstlicher Intelligenz. Das Handy erkennt Anrufer, die uns kürzlich eine E-Mail geschickt haben, weiss, welche Applikation wir als nächstes höchstwahrscheinlich öffnen werden oder markiert eigenständig Termine in unserem Kalender.
Die ganze Benutzeroberfläche der Smartphones funktioniert inzwischen mit künstlicher Intelligenz.
Grösstes Potenzial in der robotergesteuerten Prozessoptimierung
Auch wenn das Potenzial der künstlichen Intelligenz bei Weitem noch nicht ausgeschöpft ist, gibt es dennoch bereits konkrete Anwendungsfälle in den Unternehmen. Der Fokus liegt derzeit auf der robotergesteuerten Prozessautomatisierung, d.h. in der Automatisierung von softwaregestützten Benutzeraktivitäten. Dabei übernehmen Software-Roboter (Bots) die Rollen und Aufgaben von menschlichen Anwendern und interagieren mit Softwaresystemen. Solche Software-Anwendungen eignen sich vor allem zur automatisierten Bearbeitung von strukturierten Geschäftsmodellen. Experten gehen davon aus, dass sich die robotergesteuerte Prozessautomatisierung als Standard zur Bearbeitung standardisierter Prozesse etablieren wird.
Abnehmende Erwerbsarbeit
Mit dem vermehrten Einsatz von KI steigen auch die Bedenken. Wie viel Raum soll den Algorithmen bei ihren Entscheidungen gegeben werden? Wer ist verantwortlich, wenn ein algorithmisch gestütztes Gerät wie etwa ein autonomes Fahrzeug Fehler macht und verunfallt? Welche ethischen Grundsätze sollen gelten? Elon Musk und Stephen Hawking hatten bereits ihre Sorge um die rapide Entwicklung kundgetan. Musk warnte davor, dass die Erwerbsarbeit im Zuge der Automatisierung abnehmen würde. Der Microsoft-Gründer Bill Gates ist daher für eine Roboter-Steuer. Auch ein bedingungsloses Grundeinkommen wird gefordert.
Für den Präsidenten von Microsoft, Brad Smith, sei ein Verhaltenskodex, eine «digitale Genfer Konvention», eine Möglichkeit, die Risiken zu vermindern. Der Ethiker Peter Dabrock ruft dazu auf, nicht nur auf digitale Kompetenzen, sondern auch auf klassische Bildungselemente wie Kenntnisse aus der Religion, Literatur oder Mathematik zu setzen.
«AI in Marketing»-Konferenz.
Mit knapp 200 Gästen war die «AI in Marketing»-Konferenz komplett ausverkauft. Die Gäste durften zehn Keynotes mit Speakern aus verschiedenen Branchen und zwei Panel-Diskussionen zum Thema KI und Marketing miterleben. Während der Networking Breaks und dem Apéro Riche am Ende der Konferenz hatten alle Teilnehmer dann Zeit, sich mit anderen Interessierten auszutauschen und neue Kontakte zu knüpfen. Die Organisatorin Sophie Hundertmark und Ihr Team von der Paixon GmbH sind begeistert! Weitere Infos unter www.ai-zuerich.ch
Schreibe einen Kommentar