Wie künstliche Intelligenz den Menschen ergänzt
Wie künstliche Intelligenz den Menschen ergänzt
25. Juli 2022
Lesezeit: 8 Minuten
Künstliche Intelligenz ist fest in unserem Alltag integriert. Sie entwickelt sich schneller als erwartet und übertrifft in einigen Fällen bereits die menschliche Entscheidungsfindung. Von sprechenden Geräten über digitale Assistenten, kooperative Roboter und autonome Fahrzeuge bis zu Drohnen – überall ist sie vertreten und übernehmen Routineaufgaben am Arbeitsplatz. Zunehmend fällt es uns schwerer, in digitalen Medien zwischen Bots und Menschen zu unterscheiden.
Die fortschreitende Digitalisierung betrifft alle Wirtschaftsbereiche und hat ihren Ursprung in Big Data und den amerikanischen Internetkonzerne. Maschinelle Lernverfahren auf hochleistungsfähigen Hard- und Softwareplattformen bieten der künstlichen Intelligenz ohne explizites Programmieren das Instrumentarium, um aus grossen Datenmengen mit komplexen Zusammenhängen zu lernen. Der Prozess des Deep Learning von künstlichen Neuronen ermöglicht es intelligenten Maschinen in jeder Sprache mit uns zu sprechen, unsere gemeinsame Umgebung wahrzunehmen und zu interpretieren. Damit schafft Künstliche Intelligenz eine neue Kommunikationsschnittstelle für unsere Häuser, Autos und tragbaren Geräte in der realen Welt und ersetzt Tastaturen und Touchscreens.
Einordnung von künstlicher Intelligenz
Einordnung von künstlicher Intelligenz, maschinellem Lernen und tiefem Lernen
Künstliche Intelligenz
Künstliche Intelligenz (KI) ist ein Überbegriff für Anwendungen, bei denen sich Maschinen an wichtige Funktionen des menschlichen Gehirns wie das Lernen, Urteilen und Problemlösen annähern und menschenähnliche Intelligenzleistungen bereitstellen. Dazu gehören das maschinelle Lernen (Machine Learning), das Verarbeiten natürlicher Sprache (Natural Language Processing) und Deep Learning.Künstliche Intelligenzsysteme arbeiten in einem sich ständig verändernden und immer komplexer werdenden Umfeld. Sie nehmen ihre Situation wahr und erklären sie mit Hilfe ihres Wissens – seien es Erfahrungen und Fakten oder abstrakte Modelle und Regeln, um ihre nächsten Handlungen, Aussagen oder anderen Beiträge auszuwählen, die sie zur Erfüllung ihrer Aufgaben und Erreichung ihrer Ziele benötigen. Dabei lernen sie fortlaufend weiter.
Generell wird bei den Systemen unterschieden zwischen:
Schwache künstliche Intelligenz bezeichnet eine Maschine, die die einzelne kognitive Fähigkeit des Menschen abbilden und dadurch bestimmte Aufgaben erfüllen kann. Dabei verhält sie sich intelligent – sprich sie liefern Lösungen zu konkreten Anwendungsproblemen – besitzt jedoch weder Kreativität noch expliziten Fähigkeiten, im universellen Sinne selbständig zu lernen.
Starke künstliche Intelligenz bezeichnet eine Maschine, die im Allgemeinen dieselben Fähigkeiten besitzt wie der Mensch und damit jede intellektuelle Aufgabe erfüllen kann. Die Forschung beschäftigt sich derzeit damit, diese hochkomplexen menschlichen Denkprozesse nachzubilden. Im Vergleich zur schwachen künstlichen Intelligenz verfügt die starke KI nicht nur über Intelligenz, sondern auch über ein Bewusstsein. Dabei handelt sie stets rational und trifft, anders als der Mensch, keine emotionalen Entscheidungen. Konkrete Anwendungsbeispiele sehen wir bisher nur in Science-Fiction.
Superintelligenz bezeichnet eine Maschine, die die menschlichen Fähigkeiten nicht nur erreicht, sondern übersteigt und Aufgaben auf intellektueller Ebene damit besser erfüllen kann als der Mensch. Im Vergleich zur starken künstlichen Intelligenz ist die Superintelligenz lernfähig und kann sich völlig selbständig neues Wissen aneignen.
Maschinelles Lernen
Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz und der Informatik, das sich mit der Verwendung von Daten und Algorithmen befasst, um die Art und Weise wie Menschen lernen zu imitieren und die Genauigkeit schrittweise zu verbessern. Damit ist es ein wichtiger Bestandteil des wachsenden Bereichs der Datenwissenschaft.Durch den Einsatz statistischer Methoden werden Algorithmen trainiert, um Klassifizierungen oder Vorhersagen zu treffen und so wichtige Erkenntnisse in Data-Mining-Projekten zu gewinnen. Diese Erkenntnisse wiederum dienen dann als Grundlage für die Entscheidungsfindung in Anwendungen und Unternehmen und wirken sich im Idealfall auf wichtige Wachstumsmetriken aus. Mit dem weiteren Wachstum von Big Data wird die Nachfrage nach Datenwissenschaftler:innen steigen, die die wichtige Geschäftsfragen identifizieren und diese anhand der zur Verfügung stehenden Daten beantworten.
Deep Learning
Deep Learning ist eine spezielle Methode der Informationsverarbeitung und ein Teilbereich des Machine Learnings, welche neuronale Netze nutzt, um grosse Datensätze zu analysieren. Die vom biologischen neuronalen Netz inspirierte Funktionsweise imitiert das menschliche Gehirn: Es nimmt etwas wahr, denkt darüber nach und zieht eine Schlussfolgerung. Jedoch verfügen künstliche neuronale Netzwerke über die Fähigkeit viel grössere Datenberge viel schneller zu untersuchen, als es für Menschen jemals möglich wäre.Deep-Learning-Modelle zeichnen sich durch ihre Lernfähigkeit aus. Dieser Lernprozess geschieht, indem die Systeme das Erlernte ständig mit neuen Inhalten aneinanderfügen und dadurch erneut lernen. Das Analysieren wird völlig der Maschine überlassen, sodass der Mensch beim eigentlichen Lernvorgang nicht mehr eingreift, wrin auch der entscheidende Unterschied zum Machine Learning besteht.
Use Cases aus verschiedenen Branchen
Künstliche Intelligenz ist bereits heute in einigen Bereichen gar nicht mehr wegzudenken und hat sich mit ihren Teilgebieten wie dem Machine Learning, Natural Language Processing, Deep Learning und Data Analytics profitabel in verschiedenen Branchen etabliert. In anderen dagegen zieht sie eher schleppend nach. Im Folgenden zeige ich aus verschiedenen Sektoren jeweils einen konkreten Use Case auf, um zu veranschaulichen, wie KI eingesetzt wird oder in naher Zukunft eingesetzt werden kann.Künstliche Intelligenz im Gesundheitswesen
Die prädiktive Analytik ist eine Innovation für das Gesundheitswesen. Auf Basis historischer Daten prognostiziert sie die Zukunft und kann damit die Notwendigkeit einer Operation unter Berücksichtigung der Risken vorhersagen. Die künstliche Intelligenz hilft Ärzt:innen bei der Beurteilung, ob eine Operation tatsächlich notwendig ist oder ob es Alternativen mit geringeren Risiken gibt, um die Belastung für Patient:innen zu reduzieren.Künstliche Intelligenz im Bank- und Finanzwesen
Versicherungsgesellschaften sind in hohem Masse auf Daten angewiesen. Sie prüfen den Hintergrund der Antragsteller, bevor sie die Versicherungsanträge bearbeiten. Versicherungsunternehmen sortieren riesige Datenmengen, um Hochrisikofälle zu erkennen und das Risiko zu senken. Mit Hilfe der natürlichen Sprachverarbeitung (NLP) können Versicherungsunternehmen grosse Textmengen analysieren und die wichtigsten Faktoren für bestimmte Ansprüche und Massnahmen ermitteln.Künstliche Intelligenz im Automobilsektor
Unternehmen setzen KI-basierte Robotik in Kombination mit menschlichen Arbeitskräften ein, um Aufgaben in der Fertigung und in der Lieferkette auszuführen. Der Einsatz künstlicher Intelligenz hat sich bei der ordnungsgemässen Handhabung von Materialien, der Durchführung von Tests und der Verpackung von Fertigprodukten bewährt. In der Automobilproduktion beispielsweise verkürzt die KI den Herstellungsprozess, da Roboter mithilfe von Deep-Learning-Programmen bestimmen können, welche Teile wie zu entnehmen sind.Künstliche Intelligenz in der Fertigung und in Fabriken
Das verarbeitende Gewerbe setzt KI erfolgreich für die erweiterte Datenanalyse ein. Die digitale Transformation hat zu einer Vielzahl von umfangreichen Echtzeitdaten geführt, die für detaillierte Einblicke in die Vorhersage aktueller Markttrends genutzt werden. Die Kombination von Daten mit fortschrittlicher Analytik leistet enorme Hilfe beim Risikomanagement, der Datenvisualisierung, dem Lieferkettenmanagement sowie bei der schnellen und effektiven Entscheidungsfindung.Künstliche Intelligenz im Bildungswesen
KI schneidet den Unterricht und die Lernstrategien durch sogenanntes personalisiertes Lernen auf einzelne Schüler:innen zu. Anstelle des traditionellen Ansatzes mit Einheitsmethode bedient sie die Lernenden mit unterschiedlichen Fähigkeiten, berücksichtigt individuelle Wissenslücken und gibt personalisierte Lernempfehlungen, um das effizienteste Lernmuster für jede einzelne Person zu ermitteln und auf spezifische Bedürfnisse zu reagieren.Künstliche Intelligenz im Einzelhandel
Intelligente Assistenten können Kund:innen in Form von physischen Robotern mit der Funktion eines Chatbots (wie Sie ihn heute schon von diversen Websiten kennen) automatisierte Antworten geben, professionelle Ratschläge erteilen und im Idealfall sogar auf Basis Ihrer Informationen weiterlernen, während Sie mit ihnen sprechen.Künstliche Intelligenz in der Telekommunikation
Einer der grössten Beiträge der künstlichen Intelligenz ist die dialogorientierte KI. Als virtuelle Unterstützung hilft sie Telekommunikationsunternehmen, den massiven Kundensupportverkehr zu bewältigen, Wartezeiten zu verkürzen, Probleme zu warten und zu beheben und auch bei der Installation und Einrichtung anderer Projekte zu helfen. Berichten zufolge können virtuelle Assistenten Anrufe so effizient automatisieren, dass die Telekommunikationsbranche bis 2022 jährlich schätzungsweise 8 Milliarden US-Dollar an Kosten einsparen kann.
„Was KI-basierten Maschinen fehlt, sind Intuition, Emotionen und kulturelle Sensibilität – dabei sind genau das die menschlichen Eigenschaften, die uns so effektiv machen. Wenn die Symbiose der einzigartigen Fähigkeiten von Mensch und Maschine gelingt, fördert das die Entwicklung von einer neuen Generation von Produkten und Dienstleistungen.“
Riad BeqiriKünstliche Intelligenz als Ergänzung des Menschen
Oft wird die Rolle der KI am Arbeitsplatz missverstanden und davon gesprochen, dass Maschinen den Menschen ersetzen sollen. Warum sie eher als Ergänzungen anzusehen sind, zeige ich im Folgenden auf.Dass menschliche Arbeitskräfte durch künstliche Intelligenz wird setzt voraus, dass der Mensch und die KI die gleichen Eigenschaften und Fähigkeiten haben. Das ist in Wirklichkeit bei weitem nicht der Fall. Schneller, genauer und durchweg rational – so lassen sich KI-basierte Maschinen beschreiben. Was ihnen jedoch fehlt, sind Intuition, Emotionen und kulturelle Sensibilität, dabei sind genau das die menschlichen Eigenschaften, die uns so effektiv machen.
Im Allgemeinen werden moderne Computer als intelligent angesehen, weil sie millionenfach schnellere Signale auszusenden als menschliche Neuronen und somit schneller lernen. Durch die Fähigkeit menschliches Handeln, Fühlen, Sprechen und Entscheiden nachzuahmen, erkennen sie Informationsmuster und treffen auf dieser Basis ihre Entscheidungen. Diese Art von Intelligenz erscheint vor allem in einem organisatorischen Umfeld als äussert nützlich, da sie Trends erkennen und dahingehend optimieren. Zudem ermüdet KI im Gegensatz zum menschlichen Körper nicht. Solange der Datenfluss gewährleistet wird, arbeitet sie weiter.
Im Vergleich zur KI, die nur auf verfügbare Daten reagieren kann, besitzen Menschen die Fähigkeit sich wechselnden Situationen entgegenzustellen, der Lage entsprechend zu antizipieren, darauf zu reagieren und sie zu beurteilen. Dies ermöglicht es uns, von kurzfristigen zu langfristigen Überlegungen zu übergehen. Kurzum, der Mensch erfordert keinen ständigen Fluss von extern bereitgestellten Daten, was die Einzigartigkeit des menschlichen Gehirns ausmacht.
Der Menschen stellt also die authentische Intelligenz dar – eine andere Art von KI, wenn man so will. Für diese Art von Intelligenz werden offene Systeme benötigt. Teams und Organisationen interagieren mit einem externen Umfeld und müssen daher mit verschiedensten Einflüssen zurechtkommen. Ein solches Arbeitsumfeld erfordert die Fähigkeit, auf plötzliche Veränderungen zu reagieren, einen verzerrten Informationsaustausch zu antizipieren und damit umzugehen. Gleichzeitig wird Kreativität gefordert, wenn es darum geht, eine Vision und eine Zukunftsstrategie zu entwickeln. Diese Art von Interaktion erfordert von Prozessen und Systemen die ständige Umgestaltung und damit echte Intelligenz.
Herausforderungen im Einsatz von KI-Systemen
Betrachtet man die obengenannten Unterschiede, wird klar, dass Maschinen den Menschen nicht vollständig ersetzen, sondern dass in Kombination eine neue Form von Effizienz entstehen kann. Die Herausforderungen, die dabei entstehen, sind vielfältig. Im Vordergrund stehen dabei firmeninterne Fragen rund um die Anwendung und Weiterentwicklung von KI-Methoden. Ebenfalls kritisch ist die gesellschaftliche Akzeptanz im Umgang mit den verschiedenen Technologien. In Folgenden erläutere ich die wichtigsten Fallstricke.Eine grosse Gefahr im Einsatz von KI ist, dass der Mensch verlernt, sich in komplexen Situationen richtig zu entscheiden und die von der KI generierten Vorschläge nicht mehr hinterfragt. Dieses Deskilling und der Verlust der menschlichen Expertise schwächt Unternehmen nachhaltig und erhöht operative Risiken. KI sollte daher nur als Tool genutzt werden, um die kognitiven Fähigkeiten zu erweitern und nicht um die menschliche Arbeitskraft vollständig zu ersetzen. Dies führt zur nächsten Schwierigkeit, denn durch den Einsatz von KI entsteht eine Blackbox, durch die Entscheide nicht mehr interpretiert oder plausibilisiert werden können. Diese Aufgabe muss ein Mensch mit entsprechender Expertise übernehmen. KI sollte also erklärend sein, sodass die Entscheide fundiert und begründet sind und eine Nachvollziehbarkeit entsteht.
Abhängig vom Anwendungsbereich stellt der Datenschutz, also der Zugang zu Daten und das Recht sie zu benutzen, häufig ein grosses Hindernis dar. Viele aktuelle KI-Anwendungen basieren auf Machine Learning und sind somit die Verfügbarkeit qualitativ hochwertiger, annotierter Daten in ausreichender Zahl angewiesen. Als weitere Herausforderung kommt die verzerrte und vollständige Datenlage, der sogenannte Bias, hinzu. Zudem können Algorithmen in Folge eines Under- oder Overfittings systematische Fehler aufweisen. All das resultiert in schwachen Modellvorhersagen.
Insbesondere im medizinischen Umfeld gilt es die Frage von zusätzlichen Regulationen für die Anwendung von KI auf staatlicher Ebene zu klären. Dabei sollten allfällige Regularien zurückhaltend formuliert werden und aus Anwendungssicht ausgewogen sein. Wichtig ist, diese Richtlinien auf sozialen Werten und Interessenslagen aufzubauen, beispielsweise in Bezug auf die Erklärbarkeit von KI-Entscheidungen oder die diskriminierungsfreie Anwendung der Technologie. Gleichzeitig wird es international abgeglichene sowie branchenspezifische Standards und Guidelines benötigen, um die Compliance der Unternehmen und der angewandten Systeme zu bewerkstelligen.
Ausblick in die Zukunft
Die künstliche Intelligenz ist ein starkes Werkzeug. Sie entwickelt sich ständig weiter und bietet viele Chancen, birgt jedoch auch Risiken. KI kann Vertriebswege und Wartungstechniken optimieren, die Produktionsleistung und -qualität steigern, den Kundenservice verbessern und dazu beitragen, Energie zu sparen, um nur einige wenige Beispiele zu nennen. Bereits heute wirkt sie in vielen Branchen zu Teilen unterstützend und birgt vor allem für die Zukunft ein enormes Potenzial.Die grösste Chance, aber auch das grösste Risiko liegt in der komplementären Nutzung von KI und Mensch. Die KI ist kein Ersatz für die menschliche Arbeitskraft, sondern eine Ergänzung. Das volle Potenzial von KI lässt sich erst dann erschöpfen, wenn man Einblick in diese Blackbox gewinnt und die menschliche Expertise miteinspielen lässt. Das erfordert, dass die KI stärker überwacht und die Begründbarkeit dessen Entscheide stärker noch entwickelt werden.
Kurzum: Die Technologie dient als Werkzeug, während das Unternehmen in der Verantwortung bleibt. Gelingt diese Symbiose von Mensch und Maschine, fördert das die Entwicklung von einer neuen Generation von Produkten und Dienstleistungen.
Autor
Riad Beqiri
Riads Beratungsschwerpunkte liegen in der Gewährleitung einheitlicher PM–Standards für effiziente Kollaboration, der Optimierung der Projektabwicklung und in der Unterstützung der Projektleitung. Darüber hinaus begleitet er Softwarevalidierungen.
Riad Beqiri
Riads Beratungsschwerpunkte liegen in der Gewährleitung einheitlicher PM–Standards für effiziente Kollaboration, der Optimierung der Projektabwicklung und in der Unterstützung der Projektleitung. Darüber hinaus begleitet er Softwarevalidierungen.
