Keine Angst vor der KI: Wie intelligente Maschinen uns das Leben leichter machen

Das Potential künstlicher Intelligenzen ist immens. Erstmals in den 1950er Jahren erdacht, lassen sich intelligente Maschinen erst seit relativ kurzer Zeit ressourcentechnisch umsetzen und durch entsprechende Technologien weiterentwickeln. Mittlerweile sind sie sogar im Unternehmensalltag angekommen! Mehr noch: Sie verändern, wie Unternehmen operieren, entwickeln und entscheiden und sparen obendrein Zeit und Geld ein. Deshalb sind sie von strategischer Relevanz für den Wettbewerb.

Die Technologie der Künstlichen Intelligenz prägt die digitale Transformation der Wirtschaft und Gesellschaft. Durch Chatbots und Sprachassistenten ist sie außerdem Teil unseres alltäglichen Lebens geworden.

 

„Künstliche Intelligenz“ – Was ist das?

Der Begriff „Künstliche Intelligenz“ (eng. Artificial Intelligence, AI) stammt aus der Informatik und den Neurowissenschaften und bezeichnet Maschinen, welche über kognitive Fähigkeiten verfügen, die denen eines Menschen ähneln, wie beispielsweise Selbstreflexion und Empathie. Diese artifiziellen Intelligenzen, abgekürzt „KI“, lassen sich in unterschiedliche Ausprägungen und Anwendungsformen untergliedern.

 

Cognitive Computing

… bezeichnet Computersysteme, die Aufgaben anstelle von Menschen ausführen. Beispielsweise müssen KI, die in Call Centern zum Einsatz kommen, Sprachen erkennen und verstehen und Emotionen und Mimiken deuten. Darauf basierend müssen sie dann Entscheidungen treffen. In dieser Hinsicht besitzen sie bereits einen hohen Grad an Autonomie.

 

Machine Learning

… befasst sich mit der Verarbeitung, Auswertung und Vorhersage von Daten mithilfe verschiedener statistischer und neurowissenschaftlicher Verfahren. Maschinen lernen auf automatisierte oder interaktive Weise, Ereignisse zu benennen und deren Eintrittswahrscheinlichkeiten zu berechnen. Sie verinnerlichen beispielsweise Muster im Kundenverhalten und schalten anschließend Anzeigen, auf die bestimmte Kunden mit hoher Wahrscheinlichkeit klicken. Bekannte Machine-Learning-Anwendungen sind Chatbots, die sich wiederholende Aufgaben automatisieren und im Kundenservice eingesetzt werden.

Deep Learning

… beschreibt den Versuch einer Software, das Denken im menschlichen Neocortex nachzuvollziehen und nachzuahmen. Die Software lernt möglichst realistisch Muster in Darstellungen, Tönen und anderen Daten zu erkennen. So lernen Deep-Learning-Systeme entweder unabhängig oder durch die Daten, mit denen sie trainiert werden, bestimmte Aufgaben, wie zum Beispiel Echtzeit-Spracherkennung, auszuführen.

Diese drei Ausprägungen beschreiben, wie KI Mehrwerte für kleine, mittlere und große Unternehmen schaffen. KI beobachten, analysieren, erkennen Muster und merken sie sich, um Aussagen und Prognosen zu treffen. Und dieser Prozess hört nicht auf, im Gegenteil: Lernende Maschinen und deren Computer-Algorithmen können sich durch die Beobachtung ihrer Umwelt automatisch und kontinuierlich verbessern. Doch wie sieht der derzeitige Entwicklungsstand Künstlicher Intelligenzen eigentlich aus?

 

Die drei Entwicklungsphasen der KI

1950er bis 1980er Jahre

In der ersten Entwicklungsphase erfasste man Muster und Kausalbeziehungen und schrieb sie manuell in Computersysteme ein. Handcrafted knowledge nannte man diesen händischen Prozess, der durch die oben beschriebene selbstständige Erfassung des Cognitive Computings abgelöst wurde. Dennoch unterstützten die damaligen Systeme bei der Problemlösung, indem sie Handlungsempfehlungen auf Basis ihres gewonnenen Wissens ableiteten.

 

1990er bis 2010er Jahre

Zwischen 1990 und 2010 ergriff eine regelrechte Welle die Forschung und Entwicklung rund um KI, die in günstiger, leistungsfähiger Rechenleistung und Speicherkapazität begründet war. In dieser Phase ging das  statistische Lernen – statistical learning – hervor, welches zwei Technologien etablierte, die entscheidend für die heutigen Verwendungszwecke Künstlicher Intelligenzen sind: Machine Learning und Deep Learning. Letzteres entfachte 2011 ein neues, umfassendes wirtschaftliches und politisches Interesse an KI.

Vollends möglich wird Deep Learning jedoch erst heutzutage: Maschinen lernen selbstständig und erweitern ihr Wissen anhand eines kontinuierlichen Stroms neuer Daten, den beispielsweise Internetnutzer generieren.

 

2010 bis Heute

Explanation and Contextual Adaption: Die aktuelle Entwicklungsphase der KI. Sie beschäftigt sich mit der Erklärbarkeit und der kontextuellen Anpassung intelligenter Maschinen. So wie das menschliche Gehirn und sein Entscheidungsfindungsprozess noch nicht vollständig erforscht sind, sind KI noch nicht fähig, sich hundertprozentig zu erklären. Sie werden ständig weiterentwickelt und verbessert, damit es eines Tages möglich ist, nachzuvollziehen und zu verstehen, wie und warum ihre Algorithmen zu Ergebnissen kommen.

Angesichts der vermehrt sicherheitsrelevanten Anwendungen von Künstlichen Intelligenzen, wie zum Beispiel im autonomen Fahren, sind die bessere und transparentere Erklärung maschineller Verfahren auch von entscheidender Bedeutung. Die Schlüsselbegriffe sind Erklärbarkeit, Argumentation und Abstraktion.

 

Letzteres Beispiel zeigt, was durch den Einsatz Artifizieller Intelligenzen bereits möglich ist. Selbstfahrende Autos sind keine Fiktion mehr, sondern unter anderem dank Sensorik, Radar und Bilderkennungstechnologie Realität. Und obwohl die Skepsis gegenüber KI teilweise groß ist, wird diese revolutionäre Technologie nicht einfach verschwinden. Stattdessen wird sie im Zuge der Digitalisierung letztlich jedes Business betreffen.