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 übernimmt 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 Internetkonzernen. 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.
Einordnung von künstlicher Intelligenz
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.
Generell wird bei den Systemen unterschieden zwischen:
- Schwache künstliche Intelligenz: eine Maschine, die einzelne kognitive Fähigkeiten des Menschen abbilden und bestimmte Aufgaben erfüllen kann, jedoch weder Kreativität noch explizite Fähigkeiten besitzt, im universellen Sinne selbständig zu lernen.
- Starke künstliche Intelligenz: eine Maschine, die im Allgemeinen dieselben Fähigkeiten besitzt wie der Mensch und damit jede intellektuelle Aufgabe erfüllen kann. Konkrete Anwendungsbeispiele sehen wir bisher nur in Science-Fiction.
- Superintelligenz: eine Maschine, die die menschlichen Fähigkeiten nicht nur erreicht, sondern übersteigt und sich völlig selbständig neues Wissen aneignen kann.
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.
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. Deep-Learning-Modelle zeichnen sich durch ihre Lernfähigkeit aus – der Mensch greift beim eigentlichen Lernvorgang nicht mehr ein.
Use Cases aus verschiedenen Branchen
Künstliche Intelligenz hat sich mit ihren Teilgebieten profitabel in verschiedenen Branchen etabliert:
- Gesundheitswesen: Prädiktive Analytik prognostiziert auf Basis historischer Daten die Zukunft, z.B. die Notwendigkeit einer Operation unter Berücksichtigung der Risiken.
- Bank- und Finanzwesen: Mit Natural Language Processing können Versicherungsunternehmen grosse Textmengen analysieren und wichtige Faktoren für Ansprüche ermitteln.
- Automobilsektor: KI-basierte Robotik kombiniert mit menschlichen Arbeitskräften ermöglicht Aufgaben in der Fertigung und Lieferkette.
- Fertigung: KI wird erfolgreich für erweiterte Datenanalyse eingesetzt, mit enormer Hilfe beim Risikomanagement und der Entscheidungsfindung.
- Bildungswesen: KI schneidet den Unterricht durch personalisiertes Lernen auf einzelne Schüler:innen zu.
- Einzelhandel: Intelligente Assistenten geben Kund:innen automatisierte Antworten und professionelle Ratschläge.
- Telekommunikation: Dialogorientierte KI hilft Unternehmen, massiven Kundensupportverkehr zu bewältigen und Wartezeiten zu verkürzen.
Künstliche Intelligenz als Ergänzung des Menschen
Oft wird die Rolle der KI am Arbeitsplatz missverstanden und davon gesprochen, dass Maschinen den Menschen ersetzen sollen. Dass menschliche Arbeitskräfte durch künstliche Intelligenz ersetzt werden, 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.
Der Mensch stellt also die authentische Intelligenz dar – eine andere Art von KI, wenn man so will. Gleichzeitig wird Kreativität gefordert, wenn es darum geht, eine Vision und eine Zukunftsstrategie zu entwickeln.
Herausforderungen im Einsatz von KI-Systemen
Eine grosse Gefahr im Einsatz von KI ist, dass der Mensch verlernt, sich in komplexen Situationen richtig zu entscheiden – das sogenannte Deskilling. KI sollte daher nur als Tool genutzt werden, um die kognitiven Fähigkeiten zu erweitern. Durch den Einsatz von KI entsteht eine Blackbox, durch die Entscheide nicht mehr interpretiert oder plausibilisiert werden können.
Abhängig vom Anwendungsbereich stellt der Datenschutz häufig ein grosses Hindernis dar. Als weitere Herausforderung kommt die verzerrte Datenlage, der sogenannte Bias, hinzu. Insbesondere im medizinischen Umfeld gilt es die Frage von zusätzlichen Regulationen auf staatlicher Ebene zu klären.
Ausblick in die Zukunft
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.
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.