Künstliche Intelligenz - Verstehen, einschätzen, nutzen

Das Phänomen Künstliche Intelligenz verbreitet sich in unserem Alltag und in der Arbeitswelt rasend schnell. Wir leben mit Smart Homes, nutzen KI-gestützte Apps und setzen diese auch teilweise im Arbeitsalltag ein. Global betrachtet ist KI längst auf der Überholspur und verspricht Effektivitätssteigerung und Arbeitserleichterung. Trotzdem ist der Einsatz von KI-mit Risiken und Problemen verbunden, die vorab bedacht und gelöst werden müssen. Wie werden Daten erhoben? Wie werden diese Daten zu welchem Zweck verarbeitet? Wer kontrolliert die KI-Anwendung?

Häufig schwanken wir zwischen unverhohlener Begeisterung und Angst vor Kontrollverlust – egal, ob in der Arbeitswelt oder im Privaten.

Doch nur, wenn wir verstehen, wie Anwendungen künstlicher Intelligenz funktionieren und uns mit ihrem Lernprozess auseinandersetzen, können wir die realen Risiken für uns und unser Unternehmen richtig einschätzen. Dieses Factsheet zeigt Ihnen, wie wir KI wahrnehmen, was KI ausmacht und was es bei der Datenanalyse zu beachten gilt.

Wie nehmen wir KI wahr?

Zunächst einmal haben wir alle unterschiedliche Vorstellungen über Künstliche Intelligenz, die auf unserem Erfahrungshorizont, unserem technischen Verständnis und unseren Erwartungen basieren. Grundsätzlich unterscheiden wir zwischen:

KI hat eine große Medienpräsenz und das schon seit Jahrzehnten. Das Bild, das uns hier häufig von KI vermittelt wird, ist das einer eigenständigen Intelligenz, die in der Lage ist, den Menschen zu überwinden. Die Forschung spricht dabei von starker künstlicher Intelligenz, die so nicht real ist und noch viele Jahre der Forschung bedarf. Dennoch setzt sich das Bild in den Köpfen fest und kann neben aller Technikbegeisterung auch einschüchternd sein.

KI in der Forschung befasst sich vor allem mit der Erfassung von Daten und dem daraus resultierenden Lernverhalten. Als Teilgebiet der Informatik ist die Künstliche Intelligenz in der deutschen Hochschullandschaft fest verankert und sowohl in der Lehre als auch in Forschungsprojekten präsent.

Die Produktion kennt Künstliche Intelligenz vor allem in der praktischen Anwendung. Wir sprechen in diesem Kontext von schwacher KI. Das bedeutet, dass die Künstliche Intelligenz auf eine Anwendung begrenzt ist und eine einzelne Aufgabe bewältigt. Sie „lernt“ dabei aus den vorhandenen Daten, das bedeutet, die Ergebnisse, die diese Anwendung liefern soll, werden immer genauer.

Die Definitionsfrage

Es gibt keine exakte und allgemeingültige Definition von Künstlicher Intelligenz. Der als Vater von KI angesehene John McCarthy beschrieb sie in den 1950er Jahren in seiner Studie so, dass jeder Aspekt der menschlichen Intelligenz so weit herunter gebrochen werden kann, dass eine Maschine den Vorgang nachahmt.

Eine grundlegende Schwierigkeit ist dabei, dass die menschliche Intelligenz sehr komplex ist und wir definieren müssen, welche Aspekte davon wir maschinell abbilden wollen. Emotionale Vorgänge, Entscheidungen und Willensbekundungen lassen sich technisch (noch) nicht darstellen. Das sind Eigenschaften, die wir der starken KI zuschreiben, die als Zukunftsvision, aber nicht als aktuell real existiert. Und technisch betrachtet ist es schwieriger, eine Maschine dazu zu bringen mittels eines Greifarms etwas vom Boden aufzuheben als ein Schachspiel zu gewinnen. Die Abläufe sind beim ersten Vorgang viel umfangreicher und müssen einzeln bedacht werden. Die komplizierte Rechenleistung beim Schachspiel ist einfacher zu programmieren und besteht lediglich aus einer einzelnen Aufgabe. Daraus ergeben sich natürlich unterschiedliche Anwendungsszenarien in der Praxis.

KI-Technologien

Von Bilderkennung bis der Interaktion von Mensch und Maschine – KI KONKRET ist ein gefördertes Projekt und beschreibt auf seiner Webseite die verschiedenen technologischen Möglichkeiten der künstlichen Intelligenz.

Datenanalyse – Beim Lernen passieren Fehler

Der Lernprozess ist immer auch von Fehlern begleitet, da geht es dem Menschen wie der Künstlichen Intelligenz.

KI lernt auf Basis von Daten, fasst diese zusammen und wertet sie aus, um die angedachte Aufgabe zu lösen. Dabei spielt die Qualität der Daten eine entscheidende Rolle.

Beispiel

In einer öffentlichen Einrichtung oder einem Unternehmen soll eine KI-gestützte Software Wasserverschwendung in den öffentlichen Toiletten verhindern. Der bisherige Bewegungssensor am Wasserhahn ist mitunter zu empfindlich und löst zu häufig den Wasserfluss aus.

Eine Bilderkennungssoftware arbeitet mit einer Kamera, um den Wasserfluss zu aktivieren. Die Kamera nimmt ein Bild auf und die dahinter liegende KI erkennt Hände in verschiedenen Haltungen und löst den Wasserfluss aus. Das Problem: Die KI wurde mit Bildern von Händen kaukasischen Typs trainiert. Hält nun eine farbige Person die Hände unter den Wasserhahn, erkennt die KI das nicht als Hand und der Wasserfluss bleibt aus.

Die KI-Anwendung ist nur so schlau wie die zugeführten Daten. Bei derartigen Problemen gilt es, die KI-Anwendung zu überarbeiten und die Lerndaten anzupassen. Wir lernen mit der KI-Anwendung mit. Es ist ein kontinuierlicher Prozess, der begleitet wird. Somit können/sollten KI-gestützte Einzelanwendungen nicht ohne die Kontrolle von Menschen funktionieren.