"Dumme" Künstliche Intelligenz?

Welches emotionale Bild hat eigentlich die aktuelle CIO-Generation im Kopf, wenn sie an Künstliche Intelligenz denkt? Ist es noch von Stanley Kubricks Computer "HAL 9000" geprägt, der im Sci-Fi-Klassiker "2001: Odyssee im Weltraum" mit seinem lakonisch-ikonischen Satz "Das kann ich leider nicht tun, Dave" einem Menschen den Wiedereinlass in das Raumschiff verweigert, weil er zu dem logischen Schluss gekommen ist, dass dessen Weiterleben den Erfolg seiner Mission gefährden könnte? Ist es ein streng rationales Bild, das der "klassischen" KI-Forschung folgt, den Turing-Test als Maßstab nimmt und mit dem Bewusstsein einhergeht, dass die Fragestellungen sich in den letzten 70 Jahren im Grunde nicht geändert haben?

Oder dominieren doch eher die aktuellen Debatten in den Köpfen der Entscheider, die die alten Fragen mit den neuen technischen Möglichkeiten des Silicon Valley zusammenbringen und sich irgendwo zwischen transhumanistischer Revolution und potenzieller Gefahr für das Fortbestehen der Menschheit bewegen?

Fakt ist: Das Thema Künstliche Intelligenz weckt gleichermaßen Ängste wie utopische Erwartungen und hat nach wie vor ein gigantisches Polarisierungspotenzial. Die Diskussion darum wird nicht von heute auf morgen verschwinden, sondern in ihrer Schärfe noch zunehmen - zum Beispiel, wenn die ersten juristischen Konsequenzen von serienreifen selbstfahrenden Autos sichtbar werden und sich die Forderungen mehren, Maschinen mehr Autonomie zuzugestehen. Die Technologie wird alltagsfähiger und sorgt damit für einen gewissen Positionierungsdruck bei den Unternehmen, entsprechende Lösungen auch im produktiven Betrieb einzusetzen.

Weniger Science-Fiction, mehr Realismus

Die leidenschaftliche Debatte ist dabei nicht immer hilfreich, wie die Experten des IDG-Roundtables "KI und Machine Learning" bestätigen. Zu verzerrt ist demnach häufig das Bild, das in den Unternehmen auf Entscheiderebene vorherrscht: "Etwas weniger Science-Fiction täte der Debatte sicherlich gut", sagt Martin Zeitler von Palo Alto Networks: "In der IT-Security sind datengestützte Verfahren und mathematische Methoden zum Beispiel gar nichts Neues. Was sich jedoch drastisch geändert hat, sind die Ressourcen, über die wir heute verfügen: Durch den Einsatz von Cloud-Technologien haben wir nun die Möglichkeit, gigantische Datenmengen sinnvoll und zeitnah zu verarbeiten und zu analysieren."

Für den Security-Experten liegt die Kernaufgabe von Beratern und Technologiedienstleistern darin, die Möglichkeiten, aber auch die Grenzen klar aufzuzeigen, um Bedenken, die auf unrealistischen Erwartungen beruhen, gezielt abzubauen. Wenn die Thematik nicht verständlich und handhabbar erläutert wird, blieben Potenziale ungenutzt. Oder kurz gesagt: Wer immer gleich an Stanley Kubrick denkt, hat automatisch gewisse Hemmungen, wenn es zum Beispiel um die Einführung von einer automatisierten Support-Lösung geht.

"Es ist wichtig, beim Thema KI keine überzogenen Erwartungen zu wecken. Auch reine Statistik ist, richtig angewendet, ein mächtiges Werkzeug. Begriffe wie AI und Künstliche Intelligenz dienen hier vor allem der Abstraktion und helfen, den Dingen eine Heimat zu geben", betont Zeitler.

Intelligenz ist nicht gleich Intelligenz

Überhaupt ist es mit den Erwartungen so eine Sache. Der Begriff "Künstliche Intelligenz" erweist sich in der Praxis nicht selten als Hypothek, weil er auch falsche Erwartungen wecken kann. Tatsächlich ist jede halbwegs alltagstaugliche KI nämlich mitnichten "intelligent", zumindest wenn man als Vergleichsmaßstab eine menschliche Vorstellung von Intelligenz zugrunde legt: Selbstlernende Algorithmen oder neuronale Netze sind extrem gut darin, menschliches Verhalten zu imitieren oder Gelerntes fortzuschreiben, am Ende bleibt aber auch die modernste KI trotz aller Komplexität eine Maschine - ohne Intentionen, personale Merkmale oder das berühmte "Bewusstsein".

Vertreter eines digitalen Humanismus wie der Philosoph Julian Nida-Rümelin sehen es sogar als mathematisch bewiesen an, dass sich menschliches Denken niemals in einer Maschine abbilden lassen wird und stützen sich dabei auf frühe Vertreter der KI-Theorie wie die Mathematiker Kurt Gödel und Alonzo Church: Da menschliches Verhalten grundsätzlich intentional sei, also mit einer bestimmten Absicht versehen, könne es unmöglich mit Algorithmen abgebildet werden, während algorithmische Prozesse den Grundpfeiler jeder Software bilden.

Dieser Unterschied zwischen "menschlicher" und Künstlicher Intelligenz ist wichtig, wenn es um die konkreten Einsatzszenarien geht, wie Saskia Pauly von Accenture anmerkt: "Vielleicht ist es Zeit für einen grundlegenden Perspektivwechsel: Durch die weitreichenden technischen Möglichkeiten entsteht oft die Erwartungshaltung, dass KI und Machine Learning irgendwelche Wunder vollbringen können und den Menschen ersetzen. Doch darum geht es nicht: Eine KI ist und bleibt eine Maschine, die von Menschen angelernt wird, und bestimmte einfache Tätigkeiten besser oder auch einfach nur schneller erledigt."

Informationen zu den Partner-Paketen der Studie Machine Learning

Große Potenziale im Kundensupport

Nach dieser Definition ist auch die komplexeste Maschine eine "dumme" Maschine. Zu den "einfachen" Tätigkeiten einer KI zählen insbesondere die Verarbeitung und Analyse von riesigen Datenmengen und deren automatisierte Weitergabe, wie sie etwa im Kundensupport wichtig sind. Durch den Einsatz von KI und Machine Learning lasse sich die Customer Experience deutlich verbessern beziehungsweise effizienter gestalten. Als Beispiel fällt im Rahmen des IDG-Round-Tables immer wieder der Begriff semantische Analyse, also die automatisierte Erkennung bestimmter Sprachmuster und die darauf aufbauende automatisierte Verarbeitung von Anfragen. Christian Klein von NTT sieht darin insbesondere in der Corona-Pandemie ein großes Potenzial:

"Durch semantische Analyse versteht der Computer uns Menschen in Sekundenbruchteilen. Gerade in Zeiten von Homeoffice und geschlossenen Büros beziehungsweise Geschäften ist der Support eine große Herausforderung. Mangels direkter Kontaktmöglichkeiten weichen Kunden auf das Telefon und E-Mail aus. Dadurch entsteht bei vielen Unternehmen eine gigantische Aufgabenlast in Form abertausender unbearbeiteter E-Mails. Eine Maschine, die die Vorselektion in Form einer automatisierten Anliegenerkennung übernimmt, kann hier eine spürbare Erleichterung von circa 85 Prozent bewirken."

Konkreten Nutzen veranschaulichen

Die Experten des IDG-Roundtables sehen vor allem durch die Möglichkeiten der Cloud und durch vollvernetzte Umgebungen ein Potenzial für die Technologie, das dringend genutzt werden sollte, um langfristig im Wettbewerb mit internationalen Wettbewerbern zu bestehen. Dafür ist es wichtig, aktiv im Unternehmen für die Technologie zu werben, ohne unrealistische Erwartungen zu wecken, wie Matthias Schmauch von Vectra AI bemerkt: "Die Erwartungshaltung an KI ist, sie könnte etwas besser als der Mensch. Dabei kann KI manche Anwendungsfälle höchstens genauso gut abdecken, aber schneller und ohne Ermüdung. Hierin liegt der wesentliche Vorteil und wir stehen als Branche in der Verantwortung, darüber aufzuklären und konkrete Use Cases zu generieren."

Die Antwort auf die Frage, wie sich in den deutschen Unternehmen mittelfristig eine intensivere Nutzung von Künstlicher Intelligenz erreichen lasse, ist dabei eine altbekannte: weniger "German Angst". Denn in einem Bereich wie der KI, wo es auf Wahrscheinlichkeiten und nicht auf Gewissheiten ankommt und wo selbstlernende Algorithmen umso besser funktionieren, je länger sie im Einsatz sind, muss auch das traditionelle Denken auf den Prüfstand, stellt der IT-Berater Kay Knoche fest: "Es herrscht in Deutschland immer noch ein zu selektiver Blick auf die Probleme einer Technologie. Als Automobilbauer-Nation sind wir immer dem Motto 'Perfect is better than done' gefolgt. Diese Philosophie passt aber nicht mehr in eine KI-Umgebung, in der der Fehler zwangsläufig zum System gehört."

Einsetzender kultureller Wandel

Am Ende zeigen die Experten des IDG-Roundtables einen klaren Weg für mehr KI in deutschen Unternehmen auf. Dieser lautet wie so oft in der Softwareentwicklung: Bedenken ablegen und mit konkreten Projekten Tatsachen schaffen. Der Fachkräftemangel und ein steigender Effizienzdruck, mehr Daten besser zu verwalten, sorgen dafür, dass am Einsatz von KI- und Machine-Learning-Technologien kein Weg mehr vorbeiführt. Dieses Bewusstsein macht sich langsam auch auf Entscheiderebene bemerkbar, wie Markus Grau von Pure Storage abschließend feststellt: "Wir beobachten einen langsam einsetzenden kulturellen Wandel. Vor allem in der Softwareentwicklung etablieren sich allmählich eine neue Fehlerkultur und ein iteratives Vorgehen. Das ist auch absolut notwendig, da sich eine KI nur im laufenden Betrieb bewähren kann und im Praxiseinsatz immer besser wird."

Und so lieferte der IDG-Roundtable vor allem eine wichtige Erkenntnis: KI ist eben nicht "auch nur ein Mensch". Und hierin liegt auch das wichtigste Argument für ihren Einsatz. (mb)

Informationen zu den Partner-Paketen der Studie Machine Learning