Titelbild cc

Was ist Künstliche Intelligenz?

Wie weit ist Künstliche Intelligenz heute schon? Was versteht man unter schwacher und starker KI? Wo liegen Chancen und Herausforderungen einer vergleichsweise noch jungen Forschungsdisziplin? - Wir beantworten die wichtigsten Fragen für Sie.

Erfahren Sie mehr zu Teilgebieten und Anwendungen Künstlicher Intelligenz

KI auf den Weltmärkten

Der State of AI in the Enterprise Survey des Beratungsunternehmens Deloitte ist ein aktueller Zustandsbericht zu Entwicklung, Anwendung und Hemmnissen Künstlicher Intelligenz in deutschen Unternehmen. Er beruht auf einer Befragung von 100 AI-Experten durch das Beratungsunternehmen Deloitte in Q1 2019. Alle Befragten stammen aus Unternehmen, die bereits mindestens einen AI-Prototypen oder eine AI-Anwendung umgesetzt haben. Die Fragen richteten sich ausschließlich an Führungskräfte mit unmittelbarer Verantwortlichkeit für AI-Strategie, -Entscheidungsfindung, -Budgetierung und -Implementierung. Deloitte liefert damit eine repräsentative Schnittmenge aktueller deutscher Bemühungen auf dem internationalen Markt der KI. Wir versammeln die wichtigsten Zahlen und Ergebnisse der Befragung.

Die Microsoft Initiative „Make Your Wish“

KI-basierte Texterkennung, KI für Pflanzen oder intelligente Wartungssysteme. Die Bandbreite derer Ideen aus der Bevölkerung, die es ins Finale der Microsoft „Make Your Wish“-Initiative geschafft hatten, war groß und auch darüber hinaus fanden sich unter den insgesamt 100 Teilnehmern alles andere als DAU´s (Dümmster Anzunehmender User) oder FSVG´s („Fehler sitzt vor Gerät“) - Kürzel, die augenzwinkernd unter KI-Entwicklern u.a. für Zielgruppen-Persona gebräuchlich sind. - Die Gesellschaft hat also durchaus klare Vorstellungen davon, wie KI konkret unterstützend aussehen kann und will diese Ideen auch mitentwickeln.

AppZen kommt mit KI Spesenbetrügern auf die Schliche

Mit ihrer schlauen Software-as-a-Service verspricht das US-Unternehmen aktuell in Echtzeit die 100%ige Auslesung von maßgeblich firmeninternen Spesenabrechnungen bzw. Forderungen im Supply Chain auf der Basis von KI. Damit positioniert sich das Bilanzierungs - StartUp in einem Meer aus Quittungen und Rechnungen, die bislang zeitintensiv und de facto nur zu 20% im vergleichsweise analogen Firmenalltag hinterfragt wurden. Kunden wie IBM, Airbus oder Novartis nutzen bereits den Service von CEO Anant Kale und seinem Team. Pünktlich zur Jahresbilanz werfen wir einen Blick auf den digitalen Kassenprüfer!

Künstliche Intelligenz

Was bedeutet dies für unsere Interaktion mit dieser “neuen Spezies“? Wie definieren wir menschliche Intelligenz überhaupt und (daraus folgend) Künstliche Intelligenz? Werden wir selbstfahrenden Autos und Artficial Doctors in Zukunft unser Vertrauen schenken und wer ist verantwortlich, wenn diese Maschine einen Fehler begeht? – ein Faktencheck!

John McCarthy, einer der Väter der Forschungsdisziplin Künstliche Intelligenz, hat sich bereits 1955 um eine Definition des Begriffes bemüht, als er den Prozess der Kreation Künstlicher Intelligenz beschrieb als

„that of making a machine behave in ways that would be called intelligent if a human were so behaving“

Unterschiedliche Bereiche von KI betonend haben sich seither weitere Annäherungsversuche an das Phänomen etabliert:

  • In einer Veröffentlichung der Universität Stanford aus dem Jahr 2016 wird KI als eine Wissenschaft und Ansammlung von Technologien beschrieben, deren Inspirationsquelle die Wahrnehmung des Menschen entlang seines Nervensystems ist und die daraus folgenden Erfahrungen, logischen Denkmuster und Handlungskonstruktionen umfasst.
  • Für die Wissenschaftler des Fraunhofer-Instituts ist KI anwendungsorientierter definiert als eine Summe von „IT-Lösungen und Methoden, die selbstständig Aufgaben erledigen, wobei die der Verarbeitung zugrundeliegenden Regeln nicht explizit durch den Menschen vorgegeben sind.“
  • In den Neurowissenschaften interessiert man sich besonders für KI als ein Werkzeug, mit dessen Hilfe man Theorien der Intelligenz empirisch testen kann. Die Ausführungen von Programmen auf Computern stellen empirische Experimente dar und eignen sich daher sehr gut für wissenschaftlich verwertbare Analysemodelle.

Es gibt einige Meilensteine in der KI, die hinlänglich bekannt sind. Neben den bereits erwähnten theoretischen Ausführungen Mc Carthys zählt die Veröffentlichung von Alan Turings Publikation „Computing Machinery and Intelligence“ im Jahr 1950 dazu. Turing stellte hier die Frage, ob Maschinen in der Lage sind zu denken. Der darauf basierende Turing-Test stellte anschließend ganz praktisch die Frage nach (Künstlicher) Intelligenz. 3 Konversationsteilnehmer – 2 Menschen und 1 Maschine – mussten interagierten und im Gesprächsverlauf klar benennen können, wer Mensch und Maschine ist. Wurde die Maschine als Mensch „identifiziert“ so galt sie als intelligent verifiziert.

Ein weiterer Meilenstein der KI war der Sieg von IBMs Schachspiel-Computer Deep Blue über Weltmeister Garry Kasparov im Jahr 1997.

Im 21. Jahrhundert stieg die Verfügbarkeit von Datenmengen aus digitalen Quellen rasant an. Die steigende Rechenleistung und -kapazität von Computern und das Aufkommen von Cloud Computing potenzierten die Datenverfügbarkeit im aufkommenden Big Data-Zeitalter. Dadurch wurden drastisch verbesserte maschinelle Lernansätze und Algorithmen als Lernmaterial für die KI zur Verfügung gestellt.

Eindrucksvolles Praxisbeispiel lieferte 2016 dann das Programm AlphaGo, das die besten Spieler des komplexen Strategiespiels auf die Plätze verwies. Go ist komplexer als Schach und die KI überraschte im Wettkampf mit diversen Manövern, die von beobachtenden Experten als völlig überraschend bezeichnet wurden.

Die wesentlichen Funktionalitäten von KI-Systemen sind Lernen, Verstehen, Schlussfolgern/Urteilen und Interaktion (mit Menschen, Maschinen)

Der Informatiker und Auto Jerry Kaplan beschreibt 2017 zudem die wachsenden Methoden Künstlicher Intelligenz in seinem Standardwerk "Artificial Intelligence" als

„The essence of AI- indeed, the essence of intelligence – is the ability to make appropriate generalizations in a timely fashion based on limited data. The broader the domain of application, the quicker conclusions are drawn with minimal information, the more intelligent the behavior.”

Als Teilgebiete der KI gelten insbesondere

1. die Technologie des Maschinellen Lernens (ML):

• lehrt Computer aus unstrukturierten Datensätzen wie Bildern, Texten oder gesprochener Sprache Muster zu erkennen und anhand dieser Entscheidungen selbständig zu treffen.

• Das maschinelle Lernen geschieht entweder durch Training anhand eines Datensatzes mit bereits bekannten Outputs (überwacht), oder Algorithmen müssen selbst Muster in Daten erkennen (unüberwacht).

• Möglich ist auch Lernen durch Belohnung und Bestrafung (verstärkt), bei dem der Algorithmus selbstständig erkennt, ob die Lernkomponente dem gesamten System nutzt (Belohnung) oder nicht (Bestrafung).

Als vielversprechendste Methode des Machine Learning wird aktuell Deep Learning (DL) gesehen. Deep Learning nutzt sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen.

Diese Art des Lernens ermöglicht unter anderem das sogenannte Natural Language Processing (NLP). Dabei geht es um die Verarbeitung von Texten und natürlicher menschlicher Sprache, die unter anderem bei dem Sprachdienst Alexa von Amazon zur Anwendung kommt.

2. sogenanntes Reinforcement Learning

• Fokus des maschinellen Lernens verschiebt sich vom Erkennen von Mustern hin zur erfahrungsbasierten sequentiellen Entscheidungsfindung; mittels Reinforcement Learning sollen KI-Anwendungen dahingehend geführt werden, Aktionen in der realen Welt auszuführen.

3. Collaborative Systems

• Modelle und Algorithmen zur Entwicklung von autonomen Systemen, die gemeinsam mit anderen Systemen und mit Menschen zusammenarbeiten können bis hin zur Schwarmintelligenz

4. Crowdsourcing und Human Computation

• erforscht Methoden, um Computersysteme zu erweitern, indem automatisiert menschliches Fachwissen eingebunden wird, um Probleme zu lösen, die Computer alleine nicht bewerkstelligen können

Als Arten von KI gelten grundsätzlich

„Schwache“ KI oder Artificial Narrow Intelligence (ANI)

• die limitierteste Form der Künstlichen Intelligenz und der derzeitige Stand der Technik

„Starke“ KI oder Artificial General Intelligence (AGI)

• der Intelligenzstufe von Menschen vergleichbar; mit Kapazitäten zur Aufgabenerfüllung, wie sie sonst nur durch einen Menschen erfolgen könnte; Zukunftsvision

Aktuell ist Künstliche Intelligenz nicht mit menschlichem Leben und Denken vergleichbar. Sie hat keine Gefühle, wird sich nicht eigenmächtig ihrem primären Zweck der Arbeit verweigern oder eigene Ziele verfolgen. Horrorszenarien, wie sie HAL, der Heuristische Algorithmus aus 2001-Odyssee im Weltraum, zeichnet, sind bislang Fiktion.

Die bereits erwähnte „Schwache“ KI markiert den derzeitigen Status Quo der Forschung. „Starke“ KI oder Artificial General Intelligence (AGI) soll in Zukunft die Intelligenzstufe von Menschen erreichen und dann Aufgaben erfüllen, die normalerweise nur von einem Menschen erbracht werden können. Artificial Superintelligence (ASI) ist ein weiteres erklärtes Ziel. Diese steht nochmals eine Stufe über der AGI und bezeichnet eine Form der KI, die intelligenter ist als der Mensch.

Die KI Methode des Machine Learning ist aus vielen Unternehmens- und Lebensbereichen nicht mehr wegzudenken. Dazu zählen insbesondere

• Spamerkennung und E-Mail-Klassifizierung

• Personalisierung von Inhalten

• Dokumentenklassifizierung

• Prognose der Kundenmigration

• Automatisierte Lösungsempfehlungen für den Kundendienst

• Sentiment-Analysen (z.B. positive / negative Meinungen oder Äußerungen)

• Routing

• Entscheidungen von Nachrichten

• Betrugserkennung bei Transaktionen

• Diagnosesysteme

• Empfehlungssysteme

• Stauprognosen

• Genomanalyse und Medizinische Diagnostik

• Chatbots

• Intelligente Assistenten (zB Siri, Alexa)

• KI und das Internet der Dinge (Verbindung von Künstlicher Intelligenz und dem Internet der Dinge (Internet of Things – IoT); Die Kombination von „Smart Devices“ mit KI ermöglicht es, intelligentes Verhalten der Geräte zu simulieren und fundierte Entscheidungen mit wenig oder gar keiner menschlichen Intervention zu treffen.

• Autonomes Fahren

• KI im Gesundheitswesen

• KI im Energiesektor (Nutzung von KI zur effizienten Kühlung von Datenzentren bei Google mit dem Programm DeepMind. 2014 verbrauchte Google nach eigenen Angaben rund 4,4 Mio. Megawatt Strom–etwa so viel wie 1,4 Mio. private Haushalte. Um den Energieverbrauch in den Datenzentren zu senken, setzte Google die KI von DeepMind zur Steuerung der Kühlung ein. Die Kühlungskosten konnten durch die KI um 40 % gesenkt werden)

Künstliche Intelligenz

  • vereinfacht Arbeitsabläufe
  • ermöglicht genauere Prognosen und schnellere Entscheidungen auf einer besseren Datenbasis
  • schafft neue datenbasierte Geschäftsmodelle
  • erhöht die Anpassungsfähigkeit von Unternehmen auf Marktveränderungen durch Echtzeitinformationen sowie Vorhersagen jenseits menschlicher Fähigkeiten (Effizienzsteigerung)
  • KI ist ein Schlüssel zu erhöhter Wettbewerbsfähigkeit
  • KI optimiert Arbeitsprozesse
  • KI spart Kosten
  • KI hat ein hohes Wertschöpfungspotential (Durch die zunehmende Implementierung von KI-Systemen als eine der wesentlichen Produktkomponenten und Funktionen in digitalen Produkten und Services (Smartphones, Autos, Smart Home-Geräten etc.) wird der Wertschöpfungsanteil der KI außerdem entsprechend weiter steigen.)
  • Bugs (Programmierfehler der KI-Software)
  • Cybersecurity (Angriffe auf die KI durch Hacker)
  • das „Sorcerer's Apprentice“ Phänomen (die KI-Systeme führen unerwartete und falsche Handlungen aus - ...die Geister, die ich rief)