Artificial Intelligence: Fluch oder Segen?

Maschinen – die besseren Menschen?

| Autor: Sarah Böttcher

Artificial Intelligence ist in unserem Alltag angekommen und gewinnt weiter an Bedeutung. Über die gesellschaflichen, rechtlichen und ethischen Konsequenzen muss schnellstens nachgedacht und ein regulativer Rahmen erstellt werden.
Artificial Intelligence ist in unserem Alltag angekommen und gewinnt weiter an Bedeutung. Über die gesellschaflichen, rechtlichen und ethischen Konsequenzen muss schnellstens nachgedacht und ein regulativer Rahmen erstellt werden. (Bild: Dmytro Tolokonov - stock.adobe.com)

Artificial Intelligence (AI) bestimmt die öffentliche Debatte. Ob es sich um die schöne neue Welt handelt oder aber um ein dystopisches Horrorszenario, wird sich noch klären. Eins steht aber fest: Maschinen werden immer „intelligenter“. So drängt sich die Frage nach dem Zusammenleben von Mensch und Maschine auf: Kooperation, Koexistenz oder Konkurrenz?

Ob Science-Fiction-Literatur, Studienergebnisse von Marktforschungsunternehmen oder politische und universitäre Diskurse: Das Thema Artificial Intelligence ist in aller Munde und wird auch weiterhin an Brisanz gewinnen. Was vor einigen Jahren als technische Utopie galt, ist heute Realität. AI ist viel näher als man denkt: Fahr-Assistenzsysteme wie Bremsautomatik und Abstandhalter basieren auf AI und sind im Alltag angekommen. Spannend ist auch die Debatte über den so genannten „Todesalgorithmus“, der in autonom fahrende Autos verbaut wird. Dieser muss in Ernstsituationen über Leben und Tod entscheiden. Hier stellt sich die Frage, ob Maschinen überhaupt in der Lage sein werden, die „richtige“ Entscheidung zu treffen. Rollt man das Problem von vorne auf, wird klar, dass diese Entscheidung bereits im Vorfeld von Programmierern getroffen wurde und die Maschine nur das Beigebrachte ausführt. Hieraus ergeben sich rechtliche Problematiken, wie beispielsweise die Frage nach der Haftung, die Klärungsbedarf verlangen.

Gesellschaftlich gesehen betrifft dieses Thema existenzielle Belange. So steht die Angst vor dem Verlust des Arbeitsplatzes an vorderster Spitze, und der eigene Bedeutungsverlust ist der größte Sorgenbringer. Vergleichbar ist dieser Prozess mit demjenigen während der Industrialisierung. Dem Einsatz von Maschinen in der Produktion fielen vor allem handwerkliche Berufe zum Opfer. Durch die AI-Forschung sind nun auch „intelligente“ Berufe bedroht. Auch ethisch ergeben sich durch AI, beispielsweise beim Einsatz von selbstschießenden Drohnen an territorialen Grenzen, Fragestellungen, die schnellstmögliche Bearbeitung erfordern. Hier ist die Politik als regulatives Organ gefragt. Diese beschäftigt sich unter anderem mit der Sprach- und Bilderkennung, den daraus gewonnenen Daten sowie deren Konsequenzen im Hinblick auf den Datenschutz.

Ergänzendes zum Thema
 
Auf dem Weg zur Menschwerdung

Daten nutzen durch Machine Learning

Um den täglich entstehenden Datenwust richtig verwerten und sinnvoll nutzen zu können, hilft der Einsatz von Machine Learning (ML). Diese Praxisanwendung aus der AI wird fälschlicherweise als Oberbegriff für alles verwendet, was irgendwie „intelligent“ erscheint. Doch was genau ist Machine Learning und wie funktioniert es? Systeme, die auf maschinellem Lernen basieren, erkennen Muster in Daten, generalisieren diese und erstellen Modelle, wie Prognosen für Kundenabwanderungen oder Betrugserkennung bei Transaktionen. Doch benötigen ML-Lösungen einen großen Vorlauf, bis sie sinnvoll eingesetzt werden können: Daten müssen gesichtet, geordnet und bewertet werden. Zudem muss von vornherein klar definiert werden, was mit der Technologie erreicht werden soll, so der Hinweis von Dr. Andreas Becks, Manager Business Analytics DACH bei dem Softwarehaus SAS.

In einem ersten Schritt füttert man das System mit Lernstoff in Form von Daten. Besonders die Qualität der Daten spielt bei maschinellem Lernen eine große Rolle. Wie das danebengehen kann, zeigt der Chatbot Tay von Microsoft, der nach kurzer Zeit zum Rassisten (erzogen) wurde. Die AI hinter Tay sollte via Social-Media-Kanäle lernen, wie junge Menschen im Alter von 18 bis 24 Jahren reden. Als der Chatbot sexistische Aussagen traf und Völkermord propagierte wurde der Versuch abgebrochen.

Grundsätzlich analysiert eine ML-Technologie Daten, packt sie in Gruppen und erstellt Modelle über beispielsweise Auffälligkeiten oder Abweichungen. In der Produktion kann so mittels Sensoren, die an Maschinen angebracht sind und in ständigem Datenaustausch mit dem ML-System stehen, etwa am Geräusch der Maschine erkannt werden, ob ein Defekt vorliegen wird. So kann ein Techniker gerufen werden und das noch intakte Teil austauschen, bevor es tatsächlich defekt ist, was schlussendlich Kosten spart.

Integrations-Probleme

Nachdem ein Modell erstellt wurde, steht ein nächster wichtiger Schritt an: die Integration der Software in das Unternehmen. Oftmals scheitert ein ML-Projekt jedoch bei diesem elementaren Schritt. Grund hierfür ist die traditionelle Rolle der IT. Dieser wurde über Jahre eine rein operative Rolle zugeschrieben. Daher werden kreative Digitalisierungsideen und Innovationen, die meist (zu 86 Prozent) aus der IT-Abteilung stammen, nicht ausreichend ernst genommen. Auch hier muss ein Umdenken im Unternehmen stattfinden und sich die IT-Abteilung als kreative Instanz positionieren.

Zudem behindern Veränderungen in der Unternehmensstruktur die Integration: Während 2016 für eine Bitkom-Studie noch 51 Prozent der befragten Firmen die Chefetage für Digitalisierungsprojekte und Innovationen einbezogen haben, sind es in einer aktuellen Umfrage nur noch 42 Prozent. Da die Umsetzung dieser Projekte nicht in der Hand der Führungsetage liegt, werden diese meist doch nicht in das Geschäftsmodell eingeführt.

Ist die Software in die Unternehmensstruktur integriert, kann sie, falls gewünscht, mit Hilfe der eingespeisten Daten eigenständig erste Entscheidungen treffen. Diese werden wiederum erneut ausgewertet und für das weitere Training genutzt. Es handelt sich hier um einen selbstoptimierenden Kreislauf, mit dem Ziel ein selbstorganisierendes System zu schaffen. Trotzdem ist die ständige Überwachung durch den Menschen, sogenannten Data Scientists, Stand heute notwendig.

„AI-First“

Seit Oktober hat sich Google „AI-First“ auf die Fahne geschrieben. Das neue Mantra zeigt den Bedeutungszuwachs von AI. Die Einsatzgebiete reichen über die Steuerung von Fertigungsanlagen bis zur Überwachung von vernetzten Geräten. Laut einer Studie von Crisp Research in Zusammenarbeit mit HPE und The unbelievable Machine (*um), wird der Betrieb vernetzter Produkte und digitaler Services zukünftig nicht mehr ohne Machine Learning auskommen. So sollen ML-Verfahren als Hebel und Katalysator der eigenen Digitalisierungsstrategie dienen. Der Studie zufolge findet die Umsetzung von ML-Konzepten selten ohne externe Unterstützung statt. Vor allem in der Datenexploration und beim Training der eigenen Mitarbeiter sehen Unternehmensentscheider externe Dienstleister als Mittel der Wahl.

Machine Learning und der Channel

Auch ML-affine Hersteller wie IBM und Splunk sind auf externe Dienstleister angewiesen. Laut Ralf Bucksch, Leiter Technical Sales, Software-Architekturen und Industrie 4.0 DACH bei IBM, wird AI bezahlbar. Zudem „hat sich die Qualität von ML-Algorithmen rasant verbessert. Lernende Systeme werden so zur Basis für kontinuierliche Verbesserung in der Fertigung. Hinzu kommt: Die Verfügbarkeit von Daten ist durch Open Source enorm gestiegen.“ Eine Hürde sieht Bucksch in der mangelnden Investitionsbereitschaft der Unternehmen. Er spricht von einem „IT-Kultur-Clash, bei dem Investitionsstau mit meist veralteter Hard- und Software auf eine neue Generation innovativer Technologien trifft.“ Man könnte meinen, dass diese auf Kostengründe zurück zu führen ist, doch laut Constantin Gonzalez, Principal Solutions Architect bei AWS Germany, „befinden sich die Kosten für AI und speziell für ML auf einer absteigenden Spirale.“ Und zwar aus folgendem Grund: Vor 20 Jahren existierte die für ML notwendige Rechenkapazität noch nicht. Doch heute liefern bereits Grafikkarten für 3D-Computerspiele die notwendige Leistung. Hier kommt die Cloud ins Spiel: Hohe Rechenleistung auf Abruf, eine flexible Preisgestaltung sowie die Möglichkeit, Lösungen direkt beim Kunden zu implementieren, haben den Fortschritt von ML signifikant beschleunigt.

Transformationsgedanken

Im Zuge der ML-Bewegung steht eine Transformation der Distribution an, bedingt dadurch, dass jetzt der Lösungs- und nicht mehr der Distributionsgedanke im Vordergrund steht. Distributoren wie Arrow ECS und Tech Data AS sehen sich hier in beratender Rolle. Tech Data AS will sich als Anlaufstelle für den Austausch des Channels positionieren, Arrow ECS sieht sich in der Marktentwicklung und der Generierung neuer Technologien, bestehend aus Hard- und Software-Komponenten. Die Distributoren „haben das Geschäftspotenzial zur Realisierung von Machine Learning und AI im gewaltigen Dienstleistungspotenzial erkannt, das notwendig sein wird, um die Geschäftsprozesse der Endkunden zu analysieren, zu planen und umzusetzen“, so Susanne Endress, Divisional Director Network, Security, Storage & Virtualization bei Arrow ECS.

Während die Distributoren noch auf der Suche nach ihrer Rolle sind, gestalten Systemhäuser, die die Services erbringen müssen, bereits ihre Zukunft. Solche Häuser, die bereits kräftig in ML investieren, sind exemplarisch Axians, die Profi AG sowie Inforsacom Logicalis. Weitere wie All for One Steeb wollen in naher Zukunft ihr Portfolio um ML-Lösungen erweitern. Aber auch klassische Systemhäuser werden sich einem Transformationsprozess unterziehen müssen, um nicht auf dem Abstellgleis zu landen. Matthias Kohlhardt, Vorstand der Profi AG, sieht das Systemhaus „als technologischen Berater“. Hier spielt die eigene Expertise eine wichtige Rolle. So positioniert sich Axians bereits mit einer Vielzahl von eigenen Experten aus Industrie- und IT-Fachkräften sowie Data Scientists. Interessant ist auch die Vorgehensweise von Axians bei der Etablierung neuer Technologien. Das Systemhaus fährt bei einer Innovationsidee zunächst Tests im eigenen Haus, um das Potenzial sowie die Lösung selbst zu verstehen. Ein neues Projekt befasst sich momentan, initiiert durch den Fachkräftemangel, mit der Etablierung eines virtuellen Assistenten für Projektcontroller. Dieser soll mit den Mitarbeitern in Form eines Chatbots interagieren, um diese beim Controlling zu unterstützen und zu lernen, welche Gründe dazu führen, dass zukünftige Projekte erfolgversprechend oder risikobehaftet sind. Als Lernstoff für die KI dient die gesamte Projekthistorie inklusive Kennziffern des Unternehmens.

Ergänzendes zum Thema
 
Partnership on AI

Die Oberhand behalten

Hersteller, Distributoren, Systemhäuser – sie alle haben noch mit vielen Unwägbarkeiten zu kämpfen. Die gesellschaftlichen, rechtlichen, politischen und ethischen Fragestellungen sollten deshalb soweit wie möglich geklärt werden. Fest steht: Die Analyse von Daten verspricht – noch – das Leben der Menschen zu verbessern. Doch angesichts des rasanten Fortschritts in der Wissenschaft kann sich diese Situation schnell ändern. Da Maschinen auf Daten basieren, wird auch die Frage aufkommen, ob Maschinen tatsächlich die besseren Menschen sind. Stand heute sind Maschinen nicht in der Lage, besser oder schlechter zu handeln als der Mensch. Um Horrorszenarien vorzubeugen, muss der Mensch die Oberhand behalten, und das geht letztendlich nur über die Schaffung eines internationalen, regulativen Rahmens.

Kommentare werden geladen....

Sie wollen diesen Beitrag kommentieren? Schreiben Sie uns hier

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45055692 / Software)