Was ist künstliche Intelligenz? Ein Überblick

Automatisierte Prozesse sind heute für zahlreiche Unternehmen und Branchen ein zentrales Thema. Künstliche Intelligenz (KI) soll bei der Umsetzung dieser Prozesse behilflich sein und so dafür sorgen, dass der Arbeitsalltag vereinfacht wird – ob in der Produktion, in der Finanzabteilung oder im Consulting. Wir geben einen Überblick über das Thema.

Inhalt

• Wie können wir künstliche Intelligenz definieren?
• 2 Arten künstlicher Intelligenz
• 4 große KI Teilgebiete
• 4 Typen von KI
• Vor- und Nachteile von KI
• Einsatzgebiete künstlicher Intelligenz
• Herausforderungen in der KI-Entwicklung        

Wie können wir künstliche Intelligenz definieren?

Im Gegensatz zur Darstellung in einigen Science-Fiction-Filmen ist künstliche Intelligenz nicht bedrohlich. In nächster Zeit müssen wir uns sicherlich keine Sorgen darum machen, dass KI-Systeme die Weltherrschaft übernehmen möchten. Es gibt jedoch auch keine einheitliche Definition, da das Thema sehr umfassend ist. Das Gabler Wirtschaftslexikon beantwortet die Frage „Was ist künstliche Intelligenz (oder Artificial Intelligence, AI)? wie folgt:

KI ist die „Erforschung „intelligenten” Problemlösungsverhaltens sowie die Erstellung „intelligenter” Computersysteme. Künstliche Intelligenz (KI) beschäftigt sich mit Methoden, die es einem Computer ermöglichen, solche Aufgaben zu lösen, die, wenn sie vom Menschen gelöst werden, Intelligenz erfordern.“

Eine so allgemeine Definition gibt zwar einen groben Überblick über die Bedeutung von KI, sorgt aber dafür, dass das Konzept für viele Menschen noch immer abstrakt ist. Dass künstliche Intelligenz sowohl Privatpersonen als auch Unternehmen schon lange im Alltag begleitet, ist uns dabei oft gar nicht bewusst. Wir geben einen Überblick über die verschiedenen Arten, Typen und Bereiche künstlicher Intelligenz.

2 Arten künstlicher Intelligenz

Schwache KI

Bei schwacher KI handelt es sich um Systeme, die in einem konkreten Anwendungsgebiet in etwa an das menschliche Intelligenzlevel herankommen. Sie sind allerdings ausschließlich in diesem Gebiet einsetzbar – ihre Intelligenz lässt sich nicht auf andere Bereiche übertragen. Ein Beispiel dafür ist etwa ein Chatbot, der auf einer Website einfache Fragen zu Produkten oder Verfügbarkeiten beantwortet. Er kann in gewissem Rahmen mit Menschen kommunizieren und im Zweifel auf einen passenden Ansprechpartner verweisen. Die KI, auf der dieser Chatbot basiert, lässt sich allerdings nicht als Navigationssystem einsetzen. Dazu wurde die KI nicht ausgebildet.

Starke KI

Starke KI konnte bisher nicht entwickelt werden, ist allerdings das Ziel der KI-Forschung. Dabei handelt es sich um Systeme, die themenübergreifend Probleme lösen können und sich selbstständig weiterentwickeln, während sie mindestens über ein menschliches Maß an Intelligenz verfügen. Sie hat ein Ich-Bewusstsein, logisches Denkvermögen und kann menschliche Sprache verstehen und in ihr kommunizieren. Bisher benötigen KI-Systeme jedoch Informationen in Form von Code und Daten von außen, um sich weiterentwickeln zu können. In der Forschung wird diskutiert, ob es überhaupt möglich sein wird, starke künstliche Intelligenz zu entwickeln.

4 große KI-Teilgebiete

KI ist nicht gleich KI. Die Entwicklung der Systeme basiert auf unterschiedlichen Ansätzen, KI lernt auf unterschiedliche Arten. Die größten Teilbereiche stellen wir kurz vor:

• Machine Learning: Häufig wird Machine Learning umgangssprachlich mit KI gleichgesetzt. Das liegt daran, dass diese Systeme am häufigsten in Unternehmen eingesetzt werden. ML-Systeme lernen auf Basis von Daten, die sie sammeln, während das System verwendet wird. Ein klassisches Beispiel hierfür ist die Empfehlungsfunktion bei Streamingdiensten. Basierend auf bisher geschauten Filmen oder Serien kann die KI ähnliche Titel empfehlen und so ein besseres Nutzererlebnis bieten. Auch Werbung kann so personalisiert und damit die Customer Experience verbessert werden.
• Deep Learning: Anders als beim Machine Learning greift der Mensch nicht mehr in den Lernprozess eines Deep-Learning-Systems ein. Diese Systeme können selbstständig Entscheidungen und anhand von Big Data Analysen auch eigenständig hinterfragen, ob diese Entscheidung richtig war. So können sie sich für die Zukunft weiter verbessern. Klassische Beispiele für Deep-Learning-Systeme sind die Sprach- und Gesichtserkennung.
• Natural Language Processing: Natürliche Kommunikation mit Computern ist das Ziel von Natural Language Processing (NLP). Dazu müssen die Systeme natürliche Sprache maschinell verarbeiten können. Sprachassistenten wie Alexa oder Siri haben hier in den letzten Jahren bereits große Fortschritte gemacht. Eine vollständig natürliche Unterhaltung ist mit diesen Systemen jedoch noch nicht möglich. Sie verbessern sich anhand Big Data Analysen und bisheriger Erfahrungen.
• Knowledge Representation: Soll KI nicht nur die natürliche Sprache von Menschen verarbeiten können, sondern ganze Denkprozesse, handelt es sich um Knowledge Representation (KR). Der wichtigste Faktor dieser Systeme ist das Lernen durch logisches Denken, nicht durch Erfahrungen. Wir Menschen wissen beispielsweise, dass ein Porzellanteller zerbricht, wenn wir ihn fallen lassen. KI weiß das nicht, sondern muss das erst lernen. Diesen logischen Denkprozess sollen KR-Systeme eigenständig lernen.

4 Typen von KI

Definiert wurden bereits 4 Phasen oder Typen von KI. Entwickelt werden konnten bisher jedoch nur die ersten beiden Phasen. Diese sind jedoch bereits seit Jahren im Einsatz – oft fällt uns das gar nicht mehr auf.

• Reactive Machines: Die erste Form der KI ist die reaktive Maschine. Eine solche KI kann genau eine Aufgabe perfekt durchführen. Für diese Aufgabe muss sie allerdings exakt programmiert sein. Das bekannteste Beispiel für diesen KI-Typ ist der Schach-Computer Deep Blue, den IBM 1997 entwickelt hat. Er konnte die Züge so gut voraussagen und abwägen, dass er gegen den amtierenden Schachweltmeister gewinnen konnte.
• Limited Memory: Sobald künstliche Intelligenz aus vergangenen Erfahrungen lernen kann, handelt es sich um begrenzte Speicherkapazität. Diese Form der KI kann Daten sammeln, analysieren und sie in Zukunft anwenden, um sich in einem speziellen Gebiet weiter zu verbessern. Ein klassisches Beispiel dafür sind Sprachassistenten wie Siri oder Alexa. Sie lernen mit der Zeit neue Befehle und verbessern die User Experience durch Daten.
• Theory of Mind: Eine KI, die auf menschliche Emotionen reagieren und sie verstehen kann – darum handelt es sich bei einer Theory-of-Mind-KI. Bisher konnte dieser Typ noch nicht entwickelt werden. Das liegt daran, dass menschliche Emotionen zu komplex sind, um sie technisch abzubilden. Die Forschung arbeitet in diesem Bereich auf Hochtouren, hat jedoch noch kein System entwickeln können.
• Self Awareness: Der finale Typ künstlicher Intelligenz ist die Selbstwahrnehmung. KI kann dann nicht nur menschliche Emotionen verstehen, sondern sie selbst empfinden. Sie verfügt über ein Ich-Gefühl und ist sich bewusst, dass sie Erfahrungen sammelt und denkt. Demnach kann sie selbstständig Entscheidungen treffen und handeln.

Was sind die Vor- und Nachteile von KI?

Künstliche Intelligenz ist für viele Menschen noch immer ein abstraktes Thema. Das sorgt dafür, dass die Vorteile nicht auf den ersten Blick sichtbar werden. Logisch – KI-Systeme gestalten unseren Alltag als Privatperson unkomplizierter. Aber wie profitieren Firmen von KI, die zunächst viel Geld in die Entwicklung und Einrichtung investieren müssen? Das sind die Vorteile im Überblick:

• Automatisierung: Simple Prozesse, die sich oft wiederholen, können mit Hilfe von KI automatisiert werden. Ob es dabei um die Produktion, die Verpackung oder eine Datenanalyse geht – inzwischen gibt es für zahlreiche Unternehmensbereiche intelligente Unterstützung. Mitarbeiter können sich so voll auf Aufgaben konzentrieren, die komplexere Analysen benötigen, die nicht durch Maschinen durchgeführt werden können.
• Zeitersparnis: Das Erstellen von Berichten, regelmäßigen Analysen oder die Verpackung von Produkten kostet vor allem eines: Zeit. KI-Systeme sorgen nicht nur dafür, dass Mitarbeiter sich auf fordernde Aufgaben konzentrieren können. Sie erledigen simple Aufgaben in der Regel sogar schneller und effizienter als Menschen. Besonders, wenn es um Datenanalysen geht, können Menschen hier nicht mithalten.
• Finanzielle Einsparungen: Lösungen, die Unternehmen Zeit sparen, sorgen schlussendlich auch für finanzielle Einsparungen. Für einige Aufgaben müssen keine gesonderten Arbeitskräfte mehr eingesetzt werden, sodass an dieser Stelle Kosten entfallen.
• Intelligente Produkte: Künstliche Intelligenz selbst ist kein Produkt. KI ist Technologie. Spezielle KI-Technologie, die zu den Anforderungen des jeweiligen Unternehmens passt, wird in bestehende Produkte integriert, um sie zu verbessern. Unternehmen müssen demnach keine neuen Produkte entwickeln, um KI zu integrieren. Sie erhalten mit dem Einbau von intelligenten Sprachassistenten zum Beispiel einfach ein Upgrade für ihr bisheriges Produkt.
• Big Data Analysen: Menschen kommen irgendwann an ihre Grenzen, wenn es um die Analyse von Daten geht – einerseits in Bezug auf die Zusammenhänge und andererseits in Bezug auf die Menge der Daten. KI kennt diese Einschränkungen nicht. Verfügt ein KI-System über die entsprechende Rechenleistung, spielt die Größe der Datenmenge keine Rolle. Dementsprechend kann KI besonders detaillierte Analysen durchführen, die die menschlichen Fähigkeiten übersteigen würden.
• Kommunikation: KI unterstützt nicht nur bei der internen Arbeit, sondern auch beim Verständnis der Kundenbedürfnisse. Durch die Analyse von Kundendaten kann das System dabei helfen, die Customer Experience zu verbessern und Produkte sowie Aktionen besser auf die Wünsche der Kunden zuzuschneiden. Auch die direkte Kommunikation kann beispielsweise durch den Einsatz von Chatbots unterstützt werden.
• Flexibilität: Wer ein KI-System in seine Unternehmensprozesse integriert, ist nicht auf Ewig an den aktuellen Stand der Entwicklung gebunden. Vielmehr kann die Software kontinuierlich verbessert werden und lernt zum Teil eigenständig, wie sie effektiver arbeiten kann. Ändern sich die Anforderungen, kann auch die KI entsprechend angepasst werden.

Wie steht es um Nachteile von Artificial Intelligence?

Künstliche Intelligenz ist ein Forschungsfeld, das sich rasend schnell entwickelt. Gleichzeitig ist die Forschung daran noch lange nicht abgeschlossen – KI ist demnach nicht perfekt. Systeme können wie jedes andere IT-System auch fehleranfällig sein. Auch intransparente Entscheidungen sind ein Problem, das manche Unternehmen mit KI erleben – zum Teil können sie die Entscheidungen nicht nachvollziehen und wissen demnach nicht, warum Empfehlungen ausgesprochen werden.

Eine weitere Herausforderung besteht in der Integration von KI in den Unternehmensalltag. Die erste Zeit ist sowohl kosten- als auch zeit- und personalintensiv. Das System muss sich erst an die Anforderungen des Unternehmens anpassen und mit der Zeit lernen, wie es arbeiten muss – ähnlich wie beim Onboarding eines neuen Mitarbeiters.

Einsatzgebiete von Künstlicher Intelligenz

KI-Systeme begleiten uns inzwischen fast jeden Tag. Oft ist uns schlicht nicht bewusst, dass wir es gerade mit künstlicher Intelligenz zu tun haben, weil die Technologie für uns schon so normal geworden ist. In diesen alltäglichen Situationen finden wir zum Beispiel künstliche Intelligenz:

• Beim Onlineshopping: Kaufempfehlungen oder personalisierte Werbung, nachdem wir nach einem bestimmten Produkt gesucht haben, kennt inzwischen wohl jeder von uns. Dass es sich bei diesen Empfehlungen um KI handelt, ist uns jedoch oft gar nicht mehr bewusst. KI lernt anhand unserer Suchanfragen und spielt uns entsprechend Produkte aus, die zu uns passen.
• Beim Filmabend: Auch die großen Streamingdienste arbeiten mit künstlicher Intelligenz. Sie lernt anhand der Filme und Serien, die wir uns anschauen und bezieht gleichzeitig unsere Bewertungen mit ein. So kann sie uns Inhalte vorschlagen, die zu unserer bisherigen Auswahl passen. Auch diese KI wird besser, je mehr Daten ihr zur Verfügung stehen.
• Im Smartphone: Kurz den Timer beim Kochen stellen, damit wir die Nudeln nicht auf dem Herd vergessen, ist inzwischen zum Alltag geworden. Auch bei Sprachassistenten wie Alexa oder Siri handelt es sich um künstliche Intelligenz.
• In den sozialen Medien: Social Media Plattformen wie Instagram, Twitter oder YouTube werden international genutzt. Deshalb haben die Dienste die KI-unterstützte Funktion entwickelt, die automatische Übersetzungen beispielsweise für Tweets oder YouTube-Videos erstellt.

Nicht nur im Privatleben, sondern auch in unterschiedlichsten Branchen kommen KI-Systeme in Unternehmen zum Einsatz. Auch hier haben wir einige Beispiele zusammengestellt:

• Marketing & Vertrieb: Im Vertrieb und Marketing dreht sich alles um die Wünsche und Anforderungen der Kunden. Je besser Unternehmen ihre Zielgruppe kennen, desto besser können sie ihre Werbung auf sie anpassen und desto positiver können sie ihre Customer Journey gestalten. KI hilft dabei, indem sie das Kundenverhalten, die Käufe und die Bewertungen analysiert.
• Automobilindustrie: Selbstfahrende Autos sind aktuell eines der größten Forschungsgebiete der Automobilindustrie. Künstliche Intelligenz ist ein besonders wichtiger Bestandteil dieser Forschung. Nur durch intelligente Systeme, die den Straßenverkehr, Schilder und mögliche Hindernisse in Echtzeit analysieren und darauf reagieren können, lässt sich diese Entwicklung realisieren.
• Fertigung & Logistik: Produktionshallen, in denen Maschinen Produkte herstellen, sie verpacken und für den Transport vorbereiten – darum geht es in einer Smart Factory. Künstliche Intelligenz ist auch hier der Grundpfeiler für die Entwicklung – Produkte sollen lernen, ihre Anforderungen selbst an die Produktionsmaschinen zu kommunizieren und Maschinen sollen daraus ihre Arbeitsschritte erkennen und sie eigenständig umsetzen. Der Mensch muss die Maschinen nur noch überwachen.
• Medizin: Schon heute kann KI ein MRT genauso gut analysieren wie ein Radiologe. Sowohl für medizinische Diagnosen als auch für Health Services wie die regelmäßige Erinnerung an die Medikamenteneinnahme kommen KI-Systeme zum Einsatz. Forscher hoffen besonders in der Diagnose darauf, dass KI intelligenter wird als der Mensch, um beispielsweise die Krebsforschung und -früherkennung weiter voranzutreiben.

Herausforderungen in der KI-Entwicklung

Die Forschung rund um das Thema künstliche Intelligenz ist noch in vollem Gange. Immer wieder gibt es neue Erkenntnisse und Durchbrüche wie zum Beispiel die ersten Teststrecken für autonom fahrende Autos. Dennoch stehen Entwickler bei diesem Thema noch vor großen Herausforderungen, die es in der Zukunft zu meistern gilt. Diese Herausforderungen sind zu großen Teilen, aber nicht ausschließlich, technischer Natur:

• Cybersecurity: Je stärker Unternehmen sich auf Technologie verlassen, desto anfälliger sind sie für Angriffe durch Hacker. Hier ist KI gleichzeitig Fluch und Segen. Als Technologie ist sie grundsätzlich anfällig für Hackerangriffe – gleichzeitig kann KI aber auch darauf geschult werden, solche Angriffe zu erkennen und zu verhindern. Das System lernt in diesem Fall die üblichen Muster von Hackern kennen und kann so für eine bessere IT-Sicherheit sorgen.
• Ethik & Transparenz: Die allgemeine Einstellung zu künstlicher Intelligenz ist bei vielen Menschen noch immer mit Skepsis verbunden. Zu oft wurden negative Beispiele in den Medien und in Filmen verarbeitet und zu selten wird betont, wie KI schon heute unseren Alltag erleichtert. Umso wichtiger ist es, transparent mit den Funktionsweisen von KI umzugehen, um Menschen ihre Sorgen zu nehmen. Gleichzeitig spielt hier auch das Thema Ethik eine Rolle: Sollte KI einmal an die Intelligenz von Menschen herankommen, muss sie trotzdem so programmiert sein, dass sie unseren Gesetzen und unserer Ethik folgt.
• KI, Cloud & Datenverarbeitung: Künstliche Intelligenz muss nicht nur an sich weiterentwickelt werden, sie muss auch in Unternehmen integriert werden. Da sie zur Datenanalyse grundsätzlich unendliche Mengen an Daten zu Rate ziehen kann, benötigen Unternehmen eine entsprechende Rechenleistung. Eine gute Alternative zu großen Serverräumen nur für die KI ist die Integration über die Cloud. Heute gibt es bereits einige KI-Services, die über die Cloud angeboten werden – die Technologie steht allerdings noch eher am Anfang.
• Fachkräftemangel: Soll künstliche Intelligenz weiterentwickelt werden und in mehr Unternehmen Anwendung finden, werden dafür gut ausgebildete Fachkräfte benötigt. Gerade in der IT-Branche herrscht jedoch bereits seit Jahren starker Fachkräftemangel, der die gesamte Branche und damit auch die KI-Forschung weiterhin vor Herausforderungen stellt.