Gamechanger Künstliche Intelligenz E-Book

Nicolai Schümann

• Herausgeber: Haufe Lexware
• Kategorie: Fachliteratur
• Serie: Haufe Fachbuch
• Sprache: Deutsch

Seitenzahl: 375

Veröffentlichungsjahr: 2024

Beschreibung

Künstliche Intelligenz ist dabei, unsere Arbeit grundlegend zu verändern. Doch wie begegnet man möglichen Berührungsängsten und setzt KI im beruflichen Kontext sinnvoll ein? Nicolai Schümann hilft Manager:innen, aus alten Denkmustern auszubrechen und Unsicherheiten abzubauen. Er möchte Berührungsängste mit den neuen Technologien abbauen und dazu ermutigen, digitale Werkzeuge zu guten Partnern und Assistenten zu machen, um die eigene Innovationskraft und Kreativität zu steigern. Sein Buch zeigt, wie KI in der Praxis eingesetzt werden kann, um neue Produktideen, produktivere Prozesse oder originellere Inhalte zu entwickeln. Fallstudien, praktische Übungen und konkrete Anwendungsbeispiele erleichtern die Umsetzung im Arbeitsalltag. Inhalte: - KI, Digitalisierung und der Aufbruch in eine neue Zeitwende - Kreativität versus Innovation: Warum beide Gehirnhälften im Business wichtig sind und wieso Innovation der wichtigste Wachstumsfaktor unserer Zeit ist - Das Mindset ändern: Wie wir uns KI und Innovationen öffnen und wieso das wichtig ist - Erfolgsgeschichten: prominente Innovationserfolge mit KI und digitalen Technologien - Das KI-Toolkit: Hacks und Tricks für den Business-Alltag - Drachen und Monster: Wie uns Algorithmen dabei helfen, die inneren Zweifler in Zaum zu halten - Die Zukunft der Innovation: Wieso bald jeder einen Roboter als Muse haben wird Die digitale und kostenfreie Ergänzung zu Ihrem Buch auf myBook+: - E-Book direkt online lesen im Browser - Persönliche Fachbibliothek mit Ihren Büchern Jetzt nutzen auf mybookplus.de.

Leseprobe

Inhaltsverzeichnis

InhaltsverzeichnisHinweis zum UrheberrechtmyBook+ImpressumEinführung1 Intelligenz1.1 Die Geschichte der Intelligenz1.2 Die Geschichte der künstlichen Intelligenz2 Mensch vs. Maschine2.1 Vorteile von KI2.2 Vorteile Mensch3 Exkurs: Large Language Models4 Kreativität – und wie KI dabei helfen kann4.1 Der kreative Prozess4.2 Kreativitätstechniken4.3 Computergestützte Kreativität4.4 Ideenfindung, Muster und Vorhersagen5 Innovation und KI5.1 Die Geschichte von Innovation5.2 Wie funktioniert Innovation?5.3 Divergenz und Konvergenz5.4 KI in der Produktentwicklung5.5 Wie KI Innovationsfunktionen unterstützt5.6 Grenzen der KI – inkrementelle vs. radikale Innovation6 Auswirkungen von KI auf die wichtigsten Branchen6.1 Gesundheitswesen6.2 Finance6.3 Unterhaltung und Medien6.4 Einzelhandel und E-Commerce6.5 Automobil und Transport6.6 Herstellung und Produktion6.7 Landwirtschaft6.8 Bildung6.9 Immobilien und Stadtplanung6.10 Beratung6.11 IT-Industrie6.12 Strategische Planung6.13 Fazit7 KI-Readiness – verstehen, akzeptieren, einführen7.1 Voraussetzungen schaffen7.2 Implementierung der KI7.3 Neue Rollen und Verantwortlichkeiten7.4 Innovation und Kreativität in Unternehmen8 Roboter und KI – eine Geschichte der greifbaren Innovation9 Gefahren der KI – von Büroklammer-Maximierern und Terminatoren10 Menschliche Kreativität im Zeitalter der Maschine11 Törichte Innovationen11.1 Bob Taylors Sehnsucht nach Bequemlichkeit11.2 Die Vergesslichkeit von Dr. John Harvey Kellogg11.3 The Velvet Underground12 Kleiner Schlussappell: Die Schönheit der DämlichkeitGlossarDankeDer AutorBibliografieIhre Online-Inhalte zum Buch: Exklusiv für Buchkäuferinnen und Buchkäufer!Stichwortverzeichnis

Buchnavigation

InhaltsubersichtCoverTextanfangImpressum

[1]

Hinweis zum Urheberrecht

Alle Inhalte dieses eBooks sind urheberrechtlich geschützt.

Bitte respektieren Sie die Rechte der Autorinnen und Autoren, indem sie keine ungenehmigten Kopien in Umlauf bringen.

Dafür vielen Dank!

myBook+

Ihr Portal für alle Online-Materialien zum Buch!

Arbeitshilfen, die über ein normales Buch hinaus eine digitale Dimension eröffnen. Je nach Thema Vorlagen, Informationsgrafiken, Tutorials, Videos oder speziell entwickelte Rechner – all das bietet Ihnen die Plattform myBook+.

Ein neues Leseerlebnis

Lesen Sie Ihr Buch online im Browser – geräteunabhängig und ohne Download!

Und so einfach geht’s:

Gehen Sie auf https://mybookplus.de, registrieren Sie sich und geben Sie Ihren Buchcode ein, um auf die Online-Materialien Ihres Buches zu gelangen

Ihren individuellen Buchcode finden Sie am Buchende

Wir wünschen Ihnen viel Spaß mit myBook+ !

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar.

Print:

ISBN 978-3-648-17561-3

Bestell-Nr. 10996-0001

ePub:

ISBN 978-3-648-17562-0

Bestell-Nr. 10996-0100

ePDF:

ISBN 978-3-648-17563-7

Bestell-Nr. 10996-0150

Nicolai Schümann

Gamechanger Künstliche Intelligenz

1. Auflage, Februar 2024

© 2024 Haufe-Lexware GmbH & Co. KG, Freiburg

www.haufe.de

[email protected]

Bildnachweis (Cover): © gremlin, iStock

Produktmanagement: Mirjam Gabler

Lektorat: Juliane Sowah

Dieses Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Alle Rechte, insbesondere die der Vervielfältigung, des auszugsweisen Nachdrucks, der Übersetzung und der Einspeicherung und Verarbeitung in elektronischen Systemen, vorbehalten. Alle Angaben/Daten nach bestem Wissen, jedoch ohne Gewähr für Vollständigkeit und Richtigkeit.

Sofern diese Publikation ein ergänzendes Online-Angebot beinhaltet, stehen die Inhalte für 12 Monate nach Einstellen bzw. Abverkauf des Buches, mindestens aber für zwei Jahre nach Erscheinen des Buches, online zur Verfügung. Ein Anspruch auf Nutzung darüber hinaus besteht nicht.

Sollte dieses Buch bzw. das Online-Angebot Links auf Webseiten Dritter enthalten, so übernehmen wir für deren Inhalte und die Verfügbarkeit keine Haftung. Wir machen uns diese Inhalte nicht zu eigen und verweisen lediglich auf deren Stand zum Zeitpunkt der Erstveröffentlichung.

Einführung

Die KI-Revolution kommt. Und sie kommt schnell. Eigentlich ist sie schon da.

Seit der Mainstream-Einführung von künstlicher Intelligenz (KI) in unserer Gesellschaft, insbesondere getrieben durch benutzerfreundliche Large Language Models (LLMs) wie ChatGPT, die es nun ermöglichen, mit einfacher Sprache mit Maschinen zu kommunizieren, überschlagen sich die Meldungen mit einer Mischung aus sensationsgetriebenen Zukunftsszenarien und dem pragmatischen Hinweis, dass KI die Welt komplett verändern wird. Medien und Geschäftswelt scheinen von der schieren Stärke, dem rapiden Einfluss der KI nicht nur verblüfft, sondern teils eingeschüchtert.

Dabei spaltet sich das Lager in ehrfürchtige Zweifler:innen und glühende Anhänger:innen. Letztere argumentieren, dass KI der bedeutendste Fortschritt für die Menschheit seit der Agrarrevolution sei und glauben, dass die KI ebenso allgegenwärtig sein wird wie Elektrizität. Viele Unternehmen verfolgen daher eine »KI-First-Strategie«. Googles CEO Pichai, SundarSundar Pichai sagte gar in einem Interview mit dem Fernsehsender CBS, dass KI »die tiefgreifendste Technologie ist, an der die Menschheit je gearbeitet hat. Tiefergreifend als Feuer, Elektrizität oder alles, was wir in der Vergangenheit getan haben« (Nolan, 2023).

Und natürlich gibt es die Zweifler:innen, die Fraktion, die KI mit Misstrauen beäugt und befürchtet, dass KI nicht nur Arbeitsplätze wegnimmt, sondern auch graduell die Verantwortung von Mensch auf Technik verlagert und ethische Prinzipien mindestens ins Wanken bringt – um in absehbarer Zukunft womöglich gar das Ende der menschlichen Zivilisation einzuläuten.

In einem Punkt sind sich jedoch die Befürworter:innen und die Zweifler:innen einig: KI ist eine Schlüsseltechnologie, die nicht ignoriert werden darf.

Das unermüdliche Streben nach immer leistungsstärkeren KIs, deren Entwicklung aktuell vor allem von den großen US-amerikanischen Technologieunternehmen mit schier unerschöpflichen monetären und fachlichen Ressourcen vorangetrieben wird, lässt auch die Stimmen lauter werden, die nach Regulierung rufen. Und so arbeiten auf beiden Seiten des Ozeans die Regierungen bereits mit Hochdruck an potenziellen KI-Regularien. Einige der renommiertesten KI-Expert:innen haben einen Brief verfasst, in dem sie zu einer sechsmonatigen Pause in der KI-Entwicklung drängen in der Hoffnung, der Menschheit genügend Zeit zu geben, dieses aufkeimende Phänomen zu justieren.

Sind die Sorgen berechtigt? Ich nehme es vorweg: Eine eindeutige Antwort gibt es nicht. Was wir jedoch wissen, ist, dass die Geister, die wir riefen, nun da sind und sich rasant in unser tägliches Leben integrieren. »Ich bin seit 50 Jahren in diesem Bereich tätig«, sagte etwa Schmidt, EricEric Schmidt, ehemaliger Google-CEO, Anfang April 2023 in »This Week with George Stephanopoulos«, »aber ich habe noch nie gesehen, dass sich eine Technologie so schnell entwickelt.«

In der Tat ist KI in zweierlei Hinsicht eine einzigartige Technologie: Sie ist die erste in der Menschheitsgeschichte, die a) Entscheidungen treffen und b) eigene Ideen entwickeln kann. Während frühere Erfindungen wie Messer, Dosenöffner oder Automobile und das Internet Werkzeuge waren, die auf menschliche Führung und Anweisungen warteten, kann KI eigenständig handeln. Die scheinbare Autarkie dieser Technologie ist bahnbrechend.

Die durch KI ausgelösten Veränderungen sind rasant. Entscheidungen, die früher langwieriger menschlicher Überlegung bedurften, wie etwa Kreditgenehmigungen oder HR-Selektionsprozesse, werden zunehmend von KI getroffen. Ebenso sind viele Ideen und Erzählungen, die unser Weltbild prägen, nun KI-generiert. Deshalb müssen wir uns mit künstlicher Intelligenz auseinandersetzen. Und zwar jetzt.

Im Idealfall werden wir dabei KI als treue Verbündete und als Muse für Kreativität nutzen – und ebenso unsere Autarkie als Menschen behalten und nicht Sklav:innen einer Technologie werden.

Der Silberstreif am Horizont ist das schier unendliche Potenzial von KI. Während die KI-Bemühungen vieler Start-ups manchmal oberflächlich erscheinen mögen und sich auf die Optimierung automatisierter Lieferketten oder die Verbesserung personalisierter Sales-Aktivitäten konzentrieren, gibt es zahlreiche vielversprechende Einsatzmöglichkeiten, die einen echten Unterschied machen können, beispielsweise in der Medizin und im Umweltschutz. Wie wir später sehen, verspricht künstliche Intelligenz Lösungen für Herausforderungen und Probleme, die wir bisher für unüberwindbar hielten: von der Heilung scheinbar unheilbarer Krankheiten bis zur Bekämpfung des Klimawandels.

Ein weiterer beruhigender Gedanke sollte für uns alle sein, dass künstliche Intelligenz keine unvermeidliche, außerirdische Kraft ist. Es ist nicht so, als wären plötzlich Aliens auf der Erde gelandet, mit denen wir jetzt klarkommen müssen. Nein, KI ist eine Schöpfung von uns, den Menschen. Daher liegt es weiterhin auch in unserer Macht, ihre Entwicklung zu kontrollieren. Wir sind am Steuer, diktieren die Richtung und entscheiden über unsere gemeinsame Zukunft mit KI – also dem maschinellen Lernen und der Automatisierung intelligenten Verhaltens.

Es besteht kein Zweifel, dass KI unser Arbeitsleben verbessern und die Produktivität drastisch steigern kann, indem sie alltägliche und uns lästige Routineaufgaben erledigt. KI kann mittlerweile ganze Geschäftsprozesse automatisieren und anspruchsvollere Sachaufgaben bewältigen, wie sie unter anderem in Bereichen wie Buchhaltung und Recht vorkommen.

Eine spannendere, noch weitreichendere Frage ist aber diese: Kann KI auch die menschliche Kreativität und Innovationsfähigkeit steigern? Werden wir KI-Versionen von Thomas Alva Edison, Camille Claudel oder Albert Einstein sehen? Und wenn ja, welche Konsequenzen ergeben sich daraus für Mensch und Gesellschaft?

Auf diese Frage konzentriert sich dieses Buch und möchte Antworten geben, indem es sich mit praktischen KI-Anwendungen befasst, die die menschliche Kreativität fördern können. Begleitend wird ein intensiver Blick auf die durch KI neu gestaltete Innovationslandschaft geworfen und es werden Ansätze vorgestellt, wie Einzelpersonen und Unternehmen sich in der neuen KI-Landschaft zurechtfinden können. Das Buch erläutert Strategien zur Vorbereitung, Relevanz und Maximierung des Innovations- und Kreativitätspotenzials künstlicher Intelligenz.

Dass wir uns KI nicht verschließen können, formuliert der US-amerikanische Informatiker Aaronson, ScottScott Aaronson treffend: »Nur wenige würden bestreiten, dass unsere Beziehung zu einer sich ständig weiterentwickelnden künstlichen Intelligenz das 21. Jahrhundert maßgeblich prägen wird.« (Bashir, 2023)

In diesem Buch werden wir erfahren, wie wir unsere Beziehung zur KI bestmöglich aufbauen und wie wir sie positiv nutzbar machen, um kreativer und innovativer zu werden – ohne uns von ihr abhängig zu machen.

1 Intelligenz

Bevor wir tiefer in die Materie einsteigen und die Schnittstelle von KI zu kreativen Innovationsprozessen beleuchten, klären wir ein paar Begrifflichkeiten. Beginnen wir mit der Intelligenz.

Intelligenz ist ein Konzept, das so alt ist wie die menschliche Neugier selbst. Und doch bleibt es ein Mysterium, das die Grenzen unseres Verständnisses ständig herausfordert. In seiner Essenz ist Intelligenz die Fähigkeit zu lernen, zu verstehen, zu denken und Probleme zu lösen. Sie ist das unsichtbare Band, das die Knoten des Wissens miteinander verbindet, ein Fluss des Verstehens, der sich durch die Landschaft des menschlichen Geistes windet. Dieses Kapitel wird Sie auf eine Reise mitnehmen, um die vielfältigen Dimensionen der Intelligenz zu erkunden – von der Historie bis hin zu den unendlichen Möglichkeiten ihres Ausdrucks.

Was ist Intelligenz?

IntelligenzEs scheint keine unumstrittene »korrekte« Definition von Intelligenz zu geben. Stattdessen gibt es viele konkurrierende Begriffsbestimmungen in unterschiedlichen Variationen. Komprimiert geht es um die Fähigkeit, Wissen zu lernen, zu verstehen und anzuwenden, sich an neue Situationen anzupassen, Probleme zu lösen und abstrakte Konzepte oder Ideen zu entwickeln. Oder um es mit David Wechsler zu formulieren: »[…] die zusammengesetzte oder globale Fähigkeit des Individuums, zweckvoll zu handeln, vernünftig zu denken und sich mit seiner Umgebung wirkungsvoll auseinanderzusetzen […]« (Wikipedia, 2023). Um die menschliche Intelligenz in ihren einfachsten Begriffen zu beschreiben, definiert Tegmark, MaxMax Tegmark in seinem Buch »Life 3.0« Intelligenz als »Fähigkeit, komplexe Ziele zu erreichen« (Tegmark, 2017).

Zum Zwecke dieses Buches definieren wir menschliche Intelligenz als alle kognitiven Fähigkeiten, die logisches Denken, Wahrnehmung, Gedächtnis und Sprachverständnis umfassen.

1.1 Die Geschichte der Intelligenz

Genauso schwer greifbar wie eine genaue Definition von Intelligenz ist auch ihre Geschichte, die vielschichtig ist und zahlreiche Disziplinen wie Philosophie, Psychologie, Biologie und Informatik durchzieht. Es ist nicht unwesentlich, sich daran zu erinnern, dass wir nicht immer so intelligent waren, wie wir es heute sind – jedenfalls nicht in puncto kognitiver Intelligenz, die die intellektuelle Denkfähigkeit von Menschen bezeichnet. Und, wie das Buch zeigen wird, werden wir vielleicht in nicht so ferner Zukunft auch nicht mehr das intelligenteste Wesen auf diesem Planeten sein.

Der folgende historische Überblick deutet die Breite und Komplexität an und verdeutlicht das unaufhörliche menschliche Bestreben, das Mysterium namens Intelligenz in Fülle zu begreifen.

Antike: Die antiken griechischen Philosophen, insbesondere PlatonPlaton und AristotelesAristoteles, prägten erstmalig das Verständnis von Intelligenz als Ausdruck der Weisheit, welche sich auf die höchsten menschlichen Fähigkeiten bezieht, universelle Wahrheiten zu erkennen. Östliche Philosophien hingegen setzten Intelligenz in Bezug zu spirituellen Konzepten, wobei häufig die Vorstellung einer gottähnlichen Entität oder einer Muse präsent war, die zur menschlichen Intelligenz beitrug.

Mittelalter bis Aufklärung: Während dieses Zeitraums stand Intelligenz häufig in Zusammenhang mit der menschlichen Seele oder göttlicher Inspiration. Philosophen wie DescartesDescartes, René und LeibnizLeibniz, Gottfried Wilhelm postulierten, dass bestimmte Formen von Wissen angeboren seien, was auf eine naturgegebene Vorstellung von Intelligenz hindeute.

Frühe psychologische Konzepte: Mit der Etablierung der Psychologie als eigenständige Disziplin im 19. Jahrhundert begann auch die wissenschaftliche Auseinandersetzung mit dem Konzept der Intelligenz. Francis GaltonGalton, Francis, britischer Naturforscher und ein Vorreiter in diesem Bereich, befürwortete die Messung von Intelligenz durch einfache sensorische Tests, gestützt durch seine Auffassung, dass Intelligenz primär ein biologisches Attribut sei.

Beginn der IQ-Ära im frühen 20. Jahrhundert: Alfred BinetBinet, Alfred und Théodore SimonSimon, Théodore führten den Binet-Simon-Test ein, um die intellektuellen Fähigkeiten von Kindern zu bewerten. Aus ihren Arbeiten entstand das Konzept des Intelligenzquotienten (IQ), welches sich rasch als dominante Methode zur Bewertung kognitiver Intelligenz durchsetzte. Mit der Zeit wurden jedoch auch seine Grenzen und möglichen Missbräuche deutlich.

Mitte bis Ende des 20. Jahrhunderts wurde es noch komplexer. Howard GardnersGardner, Howard – empirisch nicht belegte – »Theorie der multiplen Intelligenzen« konstatierte, dass Intelligenz keine einzelne Einheit sei, sondern aus mehreren unabhängigen Intelligenzen bestehe, zum Beispiel sprachlicher, logisch-mathematischer, räumlicher, zwischenmenschlicher und emotionaler Intelligenz. Im späten 20. Jahrhundert entstand unter der Leitung von Forschern wie Peter SaloveySalovey, Peter und John D. MayerMayer, John D. das »Konzept der emotionalen Intelligenz«, das von Daniel GolemanGoleman, Daniel populär gemacht wurde. Dieses Modell geht davon aus, dass das Verstehen und Bewältigen von Emotionen ebenfalls eine Form der Intelligenz sein kann.

Das moderne Verständnis und ein breiter Konsens unter Psychologinnen und Neurologen bestehen darin, dass Intelligenz ein vielschichtiges Konstrukt ist, das verschiedene geistige Fähigkeiten umfasst, darunter Problemlösung, logisches Denken, Gedächtnis und Anpassung an die eigene Umgebung. Dabei ist auch der kulturelle Aspekt zu berücksichtigen: Unterschiedliche Kulturen weisen teils abweichende Interpretationen und Werte für Intelligenz auf.

Künstliche Intelligenz – ein Jahrhunderte alter Drang

Künstliche Intelligenz (KI)Um es noch interessanter zu machen, haben die Menschen schon seit sehr langer Zeit Formen der künstlichen Intelligenz erdichtet. Der Traum, Leben oder Intelligenz aus unbelebter Materie zu erschaffen, hat die Menschheit seit der Antike in ihren Bann gezogen. Angefangen bei antiken Mythen wie dem Golem, einem durch Magie belebten Tonwesen aus der jüdischen Folklore, über die mechanischen Automaten des Mittelalters bis hin zur Novelle »Frankenstein«, die 1818 von der erst 20-jährigen Mary ShelleyShelley, Mary geschrieben wurde, zeugt unsere Geschichte von zahlreichen Erzählungen und realen Experimenten, künstliche Wesen mit menschenähnlichen Zügen zu kreieren.

Diese tiefgreifende Faszination entspringt unserem Verlangen, die Essenz des Bewusstseins zu enträtseln, unsere eigenen Grenzen zu überwinden und uns in der Rolle eines gottähnlichen Schöpfers zu sehen. Die aktuelle Entwicklung in der künstlichen Intelligenz, die verspricht, Maschinen zu schaffen, die denken, lernen und Emotionen zeigen, reflektiert diese zeitlosen Bestrebungen – wenn auch in neuen und unvergleichlich größeren Dimensionen.

Psychologisch betrachtet spiegelt unsere Begeisterung für KI auch unser Bedürfnis wider, über unsere eigene Existenz zu reflektieren. Im Streben, Intelligenz zu simulieren, konfrontieren wir uns zwangsläufig mit grundlegenden Fragen zu unserem eigenen Bewusstsein, unserer Stellung im Kosmos und den Grenzen des Lebens. KI fasziniert uns nicht nur wegen technologisch möglicher Meisterleistungen, sondern auch aufgrund der Möglichkeit, das Mysterium unserer eigenen Existenz zu reflektieren und zu erforschen. Vielleicht unterstützt uns die Erforschung künstlicher Intelligenz auch dabei, uns gewahr zu werden, was es bedeutet, Mensch zu sein. Dazu mehr in Kapitel 10.

Künstliche Intelligenz – eine künftig unzulängliche Definition

Künstliche Intelligenz (KI) bezeichnet einen Bereich der Informatik, der sich auf die Entwicklung von Maschinen konzentriert, welche Aufgaben übernehmen können, die typischerweise menschliche Intelligenz voraussetzen. Zu diesen Fähigkeiten gehören unter anderem das Verstehen natürlicher Sprache, Muster- und Bilderkennung, Entscheidungsfindung, Problemlösung und adaptives Lernen.

Diese gängige beziehungsweise fachbereichsbezogene Definition wird künftig nicht ausreichen. Denn unsere Auffassung von Intelligenz unterliegt, wie in der historischen Übersicht angerissen, einem stetigen Wandel und wird in vielen Aspekten nach wie vor kontrovers diskutiert, beispielsweise bezüglich des Einflusses von Genetik und Umwelt auf die Intelligenz, der Validität und Fairness von Intelligenztests sowie nun verstärkt auch der potenziellen Konsequenzen künstlicher Intelligenz.

1.2 Die Geschichte der künstlichen Intelligenz

Lassen Sie uns tiefer in die faszinierende Reise der künstlichen Intelligenz eintauchen.

Erste kleine Schritte (1950er- bis 1960er-Jahre): Der theoretische Grundstein für KI wurde gelegt, als der britische Mathematiker Alan TuringTuring, Alan in einer bahnbrechenden Arbeit eine Maschine vorschlug, die jede menschliche Intelligenz simulieren könnte, heute bekannt als universelle Turingmaschine. Turings Ideen zur maschinellen Intelligenz gipfelten im sogenannten Turing-Test, einer Methode zur Bestimmung, ob eine Maschine menschenähnliche Intelligenz aufweist. Der Begriff »künstliche Intelligenz« selbst wurde 1956 auf der Dartmouth-Konferenz geprägt, wo John McCarthyMcCarthy, John, Marvin MinskyMinsky, Marvin, Nathaniel RochesterRochester, Nathaniel und Claude ShannonShannon, Claude vorschlugen, dass »jeder Aspekt des Lernens oder jedes andere Merkmal der Intelligenz im Prinzip so präzise beschrieben werden kann, dass man eine Maschine bauen kann, die es simuliert« (Dick, 2019). Damit war das Gebiet der KI-Forschung geboren.

Das erste Goldene Zeitalter (1960er- bis 1970er-Jahre): Diese Zeit war geprägt von Optimismus und einer Flut an Fördermitteln. Die frühe KI-Forschung konzentrierte sich auf den Aufbau von Systemen, die die menschliche Intelligenz nachahmen konnten, einschließlich Problemlösung und Wissensdarstellung. In dieser Zeit wurden Programme wie ELIZA und SHRDLU entwickelt, die vielversprechende (wenn auch oberflächliche) Demonstrationen maschineller Intelligenz boten. ELIZA war ein Computerprogramm zur Verarbeitung natürlicher Sprache, das 1964–1966 am Massachusetts Institute of Technology (MIT) vom deutsch-amerikanischen Informatiker Joseph WeizenbaumWeizenbaum, Joseph entwickelt wurde. Es vermittelte die Illusion, Englisch zu verstehen, obwohl es sich dabei lediglich um die geschickte Manipulation von Konversationsskripten handelte. Dazu gibt es eine lustige wie denkwürdige Episode: Einige Antworten von ELIZA waren so überzeugend, dass Weizenbaum und mehrere andere Benutzer:innen eine emotionale Bindung zu dem Programm entwickelten und gelegentlich vergaßen, dass sie sich mit einem Computer unterhielten. Weizenbaums Sekretärin soll ihn gar gebeten haben, den Raum zu verlassen, damit sie und ELIZA ein persönliches Gespräch führen könnten (Curtis, 2014).

Der KI-Winter (1970er- bis Anfang der 1990er-Jahre): Die KI erlebte eine Zeit der Ernüchterung und reduzierter Finanzierung, die als »KI-Winter« bekannt ist. Der Hype und die hohen Erwartungen der Anfangsjahre stießen auf technische Einschränkungen und die Erkenntnis, dass die menschliche Intelligenz nicht so leicht zu reproduzieren oder zu verstehen war, wie zunächst angenommen. Der Schwerpunkt des Fachgebiets begann sich in spezialisierte Teilgebiete zu fragmentieren.

Die Auferstehung (1990er- bis Anfang der 2000er-Jahre): Mit dem Aufkommen des Internets und der deutlichen Steigerung der Rechenleistung und verfügbarer Daten erlebte die KI einen Aufschwung, Lernen, maschinelles (ML)maschinelles Lernen rückte zunehmend in den Mittelpunkt: ein Teilbereich der KI, der die Entwicklung von Algorithmen beinhaltet, die es Computern ermöglichen, aus Daten zu lernen und Entscheidungen auf deren Grundlage zu treffen. KI begann Einzug in alltägliche Anwendungen wie Spracherkennung, Data Mining und Verarbeitung natürlicher Sprache zu halten.

Der KI-Frühling und Deep LearningLernen, maschinelles (ML), Deep Learning (Mitte der 2000er- bis 2010er-Jahre): Ein bedeutender Meilenstein wurde erreicht, als eine Form des maschinellen Lernens namens Deep Learning entwickelt wurde. Deep Learning nutzt künstliche neuronale Netze mit mehreren Schichten (daher »deep«, also tief), um komplexe Muster zu modellieren und zu verstehen. Dies führte zu erheblichen Fortschritten in Bereichen wie der Bild- und Spracherkennung. In dieser Ära gelangen KI-basierten Anwendungen mehrere aufsehenerregende Durchbrüche, beispielsweise der Sieg von IBMs Deep Blue über den Schachweltmeister Garry KasparovKasparov, Garry im Jahr 1997 und der Sieg von Googles AlphaGo über den Go-Weltmeister Lee SedolSedol, Lee im Jahr 2016. Jede Person, die noch an der Intelligenz und Lernfähigkeit von Maschinen zweifelt, sollte wissen, dass Maschinen nicht nur bereits seit etwa 75 Jahren Spiele spielen, sondern heutzutage in jedem Spiel besser sind als ihre menschlichen Gegenspieler (Gawdat, 2022).

Boomjahre und Superintelligenz (seit 2020): Die KI hat in den letzten Jahren einen regelrechten Boom erfahren und ist in den Mainstream eingezogen. KI-Technologien wie das GPT-Sprachmodell von OpenAI sind in der Lage, Text zu generieren, der sich nicht mehr von menschlich generierten Texten unterscheiden lässt. Das Gleiche schafft DALL-E für die Generierung von Bildern und diverse andere KI-Applikationen für Musik. Auch das Potenzial für superintelligente KI oder künstliche allgemeine Intelligenz (Artificial General Intelligence, AGI)Artificial General Intelligence (AGI) ist heute Gegenstand intensiver Debatten. AGI bezeichnet eine Form künstlicher Intelligenz, die in der Lage ist, jede intellektuelle Aufgabe zu erfüllen, die auch ein menschliches Wesen ausführen kann. Es handelt sich also um eine universell einsetzbare KI, die über menschenähnliche Denkfähigkeiten verfügt. Doch während sich künstliche Intelligenz bei spezifischen, eng definierten Aufgaben bewährt hat, bleibt die Schaffung eines Systems mit umfassender, menschenähnlicher Intelligenz (AGI) eine gewaltige Herausforderung – und niemand kann verlässlich voraussagen, ob und wann AGI sich etablieren wird. Im Jahr 2023 scheinen der Boom und die damit einhergehende Aufregung über die Zukunftsaussichten der KI höher zu sein als je zuvor. Während die Medienlandschaft 2022 von dem Hype um das Metaverse und Virtual Reality (VR) geprägt war, ist es 2023 die KI. Aktuell sind wir ganz weit oben auf dem sogenannten Hype-ZyklusHype-Zyklus.

Hype-Zyklus

»Der Hype-Zyklus stellt dar, welche Phasen der öffentlichen Aufmerksamkeit eine neue Technologie bei deren Einführung durchläuft. Der Begriff des Hype-Zyklus wurde von der Gartner-Beraterin Jackie Fenn geprägt und dient heute Technologieberatern zur Bewertung in der Einführung neuer Technologien.« (Wikipedia, 2023)

Ob es KI bis zum »Plateau der Produktivität«, der höchsten Zyklusstufe, schafft beziehungsweise wie die »Endhöhe« aussieht, vermag derzeit wohl niemand zu prognostizieren.

Schmale vs. allgemeine KI

KI lässt sich sehr grob in zwei Kategorien einteilen:

Künstliche Intelligenz (KI), schmale/engeSchmale KI: Diese Systeme werden auch als »schwache KI« bezeichnet und sind darauf ausgelegt, bestimmte praktische Aufgaben wie Spracherkennung, Empfehlungssysteme oder Bilderkennung auszuführen. Sie sind speziell für einzelne Aufgaben programmiert. Siri, Amazons Alexa und Google Assistant sind Beispiele für schwache KI.

Künstliche Intelligenz (KI), allgemeine/starkeAllgemeine (starke) KI: Diese Kategorie umfasst Systeme, die theoretisch die Fähigkeit besitzen, jede intellektuelle Aufgabe auszuführen, die ein Mensch ausführen kann. Sie können Wissen beziehungsweise Informationen und Zusammenhänge in einem breiten Spektrum von Aufgaben verstehen, sie können lernen, sich anpassen, Entscheidungen treffen und umsetzen.

Derzeit ist die allgemeine starke künstliche Intelligenz noch ein theoretisches Konstrukt und bleibt ein wichtiger Schwerpunkt der KI-Forschung. Schmale KI-Systeme hingegen werden schon breit angewandt. Sie basieren auf einer Kombination mehrerer Technologien und Methoden, darunter maschinelles Lernen, Deep Learning, Verarbeitung natürlicher Sprache, neuronale Netze und kognitives Computing. In der Praxis können KI-Anwendungen von autonomen Fahrzeugen und prädiktiven Analysen bis hin zu Chatbots und virtuellen persönlichen Assistenten reichen.

KI darf nicht mit maschinellem Lernen verwechselt werden

Lernen, maschinelles (ML)Um Konfusion zu vermeiden: Künstliche Intelligenz und maschinelles Lernen (ML) sind zwei Begriffe, die oft synonym verwendet werden, aber nicht dasselbe bedeuten.

Während künstliche Intelligenz ein weites Feld der Informatik ist, welches sich auf die Entwicklung intelligenter Maschinen konzentriert, die menschliche Intelligenz simulieren können, ist maschinelles Lernen eine Teilmenge der KI. Bei ML handelt es sich um eine Methode zum Trainieren von Algorithmen, um aus Daten zu lernen und Vorhersagen zu treffen. ML ist der Mechanismus, der die KI vorantreibt. Es ist der Motor hinter den intelligenten Systemen, die wir heute sehen.

Lernen, maschinelles (ML)Beim maschinellen Lernen werden Daten in ein Modell eingespeist (das eine mathematische Darstellung eines realen Prozesses ist). Das Modell trifft auf Grundlage der Daten Vorhersagen, die wiederum auf ihre Richtigkeit überprüft und bei Bedarf Anpassungen am Modell vorgenommen werden. Dieser Vorgang wird wiederholt, bis die Vorhersagen des Modells ein akzeptables Maß an Genauigkeit erreichen. Das Modell lernt also.

Lernen, maschinelles (ML), Deep LearningDeep Learning ist ein weiterer Teilbereich des maschinellen Lernens, der eine hierarchische Ebene künstlicher neuronaler Netze nutzt, um den Prozess des maschinellen Lernens durchzuführen, das menschliche Gehirn nachzuahmen, Daten zu verarbeiten und Muster für die Entscheidungsfindung zu erstellen.

Zusammengefasst

Künstliche Intelligenz ist das umfassendere Konzept von Maschinen, die in der Lage sind, Aufgaben auf eine Weise auszuführen, die wir als intelligent bezeichnen würden, während maschinelles Lernen (ML) eine praktische Anwendung und ein aktueller Ansatz zur Erreichung von KI ist.

Wie Maschinen lernen – von regelbasierter Einfachheit bis zu generativer KI

Künstliche Intelligenz hat seit ihrer Einführung in den 1950er-Jahren mehrere Entwicklungsphasen durchlaufen – von einfachen regelbasierten Systemen, die nach einfachen Wenn-dann-Regeln arbeiten, bis zu den hochkomplexen generativen KIs, wie sie heute im Einsatz sind.

System, regelbasiertesRegelbasierte Systeme: Regelbasierte Systeme sind die einfachste Form der KI, bei denen Entscheidungen auf Basis eines definierten Regelwerks getroffen werden. Wenn Sie beispielsweise einen Spamfilter konzipieren, könnten Sie dem System Regeln wie »Wenn eine E-Mail die Wörter ›Geld gewinnen‹ und ›dringend‹ enthält, klassifiziere sie als Spam« vorgeben. Der Vorteil regelbasierter Systeme liegt in ihrer Vorhersehbarkeit und Einfachheit. Sie sind leicht zu verstehen und zu modifizieren und können sehr effektiv sein, wenn die Domäne, in der sie eingesetzt werden, gut verstanden und stabil ist. Allerdings fehlt es ihnen an Flexibilität. Sie können neue Informationen oder Szenarien nicht verarbeiten, die nicht explizit programmiert wurden und sie können sich schon gar nicht autonom veränderten Gegebenheiten anpassen, wie es moderne KI-Systeme können.

Lernen, maschinelles (ML), überwachtes LernenÜberwachtes Lernen: Beim überwachten Lernen werden Computer darauf trainiert, auf Basis von Daten zu lernen und zu handeln. Modelle werden mit einem Datensatz trainiert, dessen Antworten oder Labels bereits bekannt sind. Möchte man beispielsweise, dass eine Maschine zwischen Bildern von Katzen und Hunden unterscheidet, speist man sie mit zahlreichen Bildern, die entweder als »Katze« oder »Hund« gekennzeichnet sind, bis die Maschine eigenständig in der Lage ist, Hund und Katze zu unterscheiden. Der Hauptvorteil des überwachten Lernens ist seine Wirksamkeit bei Aufgaben, bei denen wir ein klares Verständnis der Input-Output-Beziehungen haben und ausreichend gelabelte Daten zur Verfügung stehen, von denen die KI lernen kann.

Lernen, maschinelles (ML), unüberwachtes LernenUnüberwachtes Lernen: Am anderen Ende des maschinellen Lernspektrums steht das unüberwachte Lernen. Statt das KI-Modell anhand gelabelter Daten zu lehren, wird beim unüberwachten Lernen das Modell mit rohen, ungelabelten Daten gefüttert und aufgefordert, eigenständig Muster oder Strukturen zu finden. Zwei Beispiele: Im Nachrichtenbereich gruppieren KI-Algorithmen ähnliche Artikel basierend auf ihrem Inhalt ohne explizite Themenzuweisung. Auf Shoppingportalen schlagen uns die KI-Algorithmen von Amazon & Co. Bücher oder Artikel vor, die uns aufgrund unser Kaufhistorie oder uns ähnlicher Profile gefallen könnten: »Wenn Ihnen dieses Produkt gefallen hat, dann könnten Sie auch dieses mögen.« Diese Empfehlung ist nichts weiter als das Ergebnis unüberwachten KI-Lernens. Der Vorteil des unüberwachten Lernens liegt darin, verborgene Muster in Daten ohne von menschlicher Hand vorformulierte Labels erkennen zu können. Das heißt, die Maschine kann Zusammenhänge in riesigen Datenmengen erkennen, die wir mit dem menschlichen Auge, oder auch Intellekt, nicht ohne weiteres sehen können – beziehungsweise würde es uns eine Unmenge Zeit und Mühe kosten, durch alle Daten zu gehen und diese Zusammenhänge aufzuspüren.

Lernen, maschinelles (ML), verstärkendes LernenBestärkendes Lernen: Bei verstärkendem Lernen Reinforcement Learning(Reinforcement Learning) geht es – auch für Menschen – darum, mit einer Umgebung zu interagieren und aus den Interaktionsergebnissen zu lernen. Und auch im Kontext des maschinellen Lernens ähnelt es dem Lernen mittels klassischer Konditionierung, die uns Iwan Petrowitsch PawlowPawlow, Iwan Petrowitsch 1905 lehrte: Wenn Sie einem Hund beibringen möchten, einen Stock zurückzubringen, werden Sie das wiederholt tun und dem Hund immer dann eine Belohnung geben, wenn er den Stock retourniert hat. So zeigen sie ihm, dass es genau dieses Verhalten ist, das sie ihm beibringen möchten. Beim bestärkenden maschinellen Lernen funktioniert es ähnlich: Man lässt einen Akteur, sprich ein Computerprogramm mit einer virtuellen Umgebung interagieren und gibt ihm Feedback, welche seiner Verhaltensweisen positiv sind und welche nicht. Ein weiteres Beispiel: Stellen Sie sich vor, Sie trainieren eine Maschine im Schachspiel. Anstatt ihr exakt vorzugeben, wie sie spielen soll, bringen Sie ihr die Regeln und das Ziel des Spiels bei. Dann lernt sie weiter, indem sie das Spiel spielt, Züge macht, die Ergebnisse bewertet und ihre Strategie je nach Ausgang – Sieg oder Niederlage – anpasst, und das unter Umständen mehrere Millionen Mal. Reinforcement Learning eignet sich besonders für dynamische Umgebungen, in denen die optimale Entscheidung oder Entscheidungssequenz nicht im Voraus bekannt ist und durch Experimentieren erlernt werden muss. Andere Beispiele für bestärkendes Lernen sind Saugroboter oder das autonome Fahren, bei denen künstliche Intelligenz nach Regeln handelt und immer »klüger« wird, je mehr Erfahrungen sie sammelt.

Künstliche Intelligenz (KI), generativeGenerative KI: Generative Modelle können, wenn mit einer großen Datenmenge trainiert, neue Daten generieren. Ein prominentes Framework hierfür sind sogenannte Generative Adversarial Networks (GANs)Generative Adversarial Network (GAN). Ein GAN besteht aus zwei Teilen, einem Generator und einem Diskriminator, die in einer Art Wettbewerb zusammen trainiert werden. Das heißt, der Generator erzeugt Daten wie Bilder, während der Diskriminator diese auf ihre Qualität prüft. Mit der Zeit wird der Generator immer besser darin, realistische Daten zu erstellen. Das Besondere an generativer KI ist ihre Fähigkeit, hochwertige Inhalte zu kreieren, sei es in Form von Bildern, Musik oder Texten. Beispiele hierfür sind LLM-Modelle wie ChatGPT oder Bilderzeugungsapplikationen wie DALL-E.

Zusammengefasst

Die Evolution regelbasierter Systeme hin zu fortschrittlichen Techniken wie bestärkendem Lernen und generativer KI zeigt die Tiefe und Vielfalt künstlicher Intelligenz. Während regelbasierte Systeme konkrete, deterministische Ergebnisse bieten, liefern neuere Methoden die Flexibilität, Anpassungsfähigkeit und das Potenzial, komplexe Probleme zu lösen, die nicht an festgelegte Regeln gebunden sind.

KI live – Lee Sedol vs. AlphaGo und AlphaZero

Um die beeindruckenden Möglichkeiten moderner künstlicher Intelligenz zu demonstrieren, werfen wir einen Blick auf die jüngere KI-Geschichte – speziell darauf, wie das KI-Computerprogramm AlphaGo den Go-Weltmeister Lee SedolSedol, Lee herausforderte.

Im März 2016 fesselte ein Wettkampf wie kein anderer die globale Aufmerksamkeit. Großmeister Lee Sedol, einer der besten Go-Spieler der Welt, trat gegen AlphaGo an, eine von DeepMind entwickelte KI. Go, ein jahrtausendealtes chinesisches Brettspiel, ist für seine immense Komplexität bekannt – mit mehr möglichen Spielzuständen, als es Atome im Universum gibt. Während Computer das Schachspiel bereits gemeistert hatten, galt Go wegen seiner Tiefe als nahezu unüberwindbare Herausforderung für KI-Systeme, weil es laut den Go-Großmeistern zum überwiegenden Teil auf menschlicher Intuition und Erfahrung beruht.

Das Match war spannend, zog Zuschauer weltweit an und das, was sich abspielte, war schlichtweg beeindruckend. AlphaGo hat von Anfang an alle verblüfft. Lee Sedol spielte brillant, doch die Maschine konterte mit Zügen, die nicht nur präzise, sondern auch unkonventionell waren. Im zweiten Spiel war AlphaGos 37. Zug einer, den ein menschlicher Spieler so nie spielen würde, aber der der Maschine schließlich den Sieg brachte. Beobachtende hielten den Zug zunächst für einen Fehler, erkannten aber in der Analyse die dahinterliegende Kreativität und Genialität. Dieser »kreative« Zug war nicht Teil eines konventionellen menschlichen Spielrepertoires. Er war das Resultat von AlphaGos Training anhand zahlreicher menschlicher Go-Partien sowie intensivem Selbstspiel. Die Maschine schien Lösungen zu finden, die dem menschlichen Verstand entgingen oder die nicht gewürdigt wurden. Diese Kreativität war beeindruckend und zeigt das Potenzial der KI, jenseits bloßer Berechnungen in Bereiche vorzudringen, die traditionell der menschlichen Intuition und Geschicklichkeit vorbehalten sind. Lee Sedol verlor das Match mit 1:4.

Die Evolution der Maschine: Willkommen, AlphaGo Zero

Die Geschichte von AlphaGo endete nicht mit ihrem Triumph. Was folgte, war im Sinne der Leistungsfähigkeit der KI noch erstaunlicher. Ende 2017 wurde der Nachfolger von AlphaGo, AlphaGo Zero, von DeepMind vorgestellt: eine Maschine, die sich selbst das Go-Spiel von Grund auf beibrachte – ganz ohne menschliche Anleitung.

Im Gegensatz zu seinem Vorgänger lernte AlphaGo Zero nicht durch menschliche Spiele. Es startete mit keinem Wissen außer den Go-Regeln und dem Ziel des Spiels und spielte munter gegen sich selbst, Millionen Male. Dabei lernte es kontinuierlich und wurde immer besser. Die Resultate waren sensationell. AlphaGo Zero besiegte AlphaGo in 100 Spielen ohne eine einzige Niederlage und benötigte für dieses Meisterwerk nur wenige Tage sowie weniger Rechenkraft als ihr Vorgänger. Dies ist vergleichbar mit einem Kind, das noch nie jemanden Fahrrad fahren gesehen hat, es dann selbst lernt und wenige Tage später die Tour de France gewinnt.

Was macht die beiden Geschichten so revolutionär? Sie markieren beispielhaft den Übergang von maschinellem Lernen durch den Menschen hin zum autonomen maschinellen Lernen der Maschine, welche eigenständig Strategien und kreative Ansätze ohne menschliche Voreingenommenheit oder Limitationen entdeckt. Die potenziellen Implikationen dieser Selbstlernfähigkeit reichen weit über ein Brettspiel hinaus und berühren das Wesen von Innovation, Problemlösung und vielleicht sogar menschlicher Intelligenz selbst.

KI wirbelt und wirft Fragen auf

Die packende Geschichte von AlphaGo und AlphaGo Zero ist mehr als nur ein technisches Meisterwerk. Sie wirft Fragen auf zu Kreativität, Autonomie und zum Wesen menschlicher und maschineller Intelligenz. Sie steckt voller Überraschungen, unerwarteter Wendepunkte, menschlicher Brillanz und maschineller Finesse. Vor allem erinnert sie uns daran, dass die Reise künstlicher Intelligenz voller unendlicher Möglichkeiten steckt, von denen wir vielleicht einige noch nicht einmal erahnen können. Wenn eine Maschine beim Go-Spiel »kreativ« sein kann, was könnte sie erreichen, wenn sie auf das weite Feld aller menschlicher Anstrengungen und Herausforderungen losgelassen wird?

2 Mensch vs. Maschine

Vor über 2000 Jahren im antiken Griechenland lebte der Bildhauer PygmalionPygmalion, der, enttäuscht von sterblichen Frauen, versuchte, sich künstliche Liebe zu erschaffen. Pygmalion fertigte sich eine wunderschöne, lebensechte Statue namens Galatea aus Elfenbein. Diese Statue war so bezaubernd, dass Pygmalion sich in sie verliebte und sie behandelte, als wäre sie lebendig. Während eines Festes für die Göttin AphroditeAphrodite wünschte er sich eine Frau, die seiner Schöpfung glich. Aphrodite, von seiner Hingabe gerührt, erfüllte seinen Wunsch und erweckte die Statue zum Leben.

Dieser Mythos könnte uns mehr über die Herausforderungen erzählen, im antiken Griechenland eine geeignete Partnerin zu finden, als über technologische Fähigkeiten der damaligen Zeit. Und doch spiegelt er auch unsere zeitlose Faszination für künstliche Intelligenz wider. Genau wie einst Pygmalion kreieren wir Dinge, die uns faszinieren und die, in gewisser Weise, das Unbelebte zum Leben erwecken. KI-Systeme sind darauf ausgelegt zu lernen, zu denken und ihre Umgebung zu verstehen, ähnlich wie ein Lebewesen. Und so wie Pygmalion sich nach einer idealen Partnerin sehnte, streben wir danach, die »perfekte« Intelligenz zu erschaffen – effizient, präzise und unermüdlich.

Doch was kann künstliche Intelligenz, was Menschen nicht können – und umgekehrt? Welches sind die menschlichen Stärken, denen eine künstliche Intelligenz nicht gerecht wird? Im Folgenden sehen wir uns an, wo Maschinen schon besser sind und wo die Stärken des Menschen liegen, die von Maschinen nur schwer einholbar sind.

2.1 Vorteile von KI

Die Vorteile der KI gegenüber dem Menschen sind vielschichtig und komplex. Und sie werden schon längst und in größerem Umfang, als es uns bewusst ist, im Alltag angewandt. Schauen wir uns die Wichtigsten an.

Verarbeitung endloser Datenmengen: Ausgestattet mit der richtigen Rechenleistung kann eine KI-Maschine buchstäblich alle digitalen Daten durchsuchen, die jemals von der Menschheit erstellt wurden. Wir sprechen von Zettabyte (das sind 1.125.899.910.000.000 Megabyte). KI-Algorithmen können diese gigantischen Datenmengen rapide verarbeiten und aussagekräftige Erkenntnisse gewinnen, wofür Menschen Monate oder Jahre brauchen würden. Die KI »weiß« mehr, als jeder Mensch in mehreren hundert Leben verarbeiten könnte. Sie kann diese Daten in Sekundenbruchteilen analysieren, Muster erkennen und Vorhersagen treffen. Im Gesundheitswesen kann KI beispielsweise Zehntausende von Krankenakten und Bilder in kürzester Zeit durchsuchen, um Muster zu erkennen und bei der Früherkennung von Krankheiten wie Krebs helfen, noch bevor Symptome für menschliche Ärzte sichtbar werden.

Verfügbarkeit rund um die Uhr: KI-Systeme können unaufhörlich arbeiten, ohne müde zu werden oder Pausen einlegen zu müssen, ganz im Gegensatz zu Menschen, die regelmäßig Ruhe und Schlaf benötigen. Beispielsweise können KI-gestützte Chatbots Kundenanfragen 24/7 bearbeiten und schnelle und konsistente Antworten liefern. Sie können unzählige Benutzer:innen gleichzeitig bedienen, was unter anderem zu einer höheren Kundenzufriedenheit führt. KI ist nicht launisch, wird nicht krank und streikt auch nicht, wenn sie mit den Arbeitsbedingungen nicht zufrieden ist – zumindest noch nicht. Und ja, auch sie ist anfällig beispielsweise für Stromausfall oder technische Fehler im System. Aber da wir Menschen uns seit Jahrzehnten auf (Computer-)Technik stützen, ist das ein generelles Problem – und keines, das man ausschließlich auf KI projizieren sollte.

Hinweis

An dieser Stelle möchte ich darauf verweisen, dass mir die Gefahren und die Nachteile von KI deutlich bewusst sind. Falls Sie beim Lesen an gewissen Stellen kritische Aspekte vermissen – sie folgen gebündelt in Kapitel 9.

Fehlerreduktion: Bei Aufgaben, die besondere Präzision und Sicherheit erfordern, etwa im Gesundheitswesen oder in der Luftfahrt, kann KI das Risiko menschlicher Fehler reduzieren. Es sind keine Stimmungsschwankungen oder Emotionen im Spiel, die die Genauigkeit einer bestimmten Arbeit beeinträchtigen könnten. In der Fertigung beispielsweise können KI-gestützte Roboter komplexe Maschinen mit gleichbleibender Qualität und Präzision zusammenbauen und so die Fehlerwahrscheinlichkeit verringern.

Unvoreingenommene Entscheidungen: Aufbauend auf dem vorherigen Punkt können KI-Systeme, sofern sie richtig programmiert sind, Entscheidungen ausschließlich auf der Grundlage von Daten und vordefinierten Algorithmen treffen ohne Subjektivität oder (oft unbewusste) Vorurteile, die die menschliche Entscheidungsfindung beeinflussen können. Dies kann besonders in Bereichen wie der Rekrutierung von Mitarbeitenden nützlich sein, in der künstliche Intelligenz die Qualifikationen eines Kandidaten unabhängig von Rasse, Geschlecht oder Alter analysieret.

Automatisierung von Routineaufgaben: KI kann Routineaufgaben automatisieren und so den Menschen Zeit »geben«, sich auf komplexere und kreativere Aufgaben zu konzentrieren. Ein Segen, wenn man bedenkt, wie eintönig und ermüdend und diese für Menschen sein können. Beispielsweise werden KI-Systeme schon länger angewandt, um innerhalb weniger Stunden Tausende von Rechtsdokumenten zu prüfen und zu verarbeiten.

Risikomanagement: KI-basierte Systeme oder Maschinen können in prekären Situationen oder Umgebungen eingesetzt werden, in denen die menschliche Sicherheit gefährdet wäre, beispielsweise bei der Katastrophenhilfe, der Erforschung des Weltraums oder beim Tiefseetauchen.

Personalisierung: KI kann aus riesigen Datenmengen tausend- wenn nicht millionenfach personalisierte Empfehlungen und Erlebnisse bereitstellen, die auf individuelle Vorlieben und Verhaltensweisen zugeschnitten sind und so das Kundenerlebnis in verschiedenen Bereichen wie E-Commerce, Unterhaltung und Bildung verbessern. Das ist im Grunde das gesamte Geschäftsmodell von Google, das den Nutzenden personalisierte Vorschläge aufgrund deren Suchhistorie macht. Und ganz ähnlich funktionieren die Empfehlungsalgorithmen bei Amazon und Netflix.

Prognosefähigkeiten: Einer der größten Vorteile besteht darin, dass KI äußerst gute Vorhersagemaschinen sind. KI-Algorithmen können riesige Informationsmengen auf eine Weise verarbeiten und daraus lernen, wie es Menschen nicht möglich ist. Sie können aufgrund der Daten Vorhersagen treffen, was in Zukunft am wahrscheinlichsten passiert. Dies erweist sich zum Beispiel im Finanzwesen als äußerst vorteilhaft, wo KI riesige Datensätze von Markttrends und -indikatoren verarbeiten und analysieren kann, um äußerst genaue Vorhersagen über das zukünftige Marktverhalten zu treffen. Ebenso in vielen anderen Bereichen wie Wirtschaft, Gesundheitswesen oder Wettervorhersage ist diese Prognosefähigkeit relevant – letztlich überall da, wo riesige Datenmengen erklärt und Vorhersagen getroffen werden müssen. Ein praktikables Beispiel ist das autonome Fahren, bei dem das Fahrzeug Vorhersagen treffen muss, um im Straßenverkehr rechtzeitig zu reagieren.

Zusammengefasst

Viele Dinge können Maschinen besser und schneller erledigen als der Mensch. Und ein Ende der Möglichkeiten ist nicht abzusehen, weil das KI-Zeitalter gerade erst begonnen hat, Rechenkraft exponentiell steigt und mit ihr die der KI zur Verfügung stehenden Datenmengen, mit denen sie lernen kann.

2.2 Vorteile Mensch

Trotz des Hypes, den KI auslöst und all der Möglichkeiten, die sie bietet, ist der Mensch in noch vielen Dingen überlegen und wird auch in näherer Zukunft nicht von Maschinen eingeholt. Schauen wir dazu die wichtigsten Vorzüge unserer Spezies an:

Emotionen: Selbst die höchst entwickelte KI kann (noch) nicht mit Menschen mithalten, wenn es darum geht, Emotionen zu verstehen und auszudrücken. Und diese sind für viele soziale Interaktionen und Entscheidungsprozesse immer noch der entscheidende Faktor. Menschen besitzen eine natürliche Fähigkeit, sowohl ihre eigenen Emotionen als auch die anderer zu verstehen, zu interpretieren und darauf zu reagieren – auch wenn so manche von uns das verlernt zu haben scheinen. Ein Lehrer beispielsweise kann subtile Hinweise im Verhalten oder im Tonfall einer Schülerin wahrnehmen, die darauf hindeuten, dass diese Schwierigkeiten hat, und seinen Unterrichtsansatz entsprechend anpassen. Obwohl KI Fortschritte bei der Erkennung menschlicher Emotionen verzeichnet, kommt sie der menschlichen Empathie und dem emotionalen Verständnis (noch) nicht im Entferntesten gleich.

Kreativität: Menschen zeichnen sich durch kreatives Denken aus, entwickeln neuartige Ideen und schaffen Kunst, Musik, Literatur und so weiter. Während KI einige Aspekte von Kreativität nachahmen kann, fehlt ihr (noch) die Fähigkeit, wirklich innovativ zu sein und über den Tellerrand hinaus zu denken. Menschen verfügen über eine unübertroffene Fähigkeit zum kreativen Denken, sei es in der Kunst, Literatur, Musik oder bei der Lösung komplexer Probleme. Eine Kunst schaffende Person zum Beispiel reproduziert nicht nur Bilder, sondern drückt Gefühle und Erfahrungen aus, die bei anderen Anklang finden oder auch nicht. KI generiert möglicherweise Kunst auf der Grundlage erlernter Muster und zur Verfügung stehender Datenmengen, kann aber (noch) nichts wirklich Originelles und bahnbrechend Neues schaffen, wie es ein kreativer Mensch kann.

Ethik und moralisches Urteilsvermögen: Künstlicher Intelligenz fehlt die Fähigkeit, moralische und ethische Entscheidungen zu treffen, die ein tiefes Verständnis kultureller, gesellschaftlicher und persönlicher Werte erfordern. Der Mensch hat einen Sinn für Moral und kann Entscheidungen auf Grundlage ethischer Überlegungen treffen. Beispielsweise muss eine Ärztin oft Entscheidungen treffen, die medizinische »Best Practices«, die Wünsche der Patienten und ethische Richtlinien in Einklang bringen. KI kann so programmiert werden, dass sie bestimmte Regeln befolgt, aber sie verfügt weder über einen Sinn für Moral noch über die Fähigkeit, komplexe ethische Entscheidungen zu treffen, die oft widersprüchlich sein können.

Kontextuelles Verständnis: Menschen sind besser darin, Informationen basierend auf einem Kontext zu verstehen und zu interpretieren, einschließlich nonverbaler Hinweise, Redewendungen, Ironie oder Sarkasmus. Menschen zeichnen sich dadurch aus, dass sie die komplizierten Funktionsweisen des menschlichen Geistes verstehen, ein Gebiet, das als Psychologie bekannt ist. Psychologen helfen Menschen bei der Bewältigung emotionaler Schwierigkeiten, Traumata und psychischer Probleme. Diese Arbeit erfordert tiefes Einfühlungsvermögen und die Fähigkeit, Vertrauen und Beziehungen aufzubauen. Während KI dabei helfen kann, die psychische Gesundheit zu unterstützen – zum Beispiel durch therapeutische Chatbots –, kann sie das differenzierte Verständnis und die menschliche Verbindung, die eine Psychologin bieten kann, nicht ersetzen.

Allgemeine Intelligenz: Menschen sind zu allgemeiner Intelligenz fähig – sie übertragen Wissen von einem Bereich auf einen anderen, können abstrahieren und Verbindungen schaffen zwischen Dingen, die scheinbar unverbunden sind. Aktuelle KI-Systeme sind in der Regel für bestimmte Aufgaben konzipiert und haben Schwierigkeiten, das Lernen auf neue Bereiche zu übertragen. Obwohl große LLMs mit dem gesamten, jemals geschaffenen menschlichen Wissen gefüttert werden, mangelt es ihnen (noch) an gesundem Menschenverstand und sie verstehen die Welt nicht. Das ist das Interessante und Paradoxe an der KI: Sie versteht nicht, wie die Welt funktioniert, aber sie weiß so ziemlich alles, was jemals über die Welt gesagt wurde (und das ist eine ganze Menge).

Liebe: Liebe ist eine komplexe, zutiefst menschliche Emotion, die Verständnis, Empathie, Mitgefühl sowie körperliche und emotionale Intimität beinhaltet. Während KI bestimmte Aspekte der Liebe nachahmen kann, etwa das Versenden liebevoller Nachrichten oder Erinnerungen, kann sie das Gefühl nicht wirklich verstehen oder erleben. Die Liebe eines Elternteils zu seinem Kind geht beispielsweise mit einer tiefen emotionalen Bindung und der Bereitschaft einher, Opfer für das Wohlergehen des Kindes zu bringen – etwas, das KI nicht nachahmen kann.

Komplexe Entscheidungsfindung: Menschen sind immer noch besser darin, komplexe Entscheidungen zu treffen, die mehrere, oft widersprüchliche Faktoren umfassen und ein differenziertes Verständnis der Situation erfordern. Das Schlüsselwort ist Anpassungsfähigkeit. Menschen können sich auf eine Weise an neue Situationen anpassen und aus Erfahrungen lernen, wie es der KI nicht möglich ist. Eine Köchin kann beispielsweise ein Rezept spontan an die verfügbaren Zutaten oder den Geschmack ihrer Gäste anpassen. Während KI so programmiert werden kann, dass sie bestimmte Aufgaben sehr gut ausführt, fällt es ihr schwer, sich ohne menschliches Eingreifen an unerwartete Situationen anzupassen.

Zusammengefasst

Insgesamt ist KI ein extrem leistungsstarkes Werkzeug, das unsere Fähigkeiten erheblich ergänzen und verbessern kann, aber (noch) nicht die einzigartigen Stärken und Fähigkeiten des Menschen ersetzt. Die Zukunft ist hybrid. Sie liegt in einer Kombination aus menschlicher und künstlicher Intelligenz, um effizientere und effektivere Systeme zu schaffen.

»Augmented Humans« – ein Dream-Team?

Bei der Schaffung eines Dream-Teams aus menschlicher und künstlicher Intelligenz geht es darum, die Stärken beider zu nutzen, um ihre jeweiligen Grenzen zu überwinden. Es geht nicht darum, einen »Übermenschen« zu schaffen, sondern vielmehr darum, ein starkes Team zu kreieren, das Aufgaben gemeinsam effektiver und effizienter erledigen kann als ohneeinander.

Konkret könnte das so aussehen:

Datenanalyse: In der Gesundheitsbranche kann KI große Mengen medizinischer Daten wie Krankenakten, Laborergebnisse oder Bilder analysieren, um Muster und Anomalien zu erkennen. Ein KI-Modell könnte beispielsweise potenzielle Tumore in medizinischen Bildern kennzeichnen. Der Arzt überprüft dann diese markierten Bilder und bringt seine jahrelange medizinische Ausbildung und Erfahrung ein, um eine Diagnose zu stellen, den allgemeinen Gesundheitszustand und die persönlichen Umstände der Patientin zu berücksichtigen und einen Behandlungsplan vorzuschlagen.

Kreative Problemlösung: Im Bereich der Architektur kann KI Hunderte potenzielle Designkonzepte basierend auf vorgegebenen Parametern wie Gebäudeabmessungen, Standort oder beabsichtigter Nutzung generieren. Die Architektin würde jedoch ihr kreatives Gespür und ihre praktische Erfahrung einbringen, um diese Konzepte zu modifizieren, Elemente aus verschiedenen Entwürfen zu kombinieren oder völlig neue Ideen zu entwickeln, die von den Ergebnissen der KI inspiriert sind.

Emotionale Intelligenz: Im Kundendienstumfeld können KI-Chatbots grundlegende Fragen der Kunden beantworten und die meisten Aufgaben autark bearbeiten. Wenn ein Kunde jedoch besonders verärgert ist oder ein komplexes Problem hat, kommt ein Berater ins Spiel, um die Situation mit Einfühlungsvermögen, emotionalem Verständnis und Flexibilität zu bewältigen.

Lernen und Anpassung: Eine KI könnte darauf trainiert werden, potenzielle Markttrends auf der Grundlage historischer Daten in der Finanzbranche zu erkennen. Kommt es jedoch aufgrund unvorhergesehener Umstände (z. B. eines politischen Ereignisses oder einer Umweltkatastrophe) zu einer plötzlichen Marktveränderung, kann die Finanzanalystin ihr umfassenderes Verständnis des Weltgeschehens, der Wirtschaft und des menschlichen Verhaltens nutzen, um die Vorhersagen der KI anzupassen und fundiertere Entscheidungen zu treffen.

Ethische und moralische Beurteilung: Im Bereich der autonomen Mobilität kann ein KI-System das Fahrzeug die meiste Zeit steuern, aber in komplexen ethischen Szenarien (z. B. bei der Wahl zwischen zwei schlechten Ergebnissen bei einem unvermeidbaren Unfall) sollten Menschen die Richtlinien oder Regeln festlegen, denen die KI folgt und die unsere gesellschaftlichen Werte und Ethik widerspiegeln.

Assistenz: In einem Forschungsprojekt könnte KI bei der Verwaltung des Projekts helfen, indem sie Besprechungen plant, Teammitglieder an Fristen erinnert und Daten organisiert. Sie könnte sogar Besprechungsprotokolle analysieren, um wichtige Punkte und Aktionen hervorzuheben. Die menschlichen Forschenden würden unterdessen die Forschungsfragen vorantreiben, die Ergebnisse interpretieren und ihr Fachwissen einsetzen, um Entdeckungen zu machen und Innovationen zu schaffen.