Künstliche Intelligenz in der Führung E-Book

Brigitte Dyck

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

Seitenzahl: 208

Veröffentlichungsjahr: 2025

Beschreibung

Brigitte Dyck und Korbinian Spann bieten eine kompakte Einführung in die Grundlagen der Künstlichen Intelligenz (KI) und erklären, wie Unternehmen von ihr profitieren können. Ihr TaschenGuide zeigt, wie KI strategisch eingesetzt werden kann, um Wettbewerbsvorteile zu erzielen. Zudem wird die Bedeutung von Führung und Change Management in der Ära der KI beleuchtet, wobei ein besonderer Fokus auf eine ethische und verantwortungsvolle Nutzung der Technologie gelegt wird. Abschließend werden konkrete Anwendungsbereiche für Führungskräfte sowie Trends im Innovationsmanagement und die Zukunft der KI vorgestellt. Inhalte: - KI verstehen und anwenden können - Gestaltung der digitalen Transformation der Arbeitswelt mithilfe von  KI - Potenziale der KI für das Business - Wie sich KI strategisch im Unternehmen nutzen lässt - Führung und Change Management in der KI-Ära - KI als Kernkompetenz für Führungskräfte - Wie eine ethische und verantwortungsvolle KI-Nutzung aussehen kann - Einschlägige KI-Anwendungen - Innovationsmanagement für KI - Zukunftstrends für KI

Leseprobe

Inhaltsverzeichnis

InhaltsverzeichnisHinweis zum UrheberrechtImpressumVerwenden wir die KI oder verwendet die KI uns?Was ist Künstliche ­Intelligenz?Lösen von AufgabenIst KI kreativ?Wie sieht die Infrastruktur aus?FazitFragebogen für die Bewertung des Unternehmens: ­KI-Kompetenzen und AnwendungspotenzialeFragebogen KI-Kompetenzen und AnwendungspotenzialeNotizen und GedankenNotizen und GedankenWas sind die ökonomischen Potenziale der Künstlichen Intelligenz?Ökonomische Potenziale der Künstlichen IntelligenzAutomatisierung von ProzessenAutomatisierung von ProzessenAuswirkungen auf die PersonalstrukturAuswirkungen auf das MarketingSkalierung und EffizienzsteigerungOptimierte Entscheidungsfindung durch Künstliche IntelligenzFazitNotizen und GedankenNotizen und GedankenWie lässt sich Künstliche ­Intelligenz im Unternehmen strategisch nutzen?Künstliche ­Intelligenz im Unternehmen strategisch nutzenWie sieht ein strategischer Einsatz von KI aus?Wie sieht ein strategischer Einsatz von KI aus?Schritt 1: Vergrößerung des LösungsraumsSchritt 2: Festlegung der Unternehmensziele und MessgrößenSchritt 3: Formulierung der Datenstrategie und Sicherstellung der DatenverfügbarkeitSchritt 4: Aufbau der technologischen InfrastrukturSchritt 5: Förderung von Kulturwandel und WeiterbildungSchritt 6: Gewährleistung von Datenschutz und VerantwortungImplementierung von KIAutomatisierung bedeutet Personalabbau und -umbauKI bedeutet Disruption für die OrganisationFazitNotizen und GedankenNotizen und GedankenWie sehen Führung undChange-Management in der KI-Ära aus?Führung und Change-Management in der KI-ÄraWelches Mindset benötigen Führungskräfte im Umgang mit KI?Welches Mindset benötigen Führungskräfte im Umgang mit KI?Welche Bedeutung hat KI fürFuture-Leadership-Skills?Welche Bedeutung hat KI für Future-Leadership-Skills?Welche Rolle spielen lebenslanges Lernen, Sinnstiftung und persönliches Wachstum?Lebenslanges Lernen, Sinnstiftung, persönliches WachstumVon der Leistungsgesellschaft zur Sinn-GesellschaftLebenslanges Lernen, Sinnstiftung, persönliches WachstumDer Nutzen der Veränderung: Wachstum und InnovationWelche Fehler kann ich als Führungskraft tolerieren?Change-Management: Veränderungen durch KI-Integration erfolgreich steuernVeränderungen durch KI-Integration erfolgreich steuernLebenslanges Lernen als Schlüssel zu innovativer und menschlicher FührungLebenslanges LernenFazitNotizen und GedankenNotizen und GedankenNotizen und GedankenWie sieht eine ethische und verantwortungsvolle ­KI-­Nutzung aus?Ethische und verantwortungsvolle KI-NutzungEthische Herausforderungen durch KIEthische Herausforderungen durch KIDatenschutz und KIDatenschutz und KIFazitNotizen und GedankenNotizen und GedankenWas sind ­einschlägige ­KI-Anwendungen für ­Führungskräfte?Was sind ­einschlägige ­KI-Anwendungen für ­Führungskräfte?Was sind einschlägige KI-Anwendungen für Führungskräfte?Nützliche KI-Tools für den EinstiegNützliche KI-Tools für den EinstiegWie erstellt man einen effektiven Prompt?Selbstregulierende Systeme mit KIPsychosoziale Auswirkungen: Wege zu einem nachhaltigen Umgang mit den ToolsWarum überfordert uns die Vielfalt an KI-Tools?Psychosoziale AuswirkungenTipps zur Überwindung der ÜberforderungNachhaltiger Umgang mit KI-Tools: Fokus auf Relevanz statt HypeFazitNotizen und GedankenNotizen und GedankenWie sieht Innovations­management mit KI aus?Wie sieht Innovationsmanagement mit KI aus?KI für die Weiterentwicklung des UnternehmensKI für die Weiterentwicklung des UnternehmensCheckliste: Bewertung der Risiken im Umgang mit KIOrganisationsstrukturen und KIImplementierung von KI aus dem InnovationsmanagementFazitNotizen und GedankenNotizen und GedankenWas sind Zukunftstrends für KI?Was sind Zukunftstrends für KI?Mögliche Entwicklungspfade von künstlicher IntelligenzMögliche Entwicklungspfade von künstlicher IntelligenzIndustriespezifische Anwendungen sind der Schlüssel für KIAutomatisierte Agenten organisieren die Arbeit der Zukunft1. Die Kombination von KI und Quantencomputing2. KI mit Emotionserkennung und Empathie3. Hyper-Personalisation durch KI4. Autonome Systeme und die Zukunft der Arbeit5. Erklärung von KI-Entscheidungen (Explainable AI)6. KI und die Evolution von »Digitalen Zwillingen«7. Künstliche generelle Intelligenz (AGI)8. Verstärkte Zusammenarbeit von Mensch und Maschine9. KI in der Gesundheitsversorgung10. Mensch-Maschine-Bewusstsein und KI-BewusstseinFazitNotizen und GedankenNotizen und GedankenZusammenfassungZusammenfassungEine neue industrielle Revolution, getrieben von KIUnternehmensgründungen und InvestitionenUnternehmen, Politik und Gesellschaft müssen sich der Entwicklung anpassenUnternehmen, Politik und Gesellschaft müssen sich anpassenAcht Thesen zur KIAcht Thesen zur KILeadership und KI: Wie ­funktioniert das gemeinsam?Leadership und KI: Wie funktioniert das gemeinsam?Die AutorenDie AutorenBrigitte DyckDr. Korbinian SpannDie AutorenStichwortverzeichnis

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!

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 978-3-648-18474-5

Bestell-Nr. 12199-0001

ePub:

ISBN 978-3-648-18475-2

Bestell-Nr. 12199-0100

ePDF:

ISBN 978-3-648-18476-9

Bestell-Nr. 12199-0150

Brigitte Dyck/Korbinian Spann

Künstliche Intelligenz in der Führung

1. Auflage, 2025

© 2025 Haufe-Lexware GmbH & Co. KG

Munzinger Str. 9, 79111 Freiburg

www.haufe.de | [email protected]

Bildnachweis (Cover): KI-generiert mit DALL-E

Produktmanagement: Jürgen Fischer

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. Der Verlag behält sich auch eine Nutzung des Werks für Text und Data Mining im Sinne von § 44b UrhG vor. 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.

Verwenden wir die KI oder verwendet die KI uns?

In einer Welt, in der Künstliche Intelligenz (KI) zunehmend alle Bereiche unseres Lebens durchdringt, stehen Unternehmen vor einer entscheidenden Frage: Nutzen wir die Möglichkeiten der KI gezielt, um Innovation und Effizienz zu fördern, oder werden wir unbewusst von ihren Mechanismen gesteuert? Dienen wir der KI als menschlicher Trainer, indem wir sie mit Fragen und Antworten füttern?

Dieser TaschenGuide richtet sich an Führungskräfte, Unternehmer, leitende Angestellte und Solopreneure, die sich aktiv mit dieser neuen Herausforderung auseinandersetzen wollen. Wir bieten praxisnahe Einblicke in die Grundlagen von KI und zeigen, wie man deren Potenziale im Unternehmenskontext erkennt und strategisch nutzt.

Das Buch ist für die Leser konzipiert, die ein Verständnis für KI entwickeln möchten, um die richtigen Fragen zu stellen und informierte Entscheidungen für die Zukunft ihres Unternehmens zu treffen. Dabei geht es nicht nur darum, grundlegende technische Kenntnisse zu erwerben, sondern vor allem darum, die Bedeutung der KI für das Selbstverständnis und die Führung von Organisationen zu hinterfragen und Lösungen anzubieten.

Unsere wichtigste These lautet: Durch Künstliche Intelligenz beginnt ein globaler, nachhaltiger Strukturwandel, der die Prozesse von Unternehmen und die Job Descriptions der Mitarbeitenden grundlegend verändert. Dies geschieht, da AutomatisierungAutomatisierung die Wertschöpfung von Unternehmen verändert und alle Marktteilnehmer zwingt, durch die neue Technologie konkurrenzfähig zu bleiben. Auch das Menschenbild der Organisation wird durch KI einem Wandel unterworfen, von einer Matrix- bzw. Linienorganisation zu einer Netzwerkstruktur, in der lebenslanges Lernen von Menschen und Maschinen ein entscheidendes Ziel ist.

Im Ergebnis wird KI selbstregulierende Systeme erschaffen, die sich »durch Rückkopplung (Feedback) an veränderte Rahmenbedingungen anpassen und trotz sogenannter Störungen (Soll-Ist-Abweichungen) ihr (selbst gesetztes) Ziel erreichen können.«1

Führung im Zeitalter von KI bedeutet deshalb, neue Prozesse und Organigramme zu generieren und den Mehrwert, den Unternehmen schaffen, neu zu definieren. Das Ziel ist, mithilfe von KI selbstregulierende Systeme zu gestalten. Führungskräfte sind gefordert, mit dem besten Team eine zukunftsfähige Struktur aufzubauen und sich vom Chef zum CoachCoach weiterzuentwickeln. In der Rolle als Coach unterstützen sie die Teams in einem strukturierten und zielgerichteten Prozess dabei, persönliche oder berufliche Ziele zu erreichen, Kompetenzen auszubauen oder Herausforderungen zu meistern. Der Fokus liegt dabei auf der Förderung von Selbstreflexion, Problemlösungsfähigkeiten und Eigenverantwortung aller Menschen, die produktiv tätig sind.2

KI-ImplementierungDieses Buch verfolgt das Ziel, Führungskräften die Potenziale von KI zu erläutern, um Wettbewerbsvorteile zu erzielen, Innovation zu fördern und die Unternehmenskultur zukunftsfähig zu gestalten.

Die einzelnen Kapitel sind mit Modulen und Arbeitsschritten vergleichbar, die jede Führungskraft durchlaufen muss, um KI erfolgreich zu implementieren. Folgende Schritte sind dafür aus unserer Sicht notwendig:

Ein Verständnis für die Grundlagen der KI entwickeln: Was bedeutet KI für Führungskräfte? Wir bieten Anwendungsfelder, Trends und Einblicke in die Technologie.

Den Impact von KI einschätzen können: Was sind die Potenziale für das Business? Aktuelle Beispiele im Unternehmenskontext zeigen die Auswirkungen.

Strategische Fragen für Führungskräfte richtig definieren: Wie lässt sich KI im Unternehmen strategisch nutzen? Hier finden Sie praktikable Use Cases aus der Industrie, in denen KI erfolgreich eingesetzt wird.

Leadership und Change-Management im Kontext von KI anwenden: Wie sehen Führung und Change-Management in der Ära der Künstlichen Intelligenz aus? Wir geben einen Überblick über die Leadership-Skills, die für KI benötigt werden.

Ethik und Verantwortung angemessen berücksichtigen: Wie kann eine ethische und verantwortungsvolle KI-Nutzung aussehen? Praxisbeispiele zu rechtlichen Fragen der Datenverarbeitung zeigen, was ein verantwortungsvolles Unternehmen leisten können muss.

Tools und Ressourcen kennen und nutzen: Was sind wichtige KI-Anwendungen für Führungskräfte? Wir empfehlen Tools wie ChatGPT, Microsoft Copilot, Perplexity und Slidesgo, um selbst erste KI-Erfahrungen zu sammeln.

Impulse für den Wandel aufnehmen und treiben: Wie sieht Innovationsmanagement für KI aus? In diesem Kapitel gibt es strategische und operative Impulse, die zum Nachdenken rund um das Thema Innovation anregen.

Den Blick in die Glaskugel werfen: Was sind Zukunftstrends für KI? In diesem Kapitel werden die wichtigsten Trends und Entwicklungen aufgezeigt.

Was ist der Mehrwert dieses Buchs?

Dieses Buch beleuchtet KI aus der Perspektive der Leadership-Theorien und Führungspraxis. Es geht dabei nicht nur um die Technologie, sondern um ihren zukünftigen Einfluss auf die Selbstführung und die Führung von Unternehmen. Da KI für viele Anwender jenseits von IT und Programmierung noch Neuland ist – ähnlich wie es das Internet vor einigen Jahren war –, liegt unser Schwerpunkt darauf, die wesentlichen Stellschrauben für das Management klar zu benennen.

Diese vier Dinge werden Sie für sich mitnehmen:

Die richtigen Fragen stellen: Wie erkenne ich, welchen Mehrwert KI für das eigene Unternehmen bringt? Welche Rolle soll KI in der eigenen Organisation spielen?

Strategische und operative Impulse: Einblicke, wie KI sowohl auf Führungsebene als auch im operativen Geschäft genutzt werden kann – vom Aufbau eines KI-Labs für Weiterbildung bis hin zur Etablierung einer zukunftsgerichteten Unternehmenskultur.

Konkrete Anwendungen: Wir stellen eine Reihe von Hands-on-Tools wie Perplexity.ai oder Microsoft Copilot vor, um die Potenziale von KI auszuloten und im Alltag zu testen.

Literatur-Tipps: Buchempfehlungen wie »The Coming Wave« und Verweise auf Online-Literatur, um das eigene Wissen weiter zu vertiefen.

Dieses Buch wird Ihnen helfen, die technischen und strategischen Aspekte von KI besser zu verstehen. Es bestärkt Sie darin, eine lösungsorientierte und konstruktive Haltung im Umgang mit KI zu entwickeln. Sie werden eine kritische und chancenorientierte Perspektive entfalten, die Sie befähigt, die richtigen Fragen zu stellen, zu experimentieren und die Organisation in eine erfolgreiche, KI-gestützte Zukunft zu führen. Zuletzt wollen wir darauf hinweisen, dass aus Gründen der besseren Lesbarkeit bei Personenbezeichnungen und personenbezogenen Hauptwörtern in diesem Buch das generische Maskulinum verwendet wird. Entsprechende Begriffe gelten im Sinne der Gleichbehandlung grundsätzlich für alle Geschlechter. Die verkürzte Sprachform hat nur redaktionelle Gründe und beinhaltet keine Wertung.

Wir haben für die Recherche des Buchs mit vielen Führungskräften und KI-Experten gesprochen. Ihre Meinungen und Erfahrungen sind in dieses Buch eingeflossen. An dieser Stelle wollen wir Ihnen herzlich danken!

Ihnen nun viel Spaß beim Lesen!

Brigitte Dyck, Dr. Korbinian Spann

Eresing und Schondorf im Januar 2025

1 Siehe dazu den Artikel auf Wikipedia https://de.wikipedia.org/wiki/Selbstregulation (letzter Zugriff 13.02.2025) und Hoyle, R. H. (Hrsg.) (2010). Handbook of Personality and Self-Regulation. Wiley-Blackwell.

2 Folgender Beitrag von Avinash Kaushik bringt auf den Punkt, was eine Führungskraft verstehen und leisten muss: Kaushik, A. (2021). How to: Be a good employee, be a great boss. Verfügbar unter https://www.kaushik.net/avinash/how-to-be-a-good-employee-be-a-great-boss-winning-careers/ (letzter Zugriff 13.02.2025).

Was ist Künstliche ­Intelligenz?

»KI kann für den Menschen gefährlich werden, aber es hängt davon ab, wie sie eingesetzt wird. ChatGPT ist nur der Anfang der Entwicklung von immer leistungsfähigeren KI-Systemen.«

ChatGPT, 2024

Künstliche Intelligenz (auf Englisch »Artificial Intelligence« oder AI, auf Deutsch abgekürzt KI) ist eine Technologie, die in den letzten Jahren enorme Fortschritte gemacht hat und inzwischen zahlreiche Lebens- und Arbeitsbereiche prägt. Doch was genau ist KI, wie funktioniert sie, und was bedeutet sie für unsere Gesellschaft und Wirtschaft? Diese Einführung bietet einen Überblick über die wichtigsten Aspekte von KI, erläutert ihre Funktionsweise und gibt einen Ausblick auf die Herausforderungen und Chancen, die diese Technologie mit sich bringt.

Lösen von Aufgaben

Künstliche Intelligenz bezeichnet Systeme, die in der Lage sind, Aufgaben zu erledigen, die normalerweise menschliche kognitive Fähigkeiten erfordern. Dazu zählen unter anderem Mustererkennung, schnelle und valide Entscheidungsfindung oder das Lösen von Aufgaben. Der Begriff wurde 1956 auf der Dartmouth Conference von John McCarthy eingeführt und seither immer weiter entwickelt.3 Die KI-Forschung lässt sich in drei Phasen unterteilen:

Frühe KI (1950er–1970er Jahre): In dieser Phase dominierten regelbasierte Systeme, die sogenannte »Symbolische KI«. Diese Systeme arbeiteten nach festgelegten Regeln und waren darauf ausgelegt, klar definierte Aufgaben zu lösen, wie z. B. das Schachspielen oder das Ziehen einfacher, logischer Schlüsse.

Maschinelles Lernen (1980er–2000er Jahre): Die zweite Phase der KI-Entwicklung konzentrierte sich zunehmend auf maschinelles Lernen. Die Systeme, die auf diesem Ansatz basieren, sind in der Lage, Daten zu erlernen, statt nur vordefinierte Regeln zu befolgen. Algorithmen des maschinellen Lernens, wie Entscheidungsbäume oder Support Vector Machines, trugen dazu bei, die Einsatzmöglichkeiten von KI erheblich zu erweitern.

Deep Learning und neuronale Netze (ab 2010): Deep LearningDie jüngste Phase der KI-Entwicklung basiert auf künstlichen neuronalen NetzenNeuronales Netz, die dem menschlichen Gehirn nachempfunden sind. Deep-Learning-Modelle nutzen diese Netze, um große Datenmengen zu verarbeiten und komplexe Muster in Daten zu erkennen, was die Grundlage moderner Anwendungen wie Sprachassistenten oder GesichtserkennungGesichtserkennung bildet. Dazu gehört auch »Generative AI« wie ChatGPT. Damit lassen sich Inhalte wie Texte, Bilder oder Videos generieren (deshalb der Begriff »Generative« für die Erstellung von Inhalten).

Im Laufe der Jahrzehnte hat sich KI von einer theoretischen Idee zu einem praktischen Werkzeug weiterentwickelt. Deshalb unterscheiden wir heute zwischen drei Arten von maschineller Intelligenz:

Regelbasierte Systeme (automatisierte oder algorithmische Entscheidungssysteme, engl. Automated Decision-Making Systems, ADMS): Automated Decision-Making System (ADMS)Diese Form von KI folgt Vorgaben, die vor dem Einsatz definiert werden. Ein Beispiel hierfür sind Programme, die festgelegte Regeln abarbeiten, wie etwa bei der Steuerung eines Fahrzeugs nach einem vordefinierten Ablauf. Weitere Beispiele finden wir in der Unterscheidung von Mann/Frau bei der Filterung von Formularen, Kreditvergabe-Verfahren oder Gesichtserkennung.4

Schwache KI: Diese Art der KI, wie sie etwa bei Generative AI, Chatbots oder Sprachassistenten (z. B. ChatGPT oder Siri) zum Einsatz kommt, ist auf spezifische Aufgaben spezialisiert und hat keine umfassende, »menschliche« Intelligenz. Sie kann kontextabhängige Informationen verarbeiten, ist jedoch auf vorgegebene Daten, die zum Training der KI verwendet werden, und bestimmte Algorithmen beschränkt.

Starke KI (Künstliche allgemeine Intelligenz, engl. Artificial General Intelligence, AGI): Artificial General Intelligence (AGI)Diese Form der KI gibt es aktuell noch nicht. Sie könnte eine Art allgemeiner Intelligenz entwickeln, die den kognitiven Fähigkeiten eines Menschen gleicht. Eine AGI wäre in der Lage, eigenständig zu lernen und Probleme in unterschiedlichsten Kontexten zu lösen. Derzeit konzentriert sich die Forschung darauf, der KI das Fühlen und Denken beizubringen und ihr damit eine möglichst menschenähnliche Intelligenz zu verleihen. Die Zukunft wird zeigen, ob dieses Ziel erreichbar ist.5

Der Begriff »Künstliche Intelligenz« ist dementsprechend irreführend. Nach wie vor handelt es sich um Maschinen, nicht um Nachbildungen von Menschen, die selbstständig handeln. Deshalb kommt es darauf an, welche Definition der Intelligenz wir verwenden.6

Ungeachtet dessen stellt KI den Versuch dar, das menschliche Gehirn in seinen Grundzügen nachzubilden. Deep LearningDeep Learning ist ein Teilbereich des maschinellen Lernens und beruht auf künstlichen neuronalen NetzNeuronales Netzen. Diese Netze bestehen aus mehreren Schichten von künstlichen Neuronen, die wie die Synapsen im menschlichen Gehirn Informationen verarbeiten. Der Hauptunterschied zu regelbasierten Systemen besteht darin, dass Deep-Learning-Modelle ihre eigenen Regeln aus großen Datenmengen ableiten, ohne dass diese explizit vorgegeben werden müssen.7

Neuronale Netze sind die Grundlage für viele moderne KI-Anwendungen, wie Sprach- und GesichtserkennungGesichtserkennung oder Bildverarbeitung. Beispiele hierfür sind Siri, Cortana oder die Bildersuche von Google. Sie bieten enorme Potenziale zur Mustererkennung, haben jedoch auch ihre Grenzen, da sie auf gut strukturierte und valide Trainingsdaten angewiesen sind. Wie KI zu den Lösungen findet und weshalb das System bestimmte Antworten gibt, ist selbst für die Experten nicht vollständig nachvollziehbar. Damit besteht ein Dilemma, dass sich die Berechnungen und Ergebnisse der KI nicht abschließend erklären lassen.8

Im Moment entwickeln sich die technologischen Möglichkeiten in großer Geschwindigkeit weiter, aber wir glauben, dass KI die menschliche Intelligenz auch in Zukunft nicht ersetzen wird, die sich durch Empathie, Gefühle, Sinn, Intention und Vorsatz auszeichnet.

3 Siehe dazu die kurze Geschichte von KI: https://mebis.bycs.de/beitrag/ki-geschichte-der-ki

4 Weiter Beispiele siehe unter: https://algorithmwatch.org/en/ (letzter Zugriff 13.02.2025).

5 Codecentric (2023). Generative AI: Potential und Herausforderungen für Unternehmen. Codecentric GmbH.

6 Myers, D. G. (2014): Psychologie. Springer. Verfügbar unter https://www.lehrbuch-psychologie.springernature.com/content/myers-kapitel-11-intelligenz (letzter Zugriff 13.02.2025).

7 Hardesty, L. (2017). Explained: Neural networks. Verfügbar unter https://news.mit.edu/2017/explained-neural-networks-deep-learning-0414 (letzter Zugriff 13.02.2025)

8https://www.fraunhofer.de/de/presse/presseinformationen/2019/juli/der-blick-in-neuronale-netze.html. Jones, M. (2020). Why black box AI problem is bad for business. Verfügbar unter https://techhq.com/2020/12/why-black-box-ai-problem-is-bad-for-business/ (letzter Zugriff 13.02.2025)

Ist KI kreativ?

KreativitätOft wird gefragt, ob KI kreativ sein kann. Auf den ersten Blick mag es so erscheinen, als würde KI durch das Erschaffen neuer Texte, Bilder oder Musik kreative und schöpferische Arbeit leisten. In Wahrheit basiert diese »stochastische Kreativität« jedoch nur auf der Reproduktion und Neukombination vorhandener Daten. Eine KI kann keine menschlichen Absichten oder Emotionen haben, da sie keine eigene subjektive Erfahrung besitzt oder vorsätzlich handelt. Während sie neue Kombinationen aus bekannten Inhalten erschaffen kann, fehlt ihr die menschliche Intention und emotionale Gewichtung, die kreative Prozesse so einzigartig macht.

Eine weitere, wichtige Grenze der KI liegt darin, dass sie nur mit Daten arbeiten kann, die aus der Vergangenheit stammen. Sie kann keine Informationen aus der Zukunft generieren, sondern lediglich bestehende DatenDatenanalyse analysieren und darauf basierende Prognosen erstellen. Das bedeutet, dass die Ergebnisse von KI-Systemen, obwohl sie sehr leistungsfähig sind, oft von historischen Verzerrungen oder unvollständigen Daten geprägt sind.

Dazu ein Beispiel zum Thema Produktdatenanalyse: Der Bedarf und die Vorlieben von Kunden für Produkte lassen sich anhand von E-Mails und Feedback mithilfe der KI analysieren. Allerdings besteht keine Garantie, dass sich diese Vorlieben der Kunden in Zukunft nicht ändern.

Alle Daten bilden immer die Vergangenheit ab. Wenn wir Aussagen über die Zukunft aus DatenExtrapolierung gewinnen, extrapolieren wir diese Werte und treffen damit eine Vermutung, wie die Zukunft aussehen könnte – aber es bleibt eine Vermutung! Wir können mit KI die Zukunft nicht vorhersagen.

Zusammenfassend lässt sich sagen, dass KI keine neue Erfindung ist, sondern sich durch die skalierbare Rechenleistung und optimierte Interfaces wie Chat-Funktionen in den letzten Jahren zu ­einem Werkzeug entwickelt hat, das den privaten und geschäftlichen Alltag zunehmend begleitet. Vermutlich wird es bald keine Anwendungen mehr geben, die KI nicht auf irgendeine Weise enthalten.

Künstliche Intelligenz ist längst Teil unseres Alltags, auch wenn wir sie nicht bewusst wahrnehmen. Einige Beispiele, wie KI unser tägliches Leben beeinflusst, sind:

Sprachassistenten und Smarthome-Geräte: Amazon Alexa, Google Home und Siri verwenden KI, um SpracheSpracherkennung zu erkennen, auf Befehle zu reagieren und Smarthome-Geräte zu steuern.

Navigationssysteme und Spurhalteassistenten: Im Automobilbereich hilft KI, Routen zu optimieren und Fahrzeuge sicher zu steuern.

Chatbots und Suchmaschinen: ChatbotChatbots sind Programme, die auf Basis von KI automatisiert Antworten geben. Sie unterstützen Kundendienstabteilungen, während Suchmaschinen wie Google KI verwenden, um die relevantesten Ergebnisse anzuzeigen.

Fitness-Tracker: Diese Geräte nutzen KI, um Daten über Herzfrequenz, Schlafmuster und Bewegung zu analysieren und personalisierte Empfehlungen zu geben.

Allen diesen Beispielen ist gemeinsam, dass sie kontinuierlich Daten sammeln, verarbeiten und interpretieren. Dabei werden oft persönliche Informationen wie Stimme, Text, Bild und sogar biometrische Daten analysiert, um Dienste zu optimieren.

Ein wesentlicher Unterschied zwischen regelbasierten Systemen und modernen KI-Ansätzen wie dem Deep Learning ist die Art und Weise, wie Entscheidungen getroffen werden. Regelbasierte Systeme folgen vordefinierten Regeln, die von Menschen festgelegt werden. Dies ermöglicht eine gewisse Nachvollziehbarkeit und Transparenz. MustererkennungMustererkennungssysteme hingegen lernen aus Daten, um eigene Regeln und Zusammenhänge abzuleiten. Das macht sie flexibler und leistungsfähiger, aber auch weniger transparent.

Ein Beispiel für diese Problematik ist die GesichtserkennungGesichtserkennung. Während ein regelbasiertes System klar definierte Schritte zur Identifizierung eines Gesichts abarbeiten würde, erkennt ein neuronales Netz Muster in Millionen von Gesichtern und trifft Entscheidungen basierend auf diesen Mustern. Das Ergebnis ist oft nicht erklärbar: Man kann nicht genau sagen, warum die KI eine Person erkannt hat oder nicht.

BEISPIEL

Brigittes ältere Tochter sieht ihr auf den ersten Blick überhaupt nicht ähnlich. Sie könnte Schwedin sein und Brigitte Süditalienerin. Dennoch kann die Tochter mit ihrem Gesicht Brigittes Handy entsperren. Wie ist das zu erklären? Dieser spannende Effekt zeigt, wie komplex die Gesichtserkennungstechnologie in Geräten wie Smartphones funktioniert. Face ID basiert auf einem 3-D-Scan des Gesichts und erkennt charakteristische Merkmale, die sich auch in feinen Details von Gesichtsproportionen und -strukturen äußern. Selbst wenn äußerlich keine starke Ähnlichkeit wahrnehmbar ist, können tiefere Ebenen der Gesichtserkennung unbewusste Ähnlichkeiten erfassen, die in den Strukturen oder feinen anatomischen Details liegen, denn diese werden oft vererbt.

Es ist wichtig, Kausalität (Ursache-Wirkungs-Beziehung) und Korrelation (Wahrscheinlichkeiten) zu unterscheiden. Kausale Zusammenhänge sind beispielsweise die Schwerkraft, aufgrund derer Dinge zu Boden fallen und nicht in die Luft. Analysen auf Basis von KI beruhen auf Korrelationen, also Wahrscheinlichkeiten und Vermutungen.

Wie sieht die Infrastruktur aus?

Damit KI ihre vollen Potenziale entfalten kann, sind verschiedene infrastrukturelle und regulatorische Voraussetzungen erforderlich:

Netzabdeckung und Cloud-Computing: Cloud-ComputingCloud-Computing bedeutet Zugriff-on-Demand auf externe Rechenzentren von Microsoft, Telekom, Google und eine nutzungsabhängige Bezahlung. Daten können zwar auch lokal auf einem eigenen Server gehostet werden, aber diese Lösung ist in vielen Fällen teuer und verfügt nicht über Absicherung und Sicherheitsstandards großer Rechenzentren. Dementsprechend benötigt KI eine starke Internetanbindung und eine Cloud-Umgebung, um effizient arbeiten zu können. In vielen Ländern, darunter auch Deutschland, gibt es jedoch immer noch große Lücken in der NetzabdeckungNetzabdeckung, was den remote Einsatz von KI-Technologien erschwert. Zudem zögern viele Unternehmen aufgrund von Sicherheitsbedenken, Cloud-Computing-Lösungen zu nutzen.

Datenschutz: Da KI mit großen Datenmengen arbeitet, stellen DatenschutzDatenschutz und Datensicherheit eine große Herausforderung dar. Die Verarbeitung personenbezogener Daten muss im Einklang mit den gesetzlichen Vorgaben, wie der DSGVODSGVO oder dem EU AI ActEU AI Act, erfolgen. Dazu haben wir im Kapitel »Wie sieht eine ethische und verantwortungsvolle KI-Nutzung aus?« Informationen bereitgestellt.

Verfügbarkeit von Expertise: Der FachkräftemangelFachkräftemangel im Bereich KI ist eine weitere Hürde. Es fehlen oft die notwendigen Experten, um KI-Projekte in Unternehmen zu implementieren und zu betreuen. Dieser Mangel wird vermutlich im globalen Kontext ausgeglichen werden und auch in Deutschland werden zunehmend Experten ausgebildet.9

Um nicht von dieser Entwicklung überholt zu werden, sind Strategien und Konzepte wichtig, die es Unternehmen ermöglichen, wettbewerbsfähig zu bleiben und Mitarbeitenden sinnvolle, zukunftsfähige Tätigkeiten anzubieten.

Hilfreich ist in diesem Zusammenhang das CynefinCynefin-Modell Framework10 von Dave Snowden, der dieses Modell bereits im Jahr 1999 entwickelt hat. Das Modell dient dazu, Probleme und Herausforderungen mit einem konstruktiven Vorgehen zu versehen, indem es sie in fünf verschiedene Kategorien (Domänen) einteilt. Jede Domäne bietet spezifische Handlungsempfehlungen je nach Qualität des Problems.

Cynefin-Modell von Dave Snowden (Quelle:

https://digitaleneuordnung.de/blog/cynefin

)

Beispiele aus einem Unternehmen verdeutlichen die praktische Bedeutung des Cynefin-ModellModells:

Ein Unternehmen hat ein Problem mit der regelmäßigen Wartung von Druckern. Sowohl die Ursache (fehlender Wartungsplan) als auch die Lösung (Erstellen eines Plans) sind eindeutig. Die IT-Abteilung erstellt eine Checkliste für die Druckerwartung und führt sie regelmäßig ausCynefin-Modell. In der »einfachen Domäne« (Clear) sind Ursache-Wirkungs-Beziehungen klar und Best Practices verfügbar. Der Prozess folgt dem Vorgehen »Sense – Categorize – Respond« (Wahrnehmen, Kategorisieren, Reagieren).

Die Produktivität eines Teams sinkt. Es ist nicht sofort klar, warum. Experten wie Prozessanalysten oder externe Berater werden hinzugezogen, um Arbeitsabläufe zu analysieren. Die Lösung könnte die Einführung neuer Tools oder eine Reorganisation des Teams sein. In der »komplizierte Domäne« (Complicated) sind Ursache und Wirkung erkennbar, erfordern jedoch Expertise oder Analyse. Die Handlungsempfehlung lautet »Sense – Analyze – Respond« (Wahrnehmen, Analysieren, Reagieren).

Ein Unternehmen möchte die Innovationskultur verbessern. Es werden kleine Experimente durchgeführt, z. B. Hackathons, flexible Arbeitszeiten oder interdisziplinäre Teams. Die Wirkung dieser Maßnahmen wird beobachtet, und erfolgreiche Ansätze werden ausgeweitet. Ursache und Wirkung sind in der ­»komplexen Domäne« (Complex) erst im Nachhinein erkennbar. Es gibt keine eindeutige Lösung, sondern nur Experimente und emergente Ansätze, daher gilt hier »Probe – ­Sense – ­Respond« (Experimentieren, Wahrnehmen, ­Reagieren).

Ein IT-Ausfall legt das gesamte Unternehmen lahm. Die IT-Abteilung handelt sofort, um den Betrieb wiederherzustellen (z. B. durch Umschalten auf Back-up-Systeme), und analysiert erst danach die Ursachen des Ausfalls. In der »chaotische Domäne« (Chaotic)