Skip to content

Herausgegeben von Rainer Butenschön, Daniela Dahn, Rolf Gössner,
Ulla Jelpke und Otto Köhler

Begründet 1997 von Eckart Spoo

Menu
Menu

KI: Künstlich? Ja – aber Intelligenz?

Die Bun­des­re­gie­rung wid­met das »Wis­sen­schafts­jahr 2019« der »Künst­li­chen Intel­li­genz«, kurz KI genannt. »Wir wol­len die Chan­cen, die Künst­li­che Intel­li­genz birgt, erken­nen und ergrei­fen«, ver­kün­det Bun­des­for­schungs­mi­ni­ste­rin Anja Kar­lic­zek auf der Web­site https://www.wissenschaftsjahr.de.

Auch Unter­neh­mens­be­ra­tun­gen haben das The­ma ent­deckt. KI »kann zum Wachs­tums­mo­tor für die deut­sche Indu­strie wer­den«, berich­tet McK­in­sey. Selbst­ler­nen­de Tech­nik wer­de dem­nach immer bes­ser. »Lag die Feh­ler­ra­te bei com­pu­ter­ge­stütz­ter Bil­der­ken­nung 2010 noch bei 28 Pro­zent, waren es 2016 weni­ger als fünf Pro­zent; bei der Sprach­er­ken­nung sank die Quo­te von 27 Pro­zent im Jahr 1997 auf sechs Pro­zent im ver­gan­ge­nen Jahr.« Die Arbeits­welt ste­he des­halb vor »dra­ma­ti­schen Ver­än­de­run­gen«. 2030 könn­ten 24 Pro­zent der Arbeits­stun­den hier­zu­lan­de weg­fal­len, schätzt McK­in­sey. »Deutsch­land sei von dem Struk­tur­wan­del beson­ders betrof­fen, weil die höhe­ren Löh­ne in Deutsch­land einen grö­ße­ren Anreiz böten, Arbeits­kraft durch Maschi­nen zu erset­zen. Bis zu zwölf Mil­lio­nen Beschäf­tig­te, also bis zu einem Drit­tel aller Arbeits­kräf­te, müss­ten sich neue Fähig­kei­ten aneig­nen oder eine Stel­le in einer ande­ren Bran­che suchen«, mel­det der Spie­gel.

Oft sind sich Exper­ten aber gar nicht einig, was unter KI zu ver­ste­hen ist. Dar­un­ter fal­len »IT-Lösun­gen und Metho­den, die selb­stän­dig Auf­ga­ben erle­di­gen, wobei die der Ver­ar­bei­tung zugrun­de­lie­gen­den Regeln nicht expli­zit durch den Men­schen vor­ge­ge­ben sind«, defi­niert Clau­dia Duki­no vom Fraun­ho­fer-Insti­tut für Arbeits­wirt­schaft und Orga­ni­sa­ti­on. Ein Bei­spiel sind die Sprach­ein­ga­be­sy­ste­me in Smart­phones, etwa »Siri«. KI ist aber mehr als Sprach­er­ken­nung. Das bei Goog­le ent­wickel­te »Goog­le Trans­la­te« ist so ein KI-System. Ein künst­li­ches »neu­ro­na­les Netz« sorgt dafür, dass über 100 Spra­chen unter­ein­an­der über­setzt wer­den kön­nen. Das System lernt also dazu, die dabei ver­wen­de­te Metho­de nennt sich »Deep Lear­ning«. Wird ein sol­ches Netz trai­niert, ver­gleicht es immer wie­der die Ergeb­nis­se mit den Ein­gangs­in­for­ma­tio­nen. Die­se Syste­me sind in der Lage, eigen­stän­dig neue Lösungs­we­ge zu fin­den, schil­dert Andre­as Höp­ken, Daten­schutz­be­ra­ter, in der Zeit­schrift Com­pu­ter und Arbeit.

Im All­tag sind auch Algo­rith­men bedeut­sam. Algo­rith­men sind mathe­ma­ti­sche Glei­chun­gen und damit die Basis für Soft­ware­pro­gram­me. Sie über­set­zen kau­sa­le Annah­men in Rechen­pro­gram­me. Wenn bei­spiels­wei­se aus einer Daten­men­ge bestimm­te Daten gefun­den wer­den sol­len, kann nach Begrif­fen gesucht wer­den. Was abstrakt klingt, hat heu­te schon Aus­wir­kun­gen auf vie­le Men­schen. So wol­len Ban­ken anhand bestimm­ter Daten her­aus­fin­den, wie hoch die Rück­zah­lungs­wahr­schein­lich­keit eines Kre­dit­su­chen­den ist. Dabei spielt neben dem Wohn­ort auch der Schrift­typ eine Rol­le, mit dem er den Antrag am Com­pu­ter aus­füllt, schil­dert Jörg Drä­ger in sei­nem Buch »Wir und die intel­li­gen­ten Maschinen«.

Nicht jedes System ist aber »intel­li­gent«. Seit Jah­ren gelingt es nicht, auto­no­me Autos unfall­frei fah­ren zu las­sen, man­che Unfäl­le über­ra­schen auch Wis­sen­schaft­ler. Die Auto-Soft­ware ist auf Trai­nings­da­ten ange­wie­sen, berich­tet die Hans-Böck­ler-Stif­tung. Men­schen pfle­gen »Mil­lio­nen von Fotos aus dem Stra­ßen­ver­kehr, bei denen jedes Pixel einem Objekt zuge­ord­net ist«, in Daten­ban­ken ein, »Fahr­bahn­mar­kie­run­gen, Fahr­zeu­ge und Fuß­gän­ger müss­ten trenn­scharf von­ein­an­der abge­grenzt« wer­den. Die Ent­loh­nung der vir­tu­ell ein­ge­bun­de­nen Arbei­ter am hei­mi­schen PC ist mise­ra­bel »Qua­li­fi­zier­te Voll­zeit­ar­beits­kräf­te berich­ten von Stun­den­ver­dien­sten von umge­rech­net ein bis zwei Euro«, mel­det die gewerk­schaft­li­che Stif­tung (https://www.boeckler.de).

So wird deut­lich, dass bei der neu­en Tech­nik Anspruch und Wirk­lich­keit oft aus­ein­an­der­klaf­fen. Häu­fig tre­ten offen­sicht­lich Mar­ke­ting-Exper­ten der Unter­neh­men zu forsch auf. In der Wer­bung betont der IT-Rie­se IBM die Beson­der­heit sei­nes Com­pu­ter­pro­gramms »Wat­son«. »Es ist eines der mäch­tig­sten Werk­zeu­ge, die unse­re Spe­zi­es geschaf­fen hat«, und »Wat­son« selbst ergänzt: »Ich hel­fe Ärz­ten.« In der Pra­xis sieht es jedoch anders aus. Mit KI woll­te IBM das MD-Ander­son-Onko­lo­gie­zen­trum der Uni­ver­si­tät von Texas im Kampf gegen Krebs unter­stüt­zen. Nach sechs Jah­ren und Kosten in Höhe von 62 Mil­lio­nen Dol­lar hat das Zen­trum den Ver­trag aus­lau­fen las­sen. Algo­rith­men, die im Labor funk­tio­nie­ren, schei­tern in der Rea­li­tät häu­fig. Man­che ver­wen­den KI »ein­fach als Eti­kett für alle mög­li­chen Ana­ly­se­pro­gram­me«, kri­ti­siert Wolf­gang Hau­ner vom Rück­ver­si­che­rer Munich Re. Der Ver­such, aus Pres­se­mit­tei­lun­gen Risi­ko­ana­ly­sen abzu­lei­ten, sei mit KI nicht mach­bar. Eine Genau­ig­keit von nur 70 Pro­zent sei dazu nicht aus­rei­chend, so Hau­ner. »Mit dem Myste­ri­um, dass die KI alle Pro­ble­me löst, kann man auf­räu­men: Allei­ne die Daten so zur Ver­fü­gung zu stel­len, dass ein neu­ro­na­les Netz­werk dar­aus einen Sinn erken­nen kann, ist har­te Arbeit.«

Wel­che Gefah­ren aller­dings selbst für qua­li­fi­zier­te Beru­fe bestehen, zeigt ein Bei­spiel aus der Ver­si­che­rungs­bran­che. Die Fuko­ku Mutu­al Life Insu­rance, einer der klei­ne­ren Ver­si­che­rer in Japan, setzt KI zur Berech­nung von Schä­den und Kun­den­an­sprü­chen ein. 30 Pro­zent der ins­ge­samt rund 130 Mit­ar­bei­ter einer Abtei­lung ver­lö­ren dadurch ihren Job, mel­det der Hau­fe-Ver­lag den Anfang einer Ent­wick­lung. Das Pro­gramm kön­ne medi­zi­ni­sche Berich­te von Ärz­ten lesen, um über Aus­zah­lun­gen an Kun­den zu ent­schei­den, und »beson­de­re Klau­seln in Ver­si­che­rungs­ver­trä­gen« berück­sich­ti­gen, erläu­tert der Jour­na­list Det­lef Pohl (https://www.haufe.de).

Auch bei Bewer­bun­gen wird neue Tech­nik bedeut­sa­mer. »Ein Pro­blem bei der Per­so­nal­aus­wahl ist zum Bei­spiel die Mono­pol­struk­tur: In vie­len Unter­neh­men in den USA wird der­sel­be Algo­rith­mus ein­ge­setzt, und er ent­schei­det, ob ich zum Vor­stel­lungs­ge­spräch ein­ge­la­den wer­de. Dann besteht die Gefahr, dass bestimm­te Grup­pen von Men­schen ganz vom Arbeits­markt aus­ge­schlos­sen wer­den, weil der mono­po­li­sti­sche Algo­rith­mus sie regel­mä­ßig aus­sor­tiert« so Jörg Drä­ger, Vor­stands­mit­glied der Ber­tels­mann Stif­tung. Der­zeit schaf­fen die Unter­neh­men hier Fak­ten. Drä­ger, der von 2001 bis 2008 Ham­bur­ger Wis­sen­schafts­se­na­tor war, for­dert gesetz­li­che Schutz­be­stim­mun­gen. »Erst mal muss ich als Bür­ger wis­sen, ob da ein Algo­rith­mus am Werk ist und wel­che Daten her­an­ge­zo­gen wer­den«, des­halb for­dert er: »Wir brau­chen ein Ver­mum­mungs­ver­bot für Algorithmen!«

»KI soll von Men­schen für Men­schen gemacht wer­den – das ist mir wich­tig«, betont Bun­des­mi­ni­ste­rin Anja Kar­lic­zek. Soll­te die­ses Ver­spre­chen auch nur ansatz­wei­se rea­li­stisch sein, muss die Bun­des­re­gie­rung eine Rei­he von Geset­zen durch­set­zen. Dazu gehö­ren ein längst über­fäl­li­ges Arbeit­neh­mer­da­ten­schutz­ge­setz oder ein Infor­ma­ti­ons­an­spruch zu Aus­wahl­kri­te­ri­en zum Bei­spiel für Bewer­ber auf offe­ne Stel­len oder Bank­kun­den beim Kre­dit­an­trag, etwa wenn der Algo­rith­mus auto­ma­ti­sche Vor­ent­schei­dun­gen trifft. Das setzt Ent­schlos­sen­heit gegen­über Kon­zer­nen vor­aus, die viel Geld mit neu­er Tech­nik verdienen.