Künstliche Intelligenz

Was ist Künstliche Intelligenz (KI-Forschung)?

Künstliche Intelligenz, auch KI oder AI (englisch: artificial intelligence), bezeichnet die Simulation menschlicher Intelligenz, Denkweisen und kognitiver Prozesse in Maschinen beziehungsweise Computern, sodass diese in der Lage sind, Aufgaben eigenständig zu erlernen, zu verstehen, zu analysieren und zu lösen. Dazu nutzt die Technologie Algorithmen und Datenverarbeitung, um aus Erfahrungen zu lernen und menschenähnliche Entscheidungen zu treffen. KI kann beispielsweise Sprache verstehen, visuelle Informationen interpretieren und komplexe Probleme lösen. Sie decken dabei ein breites Anwendungsspektrum ab, das von autonomen Fahrzeugen und personalisierter Medizin bis hin zu automatisierten Fertigungsprozessen reicht. Mithilfe von KI bieten sich unserer Gesellschaft zahlreiche Chancen und Vorteile, jedoch sind zugleich die Herausforderungen zu beachten, um einen verantwortungsbewussten Umgang mit der Technologie sicherzustellen.

Die historische Entwicklung von KI

Die Geschichte künstlicher Intelligenzen geht bis in die erste Hälfte des vergangenen Jahrhunderts zurück. Wir geben Ihnen einen Überblick über die wichtigsten Ereignisse in der Entwicklung von KI:

• 1936: Bereits in den 1930er Jahren legt der britische Mathematiker und Informatiker Alan Turing mit seinen Überlegungen den Grundstein für Künstliche Intelligenz. 1950 entwickelt er den nach ihm benannten Turing-Test. In diesem kommuniziert ein Mensch via Tastatur und Bildschirm mit zwei Gesprächspartnern, einem anderen Menschen und einer Maschine. Ist der Proband nicht in der Lage, die beiden voneinander zu differenzieren, gilt der Test für die Maschine als bestanden.

• 1956: Der Begriff Artificial Intelligence taucht erstmals bei einer Konferenz von Wissenschaftlern am Dartmouth College in New Hampshire in den USA auf. Dort wird er von Organisator John McCarthy vorgeschlagen. Darüber hinaus wird bei der Konferenz das weltweit erste KI-Programm geschrieben, das mehrere mathematische Lehrsätze beweisen kann.

• 1966: Mit "ELIZA" erfindet der Informatiker Joseph Weizenbaum vom Massachusetts Institute of Technology den ersten Chatbot, der verschiedene Gesprächspartner simulieren konnte, zum Beispiel einen Psychotherapeuten.

• 1997: Die von IBM entwickelte Schachmaschine "Deep Blue" schafft es, gegen den amtierenden Schachweltmeister Garry Kasparov zu gewinnen. Fraglich blieb jedoch, inwiefern diese Leistung mit der Intelligenz der Maschine zusammenhing oder ob sie schlicht in der Lage war, alle möglichen Züge zu berechnen.

• 2011: IBM entwickelt das Computerprogramm "Watson", das natürliche Sprache versteht und schnell schwierige Fragen beantwortet. Es tritt in einer Quizshow in den USA an und gewinnt gegen die menschlichen Kandidaten.

• Dank großer Sprünge in der Technologie von Hard- und Software wird es auch normalen Verbrauchern ermöglicht, im Alltag auf KI zurückzugreifen. Vor allem Sprachassistenten sind seitdem im alltäglichen Leben vieler Menschen relevant: Apple bringt 2011 "Siri" heraus, 2014 erscheint die Software "Cortana" von Microsoft und nur ein Jahr später folgt Amazon mit der Sprachassistentin "Alexa".

• 2016: Das Computerprogramm AlphaGo wird von Google DeepMind entwickelt und besiegt den Go-Champion Lee Sedol.

• 2022: Ende des Jahres bringt das Unternehmen OpenAI den Chatbot ChatGPT auf den Markt, der auf maschinellem Lernen beruht.

Arten von KI: starke KI und schwache KI

Künstliche Intelligenz lässt sich grundsätzlich in zwei Arten unterteilen:

1. Schwache KI: Unter diese Form der KI fallen Systeme, die sich auf konkret definierte Anwendungsgebiete und -probleme spezialisieren. Dazu nutzen sie Methoden aus der Mathematik und Informatik, die für die speziellen Anforderungen entwickelt wurden. Sie erlangen dabei kein tiefgreifendes Verständnis für die jeweiligen Problemlösungen. Schwache KI-Systeme begegnen uns in verschiedenen Bereichen des Alltags, zum Beispiel in der Spracherkennung, der individuellen Ausspielung von Werbung, bei Chatbots oder in Navigationssystemen.

2. Starke KI: Das Ziel ist, dass die Systeme die intellektuellen menschlichen Fähigkeiten erreichen oder gar übertreffen. Sie soll nicht nur reaktiv handeln, sondern aus eigenem Antrieb. Zum aktuellen Zeitpunkt gibt es noch keine KI, die auf diesem Stand ist. Ebenso ist unsicher, ob eine KI jemals diese Fähigkeiten erreichen wird. Generell besteht jedoch Einigkeit darüber, welche Eigenschaften sie aufweisen muss:

• Logisches Denkvermögen

• Entscheidungsfähigkeit trotz Unsicherheit

• Planungs- und Lernfähigkeit

• Fähigkeit, in natürlicher Sprache zu kommunizieren

• Kombination aller Fähigkeiten zur Erreichung eines übergeordneten Ziels

Typen Künstlicher Intelligenz

Zusätzlich zur Unterscheidung zwischen starker KI und schwacher KI lassen sich 4 verschiedene Typen Künstlicher Intelligenz unterscheiden:

1. Reaktive Maschinen: Sie sind eigens für eine bestimmte Aufgabe programmiert und damit ein typisches Beispiel schwacher KI. Ein Beispiel dafür ist die bereits genannte Schachmaschine Deep Blue, die für diesen Zweck zwar äußerst erfolgreich war, für andere Aufgaben aber ungeeignet gewesen wäre.

2. Begrenzte Speicherkapazität: Sogenannte Limited Memory AI können vergangene Daten auf aktuelle Situationen anwenden, um anhand dessen Entscheidungen zu treffen. Ein klassisches Beispiel dafür stellt beispielsweise der Content dar, den Sie in den sozialen Medien angezeigt bekommen. Anhand Ihrer Aktivitäten lernen die Algorithmen, welche Inhalte für Sie interessant sind und zeigen Ihnen ähnliche Inhalte an. Weitere Beispiele sind Chatbots, welche aus früheren Antworten lernen, oder autonome Fahrzeuge, die wissen, wie andere Verkehrsteilnehmer (Autos, Menschen, Radfahrer) normalerweise agieren, die Straßenverkehrsregeln kennen und anhand dessen reagieren. Dieser KI-Typ ist heute der präsenteste in unserem Alltag.

3. Theorie des Geistes: Die Typen 3 und 4 Künstlicher Intelligenz lassen sich der starken KI zuordnen und sind zum jetzigen Zeitpunkt lediglich theoretisch vorhanden. Unter die Theory of Mind fallen Maschinen, die in der Lage sind, menschliche Gefühle wahrzunehmen und ihr Verhalten dementsprechend anzupassen. Speziell die Abbildung und das Verständnis menschlicher Emotionen stellt eine erhebliche Herausforderung dar.

4. Selbstwahrnehmung: Dieser KI-Typ kommt dem Menschen am nächsten, da solche intelligenten Maschinen die Welt inklusive der menschlichen Emotionen und Absichten vollständig wahrnehmen können. Sie denken nicht nur, sondern wissen, dass sie denken. Dadurch erreichen oder übersteigen sie sogar die Intelligenz des Menschen. 

Teilbereiche Künstlicher Intelligenz: Machine Learning, Deep Learning, neuronale Netze & Co.

Innerhalb der Künstlichen Intelligenz gibt es verschiedene relevante Teilbereiche, die teilweise synonym verwendet werden. Wir stellen Ihnen die wichtigsten Gebiete vor:

Machine Learning

Der zentrale Gedanke von Machine Learning (auch: maschinelles Lernen) besteht darin, dass die Systeme ihre Leistung in einem bestimmten Bereich anhand eigener Erfahrungen optimieren können. Dieser Prozess wird durch mathematische Algorithmen durchgeführt.

Diese KI-Systeme werden mit Standardangaben programmiert und lernen anschließend durch die gesammelten Daten, in denen sie Muster feststellen können. Beispiele dafür können Empfehlungen sein, die Sie auf Streamingplattformen bekommen, oder personalisierte Werbung, die Sie anhand Ihres vorherigen Suchverhaltens erhalten.

Deep Learning

Ein zusätzliches Teilgebiet des Machine Learning bildet Deep Learning, das auf künstlichen neuronalen Netzen basiert. Anders als im Bereich des maschinellen Lernens, in dem der Mensch in den Lernprozess eingreifen kann, lernt die KI autonom basierend auf Big Data und den neuronalen Netzen. Anhand dessen treffen die Systeme Entscheidungen und hinterfragen deren Richtigkeit, um sie zukünftig weiter zu optimieren. Dementsprechend werden sie für komplexere Aufgaben wie der Sprach- oder Gesichtserkennung eingesetzt.

Neuronale Netze

Einen weiteren Bereich der Künstlichen Intelligenz stellen neuronale Netze dar, die vom menschlichen Gehirn inspiriert sind. Diese bestehen aus einer Vielzahl künstlicher Neuronen, die miteinander verbunden sind und sich in Schichten organisieren lassen, im Regelfall eine Eingabeschicht, mehrere versteckte Schichten und eine Ausgabeschicht. Die einzelnen Verbindungen haben unterschiedliche Gewichtungen, die während des Trainingsprozesses angepasst werden, um das Netzwerk zu optimieren.

Natural Language Processing (NLP)

NLP ermöglicht die maschinelle Verarbeitung menschlicher Sprache, sodass eine weitreichende Kommunikation zwischen Menschen und Computern oder Robotern geführt werden kann. Bekannte Beispiele dafür sind die Sprachassistenten Siri und Alexa, über die sich gewisse Anwendungen steuern lassen und die durch die Analyse von Daten weiter dazulernen können.

Knowledge Representation

Bei Knowledge Representation handelt es sich um Methoden, die sich mit der Repräsentation und Organisation von Wissen in einem computerbasierten System. Dadurch wird das Wissen für den Computer verständlich organisiert und kann von der KI-Anwendung effizient verarbeitet, abgefragt und verwendet werden.

Anwendungsbereiche von Künstlicher Intelligenz in der Praxis

KI hat längst Einzug in den Alltag erhalten und durchdringt immer mehr Bereiche und Branchen. Einige KI-Anwendungen wurden bereits genannt. Wir stellen Ihnen Praxisbeispiele vor, in denen Anwendungen der Künstlichen Intelligenz bereits von großer Bedeutung sind:

• Gesichtserkennung spielt in immer mehr Bereichen eine Rolle. An Flughafen-Kontrollen begegnet man Gesichtsscannern und auch Smartphones lassen sich statt über einen Code oder Fingerabdruck mittlerweile über einen Gesichtsscan entsperren.

• Autonome Fahrzeuge, bei denen der Mensch gänzlich die Verantwortung abgibt, sollen in der Zukunft zunehmend auf unseren Straßen unterwegs sein. Autonomes Fahren beginnt jedoch schon wesentlich früher. Auch einfache Fahrassistenten wie Einpark- oder Bremshilfen arbeiten mit KI-Systemen. 

• Soziale Medien setzen in hohem Maße auf KI. Dadurch sind sie in der Lage, Ihnen personalisiert Inhalte und Werbung zu präsentieren, die sich aus Ihrem Such- und Interaktionsverhalten ergeben. Auch Streaming-Plattformen nutzen KI, um Ihnen auf der Startseite Filme und Serien anzuzeigen, die für Sie relevant sind.

• Im Zusammenhang mit sozialen Medien sowie E-Mail-Anwendungen sind auch Spamfilter relevant. Solche Nachrichten manuell zu filtern und zu löschen, ist speziell für große Unternehmen kaum möglich. Dementsprechend kann KI helfen, diese im Vorfeld auszusortieren, indem sie spezielle Merkmale betrachtet. Dies gilt auch für Nachrichten, die Hassrede verbreiten. 

• Navigationssysteme, die mit KI arbeiten, können aktuelle Ereignisse in die Routenplanung einbeziehen. So werden Informationen über Staus, Unfälle oder Baustellen herangezogen, um anhand dessen die schnellste Route zu berechnen.

• Sprachassistenten wie Alexa oder Siri lernen durch die Interaktion mit den Menschen ständig dazu und entwickeln sich weiter. Sie sind in der Lage, Antworten auf eine Vielzahl von Fragen zu liefern, die Nutzer Ihnen stellen.

• Zusätzlich zu Sprachassistenten gewinnen Chatbots aktuell immer mehr an Bedeutung. Diese ermöglichen die Kommunikation von Mensch und Computer in Text- oder Sprachform. Sie sind in der Lage, die Intentionen eines Nutzers zu verstehen und lernen aus den Konversationen. ChatGPT hat Ende 2022 besondere Aufmerksamkeit erregt. Der Chatbot, der auf dem Sprachmodell GPT-3 basiert, kann in mehreren Sprachen mit dem Nutzer kommunizieren und Antworten verfassen, die sich kaum von denen eines Menschen unterscheiden. Er kann Fragen zu unzähligen Themen beantworten und beschränkt sich dabei nicht ausschließlich auf einfache Texte. Der Chatbot hilft bei der Erstellung von Tabellen, dem Schreiben von Gedichten, der Übersetzung von Texten oder sogar dem Schreiben von Programmcodes.

Generative KI

ChatGPT ist ein aktuelles Beispiel für Generative KI. Dabei handelt es sich um Systeme, mit denen Inhalte wie Texte, Codes, synthetische Daten, Audio, Bilder oder Videos erzeugt werden können. Generative KI besteht zwar schon seit 60er Jahren, als die ersten Chatbots entwickelt wurden, die Qualität der so erstellten Inhalte hat jedoch vor allem im letzten Jahrzehnt rapide zugenommen.

Generative KI beruht auf künstlichen neuronalen Netzwerken, die mit einer Vielzahl von Daten trainiert wurden. Ausgehend von dieser Basis ist die KI in der Lage, neue Inhalte zu erstellen. Die Möglichkeiten, die sich Unternehmen dadurch bieten, sind vielfältig:

• Intelligente Chatbots zur Kommunikation mit Kunden

• Erzeugung von Textinhalten für diverse Anwendungszwecke (Website, Marketing, Produkt- und Leistungsbeschreibungen etc.) oder gar gesprochene Inhalte

• Erzeugung realistischer Bildinhalte

• Erstellung von Designs für Produkte, Verpackungen etc. mittels 3D-Modellierung

• Generierung künstlicher Videos

Auch wenn Generative KI Unternehmen zahlreiche Chancen bietet, gilt es dennoch gewisse Aspekte zu beachten. Zwei wichtige Themen sind der Datenschutz und Copyright, die bis zum jetzigen Zeitpunkt nicht abschließend geklärt sind. Diese beinhalten unter anderem die folgenden Fragen: Werden personenbezogene Daten für generative Modelle verwendet? Wie gestaltet sich das Thema Urheberrecht im Hinblick auf Künstliche Intelligenz?

Ein weiteres Problem, das in diesem Zuge auftritt, sind Deepfakes. Immer wieder tauchen vor allem von bekannten Persönlichkeiten Inhalte in Form von Bild, Video oder Ton auf, in denen diese nachgeahmt werden. Diese sind mittlerweile so täuschend echt, dass sie kaum noch als Fälschungen wahrgenommen werden können. Die Folgen für die betroffenen Personen können mitunter weitreichend sein.

Chancen und Risiken Künstlicher Intelligenz im Unternehmen

Das Thema Künstliche Intelligenz bietet sowohl den Menschen als auch Unternehmen zahlreiche Chancen, um gewisse Prozesse zu erleichtern und Probleme zu lösen. Gleichermaßen ist der Einsatz und die Weiterentwicklung von KI mit gewissen Herausforderungen und Ungewissheiten verbunden, welche Auswirkungen letztlich damit einhergehen. Wir stellen die Vorteile und Nachteile Künstlicher Intelligenz gegenüber.

Vorteile von KI

Die größten Vorteile und Chancen durch den Einsatz Künstlicher Intelligenz sind:

• Kostenersparnisse: Durch Künstliche Intelligenz können Prozesse innerhalb des Unternehmens automatisiert werden. Zudem lassen sich Fehler minimieren oder gänzlich vermeiden, was dem Unternehmen helfen kann, Kosten zu sparen.

• Effizienz: Durch die Automatisierung und Optimierung von Prozessen lässt sich die generelle Effizienz erhöhen. Mitarbeiter haben so außerdem die Möglichkeit, sich mit anderen, wichtigeren Aufgaben zu beschäftigen.

• Entscheidungsfindung: Die Analyse großer Datenmengen durch KI kann dabei helfen, Zusammenhänge und Muster zu erkennen, um präzisere Entscheidungen zu treffen.

• Trendvorhersage: KI kann dabei helfen, Trends zu erkennen oder vorherzusagen und anhand dessen Produkte und Dienstleistungen zu entwickeln.

Nachteile von KI

Risiken und Nachteile, die mit KI einhergehen, sind:

• Datenschutz: Der Einsatz und besonders das Training von Künstlicher Intelligenz erfordert die Verarbeitung großer Datenmengen, gegebenenfalls unter Verwendung von Data Mining. Wie und von wem diese Daten verarbeitet werden, ist teilweise ungewiss. Ebenso besteht die Gefahr, dass die gesammelten Daten missbraucht oder gestohlen werden.

• Verlust von Arbeitsplätzen: Eine wesentliche Sorge im Arbeitsumfeld besteht darin, dass durch KI-Maschinen der Mensch zunehmend ersetzt wird. Dieser Punkt stellt eine generelle Herausforderung im Zuge der Digitalisierung dar.

• Abhängigkeit von KI: Je mehr Künstliche Intelligenz im Unternehmen integriert wird, desto abhängiger wird man von dessen Leistungen. Kommt es zu Problemen oder Fehlern mit KI, kann es das Unternehmen vor große Herausforderungen gestellt sein.

• Fehleranfälligkeit: Wie der Mensch ist auch Künstliche Intelligenz nicht frei von Fehlern. Aus fehlerhaften oder unvollständigen Daten können sich unpräzise oder falsche Entscheidungen ergeben.

• Implementierungskosten & Zeitaufwand: Auch wenn der Einsatz von KI mittel- und langfristig Kosten im Unternehmen reduzieren kann, so erfordert die Integration in die bestehende Arbeitsumgebung einen nicht unerheblichen Zeit- und Kostenaufwand.

Regulierung der Anwendung von KI durch die Politik

Damit KI ausschließlich im positiven Sinne angewendet wird, muss die Entwicklung Künstlicher Intelligenz und deren Einsatz seitens der Politik reguliert werden. Die EU arbeitet seit geraumer Zeit daran, KI-Systeme gesetzlich zu regulieren. Da die Entwicklung der künstlichen Intelligenz jedoch derart dynamisch und schnell verläuft, ist es kaum möglich, mit den Änderungen und Innovationen Schritt zu halten und politisch zu reagieren. Nichtsdestotrotz versucht die EU in ersten Schritten, die Systeme hinsichtlich Ihres Anwendungszwecks und Ihrer Bedeutung zu klassifizieren. Demnach soll die Regulierung in weniger riskanten Anwendungsfällen minimal sein. Bei riskanteren Anwendungsfällen müssen bestimmte Bedingungen erfüllt sein, darunter die Transparenz und Erklärbarkeit der Systeme und das Zustandekommen ihrer Ergebnisse. Darüber hinaus gibt es bestimmte Anwendungen, deren Gebrauch zu riskant und damit verboten ist. Zu dieser Kategorie zählen beispielsweise das Social Scoring, das Menschen anhand bestimmter Kriterien wie Verhalten, Status oder persönlichen Merkmalen klassifiziert, oder Systeme, die eine kognitive Verhaltensmanipulation beinhalten, die potenziell gefährliches Verhalten hervorruft.

Ein weiterer wichtiger Punkt ist in diesem Zusammenhang die KI-Ethik beziehungsweise Kethik. So hat beispielsweise das Projekt Foresight, das vom Bundesministerium für Wirtschaft und Klimaschutz gefördert wird, ethische Richtlinien für Künstliche Intelligenz formuliert:

1. Vorrang menschlichen Handelns und menschlicher Aufsicht: Der Mensch ist und bleibt der Hauptverantwortliche für Entscheidungen. Er entscheidet was ethisch ist und was nicht.

2. Technische Robustheit und Sicherheit: Die Funktionalität und Entscheidungen der Systeme müssen sicher und verlässlich sein.

3. Schutz der Privatsphäre und Datenqualitätsmanagement: Datenschutz und Persönlichkeitsrechte sind zwei weitere zu beachtende Kriterien im Rahmen von KI. Es muss zudem überprüft werden, ob durch den Einsatz bestimmt Personen benachteiligt oder diskriminiert werden.

4. Transparenz und Erklärbarkeit: Es muss klar sein, wie Daten und Prozesse zustandekommen und verlaufen. Bei der Eingabe gleicher Daten muss die KI stets das gleiche Ergebnis produzieren, um eine konsistente Nachvollziehbarkeit zu erreichen.

5. Vielfalt, Nichtdiskriminierung und Fairness: Der Zugang zu künstlicher Intelligenz erfolgt unter dem Grundsatz der Gleichberechtigung. Es darf keine Benachteiligung aufgrund der Kultur, Religion oder des Geschlechts bestehen.

6. Gesellschaftliches und ökonomisches Wohlergehen: Die Auswirkungen der KI auf Gesellschaft und Umwelt müssen geklärt werden.

7. Rechenschaftspflicht: Es muss definiert sein, wer für die KI und deren Erzeugnisse die Verantwortung trägt, um im Schadensfall jemanden rechtlich belangen zu können.