Ist die künstliche Intelligenz bereits reif für die Unternehmen?

Mathias Hein, Consultant, Buchautor, Redakteur
Mathias Hein, Consultant, Buchautor, Redakteur

Wie schnell kann die künstliche Intelligenz das Gesicht des digitalen Arbeitsplatzes verändern?

Lasst uns für einige Minute etwas in der Nostalgie schwelgen. Haben Sie damals den Film „2001: A Space Odyssey“ gesehen? Oder erinnern Sie sich noch an die erste „Star Trek“ Ausgabe? Wenn Sie noch älter sind, dann sorgt das „Raumschiff Orion“ sicher noch für Erstaunen über die Technik. Erinnern wir uns gemeinsam an die vielen futuristischen Filme und TV-Shows, die wir seit damals gesehen haben und die vielen Interpretationen der darin genutzten künstlichen Intelligenz (KI). Gehen wir jetzt einen Schritt weiter und setzen diese Technologie in der heutigen Arbeitswelt ein. Sollten die plappernden Automaten der Filme, die so natürlich kommunizieren wie Menschen, eines Tages zur Realität werden, dann würden wir diese sicher in unserem Alltag begrüßen.

Die Realität hat jedoch wenig mit den Hollywood-Märchen zu tun. In der heutigen Unternehmenswelt gehört die künstliche Intelligenz (KI) noch zur Ausnahme. Im Geschäftsalltag kommt die KI in der Regel nicht über den Status eines sprechenden Roboters a la den „Jetsons“ aus der Zeichentrickserie hinaus. Es geht einzig und allein darum, als Teams besser zusammenzuarbeiten und die Unternehmen besser und schneller (und produktiver) zu machen.

Im Unternehmensumfeld reduzieren sich im Zusammenhang mit KI die Fragen auf die folgenden Bereiche:

  • Wie können wir durch KI bessere Produkte und optimierte Prozessstrukturen realisieren?
  • Welche Unterstützungsmöglichkeiten der Mitarbeiterteams bietet KI?
  • Wie lässt sich KI nutzen, um den Umsatz zu steigern?

Wollen wir diese Fragen beantworten, müssen wir uns den allgemeinen Zweck von KI im Unternehmen ansehen. Es geht beim KI-Einsatz vornehmlich um die Verbesserung der menschlichen Interaktionen. Vor zwanzig Jahren erblickten die ersten KI-Systeme das Licht der Welt. Diese waren jedoch nur sehr einfache Systeme, die durch die darunter liegende Speicher- und Datenbanktechnik begrenzt wurde. Heute verfügen wir über ein unbegrenztes (und preiswertes) Memory und wir können auch riesige Mengen von Daten in Echtzeit verarbeiten. Damit kommen wir der KI-Version ein Stückchen näher. Ein Arbeiter in einem Unternehmen kann jetzt die derzeitige KI-Variante effizient nutzen.

Sehen wir uns beispielsweise ein Chatbot an. Ein solches „System“ konnte früher nur einfache Fragen zu beantworten. Durch die Steigerung der Kapazität und der Leistungen können diese Maschinen heute einen gewissen Beitrag zur Arbeitswelt leisten. Ein Bot kann heute nicht nur Dienstreisen buchen, sondern ist auch in der Lage, Hotels, Flüge und Reiserouten zu empfehlen. Kombiniert man die KI auch noch mit dem maschinellen Lernen, dann kann das System auf Basis der vorhandenen Datenlage entsprechende Empfehlungen bei den Reiseplänen machen. Diese Empfehlungen werden mit der Zeit (durch noch mehr Daten) weiter verbessert. Wie gesagt, die künstliche Intelligenz hat heute bereits die Fähigkeiten zur Automatisierung von einfachen Aufgaben. Im Vergleich zur Raffinesse der menschlichen Belegschaft reichen die KI-Fähigkeiten jedoch noch nicht aus. Aus diesem Grund werden Chatbots bisher auch kaum genutzt.

Oft wird bei den KI-Erfolgsgeschichten ein Beratungsunternehmen genannt, dass auf der Grundlage von Wissen bei der Identifizierung neuer Kunden und bei der Lösung von Problemen schneller voran kommt. Hierzu müssen die entsprechenden Informationen über frühere Kundeninteraktionen (und deren Entscheidungen) erfasst und aufwändig aufbereitet werden. In einer KI-optimierten Arbeitsumgebung ist die Maschine in der Lage, den Berater zu unterstützen und ihm Maßnahmen zu empfehlen, die in ähnlichen Situationen in der Vergangenheit zu erfolgreichen Ergebnissen geführt haben. Dieses Verfahren funktioniert jedoch nur bei standardisierten Beratungsverfahren. Bei der Realisierung von individuellen Lösungsansätzen bietet die künstliche Intelligenz bisher noch wenig Optionen.

Der digitale Arbeitsplatz

Die künstliche Intelligenz ist ein Teilgebiet der Informatik und beschäftigt sich mit der Automatisierung intelligenten Verhaltens. Der Begriff ist insofern nicht eindeutig abgrenzbar, da es bereits an einer genauen Definition von Intelligenz mangelt. Im Allgemeinen bezeichnet künstliche Intelligenz den Versuch, eine menschenähnliche Intelligenz nachzubilden, d.h., einen Computer zu bauen oder so zu programmieren, dass er eigenständig Probleme bearbeiten kann. Daher kommt auch das Bild von einer Maschine, die das menschliche Denken mechanisiert, intelligent reagiert oder sich wie ein Mensch verhält.

In der Realität wird meist die künstliche Intelligenz auf konkrete Anwendungsprobleme des menschlichen Denkens reduziert. Die Fähigkeit zu Lernen ist eine Hauptanforderung an KI-Systeme. Ein zweites Hauptkriterium ist die Fähigkeit eines KI-Systems, mit Unsicherheit und probabilistischen Informationen umzugehen. Bei den heutigen KI-Varianten geht es vor allem um die Simulation intelligenten Verhaltens mit den Mitteln der Mathematik und der Informatik. Es geht noch lange nicht um die Schaffung von Bewusstsein oder um ein tieferes Verständnis von Intelligenz. Zu den Teilgebieten der künstlichen Intelligenz gehören:

  • Wissensbasierte Systeme: Diese modellieren eine Form rationaler Intelligenz für sogenannte Expertensysteme. Diese sind in der Lage, auf eine Frage des Anwenders auf Grundlage formalisierten Fachwissens und daraus gezogener logischer Schlüsse entsprechende Antworten zu liefern.
  • Musteranalyse und Mustererkennung: Die visuelle Intelligenz ermöglicht es, Bilder beziehungsweise Formen zu erkennen und zu analysieren. Mittels sprachlicher Intelligenz ist es beispielsweise möglich, einen geschriebenen Text in Sprache umzuwandeln (Sprachsynthese) und umgekehrt einen gesprochenen Text zu verschriftlichen (Spracherkennung).
  • Robotik: Der Grundgedanke der Robotik besteht darin, Systeme zu schaffen, die intelligente Verhaltensweisen von Lebewesen nachvollziehen können.

In der Vergangenheit sind Erkenntnisse der künstlichen Intelligenz mit der Zeit oft in die anderen Gebiete der Informatik übergegangen: Sobald ein Problem gut genug verstanden wurde, hat sich die KI neuen Aufgabenstellungen zugewandt. Die folgenden Anwendungen wurden inzwischen auf der Grundlage von KI-Techniken entwickelt:

  • Eine Suchmaschine ist ein Programm zur Recherche von Dokumenten, die in einem Computer oder einem Computernetz gespeichert sind. Internet-Suchmaschinen erstellen einen Schlüsselwort-Index für die Dokumentbasis, um Suchanfragen über Schlüsselwörter mit einer nach Relevanz geordneten Trefferliste zu beantworten. Nach Eingabe eines Suchbegriffs liefert eine Suchmaschine eine Liste von Verweisen auf möglicherweise relevante Dokumente, meistens dargestellt mit Titel und einem kurzen Auszug des jeweiligen Dokuments. Dabei können verschiedene Suchverfahren Anwendung finden.
  • Die maschinelle Übersetzung bezeichnet die Übersetzung von Texten durch ein Computerprogramm.
  • Das Data-Mining nutzt die systematischen Anwendungen statistischer Methoden auf große Datenbestände mit dem Ziel an, neue Querverbindungen und Trends zu erkennen. Solche Datenbestände werden aufgrund ihrer Größe mittels computergestützter Methoden verarbeitet. In der Praxis wurde der Unterbegriff Data-Mining auf den gesamten Prozess der sogenannten „Knowledge Discovery in Databases“ übertragen, der auch Schritte wie die Vorverarbeitung und Auswertung beinhaltet, während Data-Mining eigentlich nur den eigentlichen Verarbeitungsschritt des Prozesses bezeichnet.
  • Das Information-Retrieval (IR) bzw. die Informationsrückgewinnung dient der computergestützten Suche nach komplexen Inhalten. Beim Information-Retrieval geht es darum, nicht neue Strukturen zu entdecken, sondern bestehende Informationen aufzufinden.
  • Die Texterkennung oder auch optische Zeichenerkennung  bezeichnet die automatisierte Texterkennung innerhalb von Bildern.
  • Die Handschrifterkennung ist eine Form der Mustererkennung, bei der handschriftlich geschriebene Zeichen oder Wörter erkannt werden sollen.
  • Die Spracherkennung beschäftigt sich mit der Untersuchung und Entwicklung von Verfahren, die Automaten die gesprochene Sprache der automatischen Datenerfassung zugänglich macht. Die Spracherkennung ist zu unterscheiden von der Stimm- bzw. Sprechererkennung, einem biometrischen Verfahren zur Personenidentifikation. Allerdings ähneln sich die Realisierungen dieser Verfahren. Die Spracherkennung ermöglicht eine Sprachsteuerung oder das Diktieren eines Textes.
  • Gesichtserkennung bezeichnet die Analyse der Ausprägung sichtbarer Merkmale im Bereich des frontalen Kopfes, gegeben durch geometrische Anordnung und Textureigenschaften der Oberfläche. Man unterscheidet zwischen der Lokalisation eines Gesichts im Bild und der Zuordnung des Gesichts zu einer bestimmten Person. Im ersten Fall wird geprüft, ob und wo ein Gesicht zu sehen ist, im zweiten, um wen es sich handelt. Geht es um die Gesichtserkennung im Sinne des Erkennens, um welches Gesicht es sich handelt, dann kann man zwei Fälle unterscheiden: Sollte dies durch Menschen geschehen, wird im englischen Sprachraum von „face perception“ gesprochen, während eine Gesichtserkennung durch Maschinen als „face recognition“ bezeichnet wird.
  • Die Bilderkennung ist ein Teilgebiet der Mustererkennung und der Bildverarbeitung. Bei der Bilderkennung versucht man, Objekte in einem Bild zu segmentieren. Diesen wird eine symbolische Beschreibung zugewiesen, aber es wird nicht nach Zusammenhängen zwischen den Objekten gesucht, wie es in der Musteranalyse üblich ist.
  • Ein Computeralgebrasystem (CAS) ist ein Computerprogramm, das der Bearbeitung algebraischer Ausdrücke dient. Es löst nicht nur mathematische Aufgaben mit Zahlen, sondern auch solche mit symbolischen Ausdrücken (Variablen, Funktionen, Polynome und Matritzen). Diese unterstützen Mathematiker, Wissenschaftler und Ingenieure bei ihrer Arbeit.
  • Der Begriff maschinelles Sehen oder Bildverstehen beschreibt im Allgemeinen die computergestützte Lösung von Aufgabenstellungen, die sich an den Fähigkeiten des menschlichen visuellen Systems orientieren. Diese Verfahren werden derzeit in industriellen Herstellungsprozessen in den Bereichen Automatisierung und Qualitätskontrolle eingesetzt. Bei der Computer-Vision werden öffentliche Plätze überwacht oder der Straßenverkehr gesichert.
  • Die Gruppensimulation beschreibt die Simulation des Verhaltens einer großen Anzahl von Objekten bzw. Figuren/Personen. In der 3D-Computer-Animation findet die Gruppensimulation verstärkt Anwendung.
  • Ein wissensbasiertes System ist ein intelligentes Informationssystem, in dem Wissen mit Methoden der Wissensrepräsentation und Wissensmodellierung abgebildet und nutzbar gemacht wird. Der Begriff wird häufig synonym für Expertensysteme gebraucht.
  • Als selbstfahrendes Kraftfahrzeug bezeichnet man ein Kraftfahrzeug, das sich ohne den Einfluss eines menschlichen Fahrers fortbewegt.
  • Unter einem Bot versteht man ein Computer-Programm, das weitgehend automatisch sich wiederholende Aufgaben abarbeitet, ohne dabei auf eine Interaktion mit einem menschlichen Benutzer angewiesen zu sein.

Fazit

Die künstliche Intelligenz und das maschinelle Lernen entwickeln sich derzeit mit Riesenschritten weiter und die aktuellen digitalen Arbeitsplatzmodelle werden synchron zu den KI-Entwicklungen verändert. Diese Entwicklung mündet in sogenannten digitalen Work-Hubs. Als erfolgreichstes Beispiel eines digitalen Hubs gilt das Silicon Valley mit seiner Kombination aus Gründern, Startups, großen Technologieunternehmen und exzellenter Wissenschaft. In solchen Plattformen laufen die Daten aus unterschiedlichen Quellen zusammen, fördern die Zusammenarbeit und stellen den Nährboden für neue Innovationen und Geschäftsmodelle dar. Digitale Work-Hubs sollen für schnellere und zuverlässigere Entscheidungen sorgen und langfristig die schwerfällige Arbeitsprozesse straffen bzw. optimieren.

#Netzpalaver