KI – Hype oder Revolution?
Der Begriff künstliche Intelligenz wurde bereits in den 1950er-Jahren geprägt. Die anfänglich sehr hohen Erwartungen konnten aber aufgrund fehlender Rechenleistungen nicht erfüllt werden, sodass ein langer sogenannter KI-Winter folgte.
Seit Anfang des Jahrtausends haben sich die Grundvoraussetzungen für KI erheblich verbessert. So stehen über diverse Quellen, vor allem über das Internet, große Datenmengen für das Trainieren von neuronalen Netzen zur Verfügung („Big Data“).
Die Rechenkapazitäten sind exponentiell gestiegen und durch den Einsatz von hochparallelen GPU-Architekturen auch universell verfügbar. Als dritte Komponente hat es enorme Fortschritte in der Algorithmik gegeben.
Der Durchbruch in der öffentlichen Wahrnehmung erfolgte 2016, als das Team von Google Deepmind mit Alphago, einem aus mehreren neuronalen Netzen bestehenden System, einen Go-Champion geschlagen hat – eine Entwicklung, die selbst Experten erst in zehn Jahren für möglich gehalten hätten.
Heute befinden wir uns mit KI in einer ähnlichen Situation wie mit dem Internet Anfang der 90er-Jahre. Wir wissen, dass es gewaltige Veränderungen geben wird, obwohl die genauen Auswirkungen teilweise noch nicht abzusehen sind.
Und es herrscht eine ähnliche Aufbruchstimmung in Forschung und Industrie. Sowohl in der Industrie als auch im Consumer-Bereich ist KI schon allgegenwärtig.
In Systemen wie Alexa und Siri werden Deep-Learning-Technologien eingesetzt, um gesprochenen Text zu erkennen, Fragen zu analysieren, Antworten zu generieren und diese wieder als natürliche Sprache auszugeben.
KI wird viele Bereiche durchdringen. Der derzeit populärste und wahrscheinlich auch der mit den größten Forschungsaufwänden ausgestattete Anwendungsbereich ist das autonome Fahren. Dies wird ab 2025–2030 generell verfügbar sein und das gesamte Ecosystem Logistik und persönlichen Transport revolutionieren.
Potenziell lässt sich AI in Bereichen der Mustererkennung und Vorhersagen einsetzen, die zu komplex sind, als dass sie durch von Menschen erschaffene Algorithmen beschreibbar sind. Beispiele hierfür sind Bilderkennung, Face-Recognition, Übersetzungen, Speech to text conversion, intelligente Chatbots, Predictive Maintenance und viele weitere.
In der Medizin erzielen Systeme, die Krebszellen erkennen oder Radiologiebilder auswerten, bereits bessere Erkennungsraten als Ärzte.
KI hat aber auch das Potenzial, viele Prozesse und Geschäftsmodelle umzuwälzen, zu disrupten. Unternehmen, gleich welcher Größe und Branche, sind gut beraten, sich jetzt damit intensiv auseinanderzusetzen.
Unternehmen müssen sich ein allgemeines Verständnis für die Technologie und Einsatzmöglichkeiten in allen Managementebenen aneignen und eine KI-Strategie entwickeln.
Gleichzeitig sollten sie mit ersten Projekten oder Piloten Erfahrungen sammeln, sich mit anderen austauschen und gegebenenfalls KI-Know-how ins Unternehmen holen.
Es hat sich in Deutschland eine lebhafte Szene von Start-ups und kleinen und mittelständischen Unternehmen (KMU) entwickelt, die auf Basis von KI-Technologien innovative Produkte und Services entwickeln.
Das Ziel des KI-Verbandes ist, die Interessen dieser Unternehmen zu vertreten und sich aktiv mit in die Diskussion um die Auswirkungen auf die Gesellschaft einzubringen.
Dabei geht es unter anderem um die Schaffung von Rahmenbedingungen für KI-Unternehmen und die Zusammenarbeit mit Forschung und Industrie, auch mit dem Ziel, in Deutschland und Europa Strukturen aufzubauen, die im Wettbewerb mit den Anbietern aus den USA und demnächst verstärkt auch China bestehen können.
Ebenfalls ist wichtig, dass alle Teile der Bevölkerung ein Grundverständnis im Bereich der Informationstechnologie haben. Hier ist unter anderem eine Änderung in der Bildungspolitik erforderlich.
Es geht nicht nur darum, dass wir zukünftig mehr Informatiker brauchen, sondern dass jeder die Grundlagen und Zusammenhänge dieser Technologien, die uns ständig umgeben, kennt.