Künstliche Intelligenz heute

Künstliche Intelligenz (KI) und Machine Learning, die Begriffe lösen große Erwartungen, Hoffnung und auch Furcht aus. Die Einen reden von einem Zaubermittel. Andere zeichnen Dystopien. Und wieder andere denken an Roboter, Robotergesetze und Isaac Asimov. Künstliche Intelligenz ist heute Realität. In diesem Buch berichten Anwender von ihren Erfahrungen aus Wirtschaft, Medizin und Wissenschaft. KI arbeitet mit großen Mengen von Informationen und sie muss trainiert werden, bevor sie Nutzen stiftet. Doch dieses Wissen ist in Wirtschaft und Gesellschaft nicht präsent genug. Am Arbeitsplatz fühlen sich viele nicht genügend auf diese Technologie vorbereitet. In der Medizin herrscht ihr gegenüber einiges Misstrauen, aber auch Hoffnung. Im Alltag ist sie dagegen willkommen, vor allem in der Küche und bei Job- oder Partnersuche. Ihr Beitrag für die Nachhaltigkeit bleibt noch für die meisten diffus, aber bei der Suche nach Ladestationen für Elektroautos ist sie sehr willkommen. Insgesamt deckt die Wahrnehmung von KI also ein breites Spektrum ab: Furcht und Staunen, Akzeptanzprobleme und auch Interesse an dem Nutzen der Technologie KI.

Wir alle nutzen heute Künstliche Intelligenz. In den sozialen Medien, in Smartphones, allgemein in digitalen Anwendungen. Und doch herrscht Skepsis vor. Es sieht aus, als würden wir in der Gesellschaft globale komplexe KI-Anwendungen mit teilweise unbekannten Risiken akzeptieren, aber einfache Anwendungen von Künstlicher Intelligenz mit klarem Nutzen in der heimischen Wirtschaft und Medizin mit Skepsis betrachten. Das ist paradox. Wir sollten stattdessen Gefahren kompetent diskutieren und ebenso kompetent die Applied AI nutzen und von ihr profitieren.

Market Intelligence, das ist eine Disziplin, in der viele Marktforscher und Unternehmensberater arbeiten. Dr. Robin P. G. Tech und delphai fordern sie mit Maschinen und Algorithmen heraus, die aus dem Internet Informationen sammeln und aggregieren. Die Künstliche Intelligenz gibt Marktübersichten und Firmeninformationen. Sie analysiert Risiken, findet Marktlücken und identifiziert Kunden und Konkurrenten. Wie funktioniert das? Mit neuronalen Netzen, Machine Learning und allgemein Applied AI. Und wie wird das gemacht? Dr. Robin P. G. Tech empfiehlt: Mit dem Problem anfangen und sich zur KI vorarbeiten.

Wie kann man in der Produktion die Produktqualität vorhersagen? Wie also eine belastbare Vorhersage bzw. Prediction auf Basis von Prozessdaten aus der Produktion wie Vibrationen, Bilder, und Temperaturen treffen? Wie können Drohnen helfen, die Entscheidung für den richtigen Erntezeitpunkt in der Landwirtschaft zu treffen? Die Antworten weiß Dr. Ralph Grothmann. Er leitet das Data Lab der Siemens-Region Deutschland und arbeitet intensiv mit neuronalen Netzen, Machine Learning und Applied AI für die Digital Enterprise. Für Digitalisierungsprojekte schlägt er ein „Quadrat der Digitalisierung“ vor. Er erklärt, welche wichtige Rolle der Mensch in der Anwendung von KI spielt und wie bedeutend es ist, genauer zu verstehen, wie Künstliche Intelligenz arbeitet, um sie nutzbringend anwenden zu können.

In modernen Unternehmen fallen immer mehr Daten an. Um Geschäftswert aus diesen Daten zu generieren, werden Data Analysts, Data Scientists und Applied AI benötigt. Diese verknüpfen die Daten, um mit Datenanalyse, Machine Learning und Künstliche Intelligenz aus ihnen zu lernen, besser zu produzieren und Kunden effizienter anzusprechen. Dr. Robert Friedrich leitet als Senior Manager bei Deloitte genau solche Projekte. Er erläutert, wie wichtig Business Understanding für den Erfolg in solchen Projekten ist, welche Rolle der CRISP-DM-Prozess als Vorgehensweise spielt und welche Möglichkeiten und Herausforderungen auf dem Weg liegen. Die Zusammenarbeit von Menschen und Maschinen beschreibt er als kritisch für den Erfolg von Unternehmen. Seine Empfehlung an Unternehmer und Management um KI profitabel einzusetzen: Investitionen in Weiterbildungen im Bereich Daten und Datenanalyse, Datenverständnis und Visualisierung zahlen sich aus.

Kann man mit Künstlicher Intelligenz bessere Filme drehen? Eugen L. Gross war mal Kameramann. Er ist sich sicher, dass das geht. Mit Künstlicher Intelligenz analysiert sein Unternehmen aiconix Filme und Videoübertragungen. Häufig, um Transkripte (Speech-to-Text) zu erstellen, aber auch, um die besten Zeitpunkte für die Werbepausen zu finden. Sie arbeiten daran, mit KI ein besseres Storytelling zu entwickeln und einfach besser Filme zu drehen.

Unternehmen stehen heute vor großen Herausforderungen, sich auf die Welt der Zukunft und die Zukunft der Digitalisierung vorzubereiten. Es ist nicht einfach, die Menschen zu finden, die Unternehmen und Teams auf diesem Weg führen können. Personalabteilungen benötigen neue Wege, um Human Resources zu finden und für Firmen zu gewinnen. Bei der Suche nach Executives und Managern und bei der Suche nach großen Teams kommt Künstliche Intelligenz in unterschiedlichen Funktionen zum Einsatz. Dies schildert Andreas Wartenberg von der Personalberatung SpenglerFox. KI kann im Executive Search und im Recruiting allgemein Prozesse automatisieren, Kandidaten analysieren und auch bei der Kundenakquise unterstützen. „Ja, ich glaube ‚together forever‘“, sagt er und beschreibt, wie die „Synergie des Menschen mit der Maschine, das ist, was in Zukunft relevant ist, das ist, was zählt.“

Bisher geht das Wissen derer, die in Rente gehen, weitgehend verloren. Auch in der Medizin. Vieles haben sie vielleicht an ihre Nachfolger weitergegeben, aber wie wäre es, wenn man es besser bewahren könnte? Matthias Steffen macht mit FUSE-AI genau dies im Fall von guten und anerkannten Chefärzten. Dafür werden Daten gesammelt und ausgewertet, Algorithmen trainiert und verbessert, um Diagnosen zu unterstützen und Heilungsprozesse vorherzusagen. Matthias Steffen ist vom Nutzen von Künstlicher Intelligenz in der Medizin, in der Wirtschaft und Gesellschaft überzeugt und wünscht sich mehr kluge Investoren und ein AI-Ministerium, die dies aktiv unterstützen.

Pathologen schauen sich menschliches Gewebe an und suchen dort Tumorzellen. Einerseits findet man glücklicherweise immer mehr Tumorarten, auf die teilweise sehr spezielle Medikamente ansprechen. Aber: Es steigt die Zahl der Fälle, in denen dafür sehr viele Zellen ausgewertet werden müssen. Die Arbeit der Pathologen wird von den Krankenkassen nicht in diesem Maße vergütet, sodass neue Lösungen gesucht werden. Felix Faber hat mit MindPeak und KI eine solche Lösung gefunden. Sie entwickeln mithilfe von Künstlicher Intelligenz Bilderkennungssoftware für die Krebszellenanalyse. Um noch mehr erreichen zu können, wünscht er sich ein Ökosystem, das Investoren und Mitarbeiter für KI gleichermaßen anzieht.

Wie kann im Marketing Kundenverhalten vorausgesagt werden, zum Beispiel ob ein Kunde bald die Marke wechseln wird? Bisher wurden dafür vor allem Umfragen eingesetzt. Seit es Social Media und User Generated Content gibt, können auch tatsächliche Aussagen und Konversationen von Zielgruppen und Kunden aus dem Internet dafür genutzt werden. Prof. Dr. Raoul V. Kübler, Associate Professor of Marketing an der ESSEC Business School in Paris, macht genau dies mit einer Kombination aus Machine Learning und Linguistik. In der Entwicklung dieser Verfahren der Marketing Analytics spielt die Identifikation geeigneter Trainingsdaten für Künstliche Intelligenz eine wichtige Rolle. Dabei kommt der Frage, wie menschliche Vorurteile daran gehindert werden können, auch die Empfehlungen der KI zu beeinflussen, eine wichtige Rolle zu. Insgesamt wird KI für Marketing und Unternehmensführung immer wichtiger. Neue und gut ausgebildete Talente stoßen dazu und die erfahrenen Generationen bilden sich fort, um mit Applied AI Marketing noch wirksamer machen zu können.

Wie wahrscheinlich ist, dass ein Tor fällt, wenn beim Fußball in einer Situation eine Ballstafette über die Mittellinie läuft? Wie kann der öffentliche Personennahverkehr pünktlich funktionieren? Wie erreicht ein Mensch am besten das Ziel seiner Reise? Für Prof. Dr. Ulf Brefeld von der Leuphana sind dies ähnliche Problemstellungen: Sie haben Sequenzen von Zeitstempeln und Orten. Er nennt sie Zeit-Raum-Probleme von einem oder mehreren Agenten, die sich nach Mustern bewegen. In der Digitalisierung finden sich Ansätze für die Lösungen. Mit angewandter Mathematik, Datenanalyse, Algorithmen, Machine Learning und Künstlicher Intelligenz findet er die Antworten oder zumindest Empfehlungen. Dabei stellt Prof. Dr. Ulf Brefeld klar, dass es Dinge gibt, die der Mensch gut kann, und Dinge, die Maschinen gut können. In hybriden Lösungen sieht er die Zukunft und fordert dazu auf, neue Formen der Zusammenarbeit zu finden.

Fordert die Künstliche Intelligenz die Menschen heraus? Auf jeden Fall ist sie, in den Augen von Prof. Dr. Sascha Spoun, dem Präsidenten der Leuphana Universität Lüneburg, eine Herausforderung für die Universität und die Wissenschaft. Aber auf eine andere Weise, als man zunächst denken sollte. Dabei sieht er neben Chancen auch offene Fragen und Risiken, die aus der Arbeit mit Machine Learning und Künstlicher Intelligenz entstehen. Er stellt weniger die Frage nach dem „technical change“ und konzentriert sich auf die „adaptive challenge“ für die Menschen und die Universität. „Es kommt nämlich darauf an, die Kombination von menschlicher Intelligenz mit lernenden Maschinen näher zu betrachten“. Zusammen mit Künstlicher Intelligenz sieht er uns Menschen in der Lage, mit der stetig wachsenden Komplexität unserer Welt besser umgehen zu können.

Wie lange benötigt Künstliche Intelligenz von der Forschung in die Anwendung als Applied AI? Bis zu fünf Jahre, sagt Prof. Dr. Andreas Timm-Giel, Präsident der TUHH. Er könnte hunderte Beispiele dafür aufzählen, wie es mit Machine Learning und KI gelingen wird, weniger Ressourcen zu verbrauchen, effizienter zu sein, bessere Produkte herzustellen und weiter zu verbessern. Mustererkennung ist eine typische Fähigkeit, die in Applied AI dafür eingesetzt wird. Sie erlaubt Vorhersagen, die dank immer mehr verfügbarer Rechenleistung und optimierter Methoden auch besser und präziser werden. Er plädiert auch dafür, visionär nach vorn zu schauen und die Ideen aus Literatur und Unterhaltungsindustrie in den Diskurs aufzunehmen. Explainable AI und Human Centric AI  zählen zu den weiteren Themen, mit denen wir uns auseinandersetzen müssen. Mehr als die Wirtschaft allgemein arbeiten schon sehr viele Ingenieurwissenschaftler an der TU auf die eine oder andere Weise mit KI. Dazu zählt der Einsatz digitaler Zwillinge, um komplexe Prozesse besser vorhersagen und präziser steuern zu können. In der Wirtschaft führt diese Arbeit mit Applied AI zu relevanten Wettbewerbsvorteilen. Deshalb ist der Technologietransfer gerade heute sehr wichtig. Die technischen Universitäten bilden dafür die Talente aus und bringen Startups mit neuen Lösungen hervor. Die TUHH war die erste Gründerhochschule in Hamburg, die im Exist-Rahmenprogramm des Bundes gefördert wurde. Inzwischen wird noch mehr im universitären Verbund und in Zusammenarbeit mit der Wirtschaft, zum Beispiel am Startup-Port in Hamburg, gearbeitet. Prof. Dr. Andreas Timm-Giel ist sich daher sicher: „Künstliche Intelligenz wird schon bald in praktisch allen technischen Lösungen in irgendeiner Form ihre Rolle spielen.“

In der Wirtschaft denken einige, Künstliche Intelligenz sei kompliziert, teuer und lasse sich nur schwer anwenden. Petra Vorsteher und Ragnar Kruse sind anderer Meinung. Sie sind überzeugt: Künstliche Intelligenz ist keine Raketenwissenschaft. Es gibt einfache Anwendungen, profitable Applied AI und immer mehr smarte KI-Startups. Sie plädieren dafür, die Chancen jetzt zu nutzen. Sie selbst tun dies als Unternehmer und Investoren seit langem und haben seit zwei Jahrzehnten gute Erfahrungen und Erfolg mit KI. Neben dem wirtschaftlichen Vorteilen legen sie Wert auf den Beitrag, den KI und Machine Learning zu dem wichtigen Thema Nachhaltigkeit, dem effizienteren Einsatz von Ressourcen und der Vermeidung von Lebensmittelverschwendung beitragen kann. Deutschland und Europa haben aktuell die Chance mehr zu tun, um AI-Innovationen und Applied AI effektiver zu fördern. Damit auch andere Unternehmer und Unternehmen diese Chancen nutzen, bauen sie mit Partnern Initiativen auf, wie zum Beispiel: AI.HAMBURG, AI4Germany und Transatlantic AI eXchange. Dazu zählt auch der von der Bundesregierung geförderte AI.STARTUP.HUB. Nicht zuletzt arbeiten sie mit dem AI.FUND auch an der Verbesserung der Finanzierung von KI-Startups. Denn diese sind die Speedboats der Innovation. Sie zeigen, wie es mit Zusammenarbeit, Förderung und Finanzierung gelingen kann, mehr KI-Business zu generieren, KI-Startups beschleunigt wachsen zu lassen und die Basis für den Erfolg von Künstlicher Intelligenz in Hamburg, Deutschland und Europa zu legen.

Die Menschen und die Welt stehen vor großen Chancen und Herausforderungen. Künstliche Intelligenz und Machine Learning könnten einen Beitrag leisten, diese zu nutzen und zu bewältigen. Aber die Technologie wird vielfach missverstanden. Dabei ist KI ein potentes Werkzeug, das uns heute zur Verfügung steht. Mit ihr können wir besser entscheiden, effektiver handeln, effizienter wirtschaften. Wir müssen diese Technologie gut verstehen, um auch ihre Risiken zu kennen und vermeiden zu können. KI kann uns helfen Komplexität zu beherrschen und längst gibt es einfache Anwendungen, die wenig kosten und großen Nutzen bringen. In Wirtschaft, Medizin und für viele Fragen der Nachhaltigkeit gibt es gute Fallbeispiele, wie Applied AI sinnvoll und profitabel eingesetzt werden kann. Daran zeigt sich: Menschen und Maschinen werden in Zukunft zusammenarbeiten. Einen Weg zurück in eine Zeit ohne Digitalisierung und Künstliche Intelligenz wird es nicht geben. Jene welche sie schon nutzen, profitieren von den Vorteilen dieses Werkzeugs. Deshalb kann gesagt werden: Die Zeit für Künstliche Intelligenz ist heute.