Vielen ist gar nicht bewusst, in wie vielen Formen KI auftreten kann, und wie verbreitet Anwendungen von KI schon heute in Produkten sind, die wir täglich benutzen. Dies ist z.B. die Nutzung einer Suchmaschine oder eines Sprachassistenten, deren Antworten durch KI ermöglicht werden. Aber auch beim Online-Übersetzer, bei der personalisierten Online-Werbung bis hin zum Navigationssystem sind die Beispiele von KI in unserem Alltag zahlreich. Auch in vielen Unternehmensprozessen ist KI längst angekommen. Die Kommunikation mit dem Kunden, IT-Sicherheit sowie Personalentscheidungen können durch KI-basierte Anwendungen wie Chatbots, intelligente Spamfilter oder der maschinellen Auswertung und Entscheidungshilfe im Bewerbermanagement (teilweise) automatisiert werden.

Zu dem Unbewusstsein dafür, in welchen Anwendungen bereits KI zum Tragen kommt, trägt wohl auch bei, dass es viele verschiedene Begrifflichkeiten gibt, die anstelle des Wortes „KI“ verwendet werden. So werden Begriffewie Maschinelles Lernen, Intelligente Assistenzsysteme, Data Analytics, Data Mining u.v.m. häufig verwendet, ohne dass unbedingt deutlich wird, dass auch hier vielfach von KI die Rede ist.

Schließlich kommt hinzu, dass es keine allgemein anerkannte Definition von KI gibt. Vor diesem Hintergrund wollen wir im Folgenden auf eine leicht verständliche Weise erklären, was KI ist und wofür man sie benutzen kann. Statt eine abstrakte Definition von KI aufzustellen, wollen wir anhand von Eigenschaften und Beispielen veranschaulichen, was wir unter KI verstehen.

Dabei lässt sich KI grob in die Bereiche der daten- und der wissensbasierten KI unterteilen. Da sich die Anwendung heute gerade auf die datenbasierte KI, also Maschinelles Lernen, konzentriert, liegt auch der Fokus dieser Darstellung im Folgenden auf dieser Art von KI.

Der Frage, was KI ist, kann man sich leichter nähern, indem man fragt, was KI von einem „normalen“ Computerprogramm abgrenzt. Was sind also die Eigenschaften, die eine Software „intelligent“ machen? Der zentrale Unterschied liegt darin, dass KI – anders als eine normale Software – bestimmte Aufgaben mit einem gewissen Grad an Selbstständigkeit und Anpassungsfähigkeit lösen kann. Hierbei sind vier Aspekte wichtig:

Eine KI-Lösung kann so „intelligent“ sein, dass sie den amtierenden (menschlichen) Weltmeister im Schachspielen schlagen kann. Eine andere KI-Lösung kann so „intelligent“ sein, dass sie schneller und zuverlässiger als ein erfahrener Arzt bestimmte Krankheiten diagnostizieren kann. Dieselben KI-Lösungen sind aber gleichzeitig so „unintelligent“, dass sie Bilder von Chihuahuas und Heidelbeermuffins nicht auseinanderhalten könnten. Anders als ein Mensch kann KI nicht Fähigkeiten und

 

Das bedeutet, dass ein KI-Algorithmus, anders als ein herkömmlicher Algorithmus, einen gewissen Grad an Selbständigkeit hat. Er braucht also eine weniger permanente und detaillierte Anleitung durch einen Menschen. Während ein herkömmlicher Algorithmus Schritt für Schritt genau das tut, was ein menschlicher Programmierer ihm vorgibt, handelt eine KI-Lösung unabhängiger und ist damit auch etwas fehlertoleranter. Der vorgegebene Algorithmus setzt einen Rahmen und gewisse Parameter, innerhalb derer die KI selbstständig den besten Lösungsweg und das Ergebnis erarbeitet. Im Gegensatz zum herkömmlichen Algorithmus, bei dem das Ergebnis insofern nachvollziehbar ist, als dass ihm der Lösungsweg vorgegeben wurde, weiß man im Grunde nicht genau, wie eine KI zu ihrem Ergebnis kommt. Daher spricht man häufig davon, dass KI eine „black box“ ist. Wir können den Input und den Output beobachten– wie genau die KI den Output errechnet, wissen wir allerdings nicht. Wenn man bei einer KI von „selbstständig“ spricht, bedeutet das aber nicht, dass eine KI selbstständig entscheidet, was sie tut, oder sich andere Aufgaben sucht. Science-Fiction Darstellungen von superintelligenten humanoiden Robotern, die Menschen komplett ersetzen können, ist genau das: Fiktion. Diese Szenarien scheitern nicht nur daran, dass Maschinen, wie oben beschrieben, ihre „Intelligenz“ nicht auf komplett andere Aufgaben übertragen können. Genauso wie das Wort „intelligent“ für einen Menschen etwas anderes bedeutet als für die Maschine, bedeutet auch das Wort „Selbstständigkeit“ für die KI etwas anderes als für den Menschen. „Wurde die KI beispielsweise dafür entwickelt und trainiert, Katzenbilder von Hundebildern zu unterscheiden, wird sie nicht plötzlich beginnen, auch noch Pferde oder gar Verkehrszeichen zu erkennen“ (Fraunhofer IAO).

Das bedeutet in der Konsequenz, dass KI lernen und sich selbst verbessern kann. Vergleicht man wieder mit einem herkömmlichen Algorithmus, der stets die gleiche Rechnung für verschiedene Zahlen anstellt, so ist der KI-Algorithmus dynamischer. Die KI-Anwendung wird ihr Ergebnis also nicht immer auf dieselbe Art und Weise errechnen, sondern ihren eigenen Lösungsweg an die gegebene Situation – also die gegebenen Daten – anpassen und damit selbst verbessern.

Die Ergebnisse einer KI-Anwendung hängen also von den genutzten Daten ab. Derselbe Algorithmus kann mit einem Datensatz A und einem Datensatz B angewendet bzw. trainiert werden und wird zu unterschiedlichen Ergebnissen führen, obwohl die KI-Anwendung in beiden Fällen dieselbe Arbeitsanweisung erhalten hat. Die griffige englische Redewendung „garbage in, garbage out“ bringt auf den Punkt, dass KI auf Basis schlechter Daten keine sinnvollen Entscheidungen treffen kann. Ein Mensch ist zwar nicht in der Lage, die schiere Menge an Daten zu analysieren, die eine KI-Anwendung auswerten kann. Ein Mensch kann allerdings, anders als eine KI-Lösung, die Ergebnisse und seine Datengrundlage kritisch hinterfragen. Dies kann mitunter weitreichende und ungewollte Konsequenzen haben  

Wurden in der Vergangenheit etwa häufiger Männer als Frauen unter den Bewerbern ausgewählt, wird die KI im Rahmen des Maschinellen Lernen diese Regelmäßigkeit erkennen und als Präferenz erlernen, selbst wenn dies nicht die Absicht des Unternehmens ist. Dass Diskriminierung ein Problem in der Nutzung von KI-Anwendungen sein kann, zeigt ein Beispiel aus den USA. Dort wurde in einigen Bundesstaaten die Rückfallwahrscheinlichkeit von Straffälligen mithilfe von KI berechnet und bei Entscheidungen über verfrühte Entlassungen berücksichtigt. Forscher fanden heraus, dass die KI-Anwendung die Hautfarbe der Sträflinge als Indikator für eine höhere Rückfallwahrscheinlichkeit genutzt hat.

– gar nicht so einfach, aber diese Anweisung haben wir unserem Referenten Sebastian Lodemann von der Technischen Universität Hamburg für seinen KI-Vortrag am Digitaltag am 19. Juni 2020 gegeben. In diesem Mitschnitt erhalten Sie einen Einblick in die KI und sehen anhand von Beispielen, was man mit KI allles machen kann. Spoiler: er hat ein bisschen überzogen…