Was ist Künstliche Intelligenz?
Der Begriff Künstliche Intelligenz (kurz KI), im Englischen Artificial Intelligence (AI), wirkt zunächst komplex und undurchsichtig. Hinter dem Sammelbegriff verbergen sich facettenreiche Konzepte, Anwendungen und Ideen. Der Wunsch nach einer KI entstammt dem uralten Bestreben des Menschen eine ihm ebenbürtige Maschine zu erschaffen, die menschliche kognitive Fähigkeiten nachahmen oder sogar übertreffen kann.
Computersysteme, die mit den Fähigkeiten einer KI ausgestattet sind, nehmen Informationen mit den Charakteristika der natürlichen Welt auf. Sie analysieren aus diesen Informationen Muster, stellen Querverbindungen und Zusammenhänge her und produzieren letztendlich Ergebnisse basierend auf einer vorher erlernten Funktion. Diese Ergebnisse haben für einen menschlichen Nutzer viele Charakteristika menschlicher Denkvorgänge und werden deshalb als intelligent bezeichnet.
Künstliche Intelligenz ist kein neuer Trend
Die mathematischen Grundlagen für das heutige Konzept der Künstlichen Intelligenz wurden bereits um die 1950er Jahre gelegt. Die Geschichte der KI begann mit der Hypothese, dass jeder Aspekt von Intelligenz so beschreibbar wäre, dass eine Maschine ihn simulieren könnte. Nachdem die Forscher allerdings feststellten, dass unsere Welt nicht mit einer zwangsläufig vereinfachenden Logik und Symbolik beschrieben werden konnte, folgte eine starke Ernüchterung bzgl. der Einschätzung der Leistungsfähigkeit von KI. Daraufhin war es praktisch unmöglich Investoren für das Thema KI zu gewinnen. In Fachkreisen wird dieser Zeitpunkt auch als „KI-Winter“ bezeichnet. Die Annahme, dass unsere Welt manuell beschreibbar wäre, hatte sich als falsch herausgestellt. Um 1970 herum nahmen Forscher die Entwicklung der KI wieder auf. Seit ca. 2014 werden immer mehr KI-Innovationen immer schneller entwickelt.
Neuronale künstliche Intelligenz bringt Entlastung
Um die Problematik der mangelnden Beschreibbarkeit der Welt zu umgehen, wurden neue Methoden des maschinellen Lernens entwickelt und zum Training neuronale Netze verwendet. Neuronale Netze arbeiten mit erlernten Regeln von typischerweise niedriger Abstraktion, d.h. sie arbeiten genau auf dem Niveau der Daten, die eingegeben werden und passen sich selbstständig dem Problem an, das sie lösen sollen. Jetzt musste man ein Problem nicht mehr für die Maschine abstrahieren und beschreiben, sondern Trainingsdaten finden, anhand derer die Algorithmen die Lösung eines Problems erlernen konnten. Mit dieser Methodik gab es jedoch Anfangs zwei grundlegende Probleme: algorithmische Ineffizienz und fehlende Rechenleistung. Einige bahnbrechende Innovationen führten dann langsam zu den qualitativ hochwertigen Verfahren, die wir heute einsetzen. Dazu zählten z. B. die Entwicklung praxistauglicher maschineller Lernalgorithmen um das Jahr 1974 herum, aber auch die exponentielle Zunahme an Rechenleistung.
Verfahren und Prinzipien der Künstlichen Intelligenz
Historisch wird KI in zwei grundlegend unterschiedliche Verfahren und Prinzipien unterteilt, die symbolische KI oder GOFAI („Good old fashioned AI“) und die neuere, konnektionistische KI bzw. künstliche neuronale Netze. In unserem Alltag begegnen wir heute überwiegend den konnektionistischen Verfahren. Diese werden spezifisch zur Lösung einer Aufgabe konstruiert und eingesetzt: Virtuelle Assistentinnen wie Alexa, Google Assistent oder Siri können durch Sprachsteuerung zum Beispiel Musik abspielen, das Licht im Haus steuern oder nach einem Restaurant im Internet suchen. Jede Fähigkeit dieser Systeme wurde ganz speziell konstruiert und einzeln erlernt und es ist heute nicht möglich das ein solches KI System ganz selbstständig komplett neue Fähigkeiten erlernt. Eine universelle KI, oder englisch „artificial general intelligence“ (AGI) liegt noch weit außerhalb unserer Möglichkeiten. Sie hätte Fähigkeiten selbstständig und ohne aufwendig manuell erstellte neuronale netzwerkarchitekturen zusätzliche Fähigkeiten hinzuzulernen und durch ausgeprägte Abstraktionsfähigkeiten bereits Erlerntes mit neuen Beobachtungen zu verbinden, um so mit wesentlich weniger Trainingsbeispielen auszukommen.
Künstliche Intelligenz ist nicht gleich künstliche Intelligenz
Von „der“ künstlichen Intelligenz zu sprechen ist heute längst nicht mehr zielführend. Künstliche Intelligenz kann in vielen verschiedenen Anwendungen realisiert werden. Was genau gemeint ist, wenn von „Künstlicher Intelligenz“ gesprochen wird, ist stets kontextabhängig.
Beispiel: Robotic
Hier werden verschiedene aufwendige Arbeitsabläufe durch ein Lernverfahren, das auf dem Prinzip Versuch und Irrtum basiert, automatisiert und selbstständig von intelligenten Maschinen ausgeführt. Das kann gerade kleine und mittelständische Betriebe entlasten, die sonst kein ausreichendes Personal zur Verfügung hätten. Zum Beispiel in Form von hocheffizienten Automatisierungsanlagen. Bauteile werden ohne vorherige genaue Ausrichtung von einem Roboter selbstständig aufgenommen und mit anderen zusammengesetzt.
Beispiel: Maschinelle Sprachübersetzung
Wenn ein Modell nur anhand von vorher gesehenen Texten und deren Übersetzung gelernt hat in eine andere Sprache zu übersetzen, ohne vorher z.B. die Grammatik oder genaue Morphologie erlernt zu haben.
Beispiel: Intelligente Text- und Bildanalyse
Wir alle nutzen, oftmals unbewusst, immer intelligenter werdende Algorithmen zur Textanalyse oder zum Erkennen und Klassifizieren von Bildern in unserem Alltag. Automatisierte, intelligente Textanalyseanwendungen helfen zum Beispiel dabei, Junk-E-Mails zu identifizieren und adaptive Spamfilter aufzubauen.
Beispiel: Deep-Fake-Videomanipulation
Technologie, die mithilfe vorher gesehener Bilder des Gesichts einer Person das Gesicht einer anderen Person in einem Video ersetzen kann.
Beispiel: Branchenspezifischer Einsatz von KI
Im Gesundheitswesen nimmt die KI-gestütze Diagnostik rasant zu. Im Bildungssektor analysieren KI-Modelle vollautomatisch Texte und finden passende Kategorisierungs- Schlagwörter. Im Finanzwesen sagen sequenz-orientierte KI-Modelle Marktbewegungen vorher.
Menschliche Potentiale mit KI ausschöpfen
Das Ziel von KI-basierten Technologien ist es nicht Personal zu ersetzen. Vielmehr dienen solche modernen Technologien als wertvolle Analysewerkzeuge. Nicht Personalabbau ist das Ziel der KI-Entwicklung, sondern die intelligente Unterstützung des Personals bei der Erledigung mühsamer, zeitaufwendiger, oder monotoner Aufgaben. KI wird zur Optimierung und Beschleunigung von Arbeitsprozessen eingesetzt.
Einige Unternehmen erfassen und untersuchen mithilfe von KI die Fähigkeiten und Potentiale ihrer Mitarbeiter. So können Ressourcen nachhaltig geplant und Mitarbeiter entsprechend fortgebildet werden. Wenn Talente frühzeitig entdeckt werden, ist das ein Gewinn für alle. Darüber hinaus kann aber auch ermittelt werden, wo betriebliche Kompetenzen ausgebaut werden müssen.
Rasante Aussichten für die Zukunft
Was einst ausschließlich von Großunternehmen und Experten angewandt werden konnte, steht heute jedem zur Verfügung. Außerdem wird das Sammeln und Speichern von riesigen Datenmengen immer leichter. Selbst kleine Unternehmen haben heute die Möglichkeit, kostengünstig Daten zu speichern, die von KI-Systemen ausgewertet werden können. KI als treibende Kraft hinter dem steten Ausbau von Automatisierung und betrieblicher Optimierung ist längst Realität.
Studie KI im Rechnungswesen & Controlling - Jetzt anfordern
Völlig neue Level von Automatisierung und Datentransparenz sowie Technologien wie künstliche Intelligenz brechen alte Muster auf und lassen neue Funktionen und Rollen entstehen.
