Künstliche Intelligenz kann Weltkonzerne erschaffen - oder sie stürzen. Ich stelle vier Grundpfeiler und Vorboten der KI-Revolution vor.
Revolutionen sind so eine Sache: Eigentlich erwartet man rollende Köpfe, Massenproteste und schnellen Wandel. Die Merkmale einer industriellen Revolution hingegen sind nicht so eindeutig und auf den ersten Blick erkennbar.
Die erste industrielle Revolution begann in der zweiten Hälfte des 18. Jahrhunderts und nahm erst im darauffolgenden Jahrhundert richtig Fahrt auf. Erst dann – genauer in den 20er Jahren des 19. Jahrhunderts – fiel erstmals der Begriff der „industriellen Revolution“.
Doch nach der dritten Revolution scheinen wir dazu gelernt zu haben: Die voraussichtlich vierte industrielle Revolution ist die erste, die schon vor ihrem Eintreffen ausgerufen wird. Der Anführer der Revolution: Künstliche Intelligenz.
Die vierte industrielle Revolution ist eine KI-Revolution
Weltweit gibt es bereits jetzt mehr als 3.450 KI-Startups, davon 40 Prozent in den USA. Für die Unternehmensberatung Roland Berger ist Künstliche Intelligenz, neben Kapital und Arbeitskraft, in Zukunft der wichtigste Produktionsfaktor.
Der Großteil der wirtschaftlichen Auswirkungen der KI-Revolution stehe uns noch bevor – zu diesem Schluss kam jüngst eine Studie der Unternehmensberatung McKinsey. Umgekehrt bedeutet das jedoch nicht, dass die Revolution noch in den Kinderschuhen steckt. Sie hat schon begonnen.
Viele Firmen nutzen bereits KI-Software in ihren Unternehmen. Zu den Einsatzgebieten zählen zum Beispiel das Management von Lieferketten, Instandhaltung, Forschung und Entwicklung sowie Vertrieb und Marketing.
Selbst in hochtechnologisierten Industrien wie dem Online-Handel oder bei Suchmaschinen gibt es jedoch nicht die eine, große KI, die alles steuert. Vielmehr sind es eine Vielzahl spezialisierter KIs, die gezielt für einzelne Aufgaben trainiert wurden.
Die vier gängigsten KI-Technologien
Aktuelle KI-Technologie kann grob in vier Felder eingeteilt werden: Grundlagentechnologien wie maschinelles Sehen und die Verarbeitung natürlicher Sprache, digitale Assistenten, robotergesteuerte Prozessautomatisierung und fortschrittliches Maschinenlernen.
Grundlagentechnologie
Die beiden derzeit wichtigsten grundlegenden Fähigkeiten sind maschinelles Sehen (Computer Vision) und die Verarbeitung natürlicher Sprache (Natural Language Processing). Aus diesen beiden maschinellen Fähigkeiten entspringen unzählige Anwendungen für Alltag und Arbeit.
Die KI-gestützte Bilderkennung – maschinelles Sehen - ist bereits Teil unseres Alltags: Facebook erkennt Personen auf Fotos und Überwachungskameras scannen U-Bahn-Passagiere. In der Automobilindustrie wird an selbstfahrenden Autos und LKWs geforscht – ohne Bilderkennung wäre das unmöglich.
Volvo stellte jüngst sein neustes Produkt Vera vor. Der selbstfahrende Truck kann Tag und Nacht Waren transportieren.
Fortschrittliche Sprach-KI (NLP) kommt ebenfalls in vielen Anwendungen zum Einsatz. Google - zum Beispiel mit der Telefon-KI Duplex - und zahlreiche andere Unternehmen nutzen Sprache und Spracherkennung zur Steuerung von Apps oder für neue Services.
Die Nachrichtenagentur Reuters beispielsweise setzt in ihrem News Tracer eine KI ein, die Meldungen auf ihre Glaubwürdigkeit und Relevanz überprüft. Die Agentur forscht ergänzend an einer KI, die eigenständig News verfasst.
Sprach-KI ist wichtig für Suchmaschinen: Rechtschreibfehler werden verbessert, Suchvorschläge unterbreitet und inhaltlich passende Suchergebnisse angezeigt.
Computer Vision und Sprachverarbeitung spielen auch im nächsten Beispiel die entscheidende Rolle.
Digitale Assistenten
Digitale Assistenten sind seit dem Google Assistant oder Amazons Alexa weltweit verbreitet. Sie bauen wesentlich auf die Erfolge in der NLP-Forschung auf: Die immer bessere Spracherkennung hat diese Assistenten erst nützlich gemacht, auch außerhalb der privaten Nutzung.
Sie informieren beispielsweise Arbeiter über Lagerbestände oder blenden Baupläne in AR-Brillen ein. Sie können Meetings und Termine koordinieren und Erinnerungen festhalten.
Amazon hat mit Alexa for Business seinen Assistenten explizit auf die Industrie ausgerichtet: Business-Alexa soll weltweit in Büros stehen und den Büroalltag durch Sprachsteuerung erleichtern.
Ein weiteres Beispiel ist der Nami Assistant: Durch ihn können Händler und Investoren direkter mit dem Finanzmarkt interagieren. Investitionen können automatisiert und aktuelle Informationen über Kursverläufe angefordert werden.
In der Kundenbetreuung großer Unternehmen sind digitale Assistenten ebenfalls auf dem Vormarsch. Sie automatisieren und filtern den Kontakt mit Kunden. Medizinische Chatbots erstellen Vorabdiagnosen und halten Kontaktdaten zu Ärzten bereit.
Digitale Assistenten sollen Menschen im Alltag und bei der Arbeit unterstützen. KI-Technologie hat jedoch auch das Potenzial, gewisse Arbeiten komplett zu übernehmen und so Jobs zu ersetzen.
Robotergesteuerte Prozessautomatisierung
Die robotergesteuerte Prozessautomatisierung (RPA) galt schon früh als heißer Kandidat für den Siegeszug moderner Technologie. Ein einfaches Programm – ein Softwareroboter – übernimmt die Rolle eines Anwenders. Aufgaben in der Buchhaltung oder der Auftragsverarbeitung werden so automatisiert.
Frühe Systeme waren jedoch nur in der Lage, sich wiederholende Routineaufgaben durchzuführen. Sie bedienen Anwender-Software ohne zusätzliche Eingabe eines Menschen und sparen so Zeit. Solche einfachen RPA-Systeme helfen, Arbeitsprozesse zu optimieren. Sie ersetzen aber keine Menschen.
Im Gegenteil: Sie bedeuten mitunter sogar zusätzlichen Aufwand und sind teuer im Unterhalt. Gibt es beispielsweise ein Software-Update für ein Programm und die Nutzeroberfläche verändert sich, kann ein menschlicher Anwender die neuen Arbeitsschritte schnell erlernen – das RPA-System muss erst aufwendig umprogrammiert werden.
Moderne, intelligente RPA-Systeme nutzen aus diesem Grund Maschinenlernen. Sie lernen weitgehend selbstständig ihre zu erledigenden Prozesse und müssen nicht vorab für einen spezielle Aufgabe programmiert werden. Daher werden klassische Softwareroboter eher in Ausnahmefällen eingesetzt, während maschinelles Lernen bei der Automatisierung eine immer größere Rolle einnimmt.
Solche modernen RPA-Systeme können zum Beispiel im Personalwesen genutzt werden. Dort erledigen sie im Hintergrund automatisiert Aufgaben, wenn sich beispielsweise Arbeitnehmer krankmelden, Urlaub beantragen oder Informationen über einen Arbeitsauftrag anfordern.
Fortschrittliches Maschinenlernen
Maschinenlernen (ML) ist seit Beginn der 2000er Jahre die Grundlage der Empfehlungsalgorithmen Amazons oder von Googles Websuche. Es ist die Basis des Erfolgs der Weltkonzerne.
Maschinenlernen wird auch abseits der Internet-Gewinner eingesetzt. Seit Jahren bieten Unternehmen wie SAP oder General Electric ML-Software an. SAPs HANA zum Beispiel ist eine Cloud-Plattform, mit der Unternehmen Datenbanken managen und informierte Entscheidungen fällen sollen.
Die Software nutzt Informationen aus allen möglichen Zugangspunkten eines Unternehmens: Computer, Finanztransaktionen, Sensoren und Einrichtungen in Produktionsstätten. In diesem Datenmix soll sie dann Zusammenhänge aufzeigen und so Erkenntnisse generieren.
Die US-Handelskette Walmart - der größte Arbeitgeber der Welt - nutzt HANA, um die Transaktionen seiner über 11.000 Geschäfte beinahe in Echtzeit zu verarbeiten. Unregelmäßigkeiten, wie massenhafte Bestellungen oder eine langsam laufende Maschine in einer Fabrik, werden von HANA erkannt und gemeldet.
Ähnlich funktioniert General Electrics Predix OS. Predix verarbeitet die riesigen Datenmengen, die durch Sensoren an Maschinen, Fahrzeugen und Produktionsstätten entstehen. Das Systen verbindet diese Daten selbstständig mit bestimmten Ereignissen. So kann es zum Beispiel vorhersagen, wann eine Maschine voraussichtlich ausfallen wird.
Auf Predix aufbauende Programme wie „Aircraft Landing Gear Prognostics“ von GE und Infosy lässt Flugzeugingenieure erkennen, wie lange das Fahrwerk eines Flugzeugs im Einsatz bleiben kann. Die Ingenieure wissen dann, wann es gewartet werden muss. Das wirkt Flugverzögerungen und unerwartetem Ausfall entgegen.
Arbeitnehmer werden unterstützt, ersetzt - oder lernen neue Berufe
Jede dieser KI-Technologien könnte im Alleingang ganze Industriezweige umkrempeln - oder tut es schon. Im Grunde gibt es bei jedem Beruf drei mögliche Auswirkungen auf Arbeitnehmer:
Einige Berufe werden durch KI unterstützt, aber nicht ersetzt: KIs helfen zum Beispiel, Krebs zu erkennen. Dennoch bleibt der Arzt, denn die Diagnose von Bilddaten ist nur ein kleiner Teil der Anamnese und der anschließenden Behandlung. Der Mensch dient zusätzlich als emotionaler Klebstoff und hat das Verständnis für den Kontext.
Jede vollständig automatisierbare, einfache Arbeit hingegen wird früher oder später effizienter von einer KI erledigt. Solche Jobs gehen verloren, jedenfalls für die Menschheit. Der deutsche Informatiker und Robotikspezialist Sebastian Thrun prognostiziert, dass Künstliche Intelligenz alle repetitive menschliche Arbeit übernehmen wird. Jeder Beruf mit vielen Wiederholungen könne durch eine Maschine ausgeführt werden.
Die KI-Revolution wird auch für neue Arbeitsplätze und Geschäftsfelder sorgen: KI-Startups bringen mehr Jobs in der IT. Viele neue Produkte und Dienstleistungen, die durch KI entstehen, können wir uns jetzt noch gar nicht vorstellen. Der Markt für intelligente Lautsprecher beispielsweise existierte bis vor wenigen Jahren nicht. Erst die Fortschritte in der KI-Forschung ermöglichte die neue Produktkategorie.
Die Vorteile der KI-Revolution sollten gleich verteilt werden
McKinsey und Roland Berger sind sich einig: Die KI-Revolution hat bereits begonnen und sie wird gehörig an Fahrt gewinnen. Künstliche Intelligenz kann Weltkonzerne erschaffen - oder sie stürzen.
Wie ihre Vorgänger wird auch die vierte industrielle Revolution voraussichtlich große wirtschaftliche, soziale und politische Veränderungen bewirken. Die Vorteile der Künstlichen Intelligenz werden unfair verteilt sein, befürchten Kritiker: Die Ungleichheit zwischen Unternehmen, Arbeitnehmern und Ländern könnte zunehmen. Technologische Arbeitslosigkeit und neue Monopole wären die Folge.
Eine konstruktive öffentliche Debatte ist daher notwendig, so wie sie der Nobelpreisträger Joseph Stiglitz fordert: Nur so können "wir eine wohlhabendere, ausgeglichenere Gesellschaft formen", die KI nicht nur aushält, sondern für das eigene Wohl einsetzt.
