Carsten Kraus: Künstliche Intelligenz revolutioniert die Wirtschaft

Was haben Klimawandel, Kanzlerzittern und Künstliche Intelligenz gemeinsam? Sie alle befeuern momentan in hohem Maße die Medien. Und wenn jetzt nicht gehandelt wird, sehen wir uns alle vor massive Probleme gestellt. Dabei ist - auch wenn die mediale Berichterstattung aktuell andere Schwerpunkte setzt - die KI das wichtigste der drei genannten Themen.

Ja, richtig gelesen: Ich halte KI sogar für noch wichtiger als den Klimawandel. Warum? Weil uns KI helfen kann, die Probleme des Klimawandels zu lösen. Aber der Reihe nach. KI ist eine Querschnittstechnologie. Wikipedia sagt dazu Folgendes:

Eine Querschnittstechnologie ist eine Technologie, welche die Basis für andere Technologien oder eine wichtige Komponente für mehrere Technologien bildet und somit für mehrere Anwendungsgebiete bzw. Wirtschaftszweige relevant ist.

Das bedeutet für uns: Ähnlich wie der Verbrennungsmotor, die Elektrotechnik oder das Internet verändern Querschnittstechnologien die Welt in vielen Bereichen. Die KI wahrscheinlich in allen. Nun liegt bei dieser Querschnittstechnologie eine außer gewöhnliche Situation vor: Science Fiction ist nämlich in der Regel immer ihrer Zeit voraus, doch ihre tatsächliche Realisierung kommt deutlich später als vorhergesagt.

In Zurück in die Zukunft 2 wurde ein fliegendes Skateboard ("Hoverboard") auf 2015 datiert - aber erst jetzt, Juli 2019, sehen wir bei der Pariser Militärparade einen ersten militärischen Prototypen. Fachleute täuschen sich genauso: Der europäische Fusionsreaktor ITER sollte ursprünglich 2016 in Betrieb gehen, derzeit geht man von 2035 (!) aus. Und auch im KI-Bereich gab es schon mehrere Wellen, die in der Vergangenheit ebenfalls später Resultate brachten als vorher geschätzt. Nicht so bei der KI der letzten Jahre: "Beim Kaiserspiel Go [...] brauchen Computer noch 10 Jahre, um Weltmeister zu werden", sagte der bekannte Trendforscher Sven Gabor Janszky im Februar 2016. Schon im März 2016 gewann AlphaGo dann gegen Lee Sedol!

Dabei wird die KI nicht einfach in der gleichen Anwendung schneller und besser. Stattdessen ergeben sich ganz neue Anwendungsbereiche. Die Spracherkennung durch Maschinen gelang viele Jahre mehr schlecht als recht. Das Gleiche galt für die Bild-Erkennung. Durch einen grundlegend anderen Aufbau neuronaler Netze, sogenannte CNNs, gehört diese Barriere der Vergangenheit an. Go wurde durch Reinforcement Learning gewonnen, ebenfalls eine ganz neue Art von KI. Durch GANs wird künstliche Kreativität ermöglicht. Jedes Jahr, jeden Monat, fast jeden Tag, ergeben sich neue Durchbrüche. Ein weiteres Beispiel finden Sie gegen Ende des Artikels.

Forschung ist das eine – Anwendung das andere. Welche Vorteile können Sie heute schon durch KI erzielen? Im Grunde tut KI genau drei Dinge: vorhersagen, entscheiden und lernen. Ohne den vollständigen Kontext eines Problems kennen zu müssen, kann sie – basierend auf Lerndaten – Annahmen über eine mögliche Lösung treffen, diese mit der Realität abgleichen und aus dem daraus folgenden Resultat lernen. Dieses Vorgehen wiederholt sie immer und immer wieder, bis sie eine geeignete Lösung gefunden hat. Da sie sich den Lösungsweg selbst erarbeiten, entfalten KIs daher in denjenigen Anwendungsbereichen ihren größten Nutzen, wo der Lösungsweg nicht exakt greifbar oder erklärbar ist. Im Folgenden ein paar Beispiele:

Hinter Predictive Maintainance - der vorausschauenden Wartung - steht das Ziel, anstelle regelmäßiger Wartungsintervalle eine Maschine nur dann zur Wartung anzuhalten und zu überprüfen, wenn ein wirkliches Risiko besteht, dass sie kaputtgeht. Denn so lassen sich unnötige Wartungsintervalle einsparen und Produktivitäts-Potenziale voll ausschöpfen. Der erfahrene Werksleiter wußte, "die Maschine hört sich komisch an, irgendwas stimmt nicht - haltet die mal an und schaut nach!". Aber wie erklärt man das einer Software?

Über Sensoreinheiten können viele mögliche Frühwarnsignale für einen Ausfall gemessen werden - von minimalen Temperatur-Erhöhungen über höhere Vibration bis hin zu einer größeren Lautstärke und vielem mehr. Doch unklar ist: Welche Kriterien sind wirklich relevant? Wie müssen sie gewichtet und wie miteinander in Zusammenhang gestellt werden? Genau das kann eine KI automatisch und minutiös herausfinden - sofern sie genügend Testdaten mit Beispielen hat: solche, in denen tatsächlich ein Teil ausgetauscht werden musste, und solche, in denen die Maschine nicht defekt war. So könnte die KI zum Beispiel erkennen, dass nicht die allgemeine Lautstärke, sondern nur ein bestimmtes Geräusch gefährlich ist. Und dass die Lautstärke egal ist, wenn die Vibration nicht erhöht ist. Schließlich hat es keinen Einfluss auf die Maschine, wenn jemand durch die Werkshalle ruft.

In den letzten Jahren gab es große Fortschritte in SachenBilderkennung. Dies macht sich heutzutage zum Beispiel bei der automatischen Qualitätssicherung zunutze. Manche Fehler lassen sich leicht (und erklären), aber wie sieht es bei fließenden Übergängen aus? Beispiel Zahnlegierungen: Hierbei handelt es sich um Produkte, deren Oberfläche immer kleinere Mängel aufweist - auch bei Werkstücken, die zur Weiterverarbeitung geeignet sind. Der Übergang zwischen brauchbaren und unbrauchbaren Zahnlegierungen ist fließend, es gibt keine glasklaren Kriterien. Trotzdem will man den Qualitätsanspruch der Kunden erfüllen, bisher wurden daher Stücke mit größeren Fehlern von Hand aussortiert.

Indem man eine KI mit zahlreichen Bildern von korrekten und defekten Werkstücken füttert, lernt sie durch Mustererkennung zwischen brauchbaren und unbrauchbaren Werkstücken zu unterscheiden. Welche Muster dabei genau erkannt werden, ist für den Menschenso gut wie nicht nachvollziehbar. Jedoch trifft die Beurteilung der KI bei genügend Lerndaten mit an Sicherheit grenzender Wahrscheinlichkeit ins Schwarze, so dass sich defekte Produkte viel schneller aussortieren lassen.

Besonders in Branchen, in denen es üblich ist, immer wieder die gleichen Produkte zu bestellen, wird KI den Einkaufsvorgang transformieren: Der Predictive Basket - eine KI-Technologie von Omikron - sagt dem Kunden voraus, was er in seiner aktuellen Session kaufen will. Die KI berechnet die Vorschläge auf Basis des Verhaltens des einzelnen Kunden und des Verhaltens aller anderen Kunden. So lernt sie den Kauf-Rhythmus kennen und passt sich immer besser darauf an. Ihre Vorschläge sind schon heute zu 75 Prozent richtig.

Den meisten Online-Shops ist dieses Verfahren zu modern. Bisher möchten sie noch selbst alle Regeln einstellen, statt mittels KI viel detailliertere Regeln erstellen zu lassen, die in ihrem Umfang kein Mensch mehr überschauen kann - die aber gleichzeitig bessere Ergebnisse liefern würden. Bei einem österreichischen Lebensmittel-Großhändler kommt der Predictive Basket aber bereits heute erfolgreich zum Einsatz (die Lebensmittel-Zeitung hat berichtet).

Die wenigsten Endkunden haben Freude daran, ihre erworbenen Möbelstücke zu Hause aufzubauen. Die meisten empfinden es wohl als lästig und zeitraubend. Doch inzwischen werden Roboter immer besser, mit den individuellen Unwägbarkeiten der Wohnumgebung von Kunden umzugehen - und können sogar auf spontane Veränderungen reagieren. So gibt es japanische Roboter, die selbstständig Bretter transportieren und verbauen können, in einer Umgebung, die sie vorher nicht kannten. Legt man ihnen Hindernisse in den Weg, reagieren Sie auf ihre veränderte Umgebung und finden eine Möglichkeit, wie sie ihren Auftrag dennoch erfüllen. Es ist spannend zu beobachten, welche Fortschritte in nächster Zeit gelingen werden - und es wird nur eine Frage von wenigen Jahren sein, bis solche Services Marktreife erreichen.

Auf der Google I/O 2018 wurde ein Telefonat zwischen einem Friseursalon und einem Kunden abgespielt. Das Spannende daran: Einer der Gesprächspartner war eine KI, und es war nicht offensichtlich, welche die menschliche und welche die Computer-Stimme war. Denn die KI hatte ihre Stimme optimiert - nicht nur in Sachen Tonalität, sondern auch durch Einwurf von Interjektionen wie "mmh", "aha" etc. Durch die Analyse von Beispiel-Telefongesprächen hatte die KI gelernt, wann solche Interjektionen angebracht sind in der Konversation. Es ist also mehr als wahrscheinlich, dass sich zumindest einfache Telefongespräche in naher Zukunft über KIs abwickeln lassen.

Bereits jetzt, im Juli 2019, realisierte sich auch eine meiner eigenen Prognosen zur KI - ich hatte sie auf 2021 bis 2025 datiert, sie lautet: KI stellt eigene Thesen in der Sekundärforschung auf. Forscher der University of Berkeley haben einer KI nun tatsächlich große Mengen wissenschaftlicher Texte ("Papers") über Materialforschung gegeben - jedoch nur solche, die bis 2008 veröffentlicht wurden. Dann wurde die Frage gestellt, welche weiteren Entdeckungen im Bereich thermoelektrischer Materialien zu erwarten sind. Und genau wie menschliche Sekundärforscher versuchte die KI Verbindungen zwischen verschiedenen Papers zu entdecken, die neue Erkenntnisse vermuten lassen. Die KI schlug fünf Materialien vor - und von denen wurden in den kommenden zehn Jahren, also bis 2018, tatsächlich drei erfolgreich erforscht. Ganz ohne den Menschen kommt diese Technologie nicht aus, aber die Forschungsgeschwindigkeit für Sekundärforschung könnte sich damit um den Faktor zwei bis zehn beschleunigen. Bis das auf breiter Front Auswirkungen hat, schätze ich, dauert es nur noch zwei bis fünf Jahre. Diese KI basiert auf Word-2Vec, einer Technologie, in deren Umfeld ich selbst forsche. Obwohl ich dem Thema also nahe bin, hatte ich solche Fortschritte in einem Interview 2016 erst auf "in fünf bis zehn Jahren" geschätzt. Auch hier war KI wieder deutlich schneller, als die Fachwelt erwartet hatte.

Dies bedeutet eine riesige Chance für die Gesellschaft: Ziele wie der Wandel von der Wegwerfgesellschaft hin zur Reparaturgesellschaft oder medizinische Fortschritte, die ein längeres unbeschwertes Leben ermöglichen, rücken für uns näher. Und auch den Klimawandel aufzuhalten oder umzukehren, ist - davon bin ich überzeugt - mit Hilfe der Wissenschaft erreichbar. Die Frage ist, ob wir es rechtzeitig schaffen. KI kann die Wissenschaft unterstützen und beschleunigen, so dass sich unsere Chancen deutlich erhöhen. Das bedeutet nicht, dass wir die Frage des Klimawandels jetzt aussitzen sollten: Wir müssen trotzdem jetzt gesellschaftliche Maßnahmen treffen; denn vielleicht brauchen wir auch mit KI-Hilfe zu lange!