Künstliche Intelligenz – quo vadis?

Photo by Pietro Jeng on Unsplash

Nicht erst mit den heute verfügbaren Anwendungen wie Alexa von Amazon, Apples Siri oder Google.AI ist künstliche Intelligenz (KI) in unserem Alltag angekommen. Dieses Hype-Thema löst aber unterschiedliche Reaktionen bei den Menschen aus. Einerseits fasziniert die Möglichkeit, uns mit normaler Alltagssprache mit einem Computer unterhalten zu können. Andererseits lösen diese technologischen Fortschritte aber auch Ängste aus: Wohin führt der Weg? Werden wir Menschen schon bald von übermächtigen Maschinen beherrscht?

Science Fiction versus Realität

Bevor man über KI spricht, muss man daher abgrenzen, wovon die Rede ist. Ein Szenario, in dem komplexe Maschinen als humanoide Roboter die Kontrolle über die Weltgeschicke an sich reißen und einen Feldzug gegen die Menschheit anzetteln, ist in die Kategorie Science Fiction zu verweisen. Wer denkt jetzt nicht an die Hollywood-Blockbuster „Terminator“ mit Arnold Schwarzenegger?

KI Systeme die heute im Einsatz sind bzw. entwickelt werden, sind jeweils für eine einzige spezifische Funktion konzipiert und angelernt: Bilderkennung, Vorhersage von Börsenkursen oder andere Aufgabenstellungen.

Bis auf weiteres werden KI Systeme auch immer in diesem engen Fokus der ihnen zugedachten Aufgabenbestimmung bleiben und nicht annähernd menschliches Niveau erreichen.

Was ist an KI anders als bei algorithmischer Software?

Im Gegensatz zu kon­ven­­tio­neller Software fol­gen KI Systeme kein­en fest vorge­legten Algorithmen. Auch wenn wir oft hören oder lesen, wie viel „Intelligenz in der Software steckt“ – das ist nichts anderes als Marketingaussagen, mit denen zum Ausdruck gebracht werden soll, wie viele Funk­tionen und Verarbeit­ungs­vari­anten die Entwickler der Software miteinander ver­knüpft haben, um damit den Nutzen und die Bedienbarkeit der Software zu steigern. Letztendlich stecken dahinter aber fest vorprogrammierte Abläufe und Entscheidungspfade (die durchaus sehr umfangreich sein können). Mit Intelligenz hat das jedoch nichts zu tun.

KI Systeme hingegen funk­tio­nieren vollkommen an­ders. Bei ihnen handelt es sich um neuronale Netz­werke und damit funk­tionale Nachbildungen des menschlichen Gehirns. Diese neuronalen Netz­werke können wir uns vorstellen wie eine Black­box mit Ein- und Aus­gängen (siehe Foto).

Schematischer Aufbau eines neuronalen Netzwerks
Schematischer Aufbau eines neuronalen Netzwerks

In der Blackbox sind viele, wirklich sehr viele Speicherzellen enthalten, die in mehreren Schichten miteinander verbunden sind. Mit diesem Aufbau ähnelt ein Neuronetz tatsächlich der Struktur des menschlichen Gehirns, das für unser Gedächtnis zuständig ist..

Wenn man nun so ein neuronales Netzwerk aufgebaut hat, dann passiert – zunächst gar nichts! Denn, bevor ein neuronales Netzwerk seine bestimmungsgemäße Aufgabe aufnehmen kann, muss es zunächst trainiert werden. Dies geschieht dadurch, dass man das Netzwerk mit einer ausreichenden Anzahl von Testdaten füttert.

Dabei werden dem neuronale Netzwerk automatisiert Test-Eingangsdaten an den Eingang sowie die zugehörigen Ergebnisdaten an den Ausgang der Blackbox gelegt. Die daraufhin entstehende Verknüpfung innerhalb der Blackbox geschieht vollkommen autonom und kann von außen nicht gesteuert werden. Je größer die Datenmengen in der Lernphase, umso höher ist die Qualität der Ergebnisse im Wirkeinsatz. Die Lernphase kann durchaus Tage, ja sogar Wochen dauern.

Nach erfolgreichem Abschluss der Lernphase können neue, also bisher nicht gelernte Daten an den Eingang der Blackbox gegeben werden. Das neuronale Netzwerk wird dennoch in der Lage sein, valide Daten am Ausgang zu liefern. Zu kompliziert?

 

Ein einfaches Beispiel:

  • Ein neuronales Netzwerk wird in der Lernphase mit digitalen Fotos von Tieren „gefüttert“
  • Am Ausgang wird in der Lernphase zu jedem Tierfoto die zugehörige Tierart angegeben, z. B: „Hund“, „Katze“, „Pferd“, „Affe“ etc.
  • Nach der Lernphase kann das neuronale Netzwerk mit einer hohen Trefferquote Tierarten auch auf solchen Fotos bestimmen, die es in der Lernphase nicht trainiert hat.

Unscharfe Logik

Zum Stichwort „Trefferquote“ ist der Vollständigkeit halber zu erwähnen, dass – anders als bei algorithmischen Programmen – neuronale Netzwerke regelmäßig keine 100-prozentige Trefferquote erreichen können. Die Güte ist stark abhängig von den gelernten Daten. Eine hohe Anzahl von Testdaten mit einer großen Varianz (beim obigen Beispiel: viele Fotos unterschiedlicher Hunderassen) ist Voraussetzung für eine hohe Erkennungsqualität.

Wozu dann künstliche Intelligenz?

Stellt sich nun die Frage, für welche Einsatzszenarien KI Systeme sinnvollerweise eingesetzt werden können.

Kommen wir noch einmal zurück auf unser Beispiel mit den Tierfotos. Ein algorithmisches Programm wäre kaum in der Lage, anhand von Tierabbildungen die Tierart zu bestimmen. Eine Software müsste bei jedem Erkennungsversuch umfangreiche Mustervergleiche gegen eine gigantische Menge von Referenzdaten sowie statistische Auswertungen durchführen. Dies würde erhebliche Rechenkapazität und -zeit beanspruchen und würde voraussichtlich nur Ergebnisse mit mäßiger Trefferqualität liefern.

Ein auf einem neuronalen Netzwerk basierendes KI System hingegen wird schnell und mit einer hohen Trefferwahrscheinlichkeit die korrekte Tierart bestimmen können. Eine schnelle Erkennung ist die Voraussetzung bei Anwendungen, die eine Echtzeitverarbeitung erfordern. Dies ist die Stärke von KI Systemen.

Wie verändert KI unsere Gesellschaft?

Wissenschaftlich betrachtet ist künstliche Intelligenz schon ein alter Hut. Ich selbst habe mich als Student schon Anfang der 1990er Jahre schon mit neuronalen Netzwerken beschäftigt. Brauchbare Ergebnisse waren mit den damaligen für Normalsterbliche verfügbaren Rechnerkapazitäten kaum zu erzielen. Um eine anwendungstaugliche Qualität erreichen zu können, ist eine hohe Rechenleistung erforderlich, insbesondere bei der parallelen Verarbeitung von großen Datenmengen. Erst mit der hohen Leistungsfähigkeit der heute verfügbaren Computer können KI Systeme in alltäglichen Einsatzumgebungen sinnvoll genutzt werden.

Ein historischer Meilenstein wurde bereits 1997 mit künstlicher Intelligenz gesetzt, als der Supercomputer Deep Blue von IBM den Schach Weltmeister Garry Kasparov unter Turnierbedingungen besiegt hatte [1]. Seitdem wird das Jahr 1997 als Zeitpunkt der Singularität im Schach bezeichnet.

Quellen

[1] https://en.wikipedia.org/wiki/Deep_Blue_versus_Garry_Kasparov, abgerufen am 26.10.2017 um 17:45 Uhr MESZ

Was haben Digitalisierung und das Genossenschaftliche Prinzip gemeinsam?

Drei überraschende Gemeinsamkeiten zwischen traditionellen Genossenschaften und der Digitalisierung

Das genossenschaftliche Prinzip kennen viele: „Was einer allein nicht schafft, der vermögen viele gemeinsam!“ Das hat schon Friedrich Wilhelm Raiffeisen, einer der Gründerväter der Genossenschaften, vor über 150 Jahren gesagt.

Dieser Grundgedanke ist das Fundament, auf dem alle heutigen Waren- und Kreditgenossenschaften handeln. Mit der Digitalisierung verändern sich die Geschäftsmodelle für große Teile der Wirtschaft. Alle Branchen sind davon betroffen. Auch die Genossenschaften bleiben von der Digitalisierung nicht verschont.

Doch wie können genossenschaftliche, regional ausgerichtete Volksbanken und Raiffeisenbanken ihre Geschäftsmodelle mit der Digitalisierung, die mit Megatrends mit disruptiven Potential daherkommt, weiterentwickelt? Drei Überlegungen hierzu:

1. Big Data = Nützliches Wissen generieren aus vielen Einzelinformationen

Der genossenschaftliche Leitsatz „Was einer allein nicht schafft, das vermögen viele gemeinsam!“ passt exakt für Big Data Anwendungen. Bei Big Data wird aus einer großen Datenmenge durch intelligente Verknüpfung Wissen in einer Qualität generiert, das auf andere Weise nicht hätte gewonnen werden können. Dies funktioniert nicht nur bei mehr oder weniger fragwürdigen Anwendungen sondern – gekoppelt mit KI-Auswertesystemen – inzwischen hervorragend in vielen für die Allgemeinheit nützlichen Bereichen, wie der Medizin. Basierend auf einer Vielzahl von Vergleichsdaten oder der digitalen, KI-gestützten Auswertung von bildgebenden Verfahren können Computer heute in vielen Bereichen (z. B: Mammografie) wesentlich exaktere Diagnosen stellen, als erfahrene Ärzte dies vermögen. Interessante Ansätze im Finanzsektor gibt es bereits mit Crowdfunding Lösungen, On Demand Kreditvergabe oder On Demand Versicherungen. Intelligente Nutzung von Big Data kann den Genossenschaften aber auch helfen, neue, mit der Digitalisierung entstehende Anforderungen und Bedürfnisse der Kunden frühzeitig zu erkennen und das eigene Geschäftsmodell entsprechend anzupassen. Damit sind wir auch schon bei der zweiten Überlegung:

2. Digitalisierung ermöglicht kundenzentrierte Lösungen – Genossenschaften auch

Kreditgenossenschaften sind in ihrer Region verankert. Dadurch können sie eine größere Kundenbindung erreichen, als überregionale, zentral gesteuerte Institute. Mit der regionalen Ausrichtung auf der einen Seite und mit wirtschaftlich starken und bundesweit agierenden Verbundunternehmen im Hintergrund, wie Zentralbank, Versicherung und Investmentgesellschaft auf der anderen Seite wird in doppelter Hinsicht ein Nutzen für die Kunden erreicht: Kundennähe auf der einen und günstige Konditionen für Produkte und Dienstleistungen durch Skalierung auf der anderen Seite.

3. Digitalisierung bedeutet: In der Lage und bereit sein, sich neu zu erfinden

Die Besonderheit der Digitalisierung liegt in der Konvergenz von Technologien, die in der Summe zu disruptiven Veränderungen führen können.
Beispiel: Das Internet gibt es schon lange. mobile Endgeräte (=Handys) ebenfalls: Aber erst die technische Möglichkeit, mit einer großen Bandbreite mobil von überall und mit leistungsfähigen Geräten (fast) kostenlos darauf zugreifen zu können, erst das in der Summe macht den Weg frei für neue digitale Lösungen und Geschäftsmodelle. Auch die Genossenschaften haben sich in den vergangenen 150 Jahren mehrmals neu erfinden müssen. Ins Leben gerufen im Zeitalter der industriellen Revolution, hat der Eintritt in das Computerzeitalter in der zweiten Hälfte des vergangenen Jahrhunderte bereits die Geschäftsmodelle und Prozesse der Banken gewaltig umgewälzt. Heute haben sich Genossenschaften mit der digitalen Revolution auseinander zu setzen.

Digitalisierung im Maler-Handwerk – wie ein Handwerksmeister aus Wiesbaden 84 Prozent seiner Umsätze über das Internet generiert

Vor einiger Zeit hörte ich einen Vortrag von Volker Geyer über die Internet Strategie seines Handwerksunternehmens. In dem lebendigen Vortrag erläuterte er die Elemente seines Online-Marketings. Mit einem Live-Einblick auf seine Webseite www.malerische-wohnideen.de zeigte Volker Geyer, wie er die verschiedenen sozialen Medien als aktiven Kommunikationskanal zu seinen Interessenten nutzt.

Die Besucher seiner Internetseite erhalten mit zahlreichen Blog-Beiträgen Einblicke in die Arbeitswelt von Volker Geyer und seiner Mitarbeiter. Auf diese Weise repräsentiert er sein Unternehmen authentisch und lebendig im Internet.

Darüber hinaus nutzt Volker Geyer seine Internetpräsenz als Plattform für
Empfehlungsmarketing und lädt seine Besucher im Blog zum Dialog ein.

Der durchschlagende Erfolg seiner Online-Strategie hat sich bis ins
EU-Parlament herumgesprochen: 2011 wurde der Querdenker und Visionär Volker Geyer als Sprecher zur KMU-Woche nach Brüssel eingeladen:
www.malerische-wohnideen.de/blog/mein-unglaubliches-erlebnis-bei-der-kmu-woche-2011-in-bruessel.html.

Ich finde, die „malerischen Wohnideen“ von Volker Geyer sind ein hervorragendes Beispiel dafür, wie ein Unternehmen die Herausforderungen der Digitalisierung annimmt und dadurch enorm profitiert.

Nicht die Digitalisierung macht den Mittelstand kaputt …

… sondern Unternehmensstrukturen mancher etablierten Unternehmen, die das Schritthalten mit den zunehmend rasanten digitalen Entwicklungen erschweren.

Neue Unternehmensform Startup?

Mit der Digitalisierung taucht eine scheinbar neue Unternehmensform auf: Startups schießen derzeit in vielen Branchen wie Pilze aus dem Boden und mischen mit disruptiven Geschäftsmodellen etablierte Märkte auf.

Dabei handelt es sich jedoch nicht um einen neuen Unternehmenstypus, sondern um den Entwicklungszustand eines Unternehmens in einem jungen Stadium.

Dieses junge Startup Unternehmen hat nur ein Ziel: die nachhaltig erfolgreiche Vermarktung seines neuen Produktes oder seiner Dienstleistung schnellstmöglich unter Beweis zu stellen.

Egal ob das Budget für die Businessentwicklung von einem Investor stammt oder eigene Mittel eingesetzt werden: es gilt keine Zeit zu verlieren. Denn Zeit ist Geld – und das kann hier getrost wörtlich genommen werden. Venturekapitalgeber verknüpfen mit der Geldspritze strenge zeitliche Vorgaben. Werden die nicht erfüllt, schließt sich der Geldhahn.

Aus diesen Zwängen sind Lean Startup Methoden entstanden, die im Kern eines gemeinsam haben: radikaler Fokus auf das Wesentliche mit dem Ziel, schnellstmöglich die Nachhaltigkeit des Geschäftsmodells zu evaluieren oder so lange zu modifizieren, bis es funktioniert.

Clash of Business Cultures

Der Versuch, Lean Startup Techniken in etablierten Unternehmen einzusetzen, führt oft unweigerlich zur Kollision mit den bestehenden Geschäftsprozessen. Exemplarisch sei hier die frühe Beteiligung von Kunden an dem Entwicklungsprozess genannt. Viele Entwickler hüten ihre Produktideen und halten sie so lange wie möglich geheim, um sie vor Nachahmern zu schützen. Erst wenn die Produktentwicklung abgeschlossen ist, geht man mit dem neuen Produkt an den Markt … und dabei nicht selten am Bedarf vorbei.

Ganz anders bei einem Lean Startup: hier wird der Kunde so früh wie möglich, lange bevor das Produkt überhaupt verfügbar ist, einbezogen und befragt. Die Ergebnisse der gezielten Kundenbefragung fließen direkt in die Produktentwicklung ein.

In seinem Buch „Democratizing Innovation“ hat Eric von Hippel (Professor of Management of Innovation and Head of the Innovation and Entrepreteurship Group am Massachussetts Institute of Technology) gezeigt, dass mit Innovationen, die unter Mitwirkung von Kunden entstanden sind, 8 mal mehr Umsatz generiert wird, als bei Entwicklungen ohne Kundenbeteiligung.

Netzwerk von Ideengebern im Unternehmen

Aber auch die besten Ideengeber, die eigenen Mitarbeiter, werden in vielen Unternehmen zu wenig am Ideenentwicklungsprozess beteiligt. Ein betriebliches Vorschlagswesen ist das eine, den Mitarbeitern abteilungsübergreifend die Möglichkeit zu geben, ihre Ideen auszutauschen und zu diskutieren, sich zu vernetzen, ist eine Chance für Unternehmen, einen großen Ideenfundus zu heben und Synergien zu stiften. Dazu gehört aber auch, unorthodoxe Vorschläge nicht gleich zu „beerdigen“, sondern mit Lean Methoden diese Ideen auf Brauchbarkeit abzuklopfen.

Natürlich lässt sich ein etabliertes Unternehmen nicht mit einem Startup vergleichen. Beim Startup konzentriert sich alles darauf, das Geschäftsmodell am Markt zu testen, und so lange zu modifizieren, bis es funktioniert. Wird das nicht erreicht, verschwindet ein Startup schnell wieder von der Bildfläche. Etablierte Unternehmen werden verständlicherweise nicht alles auf eine – neue – Karte setzen können. Viele Angestellte erwarten am Monatsende ihr Gehalt. Kein Manager wird den laufenden Geschäftsbetrieb vernachlässigen können.

Dennoch sollten sich Unternehmen, die von der Digitalisierung betroffen sind, Freiräume schaffen, in denen sie sich immer wieder neu erfinden können und mit der zunehmend rasanten digitalen Entwicklung Schritt halten können.