Artificial Intelligence: 10 Herausforderungen für die Zukunft

0

Es scheint unstrittig zu sein: Technologien der Künstlichen Intelligenz verändern die Welt. Wir spüren das schon heute und ahnen das Potenzial. Hunderte von AI Start-ups bauen an der Zukunft. Positive wie negative Utopien machen die Runde. Auf nationaler wie internationaler Ebene wird über Regulation nachgedacht. Mit ein wenig Abstand betrachtet, kommen viele Diskussionen zu den gleichen Punkten, die ich hier zusammenfassen will als die zehn größten Herausforderungen. Das ist natürlich ein Provokation: Warum diese zehn? Was habe ich vergessen? Was gehört hier nicht her? Schreiben Sie es mir – entweder hier, auf Ihrem Blog oder per Direktnachricht (Linkedin, Twitter, E-Mail). Ich freue mich auf die Diskussion.

1 Voreingenommenheit / Unconscious Bias

Vorurteile werden verstärkt, weil die Trainingsdaten der Modelle auf voreingenommenen Daten der Vergangenheit beruhen. Wenn man sich dessen nicht bewusst ist, werden diese Vorurteile pseudoobjektiviert in die Zukunft fortgeschrieben. Fatal, wenn damit dann „Automatisierte Entscheidungssysteme“ betrieben würden, die in unser Leben eingreifen. Ein plastisches Beispiel: Wenn eine KI gelernte Muster über erfolgreiche Karrieren als Entscheidungskriterium für Bewerber:innenlebensläufe nutzt, verstärken womöglich die Barrieren für historisch benachteiligte Kandidat:innen.

Artificial Intelligence: 10 Herausforderungen für die Zukunft

Artificial Intelligence: 10 Herausforderungen für die Zukunft

2 Berechenbarkeit der Welt

Nicht alles was zählt, lässt sich zählen. Und nicht alles was man zählen kann, zählt. Die Utopie der Berechenbarkeit der Welt lässt alle Probleme außer Acht, die sich nicht in Formeln packen und quantifizieren lassen. Unsere durchrationalisierte Welt verfällt dabei heute schon darauf, auch Qualitäten in Quantitäten darzustellen – auf einmal ist ein so individuelles Erlebnis wie ein Urlaub, ein Restaurantbesuch oder eine Musikaufnahme durch eine „4,3-Sterne-Bewertung“ besser oder schlechter als ein vergleichbares Angebot. Wie gelingt uns die nachhaltige Unterscheidung von den Dingen, die sich wirklich berechnen lassen von denen, bei denen wir das nur annehmen?

3 The Digital Divide

Werden die Nationen mit der stärksten KI künftig die anderen dominieren? Was ist dann mit den Ländern, denen es heute schon nicht so sehr um einen Platz auf der Liste der Supercomputer geht, sondern um eine ausreichende Gesundheitsversorgung auf dem Land? Was volkswirtschaftlich gilt, spielt sich auch innerhalb von Industriegesellschaften ab. Wenn es wirklich so ist, dass es künftig nur noch zwei Arten von Jobs gibt: die einen, die dem Computer sagen, was er machen soll und die anderen, die von einem Computer Anweisungen erhalten – und wenn klar ist, dass nur ersterer gut bezahlt wird – dann verstärkt sich der Digital Divide. Müssen wir dann über bedingungsloses Grundeinkommen reden, um die schlimmsten sozialen Folgen abzufedern?

4 Energieverbrauch

Die Methoden der KI verlangen Training von neuronalen Netzwerken. Das kostet heute schon viel Energie. Lösung könnte sein, dass die Hyperscaler auf dem Weg zur Klimaneutralität ihre großen Rechenzentren klimaneutral betreiben. Bleibt noch die Anwendung. Und die Endgeräte. Und die Chipherstellung etc.  – es ist noch ein weiter Weg bis zu „Green AI“.

5 Akzeptanz

KI ist eine Technologie, die Ängste auslöst, weil sie nicht von jedem verstanden wird.. Aus einer Intuition heraus, die nicht messbar ist, kann ihre Ablehnung sogar sinnvoll sein.  Und hier zeigt sich ein Dilemma. Vertrauen wir auf Intuitionen, die zwar im menschlichen Kosmos Bestand haben, kann es durchaus sein, dass wir dem Potenzial von AI zu wenig Raum geben. Nämlich da, wo sie uns wichtige Dienste  erweisen kann und ihre Akzeptanz vonnöten wäre, um die großen Chancen eben nicht zu vertun: für den Einzelnen, wie auch für ganze Volkswirtschaften. Sehr prägnante Beispiele kommen aus den Bereichen Medizin und Landwirtschaft, die durchaus Vertrauen und Akzeptanz verdienen: Wenn es gelänge, billiger, schneller und wirksamer Medikamente oder Lebensmittel herzustellen und gleichzeitig Ressourcen schonender: wer wollte sich dagegen wehren? Dazu braucht es aber ein Grundvertrauen in diese Technologie, damit die geistige Haltung die eines kontrollierten und neugierigen Ausprobierens wird – und nicht eines skeptischen Abwartens. Und dabei kann KI uns helfen. Ki also ein Alle-Probleme-Löser? Nein, aber artificial intelligence bietet uns in vielen Bereichen viele Chancen, die wir nicht abtun sollten.

6 Datenverfügbarkeit

Nicht der beste Algorithmus entscheidet, sondern die besten Daten. Wer sich hier einen Vorteil verschafft, wird fast uneinholbar. Dabei bedeutet das nicht automatisch, möglichst viele Daten – sondern eher möglichst viele *unterschiedliche* Daten zu verarbeiten. Autonomes Fahren wird längst mit synthetisch erzeugten Trainingsdaten geübt. Die 95% aller Fahrsituationen sind ausreichend sicher modelliert. Nun geht es um die Outlier, das Außergewöhnliche, die besondere Situation. Und genau diese Sonderfälle treten nicht oft genug auf - es sei denn, man hat bereits viele Datensammler auf der Straße, die ihr Wissen zurückspielen und ihrer gesamten Flotte zur Verfügung stellen. Das ist der unschätzbare und fast nicht aufholbare Vorsprung von Tesla.

Übrigens: Wem die Daten gehören, ist die falsche Frage. Wer die Daten zu welchem Zweck nutzen darf, wäre doch richtiger.

7 Qualifikation der Arbeitnehmer:innen

Jeder Technologieschub macht vorhandene Qualifikationen überflüssig und verlangt umgekehrt neue. Wer sich heute hauptsächlich mit dem Verstehen von hochstandardisierten Texten beschäftigt – sagen wir ein Buchhalter, der Rechnungen liest – muss sich bereits jetzt Sorgen um seine Zukunft machen. Welche Fertigkeiten werden aber zukünftig gebraucht? Müssen wir jetzt alle Data Scientists werden? Oder das gerade nicht – denn auch Programmiercode lässt sich mit KI generieren. Was also müssen wir unseren Kindern beibringen?

8 Management Know-how

Wir alle kennen die großen Unternehmeranekdoten: Wenn Henry Ford auf seine Kunden gehört hätte, hätte er ihnen ein schnelleres Pferd gegeben. Hat er aber nicht, er hat jedem einfachen Arbeiter ein Auto versprochen und geliefert. Ein paar Jahre vorher hat Gottlieb Daimler den Weltmarkt für Autos schon aufgrund des Mangels an Chauffeuren für nicht größer als 1 Million Einheiten geschätzt. Welche Weitsicht brauchen CEOs heute? Wie erkennen sie die wahre Chance für ihr Geschäftsmodell – und wie unterscheiden sie das vom fantastischen Hype, der sich immer wieder in die Prognosen mischt? Viel getan wäre schon, wenn jeder Manager eine Grundausbildung in analytischen Methoden hätte. In der Vergangenheit haben Dreisatz und Excel gereicht, um ein Unternehmen erfolgreich zu führen – heute ist mehr Mathematik nötig.

9 Kurzfristiger Fokus

KI ist dabei, sein Potential leichtfertig zu verspielen. So wird viel zu viel Energie und Brainpower auf die Lösung von Problemen in der Werbewirtschaft aufgewendet. Ob es um den Suchalgorithmus bei Google, die Platzierung von personalisierten Anzeigen bei Facebook und Linkedin, um Hoch-effiziente Marktplätze für Werbeplatzierungen im gesamten Internet oder um immer ausgeklügeltere Affinitätsanalysen bei Kunden:innen geht – alles dreht sich um die  kurzfristige Optimierung: der Clicks, der Conversion, der Umsätze. Würde man nur einen Bruchteil dieser Expertise auf den nachhaltig und langfristig wichtigeren Einsatz von KI einsetzen, was könnte man nicht alles berechnen und erreichen: eine personalisierte und optimierte Verkehrsinfrastruktur, die bestmögliche Behandlung (auch) seltener Krankheiten, die effiziente Verteilung von Fördergeldern in der Corona-Krise und vieles andere mehr.

10 Geschwindigkeit

Keiner weiß, wie schnell KI tatsächlich die Welt verändern wird. Und das ist vielleicht das größte von allen Problemen. Wird es schnell und disruptiv sein? Sind wir in einem Jahrzehnte dauernden Transformationsprozess? Ist das unterschiedlich nach Wohnort (Stadt/ Land)? Nach Arbeitsplatz? Nach Lebensalter? Was verändert sich für die heute 10, 20, 30 jährigen in den nächsten 5, 10, 15 Jahren? Wir kennen alle Beispiele: muss man mit Schuleintritt ein Sparbuch für den Führerschein anlegen? Soll man heute noch – automatisch übersetzbare – Sprachen lernen, oder doch mehr auf praktische Zeit auf das Studium unterschiedlicher Kulturen verwenden ? Oder, ketzerisch gefragt: Ist der Hype um KI nicht längst vorbei?

Ich weiß nur eines: Es wird viel passieren.

Share

About Author

Thomas Keil

Director Marketing

Dr. Thomas Keil is a specialist for the impact of technology on business models and on society in general. He covers topics like Digital transformation, Big Data, Artificial Intelligence & Ethics. Besides his work as Regional Marketing Director at SAS in Germany, Austria and Switzerland he regularly is invited to conferences, workshops and seminars. He serves as advisor to B2B marketing magazines and in program committees of AI-related conferences. Dr. Thomas Keil 2011 came to SAS. Previously, he worked for eight years for the software vendor zetVisions, most recently as Head of Marketing and Head of Channel Sales.

Leave A Reply

Back to Top