In den Medien ist das Thema KI omnipräsent. Zu Recht! Wir geben dir einen Überblick, warum die Technologie so spannend ist.
Ein Gastbeitrag von Henrik Hasenkamp / gridscale
KI: Bedeutung
KI ist die Abkürzung für Künstliche Intelligenz, im Englischen spricht man von AI (Artificial Intelligence). Der Begriff AI bzw. KI kann schlecht abgegrenzt werden, deswegen wird er mittlerweile inflationär verwendet. Auch in Bereichen, die nur am Rande damit zu tun haben.
Bei KI geht es darum, Computer, Rechnersysteme oder Roboter so zu programmieren, dass sie bei ihren Entscheidungen wie ein Mensch agieren – oder zumindest recht ähnlich. Dabei geht es meist weniger um echte Intelligenz, sondern um um die Nachahmung von intelligentem Verhalten.
Um eine Künstliche Intelligenz erschaffen zu können, müssen gewaltige Datenmengen gesammelt, verarbeitet und ausgewertet werden werden (= Big Data). Nur so sind Machine Learning und Deep Learning, also die Lernprozesse der KI, möglich. Die Innovationen zählt man dann zum Bereich DeepTech.
Welche Arten von KI gibt es?
Die verschiedenen Arten von Künstlicher Intelligenz können auf verschiedene Weise kategorisiert werden. Zum Beispiel so:
🤖 Artificial Narrow Intelligence (ANI)
Dies ist eine Form der KI, die für sehr spezifische Aktionen entworfen wurde und nicht in der Lage ist, unabhängig zu lernen. Ein Beispiel hierfür wäre ein Algorithmus, der darauf spezialisiert ist, Wettervorhersagen zu machen.
🤖 Artificial General Intelligence (AGI)
Diese KI-Form ist dazu entwickelt, auf einem Niveau zu lernen, zu denken und zu arbeiten, das menschenähnlich ist. Dies bedeutet, dass die Künstliche Intelligenz in der Lage wäre, jede Aufgabe auszuführen, die ein Mensch kann, und sich dabei ständig selbst zu verbessern.
🤖 Artificial Superintelligence (ASI)
Hierbei handelt es sich um eine fortgeschrittene Form der KI, die die Fähigkeit hat, das Wissen und die Fähigkeiten von Menschen zu übertreffen. Das ist die Form von Maschinenintelligenz, die häufig in Science-Fiction-Filmen gezeigt wird.
🤖 Reactive Machines
Diese KI-Systeme können in Echtzeit auf externe Reize reagieren, aber sie können keine Informationen speichern oder Erinnerungen für die Zukunft aufbauen.
🤖 Limited Memory
Solche AI-Systeme speichern Wissen und nutzen es, um für zukünftige Aufgaben zu lernen und sich darauf zu trainieren.
🤖 Theory of Mind
Diese KI erkennt menschliche Emotionen und reagiert darauf. Und sie können gleichzeitig die Aufgaben von Maschinen mit Limited Memory ausführen.
🤖 Self-Aware
Dies ist die endgültige Entwicklungsstufe. Diese KI hat ein Bewusstsein und kann die Emotionen anderer erkennen – sie ist damit menschenähnlich.
Ebenso gibt es eine Unterscheidung in diese KI-Stufen:
🤖 Generative AI
🤖 Deep Learning
🤖 Neural Networks
🤖 Machine Learning
🤖 Artifical Intelligence
Folgendes Schaubild fasst die verschiedenen Einordnungen sehr gut zusammen:
Wichtig: Die meisten heute existierenden KI-Systeme werden als „Narrow AI“ oder „Reactive Machines“ klassifiziert. Sie wurden für spezifische Aufgaben entwickelt und verfügen nicht über die breiten kognitiven Fähigkeiten, die mit menschlicher Intelligenz assoziiert werden. Die fortgeschritteneren KI-Formen wie AGI und ASI sind theoretische Konzepte und existieren derzeit nicht.
Einsatz von KI: Ein paar Beispiele
Die Bandbreite dessen, was heutzutage als KI bezeichnet wird, ist extrem groß. Hier einige Beispiele aus verschiedenen Bereichen:
📦 E-Commerce
Bei Plattformen wie Amazon und eBay empfehlen Künstliche Intelligenzen den Kunden, was sie kaufen sollen. Diese Entscheidungen im E-Commerce basieren unter anderem auf Daten darüber, was die Kunden sich angeschaut und gekauft haben.
🦾 Robotik und Freizeitgestaltung
Ein bemerkenswertes Beispiel ist ein chinesischer Roboter, der in kürzester Zeit das Spiel Jenga perfektionierte. Nach nur 300 Versuchen war das Verständnis und die Fähigkeit zum Spiel so ausgereift, dass der menschliche Gegner fast chancenlos war. Die Kombination aus Geschick und Fingerfertigkeit in einem populären Spiel ist für eine Maschine revolutionär.
🚗 Autonomes Fahren
Um voll autonom fahrende Autos realisieren zu können, muss deren KI extrem ausgereift sein. Diese “Robo-Taxis” entscheiden in Millisekunden darüber, was bei einer Gefahr oder einem drohenden Unfall geschehen soll.
💬 Übersetzungsprogramme
Weniger komplex, aber trotzdem anspruchsvoll, ist der Einsatz von Künstlicher Intelligenz bei Übersetzungsprogrammen wie DeepL. Die Algorithmen erlernen auch komplizierte Sprache recht schnell und sehr gut.
✍️ Textverarbeitung
Aktuell macht die KI-Anwendung ChatGPT die Runde. GPT steht für „Generative Pretrained Transformer“. Es handelt sich hierbei um ein neuronales Netzwerk-Modell, das zur generativen Textverarbeitung verwendet wird. GPT wurde von OpenAI entwickelt und ist in der Lage, menschenähnlichen Text zu generieren, indem es vorher trainiertes Wissen über die Struktur und den Inhalt von Texten nutzt.
💡 Alternative aus Deutschland
Auch aus Deutschland gibt es eine Art ChatGPT: Luminous von Aleph Alpha. Diese KI richtet sich jedoch an Unternehmen und Behörden, nicht an private Nutzer.
Welche Aufstiegsmöglichkeiten gibt’s für StartUps?
Künstliche Intelligenz findet in zahlreichen Branchen Anwendung und revolutioniert dabei insbesondere die Welt der StartUps. Die jungen Unternehmen nutzen die Flexibilität und Innovationskraft der KI, um traditionelle Geschäftsmodelle zu transformieren und neue Märkte zu erschließen. Zum Beispiel in diesen Branchen und Industrien:
👩⚕️ Gesundheitswesen
StartUps setzen auf Künstliche Intelligenz, um Diagnosen schneller und präziser zu machen, personalisierte Behandlungspläne zu erstellen und Patienten rund um die Uhr zu betreuen. Ein Beispiel hierfür ist Ada Health, ein Berliner StartUp, das eine KI-gestützte App entwickelt hat, die Symptome analysiert und medizinische Ratschläge bietet.
💰 Finanzsektor
FinTech-StartUps nutzen KI, um Betrug in Echtzeit zu erkennen, den Kreditvergabeverfahren zu optimieren und individuelle Anlageempfehlungen zu geben. Unternehmen wie N26 und Revolut setzen auf KI-Algorithmen, um ihre Dienstleistungen zu personalisieren und die Kundenzufriedenheit zu steigern.
🚜 Landwirtschaft
AgriTech- und SmartFarming-StartUps treiben die Entwicklung voran, indem sie KI für die Überwachung von Pflanzenwachstum, die Vorhersage von Ernteerträgen und die Optimierung von Bewässerungssystemen einsetzen. Ein bemerkenswertes Beispiel ist das niederländische StartUp Connecterra, das KI-gestützte Lösungen zur Überwachung der Gesundheit von Nutztieren anbietet.
Im Bildungssektor entstehen zahlreiche EdTech-StartUps, die KI-Tools einsetzen, um personalisierte Lernplattformen zu entwickeln, die den individuellen Fortschritt der Schüler analysieren und maßgeschneiderte Lernpfade erstellen.
Anzeige:
Die Geschichte der Künstlichen Intelligenz
Die Idee der KI lässt sich bis in die Antike zurückverfolgen. Der echte Durchbruch kam allerdings erst in den letzten 20 Jahren. Hier ein kurzer Abriss, wie sich die Idee einer Künstlichen Intelligenz über die Jahrhunderte formte.
Der römische Homunculus und der Prager Golem
Die Faszination für eine Maschine, die denken kann – also eine künstliche Intelligenz besitzt – ist vermutlich so alt wie die Menschheit selbst. Bereits in der Antike fragten sich römische Gelehrte wie Cicero, ob sie wohl einen künstlichen Menschen mit eigener Intelligenz erschaffen könnten.
Sie nannten dieses hypothetische Wesen Homunculus, lateinisch für “kleiner Mensch”. Im Mittelalter gab es dann sogar Rezepte für die Erschaffung, doch erfolgreich waren sie natürlich nicht. So blieben die Homunculi eine Sache der Alchemie.
Auch in der Epoche der Aufklärung gab es Spekulationen, man könne menschenähnliche Wesen mit eigener Intelligenz ins Leben rufen. Das bekannteste Beispiel ist der Prager Golem. Ein Rabbi hat ihn aus Lehm geschaffen und ihm eine Spruchrolle in den Mund gelegt, sodass er zum Leben erwachte. Er half Menschen bei der Arbeit und beschützte sie.
Alan Turing und die frühen Anfänge der KI
Diese Legenden sind sehr bekannt, haben aber wenig mit dem zu tun, was wir heute als KI kennen. Los ging es erst 1936, mit dem damals 25-jährigen britischen Mathematiker Alan Mathison Turing. Er hat damals die nach ihm benannte abstrakte Turing-Maschine entwickelt – ein Modell, das zum Fundament der theoretischen Informatik wurde.
Sehr vereinfacht ausgedrückt handelt es sich dabei um ein Endlosband mit Zeichen oder Ziffern (meist 1 und 0), die von einem Lese-/Schreibkopf ausgelesen und wieder auf das Band geschrieben werden. Eine Veränderung von Ziffern wird über eine Tabelle entschieden, die als Programm verstanden werden kann.
Turing war einer der kreativsten Köpfe der frühen Informatik. So konnte er die scheinbar unknackbare Enigma-Verschlüsselungsmaschine der Wehrmacht entschlüsseln. Später hat er den sogenannten Turing-Test definiert, der entscheiden soll, ob die Intelligenz einer Maschine von der eines Menschen nicht zu unterscheiden ist.
Dartmouth 1956: Der Begriff Künstliche Intelligenz entsteht
Der Begriff Künstliche Intelligenz entstand auf der Dartmouth-Konferenz im Jahr 1956, die nach dem College in Hanover, New Hampshire, benannt wurde. Später sehr prominente Wissenschaftler wie John McCarthy, Marvin Minsky und Claude Shannon sprachen dort über die Frage, inwieweit sich Lernfähigkeit und andere Merkmale der menschlichen Intelligenz von Maschinen simulieren lassen. Ziel damals war die Entwicklung von Maschinen, die Aufgaben bearbeiten können, zu deren Lösung Intelligenz notwendig ist.
Die Erwartungen waren schon zu dieser Zeit sehr hoch und wurden von – wie wir heute wissen: steilen – Thesen befeuert. So haben Forscher im Nachgang der Konferenz vorhergesagt, dass es innerhalb der nächsten zehn Jahre einen Computer geben wird, der Schachweltmeister wird. In der Realität sind vier Jahrzehnte vergangen, bis Schachcomputer (fast) unschlagbar wurden.
Trotzdem: In den 1960er-Jahren gab es einige Durchbrüche. Am bekanntesten ist das Programm ELIZA vom deutsch-amerikanischen Informatiker Joseph Weizenbaum. Er entwickelte ein Computerprogramm, das Gespräche mit einem Psychotherapeuten simulierte. Es wurde über Tastaturen bedient und wirkte ungefähr so wie heute Chatbots. Die Ergebnisse waren für diese Frühphase verblüffend und ließen viele Menschen glauben, sie sprechen mit einem wirklichen Therapeuten.
Der Durchbruch: Das 21. Jahrhundert
Die Vorstellungen der 1960er- und -70er-Jahre sind heute unter dem Oberbegriff „Symbolische KI“ bekannt. Ihre Vertreter verstanden Intelligenz als Symbolverarbeitung, für die genaue Regeln angegeben werden können. Es gab sogar einige kommerziell nützliche Entwicklungen, beispielsweise Expertensysteme, die Wissen in bestimmten Fachbereichen anwendeten.
Doch der richtige Durchbruch kam erst in den 2000ern. Die Wissenschaftler beschäftigten sich jetzt näher mit der Technologie der künstlichen neuronalen Netze (KNN). Ihre theoretische Grundlage war zwar schon seit den späten 1940ern bekannt, doch ihr Durchbruch kam erst im Zeitalter leistungsfähiger Prozessoren.
Einer der bekanntesten Anwendungsfälle von Künstlicher Intelligenz sind heute die viel intelligenteren Nachfahren von ELIZA – digitale Assistenten oder manch ein Chatbot auf Websites. Aber auch beim Schach und dem deutlich komplexeren Brettspiel Go zeigt KI ihre Leistung. So gelang es 2016 dem von Google entwickelten System AlphaGo erstmals, den weltbesten Go-Spieler zu besiegen.
Werde in Rekordzeit zum ChatGPT-Experten!
Von Null auf ChatGPT-Held: Mit dem Turbo-Workshop von StartUpWissen lernst du, wie du dein Business mit KI revolutionieren kannst.
KI mit künstlichen neuronalen Netzen
In gewisser Weise war die Gamer-Szene einer der Auslöser für den Erfolg der KNN: Die Rechenoperationen bei der Darstellung von Vektorgrafiken in Bewegtbildern sind denen bei der Berechnung von neuronalen Netzen sehr ähnlich. Es war also naheliegend, leistungsfähige Grafikprozessoren (Graphics Processing Units, GPUs) auch für KI einzusetzen.
Wenn Unternehmen KI für ihre eigenen Prozesse und Lösungen einsetzen wollen, benötigen sie Zugriff auf die entsprechenden Ressourcen – ein erheblicher Kostenfaktor. Deshalb ist es sinnvoll für Unternehmen, KI in der Cloud zu buchen. Die meisten Cloudprovider bieten inzwischen Rechenleistung mit GPUs an oder sogar spezielle KI-Services, die den Einstieg in KI-Lösungen deutlich vereinfachen.
Was bringt KI?
Zeitersparnis und Effizienzsteigerung sind zwei Pluspunkte, die für den Einsatz einer Künstlichen Intelligenz sprechen. Doch KI alleine macht wenig Sinn. Im Einsatz mit anderen Technologien, zum Beispiel Robotern oder Drohnen (wie bei Wingcopter), entstehen ganz neue Potentiale.
Hier ein paar Möglichkeiten:
Zukünftige KI-Entwicklungen und KI-Trends
Die Zukunft der Künstlichen Intelligenz verspricht spannende und transformative Entwicklungen. Neue Technologien und Forschungsrichtungen könnten die Leistungsfähigkeit und Einsatzmöglichkeiten von KI erheblich erweitern. Hier sind einige der wichtigsten Trends und Entwicklungen, die in den kommenden Jahren erwartet werden:
⚛️ Quantencomputing
Quantencomputer haben das Potenzial, die Rechenleistung dramatisch zu steigern, was komplexe KI-Modelle effizienter und schneller machen könnte. Durch die Nutzung von Quantenbits (Qubits) anstelle von klassischen Bits könnten Quantencomputer Probleme lösen, die für herkömmliche Computer praktisch unlösbar sind. Dies könnte zu Durchbrüchen in Bereichen wie Materialwissenschaften, Kryptographie und der Optimierung komplexer Systeme führen.
📡 Edge AI
Edge Computing bringt die Rechenleistung näher an die Datenquelle, wodurch Latenzzeiten reduziert und die Effizienz gesteigert werden. Edge AI ermöglicht es, KI-Algorithmen direkt auf Geräten wie Smartphones, IoT-Sensoren oder Drohnen auszuführen. Dies ist besonders nützlich für Anwendungen, die eine Echtzeitverarbeitung erfordern, wie autonome Fahrzeuge, Smart Homes und industrielle Automatisierung.
🏎️ Autonome Systeme
Der Trend zu autonomen Systemen nimmt weiter zu. Autonome Fahrzeuge, Drohnen und Roboter werden zunehmend in der Lage sein, komplexe Aufgaben ohne menschliches Eingreifen zu erledigen. Dies umfasst nicht nur das Fahren und Fliegen, sondern auch Logistik, Wartung und Rettungseinsätze. Fortschritte in der Sensortechnologie und KI ermöglichen diesen Systemen, ihre Umgebung präzise zu erkennen und darauf zu reagieren.
🏠 Integration in IoT
Die Kombination von KI und IoT (Internet of Things) eröffnet enorme Potenziale. Intelligente IoT-Geräte können große Mengen an Daten sammeln und analysieren, um Muster zu erkennen und vorausschauende Wartung, intelligente Städte und personalisierte Gesundheitsüberwachung zu ermöglichen. Beispielsweise können Smart Cities mithilfe von KI Verkehrsströme optimieren, die Energieverteilung verbessern und die Sicherheit erhöhen.
📖 Erklärbare KI
Da KI-Systeme immer komplexer werden, wächst die Notwendigkeit, ihre Entscheidungsprozesse transparent und nachvollziehbar zu machen. Erklärbare KI (englisch: Explainable AI) zielt darauf ab, die „Black Box“-Natur vieler KI-Modelle aufzubrechen und klare, verständliche Erklärungen für ihre Entscheidungen zu liefern. Dies ist besonders wichtig in kritischen Bereichen wie dem Gesundheitswesen, der Justiz und der Finanzbranche, wo das Vertrauen in die KI-Entscheidungen entscheidend ist.
Anzeige:
🙏 Kollaborative KI
KI-Systeme werden zunehmend in der Lage sein, nahtlos mit Menschen zusammenzuarbeiten. Diese kollaborativen Systeme können in Bereichen wie Bildung, Gesundheitswesen und Büroarbeit eingesetzt werden, um menschliche Fähigkeiten zu ergänzen und zu erweitern. Ein Beispiel ist die Nutzung von KI-Assistenten, die Ärzten bei der Diagnose helfen oder Lehrern bei der Erstellung personalisierter Lernpläne unterstützen.
🎨 KI in Kreativ-Industrie
Künstliche Intelligenz wird auch in der kreativen Industrie eine immer größere Rolle spielen. KI-Systeme können Musik komponieren, Kunstwerke schaffen und sogar Filme drehen. Diese Entwicklungen eröffnen neue Möglichkeiten für Künstler und Kreative, mit Technologie zu experimentieren und neue Formen der Kunst zu schaffen.
Künstliche Intelligenz: (Kommende) Regulierungen und Richtlinien
Mit dem schnellen Fortschritt der KI-Technologie wird die Regulierung immer wichtiger. Verschiedene Länder haben bereits gesetzliche Rahmenbedingungen und Richtlinien für den Einsatz von KI entwickelt. Es gibt jedoch einen wachsenden Bedarf an globalen Standards, um sicherzustellen, dass Künstliche Intelligenz verantwortungsvoll und ethisch eingesetzt wird.
Hier ein paar Gründe und Beispiele, warum KI reguliert werden sollte:
👆 Nationale Initiativen
Länder wie die USA, China und Mitglieder der Europäischen Union haben begonnen, umfassende KI-Strategien zu entwickeln. Diese Strategien beinhalten gesetzliche Rahmenbedingungen, die sicherstellen sollen, dass KI-Technologien transparent, fair und sicher eingesetzt werden.
👆 Internationale Standards
Es besteht ein zunehmender Konsens darüber, dass internationale Standards notwendig sind, um einen global einheitlichen Ansatz für die KI-Entwicklung zu fördern. Organisationen wie die Vereinten Nationen, die OECD und die Internationale Organisation für Normung (ISO) arbeiten an der Entwicklung solcher Standards. Diese globalen Richtlinien zielen darauf ab, gemeinsame ethische Prinzipien zu etablieren und sicherzustellen, dass KI-Systeme über Ländergrenzen hinweg sicher und fair eingesetzt werden.
👆 Gewährleistung der Sicherheit
Die Sicherheit von KI-Systemen ist ein weiteres wichtiges Regulierungsziel. KI-Algorithmen müssen so entwickelt und implementiert werden, dass sie robust und widerstandsfähig gegenüber Cyberangriffen und Manipulationen sind. Sicherheitsrichtlinien müssen auch sicherstellen, dass KI-Systeme zuverlässig und vorhersehbar arbeiten, insbesondere in sicherheitskritischen Anwendungen wie dem autonomen Fahren oder der medizinischen Diagnose.
👆 Schutz der Privatsphäre
Der Schutz der Privatsphäre ist ein zentrales Anliegen in der KI-Regulierung. KI-Systeme sammeln und analysieren riesige Mengen an Daten, einschließlich sensibler persönlicher Informationen. Regulierungsvorschriften müssen sicherstellen, dass diese Daten sicher gespeichert und verarbeitet werden und dass die Nutzer über die Verwendung ihrer Daten informiert und zustimmen können. Maßnahmen wie die Anonymisierung von Daten und die Implementierung strenger Zugriffskontrollen sind wesentliche Bestandteile solcher Vorschriften.
👆 Ethische Überlegungen
Schließlich sollten ethische Überlegungen in die Entwicklung und den Einsatz von KI-Systemen integriert werden. Dies umfasst die Achtung der Menschenwürde, die Förderung von sozialer Gerechtigkeit und die Sicherstellung, dass KI-Technologien dem Gemeinwohl dienen. Ethische Leitlinien und Komitees können helfen, diese Prinzipien in die Praxis umzusetzen.
Fazit
Das Thema KI wird zwar gerade ziemlich gehypt, es stellt aber kein vorübergehender Trend dar. Künstliche Intelligenzen werden in Zukunft mehr denn je benötigt, da sie ein wichtiger Bestandteil in der zunehmenden Digitalisierung unserer Gesellschaft sowie unseres Privat- und Geschäftslebens sind.
Da Deutschland, die EU und auch andere Nationen die Wichtigkeit von AI/KI erkannt haben, gibt es mittlerweile zahlreiche Förderprogramme. Eine Chance, die StartUps nutzen sollten! Ebenso sollten Unternehmen jeder Art sich schnellstmöglich Gedanken darüber machen, wie sie Experten für Prompt Engineering anheuern und in die hauseigenen Prozesse integrieren können.
Über den Autor:
Henrik Hasenkamp verantwortet als CEO die Strategie und Ausrichtung von gridscale, einem europäischen IaaS- und PaaS-Anbieter, der mit seiner innovativen Technologie die Basis für anspruchsvolle Cloud-Lösungen schafft. Mit gridscale ebnet der Diplom-Wirtschaftsinformatiker mittelständischen Unternehmen den Weg in ein neues Zeitalter der IT-Skalierung und bietet ihnen eine Lösung, die Qualität, Transparenz und leichte Anwendbarkeit zu ihren Markenzeichen gemacht hat.
Anzeige:
Bilder: Pixabay, Brij kishore Pandey, Betway