Fünf Mythen der Künstlichen Intelligenz

Was KI-Technologien wirklich leisten können

Künstliche Intelligenz wird zum strategischen Erfolgsfaktor. Doch bevor Führungskräfte mithilfe von KI Mehrwerte schaffen können, müssen sie die Technologie dahinter verstehen – und vor allem, wo diese an ihre Grenzen stößt.

Mythen und Missverständnisse über Künstliche Intelligenz

Über die Möglichkeiten und Grenzen Künstlicher Intelligenz ranken sich viele Missverständnisse und Mythen.

Abonnieren Sie den kostenlosen Bank Blog Newsletter

„Künstliche Intelligenz wird alles automatisieren und die Menschen aufs Abstellgleis befördern.“ „Künstliche Intelligenz ist Science-Fiction-Technik“ oder „Roboter werden die Welt unterjochen.“ Ob in den Medien, in Vorstandssitzungen oder generell Unternehmen – schon seit Jahren kursieren zahlreiche Mythen um künstliche Intelligenz (KI). Einige machen sich Sorgen um die prophezeite Allmacht einer KI, die die Welt erobern wird. Andere denken, dass die Technologie nichts Anderes als ein öffentlichkeitswirksames Schlagwort sei. Die Wahrheit ist irgendwo dazwischen.

Partner des Bank Blogs

YouGov ist Partner des Bank Blogs

Führungskräften ist oft nicht bewusst, was Künstliche Intelligenz für ihre Firmen leisten kann. Verständlich, wenn man bedenkt, dass viele unterschiedliche Definitionen und Formen künstlicher Intelligenz in der öffentlichen Debatte kursieren. Sobald die Technologie aber Einzug in Unternehmen hält, müssen sie zwingend verstehen, wo KI ihnen nutzen kann – aber eben auch, wo nicht.

Fünf weit verbreitete Mythen und Missverständnissen zu KI

Gartner ist fünf weit verbreiteten Mythen und Missverständnissen zu KI auf den Grund gegangen:

  1. Mythos: KI funktioniert wie das menschliche Gehirn
  2. Mythos: Intelligente Maschinen lernen von selbst
  3. Mythos: KI ist hundertprozentig objektiv
  4. Mythos: KI wird nur einfache Jobs übernehmen
  5. Mythos: Mein Unternehmen braucht keine KI-Strategie

1. Mythos: KI funktioniert wie das menschliche Gehirn

KI ist eine Disziplin der Computertechnik. Bedingt durch ihre jetzigen Fähigkeiten wird sie meist als Software-Werkzeug zur Problemlösung eingesetzt. Einige KI-Formen erscheinen clever – aber anzunehmen, KI ähnele menschlicher Intelligenz oder die beiden seien gleichwertig, ist fernab der Realität.

Es ist wahr, dass einige Formen maschinellen Lernens (ML) – eine Kategorie von KI – vom menschlichen Gehirn inspiriert sind, gleichwertig sind sie damit aber nicht. Die Bilderkennungstechnologie arbeitet beispielsweise genauer als die meisten Menschen. Sie wird aber nutzlos, sobald es um die Lösung mathematischer Probleme geht. Auf ihrem jetzigen Stand kann eine KI ihre jeweilige Aufgabe sehr gut erfüllen – ändern sich die Anforderungen dieser Aufgabe aber nur geringfügig, versagt sie.

2. Mythos: Intelligente Maschinen lernen von selbst

Fertige Machine-Learning-Lösungen vermitteln oft den Eindruck, sie könnten selbstständig lernen. Tatsächlich sind es aber Menschen, genauer Data Scientists, die das zu lösende Problem definieren, Daten vorbereiten, geeignete Datensätze ermitteln, möglichen Verzerrungen in den Trainingsdaten (siehe Mythos Nummer 3) vorbeugen. Ihre Aufgabe ist vor allem, die Software kontinuierlich zu aktualisieren, um die Integration neuer Erkenntnisse und Daten in den nächsten Lernzyklus zu ermöglichen.

3. Mythos: KI ist hundertprozentig objektiv

Jede KI-Technologie basiert auf Daten, Regeln und anderen Eingaben menschlicher Experten. Weil der Mensch an sich auf die eine oder andere Weise voreingenommen ist, überträgt sich das auf die KI. Systeme, die häufig rekalibriert werden, sind noch anfälliger für unerwünschte Verzerrungen oder vorsätzlich böswillige Einflüsse. Anlass für Rekalibrierungen geben zum Beispiel neue Daten aus sozialen Medien.

Ziel sollte sein, die Voreingenommenheit von KI auf ein Minimum zu reduzieren. Im Moment gibt es aber keine Möglichkeit, sie vollständig zu beseitigen. Neben technologischen Lösungen wie dem Einsatz diverser Datensätze ist es wichtig, eine solche Vielfalt auch in den Teams zu gewährleisten, die mit KI arbeiten. Darüber hinaus können gegenseitige Prüfungen innerhalb des Teams Selektions- und Bestätigungsfehler reduzieren.

4. Mythos: KI wird nur einfache Jobs übernehmen

KI ermöglicht Unternehmen, ihre Entscheidungen noch fundierter zu treffen – durch Vorhersagen, Klassifizierungen und Clustering. Dies hat unter anderem zur Folge, dass Lösungen, die auf KI basieren, tief in die Arbeitsumgebung vordringen und nicht nur alltägliche Aufgaben erledigen, sondern auch komplexere.

Nehmen wir zum Beispiel den Einsatz bildgebender KI im Gesundheitswesen. Eine auf KI basierende Röntgenapplikation für die Brust kann Krankheiten schneller erkennen als Radiologen. In der Finanz- und Versicherungsbranche werden Robo-Advisors für die Vermögensverwaltung und die Betrugserkennung eingesetzt. Diese Fähigkeiten machen die menschliche Beteiligung an den jeweiligen Aufgaben aber nicht überflüssig, sondern beschränken sie auf die Beobachtung und Bearbeitung ungewöhnlicher Fälle. Unternehmen tun daher gut daran, frühzeitig ihre Stellenprofile und Kapazitätsplanungen anzupassen und Umschulungsmöglichkeiten für bestehende Mitarbeiter anzubieten.

5. Mythos: Mein Unternehmen braucht keine KI-Strategie

Jedes Unternehmen sollte die möglichen Auswirkungen von KI auf seine Strategie berücksichtigen und prüfen, wie die Technologie helfen kann, Geschäftsprobleme zu lösen. Das grundsätzliche Ablehnen von KI ist in vielerlei Hinsicht gleichbedeutend mit dem Verzicht auf den nächsten Grad der Automatisierung und könnte Unternehmen daher im Wettbewerb benachteiligen.

Fazit: Künstliche Intelligenz erfordert eine Strategie

Selbst, wenn die aktuelle KI-Strategie eines Unternehmens „Keine KI!“ lautet, sollte dies eine fundierte Entscheidung sein, basierend auf Forschung und strategischen Überlegungen. Und – wie bei jeder anderen Strategie auch – sollte sie regelmäßig hinterfragt und an die Bedürfnisse des Unternehmens angepasst werden.

Bitte bewerten Sie den Artikel mit Hilfe der Sternchen

1 Stern2 Sterne3 Sterne4 Sterne5 Sterne Bewertung: 5,00 Stern(e) - 7 Bewertung(en)

Vielen Dank fürs Teilen und Weiterempfehlen


Bank Blog Newsletter abonnieren und keinen Trend mehr verpassen!

Über den Autor

Dr. Alexander Linden

Dr. Alexander Linden ist Research Vice President bei Gartner im Team „Data Science" und international renommierter Experte in Bereichen wie Machine Learning und Artificial Intelligence. Zuvor war er Postdoc an der UC Berkeley, Senior Data Scientist bei GE sowie Berater bei der Weltbank und dem Fraunhofer Institut. Zudem hat er zwei Internet-Startups gegründet. Er verfügt über weitreichende Erfahrungen in den Bereichen Innovationsmanagement, Go-to-Market-Strategien, Startups, Big Data, und Crowd-Sourcing.

Anzeige

Hinterlassen Sie einen Kommentar

Der Bank Blog Premium

Noch kein Premium-Leser?

>>> Hier klicken <<<

Bank Blog Newsletter abonnieren

Bank Blog Newsletter abonnieren