Skip to main content

Künstliche Intelligenz: Wie die Zukunftstechnologie funktioniert

Langsam wachen deutsche Unternehmenslenker auf: Wer künstliche Intelligenz nicht in sein Geschäftsmodell integriert, wird in Zukunft das Nachsehen haben. Diese Erkenntnis setzt sich durch, die Anwendung von KI kommt aber nur langsam voran. Auch, weil immer noch Unwissen und daher Skepsis herrscht. Was ist KI überhaupt? Wie funktioniert künstliche Intelligenz und wo kann KI in Unternehmen wertschöpfend eingesetzt werden? Ein Überblick.

Künstliche Intelligenz: Eine Definition

Eine allgemeingültige Definition von künstlicher Intelligenz (KI) gibt es nicht. Denn schon der Begriff der Intelligenz ist wissenschaftlich nicht einheitlich definiert. Über die wesentliche Essenz des Konzepts herrscht allerdings Einigkeit. Was ist also künstliche Intelligenz? 

Künstliche Intelligenz bezeichnet Computeranwendungen, die mithilfe von Algorithmen in der Lage sind, Aufgaben eigenständig zu lösen, für die bisher menschliche Intelligenz erforderlich war. KI-Systeme können angemessen auf unbekannte Situationen reagieren, da sie aus ihren Erfahrungen lernen, ihr Wissen abspeichern und abrufen können. Die zwei bekanntesten Methoden, um künstlichen Intelligenz zu erzeugen, sind Machine Learning und Deep Learning. 

Zwei Arten von künstlicher Intelligenz

Bisher können KI-Anwendungen nur sehr eingegrenzte Problemfelder bearbeiten. Es gibt Programme, die Messwerte überwachen und Maschinen regulieren. Diese KI-Anwendungen könnten aber weder Bilder erkennen noch Sprache verarbeiten. Daher spricht man auch von Narrow AI, auf Deutsch: schwache KI

Da viele Aufgaben unterschiedliche kognitive Prozesse beanspruchen, müssen in KI-Anwendungen einzelne KI-Komponenten kombiniert werden, um solche Aufgaben zu lösen. Für eine smarte Dokumentenbearbeitung wird zum Beispiel Text- und Bilderkennung mit Sprachverständnis auf Bedeutungsebene kombiniert.

Trotz der Möglichkeit unterschiedliche KI-Formen zu kombinieren, sind wir weit davon entfernt, intelligente Systeme zu erschaffen, die sich so flexibel wie Menschen an ihre Umgebung anpassen können. Von einer solchen General oder Strong AI (deutsch: starke KI), einer universellen künstlichen Intelligenz, sind wir aktuell sehr weit entfernt. Wie realistisch es ist, dass KI sich überhaupt bis zu diesem Level entwickelt, ist in der Wissenschaft umstritten. 

Stand heute besteht jedenfalls keine Gefahr, dass sich KI verselbstständigt und sich womöglich gegen die Menschen richtet. Solche Vorstellungen sind reine Science Fiction. Denn wir haben es ausschließlich mit schwacher KI zu tun, die nur in einem sehr engen Aufgabenfeld Spitzenleistungen erbringen kann. 

Wie funktioniert künstliche Intelligenz? 

Künstliche Intelligenz ist ein Sammelbegriff für verschiedene Verfahren. Wie künstliche Intelligenz funktioniert, lässt sich daher nicht pauschal beantworten. Die bekanntesten Methoden, um Intelligenz zu simulieren, sind jedoch Machine Learning und Deep Learning. 

Machine Learning

Beim Machine Learning (ML) werden Algorithmen so programmiert, dass sie in großen Datenbeständen Muster erkennen. Dazu werden die Datensätze mithilfe von Strukturbäumen oder Vektoren nach Ähnlichkeiten durchsucht. Je größer die Datenbasis, desto bessere Ergebnisse liefern die Systeme. Indem Menschen die Ergebnisse prüfen und korrigieren, lernen die Algorithmen, welche Daten sie falsch und welche richtig eingeordnet haben. Damit verbessert sich nicht nur die Ergebnisqualität, sondern auch die Effizienz der Systeme. Teilweise sind die Machine-Learning-Algorithmen auch in der Lage, ihre Entscheidungskriterien ausgehend von ihren Ergebnissen selbst zu prüfen und ihr Vorgehen zu verbessern. 

Typische Beispiele für solche ML-Anwendungen sind die vielen personalisierten Empfehlungen, die Online-Dienste wie Netflix und Amazon an ihre Kunden ausspielen. Mit jedem Kauf oder jedem Like füttern Anwender die Systeme mit Informationen, welche Empfehlungen passend sind und welche nicht. So lernt das System die Vorlieben des Kunden immer besser kennen. 

Deep Learning 

Während Machine Learning der mathematischen Denkweise folgt, orientiert sich Deep Learning an der Biologie. Die KI-Systeme bestehen aus künstlichen neuronalen Netzen, die der Funktionsweise des menschlichen Gehirns nachempfunden sind. 

Je nachdem, wie komplex eine Aufgabe ist, bestehen die Netze mehreren Schichten mit vielen Neuronen, die nacheinander und teilweise in Iterationen durchlaufen werden. Jede Schicht löst ein Teilproblem.

Ein Beispiel: Soll ein Deep-Learning-System Katzen auf Fotos erkennen, müssen viele einzelne Eigenschaften richtig eingeordnet werden, damit nicht jedes fellige Tier als Katze erkannt wird. In der ersten Schicht eines neuronalen Netzes könnte das System die Konturen auf einem Bild erfassen, in der zweiten die Formen dieser Konturen bewerten, in einer dritten Schicht Details wie Augen und Ohren einordnen, um schließlich zum Ergebnis zu kommen: Auf dem Bild ist eine Katze zu sehen. 

Der große Vorteil von Deep Learning: Entwickler müssen den genauen Lösungsweg von der Eingabe zur gewünschten Ausgabe nicht kennen. Sie müssen nicht wissen, welche Variablen zu analysieren sind. Die Deep-Learning-Systeme erkennen durch eigenständiges Lernen, welche Faktoren relevant sind und wie sie zu gewichten sind, damit das gewünschte Ergebnis zustande kommt. Es reicht, wenn Menschen den Systemen Rückmeldung geben, ob ihre Ergebnisse korrekt waren oder nicht. Teilweise ist nicht einmal dies erforderlich. Der Begriff Deep Learning spielt auf diese tiefe Abstraktion zwischen Eingabe- und Ausgabedaten an. 

Künstliche Intelligenz: Verbreitung in Unternehmen in Deutschland

Die praktischen Anwendungsmöglichkeiten von künstlicher Intelligenz sind vielfältig. Die Qualität von Nahrungsmitteln verbessern? Verwaltungsanträge schneller bearbeiten? Krankheiten früher erkennen? Alles bereits heute mithilfe von künstlicher Intelligenz möglich.  

Eine Reihe von Praxisbeispielen findest du in unserem Artikel zum Einsatz von KI in Unternehmen. 

In Zukunft wird die Technologie in immer mehr Lebensbereichen eine tragende Rolle spielen und Wirtschaft und Gesellschaft tiefgreifend verändern. Die Bundesregierung hat daher 2018 eine nationale KI-Strategie verabschiedet, um die Forschung zu KI in Deutschland zu fördern und „AI made in Germany“ als weltweites Gütesiegel zu etablieren. 

Obwohl Deutschland im globalen Innovationsranking von Bloomberg 2020 die Spitzenposition erreichte, geht die Implementierung von künstlicher Intelligenz in deutschen Unternehmen nur schleppend voran. Die Corona-Pandemie hat allerdings zu einem Innovationsschub geführt: 2019 hatten einer Bitkom-Befragung zufolge nur 2 Prozent der Firmen KI-Lösungen im Einsatz, Anfang 2021 sind es immerhin 8 Prozent. 30 Prozent planen oder diskutieren eine Einführung. 

Vor- und Nachteile künstlicher Intelligenz im Überblick

Deutschland ist ein Land der Technologie-Skeptiker. Die kritischen Stimmen, KI gefährde Arbeitsplätze und können sich der menschlichen Kontrolle entziehen, waren in der Vergangenheit hierzulande besonders laut. 

Dass sie mittlerweile leiser werden und auch zunächst kritische Entscheidungsträger den Einsatz von KI befürworten, liegt an der wachsenden Zahl an Referenzprojekten. Künstliche Intelligenz birgt Chancen und Risiken. Wie jede Technologie. In ihrer aktuellen Form überwiegen die Vorteile der KI jedoch. Sie ermöglicht nicht nur massive Effizienzgewinne, sondern kann auch helfen, die großen Herausforderungen unserer Zeit wie Klimakrise, globale Bevölkerungszunahme und Zivilisationskrankheiten zu bewältigen. 

Vorteile von KI 

  • Die Automatisierung repetitiver und bisher zeitintensiver Tätigkeiten schafft Raum für kreatives Denken und Innovationsarbeit
  • KI kann Prozesse so optimieren, dass Arbeitskosten sinken und die Produktivität steigt (um bis zu 37% laut KI-Report der EU)
  • In einigen Bereichen sinken die Personalkosten, da Aufgaben vollständig automatisiert werden können
  • Es entstehen neue Arbeitsplätze, in denen die menschlichen Qualitäten eine besondere Aufmerksamkeit zukommt oder die eine Zusammenarbeit mit KI fordern
  • Unternehmen erhalten dank KI detaillierte Einblicke in Kundenverhalten und Kundenpräferenzen, sodass sie punktgenaue Maßnahmen ergreifen können, um den Umsatz pro Kunde (Customer Lifetime Value) zu erhöhen 
  • Künstliche Intelligenz bietet Gründern die Möglichkeit für zahlreiche neue Geschäftsmodelle
  • Etablierte Unternehmen können ihre Geschäftsmodell mithilfe von KI transformieren und erweitern, um ihre Marktposition zu stärken
  • Die Qualität des Kundenservices steigt, da einfache Anliegen sofort von Chat Bots beantwortet werden und menschliche Mitarbeiter damit mehr Zeit für eine individuelle Betreuung der Kunden haben

Nachteile von KI 

  • Der Bedarf an qualifizierten Mitarbeitern steigt, die den Umgang mit KI beherrschen, was die Kosten im Recruiting in die Höhe treiben kann 
  • Der interne Fort- und Weiterbildungsbedarf nimmt zu, wird hier nicht rechtzeitig investiert, kann es zum Innovationsstau kommen
  • Investitionen in KI-Systeme belasten zunächst das Budget, laufende Kosten für die   Transformation der Unternehmensprozesse müssen eingeplant werden
  • Die Vorteile von KI zeigen sich nur, wenn passende Use Cases und geeignete Technologien zusammenkommen

Durch ein strukturiertes und sukzessives Vorgehen bei der Einführung von KI können Unternehmen die möglichen Risiken in der Regel gut managen. 

Fazit: Jetzt ist der richtige Zeitpunkt, um in KI zu investieren 

Mit künstlicher Intelligenz tritt die digitale Transformation in ihre nächste Evolutionsstufe ein. Dabei ist KI weder Allheilmittel noch eine existenzielle Bedrohung. Wie KI sich auf Wirtschaft und Gesellschaft auswirkt, haben wir Menschen selbst in der Hand. 

Fest steht, dass die Leistungsfähigkeit von KI-Systemen in den vergangenen Jahren exponentiell zugenommen hat und auch ihre Verbreitung in einem rasanten Tempo voranschreitet. Für Unternehmen ist die Technologie daher nicht nur eine Chance, sondern Pflicht. Sie müssen künstliche Intelligenz in ihr Geschäftsmodell integrieren oder dieses KI-orientiert transformieren, wenn sie sich in Zukunft am Markt behaupten wollen. Denn es ist nur eine Frage der Zeit, bis ihre Wettbewerber die Vorteile für sich entdecken und nutzen. Dann wird die Frage nicht mehr lauten, ob KI eingesetzt wird, sondern: Wer setzt KI geschickter ein?

Um künstliche Intelligenz wertschöpfend in den Geschäftsprozessen zu integrieren, müssen Unternehmen allerdings eine gewisse digitale Reife erreicht haben. Wenn noch nicht geschehen, sollten Entscheider die digitale Transformation daher zur Top-Priorität machen. Zu hohe Kosten sind jedenfalls kein Grund mehr, sich nicht mit KI zu befassen. Zum einen wird die Technologie immer günstiger. Zum anderen können sich mittlerweile auch kleine und mittlere Firmen dank standardisierter Anwendungen und Frameworks den Wettbewerbsvorteil „künstliche Intelligenz“ leisten.  

Worauf du bei der Einführung von KI achten solltest? Die Antworten liest du in unserem Artikel zu Best Practices für erfolgreiche KI-Projekte.

Vereinbare jetzt einen Termin.

Kunden und Partner vertrauen uns 

Finde heraus, wie unsere Kunden mit Hilfe von semantha effizienter arbeiten. Zu den success stories.