08.06.2017 Big-Data- und KI-Projekte

Ein Alptraum für Datenschützer

Von: Ina Schlücker

Warum viele Big-Data- und Künstliche-Intelligenz-Projekte (KI) der reinste Datenschutz-Alptraum sind, erklärt Klaus Reichenberger von Intelligent Views im Interview.

Klaus Reichenberger, Intelligent Views

Klaus Reichenberger, Geschäftsführer bei der Intelligent Views GmbH

ITM: Herr Reichenberger, Künstliche Intelligenz (KI), Schwarmintelligenz, Deep Learning oder Machine Learning – wie können Mittelständler bei diesem Begriffswirrwarr noch den Durchblick behalten? Welche dieser Technologien lohnen sich tatsächlich für den Einsatz in mittelständischen Unternehmen?
Klaus Reichenberger:
Unter dem Sammelbegriff KI steht den Unternehmen heute ein ganzer Zoo von Techniken mit sehr unterschiedlichen Fähigkeiten zur Verfügung. Hier kann man grob zwischen autonomen und gesteuerten Techniken unterscheiden. Erstere sind sehr schwer kontrollierbar, letztere eigenen sich eher für den Einstieg. Ein mittelständisches Unternehmen muss aber gar nicht bei der Technik anfangen, stattdessen sollte es sich genau überlegen, in welchen Geschäftsprozess es KI-Anteile einführen möchte und wie diese mit den Menschen zusammenarbeiten sollen – daraus ergeben sich die Techniken dann von selbst. Empfehlenswert ist ein Vorgehen in kleinen Schritten die erste „Quick Wins“ erzeugen.

ITM: Wie aufwendig ist der Einstieg in ein KI-Projekt? Was kommt hinsichtlich der Kosten, des Personalaufwands und der Projektdauer auf die Unternehmen zu?
Reichenberger:
Weil die Landschaft der Verfahren so unübersichtlich ist, empfehlen wir immer zunächst in einer Sandbox im kleinen Rahmen Anwendungsfälle auszuprobieren. So kann ein Unternehmen einen Einstieg in das Thema für einen mittleren fünfstelligen Betrag finden und Ergebnisse in wenigen Monaten erzielen.

ITM: Wie lassen sich im Projektverlauf mögliche Stolpersteine – z.B. eine inkonsistente Datenbasis oder Datensilos – vermeiden?
Reichenberger:
Neben einer zu starken Fixierung auf einzelne Techniken ist tatsächlich die Datenbasis der zweite große Stolperstein. Heterogene Datensilos, die nur schwer zugänglich sind und gewachsene Strukturen sollten nicht unterschätzt werden. Auch hier hilft es sehr, genau zu wissen, welches Problem gelöst werden soll, welche Fähigkeit erworben werden sollen und sich auf die Daten zu konzentrieren, die für diesen Zweck nötig sind. Eine gute Sandbox-Umgebung sollte zudem Tools zur Datenintegration und Harmonisierung mitbringen. Wichtig ist es, dass früh die Menschen bzw. Mitarbeiter mit eingebunden werden, sonst werden sie zum Stolperstein. KI-Projekte sind auf das Expertenwissen der Mitarbeiter angewiesen .

ITM: Ein Blick in die Praxis: Für welche Anwendungsszenarien bietet sich für Mittelständler die Nutzung Künstlicher Intelligenz an? Können Sie Beispiele nennen?
Reichenberger:
Vielen ihrer Kunden begegnen Unternehmen heute nur noch auf digitale Kanälen. Dabei erwarten die Kunden personalisierte Angebote – deshalb ist hier der Einsatz von intelligenten Techniken fast schon ein Muss. Im Maschinenbau und der fertigenden Industrie sind vorausschauende Wartung und optimierte Planung von Arbeitseinsätzen klassische Einsatzgebiete – in letzter Zeit kommt verstärkt die automatische Überwachung von Vorschriften (Compliance) dazu.

ITM: In welchen Datenbanken oder betriebswirtschaftlichen Anwendungen finden die Verantwortlichen die für KI-Projekte relevanten Daten in der Regel vor?
Reichenberger:
Die Antwort hängt stark vom Anwendungsszenario ab. Grundsätzlich lässt sich festhalten, dass die relevanten Daten fast immer verteilt sind und immer große Anteile unstrukturierter Information haben werden.

ITM: Worauf gilt es bei der Nutzung von Daten für KI-Projekte hinsichtlich Datenschutz und Datensicherheit zu achten?
Reichenberger:
Datenschutz ist ein sehr vernachlässigter Aspekt – viele KI und Big-Data-Projekte sind der reinste Datenschutz-Alptraum. Vor dem Hintergrund der Bußgelder, die nach der neuen europäischen Datenschutzverordnung ab 2018 verhängt werden können (20 Mio. Euro oder vier Prozent des Jahresumsatzes) können Unternehmen das nicht länger ignorieren. Hier gibt es Lösungen, allerdings nur im Bereich der gesteuerten Techniken (s.o.).

ITM: Inwieweit braucht man in Zeiten von Künstlicher Intelligenz und selbstlernenden Algorithmen den Menschen überhaupt noch?
Reichenberger:
Ja, den Menschen braucht es noch. Auch wenn es manchmal anders klingt, ist KI heute im Wesentlichen ein Werkzeug. Der nächste Schritt ist es, Maschinen erst einmal so viel vom eigenen Know-how beizubringen, dass sie mit Menschen partnerschaftlich zusammenarbeiten können.

ITM: Welche Gefahren und Risiken setzt man sich aus, wenn man selbstlernenden Algorithmen blindlings vertraut? Können Sie ein Beispiel nennen?
Reichenberger:
Inzwischen gibt es viele Beispiele für Pannen bei Machine-Learning-Algorithmen: von übereifrigen Kreditkarten-Transaktionsprüfungen bis zu wildgewordenen Chatbots. Meine Lieblingsanekdote ist aber immer noch die aus der Frühzeit der KI, als das amerikanische Militär versuchte einem Computer beizubringen, getarnte Panzer im Wald zu erkennen: Die Forscher trainierten einen Algorithmus und in den Tests funktionierte dieser großartig, in der Praxis versagte er völlig. Es stellte sich schließlich heraus, dass die Trainingsbilder mit Panzern alle am selben Tag bei bedecktem Himmel aufgenommen worden waren, die Bilder ohne Panzer bei Sonnenschein. Der Computer hatte also lediglich gelernt sonnige Tage von bewölkten zu unterscheiden. Wir dürfen uns nicht von selbstlernenden Verfahren abhängig machen, d.h. die Maschinen müssen ihre Entscheidungen erklären können. Transparenz ist äußerst wichtig – auch für den Nutzer.

©2017 Alle Rechte bei MEDIENHAUS Verlag GmbH