Künstliche Intelligenz ist kein Mysterium

17 Prozent der Unternehmen in Deutschland planen, Künstliche Intelligenz (KI) zur Textgenerierung einzusetzen, weitere 23 Prozent können sich die Nutzung vorstellen – so das Ergebnis einer aktuellen repräsentativen Umfrage im Auftrag des Digitalverbands Bitkom. Das klingt fortschrittlich, doch rund die Hälfte der Unternehmen hat sich noch gar nicht mit dieser Frage beschäftigt oder schließt den KI-Einsatz sogar aus. Für eine knappe Mehrheit der Unternehmen ist KI zur Textgenerierung die „größte digitale Revolution seit dem Smartphone“ – fast so viele Befragte sehen darin auch einen Hype, der bald wieder vorbeigehen wird. Gemischte Gefühle also beim Thema „KI“.

Diskurs zwischen Euphorie und Angst

Nah- und greifbarer wird Künstliche Intelligenz, wenn man versteht, was sich dahinter verbirgt – und wie sich einzelne Werkzeuge voneinander deutlicher abgrenzen:

• Künstliche Intelligenz meint übergreifend Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen wie logisches Denken, Lernen und Planen erbringen sowie Kreativität imitieren.
• Machine Learning und Natural Language Processing (NLP) sind Teilbereiche von KI.
• Als Large Language Model (LLM) bezeichnet man NLP-Modelle wie LaMDA und ChatGPT, also an textbasierten Inhalten trainierte generative Modelle.
• Conversational AI wie Siri und Alexa imitiert eine Konversation mithilfe von Machine Learning.
• Generative KI wie ChatGPT und Bard im Bereich „Text“ oder DALL-E im Bereich „Bilder“ lernt aus realen Datensätzen, synthetische Datensätze zu erzeugen.

Grundlage für diese Leistungen ist komplexe Statistik. Anwender füttern ein neuronales Netz (oder auch andere Typen von mathematischen Modellen) mit einer großen Menge unstrukturierter, heterogener Daten. Anhand dieser Daten lernen die Tools, Muster zu erkennen, Wahrscheinlichkeiten zu berechnen und Vorhersagen zu treffen. Weitere Lernverfahren führen dazu, dass Tools wie ChatGPT nicht nur sprach-, sondern auch dialogfähig sind. Neu an dem Thema ist, dass diese Werkzeuge nun einer breiten Öffentlichkeit frei zugänglich sind, sowie ihr erstaunlicher Reifegrad.

Nutzen für Mensch und Unternehmen

Bisher geht es beim Einsatz von KI vor allem darum, Mitarbeiter zu entlasten, indem Unternehmen repetitive manuelle Tätigkeiten automatisieren. Alles, was nicht Kernaufgabe ist, sollen entsprechende Tools übernehmen. Die Bandbreite reicht von Kundenanfragen, die von Bots abgewickelt werden, bis zur Abbildung virtueller Welten im Metaverse.

In welchen Bereichen sich KI sinnvoll einsetzen lässt und wie passende Lösungswege aussehen, weiß Nagarro. Der IT-Dienstleister erforscht, wie die Tools das Leben von Mitarbeitern erleichtern können. So geht es beim Projekt „AI4T“ (Advanced Intelligence for Testing) z.B. ganz konkret darum, das Software-Testing weiter zu automatisieren. Bei der Auswahl von Testfällen, beim Identifizieren von UI-Elementen, bei Wartungen, Analysen und Reportings gelingt das schon. Das verschafft Mitarbeitern mehr Zeit, um das System selbst zu testen und Testfälle zu schreiben. Das, was das Unternehmen in Forschungsprojekten, Proof of Concepts, Hackathons oder Crowdsourcings an Spezialwissen über reale Möglichkeiten, Grenzen und Gefahren von KI generiert, setzt es dann bei Kunden in konkrete und für den Geschäftsalltag nützliche Anwendungen um.

Dies ist ein Artikel aus unserer Print-Ausgabe 6/2023. Bestellen Sie ein kostenfreies Probe-Abo.

Wichtig dabei ist grundsätzlich, Kunden auf ihrer Innovationsreise systematisch zu begleiten, kreativ an die Sache heranzugehen und gleichzeitig Wertefragen nicht zu vergessen. Denn am Ende ist es immer noch der Mensch, der gezielt und bedacht mit der Technologie umgehen muss.

Der Mensch bleibt unersetzlich

Durch den Einsatz von KI reduziert sich der eigene Aufwand, beim automatisierten Testing etwa um bis zu 70 Prozent. Die Modelle bringen also echten Mehrwert, insbesondere bei sprachlichen Aufgaben. Aber: Bei allen Anwendungen, auch jenen, die dem kreativen Wissensarbeiter helfen, geht es bewusst nicht darum, Menschen zu ersetzen, sondern ihnen zu assistieren. Hinzu kommt: Selbst KI gelangt (noch) an Grenzen. Anwendern bleiben somit genügend Aufgaben:

• sinnvolles Einbinden von KI in bestehende Prozesse, ohne dass sie Nutzer behindert oder Mehraufwand erzeugt
• Herstellung vernünftiger qualitätsgesicherter Prozesse
• stichpunktartige Überprüfung von Ergebnissen auf Richtigkeit und Plausibilität
• weitere Verfeinerung des Outputs
• selbst kreativer werden, z.B. in der Fragestellung
• Datenschutz und IP-Rechte amerikanischer Anwendungen im Auge behalten

Bevor Unternehmen Projekte umsetzen, sollten sie Experten hinzuziehen. Erfahrene IT-Dienstleister können Wissenslücken schließen, den Bedarf richtig einschätzen, Orientierung bei den vielfältigen Möglichkeiten bieten und Potenziale aufzeigen. So lassen sich manche Probleme auch mit herkömmlichen Technologien oder fertigen ML-basierten Diensten lösen. Andere benötigen Eigenentwicklungen auf Basis bestehender Lösungen und Service. Komplexe Fälle können wiederum den Bau ganz neuer Modelle erfordern.

Hier sollten Unternehmen viel ausprobieren und sich aktiv mit dem Thema auseinandersetzen, um möglichst alle Phänomene, die sich im Training von Modellen zeigen – wie etwa In-context Learning –, vollständig zu verstehen. Für diese Finetunings brauchen Unternehmen dann Mitarbeiter mit Prompt-Design- und Entwickler-Skills sowie umfassenden Kenntnissen rund um Sprachverarbeitung, sprich Natural Language Processing und die dahinterstehenden Konzepte wie Deep Learning, neuronale Netze und Ähnliche. Wichtig bei der Zusammenarbeit mit Experten ist auch, sozioökonomische Grundsatzfragen zu klären. Denn: Je spektakulärer Digitalkonzepte sind, desto mehr kommt es darauf an, wie diese mit der Realität von Menschen und Organisationen verbunden sind – damit KI auch langfristig kein Mysterium ist.

Bildquelle: Getty Images / iStock / Getty Images Plus