Künstliche Intelligenz

Künstliche Intelligenz (KI), auch als artifizielle Intelligenz (AI) und im englischen unter artifical intelligence bekannt, zählt zu einem Teilgebiet der Informatik, welches sich mit der Erforschung und Entwicklung sogenannter intelligenter Agenten befasst. Ziel der KI ist es, Maschinen zu entwickeln, die sich verhalten, als verfügten sie über Intelligenz. [1][2]

In der Literatur ist es unter anderem schwer, eine allgemeingültige Definition von KI zu finden. Dies liegt an zwei wesentlichen Gründen: zum einen ist das Gebiet der KI unfassbar weit gefächert und zum anderen ist alleine die Definition des Begriffs Intelligenz schwierig. Es kann jedoch festgehalten werden, dass sich KI durch drei wesentliche Punkte beschreiben lässt:

  • eine KI versucht menschliches Empfinden und Handlungen durch Maschinen nachzubilden,
  • bei einer KI lösen Computer eigenständig Probleme und kommunizieren mit den Menschen,
  • eine KI ermöglicht die Erleichterung des menschlichen Lebens.
Designed by Freepik

Grundsätzlich unterscheidet man zwischen starker KI und schwacher KI.

Unter einer starken KI (engl. Artificial General Intelligence) versteht man alle Ansätze, die versuchen den Menschen bzw. die Vorgänge im Gehirn abzubilden. Somit verfügt eine starke KI über die gleichen intellektuellen Fähigkeiten wie ein Mensch und wäre auf der Ebene eines menschlichen Geistes. Heutzutage sind jedoch noch keine wesentlichen Forschungsprojekte bekannt, die einer Umsetzung starker KI wirklich nahegekommen sind. [1][2][3]

Weitere Themen zur Künstlichen Intelligenz

  • Künstliche Intelligenz in der Landwirtschaft

    Rasantes landwirtschaftliches Wachstum erfordert Ansätze, die auf modernen Informations- und Kommunikationstechnologien (ICT) basieren und die Landwirtschaft digitalisieren sowie automatisieren.

  • Hybride Intelligenz

    Produzierende Unternehmen beschäftigen sich intensiv mit der Digitalisierung innerhalb der Produktion. Teilautomatisierte KI-Anwendungen, die menschliches Erfahrungswissen und maschinelle Lernverfahren nutzen, sind dabei vorteilhaft.

Die schwache KI (engl. Artificial Narrow Intelligence) hingegen ist auf ein bestimmtes Themengebiet mit einem begrenzten Spektrum an Fähigkeiten spezialisiert. Bei der schwachen KI werden zumeist Algorithmen für bestimmte, abgegrenzte Problemstellungen, die wesentlich auf die Lernfähigkeit ausgerichtet sind, entwickelt. Lösungen der schwachen KI sind schon seit längerem technisch machbar und sind in vielen Softwarelösungen heutzutage bereits implementiert. So lässt sich in Smartphones und Laptops schwache KI finden, z.B. in der Sprachsteuerung. [1][2][3]

Eine schwache KI, welche bspw. auf die Sprachsteuerung trainiert ist, kann ihre Schlüsse nicht auf einen anderen Bereich übertragen. Anwendungen aus dem Bereich der starken KI können genau diese Übertragbarkeit leisten. In Fachkreisen spricht man im dritten Schritt noch über eine Künstliche Superintelligenz (engl. Artificial Super Intelligence). Dies entspricht einer KI, welche in jeder Hinsicht intelligenter ist als der Mensch. Technologien aus diesem Bereich der KI könnten nicht nur Aufgaben ausführen, sondern sogar Emotionen und Beziehungen aufbauen. [3]

Grundlegend lässt sich festhalten, dass eine Beschäftigung mit KI vor allem die Forschung grundlegender Fragestellungen ist:

  • Gehört zu Intelligenz nicht auch ein Bewusstsein?
  • Wie entstehen Emotionen?
  • Gibt es so etwas wie eine Seele?

Kurz: Was macht uns als Menschen aus?

Eine gut erläuterte Definition von KI mit der Darstellung der starken und schwachen KI sowie der künstlichen Superintelligenz erfolgt in diesem Video.

Elemente der Künstlichen Intelligenz

Insgesamt gibt es drei wichtige Elemente, um den Inhalt und die Funktionsweise von Künstlicher Intelligenz zu erklären (s. Abbildung). Dabei handelt es sich um die neuronalen Netzte, das maschinelle Lernen sowie der speziellen Methode des Deep Learnings.

Leistungsbestandteile der Künstlichen Intelligenz

Quelle: Kreutzer, R.; Sirrenberg, M. (2019): Künstliche Intelligenz verstehen. Springer Fachmedien Wiesbaden
Quelle: Kreutzer, R.; Sirrenberg, M. (2019): Künstliche Intelligenz verstehen. Springer Fachmedien Wiesbaden

Neuronale Netze

Ein neuronales Netz ist ein System aus Hard- und Software, welches an das biologische Vorbild des menschlichen Nervensystems anknüpft. Neuronale Netze sind das Kernstück der Künstlichen Intelligenz. Sie bestehen aus vielen Ebenen, die in komplexen Schichten miteinander verbunden sind. Die Eingabe-Schicht enthält die Rohdaten und ist damit vergleichbar mit der menschlichen Sehverarbeitung. Die nachfolgenden verborgenen Schichten (Hidden-Layers) enthalten jeweils den Output der vorgelagerten Schicht. Dabei kommen diese Schichten oftmals in sehr hoher Zahl vor. In jedem Übergang der Schichten lernt das KI-System dazu. Die letzte Schicht erzeugt die Ausgabe der Ergebnisse des KI-Systems (vgl. Abbildung). Die Hidden-Layers befinden sich in der sogenannten Blackbox. Dies bedeutet ebenfalls, dass die Neuronale Netze keine Erklärungen oder Begründungen für ihre Entscheidungen liefern und daher sind sie für manche Bereiche z.B. in der Medizin, teilweise noch schwer einsetzbar. [4]

Objekterkennung, Maschinelle Übersetzungen, Qualitätsprüfung in der Industrie, medizinische Bildverarbeitung werden durch Neuronale Netze gerade revolutioniert.

Maschinelles Lernen

Beim maschinellen Lernen kommen spezielle Algorithmen zum Einsatz, welche die Fähigkeit besitzen selbständig zu lernen und zu verbessern. Maschinen lernen, indem sie aus vorliegenden Beispieldaten Muster erkennen, daraus Modelle entwickeln und dieses Wissen auf neue, ihnen bisher unbekannte Situationen anwenden. Je größer dabei die aussagekräftige Datenmenge ist, desto besser lernen die Maschinen. Es gibt unterschiedliche Arten des maschinellen Lernens – eine weit verbreitete Art ist das Deep Learning. [4]

Deep Learning

Unter „Deep Learning“ versteht man das maschinelle Lernen mit großen Neuronalen Netzen. Deep Learning ermöglicht die Verarbeitung einer hohen Bandbreite an Daten ohne das ein Einsatz des Menschen für die Datenverarbeitung benötigt wird. Gleichzeitig sind die Ergebnisse genauer als bei herkömmlichen maschinellen Lernansätzen. Bekannte Beispiele für Deep Learning sind die Bild- und Spracherkennung, autonomes Fahren oder auch der IBM Watson, welcher selbständig Krebszellen erkennt und damit die Krebsforschung revolutioniert. [4]

Stand der Künstlichen Intelligenz

Am 15. November 2018 hat die Bundesregierung die Strategie Künstliche Intelligenz beschlossen und veröffentlicht. In dieser Strategie setzt die Bundesregierung einen Rahmen für eine ganzheitliche politische Gestaltung der weiteren Entwicklung und Anwendung von KI in Deutschland. Für die Umsetzung der Strategie wird die Bundesregierung bis zum Jahr 2025 insgesamt drei Milliarden Euro bereitstellen. [5] Wesentliche Ziele der Strategie sind:

  • Deutschland und Europa sollen zu einem führenden Standort für die Entwicklung und Anwendung von KI-Technologien entwickelt werden; damit soll die künftige Wettbewerbsfähigkeit von Deutschland gesichert werden,
  • es soll eine verantwortungsvolle sowie gemeinwohlorientierte Entwicklung und Nutzung von KI sichergestellt werden,
  • im Rahmen eines breiten gesellschaftlichen Dialogs und einer aktiven politischen Gestaltung soll KI ethisch, rechtlich, kulturell und institutionell in die Gesellschaft eingebettet werden.

Zu einer der wesentlichen Maßnahmen im Rahmen der KI-Strategie zählt die Studie Einsatz von Künstlicher Intelligenz in der deutschen Wirtschaft im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi), durchgeführt vom ZEW- Leibniz-Zentrum für europäische Wirtschaftsforschung und dem Institut der deutschen Wirtschaft.

Insgesamt konnte in der Studie analysiert werden, dass 2019 rund 17.500 Unternehmen KI in Produkten, Dienstleistungen oder internen Prozessen eingesetzt haben. Dies entspricht in etwa 5,8% aller befragten Unternehmen. Untersucht man die Verbreitung von KI in den einzelnen Branchen, dann ist die IKT-Branche mit 17,8% Spitzenreiter gefolgt von den Finanzdienstleistungen (12,2%), den unternehmensnahen Dienstleistungen mit 11,2% und der Elektrotechnik bzw. Maschinenbau mit 6,8%. [6]

Anmerkung: höhere statistische Ungenauigkeit der Angaben zum Anteil der KI-Ausgaben am Umsatz und zum Anteil der hauptsächlich zu KI tätigen Personen.

Quelle: Deutsche Innovationserhebung 2019, Zusatzbefragung KI 2019/2020. Berechnungen des ZEW.

Die deutsche Wirtschaft hat im Jahr 2019 rund 4,8 Milliarden Euro für die Entwicklung, Einführung und Pflege von KI-Verfahren ausgegeben. Gleichzeitig wird mit dem Einsatz von KI in Produkten und Dienstleistungen aber auch knapp ein Umsatz von 60 Milliarden Euro generiert. Die am weitesten verbreiteten KI-Verfahren in Unternehmen der deutschen Wirtschaft sind maschinelles Lernen/Beweisen (55 Prozent), die Bild- oder Tonerkennung (49 Prozent), wissensbasierte Systeme (46 Prozent) und Sprach- oder Textverstehen (30 Prozent). [6]

Eine komplette Zusammenfassung mit Direktlink zur Gesamtausgabe der Studie finden Sie hier.

Nach einer Progonose des McKinsey Global Institute ist mit dem Einsatz von KI bis zum Jahr 2030 weltweit ein zusätzlicher Wertschöpfungsbeitrag von 13 Billionen US-Dollar möglich. Demnach ließe sich der Gesamtwert der globalen Waren und Dienstleistungen zusätzlich zu sonstigem Wachstum um durchschnittlich 1,2 Prozent steigern. Damit liegt der KI ein stärkerer jährliche Wachstumseffekt als seinerzeit der Dampfmaschine  (plus 0,3 Prozent), der Industrieroboter (plus 0,4 Prozent) oder der IKT (plus 0,6 Prozent) zugrunde. [7

Auch für die deutsche Wirtschaft birgt KI ein gewaltiges Potenzial: laut den Prognosen von PricewaterhouseCoopers kann das deutsche Bruttoinlandsprodukt (BIP) allein durch KI bis zum Jahr 2030 um 11,3 Prozent steigen. Dies entspricht einer Wertschöpfung von rund 430 Milliarden Euro. Damit ist das Potential höher als in den meisten anderen europäischen Volkswirtschaften. Besonders aufschlussreich ist, dass das BIP-Wachstum in erster Linie von neuen, innovativen Produkten und Dienstleistung herrührt – mit 6,71 Prozentpunkten machen diese fast 60 Prozent des Zuwachses aus. Ingesamt kann festgehalten werden, dass KI einen enormen Einfluss hat und sämtliche Bereiche eines Unternehmens betrifft. [8]

In der ersten Phase der Auswirkungen (2017-2024) tragen Produktivitätssteigerungen relativ gesehen zu einem größeren Teil zum Wachstum bei als in der darauffolgenden Phase. Dies liegt daran, dass Unternehmen eine gewisse Zeit benötigen, um in den Markt einzusteigen und den Verbrauchern durch KI weiterentwickelte Produkte anzubieten (Vgl. Abbildung). [8]

Quelle: PWC (2018), Auswirkungen der Nutzung von künstlicher Intelligenz in Deutschland.

Künstliche Intelligenz in Sachsen-Anhalt

Sachsen-Anhalt hat durchaus große Chancen im Bereich KI, die nur noch ausgeschöpft werden müssen. Mehr dazu in Folge 35 des Podcast „Digital leben“ des MDR SACHSEN-ANHALT, in der Industrie-4.0-Forscherin Doris Aschenbrenner zu Gast ist. 

Beispiele und Anwendungen für Künstliche Intelligenz

Was ist mit Künstlicher Intelligenz (KI) im Unternehmensumfeld gemeint? Wie funktioniert KI im Unternehmen? Wo kann KI in kleinen und mittleren Unternehmen eingesetzt werden? Im Video der Initiative Mittelstand-Digital des Bundesministeriums für Wirtschaft und Energie werden die Grundlagen Künstlicher Intelligenz einfach erklärt.

Auch das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) zeigt neben den vielfach vorhandenen Forschungsfeldern der KI auch eine Reihe von Anwendungsfeldern und Praxisbeispiele zum Einsatz von KI-Technologien.

Finanzwirtschaft 

  • Kundengeschäft, bspw. Chatbots oder virtueller Kundenberater
  • Algorithmic Trading, d.h. automatisierter Handel von Wertpapieren
  • Analyse und Überwachung der Märkte
  • Analysieren von Kundendaten und Kundeninteraktionen
  • Systemsicherheit
  • Automatisierung der Kreditkarten-Betrugserkennung
  • Echtheitsgarantie von digitalen Identifikationssysteme 

[9][10]

Gesundheit & Medizin 

 [11]

Landwirtschaft & Agrartechnik

  • Smart Farming
  • datengestütztes Frühwarnsystem vor Pflanzeninfektionen bspw. Greenhouse Guardian
  • lernende, optimierende Entscheidungsfindung zur Landbewirtschaftung bspw. durch Feldroboter
  • Ausnutzung aller Sensordaten zur kleinteiligen Optimierung (bis auf 1 qm Auflösung)
  • optimierte Planung und Umplanung von Arbeitsschritten

[14][15]

Mobilität

[16]

Umwelt & Energie

[17] [18]

Kompetenzen der KAT-Hochschulen

Forschungsprojekte Hochschule Harz

Seit 2018 wird unter anderem im Rahmen des DFG-Projekts Cognitive Reasoning an neuen Ansätzen für maschinelles Lernen in Kombination mit weiteren KI-Verfahren geforscht. Weitere Forschungsthemen an der HS Harz sind u.a. Flugrobotik, Mobile Robotik, Textverstehen und Zeitreihenanalyse. Eine Aufstellung der gesamten Forschungsarbeiten im Themenbereich KI an der Hochschule kann dem Beitrag entnommen werden.

Labor für mobile Systeme

Im Labor für mobile Systeme der Hochschule Harz wird auf den Gebieten Künstliche Intelligenz, Mobile Roboter, Agententechnologien sowie Bild- und Wissensverarbeitung geforscht. Dadurch entwickeln sich kooperative Strategien und neue Roboterkonstruktionen.

Ansprechpartner in Sachsen-Anhalt

Bundesweite Informationen und wichtige Akteure zum Thema Künstliche Intelligenz

Autor: Sarah Frank M. Eng.

Quellen: 

[1] Buxmann, P.; Schmidt, H. (2019): Künstliche Intelligenz. Mit Algorithmen zum wirtschaftlichen Erfolg, Springer Berlin Heidelberg.

[2] Ertel, W. (2016): Grundkurs künstliche Intelligenz. Eine praxisorientierte Einführung, Springer Fachmedien Wiesbaden.

[4] Kreutzer, R.; Sirrenberg, M. (2019): Künstliche Intelligenz verstehen. Springer Fachmedien Wiesbaden