Künstliche Intelligenz (KI)

Zukunftsphantasie oder heute bereits Alltag?

09. April 2019 Blog, Neue Organisation, Digitalisierung, Top Karsten Knechtel


Wenn Regina Stöbisch früher ihr Aktiendepot umschichten wollte, so war je nach Umfang ein kürzeres oder auch längeres Telefonat mit ihrem Anlageberater notwendig. Heute schaut sie nur von Zeit zu Zeit in die App mit ihrem Depot und hat meist Freude an der Wertsteigerung ihres Aktienpaketes. Nachdem Frau Stöbisch initial in der App ihre finanziellen Ziele und ihre persönliche Risikobereitschaft deklariert sowie die notwendigen Formalitäten, die von der Bundesanstalt für Finanzdienstleistungsaufsicht in Deutschland gefordert sind, bewältigt hatte, startete die automatisierte Optimierung des Aktienportfolios von Frau Stöbisch. Ihre anfänglichen Bedenken an diesem automatisierten Vorgehen waren schnell zerstreut, da sich der Wertzuwachs des Aktiendepots sehen lassen kann.

Hintergrund dieser neuen Apps sind Robo-Advisors und KI-basierte Plattformen, die die Investitionslandschaft und die Vermögensverwaltung zum Beben bringen. Die Einführung von Robo-Advisors eliminiert Finanzberater fast vollständig aus dem Investitionsprozess. Robo-Advisors sammeln Informationen über die finanziellen Ziele eines Investors und geben diese Daten in Algorithmen ein. Die Ergebnisse werden wiederum genutzt, um dem Einzelnen eine Anlageberatung anzubieten, die es ihm ermöglicht, fundierte Anlageentscheidungen zu treffen. Oder der Roboterberater wird in vielen Fällen den Kauf und die Verwaltung von Anlagen vollständig automatisieren.

Wenn es um große Datenmengen und Mustererkennung geht, hat die KI dem Menschen einiges voraus. Analysten, Investoren und andere wichtige Akteure an der Wall Street haben die KI als Instrument zur Vorhersage von Marktbewegungen angenommen. Die KI kann die öffentlichen Äußerungen von Unternehmen (z.B. zu Gewinnausschüttungen) auswerten und die Stimmungsanalyse (Wortverbrauch, Sprachmuster usw.) aufgreifen, die dann im Vergleich zu historischen Daten verwendet wird, um die Wertentwicklung der Aktien mit hoher Wahrscheinlichkeit vorherzusagen.

Diese Art von Aktienmanagement und Vermögensverwaltung ist nur ein Beispiel für den Einsatz von Künstlicher Intelligenz in unserem Alltag, es gibt aber bereits sehr viele mehr. Ob es im Personalbereich um das Screening von Lebensläufen bzw. Bewerbungen, im Marketing um die Segmentierung von Kunden mit Kundendaten, im Kundenservice um die Kommunikation auf Internetseiten mit Konsumenten mittels Chatbots geht, überall findet die Künstliche Intelligenz ihre Anwendung.

Dabei stellt sich die Frage, was ist Künstliche Intelligenz überhaupt, wo stehen wir heute in deren Entwicklung und wie kann sie in Unternehmen in Zukunft noch viel stärker zu Disruptionen führen?

Künstliche Intelligenz (KI, auch Artificial Intelligenz (AI)) ist ein Forschungs- und Arbeitsgebiet, das sich mit der Automatisierung intelligenten Verhaltens und dem Maschinellen Lernen befasst. Diese Begriffsdefinition ist insofern nicht ganz eindeutig, da es an einer genauen Definition von „Intelligenz“ mangelt. Dennoch wird er so oder ähnlich in Forschung und Entwicklung verwendet. Hinsichtlich der bereits existierenden Anwendungsbereiche und der Potenziale, die sich abzeichnen, gehört die Künstliche Intelligenz zu den wegweisenden Antriebskräften der Digitalen Revolution.

Was ist Künstliche Intelligenz?

Nach Wolfgang Wahlster (deutscher Informatiker und Hochschullehrer, bis Dezember 2018 Inhaber eines Lehrstuhls für Informatik an der Universität des Saarlandes sowie Direktor und CEO des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) seit dessen Gründung 1988 bis zum Januar 2019), kann die menschliche Intelligenz in vier Bereiche unterteilt werden:

Kognitive Intelligenz

Dieser Bereich der Intelligenz umfasst das Aufnehmen und Erlernen von Wissen, das Kombinieren aus diesem Wissen und das Schlussfolgern aus diesem Wissen. Das entspricht oft dem, was Menschen sich in einer akademischen Ausbildung aneignen. Bei der kognitiven Intelligenz ist die Maschine dem Menschen schon in vielen Bereichen überlegen. Zu diesem Bereich gehört z.B. das Schachspiel.

Sensomotorische Intelligenz

Im Bereich der sensomotorischen Intelligenz (Zusammenspiel zwischen Wahrnehmungs-Eindrücken und der motorischen Aktivität) ist der Mensch der Maschine noch überlegen, allerdings sind manche Maschinen in Bereichen einzelner Sensoren heute dem Menschen bereits voraus. Grundsätzlich ist das menschliche Auge sehr gut ausgebildet. Aber eine geeignete Videokamera kann etwa auch Licht im Infrarotbereich und UV-Bereich verarbeiten, was ein Mensch nicht kann. In der Akustik können Mikrofone in wesentlich geringere Lautstärken oder in Frequenzbereichen aufnehmen als das menschliche Ohr. Stärker gilt dies noch bei Geruch- und Geschmackssinn, wo maschinelle Sensoren deutlich überlegen sind. Der Mensch kann diese Sinneseindrücke heute jedoch noch besser kombinieren, was eine Maschine bislang nur wenig kann. Dies könnte sich jedoch innerhalb weniger Jahre ändern.

Emotionale Intelligenz

Auf diesem Gebiet leistet die Maschine bislang nur wenig. Der Mensch kann sich in einen anderen Menschen hineinfühlen, Sympathie und Empathie, Mitgefühl, Mitleid, Trauer, Angst, Freude empfinden, Wutausbrüche haben usw. Was Maschinen heute allerdings schon in Ansätzen können, ist die sog. Sentimentanalyse, d. h. durch Beobachtung der menschlichen Körpersprache, also des Gesichts, der Gestik usw. die Emotionen eines Menschen „lesen“.

Soziale Intelligenz

Soziale Intelligenz ist die Fähigkeit, in einer menschlichen Gruppe angemessen zu agieren, etwa eine Stimmung zu erkennen oder konstruktiv zu beeinflussen wie z. B. den Teamgeist. Eine Fähigkeit, die meist bei Unternehmern aber auch Politikern stark ausgeprägt ist. Auf diesem Gebiet kann die Maschine bislang ebenfalls nur wenig leisten.

Geht man also davon aus, dass alle vier Bereiche der menschlichen Intelligenz auch maschinell abbildbar sein müssten, so ist schnell festzustellen, dass Künstliche Intelligenz im Grund noch gar nicht wirklich umgesetzt ist. Bei den meisten Anwendungen handelt es sich eher um Expertensysteme (kognitive Intelligenz) oder um Roboter (Verknüpfung von kognitiver und sensorischer Intelligenz), die nicht die ganze Bandbreite der menschlichen Intelligenz umsetzen. Außerdem fehlt auch noch die Fähigkeit der Kreativität, die Menschen haben, die über ein Kombinieren von Mustern hinausgeht. D.h. wir stehen noch ganz am Anfang dieser Entwicklung, die, wie viele internationale Konferenzen und Forschungen zeigen, auch nicht ohne die Diskussion von ethischen Prinzipien vorangetrieben werden sollte.

Wo findet heute schon der Einsatz in der Praxis statt?

Auch wenn wir, wie im Absatz vorab beschrieben, noch recht weit am Anfang der Entwicklungen rund um KI stehen und die wirkliche Künstliche Intelligenz noch auf sich warten lässt, gibt es doch bereits viele Beispiele für die Hebung von Effizienzen bzw. disruptive Geschäftsmodelle, die auf dem Stand der Entwicklung bereits aufsetzen.

Beispiel: Gesundheitswesen

Künstliche Intelligenz hilft zum Beispiel Krankheitssymptome zu bewerten, indem sie zuvor mit vielen Beispielen trainiert wurde. Es gibt einen Symptomcheck des Berliner Unternehmens Ada Health. Ärzte trainieren den Algorithmus und bringen ihm Krankheitsbilder bei. Der so trainierte Assistent von Ada Health steckt in einer App und soll helfen, wenn sich jemand krank fühlt, die entsprechende Diagnose zu treffen bzw. zu unterstützen. Das Programm steht also irgendwo zwischen Symptome-Googlen und der ordentlichen Konsultation eines Arztes. Der maschinell lernende Assistent fragt nach Symptomen wie Unwohlsein, Schwindel oder Kopfschmerzen, verknüpft das mit vorher eingegebenen Patientendaten wie Größe, Gewicht oder Allergien und sortiert die Antworten dann so, wie sie in früheren Fällen zu Krankheiten gepasst haben.

Beispiel: Personalisierung im Marketing

Personalisierung ist im digitalen Marketing ein entscheidender Erfolgsfaktor, um die Conversion Rates langfristig wachsen zu lassen. Denn personalisierte Nachrichten schaffen Vertrauen und heben sich von dem heutzutage herrschenden Überangebot von Informationen ab. Doch viele Marketing-Experten denken, sie verstehen den Kunden von vorneherein und können sich daher gut in ihn hineinversetzen. Leider liegen sie hier auch oft daneben. Also besser auf Daten vertrauen, denn KI-unterstützte Personalisierung überlässt den Erfolg nicht mehr dem Zufall.

Beispiel: Routenberechnungen

Die Grundlage für die Spracherkennung im Auto beruht auf NLP (Natural Language Programming) einem wichtigen Teilgebiet der Künstlichen Intelligenz. Auch die Optimierung von Routenberechnungen wird durch lernfähige, intelligente Algorithmen unterstützt. Fahrerassistenten und bestimmte Zusatzfunktionen, wie die Vorausberechnung des Routenverlaufs für die automatische Anpassung der Scheinwerfer, beruhen zum Teil auf Bilddatenauswertung bzw. Objekterkennung und werden sich gerade im Zuge des autonomen Fahrens noch sprunghaft weiterentwickeln.

Beispiel: Erzeugung von Text-Inhalten

Zugegeben, das kreative Schreiben ist noch ein wenig Zukunftsmusik. Denn die Maschinen tun sich noch schwer mit Humor, Ironie, schönen Metaphern und originellen Wortspielen. Dafür sind sie gut darin, strenge Vorgaben zu beachten: Das kalifornische Job-Portal TalentSonar lässt beispielsweise durch künstliche Intelligenz politisch korrekte Stellenausschreibungen automatisch erstellen.

Fazit

In vielen Unternehmen besteht ein hohes Potenzial bereits heute Formen der Künstlichen Intelligenz einzusetzen, sei es zu Steigerung der Effizienz oder um ggf. disruptive Geschäftsmodelle zu entwickeln. Diese Möglichkeiten sollten schon heute genutzt werden, um sich Wettbewerbsvorteile zu erarbeiten oder mit den Wettbewerbern mindestens gleich zu ziehen. Gerne heben wir, von der Process Management Consulting GmbH, gemeinsam mit Ihnen diese Potenziale.

Wenn Regina Stöbisch ihr Aktiendepot in ihrer App betrachtet, so ist sie immer wieder erstaunt, wie auf Basis ihrer Risikoaffinität wertsteigernde Aktienkäufe und -verkäufe zu Zeitpunkten stattfinden, die sie so nicht gewählt hätte. Bei genauerer Analyse in der Retrospektive stellen sich diese Zeitpunkte als sehr sinnvoll heraus und das ist erst Dank des umfangreichen Wissens, auf der diese App basiert, möglich.