KI und die Gesellschaft – Wie verändert uns KI?

Die Digitalisierung führt zu tief greifenden Änderungen sowohl im Informations- und Entscheidungsverhalten des Einzelnen als auch im menschlichen Miteinander. In diesem Kontext ist noch lange nicht erforscht, welche Auswirkungen die Vernetzung der Gesellschaft noch so mit sich bringen wird. Neue Technologien wie die Blockchain oder „Robotic Process Automation“ und KI verändern uns schnell und in Realtime. Aber wer setzt die Regeln und Handlungsspielräume in Zukunft für KI – im Unternehmen, aber auch in der Gesellschaft?
Um genau deshalb die richtigen Fragen zu stellen, ist im letzten Jahr das Weizenbaum-Institut für die vernetzte Gesellschaft an den Start gegangen. Die Aufgabe des Instituts ist es, aktuelle gesellschaftliche Veränderungen, die sich im Zusammenhang mit der Digitalisie­rung abzeichnen, zu untersuchen und künftige politische und wirtschaftliche Handlungsoptionen zu skizzieren. Das Kernziel des Instituts besteht in exzellenter, interdisziplinärer und pro­blem­orientierter Grundlagenforschung, die zugleich anwendungsorientierte Vorhaben antreibt und daraus wiederum Impulse für neue Forschungsfragen gewinnt. Um dem Zusammenspiel von Technik und Gesellschaft gerecht zu werden, wird das Prinzip der Interdisziplinarität nicht nur punktuell, sondern in allen Forschungsbereichen und Vorhaben realisiert. Dabei wird das Institut zum ersten Mal alle relevanten Fachdisziplinen integral in einem Forschungsprogramm vereinen und eine holistische Perspektive auf den Prozess der Digitalisierung in der Gesellschaft entwickeln.

Im Privatleben sind künstliche Intelligenz (KI) und Machine Learning (ML) bereits angekommen. Doch nicht nur im Alltag fungieren neue Technologien als digitale Helfer, auch Unternehmen können ihr Potenzial nutzen. Der nächste evolutionäre Schritt, der unmittelbar bevorsteht, ist die intelligente Sprachsteuerung. Siri, Alexa & Co. zeigen uns, wie es geht.

In diesem Zusammenhang hat die KPS AG z. B. eine Lösung entwickelt, mit der das Einkaufen mit Alexa per Sprachsteuerung möglich wird. Für die Demo-Version definierte KPS vorgegebene Sprachmuster, die der Sprecher kennen muss und mit denen er das System ansteuern kann, wie etwa „In den Warenkorb legen“, „Warenkorb abschließen“ oder „Waren bestellen“. KPS hat Alexa so an SAP Hybris Commerce angebunden. „Die Demo-Version ist ‚end-to-end‘ durch die Prozesskette und die Systemlandschaft aufgebaut, sodass Bestellungen möglich sind und ausgeführt werden können“, sagt Markus Wilhelm, Partner bei KPS. „Die Lö­sung ist damit einsatzfähig.“ Der nächs­te evolutionäre Schritt in der Spracherkennung wäre dann die alleinige Iden­tifizierung einer Person mittels der Sprache. Markus Wilhelm erklärt dazu: „Diese eindeutige Zuordnung, die dank Machine Learning in der Bild­er­ken­nung bereits möglich ist, gilt es nun auch in den Sprachsystemen umzusetzen. Die Herausforderung liegt hier darin, dass sich Sprachmuster sehr viel mehr unterscheiden als visuelle Muster.“

Sicherheit und KI

Um das Vertrauen in die neuen Technologien zu stärken, rückt zunehmend das Thema „Cyber-Security“ in den Fokus. KI kann dabei für mehr Sicherheit sorgen, weiß Kai Grunwitz von NTT: „Um es vorwegzunehmen, AI ist nicht der heilige Gral für Cyber-Security. Aber KI und Machine Learning (ML) sind für die Früherkennung von Cyber-Angriffen eine signifikante Erleichterung. Die Analyse der enormen Datenmengen, die für die Identifizierung von Angriffen beziehungsweise Auffälligkeiten notwendig sind, kann durch AI-gestützte Systeme deutlich effizienter als auf traditionellen Wegen realisiert werden.“
Aber auch Hacker nutzen die Automatisierung, um ans Ziel zu kommen. Kai Grunwitz fährt fort: Zum Beispiel sollte das Risiko nicht unterschätzt werden, dass Cyber-Kriminelle KI zur Vorbereitung gezielter Angriffe nutzen. Sie könnten etwa massive Datenvolumina aus sozialen Netzen und anderen Quellen auswerten, um Phishing-Angriffe zu starten – mit einer nie dagewesenen Möglichkeit zu Massenangriffen.“

Vor allem unsere Endgeräte wie Smartphone und Laptop sind Ziele tag­täglicher Angriffe, erklärte uns Oliver Bendig von Matrix42. Firewalls und klassische Antiviren (AV) bilden für ihn nur die erste Verteidigungslinie. Im nächsten Schritt geht es darum, „Next-Gen-AVs zu entwickeln“ und „mit Machine Learning Heuristiken zu erkennen. Damit kann man erste Verhaltensmuster adressieren.“ Auch das ist für Bendig noch nicht alles: „Die letzte Line of Defence – und aus unserer Sicht die wichtigste, ist die sogenannte ‚Post Infection Protection‘. Bei der PIP akzep­tiert man erst einmal den Fakt, dass es irgendjemand irgendwann schafft, auf Ihr Endgerät zu gelangen – also einen Angriff erfolgreich durchführt. Das heißt, ich stelle nicht die Frage: ‚Bist du ein Virus – ja oder nein?‘, sondern stattdessen die Frage: ‚Auf was möchtest du auf meinem Endgerät zugreifen?‘ Wenn dieses Verhalten in irgendeiner Weise verdächtig wirkt, dann möchte ich, dass die Maschine dieses Verhalten automatisiert isoliert und unterbindet. Wenn Sie diese verschiedenen Verteidigungslinien aufeinander aufreihen, dann haben Sie einen höchstmöglichen Schutz“, betonte Oliver Bendig und fährt fort: „Um zu beantworten, was davon nun Automation ist: Automation ist es aus unserer Sicht, wenn eine automatisierte Abwehr selbstständig Entscheidungen treffen kann.“

Infrastruktur für KI

Dass auch das Datenvolumen durch KI steigen wird, ist unbestritten. „Damit KI-Programme in bestehende Prozesse eingegliedert werden können und diese nachhaltig revolutionieren, müssen zunächst bestimmte Voraussetzungen erfüllt werden: Sicherheit, Zuverlässigkeit und Schnelligkeit“, fasst Donald Badoux, Managing Director Equinix Deutschland zusammen. „Eine der größten Herausforderungen in Bezug auf IoT, KI und VR / AR ist, dass hier nicht nur große Datenvolumina gesammelt und verwertet werden, sondern auch selbst eine große Menge an Daten generiert wird.“ Laut einem Bericht von Gartner werden im Jahr 2025 25 Milliarden Geräte mit dem Internet verbunden sein, fünfmal mehr als heute. „Diese Daten müssen richtig gespeichert, abgerufen, miteinander verknüpft und analysiert werden“, merkt Badoux an und ergänzt: „Doch nicht nur das: Dies muss zunehmend an jedem Ort, egal ob in Ballungsgebieten oder ländlichen Gegenden, und in Echtzeit funktionieren. Das bedeutet, dass die Infrastruktur, die im Wesentlichen aus Rechenzentren besteht, nicht nur flexibel, skalierbar und sicher sein muss, sondern auch dezentral aufgebaut. „Denn nur so kann Edge Computing – also die Verarbeitung von Daten dort, wo sie entstehen – funktionieren.“

Neue schlaue Arbeitswelten

Durch KI, Machine Learning und Deep Learning verändert sich zudem unser Arbeitsleben in Gänze. Neue Möglichkeiten durch KI und ML erhält in Zukunft zum Beispiel auch die Vertriebsabteilung. Mit „Sales-Intelligence“ punkten Vertriebsmitarbeiter wesentlich häufiger, erklärte uns Dr. Matthias Keller von Echobot: „Das Ziel von Sales-Intelligence ist, dem Vertrieb aktuelle und auf seine Bedürfnisse zugeschnittene Informationen zum richtigen Zeit­punkt zur Verfügung zu stellen. Denn ein erfolgreicher Geschäftsabschluss im B2B verlangt heute mehr als nur Verkaufstalent. Das Problem besteht jedoch darin, dass die Daten in den eigenen CRM-Systemen oft lückenhaft, falsch oder veraltet sind.“ Echobot sitzt tatsächlich auf einem unglaublich großen Datenschatz und indexiert momentan über 100 000 Online-Medien, dazu sämtliche relevanten sozialen Netzwerke und mehr als eine Million Firmenwebseiten. Um hier die Kontrolle zu behalten, unterhält der Datenspezialist drei große Forschungsbereiche. Die Crawling-Technologie wird benötigt zur Erfassung der unzähligen Meldungen und Dokumente. Im Anschluss wird jeder Text durch die „Echobot Advanced Semantic Engine“ (EASE) geschleust. Diese Technologie analysiert auf Personen, Branchen und Ereignisse und erkennt, ob Texte im Zusammenhang mit einer Firma aus der Echobot-Firmendatenbank stehen. Keller fährt fort: „Der letzte der drei Bereiche ist schließlich die Datenfusion, in der wir alle extrahierten Informationen in logische Beziehungen setzen. Auch hierfür helfen Machine-Learning-Verfahren, die Ergebnisse in praktischen Firmendossiers zusammenzufassen.“

Auch Softwareprogrammierer haben es in Zukunft leichter beim Schreiben ihrer Programme und Mobil­apps. Neue Low-Code-Development-Plattformen sparen durch Automatisierung wichtige Entwicklungszeit. Außerdem können Mitarbeiter aus den Fachbereichen in die Unternehmens-App-Entwicklung integriert werden. Martin Otten, Director Sales DACH und Continental Europe bei OutSystems, ergänzt dazu: „Da Low-Code eine visuelle Modellierungsumgebung für Anwendungen bietet, können Benutzer zum ersten Mal am Entwicklungsprozess teilnehmen und verstehen, was passiert. Sie können darüber hinaus tatsächlich interagieren und bessere Anwendungen schneller erstellen. Domänenspezifisches Wissen oder Fachwissen in Kombination mit einem Low-Code-Entwickler hilft Unternehmen dabei, ihre digitale Trans­formation schneller zu realisieren, um ein echtes Digitalunternehmen zu werden“, betonte Martin Otten am Ende des Gesprächs.

Investments in KI

Bestimmt fragen sich Anleger in diesen Zeiten, wie sie am Boom der neuen Tech­nologien profitieren können. Zum einen sind schlaue Algorithmen schon in der Finanzindustrie als Robo-Advi­sors angekommen und zum anderen sollten Anleger Branchen, die von KI-Lösungen profitieren, im Auge behalten. So beispielsweise der Digital-Health-Sektor: Doch wie viel Potenzial und welche Auswirkungen hat KI dort? In diesem Kontext sprachen wir mit Kai Brüning, Senior Portfolio Manager bei apo Asset Management, der regelmäßig den Wachstumsmarkt „Digital Health“ analysiert.

„Die Bereiche, in denen wir kurzfristig den größten Mehrwert sehen werden, sind die bildgebende Diagnostik und die Medikamentenentwicklung. Es gibt schon eine Reihe von Softwareanwendungen, die den Arzt bei der Analyse sehr vieler CT- oder MRT-Aufnahmen unterstützen. Sie ana­lysieren diese sehr schnell und geben dem Arzt Hinweise, welche Veränderungen oder Details er für seine Diagnose besonders genau prüfen sollte. In der Medikamentenentwicklung kann KI dabei helfen, Probandengruppen für klinische Studien optimal auszuwählen und von Beginn an ein neues Medikament nur an den Patienten zu testen, bei denen die höchste Erfolgswahrscheinlichkeit besteht. Dadurch wird die Entwicklung schneller und günstiger“, erklärte uns dazu Kai Brüning.