"KI ist kein Monster!" Künstlichen Intelligenz für Einsteiger:innen

Katze oder Kara­mell-Eis? Ein Mensch kann auf Fotos das rotge­ti­gerte Tier leicht vom Lebens­mit­tel unter­schei­den. Eine künst­li­che Intel­li­genz (KI) braucht für diese Bild­er­ken­nung zuerst ein inten­si­ves Trai­ning. Wobei – genau­ge­n­om­men geht es weni­ger um KI und mehr um maschi­nel­les Lernen. Jeden­falls dreht es sich nicht um die Art von KI, an die die meis­ten Menschen zunächst denken: an selbst­stän­dig lernende neuro­nale Netze.

Wer jetzt eine Reihe von Frage­zei­chen im Kopf hat, dem geht es nicht anders als den Teil­neh­men­den des Semi­nars „Grund­la­gen der künst­li­chen Intel­li­genz“, das das IT-Bildungs­haus der HEC und das Bremer KI-Trans­fer-Zentrum im Februar orga­ni­sier­ten. Trai­ner:innen aus Wissen­schaft und Praxis halfen beim Einstieg in die komplexe Mate­rie: Chris­tin Poloc­zek (Das IT-Bildungs­haus), Dr. Vanessa Just (team neusta), Dr. Nicole Höher und Inis Ehrlich (Bremer KI-Trans­fer-Zentrum) sowie Dr. Denis Pijet­lo­vic (Univer­si­tät Bremen).

Damit ein System Akti­o­nen ausfüh­ren kann, muss es mit Infor­ma­ti­o­nen gefüt­tert werden, genau­ge­n­om­men mit Daten – sehr vielen Daten! Zum Beispiel mit unzäh­li­gen Fotos von rotge­ti­ger­ten Katzen und Eiscreme, die aus verschie­de­nen Blick­win­keln und zu unter­schied­lichs­ten Tages­zei­ten aufge­nom­men sind.

Die Infor­ma­ti­ke­rin Chris­tin Poloc­zek gibt hierzu einen Einblick in das maschi­nelle Lernen. Zu Beginn wird ein Trai­nings­ziel defi­niert: beispiels­weise Katzen und Eiscreme unter­schei­den. Die Daten – Bilder, Spra­che, Zahlen, Geräu­sche oder ähnli­ches – werden, sehr grob gesagt, an einen Algo­rith­mus über­ge­ben. „Und dann passiert magic“, sagt Chris­tin Poloc­zeck.

Wie in einer Black Box lernt ein Algo­rith­mus durch Erken­nen, Auspro­bie­ren, Anpas­sen und Opti­mie­ren das Trai­nings­ziel zu errei­chen. Je nach Aufgabe helfen unter­schied­li­che Lern­stile: über­wach­tes, unüber­wach­tes und bestär­ken­des Lernen. Das selbst­stän­dige Lernen, das neuro­nale Netze nutzt – das Deep Lear­ning – ist ein weite­rer Teil­be­reich des maschi­nel­len Lernens.

Wie können wir nun die KI in unser Unter­neh­men brin­gen? Beispiele für die prak­ti­sche Anwen­dung von KI gibt es schon jetzt reich­lich. Die Teil­neh­men­den entwi­ckel­ten im Semi­nar Einsatz­sze­na­rien für unter­schied­li­che Berei­che und Bran­chen – von Logis­tik über Human Resources bis hin zum Marke­ting.

Klar wurde dabei: Nicht für jede Heraus­for­de­rung ist KI die rich­tige Lösung. Was digi­tale Akteure mittels KI erfolg­reich macht, erläu­terte Vanessa Just. Sie nannte Kunden­zen­trie­rung als zentra­len Ausgangs­punkt und Daten als Schlüs­sel einer jeden KI-Stra­te­gie: „Ana­ly­sie­ren Sie Ihre Daten, um Ihre Kunden zu verste­hen, Markt­ver­än­de­run­gen wahr­zu­neh­men und schnel­ler inno­va­tiv zu sein als andere.“ Mit diesem Wissen könne mit einem konzep­ti­o­nel­len, unter­neh­me­ri­schen oder mit einem daten­ge­trie­be­nen Ansatz aus Daten geschäft­li­cher Nutzen gezo­gen werden.

Ein Ergeb­nis, das wohl alle am Ende mitneh­men: „Der Change ist da und muss jetzt durch­gän­gig gestal­tet werden“, formu­lierte ein Teil­neh­mer. „Wenn man nicht morgen in Rente geht, sollte man nicht warten. Man sollte Risi­ken und Chan­cen bewer­ten – aber es ist alter­na­tiv­los.“ Oder, wie es eine andere Teil­neh­me­rin formu­lierte: „KI ist kein Mons­ter, sondern bietet viele neue Möglich­kei­ten.“