Die Stärken von Menschen und Maschinen miteinander kombinieren

KI – oder besser Intelligent Empowerment?

Dr. Christoph Windheuser

© Shutterstock / Zenzen

Künstliche Intelligenz (KI) begegnet uns überall: Sie soll Flotten selbstfahrender Autos steuern, unzählige neue Geschäftschancen eröffnen und verheißt sogar den Schlüssel zur Weltmachtposition. Bei all den Erwartungen übersehen wir jedoch leicht das wahre Potenzial von KI.

Auch wenn das Thema gerade heiß diskutiert wird – KI ist nicht neu. Der Begriff künstliche Intelligenz wurde bereits 1956 auf der Dartmouth Conference geprägt. Er beschreibt folgende Idee: Sämtliche Aspekte des Lernens und sonstiger Merkmale der Intelligenz können so präzise beschrieben werden, dass eine Maschine in der Lage ist, diese nachzuahmen. Heute, gut sechzig Jahre später, ist KI eins der am meisten – vielleicht sogar zu sehr – gehypten Technologiekonzepte der Welt.

Infolge des wachsenden Interesses an Anwendungen wie Spracherkennung, optischer Mustererkennung, Bildbearbeitung, Sprachsynthese, Übersetzung und autonomem Fahren haben Forschung, Innovation und die mediale Aufmerksamkeit einen enormen Aufschwung erfahren. Und mit dem Computerprogramm AlphaGo, für das traditionsreiche Strategiespiel Go, hat uns Google gezeigt: Die künstliche Intelligenz übertrifft uns inzwischen in Bereichen, in denen der menschliche Scharfsinn bisher unschlagbar war.

Es ist kaum verwunderlich, dass sich führende Technologieexperten die künstliche Intelligenz zunutze machen wollen. Laut einer Studie setzen 89 Prozent der CIOs maschinelles Lernen in ihren Unternehmen ein oder planen, dies zu tun. Auch die Analysten stellen in der Regel gewagte Prognosen auf: IDC glaubt, dass die Ausgaben für KI von 8 Milliarden US-Dollar im Jahr 2016 auf 47 Milliarden im Jahr 2020 steigen werden.

Heutzutage können Unternehmen dank dieser Technologie viel effizienter arbeiten, deutlich an Kosten einsparen und große Marktanteile gewinnen. Bei künstlicher Intelligenz geht es aber nicht einfach darum, dass Menschen am Arbeitsplatz von Maschinen abgelöst werden: Viel interessantere Möglichkeiten eröffnen sich, wenn Mensch und Maschine auf intelligente Art und Weise zusammenarbeiten. Das nennen wir dann Intelligent Empowerment.

Mehr als Intelligenz

Ist also Intelligent Empowerment dasselbe wie KI? Sie gehören zwar zusammen, sind aber doch unterschiedlich. KI dreht sich häufig darum, dass ein Computer Aufgaben übernimmt, die auch ein Mensch erledigen könnte, dabei aber schneller und kostengünstiger arbeitet. Schnell geht es dann auch darum, Menschen durch Computer zu ersetzen.

Intelligent Empowerment hingegen unterstützt Menschen, damit sie effizienter und präziser arbeiten oder bessere Entscheidungen treffen können – somit erweitern intelligente Tools die menschlichen Fähigkeiten. Ziel von Intelligent Empowerment ist es, die stumpfsinnigen Arbeiten, die Menschen heute erledigen, zu reduzieren oder sogar ganz zu verbannen, damit diese stattdessen ihre Kreativität und Vorstellungskraft nutzen und erfüllenderen Tätigkeiten nachgehen können.
Wie lässt sich Intelligent Empowerment nutzen?

Andrew Ng, renommierter KI-Forscher, stellte in der Harvard Business Review  fest: „Eine mentale Aufgabe, für die ein durchschnittlicher Mensch weniger als eine Sekunde benötigt, können wir wahrscheinlich schon jetzt oder in naher Zukunft mithilfe von KI automatisieren.“

Während einerseits enorme Rechenleistungen auf Abruf zur Verfügung stehen, gibt es andererseits Fortschritte bei den Algorithmen für maschinelles Lernen. In Verbindung mit den Unmengen an verfügbaren digitalen Daten, mit denen diese Algorithmen trainiert werden können, ergeben sich hieraus Möglichkeiten für Intelligent Empowerment im Unternehmen, für Mitarbeiter und Kunden (Abb. 1).

Abb. 1: Intelligent Empowerment – Erschließung neuer Chancen mittels maschineller Intelligenz

Abb. 1: Intelligent Empowerment – Erschließung neuer Chancen mittels maschineller Intelligenz

Die Systeme maschinellen Lernens haben einen entscheidenden Vorteil: Sie lernen mithilfe von Beispielen. Das genaue Systemverhalten muss also nicht mehr definiert und programmiert werden, sondern die Maschine erarbeitet sich die Dinge durch entsprechendes Training selbst. In dieser Hinsicht wurden bereits erstaunliche Fortschritte erzielt. Ein Beispiel ist das Computerprogramm AlphaZero von Google, das sich Spiele wie Schach selbst beibringen kann, einfach indem es sie spielt. Nach einigen Stunden beherrscht AlphaZero das Spiel besser als der beste Schachcomputer.

Anwendungen dieser Technologie gibt es bereits, beispielsweise bei selbstfahrenden Autos, Bild- und Spracherkennung und natürlicher bei der Sprachverarbeitung. Dabei zeigt sich aber auch, wie komplex die Vorgänge sind: Es müssen genügend Daten in einem geeigneten Format vorliegen, damit die Systeme trainiert werden können. Für welche Aufgaben ist die Technologie am besten geeignet? Wenn mehrere der folgenden Bedingungen erfüllt sind, könnte die Arbeit sehr wahrscheinlich auch von Maschinen erledigt werden:

  • Die Prozesse sind genau festgelegt.
  • Ein Mensch könnte etwaige Entscheidungen innerhalb von Sekunden treffen.
  • Die Prozesse sind datenbasiert und es sind umfangreiche Daten verfügbar.Der Vorgang umfasst die Kommunikation mit Menschen oder von Menschen erstellte Dokumentation, z. B. Texte, Dokumente, Sprache oder Bilder.

Beim Blick auf diese Bedingungen wird deutlich, dass Maschinen viele unserer Routineaufgaben übernehmen könnten, z. B. Buchführung, E-Mail-Verwaltung oder Datenanalyse. Damit hätten Mitarbeiter zumindest theoretisch mehr Zeit für komplexere und kreativere Tätigkeiten. Aber wie bereits erwähnt, steckt hinter Intelligent Empowerment viel mehr als das Ersetzen menschlicher Leistung durch die von Maschinen: Es geht darum, die Stärken der beiden zu kombinieren. Maschinen verarbeiten mithilfe enormer Rechenleistung riesige Datenmengen, und Menschen führen dank ihrer Fachkenntnis und ihres Scharfsinns die anspruchsvolleren Arbeiten aus.

Das lässt sich gut am Beispiel des globalen Konsumgüterunternehmens veranschaulichen, mit dem wir zusammenarbeiten: Für die Planer haben wir ein System entwickelt, mit dem sie die Betriebsdaten des Unternehmens konsolidieren und die gesamte Lieferkette überschauen können. Mithilfe von Machine Learning konnten wir Probleme in Echtzeit erkennen und bei Unterbrechungen der Lieferkette intelligente Lösungen vorschlagen. Dadurch konnten die Planer ihre Produktivität um das zehnfache steigern.

Beim ursprünglichen System des Konsumgüterunternehmens wurde jede der lokalen Lieferketten einzeln optimiert – eine Strategie, die innerhalb gewisser Grenzen funktionierte, aber nicht für den globalen Einsatz vorgesehen war. Zur Optimierung auf globaler Ebene mussten mehrere vernetzte Lieferketten mühsam umgeplant werden. Wir entwickelten das neue System nach dem Konzept der verteilten Optimierung. Dabei gingen wir von einem globalen Optimierungsproblem aus, das sich lösen lässt, indem alle Geschäftsziele und die Einschränkungen mithilfe von Machine Learning mathematisch nachgebildet werden.

Intelligent Empowerment ermöglicht auch innovative neue Services. So haben wir beispielsweise für einen internationalen Flughafen einen Chatbot entwickelt, der die 42 Millionen Passagiere pro Jahr unterstützt. Die Passagiere können mit diesem System ihren Flugstatus prüfen und sich auf dem Flughafengelände zu Einkaufsmöglichkeiten, Restaurants oder Parkplätzen führen lassen.

Mithilfe der Prinzipien der kontinuierlichen Entwicklung, Sicherheit und Skalierbarkeit konnten wir innerhalb von zwei Wochen den ersten Konzeptnachweis erbringen. Durch den Wegfall von Routineaufgaben hatte das Kundenbetreuungspersonal unter dem Strich mehr Zeit für umsatzsteigernde Tätigkeiten. Der Chatbot eröffnete dem Betreiber außerdem einen neuen Vertriebskanal, beispielsweise indem er Reisenden Loungepässe anbietet. Anders als seine menschlichen Kollegen kann der Chatbot rund um die Uhr arbeiten, was dem Flughafen wiederum hilft, einen durchgängigen Service anzubieten.

Immer einen Schritt voraus

Trotz der Einschränkungen von KI und Machine Learning ist der Hype ungebrochen. In der Regel ist die Technologie hochspezifisch. Jedes Mal, wenn etwas Neues ausprobiert wird, muss die Maschine neu trainiert werden. Damit sie die richtigen Entscheidungen treffen kann, müssen außerdem genug Trainingsdaten zur Verfügung stehen.

Bei Investitionen in Intelligent Empowerment sollte man sich der Einschränkungen bewusst sein. An den ständig neuen Investitionen in KI wird deutlich, wie schnell sich die Dinge ändern.

Die richtigen Anwendungsfälle für den Einsatz von Intelligent Empowerment zu bestimmen, ist aufgrund der schnellen Entwicklung sehr schwierig. Zu hohe Erwartungen können leicht enttäuscht werden. Andererseits kann zu wenig ambitioniertes Vorgehen dazu führen, dass Mitbewerber einen nicht mehr einzuholenden Vorsprung gewinnen. Unternehmen müssen sowohl die Möglichkeiten als auch die Einschränkungen von Intelligent Empowerment kennen, denn dann können sie ihre Roadmap besser planen und verstehen, wann das Konzept ihnen nützt – und wann nicht.

Intelligent Empowerment im Unternehmen nutzen

Daten sind der Schlüssel, wenn man sich, einem ganzheitlichen Ansatz entsprechend (Abb. 2), Intelligent Empowerment im Unternehmen zunutze machen will. Zunächst muss eine unternehmensweite Datenstrategie festgelegt werden, wobei wichtige Quellen und Eigentümer verfügbarer Daten ermittelt werden. Die Dateneigentümer sollten dafür zuständig sein, Daten in einer vereinbarten Qualität in Echtzeit oder in regelmäßigen Abständen verfügbar zu machen. Dabei müssen sie auch wissen, welche Anforderungen die Verbraucher an ihre Daten haben. Dafür sind in der Regel organisatorische Änderungen im Unternehmen erforderlich.

Es kann auch sein, dass Daten von Geschäftspartnern benötigt werden. In diesem Fall sind mit diesen Partnern ähnliche Vereinbarungen zu treffen. Anschließend muss eine unternehmensweite Datenplattform eingerichtet werden; auf dieser Plattform müssen sich alle festgelegten Datenströme sammeln, verwalten und speichern lassen. Es ist also wahrscheinlich, dass APIs zu bestehenden IT-Systemen und Partnern erforderlich sind. Dann stellen sich noch weitere Fragen: Soll es einen Data Lake geben oder mehrere? Soll die Datenplattform eine On-Premise- oder eine Cloud-Lösung sein? Die Plattform muss so gestaltet sein, dass sie leicht auf alle Daten zugreifen, sie speichern, bearbeiten und den entsprechenden Anwendungen zuführen kann.

Abb. 2: Der ganzheitliche Ansatz für Intelligent Empowerment

Abb. 2: Der ganzheitliche Ansatz für Intelligent Empowerment

Wahrscheinlich wird es erforderlich sein, das Unternehmen im Bereich Data Science zu stärken. Ein Team von Data Scientists muss sich intensiv mit den Daten beschäftigen, mit ihnen arbeiten und sowohl die Daten als auch deren Hintergrund im Unternehmen bestens kennen. Benutzerfreundliche Tools wie persönliche Notebooks (z. B. Jupyter) sowie Tools zur Datenanalyse und -visualisierung sollten verfügbar und täglich im Einsatz sein. Die Data Scientists fördern dann aus den Daten viele wertvolle und neue Geschäftserkenntnisse zutage, die zur Entscheidungsfindung beitragen. Dieses Verfahren bietet eine Unterstützung, um Entscheidungen auf der Grundlage relevanter Daten zu treffen – und nicht mehr aus dem Bauch heraus.

Auch die manuelle Arbeit der Data Scientists lässt sich durch Algorithmen für maschinelles Lernen automatisieren. Das betrifft z. B. die Evaluierung und Visualisierung von Daten sowie die Vorbereitung von Entscheidungen. Algorithmen für maschinelles Lernen ermöglichen bessere Erkenntnisse. Das Verhalten von Interessenten, Kunden und Partnern ist erlernbar, ihre Prozesse lassen sich entsprechend anpassen, und letztendlich lässt sich die Gesamtperformance des Unternehmens verbessern.

Einfache, sich wiederholende Entscheidungen im ganzen Unternehmen können automatisiert werden. Die Geschäftsprozesse werden einfacher, schneller und effizienter und die Qualität steigt. Und die Mitarbeiter? Indem sie von den einfachen, sich wiederholenden und mühsamen Arbeiten befreit werden, haben sie mehr Zeit für kreative, innovative Aufgaben. Genau das ist Intelligent Empowerment!

Geschrieben von
Dr. Christoph Windheuser
Dr. Christoph Windheuser
Dr. Christoph Windheuser ist Market Maker Machine Learning bei ThoughtWorks. Seit seiner Studienzeit ist er fasziniert von künstlichen neuronalen Netzen. Bei ThoughtWorks unterstützt er Unternehmen dabei, den Geschäftserfolg durch den Einsatz neuester Technologien zu steigern. Außerdem ist er ein erfahrener Sprecher und Autor für Themen rund um Machine Learning.
Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu: