Extra 2109 MAG 21-09

Künstliche Intelligenz als Türöffner? Erwartungshaltung vs. Realität

[shutterstock 1283961292 Phonlamai Photo]
[shutterstock 1283961292 Phonlamai Photo]

In den Medien ist der Begriff künstliche Intelligenz (KI) ein gern gesehener Topos, da er sowohl Laien wie Experten polarisiert. Oft wird KI als Innovationstreiber und Allheilmittel für verschiedenste Probleme gehandelt, doch genauso häufig als Gefahr für die Menschheit dargestellt.

Gegenwärtig arbeiten künstliche Intelligenzen noch relativ oft im Verborgenen und deshalb von vielen Anwendern unbemerkt, etwa in der Steuerung von Roboterarmen in der Automobilindustrie, in medizinischen Assistenzsystemen, in Spielzeugrobotern oder in der Cloud der AFI Solutions beim Training mit Rechnungsbelegen.

Doch nicht überall waren oder sind sie erfolgreich, so eine IDC-Studie. Gescheiterte Experimente sind häufig und existieren durch alle Branchen sowie Zielvorgaben hinweg. Auch der Mensch spielt dabei eine entscheidende Rolle.

Künstliche Intelligenz ist nicht per se schlau

Dass KI-Systeme oder intelligente Maschinen, so wie sie heute eingesetzt werden, in der Lage sind, die Weltherrschaft zu übernehmen, darf also stark angezweifelt werden. Dazu sind sie bis dato noch zu sehr von ihren menschlichen Lehrern abhängig, die ihnen die Fragestellung, das Ziel oder ihren Zweck vorgeben. Es sind außerdem diese Lehrer, die sie mit ausgewählten, stark an die Aufgabe gebundenen Datensätzen füttern, mit denen sie innerhalb von eng determinierten System- und Parametergrenzen trainieren dürfen.

Bei zu viel Spielraum für die KI lassen sich ansonsten die Ergebnisse nur noch schwer bis gar nicht mehr auswerten. Auch beim Thema Ergebnis benötigt es wieder den Menschen, den Data Scientist beziehungsweise auf Daten spezialisierten Analysten, der die Ergebnisse der KI erst interpretieren und so nutzbar machen muss. 

Schaut man sich nach KI-Projekten um, sind die heutigen Anwendungsfälle vor allem im B2B-Umfeld eher ernüchternd oder zumindest stark an einen speziellen Anwendungsbereich gebunden. Die beiden von IBM entwickelten KI-Systeme „Deep Blue“ (1996 Sieger im Schach gegen Gary Kasparow) und dessen Weiterentwicklung „Watson“ (2011 Gewinner im Jeopardy gegen zwei menschliche Gegner) sind beispielsweise nur innerhalb einer bestimmten Regelwelt oder mit entsprechend trainierten Datensätzen „intelligent“.

Komplexere Aufgaben sind für künstliche Intelligenzen noch schwer zu lösen. Oft mangelt es in B2B-Projekten auch an Ressourcen und der für ein umfassendes Training notwendigen Datenmenge.

KI kann auch anders

Es existieren einige KI-Projekte mit eher beunruhigenden Ergebnissen. In einem Kommunikationsexperiment eines bekannten Social-Media-Riesen unterhielten sich zwei KI-gestützte Chatbots plötzlich in einer „Geheimsprache“, die die menschlichen Forscher nicht mehr verstehen konnten. Dazu entwickelten die beiden Bots eine effizientere Sprache aus den menschlichen Begriffen, um schneller verhandeln zu können.

Durch KI optimierte Sprachen sind aber in der Forschung keine Seltenheit. Die Geheimsprache war auch nicht der Grund für den Abbruch des Experiments. Da die KI in ihrem späteren Einsatzgebiet mit Menschen inter-agieren sollte, musste sie hierfür selbstverständlich die menschliche Sprache verwenden. Die Wissenschaftler hatten es jedoch versäumt, diese entscheidende Einschränkung für die beiden Bots festzulegen. 

Mehr Mut zu Experimenten mit KI

Letztendlich handelt es sich bei dem oben angeführten Beispiel um eine Versuchsanordnung unter Laborbedingungen, in denen sowohl Möglichkeiten als auch Grenzen intelligenter Systeme und Maschinen ausgelotet werden. Und diese Experimente sind wichtig, weil hier oft überraschende Ergebnisse herauskommen, die uns zum Teil unsere eigenen Denkprozesse und menschlichen Schwächen vorführen.

Die Aufgabenstellung für eine wie auch immer geartete künstliche Intelligenz ist klar formuliert: Sie soll Maschinen dazu befähigen, Lernprozesse selbstständig in Gang zu setzen, adäquat auf neue Informationen zu reagieren und Aufgaben zu erfüllen, die menschenähnliches Denken sowie einen menschlichen Wertekanon voraussetzen.

Eine wesentliche Rolle spielt das Training der KI-gesteuerten Systeme, vergleichbar mit dem menschlichen Lernprozess. So entscheidet sich, wie gut eine intelligente Maschine unter den -vorgegebenen Rahmenbedingungen performt – oder eben nicht.

Dazu werden Technologien wie Machine und Deep Learning, natürliche Spracherkennung usw. eingesetzt, um wiederkehrende Muster zu erfassen und nach bestimmten Wahrscheinlichkeiten zu ordnen, sprich: Die KI lernt. Doch erst wenn eine entsprechend große Datenmenge zur Verfügung steht, mit der trainiert werden kann, lassen sich in diesen Daten auch verlässliche Paradigmen erkennen, die interpretiert werden können. Hier beginnt dann sozusagen der Verständnis- beziehungsweise der autonome Lernprozess.

Wer hat denn die neuen Umsatzsteuerwerte angepasst?

Im Juli 2020 kam es zu einer Umstellung hinsichtlich der bestehenden Mehrwertsteuersätze von 19 auf 16 und von 7 auf 5 Prozent. Nach diesen Änderungen mussten Firmen teilweise fünf verschiedene Steuersätze berücksichtigen (zusätzlich noch die 0 Prozent), je nachdem, ob die Rechnungen vor oder bereits nach der Anpassung ausgestellt wurden. Sowohl Unternehmen als auch deren Dienstleister befürchteten neue Aufwände in der Rechnungsverarbeitung.

Bernd Kullen, KI-Experte bei AFI Solutions, hat in dieser Beziehung ein überraschendes Phänomen im Cloud-Service der AFI Solutions festgestellt: „Im cloudbasierten AFI DocumentHub werden Belege mithilfe unserer AFI KI verarbeitet. Bei unseren Kunden haben wir dort festgestellt, dass die Mehrwertsteuersätze bereits richtig erkannt wurden, obwohl die Ergänzung der neuen Sätze in der Erkennung noch gar nicht vorgenommen wurde.“ War hier etwa die künstliche Intelligenz am Werk? 

Dadurch, dass wir im DocumentHub unsere AFI KI im Einsatz haben, gibt es für viele Rechnungen Kandidaten, die sich auch für die Erkennung von Rechnungssummen anwenden lassen“, so Kullen.

Dort werden keine Inhalte gespeichert, sondern geografische Informationen – also was befindet sich wo auf dem Dokument. So können sich die Inhalte eines trainierten Werts unterscheiden beziehungsweise ändern, was eben zu dieser automatischen Übernahme der neuen Mehrwertsteuersätze geführt hat.“

Ein überraschendes Ergebnis: Keiner hat der AFI KI gesagt, dass sie das tun soll. Aber über das automatische Belegtraining im AFI DocumentHub hat sie es sich einfach selbst beigebracht. 

Dank solcher Ergebnisse erhalten künstliche Intelligenzen eine Daseinsberechtigung und liefern gleichzeitig Argumente dafür, auch bei anderen Kunden oder in weiteren Produkten und Anwendungsbereichen eingesetzt zu werden. Nicht umsonst gilt die KI als Schlüsseltechnologie, um Türen für künftige Entwicklungen wie etwa selbstfahrende Autos oder intelligente Operationsroboter zu öffnen.

Über den Autor

Marian Spohn AFI Solutions

Marian Spohn
Redakteur,
AFI Solutions GmbH

Hinterlassen Sie einen Kommentar