Künstliche Intelligenz

Künstliche Intelligenz im Alltag

Chance oder Risiko? Künstliche Intelligenz ist längst in unserem Alltag angekommen. Sie bietet viele Optionen, die unser Leben erleichtern. Aber droht auf der anderen Seite Überwachung und Kontrolle?

Von Hildegard Kriwet

Was ist künstliche Intelligenz?

Mithilfe Künstlicher Intelligenz (KI oder auch AI = Artificial Intelligence) versucht ein Computer Aufgaben zu lösen, die bisher nur mit menschlicher Intelligenz zu lösen waren. Das System ist nicht wirklich selbst intelligent, es simuliert Intelligenz.

Als wissenschaftliche Disziplin gibt es KI schon seit dem Ende der 1950er-Jahre. Damals allerdings noch ein Forschungsgebiet, dem wenig Realisierungschancen zugestanden wurden. Der Durchbruch gelang erst, als die Computer immer schneller, effizienter wurden, und vor allem vernetzt werden konnten. Durch das Internet stehen heute gewaltige Datenmengen zur Verfügung, die die Voraussetzung für die Entwicklung künstlicher Intelligenz bilden. Deshalb macht die Entwicklung von KI auch seit Beginn der 2000er-Jahre große Fortschritte in vielen unterschiedlichen Bereichen.

Der Online-Handel wird heute schon zu 85 Prozent mit künstlicher Intelligenz abgewickelt. KI steuert Sprachagenten, Übersetzungshelfer, kommt in den Navigationssystemen unseres Autos vor, in der Robotersteuerung oder in medizinischen Diagnoseverfahren. Ebenso in Waffensystemen und Überwachungstechniken.

In all diesen Bereichen geht es um Aufgaben, die eine Maschine autonom oder automatisch erledigen kann.

Maschinelles Lernen

Dank KI kann man Tätigkeiten automatisieren und optimieren. KI basiert auf sogenannten Algorithmen, die maschinelles Lernen ermöglichen. Ein Algorithmus ist eine Art Handlungsanweisung für den Computer, um ein definiertes Problem auf mathematischem Weg zu lösen. Das maschinelle Lernen versucht Strukturen unseres Denkens mit mathematischen Operationen nachzubilden. Beim Navi im Auto zum Beispiel soll uns das System, je nach Wunsch, die kürzeste oder die schnellste Variante des Weges anbieten.

Beim Ausrechnen eines Weges ist das eine Folge von vielen, kleinen Detaillösungen – immer von einem Ort zum nächsten, bis durch Sortieren der kürzeste Gesamtweg zusammengestellt ist. Maschinen werden mit Algorithmen befähigt, aufgrund von Daten diese Auswahl eigenständig zu treffen.

So kann ein Navi aus der Vielzahl von Daten zu Wetter, zur Stausituation und anderen Faktoren den schnellsten Weg ausrechnen, der vielleicht aber nicht der kürzeste ist. Oder ein Spamfilter lernt aufgrund vieler durchgeführter Aktionen, selbstständig Spam zu erkennen. Auch Produktempfehlungen beim Onlineshopping beruhen auf diesem Prinzip: Wer bestimmte Produkte öfter anklickt, bekommt sie auch öfter eigenständig vom System angeboten.

Maschinelles Lernen kann auf akustischer oder visueller Wahrnehmung beruhen. Oder auch auf Aktionen, wenn Maschinen im "Trial and Error"-Verfahren nach und nach in der Lage sind, neue Dinge, zum Beispiel Roboterbewegungen, durchzuführen, zu analysieren und in der Effizienz zu bewerten. 

Die Voraussetzung sind große Datenmengen, wie sie auch bei der Nutzung von mobilen Kommunikationsgeräten entstehen. KI-Prozesse brauchen eine hohe Anzahl von Beispiel- oder Vergleichsdaten. Damit ein System Menschengesichter sicher von Tiergesichtern unterscheidet, muss es zuvor mit Millionen von menschlichen Gesichtern gefüttert und trainiert werden. Ebenso die Spracherkennung, wobei sich die Maschine an der gesprochenen Sprache orientiert und nicht an einem zugrunde liegenden grammatischen Schema. Problemlösungen werden immer genauer und besser, je mehr Daten der Computer zur Verfügung hat. Der Mensch programmiert Algorithmen, die die Maschine befähigen, Problemlösungen zu finden oder Entscheidungen zu treffen.  

Mustererkennung und Bildanalyse in der Medizin

Computer und Maschinen lernen, anhand von Beispielen Muster zu erkennen. Je mehr Beispiele zur Verfügung stehen, desto besser wird die Analyse der Maschine sein. Eingesetzt werden solche Fähigkeiten der KI zum Beispiel in der Gesichtserkennung. So kann das System ein Gesicht unter Millionen anderen Gesichtern finden, indem es bestimmte markante Gesichtspunkte mit Millionen anderen Daten vergleicht und bewertet.  

Mustererkennung kommt auch in der Medizin zum Einsatz, zum Beispiel bei der Auswertung von MRT-Bildern (Magnetresonanztomographie) oder bei der Erkennung von schwarzem Hautkrebs. KI-Verfahren sollen zukünftig auch die Qualität von gespendeten Augenhornhäuten analysieren, damit solche, die Krankheitsanzeichen in sich tragen, nicht transplantiert werden. 

Bei der Früherkennung von Darmkrebs können KI-Systeme eingesetzt werden, um harmlose Wucherungen von gefährlichen Krebsvorstufen zu unterscheiden. Ohne dass Gewebeproben genommen werden müssen, während einer laufenden Darmspiegelung. Das Ergebnis liegt sofort vor, ohne langwierige Laboranalyse. Immer wieder beruht diese Anwendung auf der Mustererkennung, auf dem blitzschnellen Sortieren und Kategorisieren von Bildern.

KI kann helfen, lange Laborverfahren abzukürzen: Bei der Suche nach erfolgversprechenden Antibiotika gibt es einerseits die Variante unzähliger Laborversuche oder andererseits KI-gestützte Computersysteme, die in Datenbanken nach interessanten Stoffen suchen, die hoffnungsvolle Voraussetzungen für neue Antibiotika bieten.

KI und Mobilität

In der Mobilität spielen nicht nur Navis eine Rolle, geforscht wird auch an autonomen Systemen wie dem selbstfahrenden Auto. Ebenfalls zum Einsatz kommt KI zum Beispiel bei Abstandhaltern, Bremsautomatiken oder Spurhalteassistenten.

Bei der Verkehrsinfrastruktur könnte es darum gehen, mit KI den LKW-Verkehr zu optimieren und Leerfahrten zu vermeiden. Dabei spielen viele Faktoren eine Rolle: die Routen, die Wochentage und die Preisgestaltung. Oder ein Projekt, das beim autonomen Fahren dem Fahrer eine Vorausschau auf die vor ihm liegende Strecke ermöglicht. Notwendig dazu sind Fahrbahnsensoren, Kameras, Radar und das Mobilfunknetz.

Demokratie und Kontrolle

Über Algorithmen können KI-Systeme besser und vor allem schneller als Menschen Schriften, Sprache und Muster erkennen. Wir alle produzieren mit jeder Google-Anfrage Unmengen an Daten, mit jedem Online-Kauf, mit jedem Posting. Auch wenn wir sensibilisiert sind und versuchen, unsere Daten im Auge zu behalten, verraten wir eine Menge über uns. Wer nutzt diese Daten?

Es sind vor allem die großen Konzerne, um damit ihre jeweiligen Unternehmensziele zu optimieren (allen voran Google, Amazon, Facebook oder Alibaba). In manchen Staaten, wie zum Beispiel China, ist auch die Gesichtserkennung im öffentlichen Bereich schon Alltag.

Unterschiedliche Überwachungstechnologien können dort ineinandergreifen und direkte Konsequenzen für das persönliche Leben eines Einzelnen haben. Unerwünschte Handlungen können sanktioniert werden.

Datenanalysen auf der Basis von KI können Entscheidungskriterien auf allen Ebenen liefern: Bekomme ich einen Kredit? Darf ich reisen? Reicht mein Geld, um eine Wohnung zu mieten? Aufgrund meiner Aktionen werden Vorhersagen generiert, gegen die ich mich nur schlecht wehren kann. Zum Beispiel wenn eine KI-Anwendung die Rückfallwahrscheinlichkeit von Kleinkriminellen beurteilt. Privatsphäre war gestern. 

Gezielter Missbrauch der KI-Technologie ermöglicht den Einfluss auf Wahlen durch Meinungsroboter – durch Bots, die eigenständig Nachrichten verbreiten und Meinungsmache betreiben. Auch wenn ursprünglich Menschen diese Bots programmiert haben, ist deren Weiterverbreitung später kaum noch kontrollierbar. 

Demokratischen Grundwerten stehen diese Entwicklungen entgegen. Transparenz, öffentliche Finanzierung von KI-Anwendungen mit Zwang zur Offenlegung von Funktionsweisen, vorgeschriebene Folgeabschätzungen für neue Technologieprojekte können demokratische Standards stärken. Dazu gehört auch, dass wir als Privatpersonen jeweils über neue Funktionsweisen von KI in unserem Alltag aufgeklärt werden. Die EU-Datenschutzgrundverordnung ist zum Beispiel ein solches Instrument.