^Joshua Sortino

Künstliche Intelligenz ist aus der aktuellen gesellschaftlichen Debatte und der Populärkultur kaum mehr wegzudenken, auch Dank großartiger Autor*innen wie beispielsweise Asimov und Heinlein. Doch die ersten Anwendungen, die in den 1970er und 1990er Jahren entwickelt wurden, enttäuschten viel eher, als dass sie den hochgeschraubten Erwartungen gerecht wurden. Auf die Euphorie folgten herbe Rückschläge, welche die Künstliche Intelligenz während der sogenannten “AI Winters“ fast wieder in die Bedeutungslosigkeit zurückschickten. Doch seit etwa 10 Jahren gibt es allen Grund der Künstlichen Intelligenz wieder eine höhere Beachtung zu schenken, nicht zuletzt dank erster sinnvoller und vor allem funktionierender Anwendungen.

Wird es dieses Mal anders? Oder folgt auf den Hype wieder die Ernüchterung? Dieser Artikel ist der erste einer Reihe zum Thema Künstliche Intelligenz. Als Auftakt rückt Niall Bellabarba, Director International bei Elinvar, das Thema in den Fokus und zeigt, wie man im Dickicht der (selbsternannten) KI-Anwendungen den Durchblick behält und was uns womöglich in der Zukunft alles erwartet.

Den Wald vor lauter Bäumen nicht sehen

Künstliche Intelligenz erfährt nicht nur ein gewaltiges Interesse in der öffentlichen Berichterstattung, in den vergangenen Jahren profitiert das Feld auch maßgeblich von hohen Investitionen. Die meistbekannten Anwendungsbeispiele von Künstlicher Intelligenz sind sicherlich selbst fahrende Autos und persönliche, mit der Stimme bedienbare Assistentinnen wie Alexa, Cortana oder Siri. Mittlerweile wird der Begriff KI dennoch fast inflationär gebraucht. Medien dramatisieren und übertreiben den derzeitigen Entwicklungsstand und die Möglichkeiten von KI nur allzu gern, um ihre technikbegeisterten Leser*innen mit immer neuen Sensationen zu unterhalten. Dabei beschönigen sie häufig die zeitnahe Umsetzbarkeit von Konzepten und beleuchten gleichzeitig die Langzeiteffekte zu selten. Stolpert man bei der Auseinandersetzung mit KI über folgende Punkte, sollte das allemal Anlass zum Zweifel geben:

Vertikale KI vs. Horizontale KI

Im Moment haben vertikale Anwendungen klar die Nase vorn. Sie automatisieren mit hoher Präzision Prozesse entlang eines klar abgrenzbaren Aufgabenbereichs. Selbstfahrende Autos sind ein Beispiel dafür. Ein Auto, das auch im stärksten Verkehr die Spur hält, über Funk mit der Außenwelt kommuniziert und Anfragen seines*r Fahrer*in verarbeitet, führt immer noch eine klar beschreib- und abgrenzbare Tätigkeit aus.

Aus dieser Intelligenz wird sich keine andere Intelligenz entwickeln. Oder um es genauer, und vielleicht auch ein bisschen übertrieben, auszudrücken: das selbstfahrende Auto wird nicht anfangen die Börse zu beobachten und Aktien zu kaufen. Genau das aber zu prognostizieren, dass sich eine begrenzte KI selbstständig weiterentwickelt, ist ein klassischer Fall des Halo-Effekts: von einer vorhandenen Eigenschaft wird auf eine, in diesem Fall, viel höhere geschlossen.

Horizontale Künstliche Intelligenz ist hingegen um Längen schwieriger zu erreichen, denn sie setzt voraus, dass Künstliche Intelligenz neue Dinge erlernt, für die sie ursprünglich nicht entwickelt wurde.

Übertriebene Komplexität

Grund zum Stirnrunzeln gibt es spätestens dann, wenn die technologische Komplexität von Anwendungen überzogen dargestellt wird und dabei vor allem wohlklingende Modewörter benutzt werden. Betrachtet man die derzeit vorhandene und einsatzfähige Technologie, lässt sich der Einsatzspielraum für KI sehr gut ausloten, wie beispielsweise bei einem selbstfahrenden Auto, dass trotz des begrenzten Aufgabenbereichs immer noch unglaublich faszinierend ist. Wenn aber Faszination auf unverständliche Komplexität trifft und beide vielleicht sogar die einzigen Vorzüge eines neuen Produkts sind, dann wird schnell klar: das ist wahrscheinlich nur heiße Luft.

Das soll jedoch keineswegs heißen, dass Entwicklungen mit Weitblick nicht diskutiert werden sollen. Aber wenn sich die Komplexität der Öffentlichkeit nicht verständlich erklären lässt, dann ist es nicht verkehrt, Zweifel an der Plausibilität des Konzepts anzumelden.

Die Goldene Regel: Keine allzu vollmundigen Versprechen

Nicht selten kommt es vor, dass die noch junge, aber viel beachtete KI-Industrie hochfliegende Zukunftsversprechen oder gar Garantien abgibt. Doch die sollten mit Vorsicht genossen werden. Selbst große Tech-Konzerne mit immensen Budgets und technologischem Vorsprung wurden in der Vergangenheit immer wieder von Misserfolgen heimgesucht.

Deshalb, sobald jemand eine Garantie für etwas abgibt, ist Vorsicht der beste Berater. Das gilt insbesondere dann, wenn keine konkreten Einsatzziele benannt werden können, keine Aussagen über die benötigte Datenbasis oder unrealistische Angaben über Zeitpläne gemacht werden.

Zurück zu den Grundlagen

Vielversprechende Konzepte sollten also einen klaren Anwendungsfokus haben und ihre technologischen Grundlagen sollten verständlich erklärt werden können. Wenn noch dazu mögliche Vorbehalte und Fehlerquoten benannt werden, lässt sich ein umfassenderes und belastbares Bild zeichnen. Darüber hinaus sollten folgende Ausgangspunkte die produktive Neugier wecken:

Einfache Demonstrationen und zufriedene Anwender*innen

Kaum etwas spricht mehr für den Erfolg einer gelungenen Produktpräsentation als ein “Aha-Moment“ bei den Zuhörer*innen. Und warum sollten dazu nicht auch ausdrucksstarke Bilder und Videos beitragen? Ein sehr guter Anhaltspunkt für eine gelungene Präsentation ist, ob der*die potenzielle Anwender*in das Produkt mit eigenen Worten erklären kann und ob der Return on Investment sowie der Nutzen für das eigene Unternehmen sinnvoll eingeschätzt werden können.

Technologische Komplexität, verständlich erklärt

Wenn die technischen Eigenschaften einer vorgestellten Innovation in den Mittelpunkt gestellt wurden – und das sollte auch bei einem ersten Überblick unbedingt erfolgen – dann sollte diese Erklärung prägnant und überprüfbar sein.

Es gibt eine überschaubare Zahl von Denkschulen im Bereich der Künstlichen Intelligenz (siehe dazu auch: Master Algorithm von P. Domingos). Bei der Präsentation von Anwendungen sollte darauf eingegangen werden, welches KI-Konzept, welche Technik des Maschinellen Lernens bei dieser angewandt wird. Dazu gehört auch Auskunft darüber zu geben, welche Datenbasis verwendet wird und ob diese Open Source ist oder etwa vom Entwickler selber kommt. Ganz wesentlich ist, ob die Künstliche Intelligenz vom Unternehmen selbst entwickelt wird, oder ob diese extern bezogen wird und lediglich die Anwendung eine Eigenentwicklung ist. Darauf aufbauend sollten konkrete Risiken bei der Umsetzung genannt werden. Zu guter Letzt ist es Gold wert, das Team hinter dem vorgestellten Produkt kennenzulernen. Dabei sollte unbedingt auch geklärt werden, ob dieses zum Unternehmen gehört oder nicht. Ohne eigene Mitarbeiter*innen, in der Entwicklung das intellektuelle Kapital schlechthin, wird jedes Unternehmen es schwer haben am Markt zu bestehen.

Benutzen vs. Bauen

In allen Wissenschaften, und so auch in der Künstlichen Intelligenz, stehen wir auf den Schultern von Riesen. Die zuletzt großen Erfolge in der Spracherkennung und der Verarbeitung natürlicher Sprache wären ohne die Vorarbeiten der vergangenen Jahrzehnte oder bereits verfügbare Open Source Lösungen undenkbar. Somit kann durchaus behauptet werden, dass nahezu alle Akteure im KI/Virtual Assistant/Chat Bot-Feld auf Technologie zugreifen, die bereits vor ihren Innovationen verfügbar war. Und würde ein Unternehmen das nicht tun, würde es massiv an Wettbewerbsfähigkeit einbüßen.

Dabei ist es wichtig zu unterscheiden, ob ein Unternehmen Künstliche Intelligenz benutzt und/oder plant diese selber zu entwickeln.

Ein Unternehmen, das KI erfolgreich benutzt muss nicht zwangsläufig weniger KI-Experte sein als ein Unternehmen, das KI selbst entwickelt. Denn es braucht ein erhebliches technisches und organisatorisches Know-How um KI erfolgreich implementieren und nutzen zu können. Man sollte es also durchaus sehr ernst nehmen, wenn ein Unternehmen betont selbst Künstliche Intelligenz zu entwickeln.

Darüber hinaus ist zu erwarten, dass sich die Zahl der Firmen, die KI anwenden massiv erhöht und sich die Zahl der entwickelnden Unternehmen bei weltweit 20 bis 50 Akteuren einpendelt.

Es ist schwer die Zukunft vorherzusagen – auch mit Glaskugel

Mit diesem Abschnitt wollen wir versuchen die Trends der vergangenen Jahre auf die Zukunft zu übertragen. Da Elinvar und seine Partner im Finanzsektor tätig sind, ist es darüber hinaus sinnvoll einige Voraussagen dazu zu treffen, welche Auswirkungen KI auf die Finanzwelt haben wird.

Mehr Anwendungen, mehr Hype, mehr Wissen

Die Zahl der KI-gestützten Anwendungen wird exponentiell wachsen. Auch wenn es derzeit schon viele Anwendungen gibt, haben wir nicht einmal die Spitze des Eisbergs erreicht. Neue Anwendungsgebiete und immer neue Produkte werden die mediale Debatte um KI weiter anheizen, was einer stärkeren Unterscheidung zwischen horizontaler und vertikaler Anwendung bedarf.

Mit vermehrter Berichterstattung ist zu erwarten, dass KI auf einer viel breiteren Grundlage diskutiert werden wird und übertrieben sensationelle Nachrichten damit ebenso der Vergangenheit angehören werden wie völlig uninformierte Urteile über KI.

Der Aufstieg Chinas und die Jagd auf Talente

Es ist durchaus anzunehmen, dass China seine Fähigkeiten im Bereich der Künstlichen Intelligenz weiter ausbauen und dabei einige, wenn nicht sogar alle, westliche Staaten überholen wird. Trotzdem diese Vormachtstellung zurzeit nicht gegeben ist, sehe ich Anzeichen dafür, dass China diese in Zukunft einnehmen wird. Derzeit sind sowohl die öffentlichen als auch die privaten Investitionen in KI in China wesentlich höher als im Westen, einhergehend mit einer vergleichsweise höheren Kapitalbewertung chinesischer Fintechs. Hinzukommend wird in China wesentlich intensiver geforscht. Gegeben der ökonomischen und geopolitischen Vorteile sind weitere Übernahmen westlicher Firmen in diesem Bereich durch chinesische Akteure nicht auszuschließen, selbst wenn diese hoch bewertet sind.

In diesem Zusammenhang wird sich auch der mittlerweile globalisierte Wettbewerb um geeignete Talente weiter verschärfen. Die Stars der Künstlichen Intelligenz sind Expert*innen im Maschinellen Lernen. Diese werden ihre Karriere mit Sicherheit unter Berücksichtigung ihrer persönlichen akademischen und ökonomischen Weiterentwicklung planen. Daher sollten wir uns auf einen noch stärkeren, globalen Wettbewerb um Ingenieur*innen, Entwickler*innen und technologisch versierte Führungspersönlichkeiten einstellen.

Robotic Beta & Human Alpha – basierend auf KI

Im Finanzsektor werden wir eine zunehmende vertikale Automatisierung erleben, insbesondere im Bereich der digitalen Anlageberatung – dem Geschäftsfeld von Elinvar. Insgesamt wird die Zahl der Akteure zunehmen. Tatsächlich gibt es im Moment nur wenig Beispiele von KI-gesteuerten Finanzprozessen, die diesen Namen auch wirklich verdienen.

Mit der Zeit werden aufwendigere Modelle an den Markt gehen – ob sie dort bestehen werden, wird allerdings die Zeit zeigen. Potenzielle Anwendungsmöglichkeiten sind beispielsweise das Erkennen von Mustern in Marktbeobachtungen, die Rückschlüsse auf womöglichen Insiderhandel zulassen. In diesem Fall könnte eine KI bei entsprechendem Verdacht der Angelegenheit sogar selbstständig auf den Grund gehen (siehe Venture Beat). Ein weiteres Beispiel wäre der Aufbau eines Netzwerkes virtueller Händler, das auf einer gemeinsamen KI aufbaut. Wie in einem Spiel, bei dem nur die besten Spieler am Ende gewinnen, würden in diesem Modell die schwächsten virtuellen Händler fortlaufend abgeschaltet – während die verbleibenden permanent aus Erfolg und Misserfolg lernen (sie auch Euklid). Das sind vielversprechende Ansätze, die einen kleinen Vorgeschmack auf das bieten, was uns in der Zukunft erwartet.

Für private Investor*innen wird die persönliche Beratung durch eine*n menschliche*n Berater*in weiterhin von großer Bedeutung sein – insbesondere, wenn weitreichende finanzielle Entscheidungen anstehen. Jedoch ist es dabei sehr wahrscheinlich, dass Berater*innen durch KI-Systeme unterstützt werden um so maßgeschneiderte Investmentstrategien für ihre Kund*innen zu finden.

Zusammenfassung

Auch wenn es nicht in das klassische, mediale Zukunftsnarrativ passt und nach dem Lesen dieses Artikels enttäuschend klingen mag, aber für die allermeisten Unternehmen ist Künstliche Intelligenz schlichtweg nicht lohnend. Noch dazu ist die Mehrzahl der Firmen nicht einmal ansatzweise bereit für die Implementierung und Anwendung von KI-Technologien. Das starke Wachstum der Robotergesteuerten Prozessoptimierung (RPA) zeigt, dass noch zu viele Unternehmen vor einer grundlegenden Digitalisierung ihrer Organisation und ihrer Prozesse zurückschrecken. Denn mit der RPA automatisieren sie lediglich Prozesse die schon längst verschlankt und digitalisiert gehörten.

Künstliche Intelligenz ohne Datenbasis ist wie Formel 1-Reifen auf einem Golfcart.

Niall Bellabarba, Director International

Trotz allem wird der Wunsch nach KI-Anwendungen weiter zunehmen, nicht zuletzt, weil viele Konsument*innen diese von den Apps auf ihrem Smartphone kennen. Das wird Unternehmen dazu verleiten, gewaltige technologische Sprünge zu wagen und ihre Technologisierung mit extremer Geschwindigkeit voranzutreiben.

Anhand des Geschäftsmodells von Elinvar können wir sehen, dass viele Unternehmen zu dem Entschluss gekommen sind, dass es für sie nicht lohnenswert ist eigene Technologien zu entwickeln und das es für sie besser ist, sich auf ihre Kernkompetenzen zu fokussieren. Gerade in diesem Fall macht es Sinn gemeinsam mit einem technologisch starken Partner wie Elinvar die Chancen der Digitalisierung zu nutzen um so in den kommenden Jahrzehnten weiter erfolgreich zu bleiben.