Was kann KI? - Ein Überblick

KI-gestützte Systeme begleiten Sie bereits jetzt im Alltag ständig – so omnipräsent, dass sie kaum noch wegzudenken sind, und so unauffällig, dass sie kaum mehr aktiv wahrgenommen werden (Wahlster und Winterhalter, 2020, S. 11). Tatsächlich haben Sie wahrscheinlich bereits mehrere verschiedene Arten von KI-Anwendungen genutzt, bevor Sie an einem normalen Arbeitstag das Haus verlassen: beim Entsperren des Smartphones mittels Fingerabdruck- oder Gesichtserkennung, bei der Verwendung einer Wetter-App, um die Regenwahrscheinlichkeit zu überprüfen oder bei der Überprüfung der morgendlichen Verkehrssituation und der damit verbundenen Routenplanung vor Ihrer Abfahrt – all diese Aktivitäten erfordern die Verwendung von KI-Systemen (Notter et al., 2020-2023).

Auch im industriellen Kontext nimmt der Einsatz von KI-Systemen stetig und rapide zu. Sie wird in vielen Unternehmen bereits genutzt, um Prozesse zu optimieren und die Produktivität zu steigern oder um Entscheidungsprozesse zu analysieren und zu unterstützen.

Trotz der fraglos vielen Möglichkeiten KI-Systeme einzusetzen, bleibt auch im Auge zu behalten, welche Auswirkungen die Anwendungen auch auf uns, unsere Gesellschaft und die Umwelt haben können. Mehr darüber finden Sie in den Artikeln Ökologische Nachhaltigkeit und KI sowie Wie künstliche Intelligenz unser Zusammenleben und unsere Kultur verändert.

Mustererkennung – Die Stärke intelligenter Systeme

Die große Stärke von KI-Systemen ist, dass sie im Gegensatz zu Systemen, die nach festen Regeln arbeiten, lernfähig sind und ihre Ergebnisse daher laufend optimiert werden können. So können z. B. personalisierte Angebote für Kundinnen und Kunden immer einfacher und schneller generiert werden, was wiederum zu einer Steigerung der Produktivität und damit Umsatzzuwächsen führt (Wahlster und Winterhalter, 2020, S. 11).  

KI-Systeme können beispielsweise sehr gut Muster in Daten erkennen. Hier sind Beispiele, wo das genutzt werden kann:

Mustererkennung kann auch helfen, Energieeinsparpotenziale zu nutzen, z. B. durch die Optimierung dezentraler Energieversorgung - KI-Technologie kann also auch einen Beitrag für ökologische Nachhaltigkeit leisten. Jedoch steht dem auch der sehr hohe Energieverbrauch von KI-Systemen gegenüber. Wie ökologisch nachhaltig KI-Systeme also sind, ist differenziert zu betrachten.

Zwei weitere prominente Anwendungsbereiche der Mustererkennung liegen in der Medizin und der Polizeiarbeit:

Medizinische Diagnostik

Beispielsweise kann effizient und zuverlässig erkannt werden, ob es Anzeichen für Lungenentzündungen oder Blutungen im Gehirn in einem CT-Bild gibt. Risikofaktoren für schwere Erkrankungen, wie Demenz, können frühzeitig identifiziert werden, um gezielte Vorsorgemaßnahmen oder Therapien anzubieten. KI trägt darüber hinaus dazu bei, personalisierte Therapien zu entwickeln, indem sie Patientendaten nutzt, um die besten Behandlungsoptionen für jeden Einzelnen zu identifizieren (Herrmann et al., 2021).

In einem gesellschaftlich so relevanten und für den einzelnen Bürger so sensiblen Bereich wie der Medizin ist jedoch auch zu bedenken, dass beim Einsatz von KI hohe Datenschutzanforderungen zu berücksichtigen sind, insbesondere bei sensiblen Patientendaten, die an unbefugte Dritte weitergegeben werden können (Brautzsch, 2021). Eine weitere Problematik besteht darin, dass die algorithmischen Auswertungsprozesse KI-basierter Anwendungen in ihrer aktuellen Ausprägung keine Anhaltspunkte dafür liefern, wie ein Ergebnis zustande gekommen ist. Gerade im medizinischen Kontext ist jedoch fundamental wichtig, einen Befund und die damit verbundenen Therapieentscheidungen transparent zu gestalten, denn schließlich tragen immer noch die behandelnden Ärztinnen und Ärzte die Verantwortung – nicht die Algorithmen (Meißner, 2021).

Personalauswahl

Durch einseitige Trainingsdaten kann es jedoch zur Übernahme ungewollter bzw. unbewusster Muster kommen. Diese algorithmische Voreingenommenheit, auch Algorithmic Bias genannt, wird dann von der KI systematisch angewandt und verzerrt das Ergebnis der Auswertung.

Wurden beispielsweise Bewerberinnen bisher öfter abgelehnt als ihre männlichen Konkurrenten, übernimmt die KI dieses Muster und sortiert Frauen unter Umständen noch vor dem Bewerbungsgespräch aus – nicht aufgrund mangelnder Qualifikation, sondern aufgrund einer einseitigen Menge von Trainingsdaten. Im Moment ist demnach die Festlegung von Zielvariablen die größte Hürde in der Ausgestaltung eines fairen KI-basierten Bewerbungsprozesses. Die Frage nach der „besten“ Bewerbung beeinflussen im Moment nach wie vor Menschen durch die Festlegung bestimmter Kriterien zur Analyse eines Datensatzes. Anders ausgedrückt: die KI-basierten Systeme können nur so gut sein wie ihre menschlichen Trainerinnen und Trainer und spiegeln damit auch mitunter – gewollt oder ungewollt – gewisse Wertvorstellungen oder Vorurteile wider (Radó, 2020).

Vorausschauende Polizeiarbeit

Predictive Policing kann zu einer Art Teufelskreis führen, da eine Überwachung bestimmter Gebiete aufgrund bereits bestehender Datenanalysen zu einer Steigerung der registrierten Kriminalität in diesen Bereichen führen kann. Diese höhere Kriminalitätsrate kann dann wiederum von der Predictive-Policing-Software als Beweis für eine höhere Kriminalität in diesen Bereichen angesehen werden, was zu noch mehr Überwachung und Kontrolle führt (Bund Deutscher Kriminalbeamter e. V., 2020). Auch die Bewertung des zukünftigen Risikos einer erneuten Straftat durch eine Person mithilfe von „Rückfälligkeitsalgorithmen“ ist aufgrund ihrer Fehleranfälligkeit problematisch und benachteiligt vor allem die afro-amerikanische Bevölkerung systematisch (Zweig, 2019).

Personalisierung von Nutzerinhalten in Sozialen Netzwerken

Diese massenhafte Sammlung von Daten rund um unsere Interessen und die Anwendung von Algorithmen auf diese Daten hat zur Intensivierung eines Phänomens geführt, das als Filterblase(n) bekannt geworden ist.

Diese entstehen u. a. dadurch, dass sich Nutzer mit der Zeit immer weniger mit verschiedenen Inhalten auseinandersetzen – und damit auch mit weniger Perspektiven. Das gilt nicht nur für Nachrichtenblasen, sondern auch für allgemeine Informationen. Eine Online-Recherche kann sich demnach trotz identischer Suchbegriffe durch den Einfluss von Algorithmen grundlegend von der Suche einer anderen Person unterscheiden, je nachdem, wo diese lebt, welche Online-Aktivitäten sie tätigt und wie ihre Interessen (gemäß der jeweiligen Online-Aktivität) aussehen. Dadurch verengt sich auf Dauer gesehen die eigene Wahrnehmung. Für das gesellschaftliche Gefüge ist dies problematisch, weil Teile einer Gesellschaft sehr unterschiedliche Vorstellungen von der Realität entwickeln können, abhängig davon, welche Inhalte sie konsumieren. Auch die Toleranz gegenüber Menschen, deren Meinungen von der eigenen abweichen, nimmt dadurch fortwährend ab. Das Wertesystem einer Gesellschaft driftet somit immer weiter auseinander (Mangold, o. J.).

Lesen Sie mehr über Filterblasen und Echokammern und wie wir damit umgehen können.

Bildverarbeitung – Wenn Maschinen sehen lernen

KI-Systeme können Bilder sehr genau analysieren und darauf Objekte, Gesichter oder sogar Gefühle erkennen. Hier sind Beispiele, wie die KI-gestützte Bilderkennung eingesetzt werden kann:

Ein weiterer wichtiger Anwendungsbereich für bilderkennende KI-Systeme wird hier im Magazin auch im Artikel Autonomes Fahren vorgestellt.

Wenn Sie wissen wollen, wie Bilderkennungstechnologien arbeiten, wie sie unser tägliches Leben beeinflussen und welche Auswirkungen dies auf unsere Zukunft haben könnte, lesen Sie hier im Magazin den Artikel Bilderkennung.

Sprachverarbeitung – Wenn Maschinen zuhören

KI-Systeme können gesprochene Sprache in Text umwandeln. Hier sind Beispiele dafür:

Generative KI – Inhalte automatisch erstellen

Texte erzeugen

KI-Systeme können Texte erzeugen. In einem „Prompt” können Nutzer einem solchen System mitteilen, welchen Text das System erzeugen soll.

Hier sind Beispiele wo KI-generierte Texte eingesetzt werden können.

Der Chatbot ChatGPT löste eine breite Diskussion aus. Was steckt dahinter? Welche Chancen und welche Risiken ergeben sich damit? Lesen Sie woher Chatbots ihr Können haben und was das heute und morgen für uns bedeuten kann, hier im Magazin im Artikel Chatbots.

Bilder erzeugen

KI-Systeme können aus den textuellen Beschreibungen („Prompts”) ihrer Nutzer auch Bilder erzeugen.

Hier sind Beispiele, wofür KI-generierte Bilder genutzt werden können.

Hier wie auch bei den anderen Arten generativer KI - also KI-Systemen, die Texte, Audioinhalte, Bilder oder Videos erzeugen - ergeben sich Fragen zum Urheberschutz, die noch ungeklärt sind:

• Generative KI-Systeme werden oft auch mit urheberrechtlich geschütztem Material trainiert. Dürfen daraus erzeugte Bilder, z.B. im erzeugt im Stile von Künstler XY, verbreitet werden, also z.B. auf einer Webseite veröffentlicht werden?

• Und kann ein KI-generiertes Bild urheberrechtlich geschützt sein, d.h. ab wann hat ein Prompt ausreichend Schöpfungshöhe?

Erfahren Sie mehr über diese Fragen bei irights.info.

Audioinhalte und Videos erzeugen

KI-Systeme können Audioinhalte erzeugen.

Hier sind Beispiele, wofür KI-generierte Audios genutzt werden können.

KI kann daher auch bei der Erzeugung oder Manipulation von Videos verwendet werden. Durch diese „Deepfakes” wird eine neue Dimension digitaler Täuschung möglich. Erfahren Sie im Artikel Deepfakes mehr über die Möglichkeiten und Folgen dieser Technologie und wie wir dem Phänomen Deepfakes begegnen können.

Offene Fragen und Grenzen des KI-Einsatzes

KI-Einsatz und Gerechtigkeit

KI-Einsatz und die Folgen für das Klima

KI-Systeme benötigen bei der Generierung von Inhalten und zum generellen Betrieb immense Energiemengen in Rechenzentren und in den eingesetzten digitalen Endgeräten - die ökologische Nachhaltigkeit von KI ist also fragwürdig.

KI-Einsatz und Regulierung

Weiterführende Informationen

Informationen zu weiteren Themen finden Sie auf unserer Überblicksseite Künstliche Intelligenz, Abschnitt „Gesellschaftlich-kulturelle Perspektiven”.