Was ist künstliche Intelligenz?

Künstliche Intelligenz (KI) ist ein Bereich der Informatik, der sich auf die Entwicklung von Maschinen konzentriert, die Aufgaben ausführen können, für die normalerweise menschliche Intelligenz erforderlich ist. Dies geschieht durch lernen, schlussfolgern, verstehen und anpassen. Künstliche Intelligenz gibt es seit vielen Jahren. Sie wird oft für bestimmte und eingegrenzte Anwendungstypen wie Empfehlungs-Engines bei Online-Suchen verwendet.

Schwache KI und allgemeine (starke) KI

Mit der Einführung großer Sprachmodelle (Large Language Models, LLMs) und Tools für generativen KI (GenAI) wie ChatGPT hat KI im Alltag an Bedeutung und Nützlichkeit gewonnen. Dies hat auch zu einer neuen Kategorisierung von KI geführt, die zukünftige Anwendungsfälle berücksichtigt:

• Schwache KI (auch „schmale KI“ genannt): Diese Art von KI ist für die Ausführung bestimmter Aufgaben wie Gesichtserkennung oder Fahren eines Autos konzipiert. Die meisten aktuellen KI-Anwendungen gehören zu dieser Kategorie.
• Allgemeine KI oder (auch starke KI genannt): Diese Art KI steht für eine breitere Palette kognitiver Fähigkeiten, mit denen beliebige Aufgaben des „Nachdenkens“ und der Schlussfolgerung ausgeführt werden können, wie es einem Menschen möglich ist. Diese allgemeine KI gibt es noch nicht, sie ist jedoch ein langfristiges Ziel in der KI-Forschung.

Vorteile von künstlicher Intelligenz

KI bietet zahlreiche Endanwendern und Unternehmen in jeder Branche zahlreiche Vorteile. Je nach Anwendungsfall ist KI in der Lage, Muster zu erkennen und Ereignisse zu prognostizieren, komplexe Prozesse zu automatisieren und Workflows an die individuellen Bedürfnisse eines Projekts oder einer Person anzupassen. Ebenso kann KI eine entscheidende Rolle bei der Überwachung und Optimierung des Ressourcenmanagements spielen. Dank Fortschritten in dieser Technologie wie der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) kann KI als Basis für Chatbots und Benutzerschnittstellen dienen, um Benutzern personalisierte Interaktionen zu bieten, was den Zugriff auf Informationen erleichtert. KI kann die Art und Weise, wie Menschen und Unternehmen oder Einrichtungen arbeiten, Entscheidungen treffen und Kreativität umsetzen, grundlegend verändern.

Mit künstlicher Intelligenz verbundene Problematik

Bei der Einführung von KI sind einige Hindernisse zu überwinden, darunter hohe Anfangskosten im Zusammenhang mit der Einrichtung der KI-Infrastruktur und der Einstellung qualifizierter Fachleute für die Entwicklung und Wartung dieser Systeme. Führungskräfte in der Wirtschaft werden möglicherweise auch feststellen, dass die Integration der KI-Technologie in ihre bestehenden Betriebsabläufe zeitraubend sein und Betriebsunterbrechungen verursachen kann, und dass für bestmögliche Ergebnisse ständige Überwachung, Analyse und Optimierung von Modellen erforderlich sind. Wenn Unternehmen KI als Entscheidungsgrundlage verwenden, müssen sie außerdem proaktiv gegen mögliche verzerrende Tendenzen (Voreingenommenheit) in KI-Modellen vorgehen.

Glücklicherweise können Unternehmen für ihre KI-Prozesse eventuell die vorhandene IT-Infrastruktur – zusätzlich zu Hybrid-Cloud-Ressourcen – nutzen, um die Anfangskosten zu mindern. Eine stufenweise Implementierung und Pilotprogramme können den Übergang zur KI vor der vollständigen Einführung erleichtern, und die kontinuierliche Verbesserung von KI-Modellen kann im Lauf der Zeit die Effizienz der KI verbessern. Um verzerrende Tendenzen in KI-Modellen zurückzudrängen, können Unternehmen regelmäßig Daten und Inferenzergebnisse überprüfen, um mehr Transparenz zu erhalten, verschiedene Bestände an Trainingsdaten verwenden und die Diversität und Gleichstellung innerhalb der Teams fördern, die KI-Systeme designen und entwickeln.

Wie funktioniert künstliche Intelligenz?

Die Kernkompetenz der KI-Technologie besteht in der Fähigkeit von KI-Modellen, Daten zu analysieren, Muster zu erkennen und Entscheidungen mit minimalem menschlichem Eingriff zu treffen. Aus technischer Sicht arbeiten KI-Modelle mit ausgefeilten Algorithmen, die es Maschinen ermöglichen, Daten zu verarbeiten, daraus zu lernen und fundierte Entscheidungen zu treffen. KI-Modelle sind im Wesentlichen Software, die Datenwissenschaftler und KI-Entwickler programmieren und mit riesigen Datenmengen trainieren.

Ablauf der KI-Entwicklung

Die KI-Entwicklung lässt sich in drei Hauptphasen unterteilen. Die erste Phase ist die Vorverarbeitung bzw. Aufbereitung von Daten, in der die zu analysierenden Daten bereinigt und formatiert werden. Als Nächstes folgt die KI-Modellierung, bei der Algorithmen und Frameworks für die Entwicklung des Modells ausgewählt werden und das Modell aus den vorverarbeiteten Daten lernt. In der letzten Phase wird das trainierte Modell bereitgestellt und für Inferenzverfahren verwendet, um Vorhersagen oder Entscheidungen basierend auf neuen Daten zu treffen und seine praktische Anwendbarkeit zu demonstrieren. Dieser gesamte Prozess – vom Anfang bis zum Ende – wird oft als KI-Pipeline bezeichnet.

Warum ist künstliche Intelligenz wichtig?

KI hat bereits tiefgreifende Auswirkungen auf unsere Gesellschaft, von der Unterstützung von Klinikern bei medizinischen Diagnosen bis hin zur Unterstützung von Unternehmen beim Design verbesserter, komplexerer Produkte. Überall dort, wo Wissen und Daten vorhanden sind, bietet KI neue Möglichkeiten, diese Daten zu verstehen und mit ihnen zu interagieren, um neue Ergebnisse zu erzielen.

Wie wird künstliche Intelligenz verwendet?

Die Anwendung von KI kann in Bezug auf ihre Komplexität und Funktionen stark variieren. Hier sind vier häufige Verwendungsarten von KI:

Maschinelles Lernen

Beim maschinellen Lernen werden mehrere Algorithmen verwendet, also Sätze logischer Anweisungen, um Muster in Daten zu erkennen und daraus zu lernen. Je mehr Daten das maschinelle Lernen verwendet, desto genauer wird es.

Deep Learning

Deep Learning ist eine mehrschichtige Version des maschinellen Lernens, die für die Verarbeitung großer Datenmengen entwickelt wurde. Im Gegensatz zu maschinellem Lernen ist Deep Learning für die Verarbeitung von Rohdaten konzipiert und erfordert weniger oder keine menschlichen Eingriffe, um die Genauigkeit zu verbessern.

Neurale Netzwerke

Neuronale Netzwerke sind die Bausteine von maschinellen und Deep-Learning-Systemen und bestehen aus miteinander verbundenen Knoten, die die Struktur des menschlichen Gehirns emulieren. Jeder Knoten führt eine Berechnung durch und gibt sein Ergebnis an nachfolgende Knoten weiter.

Computervision

Computervision ist eine Art von KI, die es Computern ermöglicht, visuelle Eingaben zu verstehen und darauf zu reagieren. Im Allgemeinen hilft Computervision Maschinen, bestimmte Objekte in der physischen Welt zu erkennen.

Einsatz von KI in verschiedenen Branchen

Aufgrund ihrer Anpassungsfähigkeit und ihres Potenzials für noch nicht ausgedachte Anwendungen entwickelt sich KI als grundlegende Komponente der digitalen Transformation in verschiedenen Branchen weiter. Hier sind einige bedeutende Beispiele:

• KI in der Automobiltechnik: KI leistet einen erheblichen Beitrag zur Realisierung fahrerloser Fahrzeuge. Sie nutzt Computervision, um die Beobachtung von Fahrer und Passagieren zu ermöglichen und ergänzt die Ausstattung mit GenAI-Assistenten und KI-gestütztem Gaming.
• KI im Bankwesen, KI im Finanzdienstleistungssektor: KI-Chatbots personalisieren Kundeninteraktionen, während KI im Backend dazu beiträgt, Betrug zu erkennen und zu verhindern, die Risikobewertung zu automatisieren und algorithmischen Aktienhandel zu erleichtern.
• KI in der Cybersicherheit: KI unterstützt tiefgreifende Strategien für Sicherheit und Abwehr durch Automatisierung der Erkennung und Reaktion auf Bedrohungen. Angesichts des größer werdenden digitalen Fußabdrucks von Unternehmen, verlassen sich SecOps- und IT-Teams zunehmend auf KI, um Operationen über menschliche Grenzen hinaus zu skalieren.
• KI im Bildungswesen: KI-Tools helfen Lehrern und Schülern, den Unterricht zu personalisieren und die administrative Effizienz bei der Bewertung von Aufgaben oder der Anwesenheitserfassung zu steigern.
• KI im Gesundheitswesen: KI wird von medizinischen Fachkräften genutzt, um die Geschwindigkeit und Genauigkeit von Diagnosen zu verbessern. In der medizinischen Forschung helfen die Mustererkennungsfunktionen von KI, die Wirkstoffentdeckung zu beschleunigen.
• KI in der Fertigung: KI forciert die Robotertechnik in der Fabrik und im Lager, automatisiert die Wahrnehmung der Situation mit digitalen Zwillingen, hilft mit vorausschauender Wartung, Ausfallzeiten zu reduzieren, und ermöglicht mit automatisierter Fehlererkennung eine höhere Ausbeute.
• KI im Bereich Nachhaltigkeit, KI im Energiesektor: KI verbessert intelligente Stromnetze, die erneuerbare Energien effizient integrieren, ermöglicht vorausschauende Wartung der Energieinfrastruktur wie Stromleitungen, hilft bei der Optimierung des Energieverbrauchs in Gebäuden und analysiert Umwelt- und Emissionsdaten, um gegen den Klimawandel vorzugehen.

Die Geschichte der künstlichen Intelligenz

Die KI hat eine reiche, komplexe Geschichte voller wichtiger Figuren, Innovationen und Institutionen. Hier sind einige Meilensteine, die veranschaulichen, wie sehr sich die KI weiterentwickelt hat, um an ihrem jetzigen Stand anzukommen.

Die vier Typen künstlicher Intelligenz

Forscher haben vier Typen künstlicher Intelligenz festgelegt. Diese Typen spiegeln den aktuellen Stand von KI wider und wie sie bei vollständiger Realisierung aussehen könnte.

Reaktive Maschinen (Reactive Machines)

Aufgabenspezifische KI, die keine Erinnerung an vergangene Ereignisse speichert, wird als reaktive Maschine bezeichnet. Diese Art KI nutzt wiederholbare Dateneingaben und liefert vorhersehbare Ausgaben. Ein Beispiel für eine reaktive Maschine ist ein visuelles Inspektionsgerät an einer Montagelinie.

Begrenzter Speicher (Limited Memory)

Begrenzter Speicher bezieht sich auf KI-Prozesse, die aus zusätzlichen Dateneingaben lernen. Sie wenden Deep Learning an, um ihre Genauigkeit kontinuierlich anzupassen und zu verbessern. Beispiele für Limited-Memory-KI sind selbstfahrende Autos und LLMs.

Theorie des Geistes (Theory of Mind)

Theory of Mind beschreibt eine Art KI, die die Emotionen, Überzeugungen und Absichten anderer Wesen verstehen und interpretieren kann. Diese Art KI existiert derzeit noch nicht.

Selbsterkenntnis

KI mit Selbsterkenntnis kann ihre eigene Existenz verstehen und ein Selbstbewusstsein besitzen. Diese Art KI werden wir vorerst nur in Theorien und Science-Fiction-Medien sehen.

Lösungen für künstliche Intelligenz

Die meisten KI-Bereitstellungen bestehen aus KI-Software, die auf KI-Hardware ausgeführt wird, dazu können Geräte und/oder Server gehören, und stets eine Art KI-Prozessor.

KI-Hardware

KI-Hardware umfasst die allgemeinen und speziellen Computerteile und -komponenten, die zur Unterstützung von KI-Workloads über Geräte, Server oder Cloud-Umgebungen hinweg verwendet werden. Im Allgemeinen bezieht sich KI-Hardware auf Systeme, die für die Inferenz nach der Bereitstellung entwickelt wurden. Sie kann sich jedoch auch auf Systeme zur Entwicklung und zum Training von KI-Modellen beziehen.

KI-Prozessoren

KI-Prozessoren beziehen sich in der Regel auf CPUs (Central Processing Units), die für KI-Workloads entwickelt wurden, zusätzlich zu KI-Beschleunigern wie GPUs (Graphic Processing Units), NPUs (Neural Processing Units) oder FPGAs (Field-Programmable Gate Arrays).

KI-Server

KI-Server beziehen sich auf jede beliebige Serverkonfiguration, einschließlich Prozessoren, Beschleuniger, Arbeitsspeicher, Datenspeicher oder Netzwerktechnik, die speziell für die Unterstützung von KI-Workloads entwickelt wurde.

KI-Software

KI-Software ist ein breites Thema, das viele Arten von Programmen abdeckt. Sie kann sich auf KI-Anwendungen oder KI-Modelle beziehen, mit denen Benutzer über eine Schnittstelle direkt interagieren, wie KI-Chatbots, oder auf KI-Programme, die als Hintergrundprozesse ohne Benutzeraufforderung ausgeführt werden. KI-Software kann sich auch auf die Programme oder Tools beziehen, die von Entwicklern zur Vorbereitung von Datenmengen und zur Entwicklung, Bereitstellung und Optimierung von KI-Modellen verwendet werden.

Zukunft der künstlichen Intelligenz

Die KI entwickelt sich rasch weiter und bringt bemerkenswerte Fortschritte hervor, die auf eine Zukunft voller Potenzial schließen lassen. Fortschritte auf bereits etablierten Gebieten wie maschinellem Lernen und Deep Learning könnten in Kombination mit der schöpferischen Fähigkeit von LLMs ganze Branchen umgestalten, die Effizienz verbessern und neue Dimensionen der Kreativität erschließen.

Verantwortungsvolle KI

Da immer mehr Unternehmen und Mitglieder der Öffentlichkeit KI einsetzen, kann die Verwendung verantwortungsvoller KI dazu beitragen, potenziell negativ ausfallende Auswirkungen zu begrenzen. Verantwortliche KI beschreibt KI-Prozesse, die transparent, fair und nachvollziehbar sind. Die Integration dieser Verfahren in die Entwicklung und Implementierung von KI kann dazu beitragen, die Auswirkungen von Voreingenommenheit zu mindern und sicherzustellen, dass KI auf positive und unterstützende Weise eingesetzt wird.