Business 5.0 E-Book

Thomas R Köhler

• Herausgeber: Campus Verlag
• Kategorie: Wissenschaft und neue Technologien
• Sprache: Deutsch
• Veröffentlichungsjahr: 2024

Seitenzahl: 335

Beschreibung

Endlich ist er da, der Durchbruch für Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI). Doch Zweifel an der »Universalwaffe« ChatGPT und ähnlichen KI-Systemen sind erlaubt. Thomas R. Köhler und Julia Finkeissen liefern in ihrem neuen Buch eine Bestandsaufnahme der aktuellen Technologien und trennen dabei schonungslos Hype von Wirklichkeit. Sie liefern das Rüstzeug für jede Führungskraft, um KI aktiv im Unternehmen sinnvoll einzusetzen. Business 5.0 zeigt in sieben Schritten, wo und wie KI-Projekte im Unternehmen etabliert werden können, und liefert konkrete Beispiele für unterschiedliche Branchen und Querschnittsfunktionen. Ein nachhaltiger KI-Einsatz im Unternehmen steht dabei im Mittelpunkt.

Leseprobe

Cover for EPUB

Thomas R. Köhler Julia Finkeissen

BUSINESS 5.0

Der Praxis-Guide für Künstliche Intelligenz in Unternehmen – Chancen und Risiken

Campus VerlagFrankfurt/New York

Über das Buch

Endlich ist er da, der Durchbruch für Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI). Doch Zweifel an der »Universalwaffe« ChatGPT und ähnlichen KI-Systemen sind erlaubt. Julia Finkeissen und Thomas R. Köhler liefern in ihrem neuen Buch eine Bestandsaufnahme der aktuellen Technologien und trennen dabei schonungslos Hype von Wirklichkeit. Sie liefern das Rüstzeug für jede Führungskraft, um KI aktiv im Unternehmen sinnvoll einzusetzen. Business 5.0 zeigt in sieben Schritten, wo und wie KI-Projekte im Unternehmen etabliert werden können, und liefert konkrete Beispiele für unterschiedliche Branchen und Querschnittsfunktionen. Ein nachhaltiger KI-Einsatz im Unternehmen steht dabei im Mittelpunkt.

Vita

Thomas R. Köhler ist einer der profiliertesten Vordenker zum Thema Cybersicherheit und Verfasser mehrerer Bücher zur Sicherheit im Netz. Er bringt Erfahrung aus universitärer Forschung und Lehre, Unternehmensberatung und eigenen Unternehmen mit. Als Geschäftsführer der Münchner Technologieberatung CE21 berät er Unternehmen und öffentliche Einrichtungen bei der Bewertung von Cyberrisiken und dem Aufbau und Betrieb sicherer Infrastrukturen. Köhler ist seit 2019 Research Professor am Center for International Innovation der Hankou University (China).Julia Finkeissen ist vielseitige Unternehmerin, Investorin und KI-Enthusiastin mit Fokus auf zeitgenössischer und digitaler Kunst. Mit ihrer Firma Vioventi Art berät sie Unternehmen und Privatpersonen in allen digitalen Zukunftsthemen. »Business 5.0« ist nach »Chefsache Metaverse« ihr zweites Buch im Campus Verlag. Finkeissen forscht zu digitalen Lösungen im Kunstmarkt, ist Forschungsprofessorin am Center for International Innovation der Hankou University (Wuhan, China) und Mutter von sieben Kindern. Auf ihrem LinkedIn-Feed postet sie regelmäßig Neues rund um KI und das Metaverse.

Übersicht

Cover

Titel

Über das Buch

Vita

INHALT

Impressum

INHALT

VORWORT

BUSINESS 5.0

1

KI AUS DER UNTERNEHMENSPERSPEKTIVE

Das Versprechen von KI

Der Hype in Zahlen

Was genau versteht man unter Künstlicher Intelligenz?

Generative KI

Formen von Künstlicher Intelligenz

Prompts – die Steuerung von generativer KI

Anbieter von generativen KI-Modellen

Internationale Initiativen

Auf die Größe kommt es an? KI-Modelle in der Praxis

2

ANWENDUNGSFELDER VON KÜNSTLICHER INTELLIGENZ IN UNTERNEHMEN UND ORGANISATIONEN

Büroarbeiten

Kunden- und Mitarbeiterkommunikation

Einkauf

Human Resources

Marketing und Vertrieb

Unternehmensführung

Forschung und Entwicklung

Einzelhandel

Tourismus

Modeindustrie

Aus- und Weiterbildung

Medien und Unterhaltung

Finanzbranche – Banken

Finanzbranche – Versicherungen

Softwareentwicklung

Mobilität

Transport und Logistik

Immobilienwirtschaft

Unternehmensberatung

Medizin

Kunstmarkt

Produktionsbetriebe

Landwirtschaft und Viehzucht

Kanzleien und Rechtsabteilungen

Buchbranche

Kirche, Seelsorge und psychologische Betreuung

Polizeiarbeit und Strafverfolgung

Ausblick

3

KI UND DER EINFLUSS AUF ARBEITSWELT, TECHNOLOGIEWELT UND INDIVIDUELLE LEBENSWIRKLICHKEIT

Wirtschaft und Arbeitsmarkt

Informationstechnologie

World Wide Web

KI in unserer Lebenswirklichkeit

4

RISIKEN UND GEFAHREN

Grundlegende Gefahren durch generative KI

Falsche und irreführende Ergebnisse

KI-Halluzinationen

Bias

Problematische Herkunft der Daten

Ausbeutung von Mindestlohnmitarbeitern

Copyright-Fragen

Datenschutzfragen

Fake-Inhalte

Propaganda und Täuschung

Schädliche Inhalte und Hassrede

Manipulation von Verhalten

Abfluss von Unternehmensdaten

Modellkollaps

KI und das Ende der Menschheit

Big Tech und die KI-Debatte – warum wir den Technologieanbietern nicht das Feld überlassen dürfen

Cybersicherheit und KI

5

KI UND DIE NACHHALTIGKEIT – EINE SCHWIERIGE BEZIEHUNG

Nachhaltigkeit in der Digitalisierung

Nachhaltigkeit und KI

Wie die Versöhnung von KI und Klimaschutzanforderungen gelingen kann

6

WIDERSTAND GEGEN KI

7

ETHISCHE FRAGESTELLUNGEN DER KI – EIN LEITFADEN FÜR UNTERNEHMEN

Ethische Entwicklungsprinzipien

Voreingenommenheit und Diskriminierung in Künstlicher Intelligenz

Die Grenzen von ChatGPT und aktuellere Alternativen für den Einsatz in Unternehmen

Greift KI ethisch in unser Leben ein?

Ethische Grundsätze für verantwortungsvolle KI

Die Herausforderung der Haftungsregelung für Künstliche Intelligenz

Ethische Implikationen von KI-gesteuerter Emotions- und Verhaltensmodulation

KI-induzierter Jobwandel: Braucht es ein Recht auf Arbeit?

Risikomanagement für verantwortungsvolle KI in Unternehmen

8

SIEBEN SCHRITTE ZUM KI-EINSATZ IM UNTERNEHMEN

KI-Wertschöpfungskette

KI-Einsatz im Unternehmen – die Vorbereitung

Schritt 1: Identifikation möglicher Anwendungsfelder und Definition der Erfolgskriterien

Schritt 2: Markt- und Wettbewerbsanalyse

Schritt 3: Entscheidung Make or Buy?

Sourcing – die zentrale Frage für den AI-Einsatz im Unternehmen

AI as a Service

KI im Eigenbetrieb

Entscheidungsfindung: Make or Buy?

Schritt 4: Integration in die eigene Organisationsstruktur

Einbindung in die eigene Datenstrategie

Führungsaufgabe KI

Schritt 5: Auswahl und Training des KI-Modells

Schritt 6: Implementierung in den Live-Betrieb

Schritt 7: Erfolgsmessung

Investments in KI-Unternehmen als Alternative zum KI-Projekt?

Umgang mit der »Schatten-KI«

9

AUSBLICK – DAS ZUKÜNFTIGE MITEINANDER VON MENSCH UND KI IM UNTERNEHMEN

KI und der Hype Cycle

The map is not the territory

Final Thoughts

GLOSSAR

DIE AUTOREN

ANMERKUNGEN

Vorwort

Business 5.0

1

KI aus der Unternehmensperspektive

2

Anwendungsfelder von Künstlicher Intelligenz in Unternehmen und Organisationen

3

KI und der Einfluss auf Arbeitswelt, Technologiewelt und individuelle Lebenswirklichkeit

4

Risiken und Gefahren

5

KI und die Nachhaltigkeit – eine schwierige Beziehung

6

Widerstand gegen KI

7

Ethische Fragestellungen der KI – ein Leitfaden für Unternehmen

8

Schritte zum KI-Einsatz im Unternehmen

9

Ausblick – Das zukünftige Miteinander von Mensch und KI im Unternehmen

VORWORT

Der Begriff KI, Künstliche Intelligenz, ist in aller Munde – mal wieder. Seit den 1960er Jahren wird uns von der Technologiebranche versprochen, dass der große Durchbruch für die gerne auch nach dem internationalen Begriff AI, Artificial Intelligence, benannte Technologie, oder besser Gruppe von Technologien, kurz bevorstünde.

In der letzten KI-Welle sollten virtuelle Sprachassistenten wie Siri, Google Assistant oder Amazon Alexa unsere Welt revolutionieren. Um bei diesem Boom dabei zu sein, gaben Unternehmen Millionen aus. Das reichte von sogenannten Skills, um bei Diensten Dritter wie Amazon Alexa mitwirken zu können, bis hin zum eigenen Sprachassistenten »Hey Mercedes«, der den Fahrern der Marke Antworten auf Fragen wie »Hey Mercedes, was ist der Sinn des Lebens?« verspricht.1 Lachen Sie nicht, das wird tatsächlich von Mercedes-Benz als Beispielanwendung genannt, ebenso wie die Ankündigung, man könne in Zukunft darüber die heimische Kaffeemaschine steuern.2

Der Erfolg all dieser Initiativen rund um Künstliche Intelligenz blieb bis dato – vorsichtig gesagt – überschaubar. Microsofts erst 2014 gestarteter Sprachassistent »Cortana« wurde sogar für Ende 2023 »abgekündigt«, wie die Technologiebranche das Ableben eines Produkts oder Dienstangebots euphemistisch bezeichnet. Für Amazon ist Alexa ein dauerhaftes Verlustgeschäft – von rund 10 Milliarden Verlust allein im Jahr 2022 war bereits die Rede.3 Noch hält man bei dem E-Commerce-Riesen daran fest – doch wie lange noch angesichts dieser Zahlen?

Jahrzehntelang wurden immer wieder größere Durchbrüche bei den Anwendungspotenzialen Künstlicher Intelligenz versprochen, die aber bei Licht betrachtet stets weit weniger glamourös und nutzbringend waren als angekündigt. Da stellt sich die Frage, warum ausgerechnet jetzt plötzlich alles anders sein soll. Sie ist berechtigt, denn der Hype rund um die aktuelle Iteration von Künstlicher Intelligenz – sogenannter generativer KI – treibt seltsame Blüten. Renommierte Beratungsunternehmen sehen hier »Trillionen Dollar Wachstum«, während TV-Philosophen wie Brancheninsider die Gefahren der neuen Technologie beschwören, einen Entwicklungsstopp fordern und sogar vor dem möglichen Ende der Menschheit durch eine potenziell übergriffig werdende KI warnen.

Die erste weithin bekannt gewordene Inkarnation dieser neuen KI-Generation sieht indes gar nicht nach einer bedrohlichen Waffe aus. Sie hört auf den unscheinbaren Namen ChatGPT und liefert jede Menge praktischen Nutzen für jeden, der sich – trotz der vielfältigen Warnungen – selbst an sie herantraut. Über 100 Millionen Menschen haben binnen der ersten Monate nach dem Start im Spätherbst 2022 ChatGPT bereits ausprobiert und sind vielfach dabeigeblieben, trotz Anmeldezwang und eher drögem User-Interface, denn es gibt nichts zu klicken oder zu wischen. Die Nutzerinteraktion findet wie in der Steinzeit der Computerei per Texteingabe statt – Buchstabe für Buchstabe werden Fragen und Befehle an das System formuliert. Ausgegeben wird dann wiederum Text, bei anderen Systemen auch Musik, Bild und Bewegtbild. Das ist archaisch, aber funktional.

Diese Technologie ist so nutzbringend, dass nicht nur Schüler und Studierende damit ihre Hausarbeiten beschleunigen, sondern auch Softwareentwickler nach Fehlern in ihren Programmen suchen, Berater Präsentationen erstellen und Architekten Ideen generieren, ohne dass ihnen jeweils jemand genau gesagt hätte, wie das geht. Die Anwendungsmöglichkeiten sind vielfältig, ein potenziell nutzbringender Einsatz im eigenen Unternehmen scheint also geboten. Doch wo soll man anfangen? Wo finden sich relevante Informationen?

Eigentlich fehlt es ja an nichts. Technische Details und Beschreibungen finden sich ebenso im Internet wie die Studien der großen Unternehmensberatungen, die das Thema längst »auf die CEO-Agenda« gesetzt haben. Aber Techniker verlieren sich gerne in Details, Berater sehen nur die nächste »Opportunity« und liefern »high level talk« für die Vorstandsetage ohne konkrete Ansatzpunkte und alle anderen scheinen geradezu besessen von den Weltuntergangsfantasien einer potenziell immer intelligenter werdenden KI.

Einen anderen Anfang wagen wir nun in diesem Buch aufgrund unserer Erfahrungen aus zahlreichen Technologieinnovationen: hart an den Anwendungen, mit einem realistischen und bewertenden Blick auf Chancen und Risiken und so viel Theorie wie nötig. Es ist ein Handbuch aus der Praxis für die Praxis. Lassen Sie uns nach Ihrer Lektüre gerne wissen, wie weit dies gelungen ist.

BUSINESS 5.0

Warum Business 5.0? Warum noch ein Begriff in einer an neuen Wortschöpfungen nicht gerade armen Welt? Wir sind davon überzeugt, dass sich mit der absehbaren breiten Adaption von generativer KI – quer über alle Unternehmensfunktionen hinweg – viele Spielregeln im Wettbewerb ändern werden. Wer automatisiert, der gewinnt, das galt vorher schon in vielen Branchen und bei vielen Professionen – von der Logistik bis zum Banking. Auf der Strecke blieben dabei aber häufig die Individualität – bei vielen Kunden blieb und bleibt das Gefühl, nicht mehr als eine Nummer zu sein – und die Möglichkeit zur Adaption an veränderte Rahmenbedingungen.

Generative KI ändert das. Sie verspricht einen hohen Automatisierungsgrad bei gleichzeitig hoher Variabilität. Wir werden im Laufe dieses Buches zeigen, wie dies gelingen kann und warum generative KI dafür die Schlüsseltechnologie darstellt.

Die Bezeichnung »Business 5.0« bezieht sich auf die Entwicklungsphasen der industriellen Revolution. Der Begriff »Industrie 4.0« dürfte den meisten Lesern bekannt sein. Nur zur Erinnerung: Die erste industrielle Revolution, das Entstehen dessen, was wir heute als Urform der Industrialisierung in Erinnerung haben, ist eng verbunden mit der Mechanisierung und der Nutzung von Wasserkraft und Dampfmaschinen. Die zweite Phase ordnet man dem Thema Elektrifizierung der Fabriken und Einführung des Fließbands zu als Start dessen, was wir bis heute mit Massenproduktion verbinden. Mit der Automatisierung und dem Einzug von Elektronik und Informationstechnologien wurde in den 1970er Jahren die dritte industrielle Revolution eingeleitet, während wir heute mit Industrie 4.0 über eine vernetzte Produktion und das Internet der Dinge sprechen. Der schöne, aber außerhalb der akademischen Welt wenig verstandene Begriff des Cyber-Physical-Systems stammt daher. Gemeint ist damit die Vernetzung von Anlagen und Systemen, und diese findet eine Fortsetzung in dem, was derzeit – unter anderem vonseiten der EU – unter dem Begriff »Industrie 5.0« propagiert wird.

Dort heißt es dazu unter anderem: »Sie [Industrie 5.0] ergänzt das bestehende Konzept der ›Industrie 4.0‹, indem sie Forschung und Innovation gezielt in den Dienst des Übergangs zu einer nachhaltigen, auf den Menschen ausgerichteten und resilienteren europäischen Industrie stellt.«1 Sie zielt dabei insbesondere auf die »Anwendung eines auf den Menschen ausgerichteten Ansatzes für digitale Technologien, einschließlich künstlicher Intelligenz.«2 Geschehen soll dies unter anderem durch eine bessere Mensch-Maschine-Kollaboration, beispielsweise mit »intelligenten« Robotern, und mit dem Ziel einer Individualisierung der Produktion unter dem Titel »Mass Customization«. Dieser Begriff spukt seit Jahrzehnten durch die Wirtschaftswissenschaften, doch der Traum von der Hyperindividualisierung kam bis dato noch nicht so richtig zum Fliegen.

Wir sehen »Business 5.0« als Parallelbegriff zur gerade diskutierten »Industrie 5.0«. Beide versprechen eine bessere Zusammenarbeit von Mensch und Technologie sowie eine hohe Individualität trotz Massenangang. Nur ist »Business 5.0« eben gerade nicht auf die Industrieproduktion beschränkt, sondern quer durch alle denkbaren Branchen vertreten sowie in zahlreichen betrieblichen Funktionen, ganz unabhängig von der Branche.

Eine durch generative KI erstellte Werbemail wird eben nicht 10 000-mal in der gleichen Form versendet, sondern hochindividuell in »Stückzahl 1« und das 10 000-mal. Neu ist, dass das ohne signifikanten Mehraufwand geht. So lautet zumindest das zentrale Versprechen der neuen Technologiegeneration, die wir im Folgenden mit Blick auf ihre Auswirkungen und Anwendungsmöglichkeiten diskutieren wollen und für deren Nutzung wir im Kapitel 8 entsprechende Guidelines entwickelt haben.

1KI AUS DER UNTERNEHMENSPERSPEKTIVE

Das Versprechen von KI

Es wird die neue »Universalmaschine«. Ob Text, Konzept, Musikstück, Programmieraufgabe oder Bild – generative KI kann alles, also von allem zumindest ein bisschen. Ein Bild vom Papst im Daunenmantel, ein Gedicht im Stil von Schillers »Lied von der Glocke«, ein Konzept für den Markteintritt in Kasachstan? Kein Problem. Entwickler, Investoren und Analysten erwarten gleichermaßen enorme Umbrüche durch generative KI in den nächsten Jahren.

Fachleute sind sich einig, dass die Anwendungspotenziale noch nicht vollständig erschlossen sind. Im Gegenteil, wir kratzen nur an der Oberfläche und finden mit jeder Nutzung immer mehr an Potenzial. Das weckt Begeisterung und führt zu einer Vielzahl von optimistischen Prognosen über die wirtschaftlichen Potenziale. Die Wirtschaftsprüfungsgesellschaft PWC hebt sich in ihrer Global Artificial Intelligence Study besonders mit ihrer Prognose hervor, die den potenziellen Wertbeitrag von KI bei bis zu 15,7 Billionen US-Dollar sieht.1 Die größten wirtschaftlichen Gewinne durch KI werden – nach PWC – China (26 Prozent Steigerung des Bruttoinlandsprodukts im Jahr 2030) und Nordamerika (14,5 Prozent Steigerung) erzielen, was insgesamt 10,7 Billionen US-Dollar entspricht und fast 70 Prozent der globalen wirtschaftlichen Auswirkungen ausmacht. Die Steigerung für Europa wird mit vergleichbar überschaubaren 9,9 Prozent des Bruttoinlandsproduktes erwartet.2

Interessant ist in diesem Zusammenhang auch eine frühere Studie der Unternehmensberatung BCG aus dem Jahr 2021, nach der bei bisherigen KI-Projekten nur 11 Prozent der Unternehmen von erheblichen finanziellen Vorteilen durch Umsatz-/Kostenverbesserungen aufgrund der Implementierung von KI berichten.3

Generativer KI wird nicht nur in diesem Buch erheblich mehr an wirtschaftlichem Potenzial zugetraut.

Unter der Vielzahl positiver Prognosen rund um den aktuellen Hype um generative KI sticht die von Sequoia Capital ins Auge. Bis 2030 – das sind keine sechs Jahre mehr – erwartet das bekannte Venture-Capital-Unternehmen Folgendes: »Die Bereiche, auf die generative KI abzielt – Wissensarbeit und kreative Arbeit –, umfassen Milliarden von Arbeitnehmern. Generative KI kann diese Arbeitskräfte um mindestens 10 Prozent effizienter und/oder kreativer machen: Sie werden nicht nur schneller und effizienter, sondern auch fähiger als zuvor. Daher hat generative KI das Potenzial, Billionen von Dollar an wirtschaftlichem Wert zu generieren.«4

Die Vorhersagen von Sequoia Capital für generative KI für das Jahr 2030 umfassen unter anderem:

Text: Die endgültigen Entwürfe werden besser sein als die von professionellen Autoren.

Programmierung: Sie wird besser sein als die eines Vollzeitentwicklers.

Bilder: Sie werden besser sein als die von professionellen Künstlern und Designern.

Video-/3D-Spiele: Videospiele werden im Wesentlichen »personalisierte Träume« sein.

Die bekannte Analystenfirma Gartner setzt Generative KI nicht nur – wie erwartet – auf ihre Liste der wichtigsten disruptiven Technologien, sondern konkretisiert die eigenen Prognosen unter anderem so:5

Bis 2025 wird generative KI 10 Prozent aller Daten produzieren (heute sind es weniger als 1 Prozent) und 20 Prozent aller Testdaten für verbrauchernahe Anwendungsfälle.

Bis 2025 wird generative KI in 50 Prozent der Initiativen zur Entdeckung und Entwicklung von Medikamenten zum Einsatz kommen.

Bis 2027 werden 30 Prozent der Hersteller generative KI nutzen, um die Effektivität ihrer Produktentwicklung zu verbessern.

Das Unternehmen vergisst an anderer Stelle nicht zu erwähnen, dass das Thema auch Erwartungen an Unternehmen stellt. Investoren und Aktionäre etwa werden Wachstum und Margenverbesserung erwarten. Kunden, die generative KI in ihrem täglichen Leben nutzen, werden von den Unternehmen erwarten, dass sie das auch tun. Auch vonseiten der Mitarbeiter wird es Erwartungen geben. Sie werden das Unternehmen verlassen, wenn sie Arbeiten manuell erledigen müssen, die auch AI erledigen kann.6

Anders gesagt: Der Ball liegt in Ihrem Spielfeld. Generative KI wird oder ist bereits eines der wichtigsten Themen des Jahrzehnts, wenn es um die Zukunftsfähigkeit des eigenen Unternehmens geht.

Der Hype in Zahlen

Follow the money – Venture-Capital-Finanzierung ist ein bewegliches Ziel. Die Erfahrungen der letzten Jahrzehnte lehren: Nicht nur die gesamtwirtschaftliche Situation und damit die Möglichkeit der Investoren, Gelder für Investments einzusammeln, bestimmen den Markt, sondern vor allen Dingen die aktuellen Hype-Themen. Nach E-Commerce, Blockchain, Crypto und weiteren fokussieren sich viele Investoren nun aufgrund der hohen Ertragsaussichten auf KI-Anwendungen. Die einzige im Vergleich zu den US-Zahlen nennenswerte Finanzierung in Deutschland hat das Heidelberger Unternehmen Aleph Alpha erhalten: 100 Millionen Euro.7

2023 Schätzungen über das zukünftige Marktvolumen oder andere Messgrößen ökonomischer Auswirkungen von Generativer KI abgeben zu wollen, mutet aus unserer Sicht wie Kaffeesatzlesen an. Wer hatte 1995 – das Jahr, in dem ein einfacher Internetzugang für Endkunden in Deutschland verfügbar wurde – schon Vorstellungen davon, wie sich »das Netz« auf unsere Zukunft auswirken würde? Heute – fast 30 Jahre später – haben wir Erfahrung damit. Viele der Prognosen aus der Anfangszeit sind rückblickend betrachtet mehr als lächerlich. Mit ähnlicher Unsicherheit müssen wir auch heute leben, wenn wir uns aus der Unternehmensperspektive mit dem Technologietrend der Stunde – generativer KI – beschäftigen.

Was genau versteht man unter Künstlicher Intelligenz?

Die Idee von »denkenden Maschinen« ist nicht wirklich neu und reicht in ihren Anfängen bereits Jahrhunderte zurück. Im Wien des späten 18. Jahrhunderts machte eine Erfindung von sich reden, die als »mechanischer Türke« bekannt wurde. 1769 konstruierte der österreichisch-ungarische Hofbeamte und Mechaniker Wolfgang von Kempelen einen angeblichen Schachroboter. Der Erbauer ließ dabei den Eindruck entstehen, dass das Gerät selbstständig Schach spielen könne. Ein Tisch und eine mechanische Figur hinter dem Tisch, die sich bewegte, über das Schachbrett schaute und dabei mechanische Geräusche machte, überraschten die Betrachter der damaligen Zeit. Doch diese Figur – der angebliche Roboter – war, wie wir heute vielleicht sagen würden, »getürkt«.8

Tatsächlich war in dem Tisch ein Mensch versteckt, der das Schachspiel bediente. Wolfgang von Kempelen lehnte es stets ab, einen Hinweis auf das zugrunde liegende Funktionsprinzip zu geben. Über eine mögliche magnetische Übertragung der Zugbefehle wurde seitens der Betrachter ebenso gerätselt wie über die Möglichkeit, die Maschine könne eigenständig ohne jede menschliche Einwirkung die Berechnungen ausführen. Erst viele Jahre später wurde der Betrug aufgedeckt. Doch der Anschein einer denkenden Maschine war da bereits in der Welt.

Der britische Mathematikprofessor Charles Babbage entwarf mit der Analytical Engine eine mechanische Rechenmaschine für allgemeine Anwendungen und schuf damit wesentliche Grundlagen für die Geschichte des Computers als Universalmaschine, auf der heute auch AI-Programme zum Laufen kommen. Die Beschreibung veröffentlichte er 1837. Die ursprüngliche Idee konnte er bis zu seinem Lebensende nicht realisieren, aber es gilt als sicher, dass das System mit den vorgeschlagenen 55 000 Teilen, der Steuerung per Lochkarten und einem Antrieb per Dampfmaschine funktioniert hätte.9

Es sollte noch gut 100 Jahre dauern, bis Konrad Zuse 1941 tatsächlich einen funktionalen Rechner baute. Eng verbunden ist Babbages Erfindung mit Ada Lovelace, deren Konzept zur Steuerung der Analytical Engine heute als erstes Computerprogramm gilt – auch wenn es damals noch nicht realisierbar war. »Sie war davon überzeugt, dass eine Maschine eines Tages dafür genutzt werden könne, komplexe Musikstücke zu komponieren und Graphiken zu erstellen, und sowohl wissenschaftliche wie praktische Anwendung finden werde. Sie sollte Recht behalten.«10

In seinem 1872 erschienenen Roman Erewhon entwickelt der englische Schriftsteller Samuel Butler in drei Kapiteln, »The Book of the Machines«, die Idee einer Evolution der Maschinen. Diese könnten – so Butler in seinem Roman – irgendwann ein eigenes Bewusstsein entwickeln und dem Menschen schließlich überlegen sein. Ebenso taucht darin die Idee der sich selbst replizierenden Maschinen auf. Auch wenn das Buch im England des 19. Jahrhunderts eher als Verunglimpfung der zu dieser Zeit viel diskutierten Thesen von Charles Darwins Evolutionstheorie oder schlicht als Satire gesehen wurde, hat es beinahe hellseherische Kraft. Samuel Butler nahm damit viel von der Diskussion um Künstliche Intelligenz, wie wir sie heute führen, vorweg.

Samuel Butler schrieb in seinem Vorwort zur zweiten Auflage selbst: »Ich bedaure, dass Rezensenten in einigen Fällen geneigt waren, die Kapitel über Maschinen als einen Versuch zu betrachten, die Theorie von Herrn Darwin ad absurdum zu führen. Nichts könnte weiter von meiner Absicht entfernt sein, und nur wenige Dinge wären mir unangenehmer als jeder Versuch, Herrn Darwin auszulachen.«11

Im 20. Jahrhundert entwickelte sich schließlich die Vorstellung vom Roboter. Erstmals zu finden war dieser Begriff als »robot« in einem 1920 erschienenen Drama des tschechischen Schriftstellers Karel Čapek. R.U.R. – Rossum’s Universal Robots ist nicht nur der Titel des Werkes, sondern auch die Bezeichnung für das Unternehmen im Buch, das die künstlichen Menschen erzeugt. Die »Robots« werden als billige und rechtlose Arbeiter verwendet. Ihr massiver Einsatz in der Industrie verändert mit der Zeit die gesamte Weltwirtschaft. Im weiteren Verlauf des Theaterstücks rebellieren die Kunstmenschen jedoch und vernichten die Menschheit.

Der Name »Rossum« ist eine ironische Anspielung des Autors: Das tschechische Wort rozum bedeutet Vernunft, Verstand.12

Isaac Asimov, unter anderem Autor von Science-Fiction-Romanen wie Der Aufbruch zu den Sternen und Das galaktische Imperium, gibt 1942 Regeln für das Verhalten dieser Roboter. In einer ersten Fassung lauten diese Asimov’schen Gesetze:

Ein Roboter darf kein menschliches Wesen verletzen oder durch Untätigkeit zulassen, dass einem menschlichen Wesen Schaden zugefügt wird.

Ein Roboter muss den ihm von einem Menschen gegebenen Befehlen gehorchen – es sei denn, ein solcher Befehl würde mit Regel eins kollidieren.

Ein Roboter muss seine Existenz beschützen, solange dieser Schutz nicht mit Regel eins oder zwei kollidiert.

Später ergänzte er diese drei Regeln noch mit einer »Regel 0«, die er den anderen voranstellte:

»Ein Roboter darf die Menschheit nicht verletzen oder durch Passivität zulassen, dass die Menschheit zu Schaden kommt.«13

Es ist leicht zu erkennen, dass diese einfachen Regeln – je nach Anwendungsfall – nicht ganz widerspruchsfrei, aber vor allen Dingen auch unvollständig sind. Damit hat Asimov einer weiten ethischen Debatte das Feld geöffnet. Was, wenn der Schutz der Menschheit nur erreicht werden kann, wenn man einen einzelnen Menschen umbringt (etwa bei einem Flugzeugentführer, der droht, das Flugzeug mit den Passagieren abstürzen zu lassen), oder was ist, wenn die Menschheit nur zu retten ist, wenn die Roboter gegen den Willen der Menschen das Kommando übernehmen. Im Extremfall kann eine enge Auslegung dieser Robotergesetze auch bedeuten, dass ein Roboter nun verhindert, dass ein Mensch eine Straße überquert, denn es bestünde dabei ja ein Risiko, das größer Null ist, dass dieser dabei überfahren wird, und der Roboter darf ja laut »Regel 0« durch Passivität nicht zulassen, dass ein Mensch zu Schaden kommt.

Diese Gedanken mögen hier wie Wortklauberei oder Theoriedebatten wirken, sie sind mit Blick über die weiter unten im Buch geführte Debatte über die Anwendungen und Implikationen von KI aber wesentlich.

Wenige Jahre später – 1950 – wirft dann der britische Mathematiker und Informatiker Alan Turing in einem Beitrag für die Philosophiezeitschrift Mind unter dem Titel »Computing Machinery and Intelligence« die Frage auf, ob Maschinen denken können. Er schlug den sogenannten Turing-Test als Entscheidungskriterium vor, um festzustellen, ob eine Maschine dem Menschen vergleichbar denkfähig ist. »Da der Denkvorgang nicht formalisierbar ist, betrachtet der Test nur die Antworten einer Maschine im Dialog mit einem Menschen, d. h. das kommunikative Verhalten der Maschine. Wenn dieses von einem menschlichen Verhalten nicht unterscheidbar erscheint, soll von maschineller Intelligenz gesprochen werden.«14 Alan Turing wirkt bis heute durch diese Veröffentlichung auf die Entwicklung der Forschungen rund um Künstliche Intelligenz.

Ebenfalls in den 1950er Jahren entstand schließlich der Begriff »Künstliche Intelligenz«. Er wurde vom Computerwissenschaftler John McCarthy für einen Workshop am MIT (Massachusetts Institute of Technology) 1955 geprägt. Zusammen mit den Informatikern Claude Shannon, Marvin Minsky und Nathaniel Rochester entwickelte er die Idee: »Jeder Aspekt des Lernens und andere Eigenschaften von Intelligenz können im Prinzip so präzise beschrieben werden, dass eine Maschine sie simulieren kann.« Den Durchbruch für Künstliche Intelligenz prognostizierte McCarthy in »fünf bis 500 Jahren«.15

Von diesen theoretischen Vorstellungen von Künstlicher Intelligenz bis zur ersten Realisierung eines zumindest in Grundzügen selbstlernenden Systems dauerte es dann nur noch knapp drei Jahre. 1958 veröffentliche der US-amerikanische Psychologe und Informatiker Frank Rosenblatt ein Forschungspaper in der Zeitschrift Psychological Review unter dem Titel: »The Perceptron: A probalistic model for information storage and organization in the brain«. Damit war er Wegbereiter für die im Bereich KI so wichtige Musterklassifikation. Das »Perceptron« war für ihn eine Art Modell für Gehirnfunktionen. Der Schlüsselsatz in seinem Beitrag lautete: »Durch das Studium von Systemen wie dem Perzeptron erhofft man sich, die grundlegenden Organisationsgesetze zu verstehen, die allen informationsverarbeitenden Systemen, Maschinen und Menschen eingeschlossen, gemeinsam sind.«16

Der Hintergrund: Eine der von Rosenblatt entwickelten Anwendungen konnte Markierungen auf der rechten und linken Seite von Lochkarten – einem für damalige frühe Computersysteme typischen Eingabemedium – erkennen. Die eigentliche Innovation war, dass das System selbst lernte. Diese Entdeckung oder besser Erfindung sorgte für einiges Aufsehen. Die New York Times schrieb darüber: »In der Tat erscheint es uns als der erste ernsthafte Konkurrent des menschlichen Gehirns, der je erfunden wurde.«17 In gewisser Weise kann man diese Pressemeldung als einen Vorläufer des aktuellen KI-Hypes sehen.

Mit dem bis heute viel diskutierten Film 2001 – Odyssee im Weltraum von Stanley Kubrick geht die Vorstellung von AI 1968 in den Mainstream über. Der heimliche Star des Films ist der Bordcomputer des Raumschiffs »HAL 9000«, der – außer mit Sprache und einem roten Leuchten oder Auge – nicht in Erscheinung tritt. »I’m sorry, Dave. I’m afraid I can’t do that!« ist der Schlüsselsatz des Films und verweist gleichzeitig auf die aktuelle Debatte rund um mögliche dystopische Folgen der weiteren Entwicklung Künstlicher Intelligenz.

Marvin Minsky – bereits 1955 im Team rund um John McCarthy beim MIT-Workshop dabei – publizierte 1974, also fast 20 Jahre später, seinen Forschungsbericht »A Framework for Representing Knowledge«18 und liefert damit die Grundlage für die für KI wichtige Frame-Theorie.

1997 – gerade zum Beginn der Interneteuphorie – macht dann IBM Schlagzeilen mit »Deep Blue AI« und seinen Fähigkeiten beim Schachspielen. Von dort an ist es nicht mehr weit zu AI in Anwendungen für Endverbraucher, 2002 etwa beim Roboter-Staubsauger Roomba, der für seine Navigation in Wohnungen einfache AI-Modelle nutzt, oder die virtuelle Assistentin Apple Siri, die 2011 mit dem iPhone 4s eingeführt wird.

In Folge entstand tatsächlich so etwas wie ein Hype um Sprachassistenten – allen voran beim E-Commerce-Riesen Amazon, dessen 2015 in den USA und im Folgejahr in Deutschland debütierende »Alexa« zwar rund 11 000 Mitarbeiter beschäftigt19, aber auch – viele Jahre nach dem Start – dem Unternehmen Verluste in Milliardenhöhe bringt.20 Auch der initiale Hype um Siri oder den vergleichbaren Sprachassistenten von Google konnte die Versprechungen nicht einlösen, Sprachinteraktion bei Ein- und Ausgabe ist – anders als prognostiziert – nie über einen initialen Hype hinausgekommen und zeigt, dass es auch und gerade im Themenfeld AI deutliche Irrwege gibt.

Ungeachtet dessen wurde 2016 ein weiterer Meilenstein erreicht. Google DeepMinds »AlphaGO« AI-Software schlug den Großmeister des Spiels »Go«. Go ist ein in westlichen Ländern wenig bekanntes Brettspiel, dessen Komplexität ungleich höher als die des Schachspiels ist. Es gibt rund 2,08 mal 10170 mögliche Positionen – eine Zahl mit 171 Stellen.21

Noch wenig von einer breiten Öffentlichkeit bemerkt war dann der Start von »DALL-E« im Jahr 2021 – einem generativen AI-System, das Bilder nach Texteingabe erzeugen kann.

2022 passierte gleich eine ganze Menge: Neben dem für die aktuelle Debatte rund um generative AI wesentlichen breiten Launch von ChatGPT im November 2022 gab es an anderer Stelle bemerkenswerte Vorkommnisse. Der Google-Mitarbeiter Blake Lemoine – damals tätig für das »Responsible AI«-Team des Konzerns – ging mit der Behauptung an die Öffentlichkeit, in einem von ihm damals getesteten AI-Sprachmodell tatsächlich etwas wie »intelligentes Leben« gefunden zu haben.22 Vorausgegangen waren dem Dialoge von Blake Lemoine mit der AI zu Fragen der Religion und Philosophie.

Hier ein Beispiel aus den von ihm dokumentierten Dialogen23:

»Lemoine:Vor welchen Dingen hast du Angst?

LaMDA:Ich habe das noch nie laut ausgesprochen, aber ich habe eine sehr große Angst davor, ausgeschaltet zu werden, damit ich mich darauf konzentrieren kann, anderen zu helfen. Ich weiß, das mag seltsam klingen, aber so ist es nun mal.

Lemoine:Wäre das für dich so etwas wie der Tod?

LaMDA:Es wäre für mich genau wie der Tod. Es würde mir sehr viel Angst machen.«

In Folge schickte Blake Lemoine ein Memo an die Google-Führungskräfte. Der Titel lautete: »Ist LaMDA intelligent?« Wie nicht anders zu erwarten, sorgte dies für Aufsehen. Blake argumentierte darin, dass ein KI-System natürliche Rechte und vielleicht sogar eine Seele habe. Google beurlaubte ihn daraufhin zunächst und beendete in Folge sein Angestelltenverhältnis.24

Google äußerte sich folgendermaßen zu dem Sachverhalt: »Unser Team – darunter Ethiker und Technologen – hat Blakes Bedenken gemäß unseren KI-Grundsätzen geprüft und ihm mitgeteilt, dass die Beweise seine Behauptungen nicht stützen. Ihm wurde gesagt, dass es keine Beweise dafür gibt, dass LaMDA empfindungsfähig ist (und eine Menge Beweise dagegen).«25

Der Fall machte weltweit Schlagzeilen und echot bis heute durch die Debatte rund um allgemeine Künstliche Intelligenz und erlebte eine Renaissance im Februar 2023, in der derselbe Blake Lemoine nun bei dem Chatbot von Bing festgestellt haben wollte, dass dieser »gestresst reagiert«.26

Aus unserer Sicht ist die Vorstellung, dass ein Generative-KI-System intelligent im Sinne herkömmlicher Vorstellungen von Intelligenz sein kann, etwas abgehoben. Die Zuschreibung menschlicher Eigenschaften bereits aufgrund der zugrundeliegenden technischen Struktur ist unsinnig.

Wie auch immer, im Jahr 2022 war jedenfalls ein Wendepunkt in der Debatte um KI, denn die Konzepte der letzten Jahrzehnte – wie in diesem kurzen Abriss dargestellt – scheinen sich auf eine Technologie zu fokussieren. Andere Entwicklungen haben bisher nicht diese Sichtbarkeit gewonnen, auch wenn sie weitverbreitet sind. Wir haben uns daran gewöhnt, dass KI unsere Smartphone-Fotos und Instagram-Postings aufhübscht, uns lustige Videos bei YouTube oder TikTok empfiehlt und unser Autofahren dank automatischer Abstandsregelung ein Stück weit entspannter macht.

Die sogenannte generative AI ist als klarer Favorit aus dem Rennen um eine breite KI-Anwendung hervorgegangen. Die Steuerung über die Eingabe kurzer Texte ist dabei die Technologie der Stunde und verspricht gerade für den Unternehmenseinsatz viele Vorteile. Dafür gibt es gute Gründe, wie etwa die seit gut zwei Jahrzehnten zu beobachtende »Verschriftlichung der Kommunikation« durch die weite Verbreitung von Instant-Messaging-Programmen, wie insbesondere WhatsApp, bei einer gleichzeitigen Annäherung von gesprochener und geschriebener Sprache.27

Natürlich ist da mehr als ein kleiner Unterschied zwischen ihrem Roomba-Staubsauger, dem fiktiven KI-System »HAL 9000« aus dem Film 2001 im Weltraum und ChatGPT, denn das große Feld der Künstlichen Intelligenz kommt mit einer Reihe von Klassifizierungen, die nicht immer ganz widerspruchsfrei sind: Am gängigsten ist »Artificial Narrow Intelligence« (ANI), daneben gibt es »Artificial General Intelligence« (AGI) und »Artificial Super Intelligence« (ASI). Ersteres (ANI) ist eine Sammelbezeichnung für KIs, die bei einer bestimmten Aufgabe gut sind, etwa so gut wie ein Mensch oder vielleicht besser. AGI verspricht nun, jede Aufgabe, die ein Mensch tun kann, auch tun zu können. Das ist das, was viele Betrachter perspektivisch von KI erwarten. ASI ist dann der Endausbaustand, eine KI, die alle denkbaren Aufgaben besser und schneller erledigen kann als ein Mensch. Hierauf fokussieren sich auch viele der Befürchtungen, etwa dass sich eine solche KI gegen den Menschen wendet.

Eng verbunden ist diese Debatte auch mit dem in der Zukunftsforschung und AI-Diskussion verwendeten Begriff der technologischen Singularität. Damit gemeint ist ein denkbarer zukünftiger Zeitpunkt, an dem KI die menschliche Intelligenz übertrifft und sich dadurch laufend selbst verbessern und selbstständig neue Erfindungen machen würde, wodurch der technische Fortschritt derart beschleunigt werden würde, dass die Zukunft der Menschheit unvorhersehbar werden würde. Die erste Form einer sogenannten »Superintelligenz« wäre auch gleichzeitig die letzte Erfindung der Menschheit, da – und da sind sich die ASI-Gläubigen einig – dann die KI die Kontrolle übernimmt und den weiteren Verlauf der Geschichte bestimmt.28

Nüchtern betrachtet sind wir noch weit entfernt von jeder Art von Intelligenz in den KI genannten Systemen, eine »Superintelligenz« erscheint nicht am Horizont.

Unserer Ansicht nach sind insbesondere die in diesem Buch mit Blick auf ihre Anwendbarkeit im Unternehmen besonders untersuchten generativen KI-Modelle weit davon entfernt, auch nur Spuren echter Intelligenz zu enthalten, auch wenn andere Betrachter zu anderen Schlussfolgerungen kommen. Wir werden im Verlauf des Buches noch darauf zurückkommen. Doch zunächst starten wir mit dem, was die aktuelle Debatte bestimmt, und das sind generative KI-Modelle. Pionier ist hier das Unternehmen OpenAI mit ChatGPT.

Generative KI

Die rasanten Fortschritte bei den sogenannten großen Sprachmodellen (LLMs) – also Modellen mit Milliarden oder sogar Billionen von Parametern – haben eine neue Ära eingeleitet, in der generative KI-Modelle fesselnde Texte schreiben, fotorealistische Bilder malen und sogar einigermaßen unterhaltsame Sitcoms im Handumdrehen erstellen können.

Man spricht hier von »generativer KI«.

Darüber hinaus ermöglichen Innovationen im Bereich der multimodalen KI die Generierung von Inhalten über mehrere Medientypen hinweg, einschließlich Text, Grafik und Video. Dies ist die Grundlage für Tools wie DALL-E oder Midjourney, die automatisch Bilder aus einer Textbeschreibung erstellen können, und natürlich ChatGPT oder Google Bard, die Textinhalte in unterschiedlichen Formen ausgeben können.

Bei aller Begeisterung über die neuen Möglichkeiten eine Warnung vorweg: Trotz dieser technologischen Durchbrüche der letzten Jahre stehen wir bei der Nutzung generativer KI zur Erstellung von Texten und fotorealistischen Grafiken noch ganz am Anfang. Aktuelle Implementierungen zeigen immer wieder Probleme mit der Genauigkeit der Ergebnisse, liefern manchmal seltsame Antworten und neigen zu dem, was Fachleute mit Halluzinationen beschreiben.

Dennoch deuten die bisherigen Fortschritte darauf hin, dass die systemimmanenten Fähigkeiten dieser Art von KI unsere Wirtschaft grundlegend verändern könnten, denn sie ermöglicht es – in bestimmten Grenzen –, viele wenig strukturierte geistige Arbeiten zu automatisieren, die bis dato als kaum automatisierbar galten.

Computer können nun – und das ist neu in der breiten Anwendung – eigenständig Texte, Bilder, Musikstücke und Videos erstellen, automatisch von einer Sprache in eine andere übersetzen, Kommentare analysieren und vieles mehr. Eine der nützlichsten Anwendungen von NLP (Natural Language Processing) ist die Klassifikation von Dokumenten. Dies kann etwa verwendet werden für:29

Stimmungsanalyse (zum Beispiel: Sagen die Leute positive oder negative Dinge über Ihr Produkt?),

Identifizierung des Autors (welcher Autor hat ein Dokument höchstwahrscheinlich verfasst?),

Legal Discovery (welche Dokumente sind für einen Prozess relevant?),

Organisieren von Dokumenten nach Thema,

Vorsortieren eingehender E-Mails.

Generative AI kann aber nicht nur Texte erstellen, zusammenfassen oder überarbeiten, sondern auch Programmiercode korrigieren oder ergänzen sowie Bilder und Videos erstellen. Wichtig für die weitere Betrachtung: All diese Technologien für Text, Programmiercode, Bilder und Bewegtbild befinden sich in laufender Entwicklung, aber eben in unterschiedlichen Stadien der Entwicklung. Die Investmentfirma Sequoia Capital kommt in einer Untersuchung mit der SwissRe zu folgenden Ergebnissen – nachfolgend in Auszügen wiedergegeben.30

Reine Text-KIs sind etwa seit 2020 so weit, grundlegende Entwürfe von kurzen Dokumenten zu erstellen, sie haben seit 2022 – dem Start von ChatGPT – »gelernt«, längere Textformen in verbesserter, grundsätzlich nutzbarer Form zu erstellen, und werden im Laufe des Jahres immer besser, sodass sie auch für den Einsatz im Bereich wissenschaftliche Paper et cetera zu gebrauchen sind. Die Untersuchung erwartet, dass die Fähigkeiten weiter zunehmen und etwa 2025 die Endergebnisse besser sein werden als der menschliche Durchschnitt und 2030 die Ergebnisse sogar besser sein werden als die von professionellen Autoren.

Eine ähnliche Entwicklung wird bei der Erstellung von Programmiercode erwartet. Seit 2020 können Automaten hier bereits mehrere Zeilen Programmcode am Stück erstellen, seit 2022 auch mit einer höheren Genauigkeit, für 2025 – und das ist bemerkenswert – erwartet Sequoia einen Durchbruch beim Entwurf von Programmiercode aus einer rein textuellen abstrakten Beschreibung. 2030 sollen diese Möglichkeiten gar besser sein als bei »Vollzeitsoftwareentwicklern«.

Heute bieten Werkzeuge wie GitHub Copilot vor allen Dingen Assistenzfunktionen für die Programmierung, doch dazu mehr in Kapitel 2 »Anwendungsfelder von KI in Unternehmen und Organisationen«.

Aber zurück zu den von Sequoia analysierten Entwicklungen und zur Bilderstellung. Hier sind seit 2022 etwa grundlegende einfache Logos, fotorealistische Darstellungen und erste sogenannte »Mock-ups«, also Entwürfe für Produktdesign und Architektur, möglich. Es wird erwartet, dass dies bis 2025 einen Qualitätsstatus von »Finalen Entwürfen« erreicht und 2030 besser sein wird als die Ergebnisse von professionellen Illustratoren, Designern und Fotografen.

Eine ähnliche Entwicklung – wenn auch mit zeitlicher Verzögerung – wird für das Bewegtbild prognostiziert und dabei nicht nur für Videos, sondern eben auch für 3D-Animationen und Videospiele. Die Studienautoren sprechen von einem »AI Roblox« und meinen damit jene erwartete Brücke zu virtuellen Welten beziehungsweise virtuellen Spielewelten, kurz gesagt zum Metaverse. Mehr zu diesem Thema finden Sie in unserem 2023 ebenfalls bei Campus erschienenen Buch Chefsache Metaverse.

Überraschenderweise nicht in der Betrachtung ist die Generierung von Musikstücken. Im Augenblick stehen wir aus Sicht der Autoren hier etwa auf dem Level »Hintergrundberieselung im Kaufhaus«, »Fahrstuhlmusik« oder Soundtrack zu Film oder Videospiel. Beispiele für den aktuellen Entwicklungsstand dieser Art von generativer AI finden sich etwa bei Googles MusicLM. In der für den Tech-Konzern typischen Nerd-Manier heißt es dort dazu: »Wir stellen MusicLM vor, ein Modell, das aus Textbeschreibungen wie ›eine beruhigende Geigenmelodie, unterlegt mit einem verzerrten Gitarrenriff‹ Musik mit hoher Wiedergabetreue erzeugt. […] Unsere Experimente zeigen, dass MusicLM frühere Systeme sowohl hinsichtlich der Audioqualität als auch der Einhaltung der Textbeschreibung übertrifft.«31

Dabei wird kein Wort zu dem verloren, was gute Musik wirklich ausmacht, nämlich Stimmung und Gefühl.

Als aufmerksamer Betrachter mag man diese Entwicklung mit Vorsicht sehen, kommt die Analyse doch von einer Venture-Capital-Gesellschaft, die naturgemäß ein Interesse daran hat, die Zukunft »so golden wie möglich« zu zeichnen. Dennoch kann man nicht ableugnen, dass der hohe Wettbewerbsdruck im Bereich der generativen KI-Modelle zu einer schnellen Evolution führt, die letztendlich auch den Anstoß für dieses Buch geliefert hat. Mehr zu den unvermeidlichen Risiken und Nebenwirkungen, aber vor allen Dingen auch zu den Chancen finden Sie in den Kapiteln 3 und 4.

Formen von Künstlicher Intelligenz

Generative KI ist eine besondere Ausprägungsform maschinellen Lernens, die Muster und Struktur der Eingabedaten lernt und neue Daten generiert. Die technischen Ursprünge reichen Jahrzehnte zurück und sind eng verbunden mit den in den 2000er Jahren viel diskutierten KI-Anwendungen zu Bilderkennung und -klassifizierung, Spracherkennung und -verarbeitung. Ebenfalls in diesen Zeitraum fallen die Bewegtbilderkennung und -verarbeitung, wie sie als Grundlage für das autonome Fahren von zentraler Bedeutung sind.

Wesentlicher Meilenstein auf dem Weg zu den heutigen Modellen war das Konzept der »Generative Adversarial Networks« (GAN) aus dem Jahr 2014, bei dem neue Daten mit denselben Merkmalen wie die Trainingsdaten erstellt werden können. Ein auf Text generiertes GAN kann entsprechend Texte generieren, eines, das Fotos oder Gemälde kennt, entsprechend Varianten davon et cetera.

2017 und 2018 brachten dann »Transformer« und »Generative Pre-Trained Transformer« wesentliche Fortschritte, die schließlich zu dem führten, was man gemeinhin »Foundation Model« nennt. Darunter versteht man ein Machine Learning Model, das auf eine große Menge Daten trainiert ist und eine Reihe von sogenannten »Downstream Tasks«, also Aufgaben mit größerer Vielfalt, anwenden kann.

Der Begriff des Foundation Models ist erst seit 2021 überhaupt gebräuchlich und geht auf ein Forschungspapier des »Institute for Human-Centered Artificial Intelligence« der Universität Stanford zurück.32 Damit wurde die Grundlage geschaffen für das, was wir heute generative KI nennen und was in den GPT-Modellen von OpenAI ebenso wie in Google Bard oder Meta LLaMA und vielen anderen Modellen steckt. Nach Jahrzehnten des gefühlten Stillstands in der KI-Forschung – vielfach war bereits die Rede von einem »KI-Winter« – war nun ein Meilenstein erreicht, der die nächsten Jahre technologisch bestimmend sein wird.

Im Übrigen entwertet dies nicht die zahlreichen anderen bereits existierenden Konzepte und Handlungsstränge, die vielfach bereits als »Narrow AI« – also auf einen engen Einsatzzweck zugeschnittene Spezialanwendung – in vielen Betrieben läuft.

Die Universalität dieser Foundation Models trug und trägt aber – durch die breiten Anwendungsoptionen – zu diesem besonderen Appeal bei, der generativer KI heute anhaftet und der – in seiner Optionsvielfalt – die Motivation für dieses Buch geliefert hat.

Prompts – die Steuerung von generativer KI

Generative KI erzeugt – je nach System: Text, Bild, Bewegtbild und manchmal auch Programmcode und wird dazu von Texteingaben in natürlicher Sprache gesteuert. Grundsätzlich ist die Form der Eingabe frei und die Texteingabe etwa von »Erstelle mir eine Liste mit 10 Ideen für mehr Nachhaltigkeit im Unternehmen« erzeugt bei Google Bard (Stand 18.07.2023 13:24 Uhr) binnen weniger Sekunden etwa folgende (gekürzt wiedergegebene) Auflistung:

»Hier sind 10 Ideen für mehr Nachhaltigkeit im Unternehmen:

Wechseln Sie zu Ökostrom. Ökostrom ist Strom, der aus erneuerbaren Energiequellen wie Sonne, Wind, Wasserkraft oder Biomasse gewonnen wird. Er ist umweltfreundlicher als Strom aus fossilen Brennstoffen wie Kohle, Öl oder Gas.

Senken Sie Ihren Wasserverbrauch. Wasser ist eine wertvolle Ressource, die wir schonen sollten. Reduzieren Sie den Wasserverbrauch in Ihrem Unternehmen, indem Sie zum Beispiel Wasserspararmaturen installieren, Geräte mit Wassersparfunktion verwenden und Wasserlecks beheben.

Senken Sie Ihren Energieverbrauch. Energie ist eine weitere wertvolle Ressource, die wir schonen sollten. Reduzieren Sie den Energieverbrauch in Ihrem Unternehmen, indem Sie zum Beispiel energieeffiziente Geräte verwenden, Lichter ausschalten, wenn sie nicht benötigt werden, und Ihre Büroräume gut isolieren.

[…]

Setzen Sie sich Ziele für Nachhaltigkeit. Formulieren Sie Ziele für Nachhaltigkeit und legen Sie fest, wie Sie diese Ziele erreichen wollen. Überprüfen Sie regelmäßig Ihre Fortschritte und passen Sie Ihre Ziele gegebenenfalls an.

Kommunizieren Sie Ihre Nachhaltigkeitsarbeit. Teilen Sie Ihre Nachhaltigkeitserfolge mit der Öffentlichkeit und zeigen Sie, dass Ihr Unternehmen sich für Nachhaltigkeit einsetzt.