Kluge Technologie ist heute Fakt – keine Vision

KI ist in der praktischen Anwendung nicht der Versuch, menschliche Intelligenz komplett nachzubilden. Es geht darum, Maschinen mit Algorithmen auszustatten. Diese Algorithmen ermöglichen die Simulation klugen Verhaltens bei bestimmten Tätigkeiten und in diesem Rahmen eigenständiges Lernen. Dadurch unterscheiden sich KI-Maschinen von Industrierobotern, die für einfache automatisierte Abläufe konstruiert sind. Die KI-Maschine ist im Rahmen ihres Anwendungszwecks in der Lage, auf nicht automatisierte und unvorhergesehene Situationen zu reagieren – weil sie lernfähig ist.

Vielfältig einsetzbar

In einer internationalen branchenübergreifenden Studie äussern sich über 70 Prozent der befragten Führungskräfte skeptisch, ob KI in ihrem Unternehmen schon wertschöpfend einsetzbar ist. Trotzdem wollen etwa 50 Prozent KI-Lösungen zeitnah in ihrem Unternehmen einführen. Andernfalls werden Wettbewerbsnachteile befürchtet. Diese Einschätzung ist bei Betrachtung der Fakten klug.

Beispiel Kundenservice: Es wird einen enormen Zuwachs an virtuellen Assistenten und Chatboots geben, wie sie bereits von Banken und Versicherungen genutzt werden. Noch bemerken die Kunden, dass sie mit einer Maschine kommunizieren – doch schon in etwa zwei Jahren wird kein Unterschied zwischen KI-Schnittstelle und Mensch mehr feststellbar sein. Kunden-Hotlines der nächsten Generation funktionieren dann weitgehend ohne den klassischen Agenten am Telefon.

Beispiel Predictive Analytics & Maintenance in technischen Infrastrukturen: Durch die Fähigkeit der KI-Systeme zu lernen und auszuwerten, werden Kunden proaktiv betreut. So erfolgen auf Basis von Erfahrungen und Hochrechnungen Massnahmen, bevor Fehler oder Schäden eintreten. Das gilt beispielsweise bereits heute in Datenzentren oder bei Produktionsprozessen in Fabriken, wo das System den menschlichen Administrator lange vor dem Eintritt von Störfällen auf den Plan ruft.

Beispiel Gesundheitswesen: Hier liegt ein wesentlicher Nutzen in der Beschleunigung und Sicherung von Diagnosen, etwa bei der Bild- und Mustererkennung beziehungsweise Differentialdiagnostik. Deep-Learning-Technologien in Verbindung mit KI erleichtern das Erkennen und die Zuordnung komplexer Muster bei radiologischen, kardiologischen oder Netzhautuntersuchungen. Durch genauere und schnellere Resultate werden Patienten rascher, gezielter und vor allem richtig behandelt, wodurch im Gesundheitswesen zukünftig volkswirtschaftlich relevante Kosten gespart werden können.

Beispiel Qualitätskontrolle: Mit einer auf der Nutzung neuronaler Netze beruhenden Deep-Learning-KI-Lösung wird die Qualität der Turbinenblätter von Windrädern eines weltweit renommierten Herstellers geprüft. Die bis zu 75 Meter langen Glasfaser-Turbinenblätter werden durch spezielle optische Scans auf Fehler geprüft. Dabei werden selbst kleinste Haarrisse erkannt – die langfristig zum Ausfall der Windanlage führen könnten. Manuell dauert diese Prüfung bis zu sechs Stunden, mit der KI-Lösung 90 Minuten.

Die rasche und weitgehend reibungslose Einführung von Lösungen im Rahmen der digitalen Transformation wird den Unternehmen am einfachsten gelingen, die sofort mit der Ausbildung qualifizierten Personals beginnen. Schon jetzt verdrängen, beziehungsweise automatisieren, neue Technologien viele traditionelle Arbeitsplätze. Doch dafür entsteht ein neuer Markt für technologisch geschultes Personal – eine Chance für Arbeitnehmer und Arbeitgeber.