Am Ende entsteht der Eindruck, dass KI nur eines dieser Hype-Themen ist, die Analysten und IT-Dienstleister regelmäßig durch die Dörfer treiben. Schon mehren sich die Befürchtungen, dass wir vor dem nächsten KI-Winter stehen: Einer Phase, in der sich nur noch ein paar Fachleute in der Forschung für das Thema interessieren. Unternehmen wenden sich enttäuscht ab.
Zu Unrecht, denn beim Erkennen des Potenzials von KI stehen wir noch am Anfang. Sie ist nur eben kein Zauberstab, sondern ein Schraubenschlüssel: Ein Werkzeug, das für bestimmte Aufgaben passt.
Nicht immer ist drin, was drauf steht
Ohne Daten keine KI – dieser Satz ist schlicht und wahr. Daten sind die Voraussetzung dafür, dass Anwendungen ihre Stärken ausspielen: Muster identifizieren, Voraussagen treffen. Aber daraus lässt sich nicht ableiten, dass alles, was auf Daten basiert, automatisch KI ist. Sonst sind wir schnell bei dem Eingangsbeispiel mit Schal und T-Shirt. Intelligenz setzt die Fähigkeit zum Lernen voraus – im Fall von KI zum maschinellen Lernen. Anwendungen, die starr aus einer Menge Regeln Schlussfolgerungen ableiten, erzielen damit spektakuläre Ergebnisse. Genau so funktioniert die meiste Software um uns herum. Aber erst die Möglichkeit, sich zu verbessern, bringt „Intelligenz“ ins Spiel.
Diese Intelligenz hat nur wenig mit den kognitiven Fähigkeiten zu tun, die wir Menschen uns zuschreiben. Wenn wir über KI reden, dann über die sogenannte schwache KI. Da geht es um das Lösen konkreter Anwendungsprobleme: Ist das ein Stoppschild? Wie wahrscheinlich ist ein Maschinenausfall? Für das Bewältigen dieser Aufgaben wenden die Anwendungen Strategien an, die intelligent wirken. Sie operieren mit Wahrscheinlichkeiten und verbessern ihre Leistungsfähigkeit im Laufe der Nutzung. Aber – und das ist ein großes Aber – das funktioniert nur für diese eng definierten Einsatzszenarien. Starke KI, die mit der Bandbreite des menschlichen Spektrums mithalten kann, ist auf absehbare Zeit ein Thema für Philosophen. So schnell werden wir mit unseren Staubsaugerrobotern nicht über den letzten Bundesligaspieltag diskutieren.
Mit nüchternem Blick entpuppen sich viele vermeintliche KI-Themen als die Kombination aus klassischer Software und geschicktem Marketing. Beispiel Robotic Process Automation (RPA): Softwareroboter imitieren die menschliche Interaktion mit Anwendungen, beispielsweise für Eingaben ins ERP-System oder für Softwaretests. Was aussieht wie intelligentes Verhalten ist schon mal gar keine KI (dass das Wort „Robotic“ vorkommt reicht nicht). Das ist nämlich nur a posteriori Oberflächenintegration. Softwaretechnisch bedenklich – weil bei strukturellen Änderungen immer wieder angepasst werden muss –, aber immerhin schnell zu realisieren. Beispiel Chatbots: Der Großteil der dialogbasierten Anwendungen da draußen spult starr seine vorgegebenen Skripte ab. Entdeckt der Bot in einer Anfrage die Begriffe „Service“ und „Nummer“, antwortet er „Unseren Service erreichen Sie unter 0800 XXXXX“. Selbst dann, wenn der Kunde leicht verzweifelt schrieb: „Seit drei Tagen warte ich auf einen Rückruf. Euer Service ist echt eine Nummer.“
Damit keine Missverständnisse aufkommen: RPA leistet gute Dienste. Chatbots spielen in Serviceprozessen auf breiter Front eine Rolle. Und es gibt lernfähige Dialogsysteme, die in ihren Aufgabengebieten nuancierte Gespräche führen. Aber in den allermeisten Fällen steckt keine KI unter der Motorhaube. Sondern klassische Softwareingenieurskunst. Es geht nicht darum, Anwendungen auszugrenzen, ihre Bedeutung zu schmälern oder die Komplexität ihrer Entwicklung kleinzureden. Es geht darum, sich ernsthaft mit den Möglichkeiten und Grenzen von KI auseinanderzusetzen. Nur dann treffen die Verantwortlichen bei der Wahl des Werkzeugs die richtige Entscheidung.
Es gibt genug Probleme, bei deren Lösung bewährte Methoden und Verfahren der KI helfen. Welche das sind, sollten bei den Anbietern und Beratern vermehrt die IT- und weniger die Marketingexperten entscheiden. Sonst wird es schon wieder KI-Herbst, bevor es so richtig Sommer war.
