Aus „Big Data, Smart Data, next?“: Qualität und Ausgestaltung von Arbeit – Was ändert die Künstliche Intelligenz?

Von Smart Data Begleitforschung Vor 1 MonatKeine Kommentare
Home  /  Allgemein  /  Aus „Big Data, Smart Data, next?“: Qualität und Ausgestaltung von Arbeit – Was ändert die Künstliche Intelligenz?

Dr. Ramin Assadollahi, ExB GmbH © Wolfgang Borrs

Von Dr. Ramin Assadollahi.

Spricht man über Künstliche Intelligenz (KI), so liegen Wunsch und Wirklichkeit immer noch auseinander – sowohl in der Gesellschaft als auch in Unternehmen. Doch auch wenn die öffentlich geführten Diskussionen häufig einen anderen Eindruck vermitteln, ist KI längst angekommen in Deutschland. Ein spannender, wenn auch nicht maßgeblicher Indikator dafür ist die merkliche Zunahme an CDOs, also Chief Digital Officers, in deutschen Unternehmen in den letzten drei Jahren. Die Annäherung deutscher Vorstände an das Thema KI jedoch läuft weiterhin erschreckend  naiv ab. Kernfragen für die Integration von KI im Unternehmen, etwa wie festgestellt werden kann, wo in den eigenen Arbeits- und Geschäftsprozessen KI nützlich sein kann oder wie diese  Prozesse KI-gerecht beschrieben werden können, müssen den Verantwortlichen erst noch durch externe Beratung vergegenwärtigt werden.

Das Interesse an KI ist verständlich, sind ihre Einsatzmöglichkeiten doch unzählbar. Ein klassisches Beispiel hierfür stellt das riesige Wissen, das allein im täglichen E-Mail-Verkehr enthalten ist, dar. Dieses Wissen kann heute durch Technologie leicht verdichtet und den entsprechenden Mitarbeiterinnen und Mitarbeitern bedarfsgerecht zur Verfügung gestellt werden. Weitere Beispiele für die – noch lange nicht ausgeschöpften – Einsatzmöglichkeiten von KI finden sich im Gesundheitssektor. Hier müssen dringend Kosten reduziert und Diagnose- sowie Behandlungsqualität erhöht werden. In den USA war KI etwa in der Lage, die Patientenakten und Genetikdaten von 11.000 Patientinnen und Patienten multimodal auszuwerten und so drei Unterarten von Diabetes II zu entdecken. Ein weiteres Beispiel für KI in der Gesundheitsbranche findet sich bei der Auswertung von Krebsbiopsien, für die lange Zeit Krebszellen am Mikroskop von Menschen gezählt werden mussten. Dies war und ist nicht nur sehr teuer, es erfordert auch eine hervorragende Ausbildung für diese Personen, von denen es nicht genügend auf dem Arbeitsmarkt gibt. Hier können
Systeme gebaut werden, die so vortrainiert werden, dass sie besser sind als die einzelnen Expertinnen und Experten in dem Krankenhausgremium, das letztlich die Entscheidung fällt, ob operiert oder mit Chemotherapie behandelt wird. Dieses letzte Beispiel zeigt auch, dass nicht jeder Einsatz von KI direkt Arbeitsplätze kosten muss, denn die KI muss erst von geschulten Mitarbeitern trainiert werden.

Intelligente Maschinen können lernen

Auch die Versicherungsbranche kann massiv von KI profitieren, das Stichwort lautet hier „visuelle Verarbeitung“. Versicherungen erhalten jährlich ca. 200 Mio. Dokumente per Brief, Mail oder Fax. Diese werden, und das mag möglicherweise zunächst unglaublich erscheinen, aktuell häufig von Menschen in Ländern wie Vietnam gelesen und für die weitere Verwendung aufgearbeitet. Diese Arbeit kann längst von Maschinen übernommen werden: Systeme, die trainierbare, Deep-Learning-basierte Layout-Analysen, Informationsextraktionen und Klassifikationen der Daten aus den gescannten Dokumenten vornehmen. Auch hier bedarf es menschlicher Arbeitskraft, nämlich Expertinnen und Experten, die das System trainieren. Sie werden das System ständig verbessern und effizienter machen können. Hier zeigt sich, wie KI Arbeit verändern kann.

Ist die KI also bald ausgewachsen in Deutschland? Die Antwort hierauf muss differenziert ausfallen. Ja, in manchen Bereichen können Maschinen heute Ergebnisse erzielen, die mit dem Produkt menschlicher Arbeit vergleichbar sind. Allerdings nur, wenn die Trainingsdaten und konkrete Anwendung zusammenpassen. Datenerhebung und Qualitätsmessung hierfür bedürfen allerdings ex ante Investitionen und Planungssicherheit, ein Umstand, für den noch stärker  Bewusstsein geschaffen werden muss.

Wer vergleichen will, muss messen können

Unternehmen, die bereit sind, in KI zu investieren, müssen verstehen, dass ein Teil der Investition in die Lösung der Frage fließen muss, wie überhaupt gemessen werden kann und wie gut ein System ist – nur so können Qualitäts- bzw. Produktivitätsvorteile erzeugt werden. Hier besteht in Deutschland sicherlich noch Nachholbedarf, da häufig keine Klarheit darüber herrscht, wie überhaupt Qualität bemessen werden kann, was die eigentlichen Use Cases sind – und schließlich, wie Daten produziert werden können, mit deren Hilfe bemessen werden kann, wie gut die Maschine ist, die einen Prozess automatisiert erledigen soll. Ursache für diesen Umstand sind die heute noch viel zu hohen Kosten bei der Erprobung, die verhindern, dass Einsatzmöglichkeiten unkompliziert getestet werden können. Das viel gefeierte „fail fast“-Mantra des Silicon Valley kann so hierzulande nicht umgesetzt werden. Der Lösungsvorschlag von ExB hierfür ist eine   multimodale Verstehmaschine – quasi eine Weiterentwicklung klassischer Modelle, bei denen Nutzer ihr individuelles System durch Nutzung eines zentralen Systems trainieren – die für unterschiedliche Branchen und Einsatzkontexte adaptierbar ist, die Kosten pro KI-Experiment für ein einzelnes Unternehmen deutlich senkt und die Technologie somit demokratisiert.

Künstliche Intelligenz kann auch in der Arbeitswelt von heute vieles bewegen. Sie kann uns dabei unterstützen, die von uns selbst produzierten Wissenstsunamis, also die schier unfassbare Menge an Wissen, einzudämmen und für uns zu reduzieren. Hierdurch wird nicht nur Expertise zugänglich gemacht, auch wird die Produktionsgemeinschaft insgesamt sozial gestärkt, denn wenn mehr Leute mehr verstehen als das, was sie für ihre eigene Arbeit benötigen, gibt es eine höhere Kohärenz unter den Mitarbeiterinnen und Mitarbeitern. Dies lässt sich auch mit KI erzeugen, da die  Kosten für den Transfer von Wissen innerhalb der Belegschaft reduzierbar sind.

Der gesamte Debattenband „Big Data, Smart Data, next?“ steht hier zum kostenlosen Download zur Verfügung.

„Spricht man über Künstliche Intelligenz, so liegen Wunsch und Wirklichkeit immer noch auseinander – sowohl in der Gesellschaft als auch in Unternehmen.“ - Ramin Assadollahi Klick um zu Tweeten
Kategorien:
  Allgemein, Begleitforschung, Big Data Debattenband, Datenanalyse, Gesellschaft, Künstliche Intelligenz

Artikel teilen

[easy-social-share buttons="twitter,facebook,google,xing,linkedin,flipboard" counters=0 style="icon" url="http://www.smartdata-blog.de/2018/12/12/aus-big-data-smart-data-next-qualitaet-und-ausgestaltung-von-arbeit-was-aendert-die-kuenstliche-intelligenz/" text="Aus „Big Data, Smart Data, next?“: Qualität und Ausgestaltung von Arbeit – Was ändert die Künstliche Intelligenz?"]
Über

 Smart Data Begleitforschung

  (50 Artikel)

Hinterlassen Sie einen Kommentar

Die E-Mail Adresse wird nicht veröffentlicht.