Künstliche Intelligenz am Arbeitsplatz? - Wie sieht das in der Praxis aus?

Heute hat ein Ingenieur, der in der produzierenden Industrie tätig ist, andere Aufgaben und Herausforderungen als früher. Seinen Job unterstützt oft schon die Künstliche Intelligenz, kurz KI. Je größer das Unternehmen, desto wahrscheinlicher der Einsatz von selbstlernenden Algorithmen.

Produkte entwickelnd was gestern – vom Ingenieur ins Steuer-Cockpit

Das heißt, es geht ausschließlich darum, neue Produkte zu entwickeln. Was aber passiert dann mit der Ingenieurin oder dem Ingenieur? Ihre Arbeit und die Aufgaben verändern sich. Heute ist es wichtig, nach links und rechts zu schauen und zu steuern. Es geht darum, Standardisierungen einzubringen. Sind die optimalen Produktions-Kriterien schon gefunden, sind mehr datenbasierte Informationen notwendig? Solche Fragen gilt es zu beantworten damit der Einsatz von KI tatsächlich zu mehr Effizienz und mehr Produktivität führt.

Im Gespräch mit Thomas Jarzombek, Sprecher des CNetzes, stellt sich schnell heraus: Es geht um die physikalische Realisierbarkeit. Unsere Unternehmen brauchen denjenigen der Physik, Mathematik, Werkstoffkunde kann. Wir trainieren die KI, die immer mehr kann. Aber es braucht einen Menschen, der kontrolliert. Das ist eine Prozessfrage. Dr. Simon Görtzen, Geschäftsführer von aiXbrain ergänzt: Welche KI-Modelle braucht die Industrie, um intelligentere Produkte herzustellen? Sein Unternehmen hat eine herausragende Expertise für Daten, maschinelles Lernen und elektromechanische Systeme. Das Ziel dabei ist, neue Geschäftspotenziale zu erschließen, indem Produkte und Services mit KI aufgerüstet werden. Für ihn ist klar: „Wir brauchen mehr datenbasiere Informationen”

Auch COO Marc Schmöger stimmt dem zu. Sein Unternehmen SemorAI beschäftigt sich damit, die KI-Qualität zu verbessern und -Fehler im produzierenden Gewerbe zu reduzieren. „Erst mit Herantasten wird es besser.” Sehr anschaulich vergleicht er den Neueinsatz von AI in Unternehmen mit der Lernphase neuer Mitarbeiter. Gleichzeitig weist er darauf hin, dass die Menschen sehr ungeduldig sind. Er kommt zu dem Schluss: „Zusammen mit Experten geh ich davon aus, dass die Erfahrung auch die Qualität steigert. Das Wissen mit KI zu kommunizieren wird entscheiden, wer in den nächsten Jahren Marktanteile dazugewinnen kann.”

Während die künstliche Intelligenz Unmengen an Daten produziert, geht es darum, intelligente Rückschlüsse zu ziehen. Die Software wird geprüft und es wird bewertet, ob und wie gut sie ihre Aufgabe erfüllt. Stimmt der Einsatz mit den vorher gesetzten Anforderungen überein, ist die Qualität der Ergebnisse gut genug? Am Ende dieses System-Testing-Prozesses erfolgt dann idealerweise eine Zertifizierung. Dr. Robert Kilian tut dies mit seinem Unternehmen CertifAI. Als Vorstandsmitglied des KI-Bundesverbandes vertritt er derzeit etwa 400 KI-Unternehmen in Deutschland. Ihm ist wichtig, dass die Forschung auch bei den richtigen Leuten ankommt. „KI nicht nur im Elfenbeinturm, wir müssen auch die Klein- und Mittelstandsunternehmen mit einbeziehen” Das ist sein Ziel.

KI-Industrie = Start-Up Industrie! Offene Türen für Investoren aus der ganzen Welt

Doch Kilian kennt auch Probleme, die damit zusammenhängen. Gerade für kleinere Unternehmen, gibt es zu wenig Förderung und zu viele Regulierungen. Denn nicht jedes Unternehmen hat Kapazitäten wie Chat GPT. Der weltweit bekannte KI-Chatbot von Open AI wird zukünftig die Microsoft-Suchmaschine ‚Bing’ befüttern. Hier sind finanzielle Sorgen nicht von Nöten, es ist weitaus genug Geld für Forschung oder die Erfüllung erforderlicher Regulierungen vorhanden. „Auf kleinere Unternehmen trifft dieser Zustand nicht zu.” Kilian macht deutlich: Es gibt auch in Deutschland kleinere Unternehmen mit ähnlichen und ausgefeilteren Produkten als Chat GPT. Die können es sich aber nicht erlauben, das Risikomanagement ist zu teuer, deswegen wandern viele aus oder Scheitern ganz.

„Die KI-Industrie ist sehr nah an der Start-Up Industrie. Deswegen ist wichtig, dass Inverstoren aus der ganzen Welt hierherkommen, so Kilian. Für ihn steht fest: „Wir haben gewisse Dinge verschlafen, aber müssen aufschließen auch zu den Geldern, die beispielsweise in den USA investiert werden.” Wenn Unternehmen größer werden, brauchen sie sehr viel mehr Kapital.

Alle drei Diskussionsgäste sind sich einig: Den Unternehmen fehlt es an Fördergeldern. Zwar ist es einfach diese zu beantragen. Doch finanziellen Hilfen gibt es nur im Gesamtpaket mit der Verpflichtung, so genannte Reportings zu erstellen. Diese Berichte sind zudem so umfangreich, dass zusätzliches Personal eingestellt werden muss, nur um der Reporting-Auflage gerecht zu werden. Auch die Zusammenarbeit mit Hochschulen und zusätzlichen Forschungsmöglichkeiten funktioniert nur, wenn den Unternehmen das Reporting abgenommen wird. Dieser Mehraufwand führt oft zu der Frage: Ist es das Fördergeld wert? Robert Kilians Erfahrung zeigt: „Von 31 Förderungen bleiben am Ende drei bis vier übrig. Der Aufwand ist meistens höher als das, was man als Fördergeld bekommt.“ So entstehen weitere Nachteile gegenüber den USA oder Asien. Noch dazu führen die unterschiedlichsten Regulierungen dazu, dass entwickelte Produkte, Soft- oder Hardware erst vier Jahre nach Beendigung der Entwicklung an den Markt dürfen. So ist beispielsweise autonomes Autofahren derzeit nicht umsetzbar. Grund dafür ist nicht eine unvollständige Entwicklung, mangelnde Qualität oder Zuverlässigkeit. Nein, rein technisch ist das möglich. Die Umsetzung scheitert daran, dass es noch keine KI- Standardisierung gibt. Kurz gesagt sind die Hürden zu hoch.

Wo beginnt KI? Eine sehr deutsche Diskussion.

Es geht vor allem darum: Was lasse ich zu? Wo hört die Algorithmik auf? Wo beginnt KI? Sehen Autoren ihr Urheberrecht verletzt? Könnte potenziell der Datenschutz dagegensprechen? Dürfen Produktdaten deswegen nicht genutzt werden? Im Publikum fasst ein Gast zusammen „Das ist wieder eine sehr deutsche Diskussion!“

Auch unter den Experten herrscht Einigkeit: Regulierungen dürfen nicht übertrieben werden. Es geht darum, sich mit den neuen KI-Regelwerken auseinanderzusetzen. Was bedeuten diese neuen Regeln? Wo kann versucht werden, sie entsprechend umzusetzen? Das sind Fragen, denen nachgegangen werden muss. Doch es bringt nichts, die eingegliederten neuen KI-Technologien gleich mit Regularien zu versehen. So wird verhindert, dass Blackboxes zum Einsatz kommen. Blackboxes in der künstlichen Intelligenz? Hier sind keine Flugschreibgeräte gemeint. Es geht um die für den Menschen nicht sichtbaren selbstlernenden Prozesse - ein Algorithmus mit Millionen von Datenpunkten, die untereinander in Zusammenhang stehen - um am Ende eine Informations-Ausgabe zu erzeugen. Selbst für Programmierer und Benutzer sind diese Black Boxes im Allgemeinen schwer zu interpretieren. Klar ist nur, dass sie als eine Art DNA der künstlichen Intelligenz unverzichtbar wichtig sind. Deswegen dürfen sich nicht zu stark durch Regulierungen begrenzt werden. Im Umgang mit dieser künstlichen Intelligenz wird es gerade in der Wirtschaft und Arbeitswelt darum gehen, eine Balance zu finden zwischen Regulierung und dem Einsatz solcher Blackboxes. Nur so kann Forschung und Entwicklung zum Vorteil für alle eingesetzt werden.

Thomas Jarzombek stellt abschließend fest: KI kann für mehr Output sorgen. Die Förderung der Forschung funktioniert gar nicht. Den Output wiederum muss wieder jemand bearbeiten. Die Erkenntnisse müssen erfüllbar sein, eindeutige sein und schnell ein Wert werden.