Zeitenwende

Wie die IT unsere Welt verändert

Blog-Kategorien

Blog » Transformation der Wirtschaft » 2024 und weiter: Wohin geht Künstliche Intelligenz?

2024 und weiter: Wohin geht Künstliche Intelligenz?

Wer fragt noch nach IT?

Ein guter Bekannter von mir arbeitet in einer amerikanischen Unternehmensberatung. Er sagte mir kürzlich, dass seine Kunden nicht mehr über IT reden wollen, sondern nur noch über Künstliche Intelligenz. Ich finde diesen Satz anregend und damit im positiven Sinne "bedenklich". Wird KI das neue Wort für IT sein, weil sie zukünftig alle Anwendungsbereiche der Computerei erobert und dominiert? Und wohin wird sie sich auf absehbare Zeit entwickeln?

Wie in den meisten Branchen macht es auch in der IT Sinn, sich erstmal die voraussichtliche Entwicklung des Marktvolumens anzuschauen, bevor man irgendwelche Aussagen über die Zukunft einer Technologie trifft. Zumeist steckt die Wahrheit nämlich mehr in Excel als in PowerPoint. Die Marktforscher von Verified Research prophezeien der KI ein durchschnittliches, jährliches Wachstum (Compound Annual Growth Rate, CAGR) von stattlichen 36,4 % bis 2030. Am Ende dieser Periode soll dann ein globales Marktvolumen von 1.129 Milliarden US Dollar stehen. Die Konkurrenz von Grand View Research geht in einer vergleichbaren Untersuchung von 37,3 % CAGR und 1.81 Milliarden US Dollar für den gleichen Zeitraum aus. Solch eine Einmütigkeit unter den Marktforschern ist eher selten. Dennoch, da KI sowohl technisch wie auch im Hinblick auf ihre Anwendung eine enorm schnelle Entwicklung nehmen wird, sind alle Prognosen mit einer gewissen Vorsicht zu betrachten. In bestimmten Teilsegmenten der IT werden derartige Wachstumserwartungen übrigens noch übertroffen. Für Blockchains etwa wird laut Statista ein 82,8 prozentiges CAGR bis 2030 mit einem dann erreichten Gesamtvolumen von 1.235 Milliarden US Dollar vorausgesagt. Interessanterweise gibt es keinen auch nur ansatzweise vergleichbaren Hype um Blockchains, obwohl deren transformative Kraft ebenfalls enorm ist. – Man denke etwa an Kryptowährungen oder das Web 3.0. Das Thema ist der Öffentlichkeit allerdings schwieriger zu vermitteln, hat oberflächlich betrachtet weniger spektakuläre Anwendungsfälle  und ist damit in den Medien weniger gefragt.

Verified Market Research, Global AI Market Growth

Automatisierung war gestern

Wie lassen sich diese hohen Erwartungen an das Marktwachstum von Künstlicher Intelligenz erklären?

KI markiert den Übergang von nützlichen Computern zu klugen Computern. Überspitzt formuliert: Solange Computer lediglich nützlich waren, konnten wir sie "nur" für die Automatisierung von Aufgaben und Prozessen einsetzen. Ihre neue Klugheit führt zur nahezu grenzenlosen Expansion ihrer Anwendungsgebiete und wir werden ihnen zukünftig mehr und mehr Aufgaben übertragen können, welche die Fähigkeit zu intelligenten Entscheidungen voraussetzen. Ein einprägsames Beispiel ist autonomes Fahren. Ein solcher Anwendungsbereich macht überdeutlich, dass Automatisierung alleine nicht mehr ausreicht. Wie soll ein Auto etwa in einer Gefahrensituation reagieren? Soll es bei seinen Manövern eher die eigenen Insassen schützen oder einen Fußgänger, der ihm in den Weg kommt? Damit verknüpft sind natürlich auch ethische Fragen, die durch Automatisierung nicht beantwortet werden können.

KI-Anwendungen werden zukünftig eine immer größere Rolle im Bereich Industrie 4.0 und der "Smart Factory" spielen. Der Begriff bezeichnet zum einen die extensive Nutzung aller anfallenden Daten im Rahmen eines Produktionsprozesses, der von der Lieferung benötigter Vorprodukte über die Produktion als solche und die Qualitätssicherung bis hin zur Auslieferung an Kunden reichen kann. Viele dieser Daten werden durch Sensoren (IoT) erzeugt oder sind bereits in Barcodes und RFID Tags beinhaltet. Um eine derartige Nutzung von Daten im Herstellungsprozess zu ermöglichen, müssen alle daran beteiligten Maschinen miteinander verbunden und in der Lage sein, Daten möglichst in Echtzeit miteinander auszutauschen. – Ein Zustand, den man als "Interconnectivity" bezeichnet. Zum anderen ist man in intelligenten Fabriken bemüht, menschliche Intervention im gesamten Prozess soweit wie möglich unnötig zu machen. Das reduziert Kosten, steigert die Produktivität und Geschwindigkeit und reduziert Fehlerquoten. Genau an diesem Punkt kommt Künstliche Intelligenz ins Spiel. Sie nutzt die durch die zugrunde liegende IT-Infrastruktur der Fabrik – bestehend aus Servern, Datenbanken, Netzwerken, Sensoren und Applikationen – zur Verfügung gestellten Daten. Durch die Analyse dieser großen Datenmengen (Big Data) trifft sie sehr viel schneller als ein Mensch das könnte, Entscheidungen, z.B. hinsichtlich der Prozess- und Ressourcenoptimierung, der präventiven Fehlervermeidung, der Qualitätssicherung und anderer Zielvorgaben. Solche Applikationen gehen weit über die bisher gewohnte Automatisierung von Abläufen hinaus.

Bild erzeugt mit NightCafe

Neben den Anwendungsmöglichkeiten in Smart Factories, Robotik und Industrie 4.0 werden im professionellen Umfeld die größten Einsatzpotenziale von KI im Medizin- und Gesundheitswesen, in der Finanzindustrie, der Landwirtschaft, den Medien, der Werbung und den Bereichen Mobilität und Transport vorausgesagt. Ein noch stärkeres Wachstum wird wohl dadurch verhindert werden, dass die Verfügbarkeit von geeignetem Personal in den Unternehmen und damit die Verfügbarkeit von Know-how heute schon begrenzt ist. Aber auch dafür zeichnen sich erste Lösungen ab. Das Zauberwort heisst hier – wie so oft in der IT – "as-a-Service" – in diesem Falle "Advisory-as-a-Service". So bietet beispielsweise die Unternehmensberatung Deloitte eine CloudPlattform an, auf der Geschäftskunden Künstliche Intelligenz als Dienstleistung mittels spezieller Apps nutzen können. Das Spektrum reicht von "einfacher" Email Triage über Prozessanalyse und Interpretation unstrukturierter und komplexer Daten bis hin zum Strategie-Design. Jedes Problem hat eine korrespondierende Lösung, man muss sie nur finden.

KI für Konsumenten

"AI for everything", KI für alles, hat die Online-Ausgabe der MIT Technology Review einen ihrer Artikel am 08. Januar 2024 überschrieben. Die Anwendungen von KI im Alltag sind in der Tat schon entsprechend zahlreich. Beispiele sind die sogenannten "Smart Home"-Geräte, welche die Steuerung unseres häuslichen Energieverbrauches regeln oder ihr zunehmender Einsatz in der Unterhaltungsindustrie. Gegenwärtig noch am leichtesten zu erfahren und zu verstehen ist die Wirkung von generativer KI im Alltag aber am Beispiel von Bild- und Videogeneratoren wie DALL-E oder NightCafe, Suchmaschinen oder den ChatBots auf Webseiten. Im Gegensatz zu den früheren, digitalen Assistenten, unterstützen uns Letztere mittlerweile auf intuitive und verständliche Weise, wenn wir etwa Supportanfragen bei Herstellern plazieren oder Beratung beim Kauf eines Produktes über das Web wünschen. Durchaus vergleichbar mit diesen intelligenten ChatBots nutzen die neuen KI-Suchmaschinen natürliche Sprache, um unsere Eingaben zu verstehen, zu interpretieren und Antworten zu finden. Ein gutes Beispiel dafür ist Microsofts Bing. Sie verstehen nicht nur den Kontext unserer Suche sehr viel besser, sondern auch unsere "Suchabsicht". Anders gesagt: Was hatte der Nutzer im Sinn, als er die Suchanfrage startete? So können sie ihre Antworten auf unsere Fragen sehr viel besser personalisieren und präzisieren. – Als würde ein Mensch für uns suchen.

Bild von Dan Burton auf Unsplash

Wie geht es weiter?

Sehr große ChatBots, auch als LLM (Large Language Models) bezeichnet, sind in der Regel nicht thematisch spezialisiert, sondern eher generisch angelegt. Sie arbeiten im Hintergrund mit einer enormen Anzahl von sogenannten Parametern. Bei ChatGPT-4 von OpenAI schätzt man, dass er auf rund 1,8 Billionen (!) Parametern basiert. Diese Parameter sind konfigurierbare, statistisch gewichtete Werte, die das Modell während des Trainings aus den Daten lernt und ständig anpasst, um die Genauigkeit seiner Antworten zu verbessern und sie kontinuierlich an die Datenlage anzupassen. Parameter bilden die Grundlage des Maschinellen Lernens und werden in den Knoten des neuronalen Netzwerkes "beherbergt".

Bei dieser gigantischen Menge an Parametern ergeben sich ein paar signifikante Herausforderungen. Gesetzgeber auf der ganzen Welt fordern, dass KI ihre Entscheidungen und Antworten transparenter macht. Aufgrund welcher Logik kam eine Antwort zustande und auf welchen Daten basiert sie? Das kann etwa relevant sein für die Vermeidung von versteckter Diskriminierung und generell mangelhafter Objektivität. Bei KI mit inzwischen nicht selten über 50 Milliarden Parametern und den enormen Volumina ihrer Trainingsdaten, ist die geforderte Transparenz kaum mehr zu schaffen. Selbst ihre Entwickler müssen in diesen Dimensionen schon mal passen, wenn es um die Erklärung von Ergebnissen geht. Als weitere Nachteile kommen die erheblichen Kosten für das Training mit riesigen Datenmengen hinzu, für die Qualitätssicherung dieser Daten sowie für die enorme Rechenpower, die für die Bewältigung dieser Mengen in vertretbarer Zeit benötigt wird. In einem Interview mit Open Data Sciences gab Sam Altman, CEO von OpenAI, an, dass alleine die Trainingkosten für ChatGPT-4 bei weit über 100 Millionen US-Dollar liegen. Ökonomisch sind der Skalierbarkeit der LLMs für die meisten Hersteller also Grenzen gesetzt. Auch das wird den Trend zu themenspezifischen LLMs fördern.

Small is beautiful

Folgt man Altman, dann endet die Zeit der Riesenbots in nicht allzu ferner Zukunft. Diese Äußerung machte er anlässlich einer Veranstaltung des Massachusetts Institute of Technology (MIT) im April 2023. Sie belegt auch ganz nebenbei, dass die Entwicklung von Künstlicher Intelligenz im Zeitraffer erfolgt, schließlich wurde sein eigenes, "riesiges" ChatGPT-3 erst Ende November 2022 publiziert. 

Bild von George auf Pixabay

Wir werden es in Zukunft daher wahrscheinlich mit kleinerer, thematisch spezialisierter und weniger generell ausgelegter, generativer KI zu tun haben, bei der die Anzahl von Parametern nicht mehr so groß sein wird. Zudem ist zu erwarten, dass mehrere KI-Modelle zu einer Art Cluster zusammengeschlossen werden und arbeitsteilig vorgehen. Eine Methode, die wir bei Hardware jeglicher Art schon seit langem praktizieren. Und weitere Methoden erinnern an frühere Lehren aus der IT. So stehen auch immer mehr Chips zur Verfügung, die speziell für die Verarbeitung von KI entwickelt wurden und der Code der KI wird stärker an die Chips angepasst werden, auf denen er läuft. Der Kreativität sind wie so oft nur ökonomische Grenzen gesetzt.

Das erforderliche Zusammenspiel von CPUs, Netzwerken, Datenbanken und Cloudlösungen sowie die vielen anderen, signifikanten Entwicklungen in der IT – wie etwa die erwähnten Blockchains oder die entstehenden Quantencomputer – werden m.E. wohl nicht dafür sorgen, dass KI und IT auf absehbare Zeit de facto oder begrifflich verschmelzen werden. Dass KI allerdings eines der prägendsten Elemente sowohl auf Seiten der Hersteller wie auch der Nutzer sein wird, steht ausser Zweifel.

Beitrag senden

WhatsApp
E-Mail

Auf social media Teilen

XING
Facebook
Twitter/X
LinkedIn

Inhalt

Neueste Beiträge

Politik und IT

Chinas KI-Tiger

Künstliche Intelligenz – viel älter als der Hype OpenAI löste mit dem Bot ChatGPT im November 2022 einen bisher nicht gekannten Medienhype und Investment-Boom für Künstliche Intelligenz aus. Derzeit soll

Weiterlesen »
Keine weiteren Beiträge vorhanden