KI: Revolutionäre Technologie oder alles nur ein Hype?

Aktuell erscheint kaum eine Ausgabe der großen deutschen Tageszeitungen, in der nichts von künstlicher Intelligenz zu lesen ist. Die Bundesregierung will die Erforschung und Entwicklung von KI massiv fördern und fast jedes Unternehmen will davon profitieren. Doch wie soll das genau aussehen? Ist diese Technologie überhaupt marktreif? Welche Kosten sind damit verbunden? Drei gängige Vorurteile werden genauer beleuchtet und einem Reality Check unterzogen.

Check #1: „KI ist ein allwissender, autonom handelnder Supercomputer.“

Hier gilt es klar zu differenzieren zwischen menschlicher und künstlicher Intelligenz. Eine KI kann keine selbstständigen Entschlüsse fassen oder gar Emotionen empfinden. Sie verfügt nur über eine dem menschlichen Gehirn nachempfundene Fähigkeit, dem Lernen aus Erfahrung. Mithilfe selbstlernender Algorithmen und künstlicher neuronaler Netze lässt sich aber bereits heute Beeindruckendes erzielen.

Solche KI-Anwendungen mit klar umrissenen Aufgaben werden übrigens auch schmale oder schwache KI genannt. Das Gegenstück dazu wäre eine allgemeine oder starke KI, die im Prinzip ein künstliches Gehirn darstellen würde. Ob sich das eines Tages realisieren lässt, ist ungewiss.

Check #2: „Das Ganze hat keinen praktischen Nutzen.“

Ihren größten Vorteil können KI-Anwendungen ausspielen, wenn es um die Verarbeitung riesiger Datenmengen geht. Das auf neuronalen Netzen basierende Deep Learning kann enorme Informationsmengen in vergleichsweise kurzer Zeit analysieren und darin Muster erkennen. Das lässt sich beispielsweise zur Früherkennung von Krebs einsetzen. Google hat diese Technologie etwa mit einem Mikroskop und Augmented Reality kombiniert. Die unter dem Mikroskop aufgenommenen Gewebeproben werden dabei von einer KI automatisch analysiert. Diese wurde zuvor mit Fotos von befallenen und gesunden Zellen trainiert.

Ein weiterer Einsatzbereich ist Spracherkennung. Wer die Entwicklung dieser Technologie in den letzten Jahren verfolgt hat, dürfte bemerkt haben, wie sehr sie sich bei der Erkennung natürlich gesprochener Sprache verbessert hat. Auch dahinter steckt KI in Form von Musterkennung und maschinellem Lernen. Die Algorithmen zur Spracherkennung verbessern sich im Laufe ihrer unablässigen Tätigkeiten immer ein bisschen weiter.

Auch in der Betrugsprävention werden bereits erfolgreich Verfahren zur Musterkennung eingesetzt, so kann das normale Verhalten von Nutzern ermittelt und bei Abweichungen davon ein Alarm ausgegeben werden. Auch die Steuerung autonomer Fahrzeuge basiert auf KI-Anwendungen. Das ist nur eine kleine Auswahl und für die Zukunft sind noch viele weitere Anwendungsbereiche denkbar.

Check #3: „KI ist mit enormen Kosten verbunden.“

Wenn wir von riesigen Datenmengen reden, die auch noch in unzähligen Schleifen komplexeste Algorithmen durchlaufen, kann man schon erahnen, dass dafür auch eine entsprechende Rechenleistung notwendig ist. Um KI sinnvoll anwenden zu können, ist sogenanntes High Performance Computing (HPC) nötig, dabei werden die großen Workloads gesplittet und auf mehrere Prozessoren verteilt. Das erlaubt einen hohen Datendurchsatz bei gleichzeitig hoher Geschwindigkeit. Solche „Supercomputer“ waren bislang Forschungseinrichtungen, Militärs und großen IT-Konzernen vorbehalten. Open-Source-Betriebssysteme für HPC erlauben es heute aber auch anderen Unternehmen, auf der Basis von ARM-Infrastrukturen eigene, skalierbare HPC-Kapazitäten zu vertretbaren Kosten aufzubauen.

Fazit

Künstliche Intelligenz ist keine eierlegende Wollmilchsau des Computerzeitalters, die uns bald alle lästigen Aufgaben abnehmen wird. Doch es sind bereits heute spannende Einsatzgebiete realisierbar: Künstliche Intelligenz kann die Gesundheitsvorsorge verbessern und den Straßenverkehr sicherer machen – allgemein überall dort helfen, wo schiere Datenmengen das menschliche Verständnis übersteigen. Dabei wird der Einsatz von KI-Anwendungen für immer mehr Unternehmen attraktiv. Mit der Kombination von ARM-basierter Hardware und Open Source Software ist die leistungsfähige und kosteneffiziente Implementierung von HPC auch realistisch machbar.