Was ist Artificial Intelligence (AI)?

Artificial Intelligence – Grundwissen, Einsatzgebiete und Trends

Ist das der endgültige Durchbruch für Artificial Intelligence?

Mit dem KI-basierten Chatbot ChatGPT des kalifornischen Start-ups OpenAI hat das Thema AI seit Ende 2022 viel Aufmerksamkeit erhalten.

Mit ChatGPT – so scheint es – ist das Thema AI massentauglich geworden. User rufen dazu einfach die Seite des Anbieters auf, geben ihre Frage ein – und erhalten binnen Sekunden eine Antwort.

Diese Entwicklung ruft nicht zuletzt die Techgiganten auf den Plan:

• Microsoft kooperiert bereits seit 2019 mit OpenAI und hat ChatGPT bereits in die eigene Suchmaschine integriert.
• Apple schränkt die Nutzung des Tools für die eigenen Mitarbeiter ein und arbeitet an einer eigenen Lösung.
• Und Google hält mit dem eigenen Chatbot Bard dagegen, der im März 2023 auf den Markt kam.

Aber AI ist nicht nur etwas für Endanwender. Aktuell bahnen sich bereits zahlreiche nützliche AI-Funktionen ihren Weg in Unternehmen – auch in ERP-Systeme wie SAP S/4HANA.

Experten sind sich einig, dass Unternehmen mithilfe von AI enorme Potenziale erschließen können.

• Viele Fehler lassen sich bereits vor ihrer Entstehung identifizieren.
• Unternehmen können Kundenbeziehungen, Logistikketten und Warenflüsse optimieren.
• Zudem lassen sich schon bald komplette Prozesse automatisieren.

Doch was verbirgt sich konkret hinter dem Begriff Artificial Intelligence? Seit wann sind AI-Anwendungen verfügbar und warum werden sie immer populärer? Was kann AI bereits heute leisten und wo liegen die Grenzen?

Was bedeuten Begriffe wie „Machine Learning“ und „Deep Learning“? Wie wird Artificial Intelligence Unternehmen und die Gesellschaft in der Zukunft verändern? Und wie geht SAP mit künstlicher Intelligenz um?

Auf dieser Seite finden Sie Antworten auf diese und viele weitere Fragen rund um das Themengebiet AI.

Artificial Intelligence: Definition

Artificial Intelligence (AI) ist eine Disziplin der Informatik. In Deutschland wird dafür auch das Synonym Künstliche Intelligenz (KI) genutzt.

Die AI beschäftigt sich mit Methoden, die es Maschinen (Computern) ermöglichen, Aufgaben so zu lösen, wie dies ein Mensch mit seiner Intelligenz tun würde.

Die Künstliche Intelligenz umfasst daher nicht nur Aspekte der Informationstechnologie, sondern auch der Psychologie, Neurowissenschaften, Linguistik, Kommunikationswissenschaften, Mathematik und Philosophie.

Die Informatik ist also eher Mittel zum Zweck. Sie bringt die verschiedenen Disziplinen zusammen und ermöglicht die Umsetzung.

Damit die AI Aufgaben eigenständig lösen kann, muss sie trainiert werden. Dafür setzen Experten spezielle Algorithmen ein und stellen der AI Trainingsdaten zur Verfügung. Durch das permanente Training verbessert sich die AI immer weiter – bis sie die gestellten Aufgaben selbst lösen kann.

Grundsätzlich gibt es zwei bzw. drei Arten von Artificial Intelligence:

1. Autonome und automatische Erledigung von Aufgaben (schwache AI)

Die am meisten eingesetze AI ist heute eine „Weak AI“, eine schwache Künstliche Intelligenz.

Lösungen wie intelligente Software-Assistenten, Internetsuchmaschinen, selbstfahrende Autos oder Spracherkennungssysteme funktionieren bereits mit AI und halten zunehmend Einzug in unseren Alltag.

Obwohl entsprechende Systeme bereits eine enorme Leistungsfähigkeit erreicht haben, werden Sie in der Fachsprache schwache AI genannt.

Der Grund hierfür ist, dass schwache KI-Lösungen auf einem relativ oberflächlichen Intelligenz-Level agieren und kein tiefes Verständnis für Problemlösungen entwickeln.

2. Nachahmung des menschlichen Denkens und Verhaltens (starke AI)

Die starke AI (auch „Strong AI“ genannt) hat das Ziel, intellektuelle Fähigkeiten von Menschen zu erlangen oder diese sogar zu übertreffen.

Systeme mit starker AI können Muster erkennen und lernen. Vor allem können sie das erworbene Wissen auf viele neue Aufgaben anwenden, die nicht von bereits vorhandenen Algorithmen abgedeckt werden.

Eine starke KI handelt aktiv und flexibel und auf Augenhöhe mit Menschen. Systeme mit starker AI gibt es derzeit allerdings noch nicht.

3. Künstliche Superintelligenz

Systeme mit „Künstlicher Superintelligenz“ verfügen theoretisch über ein Bewusstein und menschliche Eigenschaften wie Emotionen.

Bis dato ist es noch nicht gelungen, eine solche Superintelligenz zu entwickeln. In Forscher-Kreisen wird kontrovers diskutiert, ob die Entwicklung einer solchen KI überhaupt realisierbar ist.

Unterschied zwischen Artificial Intelligence, Machine Learning und Deep Learning

Artificial Intelligence, Machine Learning und Deep Learning unterscheiden sich.

• Bei Artificial Intelligence (oder Künstliche Intelligenz) handelt es sich um einen Oberbegriff, der Technologien und Methoden umfasst, mit denen Maschinen das menschliche Denken nachahmen können.
• Machine Learning ist ein Teilgebiet der AI, der dafür steht, dass Maschinen sich mithilfe von Mustererkennung und Trainingsdaten kontinuierlich verbessern können.
• Deep Learning wiederum ist ein Teilbereich von Machine Learning. Die Maschinen trainieren hier mithilfe vielschichtiger neuronaler Netze selbst und können hochkomplexe Aufgaben lösen.

Sehen wir uns die Ansätze im Folgenden näher an, um die Unterschiede weiter herauszuarbeiten.

Machine Learning

Machine Learning (Maschinelles Lernen) beschreibt mathematische Methoden, die es einer Maschine ermöglichen, selbstständig Wissen aus Erfahrungswerten zu generieren.

Oder einfacher formuliert: Machine Learning lässt Computer nützliche Dinge tun, ohne sie vorher dafür zu programmieren. Programmiert wird nur der Algorithmus.

Aus technischer Sicht werden beim Machine Learning also Algorithmen (Berechnungsvorschriften) eingesetzt, die Gesetzmäßigkeiten und Muster in Daten eigenständig erkennen können. Hierfür müssen sie zunächst mit umfangreichen Daten versorgt und trainiert werden.

In der Entwicklungsphase sorgt ein Programmierer dafür, dass das Machine-Learning-Modell fortlaufend angepasst und optimiert wird.

So wird der Algorithmus von Datensatz zu Datensatz durch die Mustererkennung „intelligenter“, bis er seine Aufgabe mit neuen und unbekannten Daten schließlich eigenständig wahrnehmen kann.

Die wesentlichen Ziele von Machine Learning sind,

• Zusammenhänge zu erkennen,
• Daten intelligent zu verknüpfen,
• Rückschlüsse zu ziehen und
• präzise Vorhersagen zu realisieren.

Im Business-Umfeld besitzen Maschine-Learning-Anwendungen das Potenzial, Mitarbeiter von langwierigen, unproduktiven Tätigkeiten zu entlasten. Dadurch werden Ressourcen für neue Bereiche geschaffen und die Arbeit effizienter und wirtschaftlicher.

So kann lernende Software zum Beispiel Papierdokumente eigenständig scannen, den Text erkennen, weitere Schritte veranlassen und die Archivierung organisieren.

Ein komplexeres Szenario, in dem maschinelles Lernen schon heute eingesetzt wird, ist Predictive Maintenance (Proaktive Wartung). Die eingesetzen Algorithmen sind in der Lage, mögliche Schäden an technischen Anlagen und Fehlermuster frühzeitig zu erkennen, um bei Bedarf eine Wartung anzufordern.

Die Spracherkennung auf Mobiltelefonen, Spam-Filter in E-Mail-Postfächern und auch die Gesichtserkennung bei der Fotoverwaltung werden in wesentlichen Teilen von Machine-Learning-Algorithmen gesteuert.

Oftmals haben wir Menschen heute schon Kontakt mit maschinellem Lernen, ohne es zu wissen. Dies ist beispielsweise der Fall, wenn uns personalisierte Werbung angezeigt wird.

Deep Learning

Deep Learning ist ein Teilbereich von Machine Learning. Es handelt sich um eine spezielle Methode, die sogenannte „tiefe“ künstliche neuronale Netze (englisch: Deep Neural Networks oder DNN) und riesige Datenmengen nutzt, um besonders effizient zu lernen.

Die Funktionsweise orientiert sich an Lernvorgängen im menschlichen Gehirn. Basierend auf vorliegenden Informationen können entsprechende Systeme Erlerntes immer wieder mit neuen Inhalten verknüpfen und dadurch kontinuierlich dazulernen.

Ab einem bestimmten Punkt ist die Maschine dann in der Lage, Prognosen zu liefern, eigenständig Entscheidungen zu treffen und diese zu hinterfragen. Ist das Ergebnis der Entscheidung nicht zufriedenstellend, so wird es in einem neuen Anlauf angepasst.

Der Mensch greift in diesen Lernvorgang normalerweise nicht ein. Dies ist auch der wesentliche Unterschied zum Machine Learning.

Deep Learning eignet sich insbesondere für Szenarien, in denen große Datenmengen auf Modelle und Muster untersucht werden sollen. Anwendungsbeispiele sind auch hier die Sprach-, Objekt- oder Gesichtserkennung.

Bei der Spracherkennung ermöglicht es Deep Learning beispielsweise, den Wortschatz von Systemen selbstständig mit neuen Wörtern und Wortvarianten zu erweitern. Weitere Einsatzbereiche sind autonome Fahrzeuge oder Roboter, KI in Computerspielen oder eine Vorhersage des Kundenverhaltens im Rahmen von CRM-Lösungen.

Was ist ChatGPT?

ChatGPT ist ein ChatBot von OpenAI, einem US-amerikanischen Unternehmen, das sich mit der Entwicklung und Erforschung von AI beschäftigt.

Über die Oberfläche von ChatGPT können User ihre Fragen eingeben und erhalten Antworten, die der Chatbot generiert. Die Einsatzmöglichkeiten sind vielfältig:

• von der Erstellung von verschiedensten Texten
• bis zur Prüfung der Rechtschreibung,
• von der Umformulierung von vorgegebenen Texten
• bis zur Auflistung von Fragen zu einem speziellen Thema.

Das Sprachmodell von OpenAI wurde und wird mit echten Texten trainiert (auf der Basis von Texten bis zum Jahr 2021) und verbessert sich laufend. Fehlerfrei sind die Antworten allerdings nicht immer, das haben bereits viele Beispiele gezeigt.

Entwicklung und Einsatz von Artificial Intelligence

Seit ihrer Entstehung hat Artificial Intelligence enorme Entwicklungssprünge vollzogen. Dies gilt insbesondere für die jüngste Vergangenheit. Im Management von Konzernen ist KI aktuell eine Zukunftsthematik, in der das Potenzial gesehen wird, Unternehmen und die Gesellschaft grundlegend zu verändern.

Durch den Einsatz von KI ergeben sich Möglichkeiten zur Optimierung des eigenen Geschäfts und gar zur Neuordnung kompletter Branchen. Doch wie ist Artificial Intelligence entstanden und welche Ausprägungen haben entsprechende Systeme bis heute tatsächlich erreicht?

Geschichte: Der Beginn der Artificial Intelligence

Die Ursprünge von Artificial Intelligence reichen bis in die 1950er Jahre zurück. Bereits in diesem Jahrzehnt wurde der Begriff auf einer Wissenschaftskonferenz in den USA verwendet. Als einer der Gründungsväter der AI gilt der Wissenschaftler Marvin Minsky.

Im Jahr 1966 definierte Minsky AI so: „Artificial Intelligence is the science of making machines do things that would require intelligence if done by men.“ Frei übersetzt bedeutet das: Künstliche Intelligenz ist dann gegeben, wenn Maschinen Dinge tun, für deren Ausführung menschliche Intelligenz erforderlich ist.

Ein früher Meilenstein der KI war außerdem der Turing Test. Er wurde in den 1950er Jahren vom britischen Mathematiker Alan Turing entwickelt und sollte es ermöglichen, dass ein Mensch über eine Chat-Software synchron mit anderen Menschen und einer Maschine kommuniziert.

In den 1960er Jahren wurde der sogenannte „General Problem Solver“ präsentiert. Es handelte sich hierbei um ein KI-System, das einfache Problemstellungen lösen konnte. Im gleichen Jahrzehnt sorgte die Software ELIZA für Aufsehen. Das Chat-System ermöglichte es seinerzeit, Therapiegespräche zu simulieren.

1996 schlug ein Computer den damals amtierenden Schachweltmeister Garri Kasparow. In den Folgejahrzehnten verbesserten sich die Fähigkeiten von Artificial Intelligence kontinuierlich. Im Wesentlichen war dies auf stetig besser werdende Speichermöglichkeiten und Rechenleistungen zurückzuführen.

2011 wurde die Software Watson von IBM vorgestellt. Sie konnte die Quiz-Show Jeopardy gegen menschliche Gegner gewinnen. AlphaGo ist ein weiteres AI-Programm, das die zuvor als nahezu unmöglich angesehene Leistung vollbrachte, 2016 den weltbesten professionellen Go-Spieler zu schlagen.

Heutiger Einsatz von Artificial Intelligence

Künstliche Intelligenz ist heute sowohl in unserem privaten als auch im beruflichen Alltag präsent. Ein klassisches Beispiel ist die Spracherkennung, die durch Anwendungen wie die Sprachassistenten Siri (von Apple) und Alexa (von Amazon) Bekanntheit erlangt hat. Zudem wird an Übersetzungssystemen gearbeitet, die Konversationen live in eine andere Sprache übersetzen.

Darüber hinaus begegnen uns seit einigen Jahren sogenannte Chatbots, die von Unternehmen eingesetzt werden, um die Effizienz der Kundenkommunikation zu steigern.

Es handelt sich um Software, die durch umfangreiche Datenbanken, linguistisches Wissen und eine Volltextsuchmaschine einen Dialog mit Anwendern führen kann. Im englischsprachigen Raum fungieren Chatbots bereits als Ansprechpartner für medizinische Fragen.

Ein weiteres wichtiges Einsatzgebiet von Artificial Intelligence ist Predictive Analytics. Hier erstellen Algorithmen auf Basis historischer Daten aus unterschiedlichsten Quellen Vorhersagen für die zukünftige Entwicklung von Kundenbeziehungen, Ergebnissen und Geschäftsprozessen. Der Finanzsektor nutzt entsprechende Anwendungen im Schadensmanagement und für die Betrugserkennung.

Auch die Planung von Marketingkampagnen lässt sich mit Predictive Analytics optimieren. So können Algorithmen etwa vorhersagen, welcher Kunde, zu welchem Zeitpunkt, an welchem Ort ein bestimmtes Produkt kaufen wird.

Im Service Management sind KI-Anwendungen ebenfalls im Einsatz. Hier übernimmt Artificial Intelligence beispielsweise die Kategorisierung von Incidents und das Führen von Support-Dialogen. Zudem können die Support-Mitarbeiter bei der Analyse und Lösung von Problemen unterstützt werden, sofern eine geeignete Wissensdatenbank vorhanden ist.

In der IT-Sicherheit hat AI ebenfalls zu erheblichen Verbesserungen geführt. Hier ermöglichen es KI-basierte Lösungen mittlerweile, Angriffsmuster zu erkennen und Sicherheitsvorfälle zu priorisieren. Die Security-Systeme entwickeln sich mit Methoden des maschinellen Lernens kontinuierlich weiter, indem sie Daten zu Bedrohungen sammeln, analysieren und klassifizieren.

Was bedeutet Artificial Intelligence für SAP?

Die derzeitige Ausrichtung von SAP lässt erkennen: Das Walldorfer Unternehmen möchte sich als Softwareanbieter positionieren, der mit seinen Produkten intelligente Unternehmen möglich macht.

KI ist – neben der Ausrichtung auf Cloud-ERP-Systeme – auf diesem Weg für SAP ein zentrales Element.

Mit Artificial Intelligence will SAP sämtliche Geschäftsprozesse automatisieren und unter anderem das Nutzererlebnis verbessern – für alle End-to-End-Prozesse von Lead-to-Cash über Design-to-Operate bis Recruit-to-Retire.

Seit 2023 verstärkt die SAP ihre Bemühungen, möglichst viele KI-Lösungen in das gesamte Portfolio zu integrieren und so nutzbar zu machen. SAP hat dafür den Oberbegriff SAP Business AI eingeführt.

Aktuell (Stand Mai 2023) bietet SAP über 130 KI-Anwendungsszenarien an, die bereits in die SAP-Software integriert sind. Nach Angaben von SAP werden diese Lösungen bereits von rund 23.000 Kunden genutzt.

In Zukunft setzt das Unternehmen zudem auf Generative AI. Diese Form von AI steht für Systeme, mit deren Hilfe auf der Basis von Daten etwas Neues erzeugt werden kann (zum Beispiel Texte, Bilder oder Videos).

Eine der langfristigen Ziele ist unter anderem eine ERP-Lösung, die sich vor allem mittels Spracherkennung bedienen lässt.

Hierfür wurde vor einigen Jahren bereits der integrierte Assistent namens „CoPilot“ vorgestellt. Er ermöglicht es Nutzern, per Sprache (oder Tastatur und Chat-Funktion) mit dem System zu interagieren und beispielsweise nach Informationen zu suchen.

Im Einkauf und bei der Bezugsquellenfindung sollen sprachbasierte Elemente etwa Bestellanforderungen beschleunigen und vereinfachen. Vertriebsmitarbeiter werden hingegen in die Lage versetzt, Angebote via Sprachbefehl in Aufträge umzuwandeln.

Eine Vision ist zudem ein intelligenter Assistent, der beispielsweise in der Lage ist, die Agenda von Meetings zu verstehen und automatisch die passenden Kennzahlen zu liefern. Die entsprechende Software soll von den Gewohnheiten des Anwenders lernen und sich auf dieser Basis intelligent anpassen.

Ein weiteres wichtiges Einsatzgebiet von künstlicher Intelligenz im SAP-Umfeld wird die Automatisierung von Prozessen sein. Hieraus ergeben sich enorme Einsparungen für Unternehmen.

Aktuelle AI-Lösungen der SAP

SAP hat bereits heute eine Vielzahl von AI- und Machine-Learning-Anwendungen im Portfolio – und das für nahezu jeden Unternehmensbereich und Kerngeschäftsprozess. Im SAP-Produkt SAP S/4HANA sind Artificial Intelligence und Machine Learning bereits integriert.

Zu nennen sind beispielsweise:

Lead-to-Cash-Prozess

• SAP Emarsys Customer Engagement: Vorhersage der Kaufabsicht von Kunden mit KI-Lead-Scoring und Erhöhung des Umsatzes im Online-Bereich durch personalisierte Produktempfehlungen
• SAP Sales Cloud: verbesserung der Prognosegenauigkeit mit automatischen Bewertungen des Pipeline-Zustands
• SAP CPQ: Verbesserung der Abschlusswahrscheinlichkeit durch Rabattempfehlungen

Design-to-Operate-Prozess

• SAP Integrated Business Planning: Vorhersage des Bedarfs mit intelligenter Bedarfsermittlung und automatische Klassifizierung und Einteilung von Angeboten mit intelligenter Segmentierung
• SAP Predictive Asset Insights: Effizienter Abschluss von Instandhaltungsaufgaben mit Vorschlägen für Objektteil und Schadenscode

Source-to-Pay-Prozess

• SAP-Fieldglass-Lösungen: Finden von externen Mitarbeitern mit intelligentem Lebenslauf-Screening
• SAP-Ariba-Lösungen: Korrekte Klassifizierung von Rechnungen mit automatisierten Datenanreicherungsservices

Recruit-to-Retire-Prozess

• SAP-Fieldglass-Lösungen: Finden der besten Bewerber mit intelligentem Lebenslauf-Screening
• SAP-SuccessFactors-Lösungen: Maßgeschneiderte Schulungsempfehlungen zur Verbesserung von Weiterbildung und Talententwicklung

Finanzwesen

• SAP Cash Application: Automatisierung des Forderungsabgleichs
• Intercompany-Matching und -Abstimmung (ICMA): Vereinfachung des Finanzabschlussprozesses durch Erkennung und Behebung von Diskrepanzen zwischen Intercompany-Transaktionen

Ethische Grundsätze bereits definiert

Artificial Intelligence geht mit enormen gesellschaftlichen Veränderungen und Herausforderungen beim Datenschutz einher. Auch mit diesen „Schattenseiten“ der KI hat sich SAP bereits eingehend beschäftigt.

So hat der Software-Konzern Leitlinien entwickelt, mit denen die Einführung und Entwicklung von KI-Komponenten gesteuert werden soll. Das übergeordnete Ziel ist es hierbei „die Abläufe der weltweiten Wirtschaft und das Leben der Menschen zu verbessern“.

Die Grundsätze umfassen folgende Aspekte:

• Werteorientiertes Handeln (Achtung von Menschenrechten und UNO-Leitprinzipien)
• Mensch und Benutzererlebnis im Mittelpunkt
• Vorurteilsfreies Handeln für Unternehmen
• Transparenz und Integrität
• Qualität und Sicherheit
• Datenschutz und Privatsphäre

Zudem möchte SAP die gesellschaftlichen Herausforderungen angehen, die sich durch AI ergeben. Hier spielen Aspekte wie ökonomische Umverteilung, wirtschaftliche Entwicklung, soziale Sicherheit und normative Fragestellungen eine Rolle.

Ethische und moralische Fragestellungen im Bereich der künstlichen Intelligenz

Im Zusammenhang mit Künstlicher Intelligenz ergeben sich mehrere ethische Dilemmata.

• So ist kritisch zu hinterfragen, ob Entscheidungen von autonomen Maschinen möglicherweise eine Bedrohung für den freien Willen und das Übernehmen von Verantwortung darstellen.
• Zudem können Entwickler KI-Software mit Tendenzen versehen, die etwa zum Ausschluss von Personen oder zur Diskriminierung führen. Besonders problematisch ist dieser Umstand, wenn diese Tendenzen im Rahmen von Machine Learning unbeabsichtigt entstehen.
• Weiterhin besteht das Risiko, dass Menschen durch Profiling über Algorithmen identifiziert, kategorisiert und bewertet werden können, basierend auf ihren Aktivitäten, Vorlieben, Meinungen oder anderen Informationen, die sie online teilen oder generieren. Hierdurch könnte der kulturelle und politische Pluralismus in Gefahr geraten.
• Darüber hinaus benötigen KI-Systeme riesige Datenmengen, um Lernvorgänge sinnvoll durchlaufen zu können. Hierzu zählen auch personenbezogene Daten. Die geltenden Datenschutzgesetze stehen hierzu in erheblichem Gegensatz.
• Die große Menge an Informationen birgt jedoch noch weitere Herausforderungen. So ist es bisweilen schwierig, korrekte und fehlerfreie Informationen herauszufiltern. Ist die Datenbasis nicht zweifelsfrei von hoher Qualität, kann Software-Ergebnissen und -Entscheidungen kein hohes Vertrauen geschenkt werden.

Ausblick: Wohin geht der Trend für Artificial Intelligence?

Artificial Intelligence ist zweifelsfrei ein stark emotionsgeladenes Thema. In der Diskussion dominieren oftmals Extrempositionen.

Das eine Lager sieht AI als Bedrohung für die gesamte Menschheit, während die Technologie von der Gegenseite oft als Allheilmittel für all unsere Probleme aufgefasst wird.

Ob eines dieser Szenarien eintritt, kann heute noch niemand beurteilen. Fakt ist jedoch: AI wird in den kommenden Jahren und Jahrzehnten signifikant an Bedeutung gewinnen. Experten sind sich einig, dass Artificial Intelligence eine Schlüsseltechnologie der digitalen Revolution ist.

Für Unternehmen, die in Sachen Digitalisierung vorankommen möchten, führt daher kaum ein Weg daran vorbei, die Möglichkeiten der Künstlichen Intelligenz für sich zu nutzen und die Automatisierung über AI voranzutreiben. SAP bietet hierzu bereits eine Fülle von Möglichkeiten.

• Sehr wahrscheinlich ist es, dass Mitarbeitende künftig durch AI von Routinetätigkeiten entlastet werden. Insbesondere Standardvorgänge, die sich in hoher Frequenz wiederholen, sind das potenzielle Einsatzgebiet.
• Maschinen werden in den kommenden Jahren jedoch nicht nur Prozesse automatisieren. Ein enormes Potenzial verbirgt sich auch in der Analyse großer Datenmengen. Im Gegensatz zu klassischen Ansätzen, die rein auf der Auswertung von Vergangenheitswerten basieren, ermöglicht AI einen Blick in die Zukunft.
• Auf dieser Basis können wiederum präzise Entscheidungen getroffen und neue Geschäftsmodelle sowie Smart Services (wie die vorausschauende Wartung von Maschinen) realisiert werden.
• Auch die Optimierung von Warenströmen und Logistikketten ist ein Einsatzbereich, in dem sich KI vermutlich durchsetzen wird.

Und wo bleibt der Mensch? Wird er in der Arbeitswelt in Kürze vollständig durch Roboter mit Artificial Intelligence ersetzt? Bestimmte Berufsbilder könnten durch KI zwar tatsächlich verschwinden, gleichzeitig entstehen jedoch auch neue Jobs.

Menschliche Fähigkeiten wie Kreativität und Empathie könnten wieder in den Vordergrund rücken. Es entsteht Freiraum, sich wieder auf eigene Stärken zu konzentrieren und Innovationen zu entwickeln. Dies wirkt sich zudem positiv auf die Mitarbeiterzufriedenheit aus.

Auch der Faktor Intuition wird weiterhin gefragt sein. Entscheidungen werden zwar deutlich stärker auf Daten aus intelligenten Analysen basieren. Ist die Entscheidungstragweite jedoch hoch, wird das letzte Wort bis auf Weiteres immer noch der Mensch haben.

Fazit: Chance und Risiko zugleich

Es besteht die Chance, dass sich AI positiv entwickelt und Menschen dazu befähigt, die Probleme einer modernen Gesellschaft besser zu lösen und mehr zu erreichen.

Ein Risiko besteht darin, AI über die Grenzen einer sinnvollen Kontrolle hinaus agieren zu lassen. Für Unternehmen wäre ein solches Vorgehen nicht nur in puncto Reputation und Ethik inakzeptabel.

Das Management würde bei Fehlschlägen möglicherweise Innovationen verzögern oder gar vollständig stoppen. Das Maß an Sicherheit und Kontrolle beim Einsatz von Artificial Intelligence könnte also darüber entscheiden, ob intelligente Maschinen für uns zum Fluch oder zum Segen werden.