Hinweis

Für dieses multimediale Reportage-Format nutzen wir neben Texten und Fotos auch Audios und Videos. Daher sollten die Lautsprecher des Systems eingeschaltet sein.

Mit dem Mausrad oder den Pfeiltasten auf der Tastatur wird die jeweils nächste Kapitelseite aufgerufen.

Durch Wischen wird die jeweils nächste Kapitelseite aufgerufen.

Los geht's

Kuenstliche Intelligenz

Logo https://wijo.pageflow.io/kuenstliche-intelligenz

STARTSEITE

Zum Anfang

Technologie & Forschung

Zum Anfang

Künstliche Intelligenz

Ob es um autonomes Fahren, das Smart Home oder Alexas Sprachsteuerung geht: Der Begriff Künstliche Intelligenz (KI) taucht zurzeit überall auf. Doch was ist KI eigentlich? Was bedeuten Begriffe wie Neuronale Netze, Big Data, Machine oder Deep Learning? Und wie weit ist die Technik bereits?

Was heute wie ein Modewort klingt, ist unter Fachleuten bereits seit über 60 Jahren bekannt: Im Zuge der Dartmouth Conference wurde der Begriff Artificial Intelligence (AI, auf Deutsch: Künstliche Intelligenz) im Jahr 1956 zum ersten Mal genutzt. Seither sind Wissenschaftler davon überzeugt, dass die menschliche Intelligenz mit Maschinen abgebildet werden kann. KI zu definieren, fällt allerdings weiterhin schwer. Das liegt vor allem daran, dass es für den Begriff Intelligenz keine allgemeingültige Definition gibt. Klar ist jedoch: KI ist ein Teilgebiet der Informatik, das versucht, menschliches Verhalten und Denken künstlich nachzuahmen, um damit Probleme zu lösen. Dass es gerade so einen Hype erfährt, liegt vor allem daran, dass die Computer heute viel leistungsstärker sind als noch vor einigen Jahren – und sie demnach nicht nur schneller rechnen, sondern auch komplexere Probleme lösen können.
Zum Anfang
Doch KI ist nicht gleich KI. Innerhalb dieses Bereichs wird weiter zwischen schwacher und starker KI unterschieden – abhängig davon, wie intelligent das System wirklich ist beziehungsweise handelt. Ein schwaches System kümmert sich meist nur darum, eine einzige Aufgabe zu erledigen. Es hat lediglich gelernt, wie es sich in einem bestimmten Gebiet verhalten muss und kann nur Probleme lösen, die innerhalb dieses Gebiets auftauchen. So kann ein Chatbot beispielsweise zwar mit Menschen schriftlich kommunizieren – mit ihnen sprechen oder ihre Gesichter erkennen kann er allerdings nicht. Schwache KI ist also darauf ausgelegt, bestimmte Aufgaben automatisch oder sogar autonom, sprich selbstständig, auszuführen. Auch wenn sie dies um einiges schneller und effizienter kann als ein Mensch, ist sie noch lange keine Kopie von ihm.

Darauf allerdings zielt die starke KI ab: Eine Maschine zu schaffen, die allgemein intelligent wie ein Mensch ist – oder sogar intelligenter. Während schwache KI schon, ob bewusst oder unbewusst, Teil unseres Alltags geworden ist, gehören stark intelligente Systeme noch zu einer weit entfernten Zukunftsvision. Denn diese Systeme würden aus eigenem Antrieb handeln: Sie könnten logisch denken, auch bei Unsicherheit Entscheidungen treffen, in natürlicher Sprache kommunizieren, wären fähig zu planen und zu handeln und könnten darüber hinaus all diese Fähigkeiten kombinieren. Ob eine starke KI jedoch wie ein Mensch ein Bewusstsein haben und Empathie empfinden wird, ist noch unklar.


Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
So wie ein Mensch nicht von Geburt an laufen kann, so muss auch eine Maschine erst lernen, wie sie bestimmte Aufgaben bewältigen kann. Die Grundlage hierfür liefern Algorithmen und Daten. Der Algorithmus erklärt der Maschine, wie sie Schritt für Schritt vorgehen muss, um ein Problem zu lösen. So erkennt eine KI beispielsweise nie direkt ein ganzes Gesicht, sondern setzt einzeln identifizierte Muster nach und nach zusammen, bis so aus Augen, Mund und Nase das Gesamtbild entsteht – und das passiert wie im menschlichen Gehirn innerhalb von Bruchteilen einer Millisekunde.

Damit die KI allerdings weiß, wie ein Gesicht überhaupt aussieht, aus welchen Einzelteilen es besteht und wie sie diese erkennt, benötigt sie Daten. Und zwar meistens jede Menge davon. Mithilfe tausender verschiedener Bilder bekommt sie nicht nur beigebracht, zwischen Mund und Nase, sondern auch zwischen einem tierischen und einem menschlichen Gesicht zu unterscheiden. Je mehr Übungsbilder sie hierbei nutzen kann – sprich je mehr sie trainieren kann –, umso besser lernt sie, die Dinge zu erkennen und auseinanderzuhalten. Während eine KI allerdings tausende Hunde- und Katzenbilder braucht, um einen Hund von einer Katze zu unterscheiden, braucht ein dreijähriges Kind hierfür nur einmal einen Hund zu sehen.
Zum Anfang
Insbesondere wenn es um viele Daten geht, taucht der Begriff Big Data oft auf. Dieser ist allerdings gefühlt ebenso wenig definierbar wie KI selbst. Im Großen und Ganzen kann man jedoch sagen, dass es bei Big Data darum geht, riesige Datenmengen zu organisieren. Fragen wie „Wie komme ich an Daten?“, „Wie speichere ich sie?“ und „Wie bekomme ich aus der Datenmenge nützliche Infos heraus?“ und deren Beantwortung stehen hierbei im Vordergrund. Das alles hat jedoch meistens (noch) gar nichts mit KI zu tun. Die beiden Begriffe verbinden sich erst dann miteinander, wenn die KI in ihrem Lernprozess auf Daten zurückgreift, die aus Big Data gewonnen wurden. Big Data selbst ist also nicht künstlich intelligent – es kann lediglich als Nahrung für die KI dienen. Doch wie kann ein künstlich intelligentes System das verwerten?
Zum Anfang
Der oben genannte Lernprozess kann auf unterschiedliche Weisen stattfinden. Eins der bekanntesten und meistgenutzten Verfahren ist das Machine Learning (ML, auf Deutsch: maschinelles Lernen), das auf zwei verschiedene Arten genutzt werden kann. Zum einen gibt es das supervised learning (auf Deutsch: überwachtes Lernen), bei dem die KI mittels eines Trial-and-Error-Prinzips lernt. Konkret bedeutet das: Das System lernt anhand tausender Frage-Antwort-Paaren die richtigen Antworten und muss sich anschließend bei einem Test mit unbekannten Daten beweisen. Besteht es diesen, ist es einsatzbereit und kann neue unbekannte Daten analysieren.

Zum anderen dagegen gibt es das unsupervised learning (auf Deutsch: unüberwachtes Lernen). Hierbei ist das System auf sich allein gestellt, es sind keine Frage-Antwort-Paare vorhanden, die es lernen kann. Die KI bekommt in diesem Fall teilweise eine Menge Daten zur Verfügung gestellt (zum Beispiel aus Big Data) und muss selbst herausfinden, was sie mit ihnen anfängt. So muss sie versuchen, bestimmte Muster zu erkennen und daraus Regeln abzuleiten – und sich entsprechend anpassen. Auf diesem Weg hat sich beispiels-weise die KI ‘AlphaGo‘ von Google das Spiel ‘Go‘ beigebracht, ohne vorher die Regeln gekannt zu haben.
Zum Anfang
Eine Technik, auf die beim Machine Learning oft zurückgegriffen wird, sind sogenannte neuronale Netze. Diese Netze haben unser menschliches Gehirn als Vorbild und bestehen aus vielen künstlichen Neuronen, über die das System auf den unterschiedlichsten Wegen lernen kann. Je mehr Neuronenschichten vorhanden sind, umso mehr Wege gibt es – und umso komplexer können die Sachverhalte sein, die das System bearbeiten soll. Der Mensch muss in diesen Lernvorgang meist nicht mehr eingreifen unüberwachtes Lernen.
Wenn die KI mit einem Netz lernt, das besonders viele Schichten hat, das also wirklich „in die Tiefe“ geht, dann wird dies Deep Learning (DL, auf Deutsch: tiefes Lernen) genannt. Diese Methode eignet sich sehr gut, um große Datenmengen zu untersuchen und hierbei Muster zu erkennen oder Modelle zu entwickeln. So wird es beispielsweise oft genutzt, wenn es darum geht, Gesichter, Objekte oder Sprache zu erkennen. Denn über die Zeit hat sich gezeigt, dass KI diese Aufgaben besser mittels DL lösen kann als mit anderen ML-Techniken.
Zum Anfang
Ein Bereich, in dem Verfahren wie ML oder DL eingesetzt werden und der im KI-Begriffs-Dschungel ebenfalls öfter genannt wird, ist Data Mining. Übersetzt man diesen Begriff ins Deutsche, führt er etwas in die Irre. Denn es geht hierbei nicht darum, Daten so abzubauen (Englisch: to mine) wie man zum Beispiel Kohle abbaut. Sondern darum, unübersichtliche Datenmengen mithilfe von Algorithmen zu sortieren, um daraus bestimmte Erkenntnisse beziehungsweise Ergebnisse zu gewinnen. So können Versicherungen beispielsweise automatisiert Betrüger erkennen oder Netflix seinen Nutzern passende Serien empfehlen und Trends abschätzen.

Eine spezielle Form des Data Minings ist das Text Mining: Hierbei werden lediglich Textdaten wie Zeitungsartikel, Tweets oder Reden analysiert. Spezielle Techniken wie das Natural Language Processing (NLP) sorgen dafür, dass die Maschine die Textdaten – sprich unsere Sprache – versteht. NLP beispielsweise kombiniert hierfür Methoden aus den Sprachwissenschaften mit KI-Methoden wie dem ML.
Zum Anfang
Ein weiteres Gebiet, das teilweise KI nutzt, ist die Robotik. Diese beschäftigt sich damit, Roboter zu entwickeln. Im Prinzip geht es dabei darum, die Elektronik und Mechanik einer Maschine mithilfe der Informatik so miteinander zu verbinden, dass diese gemeinsam gesteuert werden und zusammen-arbeiten können. Wird ein Roboter mithilfe von KI pro-grammiert, dann zählt er als intelligent. Dies zeigt sich allerdings bisher nur in einer schwachen Form. Führt ein Roboter lediglich stumpf immer die gleichen Bewegungen aus, ohne sich dabei von selbst an geänderte Bedingungen anzupassen, dann steckt höchstwahrscheinlich keine KI in ihm. Dies betrifft viele Maschinen, die in der Industrie für Routinearbeiten eingesetzt werden. Kann der Roboter dagegen beispielsweise wie ein Chatbot Sprache erkennen und mit Menschen reden – sprich autonom mit jemandem kommunizieren –, dann agiert er zumindest in diesem Bereich intelligent. Wissenschaftler sind allerdings noch weit davon entfernt, einen Roboter zu bauen, der sich komplett wie ein Mensch verhält, der wie dieser denkt, fühlt und handelt und demnach stark intelligent wäre.
Zum Anfang

Intelligentes Schulbuch (Hypermind)

Ein Schulbuch, das sich individuell an jeden Schüler anpasst, das Fachbegriffe, die der Leser nicht versteht, automatisch erklärt. Oder das zu komplexen Themenbereichen von selbst Videos abspielt. Was wie der Traum eines jeden Schülers klingt, könnte dank eines Projekts der Technischen Universität Kaiserslautern (TU) und dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) bald Alltag in den Schulen werden.


Zum Anfang
Der erste Unterschied zu einem klassischen Schulbuch fällt direkt auf – HyperMind wird am PC gelesen. Das digitale Buch erkennt automatisch, wo der Schüler hinschaut und ob er manche Stellen eventuell länger als gewöhnlich oder wiederholt betrachtet. Das ist ein Zeichen dafür, dass der Lernende den Inhalt entweder sehr interessant findet oder womöglich nicht versteht – und ein Signal für das Schul-buch. Mithilfe dieses Signals kann es sich individuell auf jeden Schüler einstellen. Wo es nötig ist, spielt es dem Leser Zusatzinformationen zu: Fachbegriffe werden in einfachen Texten erklärt, komplexe Inhalte mithilfe von Bildern, Grafiken oder Videos veranschaulicht. Die einzelnen Bausteine helfen dem Schüler, das Thema in seinem eigenen Lerntempo zu verstehen – oder das Wissen über ein spannendes Feld zu vertiefen. Prof. Dengel sieht viele Vorteile für den Schüler:
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
Doch woher weiß HyperMind, wo der Schüler gerade hinschaut? Und ob dieser interessiert liest oder Ver-ständnisprobleme hat? Für dieses Wissen sorgt eine Künstliche Intelligenz (KI), die unter anderem mit einem Eyetracker arbeitet. Eine Kamera, die am Bildschirm befestigt ist, nimmt jede noch so kleinste Bewegung der Augen auf. Und das intelligente System analysiert diese dann. So kann das Buch beispielsweise erkennen, ob der Leser eine bestimmte Stelle länger als gewöhnlich fixiert oder ob seine Augen sich sakkadisch bewegen – sprich, ob sie schnell und ruckartig von einem Wort oder Objekt zum nächsten springen. Doch HyperMind setzt noch auf weitere intelligente Bausteine. 
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
Auch wenn das Schulbuch erkennt, wie gut oder schlecht ein Schüler mit dem Inhalt zurechtkommt: Lernen muss derjenige immer noch selbst. Denn Aufgaben, die den aktuellen Wissensstand testen, müssen weiterhin bearbeitet werden – wie immer schon. Die KI spielt jedoch auch beim Bearbeiten der Aufgaben eine Rolle: Sie merkt sich, ob der Schüler die Inhalte vorher besser mithilfe von Diagrammen, Videos oder Bildern gelernt hat, und erkennt die daraus aufgenommenen Informationen in der Lösung wieder. Dadurch kann sie den Lernenden noch besser kennenlernen, individuell unterstützen und eingreifen, wenn der Schüler sich beispielsweise statt Diagrammen nur noch Videos anschaut. In diesem Fall könnte HyperMind ihm gezielt Diagramme zeigen – gepaart mit Videos, die ihm erklären, wie er selbst Diagramme erstellt oder diese analysiert.
Zum Anfang
Bei all der Hilfe, die HyperMind bietet, stellt sich jedoch auch die Frage nach dem Datenschutz. Wird mit solch intelligenten Büchern am Ende der gläserne Schüler erschaffen? In einem Interview mit dem Bundesministerium für Bildung und Forschung (BMBF) sagt Professor Jochen Kuhn von der TU Kaiserslautern, dass der Prototyp zurzeit noch „komplett mit anonymisierten Daten“ arbeitet und sie demnach „keine Rückschlüsse auf einzelne Personen ziehen“ können. Für den Einsatz im Schulalltag werde jedoch noch ein Datenschutz-konzept erstellt, das auf der Datenschutz-Grundverordnung basiere, ergänzt er.
Zum Anfang

Weltraumroboter

Die Weiten des Universums faszinieren Menschen schon seit langer Zeit. Was befindet sich hinter den Sternen? Existiert außerirdisches Leben? Wie sind andere Planeten beschaffen und können Menschen dort überleben? Künstliche Intelligenz (KI) kann helfen, vor allem Fragen wie die letzte zu beantworten.

Am Robotics Innovation Center des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) entwickeln Wissenschaftler Weltraumroboter, die in Zukunft autonom fremde Planeten für uns Menschen auskundschaften sollen. Steffen Planthaber vom DFKI erklärt, warum es so wichtig ist, dass sie autonom im Weltall agieren:
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
Die in Bremen entwickelten Roboter sind zwar noch nicht soweit, dass sie den Weltraum alleine unsicher machen können. Allerdings können sie bereits Objekte und Hindernisse erkennen und diesen selbstständig ausweichen. Der vierbeinige Roboter SherpaTT beispielsweise hat im Winter 2018 in der marokkanischen Wüste gezeigt, was er schon kann: Er legte eine Strecke von 1,4 Kilometern autonom zurück. Wenn ihm dabei schmale Passagen oder Hindernisse wie große Steine in den Weg kamen, führte er seine Beine automatisch enger zusammen oder spreizte sie, um weiterzukommen.

Begleitet wurde er von seinem kleinen Kollegen, dem Coyote III. Das Roboterteam sollte gemeinsam eine Sample-Return-Mission simulieren. Dabei erkundete der große SherpaTT die Umgebung und nahm an interessanten Stellen Bodenproben. Der Mikro-Rover Coyote III fuhr ihm hinterher, sammelte die Proben ein und brachte diese dann sicher zurück zur Basisstation.
Zum Anfang
Doch wieso werden die Roboter überhaupt in einer Wüste getestet? In Bremen, dem Heimatort der intelligenten Maschinen, haben sie schließlich einen selbstgebauten Mond-krater direkt vor der Nase. Laut Planthaber reicht die 288 Quadratmeter große Weltraumhalle jedoch nur für die ersten Tests. Um zu schauen, ob Roboter wie SherpaTT und Coyote III auch mit neuen Herausforderungen, wie sie in der realen Welt ständig auftauchen, umgehen können, müssen sie raus. Und da die Weltraumroboter zunächst hauptsächlich auf dem Mond oder auf dem Mars arbeiten sollen, müssen sie sich in ähnlichen Gebieten zurechtfinden: Auf der Erde sind das dann Wüsten wie in Marokko oder Utah, USA oder auch Lavahöhlen auf Teneriffa.
Zum Anfang
Die Weltraumroboter des DFKI haben die Erde jedoch alle noch nicht ein einziges Mal verlassen. Zum einen ist ihre Technik noch nicht fertig ausgereift, zum anderen dienen sie in erster Linie als Forschungsplattform. Mit ihnen werden mögliche Weltraummissionen simuliert und bis aufs kleinste Detail getestet. Wenn die Roboter soweit sind, dass sie vollkommen autonom agieren können und den Herausforderungen der Arbeit auf Mars und Mond gewachsen sind, werden ihre intelligenten Systeme auf „echte“ Weltraumroboter über-tragen, heißt es seitens des DFKI in einem Interview der Reihe „Fragen? Experten antworten!“ des Stadtportals Bremen. Die Erkenntnisse, die das Forscherteam über die Weltraumroboter gewinnt, nutzen uns Menschen jedoch auch in anderen Gebieten:
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang

Politik & Gesellschaft

Zum Anfang

KI & Religion

Benediktinerpater Zacharias Heyes aus Münsterschwarzach beantwortet Fragen zu aus religiöser Perspektive in Bezug auf KI. Er berichtet über seine bisherigen Einblicke in die Tech-nologien, die unser Leben in der Zukunft wohl gravierend verändern werden.
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
Zum Anfang

Anwendung & Geschäftsfelder

Zum Anfang

Social Bots

Social Bots erlangten 2016 erstmals weltweite Aufmerk-samkeit. Damals wurde bekannt, dass Donald Trump und Hillary Clinton im US-Wahlkampf auf die digitalen Helfer zurückgriffen. Dabei verbreiteten die Social Bots manipulierte Botschaften im Netz und beeinflussten somit die Meinungen der Bürger.  Auch in Deutschland erreichten Social Bots die Politik, doch forderte Außenminister Heiko Maas (SPD) bereits im Juli 2017 auf, komplett darauf zu verzichten. Er sprach von täuschend echten Beiträgen, die Meinungen beeinflussen und Wahlen manipulieren können. Alle Parteien des Bundestags stimmten daraufhin zu, Social Bots nicht im Wahlkampf einzusetzen. 
Zum Anfang
Ein Social Bot ist ein computergesteuertes Programm, das in sozialen Medien kommuniziert – sich also als realen User ausgibt. Dabei führt die Software mithilfe eines vorprogrammierten Verhaltensmusters (Algorithmen) festgelegte Aufgaben eigenständig aus. Entwickler perfektionieren die zugrundeliegenden Algorithmen kontinuierlich. Längst können Social Bots menschliches Verhalten imitieren und im Internet autonom interagieren. Daher wird es immer schwieriger, Aktivitäten eines Social Bots von denen eines Menschen zu unterscheiden.
Zum Anfang
Ein Social Bot sucht nach Keywords oder scannt Twitter Timelines und Facebook-Posts, um bestimmte Wörter oder Hashtags zu finden. Ist ein Bot fündig geworden, reagiert er mit vorbestimmten Antworten und Kommentaren. In Ausnahmefällen können Bots sogar eigene Aussagen formulieren. Diese werden dann aus Texten zusammengebaut, die der Bot auf bestimmten Internetseiten findet. Durch das Zusammenbauen von Texten ergeben sich mehr oder weniger sinnhafte Posts. In bestimmten Fällen kopiert ein Bot auch kurzerhand ganze Aussagen realer User. 

Solch einen Bot zu erstellen, erfordert heutzutage keine großen Informatik-Kenntnisse mehr. Es gibt mittlerweile vorgefertigte Programme, mit deren Hilfe man einen einfachen Social Bot mit etwas Geld und ein paar Minuten Zeit schnell selbst erstellen kann.
Zum Anfang
Data Scientist Lutz Finger unterscheidet im Forbes Magazin zwischen fünf möglichen Funktionen eines Social Bots:

Die wahrscheinlich bekannteste ist die zur Bekanntheits-steigerung. Hierbei fungieren die Bots als augenscheinlich echte Menschen, die einer Person, einem Unternehmen oder einem Produkt folgen oder dieses liken. 

Eine weitere und für User weitaus nervenaufreibendere Art von Social Bots sind Bots, die spammen – sprich User regelrecht verfolgen und mit Informationen bombardieren. Mit Nachrichten und Posts versuchen sie, ähnlich wie Spam-E-Mails, den User zu einem bestimmten Verhalten zu überreden. 

Gefährlicher sind Social Bots, die versuchen, anderen durch Unfug zu schaden. Ein Bot kann sich beispielsweise als eine Person des öffentlichen Interesses ausgeben, um deren Ansehen mithilfe des für echt gehaltenen Fake-Accounts herabzusetzen.  

Darüber hinaus gibt es Social Bots, die versuchen, die öffentliche Meinung zu beeinflussen – durch eine Vielzahl an Bots (Bot-Netzwerk), die bestimmte Schlagworte oder Hashtags immer wieder verwenden. Diese Bots täuschen somit künstliche Popularität bestimmter Themen vor oder stellen Ereignisse dar, die so nie stattgefunden haben. 

Zu guter Letzt gibt es Social Bots, die versuchen, die freie Rede einzuschränken. Durch das dauerhafte Spammen von Nachrichten rutschen wichtige beziehungsweise reale Posts oder Tweets in den Timelines immer weiter nach unten. Nutzer lesen somit nur noch die obersten und daraus folgend die gefälschten Kommentare.
Zum Anfang
Einen Social Bot von einem realen User zu unterscheiden, ist oft schwieriger, als es auf den ersten Blick scheint. Denn die Technik hinter den Bots – der Algorithmus – verändert sich täglich. Basierend auf Erkenntnissen der Oxford University werden Accounts, die durchschnittlich 50 oder mehr Tweets oder Likes pro Tag abgeben, als Bot identifiziert. Problematisch ist hierbei jedoch, dass sehr aktive User, wie beispielsweise Blogger oder Influencer, automatisch als Bot kategorisiert werden.

Unternehmen wie „Botswatch“ haben sich darauf spezialisiert, Bots in sozialen Netzwerken zu identifizieren. Mithilfe eines Tools, das verschiedene Kriterien in Echtzeit prüft, erkennen sie frühzeitig auffällige Accounts. Ihre Erkenntnisse geben sie an Nachrichtenagenturen und Medienunternehmen weiter. Schließlich nehmen Social Bots gerade in Krisensituationen wie einem Terroranschlag besonders Fahrt auf. 

Auch die Betreiber von Social Media Plattformen sind sehr bemüht, Social Bots zu identifizieren. Dennoch ist es fast unmöglich, alle Bots auf einer Plattform zu löschen. Die Plattform Twitter beispielsweise hat in einer Offensive gegen Fake-Accounts und Bots im Mai und Juni 2018 insgesamt rund 70 Millionen auffällige Konten gesperrt.
Zum Anfang
Ein vom Bundestag beauftragter, 20-köpfiger Sachver-ständigenrat kam im April 2017 zu folgendem Ergebnis: Bisher gebe es nur eine begrenzte Anzahl an prominenten Beispielen, auf die sich sowohl die Presse als auch die Forschung stürze. Daher sei es kaum verwunderlich, dass es noch keine wissenschaftlichen Studien gebe, in denen nachgewiesen werde, inwiefern Social Bots gesellschaftliche Gruppen beeinflussen.

Unter Experten bleibt es weiterhin strittig, ob wir uns davor fürchten müssen, dass Social Bots uns manipulieren. Nur weil eine Nachricht von vielen Nutzern geteilt wird, muss dies letztendlich nicht bedeuten, dass dies andere Nutzer in ihrem Verhalten beeinflusst.
Zum Anfang

Predictive Policing

Das Jahr 2054: Eine Spezialeinheit der Polizei von Washington, D.C erkennt Morddelikte mithilfe hellseherischer Fähigkeiten, bevor sie überhaupt passieren. So können die Taten verhindert werden, die Mordrate in der Hauptstadt der USA sinkt auf null. Diese Zukunftsvision aus dem Spielfilm “Minority Report” beginnt, Realität zu werden. Allerdings nicht mithilfe hellseherischer Fähigkeiten, sondern mit künstlicher Intelligenz (KI).

Künstliche Intelligenz hat bereits Einzug in viele Lebensbereiche gehalten. Doch was wäre, wenn sie unseren Alltag nicht nur effizienter, sondern unser Leben sicherer machen würde? Genau das verspricht Predictive Policing – die vorausschauende Polizeiarbeit. Die Idee der Polizeiarbeit der Zukunft ist einfach: Statt Verbrechen aufzuklären, sollen diese mithilfe von Big Data und KI möglichst genau vorhergesagt und somit verhindert werden.

Hinter dem Ganzen steckt eine intelligente Software, die Daten und Statistiken analysiert und nach Mustern und Korrelationen sucht. Daraus errechnet sie die Wahrscheinlichkeit künftiger Straftaten mit Tatort und -zeit. Mithilfe dieser Ergebnisse können Polizeieinsätze genauer und effizienter geplant, Geld gespart und die öffentliche Sicherheit verbessert werden.
Zum Anfang
In Deutschland verwenden oder testen zurzeit sechs Bundesländer die Software – hauptsächlich, um Wohnungs-einbrüche zu bekämpfen. Als Vorreiter gilt in diesem Bereich Bayern: Dort ist seit 2014 die kommerzielle Software PRECOBS im Einsatz, die mithilfe von intelligenten Algorithmen Verbrechen vorherzusagen verspricht.

PRECOBS basiert auf dem Near-Repeats-Modell. Dieses besagt, dass ausgehend von einem Triggerdelikt, die Wahrschein-lichkeit einer unmittelbaren Folgetat in der näheren Umgebung des Tatorts steigt. Konkret bedeutet das: Nach einem Wohnungseinbruch besteht in den darauffolgenden Tagen erhöhte Gefahr, dass auch in der Nachbarschaft eingebrochen wird. Der Ansatz basiert auf der Annahme, dass insbesondere Serientäter und professionell organisierte Verbrecher rational Nutzen und Kosten abwägen. Haben sie die Gegend bereits einmal ausgespäht und kennen mögliche Gewinne und Fluchtwege, liegt es nahe, am gleichen Ort noch einmal zuzuschlagen. 
Zum Anfang
2015 startete auch Baden-Württemberg in den Kreisen Stuttgart und Karlsruhe ein Pilotprojekt mit der PRECOBS-Technologie, da in diesen beiden Gebieten verglichen mit dem Rest des Bundeslandes oft eingebrochen wird. Das Max-Planck-Institut für ausländisches und internationales Strafrecht begleitete die einjährige Testphase – und kam zu dem Schluss, dass Predictive Policing vermutlich einen positiven Effekt hat. Eindeutig nachweisbar ist er jedoch nicht. Laut der Forschungseinrichtung gingen im Beobachtungszeitraum die Wohnungseinbrüche in den Stadtkreisen Stuttgart und Pforzheim zwar zurück. Allerdings sank auch in anderen baden-württembergischen Städten, die nicht Teil des Projekts waren, die Fallzahl. Der Rückgang der Straftaten kann also nicht ohne weiteres nur dem Einsatz der neuen Technologie zuge-schrieben werden, weil viele Faktoren die Kriminalitäts-entwicklung beeinflussen.
Zum Anfang
Nordrhein-Westfalen geht beim Predictive Policing zur Kriminalitätsbekämpfung noch einen Schritt weiter: Hier prognostiziert das vom Landeskriminalamt (LKA) eigens entwickelte System SKALA zusätzlich zu Wohnungseinbrüchen auch Gewerbeeinbrüche. Neben polizeilichen Falldaten, werden dabei auch soziodemographische Daten wie Einwohner- und Gebäudestruktur, Verkehrsanbindung, Kaufkraft und Mobilität in die Analyse einbezogen. Diese bezieht das LKA, laut eigener Aussage, kommerziell.

Die Beispiele aus Bayern, Baden-Württemberg und Nordrhein-Westfalen zeigen, wie die Polizeiarbeit mithilfe künstlicher Intelligenz modernisiert und die Polizeibehörden entlastet werden. Aber wo Deutschland noch weit weg von Science-Fiction-Scenarios á la “Minority Report” ist, sind die USA der Zukunftsvision schon ein ganzes Stück näher: Laut einer Befragung wandten im Jahr 2014 bereits etwas mehr als zwei Drittel aller amerikanischen Polizeistationen Predictive-Policing-Methoden an – und zwar nicht nur, um Einbrüche zu bekämpfen.
Zum Anfang
In Chicago wird nicht nur vorhergesagt, wo ein Verbrechen stattfinden, sondern auch, wer der Täter sein wird. Denn hier wertet die lokale Polizeibehörde nicht nur die Daten zu Straftaten, sondern auch personenbezogene Daten aus und kombiniert diese mit weiteren Informationen wie Wetterdaten und sozioökonomische Faktoren von Risikogebieten. So sollen vor allem Schießereien und Morde verhindert werden.

Möglich macht dies eine Liste mit potenziellen Gefährdern, die „Strategic Subject List“. Sobald eine Person polizeilich auffällig wird, wird sie nach einem Punktesystem bewertet – je höher die Punktzahl, desto wahrscheinlicher ist es, dass die Person wieder straffällig wird. Grundlage des Punktesystems ist ein intelligenter Algorithmus, der acht Faktoren wie z. B. die Mit-gliedschaft in einer Gang oder einer Verhaftung wegen eines Drogendelikts analysiert und für die jeweilige Person aus-wertet. Die Polizisten gehen gemeinsam mit Sozialarbeitern auf potenzielle Gefährder zu und versuchen sie vor Rückfällen zu bewahren. Das Chicago Police Department berichtet, dass die Anzahl von Schießereien und Morden in den Einsatzgebieten des Predictive Policing sinkt.
Zum Anfang
Obwohl sich in den USA gezeigt hat, dass Predictive Policing erfolgreich sein kann, kritisieren Bürgerrechtsorganisationen das Vorgehen. Sie sehen die Gefahr vor allem  im Racial Profiling, also der strategischen Diskriminierung ethnischer und religiöser Minderheiten. Da Predictive Policing mit Daten aus der Vergangenheit arbeitet, setzt ein selbstverstärkender Effekt ein – bereits benachteiligte Bevölkerungsgruppen werden systematisch weiter benachteiligt.

Ein weiterer Kritikpunkt ist das Thema Datenschutz. Theoretisch ist es möglich, eine Unmenge an Daten zu sammeln und miteinander zu verknüpfen, um genauere Analysen zu erhalten. Praktisch ist dies jedoch oft aufgrund datenschutzrechtlicher Bestimmungen schwierig. In Deutschland werden daher (noch) keine personenbezogenen Daten genutzt, um Kriminalität präventiv mithilfe von KI zu bekämpfen.
Zum Anfang
Im Film „Minority Report“ wird aufgrund einer falschen Vorhersage ein Unschuldiger verhaftet. Dies wirft die Frage auf, wie weit man überhaupt gehen darf, wenn es darum geht, mögliche Straftaten und vor allem Täter mittels einer KI vorauszusagen. Inwieweit kann man einem Algorithmus, der lediglich mathematische Zusammenhänge analysiert, vertrauen? Oder ihn gar über die Zukunft eines Menschen entscheiden lassen? Die Polizeiarbeit der Zukunft bietet zwar die Chance, die Gesellschaft sicherer zu machen, aber um welchen Preis?
Zum Anfang

Gesichtserkennung

Während eines ihrer Konzerte in Kalifornien im Mai 2018 ließ die Sängerin Taylor Swift unbemerkt ihre Zuschauer scannen. Das geht aus einem im Dezember 2018 erschienenen Bericht des Magazins „Rolling Stone“ hervor. Insgesamt 90.000 Zuschauer betrachteten Probe-Aufnahmen der Sängerin auf einem Bildschirm – ohne zu wissen, dass eine Kamera dahinter ihre Gesichter erfasste. Eine Gesichtserkennungssoftware verglich diese dann mit Gesichtern bekannter Swift-Stalker. Was hierzulande wie ein Horrorszenario klingt, ist in den USA aufgrund geringer datenschutzrechtlicher Regulierungen durchaus möglich.
Zum Anfang
Eine Gesichtserkennungssoftware ist ein Programm, das auf Künstlicher Intelligenz (KI) basiert. Der intelligente Algorithmus kann selbstständig Gesichter erkennen, kategorisieren und vergleichen. Hierfür muss der Computer das Gesicht allerdings in ein sogenanntes biometrisches Datum umwandeln. Dafür vermisst er bestimmte Merkmale wie die Größe und Position der Augen oder den Abstand zwischen Nase und Mund. Aus den errechneten Daten entsteht ein Muster – der sogenannte Hashwert, der für jeden Menschen einzigartig ist.

Die Software vergleicht also nicht einfach zwei Gesichter miteinander, sondern deren Hashwerte. Sie wird jedoch nicht nur für das reine Erkennen und Vergleichen von Gesichtern eingesetzt. So kann sie auch die Emotionen von Menschen erfassen und auswerten – die Ergebnisse werden beispielsweise für Werbezwecke genutzt oder um Einbrecher von Bewohnern zu unterscheiden. Auch Deep-Learning-Netzwerke spielen im Bereich der Gesichtserkennung eine große Rolle. Mithilfe künstlicher neuronaler Netze sollen Gesichter in Zukunft noch besser und zuverlässiger erkannt werden.
Zum Anfang
Wenn Gesichter mithilfe einer Software erkannt werden, spart dies zunächst einmal Zeit. Ob beim Entsperren des eigenen Smartphones, beim Bezahlen im Restaurant oder beim Betreten des Flugzeugs: Die KI arbeitet schneller, als der Mensch getippt, seinen Geldbeutel oder seine Bordkarte am Flughafen gezückt hat.

Für Befürworter intelligenter Überwachungssysteme ist jedoch vor allem der Aspekt der Straftatenprävention wichtig. Würden Bahnhöfe, Flughäfen und andere öffentliche Plätze mit Kameras ausgestattet, die mit einer Gesichtserkennungs-software arbeiten, würde dies die Suche nach Straftätern oder Terroristen deutlich erleichtern. Verbrecher könnten demnach schneller geschnappt und Anschläge verhindert werden.
Zum Anfang
Wer Gesichtserkennungssoftware anwendet, greift in die Privatsphäre des Einzelnen ein. Passiert dies auf öffentlichen Plätzen, werden gleichzeitig Stimmen laut, die vor ständiger Überwachung warnen und Szenarien wie in Orwells Roman „1984“ heraufbeschwören. Während zum einen die Privat-sphäre des Einzelnen gegen das Gemeinwohl abgewogen werden muss, müssen die erfassten Daten zum anderen vor Missbrauch geschützt werden. Beispielsweise könnten Hacker der Software falsche Daten liefern, indem sie die KI mit x-beliebigen Profilbildern aus sozialen Netzwerken füttern – und diese dadurch am Ende Unschuldige mit Straftätern ver-wechseln. Das Thema Identitätsdiebstahl würde damit ganz neue Dimensionen erreichen.

Wie in vielen anderen Bereichen, in denen KI eingesetzt wird, gilt auch beim Thema Gesichtserkennung: Es gibt noch eine Menge datenschutzrechtlicher, politischer und ethischer Fragen, die vor dem massenhaften Einsatz dieser Systeme geklärt werden müssen. Während Apps wie „FaceID“ und „Trusted Face“ bisher nur privat genutzt werden, betrifft die Überwachung öffentlicher Plätze mittels intelligenter Videosoftware jeden Bürger. Auch wenn die Technologie bereits existiert, der Weg, der Sicherheit mit Datenschutz und dem Recht auf Privatsphäre verbindet, muss in Deutschland noch gefunden werden.
Zum Anfang

Autonome Lieferdrohne

Verstopfte Straßen machen beim Warentransport die Nutzung neuer Technologien unumgänglich. Die Würzburger Emqopter GmbH hat diesen Bedarf erkannt und 2018 eine autonom fliegende Lieferdrohne auf den Markt gebracht. Die intelligente Software spielt bei deren Flugsystem eine entscheidende Rolle.

Wer auf dem ehemaligen Landesgartenschaugelände am Hubland in Würzburg die Ruhe und grüne Natur genießt, kann sie an manchen Tagen hören oder sehen. Die Drohne ist knallrot und hat in etwa die Größe eines Autoreifens. Mit ihren acht Propellern fliegt sie stabil in rund 50 Meter Höhe zu einem vorgegebenen Ziel. Das kann die von Emqopter entwickelte Drohne ganz ohne menschliche Hilfe. Seit 2010 forscht Nils Gageik an der dafür notwendigen Technik. Zunächst noch angestellt am Lehrstuhl für Informationstechnik für Luft- und Raumfahrt der Universität Würzburg, ist er heute einer der beiden Geschäftsführer bei Emqopter. Das 2016 gegründete Unternehmen zählt mittlerweile zehn Mitarbeiter. Der Standort am Hubland hat den Vorteil, dass neben den Büroräumen, dem Labor und der Werkstatt im Technologie- und Gründerzentrum auch Flugplatz und Flughalle am Campus Nord in direkter Nähe sind.
Zum Anfang
Für Marvin Bihl, den für den wirtschaftlichen Bereich zu-ständigen Geschäftsführer, ist in Bezug auf den Transport von Gütern und sogar Menschen klar: „Der Verkehr wird sich Schrittweise von der zweiten Dimension in die dritte Dimension verlagern, also von der Straße in die Luft.“ Frank Albert von der IHK Würzburg-Schweinfurt hat jedoch seine Zweifel: „Ob sich eine Personenbeförderung zu erschwinglichen Preisen um-setzen lässt, muss sich in Zukunft erst noch zeigen.“ Der Referent für Innovation und Technologie verweist jedoch auch auf die bereits existierenden Lieferdrohnen. Im niedrigen Kilogrammbereich können schon heute Konsumgüter mit einer Drohne durch die Luft bewegt werden, zum Beispiel mit Drohnentechnik von Emqopter.
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
Die Einsatzgebiete der autonomen Lieferdrohne werden sich auch in Deutschland ausweiten. Der humanitäre Bereich, wie beim Medikamententransport in der Schweiz, ist genauso umsetzbar wie die bereits von Emqopter angebotene Ver-bindung zweier Industriewerke, zwischen denen bestimmte Ersatzteile per Drohne transportiert werden können. Der Phantasie sind dabei wenig Grenzen gesetzt. Die Mitarbeiter von Emqopter können die Technologie und Steuerungssysteme je nach Wunsch des Kunden in ein passendes Gehäuse integrieren. So ist auch der Transport größerer Volumen und Gewichte realisierbar. Bihl sieht das Unternehmen für die Zukunft gut aufgestellt: „Wir wollen die Vernetzung von Systemen voranbringen. Wenn intelligente Systeme in Zukunft den Menschen unterstützen sollen, braucht es eine verbesserte Sensorik.“ Außerdem müssen die rechtlichen Anforderungen an eine digitale Welt angepasst werden. Bihl ist sich sicher: „Die Anzahl der kommerziell eingesetzten Drohnen am Himmel wird sich dann deutlich erhöhen.“ Denn – Drohnen können auch Leben retten:
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
„Wir sind kein klassischer Drohnenhersteller, sondern eher Technologieintegrator“, betont Bihl. Die autonome Lieferdrohne ist zwar Aushängeschild und eines der Angebote von Emqopter, die Kernkompetenz liegt jedoch in der Entwicklung der Technologie, die einen autonomen Flug ermöglicht. Bihl erklärt: „Es geht darum, dass die Drohne Situationen erfassen kann. Die Signalverarbeitung ist im übertragenen Sinn das Denken des Menschen.“ Die durch die Sensorik auf der Drohne gesammelten Daten können sofort verarbeitet und in Steuersignale umgesetzt werden. Die intelligente Steuerung ermöglicht die voll-autonome Navigation und kann spontan auf Hindernisse reagieren. „Das ist dann künstliche Intelligenz“, so Bihl. Das Besondere an der Drohne von Emqopter ist die Kombination aus Umgebungs-wahrnehmung und autonomer Flugsteuerung. Die Kommunikation mit einem externen Bediener ist nur noch erforderlich, weil es der Gesetzgeber verlangt. Selbstständig aus Fehlern lernen kann das System allerdings noch nicht. Die gewünschten Änderungen müssen durch den Menschen immer noch nachträglich programmiert werden.
Zum Anfang
Laut einer Studie vom Verband Unbemannte Luftfahrt aus dem Februar 2019 gibt es in Deutschland nur 394 Unternehmen, bei denen Drohnentechnologie und unbemannte Luftfahrt im Zentrum stehen. Deshalb verkauft Emqopter neben den einzelnen Sensormodulen die autonom fliegende Drohne auch als Komplettpaket. Die Zielgruppe des jungen Unternehmens ist hauptsächlich der B2B Markt. Dass dieser ein enormes Wachstumspotenzial hat, zeigt auch die genannte Studie. 2018 wurden nur 19.000 Drohnen kommerziell betrieben, bis 2030 soll sich die Zahl aber um 563 Prozent auf 126.000 erhöhen. Im Zuge des Wachstums werden sich die Anbieter bei der Drohnenherstellung weiter spezialisieren. Das weiß auch Marvin Bihl und macht deutlich: „Wenn sich der Markt etabliert hat, wollen wir uns unseren Platz sichern.“ Die von anderen Firmen hergestellten Drohnen mit intelligenten Komponenten aus Würzburg fliegen zu lassen, ist das langfristige Ziel.
Zum Anfang
Anbieter von Lieferdrohnen gibt es auf der ganzen Welt, vom chinesischen Technologieunternehmen DJI bis zu Matternet, einer Firma aus den USA, die in der Schweiz schon Medi-kamententransporte per Drohne durchgeführt hat. Dass in anderen Ländern mehr Drohnen eingesetzt werden, lässt sich mit dem anspruchsvollen Genehmigungsverfahren in Deutschland erklären. "Diese erschweren uns die Arbeit", so Bihl. Auch IHK-Referent Albert sieht den administrativen Aufwand als großes Problem: „Dieser und eine unsichere Rechtslage können ein Unternehmen vom Einsatz der zukunftsträchtigen Technologie abbringen.“ Deswegen wartet Emqopter sehnlich auf die lange überfällige Standardisierung des Regulierungsverfahrens seitens der EU.
Zum Anfang
Die Anschaffungskosten für eine Lieferdrohne der Firma Emqopter liegen je nach verwendeten Komponenten zwischen knapp 20.000 EUR und 50.000 EUR. Die wesentlich höheren Kosten im Vergleich zu herkömmlichen Hobby-Drohnen sind ein Grund dafür, dass 2018 nur eine Lieferdrohne verkauft werden konnte. „Das System ist Hightech“, sagt Bihl, der zugibt, dass der Unterschied zwischen Interesse und tatsächlich ausgeführter Nachfrage bei ihnen sehr groß ist. Trotzdem lag der Umsatz des Start-Ups 2018 bei knapp 200.000 EUR. Verantwortlich dafür war hauptsächlich das Lehrsystem für Drohnen-Programmierung: Ein Do-it-yourself-Kit, das aus einem Quadrokopter, also einer robusten Übungsdrohne mit vier Propellern, Software und Programmiervorlagen besteht. Das Projekt ist für Hochschulen, Universitäten und einige weiterführende Schulen entwickelt und bietet die Möglichkeit, selbst einen autonomen Drohnenflug durchzuführen.
Zum Anfang

KI und Antriebstechnik (Wittenstein)

Die Firma WITTENSTEIN hat große Pläne im Bereich mechatronische Antriebssysteme. Künstliche Intelligenz spielt dabei eine Schlüsselrolle.

Harthausen ist ein kleines Dorf im Main-Tauber-Kreis. Ein kleiner Ort, an dem ein vergleichsweise großes Unternehmen seinen Sitz hat – WITTENSTEIN. Mit einer großen Produkt-palette stellt es mechatronische Antriebssysteme jeglicher Art her. Auf dem Markt ist das Unternehmen bekannt für seine digitalen Lösungen sowie seit Neustem für sein smartes Getriebe mit cynapse. Mechatronische Antriebssysteme, die Informationen eigenständig erfassen und kommunizieren können, sieht das Unternehmen als eine wesentliche Voraus-setzung für die Umsetzung von Industrie 4.0. Künstliche Intelligenz, kurz KI, sei der Schlüssel dafür.
Zum Anfang
Mit Digitalisierung und KI beschäftigt sich das Unternehmen bereits seit vielen Jahren. So wurde 2016 eine neue orga-nisatorische Einheit gegründet: das Digitalization Center. Hier spielt auch KI eine große Rolle. So sammelt die Firma riesige Mengen an Daten, welche sie direkt an den Produktions-maschinen abgreift und auf einem zentralen Server speichert. „Die Herausforderung besteht darin, bei diesen großen Datenmengen das eine kleine interessante Muster zu finden“, sagt WITTENSTEIN-Datenanalyst Dr. Alexander Wunderle. Mit der Sammlung und Analyse dieser Daten erhofft sich die Firma, die Produktion effizienter und smarter zu machen und ihren Kunden so individuelle Lösungen anbieten zu können.
Zum Anfang
Auch bei ihren Produkten sieht sich WITTENSTEIN als Vorreiter im Einsatz von KI. Auf der Hannover Messe 2019 hat die Firma das erste smarte Getriebe mit cynapse präsentiert. Dieses enthält ein integriertes Sensormodul, mit dem Daten über eine Schnittstelle ausgegeben werden können. Dadurch werden Werte gemessen und direkt an die Maschinensteuerung weitergegeben. Kunden soll dadurch die Arbeit erleichtert und eine Predictive Maintenance, also eine vorausschauende Wartung, gewährleistet werden. „Ziel ist es, dass man im Idealfall schon vor dem Kunden weiß, was er möchte“, so Wunderle.
Zum Anfang
Die Digitalisierung beeinflusst jedoch nicht nur die Produkte, sondern auch die Arbeitskultur. Einige Tätigkeiten werden in der Zukunft durch KI ersetzt werden. Eine Smart Factory, die irgendwann ganz ohne Menschen auskommen soll, strebt WITTENSTEIN jedoch nicht an. „Den Menschen werden wir in unserer Fabrik niemals substituieren können. Durch den Einsatz von KI werden monotone, repetitive Arbeiten weg-rationalisiert und so schaffen wir ein Arbeitsumfeld, in dem wir mit KI einen Mehrwert schaffen“, so Patrick Hantschel, der Leiter des Digitalization Centers. Angestellte zu entlassen sei für WITTENSTEIN dabei keine Option. Es würden zwar stupide, monotone Arbeiten wegfallen, dafür entstünden jedoch neue Stellen, vorwiegend im Softwarebereich. Dass durch die Digitalisierung und die vermehrte Entwicklung von KIs in Zukunft noch mehr hochqualifiziertes Personal benötigt wird, unterstreicht Dr. Dirk Haft, Vorstand im Bereich Innovation: „Wir werden in Zukunft sehr viel mehr Arbeitsplätze brauchen, um diese ganzen neuen Technologien zu entwickeln, zu produzieren und natürlich zu unterhalten.“
Zum Anfang
Auch das Arbeitsumfeld wird sich ändern und die künstliche Intelligenz soll dabei unterstützend eingesetzt werden. Flexible Arbeitsplätze stehen schon heute bei WITTENSTEIN auf der Tagesordnung. So verfolgt die Firma auch beim Thema Arbeitsumfeld ein innovatives Konzept. In dem modernen Großraumbüro des Digitalization Centers etwa sind die Mitarbeiter nicht auf einen bestimmten Arbeitsplatz festgelegt. Alle Angestellten können sich Tag für Tag neu formieren und sich in Projektgruppen zusammensetzen, um so effizient zusammenzuarbeiten.
Zum Anfang
Durch die Entwicklung und Fertigung individueller Kunden-produkte sind die Stückzahlen im Hause WITTENSTEIN eher gering. Hier will das Unternehmen die Ansätze von Industrie 4.0 und KI nutzen, um wandlungsfähig und flexibel zu bleiben und eine hohe Effizienzsteigerung zu erzielen. Kundenwünsche dabei kurzfristig, flexibel und wirtschaftlich rentabel um-zusetzen, sei das Ziel in der Produktion. „Auf jeden Fall werden wir schnellere, bessere und individualisiertere Produkte produzieren können“, prognostiziert Haft.
Zum Anfang

KI & Ackerbau

Vom Smart Home über virtuelle Shopping-Assistenten bis zur Industrie 4.0: Künstliche Intelligenz bahnt sich schon lange ihren Weg von der Science-Fiction in die Realität. Auch die Landwirtschaft bleibt davon nicht mehr unberührt. Das junge Würzburger Unternehmen Greenspin gestaltet ihre Zukunft mit. Ihr Schlüssel zur intelligenten Landwirtschaft: Datenanalyse.

Feldroboter zum Sähen und Ernten, autonome Unkraut-entferner und eine Schar Drohnen, die das automatisierte Treiben auf dem Feld überwacht – die Visionen für eine digitalisierte Landwirtschaft der Zukunft sind vielfältig. Und lassen befürchten, dass die letzten Jahre der traditionellen Landwirtschaft bereits gezählt sind, denn für menschliche Fehlbarkeit scheint im Smart Farming kein Platz mehr zu sein: Autonome Traktoren sind schon auf dem Markt, ein Start-up aus Stuttgart schickt derzeit einen intelligenten Unkrautjäter für Testfahrten aufs Feld und bei San Francisco eröffnete Anfang des Jahres die erste automatisierte Pflanzenfabrik, in der Roboter pro Jahr rund 26.000 Stück Blattgemüse heranzüchten sollen.
Zum Anfang
Auch das junge Unternehmen Greenspin gestaltet die Land-wirtschaft der Zukunft mit. Doch von Robotern und anderen futuristischen Maschinerien ist in dem Büro am grünen Würzburger Hubland keine Spur. Greenspin setzt Künstliche Intelligenz zur Datenanalyse ein: Ein Algorithmus wertet Satellitenbilder, Wetter- und Bodendaten aus und erstellt daraus großflächige Agrarprognosen, aus denen sich Handlungsempfehlungen für die landwirtschaftliche Nutzung ableiten lassen. So kann zum Beispiel abgebildet werden, welche Nutzpflanze auf dem jeweiligen Feld wächst und welcher Ernteertrag dort in der nächsten Saison zu erwarten ist. 
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
"Bis Robotik in der Landwirtschaft wirklich angekommen ist, wird es noch einige Jahre dauern", meint Geschäftsführer Sebastian Fritsch. Aber werden Landwirte durch Künstliche Intelligenz ihren Job verlieren?
Zum Anfang
0:00
/
0:00
Video jetzt starten
Zum Anfang
Nach seiner Gründung im Jahr 2013 arbeitete Greenspin daher zunächst an Software-Anwendungen, die Landwirten helfen sollten, die Bewirtschaftung auf dem Feld zu optimieren. Nach eineinhalb Jahren schlug das junge Unternehmen einen neuen Weg ein und definierte seinen Kundenkreis neu. „Um an einzelne Landwirte direkt zu verkaufen, muss man größer aufgestellt sein, um einen guten Zugang zu den Betrieben herzustellen.“ Als Startup fehlten dafür die Kapazitäten. Seither richtet sich Greenspin an übergeordnete Akteure der Branche. „Wir bedienen alle Firmen der landwirtschaftlichen Wert-schöpfungskette, die wiederum den Landwirt als Kunden haben“, sagt Greenspin-Chef Fritsch. Dazu gehören zum Beispiel Firmen aus der Landtechnik, Saatgut- und Chemie-unternehmen, aber auch landwirtschaftliche Behörden.

Und gerade dort werden unterstützende Technologien immer notwendiger: Strengere Auflagen für Agrarsubventionen in der EU-Politik verlangen auch eine flächendeckende Kontrolle dieser Auflagen. Bisher erfolgte die Kontrolle subventionierter landwirtschaftlicher Betriebe nur stichprobenartig. Nach neuen Regelungen sollen in Zukunft jedoch 100 Prozent der landwirtschaftlichen Nutzflächen regelmäßig überprüft werden, um sicherzustellen, dass die Betriebe die finanziellen Mittel ordnungsgemäß verwenden. „Das ist manuell überhaupt nicht mehr machbar. Deshalb bietet es sich an, mit den Möglichkeiten der Künstlichen Intelligenz Verfahren zu etablieren, die die Kontrolle für die Prüfbehörden automatisieren.“


Zum Anfang
Das Herzstück der Greenspin-Anwendung ist die algorithmus-basierte Datenanalyse. Satellitenbilder und Messungen von Wetterstationen oder Bodensensoren bilden die Grundlage für die Analyse landwirtschaftlicher Nutzflächen, aus der im nächsten Schritt Ertragsprognosen für kommende Ernten entstehen. Der entscheidende Vorteil: Der Großteil dieser Daten ist frei verfügbar, zum Beispiel über die Europäische Weltraum-organisation ESA. „Open Data spielt eine riesige Rolle für den Einsatz und die Weiterentwicklung von Künstlicher Intelligenz. Vor allem für junge Unternehmen, die dadurch Zugang zu relevanten Daten bekommen, ohne sie teuer einkaufen zu müssen“, erklärt Fritsch und spricht dabei aus Erfahrung.

Trotzdem gäbe es im Hinblick auf verfügbare Daten noch Besserungsbedarf. Für eine aussagekräftige Analyse benötigen Algorithmen Tausende von stichhaltigen Trainingsdaten. Dazu gehören in der Landwirtschaft vor allem auch Angaben über die tatsächlichen Erträge, die oft nur schwer zugänglich sind. Zwar würden viele Ernte- und Verarbeitungsmaschinen diese Daten bereits aufzeichnen, sie aufzubereiten sei laut Fritsch jedoch oft schwierig. Schließlich müsste man auf jeden Betrieb einzeln zugehen, um an die Datensätze zu kommen.


Zum Anfang
Auch Extremereignisse können zu Fehlprognosen der Algorithmen führen: „Ein Algorithmus kann nichts lernen, was er nicht kennt.“ Als Beispiel nennt Fritsch einen Fall aus dem vergangenen Jahr: Ein Kunde hatte Ernteertragsprognosen für die kommende Saison beauftragt. Greenspin setzte einen Algorithmus ein und trainierte ihn mit Daten aus den Jahren 2015 bis 2017 – gute Jahre für die Landwirtschaft. Mit dem 2018 folgenden Dürresommer rechnete weder das Unternehmen noch der Algorithmus: Dieser wusste die Ausnahme-bedingungen nicht einzuordnen und machte dadurch Teile der Prognose unbrauchbar. Auch ein Algorithmus kann also danebenliegen, wenn noch keine vergleichbaren Trainings-daten vorhanden sind. Trotzdem ist der Greenspin-Geschäfts-führer zuversichtlich, die Prognosen für das Jahr 2019 seien bereits deutlich zuverlässiger: „Der Algorithmus lernt. Je vielfältiger die Eingangsdaten, desto besser wird er auch.“

Auch wenn in den nächsten Jahren noch keine vollautonomen Roboterfarmen zu erwarten sind, bahnen sich also auch in der Landwirtschaft große technische Veränderungen an. Welche der zahlreichen neuen Anwendungen sich letztlich durchsetzen werden, sei laut Fritsch allerdings noch völlig unklar: „Es wird sehr viel digitalisiert, aber nicht in jedem Fall bringt es dem Landwirt tatsächlich etwas.“ Wie in vielen Bereichen müsse deshalb auch in der Landwirtschaft der Nutzwert, nicht die technische Innovation, im Vordergrund stehen. Damit macht Fritsch auch deutlich, wohin die Reise für Greenspin gehen soll: „Zuerst muss ich definieren, was eigentlich Sinn macht: Was will ich erreichen? Welche Aufgabe möchte ich erfüllen? Welches Bedürfnis möchte ich abdecken? Und dann kann ich vielleicht dafür auch Künstliche Intelligenz verwenden.“
Zum Anfang

Behind the Scenes

Künstliche Intelligenz: Eine Multimedia-Reportage

Vollbild
Im Zuge des ‘Wissenschaftsjahres 2019‘ widmen sich Studierende der Universität Würzburg (JMU), der Fachhochschule Würzburg-Schweinfurt (FHWS) und der Hochschule für Medien, Kommunikation und Wirtschaft Frankfurt (HMKW) dem Thema Künstliche Intelligenz (KI). In Kurztexten sowie Foto-, Audio- und Videoformaten nehmen sie unter anderem unter die Lupe, wie KI die Arbeitswelt verändert, wie sie sich auf unseren Alltag auswirkt und welche Vorteile und Risiken der Einsatz intelligenter Technologien mit sich bringt.

Doch wie haben die Studierenden ihre Beiträge erstellt? Auf welche Hindernisse sind sie eventuell während der Recherchen gestoßen? Und wie finden sie es, neben der Theorie auch mal praktisch arbeiten zu können? Der Blick hinter die Kulissen des vom Bundesministerium für Bildung und Forschung geförderten Projekts gibt Antworten
Schließen
Zum Anfang

Julius-Maximilians-Universität Würzburg / Wirtschaftsjournalismus und Wirtschaftskommunikation

Vollbild
An der Julius-Maximilians-Universität befassen sich Studierende des Fachbereichs ‚Wirtschaftsjournalismus‘ mit verschiedenen Themen rund um Künstliche Intelligenz. Im Seminar ‚Digitales Storytelling / Crossmediale Wirtschaftskommunikation‘ sowie in der Vorlesung ‘Social Media‘ erstellen sie multimediale Beiträge über Themen wie „KI und Religion“, für das sie einen katholischen Pfarrer interviewen, oder sie berichten in einer Selbstreportage über ihre Erfahrungen mit ihrem neuen besten Freund „Replika“, einem Chatbot. Studierende aus dem Seminar ‚Audiovisuelle Wirtschaftskommunikation‘ unterstützen das Projekt, indem sie Kommilitonen der FHWS mit der Kamera zu wichtigen Interviewterminen begleiten und O-Töne in der Nachbearbeitung auf den Punkt schneiden.

Prof. Dr. Kim Otto, Professor für Wirtschaftsjournalismus und Wirtschafts-kommunikation, leitet die Seminare. Die Studierenden profitieren von seiner langjährigen Erfahrung als Redakteur im wirtschaftspolitischen Fernseh-journalismus (ARD, WDR, Grimme-Preis-Träger) und können sich auf wertvolle Praxis-Tipps verlassen.


Schließen
Zum Anfang

Fachhochschule Würzburg-Schweinfurt / Fachjournalismus und Unternehmenskommunikation

Vollbild
Die Master-Studierenden des Bereichs ‚Fachjournalismus und Unternehmens-kommunikation‘ der FHWS sind angehende Journalisten und PR-Experten. In gleich drei verschiedenen Seminaren widmen sie sich dem Thema des ‘Wissenschaftsjahres 2019‘. Im Seminar ‚Fachjournalismus‘ erstellen sie Unternehmensporträts über in der Region Mainfranken ansässige Unternehmen, die sich mit KI beschäftigen, oder schreiben Fachartikel zu komplexen Sach-verhalten wie dem Einsatz von KI im Human Resources Management. Im Gegensatz dazu porträtieren die Teilnehmenden des Seminars ‚Journalistische Darstellungen‘ spannende Persönlichkeiten, die sich in unterschiedlichen Formen mit dem Thema Künstliche Intelligenz auseinandersetzen. Diese Teilprojekte werden von Kommilitonen im Seminar ‚Corporate Media‘ durch das Erstellen von Podcasts, in denen KI-Experten zu Wort kommen, vervollständigt.

Mit Prof. Dr. Lutz Frühbrodt, dem Leiter des Fachbereichs, steht den Studierenden ein erfahrener Technologiereporter zur Seite, der acht Jahre im Wirtschafts-ressort der Welt-Gruppe gearbeitet hat und sich sowohl mit komplexen Themen als auch deren journalistischer Aufbereitung auskennt.
Schließen
Zum Anfang

Hochschule für Medien, Kommunikation und Wirtschaft / Journalismus und Unternehmenskommunikation

Vollbild
Die Studierenden des Bachelor-Studiengangs ‚Journalismus und Unternehmenskommunikation‘ der HMKW Frankfurt erweitern den Blick der mainfränkischen Berichterstattung auf die Region Rhein-Main. In verschiedenen Praxisseminaren erklären sie anhand greifbarer Beispiele, wie KI bei Versicherungsunternehmen wie R+V Versicherungen eingesetzt wird, führen Interviews mit KI-Experten wie Chris Boos von Arago oder lassen sich bei Continental den intelligenten Rechtsabbiegeassistenten für LKWs erklären. Sie drehen Videos, machen Fotos und erstellen Podcasts, in denen Forscherinnen und Forscher zu Wort kommen. Ihre Erfahrungen bereiten sie multimedial auf, sodass Bürgerinnen und Bürger sich umfassend über diese Themenbereiche informieren können.

Angeleitet werden die Studierenden von Prof. Dr. Katja Gußmann. Die Professorin für Journalismus und Kommunikation blickt auf mehr als 20 Jahre Erfahrung als Wissenschaftsjournalistin zurück. Hilfreiche Recherchewege und stilistische Tipps gibt sie aus dem Effeff an ihre Studierenden weiter.
Schließen
Zum Anfang

Bildung & Qualifizierung

Zum Anfang

Arbeitsmarkt

Die Technologie der Künstlichen Intelligenz (kurz: KI) entwickelt sich rasant. Dies wird den Arbeitsmarkt massiv verändern. Sowohl in der Wirtschaft als auch in der Wissenschaft diskutiert man bereits über drohende Konsequenzen. Die Befürchtung: Künstliche Intelligenz verdrängt Arbeitsplätze.

KI automatisiert Produktionsprozesse zunehmend und sorgt dafür, dass Maschinen Aufgaben oft effizienter und schneller erledigen als Menschen. Dies kann dazu führen, dass Arbeiter ersetzt werden. Laut einer Studie der Landesbank Baden-Württemberg (LBBW) sind insbesondere Arbeitnehmer, die Routinetätigkeiten ausüben, von Beschäftigungs- und Lohneinbußen betroffen. Denn besonders sich wiederholende Tätigkeiten würden sich dazu eignen, automatisiert zu werden.

Zu ähnlichen Ergebnissen kommen auch die beiden Wissenschaftler Daron Acemoglu und Pascual Restrepo: Der Fortschritt von KI treibt insbesondere die Forschung und Entwicklung von Industrierobotern voran. Dies kann laut ihrer Studie dazu führen, dass viele Arbeitsplätze verloren gehen – insgesamt sechs pro Roboter. In den USA sind zurzeit jedoch nur wenige Menschen in Bereichen tätig, in denen Roboter eingesetzt werden können. Daher sind dort bisher kaum Arbeitsplätze davon betroffen, durch neue Technologien ersetzt zu werden.
Zum Anfang
Die Ökonomen Wolfgang Dauth, Sebastian Findeisen, Jens Südekum und Nicole Wössner haben untersucht, wie sich der Einsatz von Robotern auf den deutschen Arbeitsmarkt aus-wirkt. Die Studie zeigt, dass Roboter hier wesentlich stärker verbreitet sind und insbesondere im verarbeitenden Gewerbe einen weitaus größeren Beschäftigungsanteil ausmachen als in den USA. Doch wie in den USA scheinen sich auch in Deutschland Roboter noch nicht so stark auf den Arbeitsmarkt auszuwirken. Entgegen aller Befürchtungen werden laut der Studie Arbeiter ihren Job durch Roboter auch nicht verlieren, sondern ihn sogar behalten. Dieser Effekt entsteht zum einen dadurch, dass weniger junge Menschen in der Industrie arbeiten. Zum anderen bemühen sich Betriebsräte und Gewerkschaften darum, dass keine Arbeitsplätze verloren gehen. Dennoch gehen die Autoren davon aus, dass der Einsatz von Robotern die Beschäftigungsstruktur in Deutschland massiv verändern wird.
Zum Anfang
Das Institut für Arbeitsmarkt- und Berufsforschung (IAB) untersuchte für die Jahre 2013 und 2016 das Substituierbarkeitspotenzial der Berufe im Zuge der fortschreitenden Digitalisierung. Das Substituierbarkeits-potenzial zeigt für jede Tätigkeit an, wie viel ein Computer davon potenziell erledigen kann. Der Studie zufolge sind Verkehrs- und Logistikberufe besonders bedroht, von Maschinen ersetzt zu werden. Das Risiko stieg aber auch in den unternehmensbezogenen Dienstleistungsberufen an. Während absolut die Fertigungs- und fertigungstechnischen Berufen am meisten durch KI bedroht sind, müssen sich Arbeiter in sozialen und kulturellen Dienstleistungsberufen dagegen kaum Sorgen machen.

Insgesamt hat sich das Substituierbarkeitspotenzial im Untersuchungszeitraum jedoch in nahezu allen Berufen erhöht. Lediglich in medizinischen und nichtmedizinischen Gesundheitsberufen sowie in den informationstechnischen- und naturwissenschaftlichen Dienstleistungsberufen ging es leicht zurück. Grund hierfür ist, dass sich diese Berufsbilder verändert haben.

Müssen Arbeitnehmer sich jetzt Sorgen um ihren Job machen? Nein. Das IAB betont, dass das Substituierbarkeitspotenzial lediglich einschätzt, was technisch möglich ist. DieRealität zeigt, dass diese Möglichkeiten nur zum Teil ausgeschöpft werden. Dies kann unter anderem durch rechtliche Rahmen-bedingungen und technische Grenzen bedingt sein. Außerdem müssen Unternehmen auch ethische Aspekte berücksichtigen.




Zum Anfang
Der steigende Einsatz von KI in Unternehmen wirkt sich aber nicht nur negativ auf Arbeitnehmer aus. Der Bericht des IAB zeigt auch, dass neue Berufe entstehen. So müssen Roboter zunächst entwickelt und programmiert, später hingegen regelmäßig gewartet werden. Gegenwärtig geht das IAB davon aus, dass etwa gleich viele neue Jobs geschaffen wie verdrängt werden. Von diesen neuen Beschäftigungschancen profitieren hauptsächlich hochqualifizierte Fachkräfte, welche z.B. Roboter entwickeln, installieren und warten.
Zum Anfang
Insgesamt verändert KI die Beschäftigungsstruktur und die Tätigkeitsfelder. Um in Zukunft mit dem digitalen Wandel Schritt zu halten, werden Millionen von Menschen entweder den Beruf wechseln oder neue Fähigkeiten erwerben müssen. Das IAB betont, dass es besonders wichtig sei, Möglichkeiten und Strukturen zur Weiterbildung, Höherqualifizierung und Umschulungen zu schaffen. Neben dem Wissen, wie man mit einem Computer umgeht, sind laut dieser Studie soziale Kompetenzen wie Selbstmanagement, Kooperations-bereitschaft und Empathie besonders wichtig. Diese Eigenschaften sind heute noch nicht durch eine künstliche Intelligenz  zu ersetzen.
Zum Anfang

KI in der Personalauswahl

Künstliche Intelligenz wird zunehmend auch im Bewerbungsprozess eingesetzt – um die Auswahl zu erleichtern und die Qualität zu steigern. Angst um ihren Job müssen Recruiter aber vorerst nicht haben.

Von der Erstellung einer Stellenanzeige über die Kommunikation via Chatbot bis hin zum Interview: KI wird im Bewerbungsprozess unterschiedlich eingesetzt. Die Recruiter werden unterstützt, indem Aufgaben vom Algorithmus erledigt werden. Dennoch zeigt eine im März 2019 durchgeführte Umfrage vom Bundesverband der Personalmanager (BPM), dass nur 16% von den knapp 860 befragten Personalern bereits mit einer KI arbeiten. Wenn, dann überwiegend im Recruiting. Die neue Technologie soll die Arbeit erleichtern, Zeit einsparen und sowohl die Effizienz als auch die Anzahl passender Kandidaten erhöhen. Dennoch bleibt die endgültige Ent-scheidungsmacht nach wie vor beim Personaler, KI wird zur Zeit vor allem als Unterstützung bei der Vorauswahl eingesetzt. In den letzten Jahren ist das Interesse an der Technologie zwar gestiegen, der flächendeckende Einsatz hat sich aber noch nicht durchgesetzt. Die jeweilige Ausprägung des Algorithmus hängt von der Firma und dem genauen Einsatzgebiet ab.
Zum Anfang
Die Firma Viasto aus Berlin bietet ihren Kunden beispielsweise einen Interview-Generator an, der beim Videointerview unterstützt. „Die KI schlägt valide Interviewleitfäden für die jeweilige Positionsanforderung vor. Dadurch werden die geforderten Kompetenzen gezielt abgefragt“, so Sara Lindemann, Head of Customer Success bei Viasto. Denn in einem guten Interview müssen alle wichtigen Fragen in der begrenzten Zeit gestellt werden.

Erfolgreiche Kandidaten macht auch die KI „Adaptive Intelligence Crew“ von Oracle ausfindig. Sie selektiere passende Kandidaten anhand von gewissen Attributen für die Recruiter vor, so Joachim Skura. Er ist Strategy Director Human Capital Management bei Oracle. KI sei unter anderem deshalb hilfreich, weil menschliche Handlungen grundsätzlich fehlerbehafteter seien als die von Computern. Denn die Entscheidungen der Recruiter sind letztendlich subjektiv. Trotzdem sei die individuelle Betreuung durch eine reale Person immer noch sehr wichtig – vielleicht sogar wichtiger denn je. „Deswegen werden die Recruiter bleiben“, ist Skura sich sicher.
Zum Anfang
Auch die befragten Personaler der BPM-Studie glauben nicht, dass KI das Zwischenmenschliche oder die Entscheidungs-macht in naher Zukunft übernehmen wird. Das momentane Hauptproblem von KI im Bewerbungsprozess ist aber, dass sich viele Bewerber und Recruiter überfordert damit fühlen. Der Begriff ist für die meisten nicht greifbar und dadurch wirkt die Materie komplizierter als sie ist. Diese Angst und Über-forderung muss genommen werden. Sara Lindemann von Viasto ist sich aber sicher, dass die Entscheidungen von einer KI in Zukunft noch mehr akzeptiert werden: „In ein paar Jahren wird man gar nicht mehr merken, dass es ein Algorithmus ist.“
Zum Anfang
Auch Bahar Jawadi sieht die Aufklärung als wichtig an. Sie ist Chief Information Officer bei INTEGR8, einer Firma aus Berlin, die sich mit KI und Chatbots beschäftigt. Die richtige Erwartungshaltung sei entscheidend, sagt sie. Den Nutzern müsse von vornherein klar gemacht werden, was KI könne und was nicht. Das gilt auch für die Recruiter. „Ein Algorithmus kann nicht alle Leute unterstützen. Die Erwartungen sind teilweise zu hoch und deswegen sind die Nutzer dann enttäuscht“, erklärt sie. Das größte Problem sieht Jawadi aber im generellen Umgang mit der neuen Technologie. „Ist ein Anwender zu vorsichtig, kann er nicht das gesamte Potenzial nutzen. Ist er zu euphorisch, kann es passieren, dass er es unkonkret oder unpassend einsetzt“, warnt sie. Deswegen seien eine umfassende Analyse und Aufklärung unumgänglich.
Zum Anfang
In jedem Fall muss die Angst vor der neuen Technologie genommen werden. Je mehr Erfahrungen mit KI gemacht werden, desto geringer wird sie. Das gilt für beide Seiten. Denn viele Recruiter stehen der neuen Technologie skeptisch gegenüber, weil sie zum ersten Mal auf der Arbeit konkret mit KI in Berührung kommen. Das stellt einen großen Stressfaktor dar und ist für die meisten Unternehmen eine Hemmschwelle. Über 26% gaben in der Studie vom BPM an, dass der Einsatz einer KI in der Personalarbeit innerhalb der nächsten drei Jahre für sie nicht in Frage komme. Vor allem bei groß angelegten Stellenanzeigen kann der Algorithmus aber eine Stütze sein. „KI sollte als Ergänzung gesehen werden und nicht als Ersatz“, rät Jawadi. Durch die Technologie könne ein Recruiter die Bewerber besser individuell betreuen. „Die Mitarbeiter werden nicht ersetzt, sondern die Arbeit wird erleichtert“, lautet ihr Fazit.
Zum Anfang
Trotzdem ist Vorsicht geboten. „Riskant wird es dann, wenn bisherige Daten die Basis für die nächsten Entscheidungen sein sollen. Dann steigt zum Beispiel die Gefahr, dass bestimmte Gruppen abgelehnt werden“, erläutert Jawadi. Bei der KI von Amazon ist das zum Beispiel der Fall gewesen. Sie hat Männer bevorzugt, da bei Amazon mehr männliche Angestellte arbeiten als weibliche. Die KI sah das als gewollt an. Außerdem sei es riskant, dem Algorithmus alle Entscheidungen zu überlassen. Auch Joachim Skura von Oracle bestätigt: „Die letzte Entscheidung muss nach wie vor von einem Menschen getroffen werden. Wir brauchen immer noch die Kontrolle über die KI.“
Zum Anfang
Momentan wird die neue Technologie im Bewerbungsprozess nur vereinzelt eingesetzt. Oftmals handelt es sich gar nicht um Künstliche Intelligenz, sondern um reine Automatisierung bzw. Digitalisierung. Dennoch birgt das Berufsfeld des Recruiters viele Einsatzmöglichkeiten für KI. Nicht nur im externen Recruiting, sondern auch im unternehmensinternen. Laut Skura könne der Algorithmus in Zukunft auch Mitarbeiter auf eine passende Rolle im Unternehmen oder in einem Projekt hinsichtlich ihrer Kompetenzen hinweisen, obwohl sie nicht aktiv nach einer neuen Rolle suchen. Man muss also an den richtigen Punkten ansetzen und alle Beteiligten – Bewerber wie Recruiter – umfassend über KI aufklären. Und in einem sind sich Jawadi, Lindemann und Skura sicher: der Recruiter wird in der nächsten Zeit bleiben - vor allem als letzte Entscheidungs-instanz. Er wird nur andere Aufgaben erledigen als bisher.
Zum Anfang

About & Impressum

Künstliche Intelligenz: Eine Multimediareportage | Über dieses Projekt

Vollbild
Wie wirkt sich der Einsatz von Künstlicher Intelligenz auf unsere Gesellschaft aus? Was sind Chatbots und wie kommunizieren sie mit uns? Wie gehen wir ethisch und rechtlich mit Robotern um? Das Bundesministerium für Bildung und Forschung (BMBF) fördert mit dieser Multimedia-Reportage im Rahmen des Wissenschaftsjahres 2019 ein Projekt, das Fragen wie diesen nachgeht. Etwa 300 Studierende der Universität Würzburg, der Fachhochschule Würzburg-Schweinfurt und der HMKW Hochschule für Medien, Kommunikation und Wirtschaft Frankfurt nehmen dafür die Künstliche Intelligenz unter die Lupe. Dabei lassen sie Experten zu Wort kommen, beleuchten heutige und zukünftige Einsatzgebiete der Künstlichen Intelligenz und setzen sich damit auseinander, wie Politik und Gesellschaft auf geänderte Bedingungen reagieren können. Neben Experten aus Wissenschaft, Industrie und Politik begleiten die Studierenden für diese Reportage auch Menschen, die sich täglich mit Künstlicher Intelligenz beschäftigen. In Personen- und Unternehmensporträts untersuchen sie, in welchen (Arbeits-)Bereichen Künstliche Intelligenz bereits schon täglich eine Rolle spielt und inwiefern sich Berufsbilder und der Arbeitsalltag dadurch verändern. Diese Multimedia-Reportage ist ein Projekt der Universität Würzburg in Kooperation mit der Fachhochschule Würzburg-Schweinfurt und der HMKW Hochschule für Medien, Kommunikation und Wirtschaft Frankfurt. Das Projekt wird durch das BMBF gefördert. Die Main-Post, der Bayerische Rundfunk, die Vogel Communications Group, die Frankfurter Rundschau, der Hessische Rundfunk und die dfv-Mediengruppe sind Medienpartner des Projekts.  

Impressum
 

Universität Würzburg
Professur für Wirtschaftsjournalismus und Wirtschaftskommunikation 

Prof. Dr. Kim Otto
Sanderring 297070 Würzburg 
Tel.: +49 (0)931 31-88226
E-Mail: kim.otto@uni-wuerzburg.de
Schließen
Zum Anfang

Podcasts

0:00
/
0:00
Audio jetzt starten
Zum Anfang
Scrollen, um weiterzulesen Wischen, um weiterzulesen
Wischen, um Text einzublenden