Künstliche Intelligenz: Von den Herausforderungen vor dem Einsatz
Seite 3: Vertrauen in die Software schaffen
Eine Erfahrung, die auch der Anlagenbauer Fluor machen musste. Das international tätige Unternehmen arbeitete rund vier Jahre mit IBM zusammen, um ein KI-System zu entwickeln, das seine großen Bauprojekte überwachen sollte. Das System verarbeitet sowohl numerische als auch natürlichsprachliche Daten und warnt die Projektleiter vor Problemen, die später zu Verzögerungen oder Kostenüberschreitungen führen können.
Die Datenwissenschaftler von IBM und Fluor brauchten nicht lange, um die Algorithmen für das System zu entwerfen, sagt Leslie Lindgren, Fluors Vice President für Information Management. Was viel mehr Zeit in Anspruch nahm, war die Implementierung der Technologie unter enger Beteiligung der Fluor-Mitarbeiter, die das System nutzen würden. Damit sie dem Urteil der Software vertrauen konnten, mussten sie lernen, wie das System funktioniert – und sie mussten die Ergebnisse sorgfältig überprüfen. Um ein solches System zu entwickeln, "müssen Sie Ihre besten Leute mitbringen", sagt Lindgren. "Das bedeutet, dass man sie von anderen Projekten abziehen muss."
KI-Durchdringung Stück für Stück
All diese Beispiele zeigen, dass sich neue Technologien in der Regel nicht einfach einkaufen und benutzen lassen wie eine neue Maschine. Sie sickern vielmehr langsam in die Wirtschaft ein und durchdringen sie Stück für Stück. Der US-Ökonom Zvi Griliches war der Erste, der diesen Prozess in den 1950er-Jahren genauer untersucht hat – am Beispiel von Mais.
Dass Mais sich verhältnismäßig leicht auf bestimmte Eigenschaften hin züchten lässt, ist schon sehr lange bekannt. Der Nachteil ist allerdings, dass solche Züchtungen meist weniger robust sind und weniger Ertrag liefern. Kreuzt man jedoch zwei reinerbige Linien, erhält man Mais mit den gewünschten Eigenschaften, der stärker, ertragreicher und vitaler ist als der Mais der Elternlinien. Allerdings gilt das nicht für seine Nachkommen. Daher müssen Farmer, die Hybridmais verwenden, jedes Jahr neues Saatgut kaufen.
Griliches untersuchte, wie viele Farmer in verschiedenen Teilen des Landes auf Hybridsorten umstiegen. Was ihn vor allem interessierte, war das Prinzip dahinter – etwas, das wir heute eine Innovationsplattform nennen würden. Hybridmais war für ihn kein fertiges Produkt, sondern "die Erfindung einer Methode zur Züchtung von besserem Mais für spezifische Standorte", schrieb Griliches 1957 in seinem klassischen Aufsatz "Hybrid Corn and the Economics of Innovation".
Maschinelles Lernen wie Mais
In Iowa wurden Hybride bereits in den späten 1920er- und frühen 1930er-Jahren eingeführt. Bis 1940 machten sie fast den gesamten im Land angebauten Mais aus. Texas und Alabama hinkten der Entwicklung indes hinterher. Anfang der 1950er-Jahre bedeckten Hybride dort erst etwa die Hälfte der Maisanbauflächen. Weil die beiden Staaten nicht im reicheren und produktiveren Maisgürtel des Mittleren Westens lagen, war für sie der Umstieg auf das teurere Hybridsaatgut riskanter.
Ganz ähnlich heute: Maschinelles Lernen unterstützt die Geschäftstätigkeit von Unternehmen wie Facebook, Google und Amazon optimal und hilft ihnen, extrem reich zu werden. Außerhalb dieses KI-Gürtels geht der Wandel aus rationalen wirtschaftlichen Gründen viel langsamer voran. Die Verbreitung von Technologien hängt eben weniger von den intrinsischen Qualitäten der Innovationen ab als von der ökonomischen Situation der Nutzer. Die Schlüsselfrage der Anwender lautet nicht: "Was kann die Technologie?", sondern: "Wie viel werden wir davon haben, in sie zu investieren?"
(Bild: Symrise)
Bei Symrise hat das Parfüm-KI-Projekt einen "Sweet Spot" getroffen, glaubt Achim Daub. Es war ein relativ kleines Experiment, aber es handelte sich um eine echte Auftragsarbeit für einen Kunden und war keine reine Laborsimulation. Das erforderte eine Menge Vertrauen in die Technologie. "Wir alle stehen unter hohem Druck", so Daub. Eigentlich habe niemand Zeit, etwas von Grund auf Neues zu entwickeln. Dennoch ist Symrise das Wagnis eingegangen. "Ich bin überzeugt", begründet Daub den Schritt, "dass KI in den meisten Branchen eine große Rolle spielen wird. Das komplett zu ignorieren, ist keine Option."
(wst)
