Die Künstliche Intelligenz ist weder ein Allheilmittel noch rechtfertigt sie Dystopien. Sie bildet heute schlicht das Herzstück des digitalen Fortschritts und löst so Probleme in einer Weise, die vor kurzem noch undenkbar schien.
Künstliche Intelligenz oder KI – für viele Menschen klingt das immer noch nach einem Produkt aus der Welt utopischer Fantasien. Ob Matrix, Blade Runner, Terminator oder ein Android namens Data, der 1987 in der Fernsehserie Star Trek als neues, künstlich erschaffenes Crewmitglied der berühmten Raumfähre präsentiert wurde: die Assoziationen sitzen ziemlich fest. Um zu begreifen, was KI heute ist und in Zukunft sein kann, hilft Hollywood allerdings längst nicht mehr weiter.
Wird der Begriff so aufgeladen wie in Science-Fiction-Filmen, ist die Rede von der „allgemeinen“ oder „starken“ Künstlichen Intelligenz, die dem Niveau des menschlichen Gehirns gleichkommt oder es in Punkten wie logisches Denken und Entscheidungen bei Unsicherheit übertrifft. Allein: Sie ist nach wie vor Zukunftsmusik. In der Gegenwart hat die KI bereits einige Probleme, abstrakte Prinzipien und Konzepte anzuwenden und generelle Ziele in wechselnden Situationen zu realisieren. Beim autonomen Fahren wäre das etwa die Aufgabe: Verursache keinerlei Schaden, weder bei dir noch bei anderen. Zwar können wir mit KI schon seit Jahren auf einer Autobahn problemlos Abstand halten oder die Spur wechseln; geht es jedoch in die vergleichsweise anarchische Welt des Stadtverkehrs mit seinen immerzu neuen Situationen, ist sie glatt überfordert.
Die sogenannte „schwache“ oder „methodische“ Künstliche Intelligenz hat sich dagegen schon weitgehend in unseren Alltag eingenistet. Sie arbeitet mit den Vorzügen des Machine Learnings auf der Basis der Konfiguration von Algorithmen anhand von Beispieldaten. Und sie tut dies so raumgreifend, dass wir ihre revolutionären Leistungen fast nicht mehr als intelligent wahrnehmen. Experten sprechen in diesem Fall vom „KI-Effekt“.
Das Gehirn als Vorbild
Dank einer exponentiellen Zunahme der Datenmengen und immer potenteren Technologien zu ihrer Bewältigung ermöglicht insbesondere das Teilgebiet des Deep Learnings sensationelle Fortschritte. Der Mensch greift dabei nicht mehr in die Datenanalyse ein, sondern überlässt sie und das Ableiten von Entscheidungen der Maschine. Möglich ist dies durch neuronale Netze als eine Art künstliches Abstraktionsmodell des menschlichen Gehirns. Durch sie kann das System Erlerntes fortlaufend mit neuen Inhalten verknüpfen und auf diese Weise abermals lernen. Was auch bedeutet: Beim Deep Learning werden Entscheidungen ständig hinterfragt und deren Regeln selbstständig optimiert. Damit dies funktioniert, muss ein neuronales Netz zunächst mit einem Set bestimmter Daten trainiert werden. Ihre Qualität bestimmt darüber, wie aussagekräftig die Ergebnisse neuronaler Netze sind.
Als beeindruckende Beispiele der Spracherkennung und Sprachverarbeitung basieren virtuelle Assistenten wie Siri, Alexa oder Cortana auf einer solchen Arbeitsweise. Sie ähneln den einstigen Science-Fiction-Visionen vielleicht am meisten. Aber auch viele weitere KI-Beispiele sind aus unserem Alltag nicht mehr wegzudenken. Von Suchmaschinen, Chatbots, Navigationssystemen und Antivirenprogrammen über Gesichtserkennung, Spamfilter und Content-Moderation in sozialen Medien bis zu Empfehlungssystemen wie jene von Netflix, Spotify und Amazon: Sie alle gibt es nur dank Künstlicher Intelligenz.
Was das Leben im 21. Jahrhundert in unzähligen Aspekten beeinflusst, revolutioniert längst auch die Wissenschaft. Zum Beispiel die Materialforschung, in der Wunscheigenschaften bestimmter Werkstoffe mit dem Computer berechnet werden, bevor man sie aufwendig im Labor herstellt. Da die Zahl der prinzipiell infrage kommenden Strukturen viel zu groß ist, werden in der Regel nur einige wenige simuliert. Ein Forscherteam der Freien Universität Berlin hat unlängst ein neuronales Netzwerk entwickelt, das in der Lage ist, wahrscheinliche Strukturen mit der Zeit zu erkennen, was die viel größere Menge unwahrscheinlicher Strukturen vernachlässigbar macht und den Rechenaufwand radikal verringert. Der Schlüssel dafür ist die KI.
KI-Basis für KI-Erfolge
Auch in der Industrie zeigt sich, dass die KI bei Spezialaufgaben und in geschlossenen Einheiten den Menschen längst überflügelt hat. „In zehn bis 15 Jahren wird Künstliche Intelligenz in jedem Produktionsprozess sein“, sagt Martin Rugfelt, CEO des schwedischen KI-Spezialisten Sentian. „Sie kann den Energieverbrauch in der chemischen Industrie senken, den Abfall in der pharmazeutischen Industrie reduzieren, Schwankungen in der Papierproduktion bewältigen oder Produktionslinien in der diskreten Fertigung optimieren.“
Die Künstliche Intelligenz ist aus diesen und noch viel mehr Gründen der zentrale Faktor für die digitale Transformation von Wirtschaft und Gesellschaft. Doch was ist die Voraussetzung für sie selbst? Es sind Daten und die Kapazität sie zu verarbeiten. Damit dies heute und in Zukunft funktionieren kann, braucht es Hochleistungsrechenzentren mit innovativen Ansätzen, die ökonomischer und ökologischer arbeiten, als dies bis vor kurzem noch vorstellbar war. Ein deutsches, weltweit agierendes Unternehmen mit herausragend effizienten Lösungen auf diesem Gebiet ist die Northern Data AG.
Neben einer eigenen, mit Partnerfirmen realisierten Hardware betreibt der Spezialist aus Frankfurt am Main in seinen Rechenzentren die Virtualisierungsschicht und die Anwendungssoftware aus einer Hand. Anwendungen und Workload können zwischen Rechenzentrumsteilen oder ganzen Rechenzentren verschoben werden, das sorgt für eine optimale Auslastung zu jeder Zeit. Dazu kommt eine ebenso unternehmenseigene KI, die im Rechenzentrum zu jedem Zeitpunkt über den technischen Zustand jedes Servers wacht und jeden einzelnen am Leistungsoptimum regelt , was unter anderem Ausfallzeiten auf ein absolutes Minimum reduziert.
