Was ist KI: Komplexe Informationstechnik!

Permanent stand ich bei meiner KI-Recherche vor neuen Worten, staunte und wusste nicht, was sie bedeuteten. Es waren so viele Begriffe, dass ich mich gar nicht traute zu fragen, was das denn alles sein soll. Dauernd dumm dar zu stehen, macht schließlich keinen Spaß. Nichts desto trotz plagte mich die Neugier, immerhin wird KI kontrovers diskutiert und ist eines der Herzthemen der Digitalisierung.

Was ist KI: komplexe Informationstechnik! Kollage von verschwommenen Gesichern in Gehirnform mit dem Schriftzug: The Brain of AI // Kollage: form:f, reflective product design

In den Posts seit Februar `19 habe ich mich auf den Weg gemacht zu verstehen, wo und wie KI meinem Alltag präsent ist. Was hat der Begriff mit „Intelligenz“ zu tun? Welche Emotionen löst das Thema aus? Was hat die Businesswelt damit zu tun? Wie alltagstauglich ist KI? Wer treibt die Thematik maßgeblich voran?

Für mich klang der Begriff mystisch. Ich wollte ihn begreifen und zugleich Themenfremden verständlich erklären können. Hier sind nun die Ergebnisse meiner Suche:

KI: Begriffsentstehung + Stand der Technik

Der Begriff KI wurde 1955 das erste Mal von J. McCarthy verwandt. Er hat selbstverständlich mit Computern zu tun – noch dazu nicht mit irgendwelchen. KI war selbst bei Nerds eher Science Fiction, denn die Rechenpower war zu der Zeit viel zu gering. Nach nur schlappen 60 Jahren ist es allerdings so weit:

  • Die Hardware ist endlich potent genug, um sehr strom-, daten- und leistungsintensive Rechenvorgänge im absehbarer Zeit zu bewältigen.
  • Die Vernetzung von Menschen und Geräten hat inzwischen so große Datenmengen produziert, dass sich neues Wissen aus ihnen generieren lässt.
  • Die Komplexität von Algorithmen ist so weit gediehen, dass ihr Einsatz verwertbare Ergebnisse erzeugt.

Die Entwicklungsgeschwindigkeit in allen drei Bereichen ist mehr als beeindruckend.Was ist KI: komplexe Informationstechnik! Foto von siebenadrigem Glasfaserkabel, aus einer Wiese ragend, Fotof: Form:f, reflective product designWas ist KI: komplexe Informationstechnik! Foto von Serverzentrum eines Internetproviders //Foto: Deutschlandfunk

KI, einem Alien erklärt

Aliens würde ich die Sache so erklären: Künstliche Intelligenz ist eine Idee von uns Menschen. Zu der kam es so: Wir spielen gern mit Rechenmaschinen rum. Die sind deswegen inzwischen erstaunlich schnell, präzise und ausdauernd. Es sind echt prima Werkzeuge geworden. Wir lieben sie und möchten sie gern noch mehr in unser Leben integrieren. Gerade probieren wir deshalb unsere Intelligenz zu Kollektivintelligenz zu bündeln. Das machen wir mithilfe von mathematischen Berechnungsvorschriften, die wir uns ausgedacht haben. Mit denen codieren wir die Maschinen. Und voilá: Sie ahmen unsere Intelligenz nach.

Falls der Alien nachfragt, warum:

 Ob das Sinn macht? Keine Ahnung. Uns treiben der Spieltrieb und die Neugier an. Ein paar haben schon Sinn dahinter gefunden: Sie horten Reichtum und Macht. Die verwenden sie dann dazu, andere zu kontrollieren. Das funktioniert schon prima mit den Maschinen. Andere wünschen sich, dass die Maschinen ihnen sowohl körperliche als auch intellektuelle Arbeit abnehmen und ihnen den nervigen Alltag erleichtern. Wieder andere träumen davon, dass sie ihnen helfen intelligenter, schöner, kräftiger und unsterblich zu werden. Einige hoffen sogar, dass neue Ideen entstehen, wie wir auf unserem Planeten länger überleben können. Aktuell sieht es damit nämlich nicht so gut aus.

KI KI KI

KI, das ist: Machine Learning, Reinforcement Learning, unsupervised und supervised Learning, Decision Trees, Decision-Tree Algorithmus, Pattern Recognition, Deep Learning, Neuronales Netz(werk), Cognitive Computing, Probabilistic Robotics, Computerlinguistik, und, und, und. Für Wissensdurstige: hinter den Links verstecken sich einführende Infos zu den einzelnen Themen. 

Da inzwischen viele gute Erklärungen existieren, befasse ich mich hier mit den Seiten von KI, die schwerer greifbar waren: das grundlegende Konzept und der handwerkliche Entwicklungsprozess.

Was ist KI: komplexe Informationstechnik! Glasfaserkabel am Feldrand vor Verlegung // Foto: form:f, reflective product designWas ist KI: komplexe Informationstechnik! Glasfaserkabel und Sicherheitsband mit der Aufschrift: Achtung Kabel! // Foto: form:f, reflective product design

Basis = Datenstrukturierung durch Algorithmen (lat. für Berechnungsvorschrift)

Grob gesagt wird der Begriff „KI“ verwandt für:
die Auswertung großer Datenmengen mithilfe von Berechnungsvorschriften, die Statistiken erstellen und/oder Wahrscheinlichkeitsberechnungen ausführen.
Dabei entsteht keine Intelligenz. Es entsteht Wissen, das für Entscheidungen oder Neuentwicklungen verwendet werden kann.

Data lake = Big Data manuell gelabelt

Damit ein Algorithmus etwas zum Sortieren hat, muss erst mal ein Datalake bestehend aus Big Data her. Eine wahre Fundgrube dafür sind die sozialen Medien. Auch Mikroprozessoren, die inzwischen in fast jedem Gerät verbaut sind, sammeln dank der Neugier ihrer Hersteller emsig Daten. Leider sind viele Datensets unbearbeitet unbrauchbar. Sie müssen aufbereitet werden, damit Algorithmen sie verarbeiten können. Das machen Datenstewards oder Click-Arbeiter*innen. Ein Beispiel: Nehmen wir Bilddaten, die auf den Servern (Cloud) von Facebook lagern. Sie werden kostengünstig von Click-Arbeiter*innen vorbereitet – „gelabelt“. Jedes einzelne Bild, auf dem z.B. ein Gesicht zu sehen ist, beschriften sie  mit „Gesicht“ und es bekommt Markierungen  für die Hautfarbe – je mehr gelabelte Bilder von Gesichtern vorhanden sind desto besser. Bilder von Büchern beschriften die Click-Worker*innen mit „Buch“ und markieren Details. Wichtig ist, dass die Arbeiter*innen die Bildarten und -details nicht durcheinander bringen.

Was ist KI: komplexe Informationstechnik! Tafel auf dem Stand von AWS, zewigt Struktur der Serverdienste von Amazon, Hannover Messe 2018 // Foto: form:f, reflective product designWas ist KI: komplexe Informationstechnik! Foto mit altem und neuem Verteilerkasten der Telekom // Foto: form:f, reflective product design.

Algorithmus-Konzeption = gebündelte natürliche Intelligenz

Vor dem Schreiben der Algorithmen muss natürlich erst mal geklärt werden, warum sie zum Einsatz kommen, was und wie viel sie finden sollen und wie die Funde zu bewerten sind. Das denkt sich ein Projekt-Team aus – aktuell oft bestehend aus Data Scientists, Businessstrateg*innen, Wissenschaftler*innen und Programmier*innen. Manchmal entscheidet auch nur eine der Berufsgruppen.

Am Beispiel der Bilddaten lässt sich der Arbeitsprozess verdeutlichen: Das Team möchte, dass eine Software zwischen 1000en von Gesichtern ein bestimmtes findet. Es überlegt, wie der Rechner das Problem bewältigen soll. Erstmal entscheidet es sich, gelabelte Bilder von Gesichtern und Büchern zu verwenden. Die sollen in zwei Gruppen sortiert werden. Weil das Team neugierig ist, möchte es zudem die Gesichtsbilder in unterschiedliche Gruppen je nach Hautfarbe sortieren lassen. Das hat zwar nichts mit dem Projekt zu tun, aber könnte zukünftig von Vorteil sein. Das Team hat ein Foto von dem Gesicht, das es finden möchte. Das lädt es auf den Rechner hoch. Als erstes Ergebnis legt es fest: korrekt ist, wenn auf dem Monitor Bilder von Gesichtern, beschriftet mit „Gesicht“ zu sehen sind. Das zweite Ergebnis soll sein, dass die Software die Bilder der Bücher als falsch erkennt. Die Aufgabe ist erledigt, wenn aus der Gesichtsgruppe, dass passende Bild vorliegt.

Algorithmen = Berechnungsvorschriften manuell codiert

So präpariert sind die Daten und das Projekt bereit für einen Algorithmus. Wie oben geschrieben ist das eine Berechnungsvorschrift, ganz grob: eine mathematische Formel. Mit Hilfe von diesen Vorschriften führt eine Anwendung (Programme, Maschinen, Roboter…) kontrollierte und wiederholbare Aktionen aus.

Die Algorithmen werden von Programmierer*innen in einer Programmiersprache vorbereitet und geschrieben. Je nach dem, was die vorgeben, entstehen dabei Datengruppen und/oder -reihenfolgen. Die Programmierer*innen codieren, ob und wie eine Berechnungsvorschrift Anhäufungen finden, auswählen und/oder einstufen soll. Sie codieren, welche, wie viele  Anhäufungen gefunden werden und in welchem Verhältnis zueinander sie stehen sollen – um beim Beispiel zu bleiben: Gesicht, 10 Gruppen, geranked: 1. schwarz, 2. weiß, 3. gelb, 4. rot… Sie bringen die Algorithmen zum Funktionieren und haben damit Macht über Wohl und Wehe der Anwendungen. Ein Beispiel: Codiert jemand zwei Handlungsanweisungen: 1. „bilde eine Gruppe (Klasse) aus allen Dateien mit dem Wort „Gesicht“ 2. zeige sie bei Eingabe des Wortes „Buch“. Dann spuckt der Algorithmus Bilder von Gesichtern aus, wenn ein*e Nutzer*in das Wort „Buch“ in eine Suche eingibt. Woher soll ein Rechner das „richtige“ Ergebnis kennen?

Was ist KI: komplexe Informationstechnik! Foto von Glasfaserkabelrollen auf Anhänger am Straßenrand // Foto: form:f, reflective product designWas ist KI: komplexe Informationstechnik! Foto von Glasfaserkabel und Handschuh // Foto: form:f, reflective product design

Machine Learning = Rechner rechnen

Es scheint alles ganz einfach zu sein. Die Ergebnisse sind allerdings alles andere als einfach. Denn die Algorithmen sind ja eben komplex, die Hardware leistungsfähig und Big Data sehr groß. Nach wie vor brauchen Computer viel Zeit, um die Datenmengen den Berechnungsvorschriften entsprechend zu verarbeiten. Damit wären wir beim von Arthur L. Samuel geprägten Begriff „Maschinelles Lernen“.

Wie wäre es, wenn ich sagen müsste: “ Darf ich sie fragen, ob sie ihre Aufgabenstellung (Gesichtserkennung) überprüft haben? Die Daten und die Algorithmen sind vorbereitet. Wenn ich gleich Start drücke, rechnet der Rechner sehr lange und darf nicht unterbrochen werden. Seine Hardware läuft dann auf Hochtouren. Er verbraucht Strom und macht Lärm. Das Finden, Auswählen und Einstufen von Informationsanhäufungen gerät bei der Datenmenge zu einer langwierigen Aktion. Übrigens kann ich ihnen nicht gewährleisten, dass das Ergebnis korrekt ist. Lassen Sie uns beten, dass wir nicht alles wiederholen müssen. Statt dem „Gesicht“ kann das Ergebnisbild auch ein „Buch“ sein. Dann müssen wir uns noch mal angucken, ob das jeweilige Bild mit der Beschriftung übereinstimmt und ob die richtig geschrieben ist. Eventuell muss ein*e Programmierer*in die Berechnungsvorschrift sogar noch mal ändern. Sie haben gut geprüft, ja? Dann drück ich jetzt: „Go“.

Klingt es nicht stattdessen viel besser, wenn ich sagen kann: Die Maschine „lernt“ und ich „trainiere“ sie gerade?

Deep Learning = Rechner rechnen aufwändiger

Beim „Tiefen Lernen“ bleibt der mechanische Vorgang der Gleiche. Allerdings müssen leistungsfähigere Rechner her, die noch dazu meist länger rechnen. Das liegt daran, dass die fraglichen Algorithmen oft sehr vielschichtig sind. Bedeutungsschwanger wird manchmal sogar von einer „Blackbox“ geredet. Das ist kein Wunder. Die Idee für diese Algorithmen basiert auf der Funktionsweise des menschlichen neuronalen Netzes. Sie sind so geschrieben, dass große Informationsmengen durch eine Kaskade von Codes geleitet wird. Die Formeln berechnen jeweils, ob die Informationsmengen wichtig und richtig sind oder nicht und erzeugen für die Infos eine Gruppe. Wenn die Gruppe nicht in die Vorgaben passt, wird sie notfalls eliminiert. Ist sie wichtig und richtig, wird die Gruppe verstärkt. Außerdem gibt es noch Funktionen, die zufällig Gruppen neu kreieren – als Test, ob so ein Ergebnis verbessert werden kann.

Da extrem viel im Vorfeld programmiert wurde, lässt sich während des Rechenvorgangs oft nicht so schnell feststellen, ob das System korrekt arbeitet oder nicht. Ist der Rechenvorgang vorbei, lässt sich natürlich kaum nachvollziehen, wie das Ergebnis zustande gekommen ist.

Die Macht der Algorithmen: setzen wir sie ein!

Solange die Hardware einwandfrei funktioniert und genug Strom vorhanden ist, versetzt uns die Technik in die Lage, Fragen zu beantworten, die sich früher nicht hieb- und stichfest beantworten ließen. Wir können mit ihrer Hilfe Dinge tun, die ohne undenkbar wären. Sie erledigt Aufgaben spielend, die ein einzelner Mensch weniger gut bewältigen kann. Sie versetzt allerdings auch Eingeweihte in Lage, Ahnungslose in bisher unbekanntem Maß zu beeinflussen. All dies passiert auch ohne wirkliche künstliche Intelligenz. Es reicht oft einfache Algorithmen dort einzusetzen, wo sie Einfluss auf unseren Alltag haben. Je mehr wir über sie wissen und je besser wir die Grundlagen verstanden haben, desto besser können wir sie konstruktiv einsetzen. Dann machen die wirklich Sinn!