Augmented Intelligence Nehmen uns die Maschinen das Denken ab?

Autor / Redakteur: Robert Schmitz / Nico Litzel

Es ist das Wesen von Business Intelligence: die Analyse und Visualisierung unterschiedlichster Daten auf einer gemeinsamen Oberfläche, um neue Einsichten zu gewinnen. Mit diesen werden Prozesse beschleunigt. Doch kann Technologie aus den Datenkombinationen auch automatisch Schlüsse ziehen und letztlich Entscheidungen treffen?

Anbieter zum Thema

Der Autor: Robert Schmitz ist General Manager Central & Eastern Europe bei Qlik
Der Autor: Robert Schmitz ist General Manager Central & Eastern Europe bei Qlik
(Bild: Qlik)

Wenn Situation A, dann Reaktion B. Und wenn Voraussetzung C, dann Folge D. Das lässt sich einer Maschine durchaus beibringen. Aber was, wenn A und C gleichzeitig auftreten? Oder wenn ein Faktor X hinzukommt, der noch gar nicht bekannt und nicht in der antrainierten Logik definiert ist? Dann können Maschinen an Grenzen stoßen. Und rein KI-gesteuerte Anlagen könnten mangels erkennbarer Entscheidungsmuster stillstehen, wo menschlichen Kollegen unter Umständen alternativ – aber eben abweichend – handeln würden.

Wer steht für das Agieren von KI-Systemen gerade?

Sicher: Ob maschinelles Lernen, Sehen, sensorgesteuertes Fühlen oder die Erkennung und Verarbeitung natürlicher Sprache in kognitiven Systemen: Der aktuelle Megatrend Künstliche Intelligenz zeigt sich in unterschiedlichen Teildisziplinen und viele Entwicklungen haben bereits weit entwickelte Reifegrade.

Doch es bleiben auch Fragen: Erkennt zum Beispiel ein System zur natürlichen Sprachverarbeitung Ironie – oder einzelne Stimmen? Was „sieht“ und registriert ein Computer-Vision-System alles – und was geschieht mit den Informationen? Und nicht zuletzt: Wer steht für Schlüsse, Handlungsmuster, Vorhersagen, Empfehlungen und Entscheidungen gerade, die auf Künstlicher Intelligenz basieren? Entwickler? Anwender? Oder müssen KI-Systeme juristisch und moralisch irgendwann gar selbst wie Personen behandelt werden?

Fest steht: Wenn es darum geht, riesige Datenmengen schnell auszuwerten, in Milliarden von Informationen binnen Sekunden eine einzige Abweichung zu identifizieren oder auch den zehntausendsten Prüfzyklus so exakt und fehlerfrei auszuführen wie den ersten, sind Maschinen den menschlichen Fähigkeiten hoch überlegen.

Doch wo haben Dinge wie Intuition, Geschicklichkeit, situative Diplomatie oder Ähnliches ihren Platz? Geschäftlich sind sie oft entscheidend, doch als Datenquelle eindeutiger Informationsverarbeitung kaum darstellbar.

Data Literacy: ganzheitliches Datenverständnis

In den vergangenen Monaten haben Analysten und Experten immer wieder die schier unendlichen Möglichkeiten smarter Data Discovery thematisiert: Neue, disruptive Geschäftsmodelle datengetriebener Unternehmen können demnach immens Fahrt aufnehmen durch KI, Machine Learning, automatisierte Datenaufbereitung und -auswertung, Mustererkennung sowie Predictive-Funktionen. Das ist prinzipiell richtig, muss aber differenziert betrachtet werden.

In der Regel konzentrieren sich Unternehmen auf konkreten Mehrwert, der Einzelpersonen und Teams bei der Verwirklichung ihrer Ziele hilft. Diese können sich je nach Abteilung unterscheiden und nicht alle Daten sind für jeden gleich relevant. Zu den wichtigsten technologischen Treibern von Machine Learning und KI im Allgemeinen – steigende Datenvolumen, immer günstigere Speicherkapazitäten und immer potentere Prozessoren – muss daher auch ein ganzheitliches Verständnis von und für Daten treten, echte Data Literacy.

Warum? Um maschinell erzeugte, datenbasierte Konklusionen (wenn A, dann B) mit den Dimensionen der menschlichen Kognition zu verbinden, die maschinell (noch) nicht darstellbar sind. Auch wenn KI-Systeme fähig sind, sehr schnell, sehr viel und immer präziser aus möglichst großen Datenvolumen zu lernen: Der Grad des Datenverständnisses in einer Organisation ist die natürliche Grenze – oder der eigentliche Katalysator – des tatsächlichen Datennutzens.

Lernende Systeme mit menschlicher Kognition verbinden

Um aus Big Data Smart Data zu machen und dabei von Geschwindigkeit, Leistungsvermögen und Verarbeitungsqualität reiner KI-Anwendungen zu profitieren, macht es Sinn, den Anwender ins Zentrum von Entwicklungen zu stellen. Und neue Produkte rund um die menschliche Analysetätigkeit zu bauen, bzw. analytische Technologien an der menschlichen Kognition zu orientieren. Sicher: Maschinen-Intelligenz begründet zahlreiche neue Möglichkeiten, mit enormer Geschwindigkeit und Präzision Analyseprozesse zu verbessern.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Jedoch wird maschinelle Intelligenz auf absehbare Zeit nicht vollständig die anwendergesteuerte visuelle Datenanalyse ersetzen, bzw. abgeleitete Handlungsempfehlungen eigenständig abwägen, bewerten, zur Ausführung bringen und verantworten. Es gilt, intelligente und lernende technologische Systeme mit menschlicher Kognition zu verbinden: Augmented Intelligence entsteht, in der das Denken des Anwenders nicht ersetzt, sondern erweitert wird.

Maschinenintelligenz schafft Entscheidungsgrundlagen, entscheidet aber nicht

Der Unterschied zwischen Künstlicher Intelligenz und Augmented Intelligence besteht in der Rolle des Anwenders innerhalb des Analyseprozesses. Das KI-System selbst ist im Augmented-Intelligence-Ansatz keine „Entscheidungsmaschine“. Es schafft vielmehr (immer schneller, vollständiger und selbstlernend) die besten Voraussetzungen für das Treffen von Entscheidungen sowie zum Entwickeln strategischer Perspektiven. Ziel ist es, Anwender geschickter darin zu machen, maschinelle Intelligenz smart zu nutzen. Und zwar, ohne sich durch vordefinierte Fragestellungen, bzw. zu enge Denkansätze selbst zu beschränken – oder sich einem Analyserahmen auszusetzen, den die Künstliche Intelligenz vorgibt.

Fazit

Zweifellos kann Maschinenintelligenz auf statistisch basierte Einsichten hinweisen, die Anwender dazu veranlassen, Dinge anders zu betrachten, sich von unpräzisen oder falschen Vorannahmen zu lösen und das eigene Wissen sowie den Entscheidungshorizont zu erweitern. Neue Ideen, verschiedene Alternativen sowie bestimmte Zukunftsszenarien können durch die Verbindung von Mensch und Maschine bereits verblüffend konkret erforscht werden.

Durch KI-Möglichkeiten auf der Grundlage von immer mehr historischen und Echtzeit-Daten sowie durch menschliche Intuition, Wissen und Kontext, den die Maschine nicht hat, entstehen immer vollständigere Optionen für die datengetriebene Unternehmensentwicklung.

Robert Schmitz ist General Manager Central & Eastern Europe bei Qlik.

Dieser Beitrag ist ursprünglich auf unserem Partnerportal BigData-Insider erschienen.

(ID:45007131)