Ein Gehirn, umgeben von einem blauen Netzwerk schwebt über einem Mikroprozessor, von dem zahlreiche Leiterbahnen abgehen.
Digitalisierung

Künstliche Intelligenz: Wie Maschinen das Denken lernen

Programme, die selbständig Texte schreiben und Bilder malen; Kamerasysteme, die unter dem Mikroskop gefährliche Krebszellen erkennen; und Autos, die einen Verkehrsunfall vorhersehen, bevor er eintritt: Was künstliche Intelligenz heute alles leistet und was sich Entwickler:innen und Nutzer:innen für die Zukunft versprechen, erfahren Sie hier.

Spätestens seit der Veröffentlichung von ChatGPT ist künstliche Intelligenz (KI) in aller Munde. In der Industrie hat das maschinelle Lernen schon länger Einzug gehalten und lässt beispielsweise Roboter selbständig ihre Arbeitsabläufe optimieren. Laut einer Bitkom-Erhebung ist der Anteil der Unternehmen in Deutschland, die im Jahr 2023 KI nutzten, gegenüber dem Vorjahr von 9 auf 15 Prozent gestiegen.

Mit dem Einzug von KI in immer mehr Applikationen und Geräte dürfte dieser Anteil bald noch deutlich höher liegen. Viele Menschen nutzen bereits jetzt täglich KI am Arbeitsplatz, ohne dies zu registrieren, etwa in Videokonferenzsystemen oder bei der Recherche im Internet.

Inhaltsverzeichnis

Was ist künstliche Intelligenz?

Künstliche Intelligenz ist ein Teilbereich der Informatik, der sich mit dem maschinellen Lernen zur Bewältigung von Aufgaben befasst, die bislang (sinnvoll) nur durch Menschen bewältigt werden können. Maschinelles Lernen ist im Wesentlichen das Analysieren großer Datenmengen, um darin Muster und Gesetzmäßigkeiten zu erkennen („Wissen aus Erfahrung“). Viele Computerprogramme werden explizit programmiert, um bestimmte Aufgaben zu erfüllen. Demgegenüber verbessern künstliche Intelligenzen ihre Problemlösungsstrategien selbst mit jedem neuen gelernten Datensatz.
Es gibt viele unterschiedliche Einsatzgebiete für KI. Einige Beispiele:
  • Sogenannte Dialogsysteme oder „Chatbots“ wie ChatGPT suchen im Internet nach Informationen zu einem bestimmten Thema und erzeugen daraus neue Texte.
  • Industrieroboter lernen mit Hilfe einer KI, wie sie unterschiedliche Objekte aus verschiedenen Materialien sicher aufheben und wieder absetzen oder montieren, ohne sie dabei zu beschädigen.
  • Übersetzungsprogramme verstehen mit der Zeit neue Sprachen und Dialekte, indem sie darin Strukturen und Gesetzmäßigkeiten erkennen.
  • Lernende Clouds organisieren ihre Datenstrukturen mit der Zeit so, dass häufig benötigte Informationen schneller am jeweiligen Einsatzort verfügbar sind (Stichwort: Edge Computing).
KI wird auch als artifizielle Intelligenz oder im Englischen als Artifical Intelligence (AI) bezeichnet. Sie funktioniert bislang allerdings deutlich anders als das menschliche Gehirn: Wichtige Wesenszüge natürlicher Intelligenz wie Kreativität und Neugier sind einer Maschine nach wie vor unbekannt. Ihre großen Stärken sind die Wiederholung von Prinzipien, eine enorme Rechenleistung und die Fähigkeit, Strategien und Vorhersagen durch das Lernen anhand von Erfolgsmodellen (Feedback) permanent zu verbessern.

Die künstliche Intelligenz der Dinge

Artificial intelligence of Things oder auch künstliche Intelligenz der Dinge ist die Verbindung der KI mit dem Internet of Things (IoT). Zusammen ergeben sie intelligente Maschinen-Cluster. Innerhalb solcher Netzwerke können Programme ihre Informationen und erlerntes Wissen untereinander weitergeben (vererben). Solche Maschinennetzwerke können lokal an einem Ort errichtet werden. Sie können aber auch räumlich verteilt betrieben werden, verbunden beispielsweise über 5G-Campus-Netze oder Narrowband-IoT von Vodafone.
Ein Beispiel hierfür sind autonome Transportfahrzeuge auf einem Fabrikgelände. Diese leiten aus den Daten des zentralen Zugangsmanagements ab, zu welchen Uhrzeiten in einer Lagerhalle besonders viele Menschen unterwegs sind. Per Machine-to-Machine-Kommunikation (M2M) suchen sie dann alternative Fahrtrouten, um Begegnungen und Staus zu vermeiden. So optimieren autonome Transportsysteme die Betriebsabläufe, noch bevor ihre Sensoren überhaupt Personen in der Halle wahrgenommen haben, die hierauf Einfluss nehmen könnten.
Empfohlener externer Inhalt
Hier ist ein Video-Inhalt von YouTube. Er ergänzt die Informationen auf dieser Seite.
Sie können ihn mit einem Klick anzeigen und wieder ausblenden.
Ich bin einverstanden, dass externe Inhalte angezeigt werden. So können personenbezogene Daten an Drittplattformen übermittelt werden. Mehr in unserer  Datenschutzerklärung.
Datenschutzerklärung

Starke und schwache KI: Welche KI-Arten gibt es?

Bis heute ist KI häufig hoch spezialisiert und für bestimmte Aufgaben optimiert. Man unterscheidet dabei zwischen der schwachen und der starken künstlichen Intelligenz.
Schwache künstliche Intelligenz: Eine KI löst nur Aufgaben innerhalb eines genau definierten Einsatzgebietes. Dies geschieht etwa in der optischen Mustererkennung oder bei der Überwachung eines Industrieroboters. ChatGPT kann beispielsweise gut Dialoge führen, aber derzeit keine Maschine steuern. Wird KI für andere Aufgaben eingesetzt, kann sie ihre Spezialintelligenz nicht übertragen und ihr maschinelles Lernen und ihr maschinell erworbenes Wissen funktionieren dort nicht.
Starke künstliche Intelligenz: Die KI überträgt ihre Lernstrategien auch auf völlig anders geartete Problemfelder. So nutzt sie beispielsweise Algorithmen für Stimmerkennung und Sprachanalyse dazu, Geschäftsprozesse zu optimieren oder Wünsche von Kund:innen innerhalb eines Bestellsystems vorherzusagen.
Während schwache künstliche Intelligenz bereits weit verbreitet ist, steht die Forschung zur starken KI allerdings noch am Anfang.
Ein mögliches Fernziel ist die vielfältig einsetzbare KI als Dienstleistung (Artifical-Intelligence-as-a-Service), die Sie bei einem externen Anbieter nach Bedarf anmieten. Genau so, wie Sie heute schon Software-as-a-Service (Softwaredienstleistungen aus der Cloud) oder Infrastructure-as-a-Service (Serverhardware und verwandte Dienstleistungen im Mietmodell) buchen.
Die KI untersucht dann an einem Tag Fotos Ihrer Materialproben auf Fertigungsfehler und/oder optimiert bei anderer Gelegenheit die Routenplanung Ihrer Firmenfahrzeuge.
Empfohlener externer Inhalt
Hier ist ein Video-Inhalt von YouTube. Er ergänzt die Informationen auf dieser Seite.
Sie können ihn mit einem Klick anzeigen und wieder ausblenden.
Ich bin einverstanden, dass externe Inhalte angezeigt werden. So können personenbezogene Daten an Drittplattformen übermittelt werden. Mehr in unserer  Datenschutzerklärung.
Datenschutzerklärung

Die vier Entwicklungsstufen der künstlichen Intelligenz

Künstliche Intelligenz wird immer leistungsfähiger. Während frühe Systeme einfach strukturiert waren und in erster Linie mit Rechenpower arbeiteten (sogenannte „Brute Force“-Algorithmen), werden KI-Projekte inzwischen immer aufwendiger und vielfältiger. Die Forschung gliedert die Evolution der KI in vier Stufen.
1. Reaktive Maschinen
Die einfachste Form der künstlichen Intelligenz ist die „reaktive Maschine”. Sie verarbeitet Eingaben, kalkuliert daraus Wege zum Aufgabenziel und entscheidet sich dann für den rechnerisch besten Weg. Sie hat kein Erinnerungsvermögen und keine Vorstellung von ihrer Umwelt. Sie kann somit keine Bezüge zur Außenwelt herstellen.
Als typisches Beispiel hierfür gilt der Schachcomputer Deep Blue von IBM, der sich 1996 gegen den Schachweltmeister Garri Kasparow den Weg zum Spielgewinn errechnete. Dies bewerkstelligte er, indem er Millionen von Zugvariationen „einfach” nacheinander durchkalkulierte. Punktwerte für Zwischenziele (Schutz des eigenen Königs, Stellungsvorteile oder das Schlagen gegnerischer Figuren) waren von den Programmierer:innen und durch die Auswertung bekannter Großmeisterpartien vorgegeben.
2. Ressourcenoptimierende Maschinen
Heutige künstliche Intelligenzen gehen über das reine Durchrechnen von Lösungswegen hinaus. Sie haben einen Erinnerungsspeicher und setzen neue Informationen in Bezug zu bereits erlerntem Wissen. In großen Informationsmengen (Big Data) finden sie sich wiederholende Strukturen und Gesetzmäßigkeiten. Dabei verbessern die Systeme permanent ihr eigenes Regelwerk, um Informationen effizienter zu verarbeiten.
Eine digitale Spracherkennung entnimmt aus Sprachbefehlen einzelne Phoneme, das sindkleinste, bedeutungsgebende Wortbestandteile. Diese verknüpft sie zu Sinnzusammenhängen und vergleicht sie mit bekannten Wörtern. Hat sie Wörter falsch erkannt, fügt die KI diese Informationen ihrem Erinnerungsspeicher hinzu.
Ressourcenoptimierende Maschinen finden sich heute in fast allen Anwendungsbereichen der KI, von der Handykamera mit Gesichtserkennung bis hin zum Industrieroboter.
3. Theorie des Geistes
Zukünftige künstliche Intelligenzen sollen nicht nur Muster analysieren, sondern auch ein grundlegendes Allgemeinwissen besitzen. Darüber hinaus sollen sie bestimmte menschliche Emotionen wahrnehmen und berücksichtigen können.
Die KI eines Online-Shops erkennt zukünftig dank ihres Allgemeinwissens, des Kontextes und der persönlichen Bestellhistorie, ob jemand mit dem Suchbegriff „Angeln“ eher Türangeln oder Angeln zum Fischen sucht – und zeigt nur passende Angebote.
Die Sprachassistenz im Hotelzimmer könnte schon bald an der Stimmlage einer Person erkennen, dass diese einen anstrengenden Tag hinter sich hat. Entsprechend würde sie ein Wellness-Angebot des Hotels vorschlagen oder ruhige Musik auflegen.
4. Selbstwahrnehmung
Die vierte Stufe der KI sind Systeme, die sich selbst als Persönlichkeit wahrnehmen und allgemeingültige Denkstrategien entwickeln. Eine solche Intelligenz wäre wie menschliche Intelligenz nicht mehr auf bestimmte Einsatzgebiete beschränkt.
Es ist bis heute umstritten, ob ein solcher KI-Level technisch überhaupt erreichbar ist – und sein sollte. Hierbei spielen nicht zuletzt ethische Fragen eine Rolle.
Symboldarstellung mit einer Hand, die eine gezeichnete Glühbirne trägt, dazu ein Symbol für den Vodafone Educational Month

Diesen Monat: Exklusive Live-Sessions zu KI, Chatbots, Copilot, Teams und Cloud-Telefonie

In nur 45 Minuten zum Teams-Profi werden? KI mit oder ohne Copilot und Chatbots live erleben? Oder ganz einfach Cloud-Telefonie nutzen: Unser Educational Month liefert Ihnen vom 15.2.-5.3. jede Menge Online-Sessions zum Anschauen und Mitmachen.

Künstliche Intelligenz in Unternehmen

In vielen Unternehmen kommt künstliche Intelligenz im Alltag schon lange zum Einsatz. Eine Auswahl verbreiteter KI-Anwendungen nach Branchen:

Chatbots

Die Digitalisierung schafft neue Kommunikationsformen zwischen Unternehmen und Kund:innen. Nicht nur Branchenriesen wie das Internetkaufhaus Amazon wickeln große Teile ihres First-Level-Supports heute über Chatbots ab.
Die Akzeptanz bei den Kund:innen ist durchaus vorhanden: Die sofortige Erreichbarkeit eines Avatars wird als Vorteil gegenüber der Alternative gesehen, erst auf einen/r menschlichen Ansprechpartner:in in der Telefon-Hotline zu warten. Voraussetzung dafür ist aber, dass es sich um einfach zu beantwortende Fragen handelt.
Noch ist die Entwicklung diesbezüglicher leistungsfähiger Systeme sehr aufwändig. Trotzdem können auch kleinere Unternehmen die Technologie bereits nutzen, beispielsweise durch das Anmieten bestehender Systeme als Chatbot-as-a-Service.
Amazon hat bereits angekündigt, seinen Chatbot „Q“ auch anderen Unternehmen zur Verfügung zu stellen. Über die Microsoft-Suchmaschine Bing und die neuesten Versionen von Microsoft 365 haben Sie Zugriff auf die KI „Microsoft Copilot“, die wiederum auf ChatGPT basiert.
Es ist also nur noch eine Frage der Zeit, bis auch kleinere Unternehmen ihre gesamte Kundenkommunikation per KI automatisieren können – vom Telefonat über den Textchat bis zur E-Mail oder WhatsApp-Nachricht.
Einfache Aktionen führt dann vollständig der Computer aus: Zum Beispiel aktualisiert er eigenständig eine Lieferadresse oder überprüft einen Liefertermin. Schwierigere Kundenfragen werden hingegen auch weiterhin zu menschlichen Beratern weitergeleitet.

Logistik

Sowohl im Flottenmanagement als auch in der Lagerhaltung sorgt KI für schnellere Abläufe und spart Ressourcen. Computerprogramme finden ideale Routen für Firmenfahrzeuge, reduzieren die Lagerhaltung und optimieren Lieferketten in der Logistik 4.0.

Predictive Maintenance

Ausfälle und Defekte von Maschinen erzeugen hohe Kosten für Unternehmen. Per Predictive Maintenance werden Anlagen permanent überwacht. So können Unternehmen Verschleißteile ersetzen, bevor sie ausfallen. KI-gesteuerte Systeme lesen hierfür Sensordaten der zu wartenden Anlagen aus und schalten Maschinen ab, ehe Fehler und Schäden auftreten.

Qualitätsmanagement

Der Gerätehersteller Bosch setzt in seiner Automobilsparte bereits seit 2022 auf KI. Die intelligente Technik unterstützt in zwei Bosch-Werken bei der optischen Qualitätskontrolle von Einspritzkomponenten sowie von Schweißpunkten an Elektromotoren. Auch das Volkswagenwerk in Emden kontrolliert die Güte von Schweißverbindungen mittels KI.
Eine Stärke der künstlichen Intelligenz: Sie kann für jeden einzelnen von vielen hundert Schweißpunkten an einem großen Werkstück individuelle Qualitätsmerkmale erlernen und dieses erlernte Wissen anhand von Materialanalysen aus der laufenden Produktion stetig optimieren.

Robotik

Roboter werden in der Fabrik 4.0 mit anderen Maschinen im Unternehmens-IoT vernetzt. In Industrierobotern mit eigenen Kameramodulen übernimmt KI die Mustererkennung und verbessert Bewegungsabläufe. Maschinen des Roboterbauers Kuka erlernen beispielsweise, Gegenstände mit komplexen Außenformen und unebenen oder empfindlichen Oberflächen zu erkennen und sicher und zugleich sanft zu greifen. In KI-Forschungsprojekten beobachten Roboter menschliche Bewegungsabläufe und erlernen diese hierdurch.
Empfohlener externer Inhalt
Hier ist ein Video-Inhalt von YouTube. Er ergänzt die Informationen auf dieser Seite.
Sie können ihn mit einem Klick anzeigen und wieder ausblenden.
Ich bin einverstanden, dass externe Inhalte angezeigt werden. So können personenbezogene Daten an Drittplattformen übermittelt werden. Mehr in unserer  Datenschutzerklärung.
Datenschutzerklärung

Dokumentation

Sogenannte Generative KI-Systeme erzeugen aus bereitgestellten Informationen neue Texte und Bilder, etwa für Bedienungsanleitungen, Prozessdokumentationen, Memos und Prüfberichte. So müssen diese Dokumente nicht mehr manuell erzeugt werden.

Marketing

Mit Programmatic Marketing automatisieren Unternehmen die Vergabe ihrer Marketingbudgets. Dabei wenden KI-Systeme vorgegebene Regeln und Algorithmen an, um Werbeträger und Kampagnen automatisiert zu buchen.

Vertrieb

Künstliche Intelligenz unterstützt im Vertrieb bei der Lead-Generierung oder dem Management von Kund:innen. Die KI erkennt Vermarktungspotentiale, betreibt Marktanalysen oder kumuliert für Management und Vertrieb relevante Nachrichten aus dem Marktumfeld.

Financial Forecasting

Mittels KI prüfen Banken Geschäftsmodelle auf Erfolgschancen. Große Unternehmen ermitteln softwaregestützt ihren zukünftigen Finanzierungsbedarf. Investoren lassen künstliche Intelligenz nach lukrativen Investments suchen.

Controlling

Im Controlling wickelt KI Bestell- und Bezahlprozesse ab und überwacht diese. Dabei clustert sie Bestände von Kund:innen nach Zahlungsmoral und Ausfallwahrscheinlichkeiten oder überwacht das eigene Rechnungswesen.

Recruiting

Anders als der Mensch lässt sich eine KI bei der Auswahl von Bewerber:innen nicht vom Bauchgefühl oder sekundären Merkmalen wie Geschlecht, Körpergröße oder Aussehen beeindrucken. Studien zeigen, dass sich Entscheider:innen zu häufig vom Aussehen beeinflussen lassen oder Personen bevorzugen, die ihnen in Typ oder Verhalten ähnlich sind („Similar-to-me-Effekt“). Künstliche Intelligenzen schauen hingegen auf Lebensläufe und deren Plausibilität und prüfen das Entwicklungspotenzial der Bewerber:innen anhand möglichst objektiver Kriterien.
Eine Infografik zeigt fünf Stufen der KI-Entwicklung in Unternehmen. Firmen der ersten Stufe haben noch keine KI-Technologien etabliert. Unternehmen der fünften Stufen haben als sogenannte Shaper KI als Kern ihres digitalen Geschäftsmodelles.
Infografik zu den Stufen der KI-Entwicklung in Unternehmen nach Dr. Holger Schmidt.

Die Vorteile künstlicher Intelligenz in Unternehmen

Gerade kleine und mittlere Unternehmen (KMU) profitieren überdurchschnittlich von KI. Das ergab eine Umfrage des Marketingdienstleisters Constant Contact unter US-amerikanischen Unternehmen im Jahr 2023. So hätten neun von zehn befragten KMU berichtet, dass KI ihre Geschäftstätigkeit erfolgreicher gemacht habe. Jedes vierte KMU habe erklärt, durch KI wettbewerbsfähiger gegenüber größeren Unternehmen geworden zu sein.
Auch Martin Vogt, Geschäftsführer des Zentrums Ressourceneffizienz beim Verein Deutscher Ingenieure (VDI) ist sich sicher: „Die erwarteten Einsparpotenziale in den Unternehmen durch die Anwendung von Methoden der künstlichen Intelligenz sind hoch. Dies gilt insbesondere für die Reduzierung des Material- und Energieverbrauchs.“
KI kommt aber nicht nur der Unternehmensbilanz, sondern auch den Beschäftigten zugute, zeigt eine Bitkom-Studie: 39 Prozent der befragten Firmen finden, die KI führe zu mehr Arbeitssicherheit, da menschliche Fehler im Arbeitsalltag wegfielen. Daneben glauben 28 Prozent, dass eine KI die Mitarbeitenden von Standardaufgaben entlaste. So könnten diese sich auf wichtigere und interessantere Tätigkeiten konzentrieren.
„Es gibt nicht den einen Grund, künstliche Intelligenz im Unternehmen zu nutzen. KI ist eine Basistechnologie, die eine Vielzahl neuer Möglichkeiten eröffnet“, fasst Bitkom-Präsident Achim Berg die Vorteile des zunehmenden KI-Einsatzes auch in kleinen und mittelständischen Unternehmen zusammen.
Eine Infografik zeigt als Balkendiagram in Prozentwerten an, in welchen Unternehmensbereichen Firmen in Deutschland KI einsetzen.
In diesen Bereichen setzen Unternehmen, die KI verwenden, die künstliche Intelligenz bereits ein (Quelle: Bitkom).

Die Nachteile künstlicher Intelligenz

Viele Unternehmen nutzen künstliche Intelligenz noch nicht in vollem Umfang. Eine internationale Studie des Beratungsunternehmens KPMG suchte 2021 nach Gründen hierfür und befragte mehrere tausend Menschen in Industrieländern wie den USA, Kanada und Deutschland.
Das Ergebnis: Zwar seien die meisten Umfrageteilnehmer:innen mit dem Einsatz von künstlicher Intelligenz am Arbeitsplatz einverstanden, um Aufgaben zu automatisieren und -zu erweitern. Doch in anderen Bereichen stünden viele Mitarbeitende der KI skeptisch gegenüber.
Zugleich gebe es wenig Wissen über KI in der Bevölkerung: 62 Prozent der Befragten hätten zwar schon vom Thema gehört. Allerdings gaben drei von fünf Personen an, eher wenig von KI und deren Einsatz im Alltag zu verstehen – also 60 Prozent.
Wo in der Bevölkerung Wissen fehlt, entstehen Ängste vor möglichen Gefahren durch lernende Computer. Es wird mehr über die Ethik der künstlichen Intelligenz diskutiert als über ihren Nutzen für den Menschen. Auch Unternehmen zögern, die Vorteile von KI zu nutzen, wenn dies dem Betriebsklima abträglich ist.
Immerhin: Mit zunehmender Verbreitung von KI verändert sich auch deren Wahrnehmung. 2023 ermittelte KPMG bereits ein deutlich KI-freundlicheres Umfeld in Unternehmen: So gaben 72 Prozent der befragten Unternehmen an, dass KI das Potenzial habe, die Produktivität in Unternehmen zu steigern. 62 Prozent schrieben KI die Fähigkeit zu, Innovationen zu fördern und die Entwicklung neuer Produkte und Dienstleistungen zu erleichtern.

Kritische Wahrnehmung von KI

Viele Menschen haben ein falsches Bild von der noch jungen KI-Technologie, das häufig auch von deren Darstellung etwa in Kinofilmen und anderen Medien geprägt ist. Besonders mit drei Befürchtungen müssen sich Forscher:innen und Nutzer:innen von KI, aber auch Unternehmer:innen immer wieder befassen, wenn sie KI einsetzen:
Anstieg von Arbeitslosigkeit: Teile der Bevölkerung befürchten einen Anstieg der Arbeitslosigkeit durch künstliche Intelligenz. Ähnliche Sorgen gibt es häufig bei neuen, noch nicht verbreiteten Technologien. So sind beispielsweise aus der Technikgeschichte vergleichbare Befürchtungen belegt für den Bau der Eisenbahnen, die Computerisierung der Arbeitswelt und die Verbreitung des Internet.
Mit der Zeit erwiesen sich diese meist als unbegründet und es zeigte sich, dass neue Technologien stets auch viele neue, besser bezahlte Arbeitsplätze schaffen. Das ist insbesondere für ein rohstoffarmes Hochtechnologieland wie Deutschland interessant, dessen wirtschaftlicher Erfolg von seiner Innovationskraft abhängt. So schützt technologische Weiterentwicklung auch vor der Abwanderung von High Potentials, also von hochqualifizierten Arbeitskräften, die sonst möglicherweise in Länder übersiedeln, die technologisch weiter sind.
Hohe Kosten durch Einführung künstlicher Intelligenz: Viele kleine und mittelständische Unternehmen fürchten die hohen Kosten des technologischen Wandels hin zu mehr künstlicher Intelligenz in Produktion, Logistik und Management. Daher führen oft große Unternehmen neue innovative Technologien zuerstein und vergrößern dadurch ihren technologischen Vorsprung. Dabei werden die Kostenvorteile von KI oft unter- und die Einführungskosten regelmäßig überschätzt. Viele KI-Technologien und -Anwendungen, die noch vor fünf bis zehn Jahren sehr teure Sonderanfertigungen waren, gibt es inzwischen längst als deutlich günstigere Industrie-Standardware.
Beispiele sind kollaborative Roboter mit KI an Bord, KI-Module für verbreitete Industriesteuerungen wie Siemens Simatic sowie KI-gestützte Zugangskontrollsysteme wie die aktuellen Türsteuerungen von Axis Communications. Sie alle haben nur geringe Mehrkosten gegenüber älteren Systemen ohne KI.
Künstliche Intelligenz besitzt keine Gefühle und Werte: Wird über KI gesprochen, wird oft auch darüber diskutiert, wie künstliche Intelligenz sich beispielsweise in einem moralischen Dilemma entscheiden würde. Bekanntes Beispiel ist hier die Frage, wie sich ein autonomes Auto bei einem unvermeidbaren Verkehrsunfall verhalten würde und ob es die Unversehrtheit der Insassen höher bewerten würde als die Unversehrtheit anderer Verkehrsteilnehmer:innen.
Doch auch wenn die Rechenleistung von KI stetig wächst, hat die Technik ihre Grenzen. Anders als der Mensch hat KI kein Bewusstsein und auch keine Vorstellung von ihrer Umwelt. Sie kann auch keine freien Entscheidungen treffen, sondern führt lediglich mathematische Berechnungen auf Basis der ihr vorliegenden Daten aus. Rationale oder emotionale Entscheidungen bleiben also weiterhin allein dem Menschen vorbehalten.
Allerdings kann KI in vielen Bereichen den Menschen unterstützen und so beispielsweise im Straßenverkehr mit Assistenzsystemen insgesamt zu einem Rückgang der Unfallzahlen beitragen.

Das unheimliche Tal

Der japanische Robotikforscher Masahiro Mori bezeichnete 1970 die Angst vor Robotern, künstlicher Intelligenz und Avataren als das „Phänomen des unheimlichen Tals“. Die Akzeptanz des Menschen für neue Technologien nimmt ab, je ähnlicher ihm diese zu werden scheinen. Roboter in Menschengestalt werden zum Beispiel häufiger abgelehnt als Roboter in Tiergestalt.
Mori erklärte aber auch: Könnten Maschinen menschliches Verhalten besser imitieren und auf ihr menschliches Gegenüber besser eingehen, wäre das Tal durchschritten. Mit zunehmender Gewöhnung würden Angst und Ablehnung zurückgehen und der Nutzenaspekt überwiegen.
Damit wären dann beispielsweise besonders immersive Kinofilme oder andere Unterhaltungsmedien möglich, bei denen die Zuschauer:innen mit der KI interagieren könnten.
Empfohlener externer Inhalt
Hier ist ein Video-Inhalt von YouTube. Er ergänzt die Informationen auf dieser Seite.
Sie können ihn mit einem Klick anzeigen und wieder ausblenden.
Ich bin einverstanden, dass externe Inhalte angezeigt werden. So können personenbezogene Daten an Drittplattformen übermittelt werden. Mehr in unserer  Datenschutzerklärung.
Datenschutzerklärung

Die Geschichte der künstlichen Intelligenz

Die Idee künstlicher Intelligenzen oder denkender Automaten gab es bereits in der Antike. Von Pierre-Simon Laplace stammt die 1814 formulierte Idee einer allwissenden Maschine zur Entschlüsselung der Weltformel. Der britische Mathematiker und Enigma-Codeknacker Alan Turing leistete in den 1940er-jahren Grundlagenforschung und erdachte ein einfaches Testverfahren zur Erkennung von KI-Systemen. Beim Turing-Test ermittelt ein Mensch durch gezielte Fragen an einen unsichtbaren Gegenüber, ob es sich um einen Menschen oder eine Maschine handelt. 
Erste KI-Prototypen wurden noch zu Zeiten der Analogtechnik über einfache verdrahtete Schaltungen ausgeführt. Erst die moderne softwarebasierte Informationstechnik ermöglichte die Realisierung selbstlernender Systeme, anfangs noch mit sehr eng umrissenen Aufgabengebieten. Ein bekanntes Beispiel ist das zu Beginn der 1970er-Jahre von Edward Shortliffe an der Stanford University entwickelte medizinische Expertensystem MYCIN. Es diente zur Unterstützung bestimmter Diagnose- und Therapieentscheidungen bei Blutinfektionskrankheiten und Meningitis.
Frühe KI-Systeme enthielten meist das gesamte Spezialwissen und einen Entscheidungsbaum zu einem sehr eng gesteckten Fachgebiet. Limitierende Faktoren waren Rechengeschwindigkeit, Programmspeicher und der enorme Aufwand beim händischen Übertragen von Expertenwissen in digitale Strukturen.
Weil Entscheidungen nie besser sein können als die ihr zu Grunde liegenden Informationen (ex falso quodlibet, aus Falschem folgt Beliebiges), kam die KI-Forschung lange Zeit nur wenig voran oder beschränkte sich auf Einsatzgebiete wie Schachcomputer oder einfache Mustererkennung.
Seit der Jahrtausendwende eröffnen sich der KI neue Möglichkeiten: selbstlernende Systeme und neuronale Netze, KI-optimierte Prozessoren sowie die allgemeine Vernetzung und Verfügbarkeit riesiger maschinenlesbarer Datenmengen (Big Data) in der Cloud.
Mit der Verbreitung des Internets und der vernetzten industriellen Fertigung entstanden Einsatzgebiete für intelligente Avatare, lernende Produktionssysteme, Industrieroboter und die lernende Sprachsteuerung.

Teilgebiete künstlicher Intelligenz

Künstliche Intelligenz basiert auf verschiedenen Technologien. Sie alle zusammen bilden das Gesamtsystem KI:

Künstliche neuronale Netze

Beim Erlernen einer neuen Sprache baut das menschliche Hirn Verbindungen (Synapsen) zwischen Nervenzellen aus. Der Ausbau der neuronalen Netze erfolgt durch stetige Wiederholung und Anwendung des erlernten Wissens. Der Umgang mit der neuen Sprache wird dadurch sicherer und Menschen erinnern neue Vokabeln einfacher.
KI-Systeme imitieren dieses Vorgehen des menschlichen Gehirns, indem sie beim Erlernen und Verbessern ihrer Fähigkeiten neue digitale Datenbahnen einrichten oder bestehende weiter ausbauen. Datenbahnen, die zu fehlerhaften Ergebnissen führen, werden reduziert oder ganz gelöscht.

Machine Learning

Beim Machine Learning erhält die künstliche Intelligenz Datensätze und dazu ein Regelwerk, wie sie diese Datensätze verarbeiten soll. Als Ergebnis aus dem Machine Learning kann die KI:
  • Wahrscheinlichkeiten für zukünftige Daten oder bestimmte Datenmuster vorhersagen
  • fehlende Daten im Datenspeicher interpolieren
  • Gesetzmäßigkeiten und Zusammenhänge erkennen
  • Prozesse im Hinblick auf weitere Lerndurchgänge optimieren.
Anhand von Rückmeldungen kann die KI ihre Regeln zur Analyse- verifizieren oder so abändern, dass sie ihr Ziel zukünftig schneller erreicht. 
Stellt das Programm beispielsweise fest, dass es Muster in Sprachaufzeichnungen oder Bildern leichter wiederfindet, wenn es die Auflösung der Daten erhöht oder bestimmte Inhalte herausfiltert, lernt die KI damit auf der Metaebene, ihre Prozesse entsprechend anzupassen.
Es gibt verschiedene Lernstrategien im Machine Learning, die sich darin unterscheiden, ob und wie Anwender:innen die KI beim Lernen begleiten. Stehen beispielsweise nur wenige Daten zur Verfügung, erhält die KI für jeden analysierten Datensatz eine menschliche Rückmeldung, ob sie diese korrekt ausgewertet hat (überwachtes Lernen). Gibt es hingegen sehr große Datenbestände, kommt eher das Deep Learning zum Einsatz.

Deep Learning

Beim Deep Learning als Teilbereich des Machine Learning analysiert die KI selbständig große Informationsmengen. Der Mensch überlässt es hierbei der Software, Regeln und Gesetzmäßigkeiten zu finden und begleitet und bewertet nicht jeden einzelnen Analyseschritt.
Dies kann zum Beispiel sinnvoll sein, wenn im Vorfeld noch gar nicht bekannt ist, ob in den Daten überhaupt Muster enthalten sind und wie diese gefunden werden könnten.
Ein Einsatzgebiet ist die Analyse eines komplett in der Unternehmens-Cloud gespeicherten Warenbestandes oder aller Geschäftsprozesse auf mögliches Optimierungspotenzial hin.
Überschrift: Deep Learning als Teilbereich der KI. Darunter drei Kreise ineinander: Im innersten Kreis steht Deep Learning, im Kreis darum Machine Learning und im äußersten Kreis steht Künstliche Intelligenz.
Deep Learning und Machine Learning sind Teilbereiche der künstlichen Intelligenz. (Quelle: Datasolut)

Natural Language Processing

Das Natural Language Processing beschreibt, wie Maschinen menschliche Sprache auswerten und hieraus neue Informationen gewinnen. Die KI muss dabei nicht nur gesprochene und geschriebene Wörter erkennen. Sie muss diese auch in Sinnzusammenhänge setzen und dabei die Grammatik der Zielsprache kennen. Sie muss Besonderheiten erkennen, etwa das deutsche Wort „gucken”, das üblicherweise als „kucken“ gesprochen wird.
Auch das Erkennen von Doppelbedeutungen ist nicht trivial: Meint das Wort „Ist“ beispielsweise den Ist-Bestand des Warenlagers oder das identisch gesprochene Hilfsverb? Ist mit dem Wort „Los“ die Losnummer einer Charge gemeint oder das gleichlautende Startsignal?
Sprachverarbeitende KI-Systeme werden daher auch im laufenden Betrieb regelmäßig trainiert und mit menschlichen Rückmeldungen verbessert.
Ein Natural Language Processing Transformer ist eine virtuelle Maschine, die in Echtzeit Dialoge führen kann. Außerdem formuliert sie längere Texte so, dass sie in Syntax und Aufbau von menschlichen Texten nicht unterscheidbar sind.
Public Cloud Mobile

Skalierbare Cloud-Dienste für Ihr Business: Public-Cloud-Lösungen von Vodafone

Sie möchten Ihre IT-Betriebskosten senken, Innovationen schnell realisieren, Ihre Ressourcen flexibel einsetzen? Und dabei nur für die Infrastruktur und Dienste zahlen, die Sie auch tatsächlich brauchen, inklusive flexiblem Speicherplatz für E-Mail, Collaboration-Tools und Entwicklungsprojekte?

Zusammen mit unseren Partnern Microsoft und Alibaba haben wir die für Ihr Business passgenaue Public-Cloud-Lösung parat.

Knowledge Representation  

Mit wachsenden Datenbeständen benötigt die KI eine Systematik, um ihr erlerntes Wissen abzubilden. Die Wissensrepräsentation (oder Englisch: Knowledge Representation) beschreibt, wie künstliche Intelligenz sich Informationen merkt und abruft. Die Systematiken reichen von einfachen Katalog- und Glossarstrukturen bis hin zu mehrdimensionalen Verknüpfungen, bei denen jede Information auf mehreren Ebenen in ihrer Relation zu anderen Begriffen beschrieben wird.

Künstliche Intelligenz im Alltag

In vielen Alltagssituationen kommt künstliche Intelligenz heute zum Einsatz. Sei es bei der Google-Suche oder der Sprachassistenz, bei Siri oder bei Alexa auf dem Smartphone oder im Smart Home. Viele digitale Bestellsysteme im Online-Handel sowie Chatbots im Kundenservice arbeiten seit Jahren mit KI.
Auch wenn Sie Ihr Smartphone per Gesichtserkennung entsperren oder im Auto Ihrem Navi per Spracheingabe das nächste Ziel diktieren, nutzen Sie künstliche Intelligenz.
Die Autoindustrie forscht besonders intensiv an der KI. Sie ist dabei Voraussetzung nicht nur für optimiertes Flottenmanagement, sondern auch für das autonome Fahren. Der Bordcomputer erfasst per Sensoren seine Umwelt. Die KI analysiert den fließenden Verkehr und bewegt das Fahrzeug sicher darin fort. Künstliche Intelligenz erkennt außerdem am Fahrverhalten vorausfahrender Fahrzeuge einen sich aufbauenden Stau und bremst vorausschauend.
Schon jetzt laufen in vielen deutschen Städten Modellprojekte mit autonomen Bussen. In Monheim südlich von Düsseldorf fahren die ersten selbstfahrenden Mini-Busse bereits im Regelbetrieb.
Auch diese Systeme basieren auf KI. Im ländlichen Raum könnten solche Systeme ohne Fahrer:in für eine Belebung des ÖPNV sorgen. Denn im ländlichen Raum werden immer mehr Buslinien aus wirtschaftlichen Gründen oder wegen des Mangels an Fahrer:innen ausgedünnt oder eingestellt. Autonome Busse könnten diesen Trend umkehren und so wieder zur Alternative zum Individualverkehr werden.
Geschäftsmann sitzt nachdenklich am Konferenztisch

Modernes Flottenmanagement dank IoT

Schnelle Hilfe bei Unfällen und Pannen, Verkehrsinfos in Echtzeit und zuverlässige Ortung im Fall eines Diebstahls: Das alles und noch mehr verspricht intelligente Telematik. Vodafone hat dazu das passende, weltweit größte Mobilfunknetz und jede Menge Erfahrung im Bereich IoT.

  • Weltweit einsetzbar
  • Mehr Sicherheit
  • Jederzeitiges Tracking

KI in der Medizin

Auch Medizin und Prothetik nutzen künstliche Intelligenz. So kann etwa ein künstliches Handgelenk, das von dem Patienten oder der Patientin einen Gedankenimpuls erhält, per KI gesteuert nach einem Glas greifen.
Hautärzt:innen wollen per KI schon bald gutartige und bösartigen Tumore anhand ihres Aussehens unterscheiden – eine Aufgabe, an der Menschen bislang noch scheitern.
Ein laufendes Forschungsprojekt mit Unterstützung des Bundesministeriums für Bildung und Forschung widmet sich der Demenzforschung: Mit neuronalen Analysemethoden sollen hochaufgelöste dreidimensionale MRT-Gehirnscans per KI schneller ausgewertet werden. Forscher:innen der TU München entwickeln hierfür ein KI-Tool, das die vier häufigsten Typen der Demenz unterscheidet.
Eine Infografik zeigt als Balkendiagram mit Prozentangaben, in welchen Bereichen Menschen laut einer Befragung von Bitkom Research Chancen für den Einsatz von künstlicher Intelligenz sehen.
Statistik zu den Chancen von KI in einzelnen Lebensbereichen

Die künstliche Intelligenz der Zukunft

Künstliche Intelligenz als Teilgebiet der Informatik hat seit der Jahrtausendwende große Fortschritte gemacht. Zugleich haben das Internet of Things und die Migration von Unternehmensdaten in die Cloud bessere Rahmenbedingungen geschaffen. Alle für den KI-Einsatz relevanten Informationen sind nun an jedem Ort verfügbar.
Als Teil des IoT könnten intelligente Roboter und Drohnen bald selbständig Industrieanlagen und Infrastruktur warten – und dabei auch in Arbeitsbereiche vorstoßen, die für Menschen gefährlich oder schwer erreichbar sind. Mögliche Einsatzgebiete sind etwa Autobahnbrücken, Windkraftanlagen, Hochspannungstrassen oder Waldgebiete mit Sturmschäden. KI-gesteuerte Nanobots könnten Industriemaschinen und Fahrzeuge von innen reparieren, ohne dass Menschen diese hierfür erst auseinanderbauen müssten.
Agrarwirtin arbeitet am Tablet. Im Hintergrund sind Erntemaschinen zu sehen.

Internet of Things: Alles aus einer Hand

Durch die intelligente Vernetzung von Maschinen und Gegenständen werden unter anderem Produktion und Logistik effizienter gestaltet. So sparen Sie wichtige Ressourcen und erweitern Ihre Geschäftsmodelle.

Optimieren Sie jetzt Ihre Prozesse: Wir sind mit über 118 Millionen Connections führend im Bereich IoT und diese Zahl wächst täglich.

Lieferengpässe bei Halbleitern und anderen strategischen Gütern haben weiteres Einsatzgebiet für die künstliche Intelligenz aufgezeigt: die Logistik. Unternehmen, die per KI ihre Lieferketten optimieren und dabei zugleich robuster gegen Ausfälle machen, sind gegenüber ihren Wettbewerbern im Vorteil. Aber auch im Gütertransport selbst liegen noch erhebliche Potenziale für die KI. Einige Möglichkeiten:
  • Autonome LKW bringen Waren schnell und ohne Schlafpausen zu den Kund:innen.
  • Per M2M kommunizierende Fahrzeuge vermeiden Staus bei Streckensperrungen, indem sie untereinander die optimale Nutzung des verbleibenden Straßennetzes aushandeln.
  • Auf KI-überwachten Schienennetzen können mehr Züge in kürzeren Abständen verkehren, ohne dass hierfür neue Strecken gebaut werden müssten.
  • Pakete und Lieferpaletten erhalten eine eigene vernetzte Intelligenz und kommunizieren per Mobilfunk mit Transportdienstleistern: Waren suchen sich selbständig das passende Transportmittel für den schnellsten oder günstigsten Weg zum Lieferort. Kleinere Lieferungen melden sich als Beifrachten an und reduzieren so Leerfahrten und ungenutzten Laderaum.
Handel und Dienstleistung finden heute zunehmend im Netz statt. Insbesondere im B2B-Bereich führt dabei kein Weg an KI-basierten oder -gestützten Systemen vorbei. Sei es bei der Generierung und Betreuung von Kundenkontakten oder der Entwicklung neuer Geschäftsfelder.

Mehr Patienten-Selbstständigkeit dank intelligenter Assistenten

Bereits heute ist die Mustererkennung ein wichtiges Anwendungsgebiet für künstliche Intelligenz in der Medizin. Die Telemedizin eröffnet weitere Einsatzfelder. Wo auf dem Land Fachärzt:innen für seltene Erkrankungen fehlen, können intelligente Medizinanwendungen bei Diagnostik und Therapie aus der Ferne unterstützen. In der stationären und häuslichen Pflege können KI-Systeme Routineaufgaben übernehmen und beispielsweise Patient:innen an die regelmäßige Einnahme von Medikamenten erinnern. Auch hier laufen schon erste Modellprojekte im Bereich eHealth.
Besonders in Sektoren, in denen heute viele Fachkräfte fehlen, ist der Innovationsdruck groß und das Potenzial für die KI enorm. Parallelen zur ersten Industriellen Revolution sind klar erkennbar, als fehlende Arbeitskräfte zur Entwicklung und schnellen Verbreitung der Dampfmaschine führte.

Künstliche Intelligenz im Überblick: Das Wichtigste in Kürze

  • Im Internet of Things kann künstliche Intelligenz viele ihrer Stärken ausspielen und Maschinen intelligent vernetzen und so Ressourcen sparen.
  • Über 5G-Campus-Netze tauschen intelligente Geräte ihre Daten besonders schnell und effizient aus und verbinden sich mit Ihrer Unternehmens-Cloud.
  • Mittels Narrowband-IoT von Vodafone verbinden Sie Ihre KI-Systeme auch dort miteinander, wo einzelne Standorte bisher schwer erreichbar waren.
  • Für den Automotive-Sektor ist KI essentieller Bestandteil des autonomen Fahrens. Der Entwicklungsstand der verbauten KI ist für viele Käufer:innen bereits jetzt ein Entscheidungskriterium.
  • Sektoren wie Medizin, Handel und Dienstleistung profitieren bereits heute von KI-Systemen. Hier gibt es großes Entwicklungspotenzial.
Das könnte Sie auch interessieren:
Connectivity
Eine Hand, die den Stecker eines Netzwerkkabels an einem Server-Rack anschließt.

DSL oder Kabel? Unterschiede erklärt – So treffen Sie die richtige Wahl

Was ist für Ihre Bedürfnisse besser geeignet: ein Kabel- oder ein DSL-Internetanschluss? Im Laufe der Jahre hat sich sowohl beim ehemaligen Telefonkabel als auch bei der Koaxialtechnik viel getan. Was hinter den Technologien steckt und wo die jeweiligen Vor- und Nachteile sowie Gemeinsamkeiten und Unterschiede liegen, erfahren Sie hier. Beim Festnetz-Internetanschluss via Koaxialkabel sind inzwischen bis zu einem Gigabit pro Sekunde im Download möglich – bis zu zehn Gigabit sind hier in Planung. Im DSL-Bereich dagegen sind aktuell maximal 250 Megabit pro Sekunde möglich. Für viele Anwendungsfälle ist das ausreichend, doch mit wachsendem Datenaufkommen kommt die Technologie langsam an ihre Grenzen. Laut statista nutzten in Deutschland 2023 ganze 24,3 Millionen Teilnehmer:innen insgesamt DSL-Technik für ihren Internetanschluss. 8,7 Millionen setzten auf Kabel-Internet; und 4,2 Millionen Anschlüsse laufen bereits über Glasfaser. DSL hat also immer noch den höchsten Marktanteil, was nicht zuletzt an der breiten Verfügbarkeit und Zuverlässigkeit der Technologie liegt. Trotzdem gibt es gute Gründe, wo möglich auf Glasfaser oder Kabel umzurüsten.

Telefon

Digitalisierungs-Beratung

Sie haben Fragen zur Digitalisierung? Jetzt kostenlos beraten lassen. Montag-Freitag von 8-20 Uhr, außer an Feiertagen.

0800 505 4512

Hilfe und Service

Montag bis Freitag von 8 bis 20 Uhr, außer an Feiertagen.

0800 172 1234
Online
Vor Ort