In der Geschichte der Menschheit durchlief jede revolutionäre Technologie dieselben Phasen: Zuerst hatte man Angst davor, dann unterschätzte man sie, und schließlich begann man, sie zu missbrauchen. Künstliche Intelligenz machte da keine Ausnahme – von der Angst vor einem Aufstand der Maschinen sind wir zu einem anderen Extrem übergegangen: dem Aufkleben des Etiketts „KI“ auf jedes Programm, das in der Lage ist, zwei Zahlen zu addieren.
Moderne Marketingexperten haben künstliche Intelligenz zu einer digitalen Kosmetik gemacht, mit der sie die alltäglichsten Algorithmen verschönern. Das Ergebnis ist vorhersehbar: Der Markt ist voll mit "intelligenten" Lösungen, die nur auf Papier intelligent wirken.
Ockhams Rasiermesser für künstliche Intelligenz
Hinter dem Marketinglärm versteckt sich die entscheidende Frage: Wann ist künstliche Intelligenz wirklich notwendig? Die Grenze zwischen effektiver Nutzung der Technologie und kostspieliger Simulation verläuft zwischen funktionalem und showhaften KI.
Funktionierende künstliche Intelligenz löst Probleme, die traditionellen Methoden unzugänglich sind. Showhafte künstliche Intelligenz existiert, um den Eindruck technologischer Überlegenheit zu erzeugen.
Unterscheidung zwischen beiden ermöglicht das Prinzip des "Ockhams Rasiermesser für KI": Künstliche Intelligenz ist gerechtfertigt, nur wenn einfache Lösungen physisch unmöglich oder ineffizient sind. Dieses Prinzip wird an drei Tests überprüft:
Test der Ersetzbarkeit: Kann eine einfache Regel oder ein Algorithmus dasselbe Problem mit akzeptabler Qualität lösen? Wenn ja – ist künstliche Intelligenz überflüssig.
Test der Skalierbarkeit: Erfordert die Aufgabe die Verarbeitung von Daten in einem Umfang oder mit einer Geschwindigkeit, die dem Menschen unzugänglich ist? Wenn nicht – könnte das Problem in der Prozessorganisation liegen.
Test der Einzigartigkeit: Schafft künstliche Intelligenz prinzipiell neue Möglichkeiten oder automatisiert sie nur bestehende? Der Durchbruch erfolgt, wenn die Maschine das Unmögliche tut.
Klare Antworten auf diese Fragen deuten auf eine funktionale Anwendung der Technologie hin. Ausweichende Formulierungen verraten einen showhaften Ansatz.
Fall eines showhaften Intellekts: Banken-Theater
Eine große Bank startete eine "revolutionäre Kredit-Scoring-System auf Basis tiefen Lernens". Die Präsentation versprach einen personalisierten Ansatz, die Analyse von Hunderten Verhaltensfaktoren und sofortige Entscheidungen. Nach anderthalb Jahren stellte sich heraus: Das neue System funktioniert schlechter als ein gewöhnlicher Taschenrechner, der einfach Einkommen addiert und Ausgaben subtrahiert.
Der traditionelle Scoring-Prozess verarbeitete Anträge innerhalb von 30 Sekunden mit einer Genauigkeit von 85 %. Die neue System zeigt eine Genauigkeit von 83 % innerhalb derselben Zeit, aber mit einem schönen Namen: "Personalisierte Risikobewertung auf Basis tiefgehender Analyse von Verhaltensmustern". Dabei erfordert die "intelligente" Lösung ein Team aus zehn Spezialisten, verbraucht um ein Vielfaches mehr Energie und gibt gelegentlich völlig sinnlose Empfehlungen aus – etwa die Kreditverweigerung bei Kunden mit einwandfreier Historie.
Die Anwendung dreier Tests erkennt Fälschungen sofort:
Test der Ersetzbarkeit: Einfache Regeln des Kredit-Scoring (Einkommen minus Ausgaben, Kreditgeschichte) erzielten ebenso gute Ergebnisse. Das Neuronale Netz hat keine zusätzliche Qualität hinzugefügt.
Test der Skalierbarkeit: Die Bank verarbeitet Tausende Anträge pro Tag – eine große, aber nicht übermenschliche Menge. Das bestehende System schaffte es innerhalb von einer halben Minute.
Test der Einzigartigkeit: Das System hat keine prinzipiell neuen Möglichkeiten geschaffen. Gleiche Lösungen, gleiche Geschwindigkeiten, aber mit einer komplexeren Architektur.
Fazit: Millionen wurden für technische Dekoration ausgegeben, die schlechter funktioniert als die bestehende Lösung.
Fall eines funktionierenden Intellekts: Hautkrebsdiagnose
Dermatologen kämpften jahrzehntelang mit dem Problem: Melanom im frühen Stadium ist praktisch nicht von einer gewöhnlichen Warze zu unterscheiden, doch jede Monat Verzögerung senkt die Überlebenschancen des Patienten stark. Selbst die erfahrensten Ärzte diagnostizierten Hautkrebs mit einer Genauigkeit von maximal 75 %. Die Situation wurde verschärft, da Spezialisten auf subjektive Eindrücke angewiesen waren – "erscheint verdächtig" oder "sieht normal aus".
Ein Computer-Vision-System, das auf Millionen medizinischer Bilder trainiert wurde, hat die Diagnosegenauigkeit auf 94 % erhöht. Darüber hinaus hat der Algorithmus gelernt, bösartige Veränderungen zu erkennen, die das menschliche Auge prinzipiell nicht wahrnehmen kann – Kombinationen von Farbnuancen, mikroskopische Symmetriestörungen, kaum wahrnehmbare Veränderungen der Textur, die sich Monate vor sichtbaren Symptomen zeigen.
Innerhalb von drei Jahren half diese System tausenden Patienten, Krebs in einer frühen Phase zu entdecken, die bei traditioneller Diagnose einen Todesurteil erhalten hätten. Ärzte erhielten einen digitalen Berater, der niemals müde wird, sich nicht ablenken lässt und Details nicht aufgrund menschlicher Fehler übersieht.
Die Anwendung diagnostischer Kriterien zeigt die praktische Natur der Lösung:
Test der Ersetzbarkeit: Das menschliche Auge kann hunderte mikroskopische Muster bösartiger Veränderungen nicht gleichzeitig erkennen. Einfache Diagnoseregeln existieren nicht.
Test der Skalierbarkeit: Das System analysiert Millionen Datenpunkte pro Bild mit einer Geschwindigkeit, die dem Menschen unzugänglich ist. Arzt kann diese Datenmenge physisch nicht verarbeiten.
Test der Einzigartigkeit: Der Algorithmus hat eine prinzipiell neue diagnostische Fähigkeit geschaffen – die Fähigkeit, Krebszeichen zu erkennen, die sich Monate bevor sie ein Spezialist bemerkt, zeigen.
Der digitale Cargo-Cult unserer Zeit
Hinter technologischen Illusionen steht die moderne Version des Cargo-Cults. Wie die Insulaner von Melanesien Holzflugzeuge bauten, um echte Flugzeuge herbeizurufen, erwarten moderne Unternehmen, dass durch die Hinzufügung von "Intelligenz-Attributen" automatisch Effizienz steigt.
Dieser Ansatz verwandelt künstliche Intelligenz in ein Statussymbol und nicht in ein Instrument zur Problemlösung. Der Vorstand lässt sich leichter von einer Präsentation über "Neuronale Netzwerke" beeindrucken als von einer Erklärung, dass das Problem durch eine Datenbankanpassung gelöst werden könnte. Investoren investieren lieber in Startups mit dem Zusatz "AI", selbst wenn die Technologie dort für Aufgaben wie ein Taschenrechner genutzt wird.
Das Ergebnis ist vorhersehbar: Der Markt ist überflutet von kostspieligen Fassaden, die den Anschein von Fortschritt erzeugen und Ressourcen von echten Innovationen abziehen. Jeder gescheiterte Versuch, "intelligente" Systeme einzuführen, diskreditiert die Konzeption der künstlichen Intelligenz selbst.
Diese oberflächliche Einführung schafft einen Teufelskreis. Führungskräfte, die sich an sogenannten "revolutionären KI-Lösungen" verbrannt haben, werden skeptisch gegenüber wirklich bahnbrechenden Entwicklungen. Als Ergebnis kaufen Unternehmen entweder technologische Fassaden oder verzichten ganz auf Innovation.
Die einfache Wahrheit lautet: Künstliche Intelligenz ist ein Werkzeug, kein Selbstzweck. Wie jedes Werkzeug ist es nur dann gut, wenn es richtig eingesetzt wird. Auf einem Taschenrechner kann man keinen Text eingeben, aber er ist ja auch nicht dafür gedacht.
