KI in der Wirtschaft: In welchen Branchen kann sie welche heutigen Probleme beheben?

Unter anderem ChatGPT zeigt aktuell, wie extrem fähig KI in der jüngsten Vergangenheit geworden ist. Und nicht zuletzt das Unternehmen Boston Dynamics gibt regelmäßige Einblicke, wie ähnlich beeindruckend weit die moderne Robotik ist. Speziell die künstliche Intelligenz kann dabei für Unternehmer in zahlreichen Branchen schon heute einige massive Probleme beheben, für die bislang keine anderen praktisch nutzbaren Alternativen gefunden werden konnten. Doch welche Sparten können in welcher Form profitieren?

Broad und Narrow: Die beiden wichtigsten KI-Ansätze im Überblick

Künstliche Intelligenz, Artificial Intelligence, KI, AI: Wenn davon die Rede ist, haben viele Menschen ein idealisiertes, vielfach Science-Fiction-artiges Bild vor dem inneren Auge – hauptsächlich der Filmindustrie zu verdanken.

Tatsächlich gibt es jedoch nicht „die“ eine KI. Vielmehr unterscheiden Experten zwischen zwei Arten von künstlicher Intelligenz, die massiv unterschiedlich aufgebaut und leistungsfähig sind:

• Narrow/Weak/Schwache KI:
   Eine solche KI ist trotz aller Leistungsfähigkeit „nur“ dazu befähigt, Muster zu erkennen, große Datenmengen und Ähnliches zu durchsuchen und daraus Schlüsse zu ziehen. Stets ist sie dabei für einen enggesteckten Aufgabenbereich optimiert. Sie verfügt über keine eigene Kreativität, kann zwar lernfähig sein, aber nur im Rahmen ihrer Spezifikationen. Aufgrund der dennoch enormen Leistungsfähigkeit solcher künstlichen Intelligenzen lehnt die Fachwelt zunehmend die Begriffe „Weak“ und „Schwach“ ab, da sie ein verzerrtes Bild vermitteln.
• Broad/Strong/Starke KI:
   Diese KI ist in der Lage, faktisch ähnlich unbegrenzt zu lernen und zu handeln, wie es die menschliche Intelligenz vermag. Bedeutet, sie kann nicht nur verschiedene Aufgaben übernehmen, sondern sich überdies selbst beibringen, weitere Herausforderungen zu lösen. Im Gegensatz zur Narrow KI simuliert sie nicht nur ein menschliches Bewusstsein, sondern besitzt es tatsächlich.

Nun hat mancher Leser dieser Zeilen vielleicht in den zurückliegenden Wochen und Monaten von ChatGPT gehört oder das Programm gar selbst ausprobiert. Was diese derzeitige Speerspitze der breitverfügbaren KI anbelangt, ist die Leistungsfähigkeit sicherlich äußerst beeindruckend:

• Spiele und andere Programme binnen weniger Minuten programmieren;
• Gedichte und Geschichten erfinden;
• Sehr natürlich wirkende Konversationen führen;
• Texte basierend auf Daten verfassen, die zumindest auf den ersten Blick wie von Menschen geschrieben wirken.

Millionen Schüler haben sich bereits davon die Hausaufgaben schreiben lassen. Angeblich wurden sogar schon die Reden einiger Politiker von der KI verfasst. Aber: Egal, wie beeindruckend das Programm wirkt, es ist lediglich eine schwache KI (hier zeigt sich, warum viele Experten dieses „schwach“ ablehnen).

Eine starke KI wurde trotz aller Forschungsanstrengungen noch nicht entwickelt. Selbst, wenn naturgemäß eine Narrow KI dabei helfen könnte, so ist die Welt noch Jahre von diesem Meilenstein entfernt. Bis dahin werden zwar weitere äußerst fähige Narrow KI entwickelt, jedoch werden sie trotzdem an den beiden Benchmarks Turing Test und Chinesisches Zimmer scheitern.

Allerdings sollte dies keinesfalls einen negativen Eindruck erwecken. Das, was heute schon an Narrow KI marktreif ist oder sich in der Entwicklung befindet, hat extremes wirtschaftliches Potenzial und kann dabei helfen, verschiedenste Herausforderungen zu meistern – und sogar weit darüber hinaus zu gehen.

Branchenübergreifender Lösungsansatz: Das Thema Fachkräftemangel

Heutige KI können (mit entsprechenden Sensoren gekoppelt) sehen, hören, sprechen, lesen, schreiben, tasten. Sie können Muster selbst in gigantischen Datensätzen erkennen, können sogar subtile menschliche Signale wie Mimik, Gestik und Sprache erkennen und interpretieren. Eine frühere ChatGPT-Version schaffte es beispielsweise schon 2020, beinahe 14 Tage lang die User von Reddit zu täuschen, indem das Programm beeindruckend menschliche Posts verfasste.

All diese Fähigkeiten heutiger KI treffen auf eine Arbeitswelt, die wie nie zuvor von einem Fachkräftemangel geplagt wird. Das beste Employer Branding nützt nichts, wenn es schlicht nicht genügend Menschen gibt, die (in der Region) als Fachkräfte rekrutiert werden können.

Hier zeigt sich die wahre Stärke der „schwachen“ KI von heute. Für sich allein oder im Zusammenspiel mit Robotik kann sie praktisch branchenübergreifend diesen Mangel an menschlichen Mitarbeitern entschärfen, teilweise sogar völlig auflösen. Denn KI kann insbesondere langwierige, repetitive komplexe Routineaufgaben übernehmen. Und zwar in einer „unmenschlichen“ Geschwindigkeit.

Sie ist deshalb ein Kräftemultiplikator: Menschliche Fachkräfte werden für diejenigen Aufgaben frei, die wirklich nur ein Mensch erledigen kann. Alles andere kann von einer passenden KI in kürzerer Zeit deutlich effizienter erledigt werden – von den praktisch nichtvorhandenen dauerhaften Kosten einmal zu schweigen.

Vielleicht mag nicht jede KI komplexe Programme schreiben können. Sie kann jedoch Millionen Code-Zeilen mit atemberaubendem Tempo auf Fehler untersuchen. Sie kann Zigtausende Datensätze analysieren, daraus die wichtigsten Fakten extrahieren und zusammenfassen. Sie kann erklären und Antworten geben und nicht zuletzt Menschen davor bewahren, etwas falsch zu machen.

Von einem wirklich fähigen Chat-Bot, der auf einer Firmen-Website mit den Kunden kommuniziert bis zu einer KI, die in Echtzeit das gesprochene Wort in andere Sprachen übersetzt reicht die Bandbreite – und damit die Fähigkeit, in zahlreichen Berufen fehlendes Personal zu ersetzen, indem die vorhandenen Fachkräfte entlastet werden.

Davon einmal abgesehen vermag KI es ebenfalls, einige andere Herausforderungen in enger umrissenen Branchen zu beseitigen.

Die Metallbranche

Die Herausforderung im Überblick

Die Metallherstellung im Allgemeinen und die des Stahls im Besonderen ist ein im Höchstmaß komplexer Vorgang. Das gilt ganz besonders in Deutschland, wo die Industrie sich seit Jahrzehnten auf die Fertigung äußerst hochwertiger Spezialstähle fokussiert hat. Hier geht es um komplexe Metallurgie, extrem fein austarierte Legierungen und nicht zuletzt die Notwendigkeit, eine sehr aufwendige Form der Qualitätskontrolle zu betreiben.

Zudem bedeutet die Metallproduktion stets einen enormen Bedarf an (Wärme-) Energie, teilweise große CO2-Emissionen und überdies die Notwendigkeit, die bestehenden Metalle stets weiter zu optimieren und ebenso neue Legierungen zu finden.

Lösungsmöglichkeiten durch KI-Einsatz

[…] Wir haben unglaubliche Datenmengen, die bei der Stahlherstellung aufgenommen werden. Den Nutzungsgrad dieser Daten schätze ich aber nur auf ca. 10 Prozent. Im Umkehrschluss bedeutet das: 90 Prozent der zur Verfügung stehenden Daten nutzen wir noch nicht.[…]

So Andreas Dalchow, Vorstand Technik Finishing bei ArcelorMittal Bremen in einem Interview.

Die Worte dieses Stahl-Experten zeigen, wie eine der größten heutigen Herausforderungen in der Branche aussieht: Von der Überprüfung der eingehenden Rohstoffe über die Zusammensetzung der Schmelze bis zur Qualitätskontrolle einer fertigen Stahllegierung werden zwar riesige Datenmengen erhoben, können aber mit bisherigen Methoden kaum ausgewertet werden.

Im selben Interview zeigt Herr Dalchow auf, wie KI durch ihre Fähigkeit zur Interpretation von Datensätzen beispielhaft helfen kann:

[…] Wenn am Ende eines Arbeitsprozesses ein Materialstück gefertigt wurde, visualisieren heute Kameras das Materialstück und der Bediener fällt eine Entscheidung, nach Geometrie und anderen definierten Parametern. Sprich nach sichtbaren äußeren Entscheidungskriterien, die festgelegt wurden. Wenn ich eine KI habe, basieren diese Entscheidungen hingegen auf konkreten Bildern, die so hinterlegt wurden, dass positive und negative Merkmale definiert wurden. Die KI kann demnach selbständig ein Materialstück auf Basis der vorliegenden Daten bewerten, und autonom die Entscheidung treffen, ob ein Materialstück in den nächsten Produktionsschritt geht oder nicht.[…]

Praktische Umsetzungen für derartige Anforderungen werden derzeit unter anderem von der Carl-Zeiss-Stiftung entwickelt. So soll etwa das KI-Tool „MicroGrapher“ mikroskopische Bilder mit verschiedenen Soll- und Ist-Datensätzen abgleichen und dadurch das Gefüge von Stählen analysieren – wodurch sich Rückschlüsse auf das Verhalten des jeweiligen Stahlbauteils unter bestimmten Bedingungen ergeben.

Andere Entwicklungsansätze befassen sich mit solchen Themen wie der Optimierung von schwindenden Legierungszusätzen oder der KI-gestützten Verbesserung von Gießprozessen, damit diese ein so wiederholgenaues Endprodukt wie nur möglich erzeugen. Nicht zuletzt kann KI dabei helfen, die Energieverbräuche in solchen Werken zu optimieren. Etwa, indem sie besonders ökonomische Hochofen-Geometrien designt.

Der Handel

Die Herausforderung im Überblick

Das Ziel einer jeden Form von Handelsunternehmen ist es, jedem Kunden das für seine Ansprüche bestmögliche Produkt zu einem für beide Seiten optimalen Preis anbieten zu können. Unter anderem durch die enorme Diversität von Zielgruppenmitgliedern und eine vielfach große Zahl an Konkurrenten wird dies ständig schwieriger.

Was ein Kunde wann unter welchen Umständen wünscht und was er kauft, hängt von zahlreichen Variablen ab. Trends spielen hier ebenso eine Rolle wie das Wetter, Tageszeiten und nicht zuletzt menschliche Suchgewohnheiten.

All das zu optimieren hat mittlerweile ein Level erreicht, an dem selbst Handelsunternehmen ohne jeglichen Personalschwierigkeiten (eine Seltenheit) kaum noch aus eigener Leistung heraus besser werden können. An diesem Punkt kommt künstliche Intelligenz ins Spiel.

Lösungsmöglichkeiten durch KI-Einsatz

• Welche Produkte muss ein Handelsunternehmen in welcher Anzahl vorrätig halten und nachbeschaffen, um stets sämtliche Kunden befriedigen zu können, ohne jedoch kostspielige Überkapazitäten zu bezahlen?
• Neigen Kunden (-gruppen) dazu, bestimmte Produkte wahllos zu kaufen oder stecken tatsächlich hochkomplexe Entscheidungsmuster dahinter, die lediglich für den Menschen nicht offensichtlich sind?
• Wie lassen sich die Verkaufspreise so dynamisch gestalten, dass sie sowohl für Kunden besonders attraktiv sind als auch eine geringstmögliche Retourenrate zur Folge haben?
• Wie wahrscheinlich ist es, wenn ein Kunde bisher ein Kaufverhalten X an den Tag gelegt hat, künftig ein Kaufverhalten Y zu zeigen? Oder anders: Wie lässt sich möglichst präzise anhand von Kausalitäten voraussagen, was ein Kunde als nächstes will?

Es sind solche und ähnliche Fragen, die dem Handel sprichwörtliche schlaflose Nächte bereiten. In Franchise-Systemen sind sie noch bedeutender, weil es hier noch komplexere Wechselwirkungen zwischen unterschiedlichen Betrieben und dem dahinterstehenden Franchise-Geber gibt.

Künstliche Intelligenz ist jedoch die Antwort darauf. Einmal mehr, weil sie es so hervorragend beherrscht, Muster zu erkennen und selbst riesige Datensätze über lange Zeiträume hinweg zu analysieren.

KI kann eine dynamische Preisanpassung in Echtzeit übernehmen. Sie kann Handelstreibenden durch die Analyse von Trends und historischem Kaufverhalten mit hoher Sicherheit aufzeigen, wie Kunden in naher Zukunft reagieren werden – und unter welchen Voraussetzungen.

Und, nicht zuletzt, vermag es künstliche Intelligenz Kunden nicht nur allgemein zu beraten, sondern könnte theoretisch und praktisch durch eigenes Verhalten Kunden in eine bestimmte Richtung lenken, die vom Händler gewünscht wird.

Das Gesundheitswesen

Die Herausforderung im Überblick

Allein, welche multiplen Probleme durch den Personalmangel im Gesundheitswesen bestehen, darüber könnten ganze Bücher verfasst werden. Doch einmal abgesehen davon, bestehen hier weitere Herausforderungen:

• Die Notwendigkeit für Mediziner, ein ständig vielfältiger und komplexer werdendes Wissen zu erlernen, und dennoch genügend Zeit zu finden, Patienten adäquat zu versorgen.
• Das oftmals schwierige und dadurch fehleranfällige Interpretieren von komplexen, umfassenden medizinischen Datensätzen. Etwa bei Studien oder bildgebenden Diagnoseverfahren.
• Die Notwendigkeit, neue Therapien und Pharmazeutika möglichst umfassend digital zu analysieren und zu testen, bevor damit klinische Tests beginnen.
• Die generell extrem umfangreichen Datensätze zwischen Krankenhäusern, Arztpraxen und Versicherungen und die unter anderem damit einhergehende Notwendigkeit, medizinische Leistungen äußerst differenziert kalkulieren zu müssen.

Die Medizin wird immer leistungsfähiger. Doch ganz ähnlich wie in vielen anderen Branchen wird allmählich ein Punkt erreicht, an dem Technik theoretisch und praktisch mehr leistet, als der Mensch im Alleingang sinnvoll ausnutzen kann.

Lösungsmöglichkeiten durch KI-Einsatz

Am besten lässt sich die Leistungsfähigkeit von KI im medizinischen Bereich wohl beschreiben, wenn man ein konkretes Beispiel nutzt: Täglich werden EKG, MRT und ähnliche Techniken herangezogen, um Diagnosen zu stellen. Nicht selten geht es dabei um lebenswichtige Entscheidungen oder solche von enormer finanzieller Tragweite.

Handelt es sich beispielsweise bei etwas auf einem CT-Bild um eine harmlose Zyste oder vielleicht ein Karzinom? Oder auch solche Fragen: Genügt die Erfahrung des Mediziners, der dieses Bild betrachtet, überhaupt, um ein womöglich gerade erst stecknadelkopfgroßes Karzinom zu erkennen? Ist ein solcher Arzt nach einem vielstündigen Dienst mit Dutzenden Patienten noch konzentrationsfähig genug, um bei der Bildauswertung garantiert nichts zu übersehen?

Es sind solche Fragen, zu denen künstliche Intelligenz eine Antwort liefern kann. Sie kann schneller, zuverlässiger, einfach in jeder Hinsicht besser analysieren. Das gilt selbst dann, wenn es um Dinge geht, die für das menschliche Auge nicht sichtbar hervorstechen. Allein, was die Diagnostik anbelangt, ist KI daher die tatsächlich einzig logische Ergänzung zu den heute extrem leistungsfähigen technischen Verfahren.

Und ganz gleich, ob es Sensoren sind, die ein Wundliegen erkennen. Systeme, die den realen Bedarf eines Patienten für ein Medikament anhand seines Ist-Zustandes und seiner Vorgeschichte bemessen – oder bloß die Datensätze einer Krankenversicherung: Stets kann KI durch ihre Leistungsfähigkeit ähnliche Herangehensweisen ermöglichen und damit Bearbeitungszeiten verkürzen und Fehlerwahrscheinlichkeiten massiv reduzieren.

Allerdings muss KI aufgrund der besonderen Umstände in dieser Branche aus einem ebenso besonderen Blickwinkel betrachtet werden: KI kann nur so gut sein wie die zur Verfügung gestellten Datensätze. Außerdem sind hier an vielen Stellen im Höchstmaß ethische Fragen zu klären. Die WHO hat deshalb anno 2021 einen Leitfaden mit Richtlinien für den medizinischen KI-Einsatz und ihre Entwicklung veröffentlicht:

1. Protect Autonomy:
    Letzten Endes muss also stets der Arzt die Entscheidungshoheit behalten.
2. Promote human well being, human safety and the public interest:
    KI darf niemals dem Menschen Schaden zufügen, egal unter welchen Umständen.
3. Ensure transparency, explainability and intelligibility:
    Die Vorgehensweise und Entscheidungsfindung einer KI muss stets nachvollziehbar und nicht zuletzt dem Patienten bekannt sein.
4. Foster responsibility and accountability:
    Alle Beteiligten müssen sicherstellen, dass die Nutzung der KI die gewünschten Lösungen produziert und Verantwortlichkeiten klar geklärt sind.
5. Ensure inclusiveness and equity:
    KI muss auf eine Weise gestaltet werden, durch die sie sich unparteiisch verhält und Menschen aufgrund unterschiedlichster Faktoren weder bevorteilt noch benachteiligt.
6. Promote AI that is responsive and sustainable:
    KI darf sich bei allen Vorteilen für den Menschen nicht nachteilig auf Umwelt, Natur und Klima auswirken.

Damit wirken diese Postulate nicht nur auf den ersten Blick wie eine perfekte Ergänzung der schon deutlich älteren Asimov’schen Robotergesetze. Zudem zeigen die sechs Punkte, wie schwierig die Gratwanderung beim Einsatz von KI sein kann – selbst, wenn sie „schwach“ ist.

Die Logistik

Die Herausforderung im Überblick

Nirgendwo sonst ist die Globalisierung so umfassend und vielfältig zu sehen wie in der Logistik. Egal, um welches Produkt oder welche Dienstleistung es sich handelt, stets sind die dahinterstehenden logistischen Ketten über den gesamten Erdball verteilt und beziehen vielfach Dutzende unterschiedliche Unternehmen mit ein.

Das alles wird überdies in sehr vielen Firmen unter dem Prinzip Just in Time benötigt. Egal, wie komplex die Logistikkette ist, sie muss stets sicherstellen, alle benötigten Teile innerhalb von Zeitfenstern an den richtigen Punkt zu bringen, die nicht selten auf die Minute präzise getaktet sind.

Diese beiden Notwendigkeiten kollidieren regelrecht mit einer Welt, in der die Vielfalt von Produkten und Dienstleistungen nicht nur immer größer wird, sondern in der die Preise für Energie und die Schadstoffausstöße eine extrem große Rolle spielen. Längst ist es deshalb vielfach schlicht zu schwierig geworden, die stets optimalen logistischen Schritte auszuwählen.

Zudem sind hierbei andere Zweigbereiche der Logistik noch gar nicht genannt. Etwa die Steuerung von Robotern (beispielsweise Lieferdrohnen) oder die Optimierung jedes einzelnen Schritts bis hin zur perfekten Beladung einer Palette je nachdem, wer sie be- und entlädt.

Insgesamt gibt es daher zahlreiche Möglichkeiten, um Logistik zu optimieren. Aufgrund ihrer schieren Menge ist es jedoch kaum noch möglich, dabei mit menschlichen Mustern das Optimum zu erreichen.

Lösungsmöglichkeiten durch KI-Einsatz

• Wie muss ein bestimmter Chip von China in eine europäische Fabrik gebracht werden, damit deren Produktionstakt optimal angesprochen wird?
• Welche Variablen könnten dabei welches Transportmittel wie beeinflussen und wie würden davon in welchem Fall die nachgeschalteten Logistikprozesse beeinflusst?
• Welches Transportmittel muss unter diesen Voraussetzungen gewählt werden, damit es optimal ausgelastet ist und der Transport somit die geringsten Kosten verursacht?

Derartige Variablen und Fragen gehören in der Logistik zum täglichen Geschäft. Schon seit Jahrzehnten werden dabei hochkomplexe mathematische Modelle genutzt. KI ist letzten Endes die logische Schlussfolgerung, um gerade in der modernen Welt mit ihren unsagbar komplexen logistischen Problemstellungen die bestmöglichen und ökonomischsten Lösungen zu finden.

Eine KI kann selbst unter ungünstigsten Vorzeichen die schnellste (oder kraftstoffsparendste) Route für einen LKW berechnen. Sie kann eine Schiffsflotte so timen, dass diese stets mit maximaler Kapazität genutzt werden kann. Nicht zuletzt kann eine künstliche Intelligenz sogar die Planung eines Warenlagers übernehmen, damit menschliche und robotische Picker stets die kürzesten Wege zurücklegen können. Zudem kann sie verraten, wie sich zwischen Palette und 40-Fuß-Container alle möglichen Transportbehälter stets optimal beladen lassen.

Tatsächlich dürfte die Logistik deshalb, wenigstens mit Blick auf Optimierung, zu den Branchen mit dem größten Potenzial für den KI-Einsatz gehören – weshalb KI hier auch schon besonders intensiv genutzt wird.

Zusammenfassung und Fazit

Die Menschheit ist in vielerlei Hinsicht an einem Punkt angelangt, an dem Technik mehr leisten kann als der Mensch zu nutzen vermag. Ein Punkt, an dem der Mensch allein nicht mehr genügt, um verschiedenste Faktoren und Prozesse zu optimieren. KI stellt deshalb fast branchenübergreifend nicht nur den einzig logischen, sondern einzig tauglichen Lösungsansatz dar, um einen Stillstand der Entwicklungen zu vermeiden.

Das ist nicht zuletzt deshalb beeindruckend, weil die Welt gerade erst die Schwelle einer wirklich umfassenden KI-Nutzung überschreitet – und wir es bis auf Weiteres lediglich mit „schwachen“ künstlichen Intelligenzen zu tun haben werden. Allerdings warnen Experten schon heute:

Die wahre Kunst besteht darin, KI als Problemlöser zu verwenden, ohne dadurch neue Probleme heraufzubeschwören. Denn was heute dabei hilft, den Fachkräftemangel abzumildern, ist nicht nur theoretisch dazu geeignet, morgen eine Welle gar nicht mehr benötigter Fachkräfte zu verursachen.

Foto von Emiliano Vittoriosi auf Unsplash