Wer von künstlicher Intelligenz (KI) respektive Artificial Intelligence (AI) spricht, sollte sich weder von medialen Schreckgespenstern wie der Arbeitsplatzvernichtung und dem Menschen als blossem Konsumenten täuschen, noch von den Hoffnungen auf eine Welt voller Komfort verführen lassen. Vielmehr geht es schlicht um eine von Algorithmen gestützte neue Methode, um Lösungen für Probleme zu finden, wie es der Mensch seit Jahrtausenden tut. Nur nutzt KI dabei die nahezu grenzenlos scheinenden Datenmengen, die inzwischen immer öfter vernetzte Geräte liefern. Die Informationen stammen so beispielsweise von den mehr und mehr werdenden Endpunkten des Internet of Things (IoT). Das Problem bestand bisher darin, dass diese Datenbestände nur in einem vergleichsweise geringen Grad analysiert werden konnten. Sie werden zwar schon in Industrierobotern oder Automatisierungssoftware genutzt, doch operieren diese meist noch unterhalb der Intelligenzschwelle.Tempi passati. Wer wenn nicht der Computer – so kann der KI-Ansatz in den ständig wachsenden Datenbergen schneller und präziser Muster erkennen, sie lernen und daraus automatisch verbesserte Handlungen ableiten. Dahinter steckt das Prinzip vom maschinellen Lernen. Der Computer oder die Software generieren selbstständig neues Wissen aus Erfahrung, eben aus den zugeführten Daten. Die Systeme analysieren diese Informationen und finden dabei mithilfe selbstlernenden Algorithmen Muster, Gesetzmässigkeiten oder Unterscheidungsmerkmale. Aufgrund entsprechender Rückmeldungen optimiert sich das System kontinuierlich. So wird die KI sukzessive mit jedem Durchlauf genauer. Aufgrund der gesammelten Erfahrung kann KI schliesslich Daten miteinander verknüpfen, Zusammenhänge feststellen, Rückschlüsse ziehen oder Vorhersagen treffen. Das ist heute schon in vielen Anwendungen Realität.

Einsatzszenarien

Was das konkret bedeutet, hat Swisscom mit der automatisierten Vertragsanalyse gezeigt. Sie hat mehr als 70 000 ihrer Verträge mit Geschäftskunden mittels KI durchsucht, um festzustellen, ob sie den heute geltenden regulatorischen Vorgaben entsprechen und um allenfalls notwendige Massnahmen einzuleiten. Konkret wurden die Verträge mittels der sogenannten Automatic Contract Analysis klassiert, die man mit vorhandenen Legal-Kategorien synchronisierte. Dazu wurden die Vertragsbestandteile erfasst und verglichen, um dann via KI entsprechende Verlinkungen zu erstellen. Der Erfolg zeigt sich in der heute hocheffizienten Suche nach bestimmten Dokumenten und Elementen, die kontinuierlich schlauer wird. Das geschieht in einem Tempo, wie es zuvor nur punktuell realisierbar war. Und die hauseigenen Juristen können sich auf die wichtigen Fälle konzentrieren.Ein ganz ähnliches Vorgehen nutzen auch grosse Banken, deren Rechtsabteilungen durch den KI-Rückgriff erhebliche Effizienzgewinne ausweisen können. Auch 4Quant, ein Spin-Off der ETH Zürich und des Paul-Scherrer-Instituts, nutzt diesen Ansatz. Es unterstützt Radiologen und Onkologen in Spitälern bei der Diagnose von Krebsleiden und setzt KI gezielt für die Analyse von Tomographien im Rahmen bildgebender Verfahren ein. Das Problem ist, dass die Ärzte förmlich in medizinischen Bilddaten mit immer höherer Auflösung ertrinken und mehr als 90 Prozent der in MRI- und CT-Scans versteckten Informationen brachliegen. Denn die Zeit der Ärzte ist beschränkt. Im Einsatz steht bei 4Quant eine Plattform mit skalierbaren Bildanalyse-Tools, die es erlauben, Petabytes an Daten nach Bildern, und zwar auf ihren Inhalten und nicht nach Metadaten, in Echtzeit zu analysieren. So lassen sich ad hoc auf Röntgenbildern Tumore, die grösser als 5 Zentimeter sind, herausfiltern.

Lebendige KI-Startup-Szene

Das sind nur zwei Beispiele, die auch in der sehr lebendigen Schweizer KI-Szene eine bedeutende Rolle spielen. Sie ist kürzlich von Swisscom in einer Startup-Marktübersicht dokumentiert worden. Identifiziert wurden insgesamt 101 in 13 Handlungsfelder gruppierte Firmen, die vor weniger als sieben Jahren gegründet wurden, in der Schweiz ansässig sind, sich auf disruptive Technologie-Innovationen und KI fokussieren und zudem ein skalierbares Geschäftsmodell vorweisen. Die Vielfalt der Einsatzmöglichkeiten umfasst KI-Anwendungen in der Robotic genauso wie solche im Sales- und CRM-Umfeld, bei der Fintech- und Insurtech-Branche und erstreckt sich über den Healthcare-Sektor bis hin zu virtuellen KI-Assistenzsystemen. Dabei ist die grundlegende Idee überall gleich.

Bei Swisscom ist man jedenfalls überzeugt, dass KI das Geschäftsmodell vieler Unternehmen verändern wird. KI-Systeme werden immer besser fühlen, verstehen, lernen und handeln können, hält man dort fest. Das werde zu bahnbrechenden neuen Möglichkeiten für die ganze Wirtschaft führen. Deshalb habe man in Zusammenarbeit mit der ETH Lausanne (EPFL) ein Kompetenzzentrum gegründet, das Schweizer Unternehmen rasch mit KI-Anwendungen vertraut machen soll. Während diese Initiative mit der zugrundeliegenden Absicht sehr wohl zu begrüssen ist, muss doch gefragt werden, ob die grossen Erwartungen in Sachen KI sich wirklich erfüllen werden und ICT-basierte Systeme tatsächlich einmal selbstständig verstehen, lernen und handeln können. So hat erst kürzlich der Robotics-Professor Rodney Brooks auf dem News-Portal des renommierten MIT unter dem Titel «The Seven Deadly Sins of AI Predictions» vor falschen Vorstellungen gewarnt. Eine Maschine habe zwar menschliche Profis im Schach und Go geschlagen, doch dabei sicher nicht gewusst, dass sie spielt, schreibt er. Und er bezweifelt, ob sich das erwartete exponentielle Wachstum von KI überhaupt einstellen kann.

KI erschliesst immer neue Einsatzbereiche

Obwohl KI immer wieder in der Kritik steht und mit ihr Ängste bezüglich Arbeitsplatzverlusten geschürt wer-den, entwickeln sich gleichwohl immer neue Anwen-dungsfelder. KI-Systeme übersetzen Daten in natürliche Sprache und schreiben zum Beispiel schon Sport- und Börsenmeldungen, generieren individualisierte Wettervorhersagen oder liefern Produktbeschreibungen für den Online-Handel. Dazu ist dem Algorithmus lediglich das Ziel vorzugeben, auf das hin er die ihm verfügbar gemachten Daten analysiert. Das hat inzwischen auch schon in der Malerei und der Musik funktioniert. Letztes Jahr wurde via KI auf der Datengrundlage der Bilder von Rembrandt ein Porträt gemalt, das dem Stil des holländischen Malers sehr nahe kam, und schon 2010 komponierte der Supercomputer Iamus klassische Musik.

Bei allen Zweifeln sollte man nicht vergessen, dass der industrielle KI-Einsatz heute vielfach schon erprobt ist. Der reicht mittlerweile bis hinein in die intelligente Process Automation (IPA). Durch die Erweiterung der klassischen Automatisierung von sich wiederholenden Prozessen mit KI-Technologie entstehen auch hier lernende Systeme. So etwa beim Machine Learning, einem Teilgebiet von KI. Je mehr Daten dafür zur Verfügung stehen, desto intelligenter erfolgt die Auswertung, die der Anwender dann beispielsweise als Effizienzsteigerung wahrnimmt. Ungestört davon optimieren sich die Prozesse dabei kontinuierlich und automatisch.

Nicht anders sieht es übrigens bei Call-Center-Agenten oder Chatbots aus, die schon durch KI unterstützt werden. Auch wenn die Technik noch kaum den Kinderschuhen entwachsen ist, liefert sie heute schon hilfreiche Unterstützung im Support-Prozess. In einem Pilotprojekt erfasst beispielsweise Swisscom den Stimmabdruck zur schnellen Kundenidentifizierung via Voice Print. So liegen bei jeder Konto- oder Vertragsfrage und beim Einkauf die benötigten Informationen automatisch vor. Ausserdem hilft KI den Call-Agenten, schneller Lösungen für die Probleme der Kunden zu finden. Dabei untersucht das System zahlreich vorhandene Informationen aus vergangenen Vorfällen und ähnlichen Problemen anderer Kunden und schlägt dem Call-Agenten eine Lösung vor. Chatbots können ebenfalls zur Unterstützung eingesetzt werden und lotsen die Kunden durch relativ einfache, standardisierte Probleme.