Die Neugier ist groß

Um die Unterschiede zu erkennen, lohnt sich der Blick auf den Prozess, an dessen Ende lauffähige Software steht. Schon die Berufsbezeichnung „Software Engineer“ verrät viel über das Selbstverständnis in klassischen Projekten: Software wird, wie Häuser oder Maschinen, gebaut. Es geht um das Entwickeln von Informationssystemen. Die IT-Fachleute greifen dafür auf etablierte Verfahren, Vorlagen oder Blaupausen zurück. Jetzt halten verstärkt KI-Anwendungen Einzug in die IT-Landschaften der Unternehmen und Behörden. Der entscheidende Unterschied im Vergleich zu klassischen Lösungen: Die Expertinnen und Experten entwickeln Anwendungen auf der Grundlage von Daten. Ob personenbezogene Daten, Nutzungsdaten, Umweltdaten, Verkaufsdaten, Produktionsdaten oder Maschinendaten: Das sind die Quellen, aus denen sich KI-Anwendungen speisen. Ziel ist es, Zusammenhänge in Daten zu erkennen oder große Datenmengen automatisch zu klassifizieren.

Die ersten Konzepte rund um KI entstanden schon, bevor es Computer gab. Der Begriff „Künstliche Intelligenz“ wurde auf einer Fachkonferenz bereits 1956 geprägt. Bis Anfang der 1970er war die Euphorie über die Möglichkeit von KI-Verfahren groß. So hielten Expertensysteme Einzug in die Medizin und mit der Anwendung ELIZA entwickelte Joseph Weizenbaum bereits Mitte der 1960er ein Programm, das mit Menschen kommunizieren konnte – die Großmutter aller Chatbots. Aber die erste Begeisterung machte einer langen Phase der Ernüchterung Platz, dem sogenannten KI-Winter. Die Technologie konnte die Erwartungen nicht erfüllen und man wandte sich anderen Themen zu. Rückblickend stimmten damals die Rahmenbedingungen einfach noch nicht. Die vorhandenen Rechenkapazitäten waren zu klein, die algorithmischen Verfahren noch nicht ausgereift und – das ist entscheidend – es waren schlicht nicht genug Daten vorhanden.

Auf allen Gebieten, die letztendlich zum KI-Winter führten, haben wir in den vergangenen Jahren und Jahrzehnten große Fortschritte erzielt. Die Prozessorleistung explodierte und Verfahren wie Machine Learning erlauben bessere Anwendungen. Besonders deutlich zeigt sich die Entwicklung bei den Datenmengen, mit denen wir heute operieren können. Die Zahl der mit dem Internet verbundenen Geräte wächst ungebrochen. Smartphones und Fitnesstracker erfassen permanent Daten von Benutzerinnen und Benutzern. Losgelöst von jeder absolut notwendigen Diskussion über Datenschutz und -souveränität steht KI-Fachleuten heute eine Datenbasis zur Verfügung, von der man in der Vergangenheit nur träumen konnte. Dieses Mehr an Daten beschert uns die Durchbrüche im KI-Umfeld, die wir aktuell erleben: vom selbstfahrenden Auto bis zur Echtzeitübersetzung von Dialogen.

Wir arbeiten seit der Gründung von adesso eng mit Hochschulen zusammen. Der Austausch ist für uns, die Qualität unserer Projekte und natürlich auch für unser Recruitment wichtig. Durch die neuen Kolleginnen und Kollegen, die über unsere Hochschulkooperationen ihren Weg zu uns finden, bleiben wir bei den wichtigen Technologiethemen auf dem Laufenden. Hier spielen Themen rund um KI natürlich eine wichtige Rolle. Unser Hochschulbeirat, zu dem Vertreter von sieben Hochschulen und von adesso gehören, diskutiert aktuelle wissenschaftliche und technologische Themen. So fördern wir gemeinsam den Wissenstransfer zwischen Wissenschaft und Praxis. Ganz aktuell beschäftigt uns KI im BMWi-geförderten Forschungsprojekt „5Gain – 5G-Infrastrukturen für zellulare Energiesysteme unter Nutzung Künstlicher Intelligenz“. Unter anderem gemeinsam mit der RWTH Aachen University arbeiten wir hier an der Fragestellung, wie KI-Anwendungen dabei helfen, lokale Energieverteilnetze in Ballungsgebieten so zu steuern, dass Erzeuger, Lasten und Speicher sich im Gleichgewicht befinden.

Der Blick in die Praxis zeigt: Fast immer ist ein klassisches Softwareprojekt der Auslöser für KI-Überlegungen. Die Beteiligten stoßen auf eine Anforderung innerhalb ihres Projektes, die auf den ersten Blick für den Einsatz einer datengetriebenen Lösung spricht. Das kann zum Beispiel das Berechnen von Ausfallwahrscheinlichkeiten von Maschinen innerhalb eines Produktionsplanungs- und Steuerungssystems sein. Regelbasierte Ansätze führen aufgrund der Vielzahl möglicher Einflussfaktoren und der Komplexität der Zusammenhänge nicht zum Erfolg. Hier spielen datengetriebene Lösungen ihre Stärken aus. Der Datengrundlage kommt eine entscheidende Rolle zu: Welche Daten sind vorhanden? In welcher Form liegen sie vor? Enthalten die Daten die zur Lösung des Problems notwendigen Informationen? Können die Projektbeteiligten fehlende beschaffen? Der Umgang mit diesen Daten erfordert ein spezielles Vorgehen – und spezielle Kompetenzen. Diese Bedeutung der Daten unterscheidet klassische von KI-Projekten. Ohne Daten keine KI. Insgesamt müssen die Beteiligten in einem datengetriebenen IT-Projekt eine größere Unsicherheit aushalten. Häufig ist zu Beginn nicht klar, ob die vorhandenen Daten ausreichen und ob sie die benötigten Informationen enthalten. In Summe läuft es immer auf eine Mischung von klassischen und KI-Komponenten hinaus. Mal ist der KI-Anteil etwas größer, mal etwas kleiner. Smarte zukünftige Systeme sind eine Mischung aus Informationssystemen und datengetriebenen Systemen. Das Entwickeln solcher Systeme ist aktuell eine der spannendsten Aufgaben für Softwareingenieure wie uns.

KI ist eines der Themen, die aktuell bei vielen Kunden eine Rolle spielen. Wir werden immer wieder darauf angesprochen. Einerseits in konkreten Projektsituationen, aus denen heraus sich Anknüpfungspunkte für datengetriebene Anwendungen ergeben. Andererseits kommen aber auch Managerinnen und Manager auf uns zu, um mehr über strategische Themen und Auswirkungen zu erfahren. Dabei geht es dann weniger um technische Details, sondern um die Auswirkungen von KI-Technologien auf Geschäftsprozesse und Angebote. Die Neugier und die Offenheit bei unseren Gesprächspartnerinnen und Gesprächspartnern sind groß. Was wir feststellen: Die große Bandbreite möglicher KI-Einsatzszenarien kann erschlagend wirken. Es fällt den Entscheiderinnen und Entscheidern häufig schwer, einen Einstieg in die KI-Thematik zu finden. Gezielt die Themen zu identifizieren, die für das einzelne Unternehmen oder die einzelne Behörde die richtigen sind, ist eine Kunst. Unser Projektwerkzeug Interaction Room leistet einen Beitrag dazu, die Situation in Unternehmen und Behörden zu verbessern. Der IR unterstützt Projektteams beim Finden geeigneter KI-Anwendungsfälle und hilft dabei, dass die Beteiligten sich frühzeitig auf die vielversprechendsten Themen konzentrieren.

Im Rahmen des Themas KI gibt es aktuell so viel Bewegung, dass es schwerfällt, eine Prognose auch nur für ein paar Monate zu treffen. Ich persönlich glaube, dass in den Themen Individualisierung und Personalisierung jede Menge Potenzial steckt. Daten sorgen dafür, dass Unternehmen Angebote immer exakter auf die Wünsche der Einzelnen zuschneiden können. KI-gestützte Anwendungen in Produktionsprozessen sorgen beispielsweise dafür, dass Produkte in einem bisher nicht zu realisierenden Grad konfiguriert werden können. Am Ende steht dann der Laufschuh, der nicht nur zu meiner Schuhgröße passt, sondern auch zu Gewicht, Fußform, Trainingsgewohnheiten und bevorzugten Laufstrecken. Diese Entwicklung wird zu einigen überraschenden neuen Angeboten führen.

KI wird, wie jede Technologie dieser Tragweite, unsere Gesellschaft verändern. Wie genau, kann niemand glaubwürdig vorhersagen. In KI sehen wir gerade überdeutlich die beiden Seiten, die fast jede Technologie hat: das Positive, wie das schnellere Entwickeln von Medikamenten oder einen besseren Ressourceneinsatz durch Predictive Maintenance. Aber auch das Negative, wie ungeahnte Überwachungsmöglichkeiten oder vorurteilsbehaftete Algorithmen. In vielen Bereichen stehen wir noch am Anfang eines Findungsprozesses und müssen uns mit gänzlich neuen Fragen beschäftigen: Wer haftet zum Beispiel für die Entscheidungen eines selbstlernenden Systems? Ich bin optimistisch, dass wir die Weichen in die richtige Richtung stellen werden. Initiativen wie der sogenannte KI-TÜV oder die „Ethik-Richtlinien für vertrauenswürdige KI“ der EU-Kommission zeigen, dass es Wege gibt, gesellschaftlichen, ethischen und wirtschaftlichen Belangen gerecht zu werden.

Das Vorurteil besteht, dass Behörden beim Adaptieren von Technologien immer einen Schritt hinter der Privatwirtschaft herhinken. In Teilen stimmt das sicherlich. Wobei es immer wieder überraschend ist, welche Technologiedinosaurier in den Kellern einiger Großunternehmen seit Jahrzehnten unverändert arbeiten. Die oben beschriebene Neugier und Offenheit beim Thema KI spüren wir genauso in unseren Gesprächen mit den Verantwortlichen aus Behörden. Hier spielen noch einmal andere Strukturen und Anforderungen eine Rolle. Aber der Wille, Einsatzmöglichkeiten zu prüfen und Projekte umzusetzen, ist in Behörden genauso groß wie in Unternehmen. Das zeigt sich auch in einem Projekt für das Bundesministerium des Innern, für Bau und Heimat: Aktuell begleiten wir das Ausarbeiten einer polizeilichen KI-Strategie. Die Aufgabe ist es, ein Zielbild und ein strategisches Vorgehen zum Ausschöpfen von KI-Potenzialen im Bereich der inneren Sicherheit zu entwickeln.