KI 2019: Vertrauen wird großgeschrieben

Deshalb ist 2019 die Etablierung auch in geschäftskritischen Bereichen, die Operationalisierung im Kontext der Gesamt-IT und eine Differenzierung der Anwendungen gefordert. Denn die Begeisterung, was Roboter alles schon zu leisten vermögen, kann schnell in reine Belustigung oder sogar Ablehnung abgleiten. Entscheidend ist die nüchterne Betrachtung des Wertbeitrags, den KI & Co. im Geschäftskontext leisten können. Was heißt das für die nächsten zwölf Monate?

Analysten erwarten vor allem, dass Machine Learning Einzug ins Gesundheitswesen, in die Lebensmittel- und Getränkeindustrie sowie in die Automobilherstellung halten wird. Zudem sollen KI-Assistenten wie Siri, Alexa oder in Fahrzeugen wesentlich effizienter und zuverlässiger werden. Der Befehl „Suche mir einen Parkplatz in der Nähe des Marktplatzes!“ leitet dann also tatsächlich die gewünschte Transaktion ein, statt immer mal wieder auch für Überraschungen zu sorgen.

Und – last but not least – wird im Zusammenhang mit Machine Learning das Verstehen menschlicher Interaktionen immer wichtiger. Die Forschung konzentriert sich auf hybride Machine-Learning-Modelle, die Unsicherheiten berücksichtigen, wie dies bei Bayes‘schen Modellen bereits der Fall ist.

Nichts geht ohne Transparenz und Ethik

Je mehr Aufgaben automatisiert werden, desto wichtiger ist es, dem Modell vertrauen zu können. Diejenigen, die sich mit Machine-Learning-Algorithmen befassen, sind gefordert, dafür zu sorgen, dass die Daten neutral sind, also nicht ihrerseits Diskriminierung und ungewollten Bias zu schaffen. Sie müssen auch Transparenz für die verwendeten Modelle herstellen und die Deutung der Analyseergebnisse erleichtern. Zudem wird Ethik eine zunehmend wichtige Rolle spielen: KI braucht einen Verhaltenskodex, den Entwickler ebenso wie Anbieter von Anwendungen einhalten müssen.
Und dann ist da noch Natural Language Processing.

Die Technologie wird sich 2019 in vier wesentlichen Aspekten weiterentwickeln. Zunächst werden Rekurrente Neuronale Netze (RNN) verstärkt in der Sequenz-Modellierung eingesetzt. Das führt zu smarteren Chatbots, besserer Q&A-Funktionalität sowie erweiterten Anwendungen für die semantische Suche. Regeln werden zunehmend automatisch generiert, so dass weniger Ressourcen für das manuelle Schreiben von Regeln eingesetzt werden müssen. Dafür ist es insbesondere wichtig, die Skillsets von Machine-Learning-Technologie und Linguistik-Experten sinnvoll zu verknüpfen. Zusätzlich wird mehr Wert auf Datenqualität, Data Governance und Datenerhebung gelegt. Allgemein gesagt: Das Datenmanagement rückt also mehr in den Fokus. Und im Zuge von Internet of Things (IoT) gewinnen Streaming-Daten mehr Bedeutung über Data at Rest.

Mensch und Maschine zusammenbringen

Gartner hat bereits eingeräumt, dass der Hype um KI Desillusionierungen und Enttäuschungen nach sich ziehen wird. Aber die Technologien werden sich weiterentwickeln. Und es liegt an den Unternehmen, vernünftig damit umzugehen. Wichtig ist, sich klarzumachen: Der Mensch trägt immer noch die Verantwortung, nicht die Softwaresysteme oder der Roboter. Entsprechend wird der transparente und verantwortungsvolle Umgang mit KI zum Top-Thema – und die technologische Entwicklung kann und soll dabei helfen.