Künstliche Intelligenz – eine Standortbestimmung

 |   Microsoft Schweiz

AI in Agriculture

Dr. Marc Holitscher, National Technology Officer und Mitglied der Geschäftsleitung Microsoft Schweiz, beantwortet Fragen zum Thema Künstliche Intelligenz (KI). 

Zuerst zur Begriffsklärung: Herr Holitscher, was ist für Sie Künstliche Intelligenz? 

Marc Holitscher: Der KI-Begriff bezieht sich auf eine breite Palette von Technologien, die in ihrem Zusammenwirken Dinge erreichen, die man gemeinhin vom Menschen erwartet, beispielsweise die Bilderkennung, also eigenständig Bilder erfassen und diese einem bestimmten Phänomen zuordnen. Hinter den Kulissen wirken dabei immer – vereinfacht gesagt – ähnliche Mechanismen: Maschinen identifizieren Muster und Beziehungen in grossen Datenbeständen und leiten davon belastbare Vorhersagen ab. Dies passiert weitestgehend automatisiert wobei die Regeln der Vorhersage über die Zeit hinweg optimiert werden. Dies erhöht die Treffergenauigkeit. Das System lernt und steuert die Entscheidungsfindung.

Bei der Künstlichen Intelligenz handelt es sich um eine so genannte Basistechnologie. Das heisst sie bildet das Fundament für weiterführende, eventuell noch bedeutendere Innovationen – und dies über alle Lebensbereiche hinweg.

KI ist aktuell eines der Hype-Themen schlechthin. Wird die Technologie aus Ihrer Sicht überbewertet oder ist man sich noch gar nicht so ganz bewusst, welche Auswirkungen diese auf das Business haben wird?

Tatsächlich geniesst das Thema enorm viel Aufmerksamkeit. Irgendwann aber wird die Karavane weiterziehen und den Blick freigeben auf die zentrale Leistung der KI – und diese ist in ihrer Wirkung absolut transformativ. Denn bei der KI handelt es sich um eine so genannte Basistechnologie. Das heisst sie bildet das Fundament für weiterführende, eventuell noch bedeutendere Innovationen – und dies über alle Lebensbereiche hinweg. Deshalb ist es unmöglich, dass wir bereits heute alle denkbaren Anwendungsformen von KI erfassen. Wir befinden uns in der Designphase und umso wichtiger ist es, dass wir uns proaktiv mit den Chancen und Risiken dieser Technologien auseinandersetzen. Dies ist auch der Grund, warum wir uns als Unternehmen aktiv am ethischen und regulatorischen Dialog beteiligen.

Marc HolitscherMarc Holitscher, NTO und Mitglied der Geschäftsleitung Microsoft Schweiz

Kommen Firmen heutzutage ohne KI überhaupt noch aus?

Selbstverständlich, sie werden es mittelfristig aber schwieriger haben, sich gegen die Frühanwender zu behaupten. KI unterstützt Unternehmen, sich weiter im Markt zu differenzieren. Komplexere Geschäftsabläufe können automatisiert werden und es bieten sich neue Möglichkeiten, wie man Produkte gestaltet und dem Kunden offeriert. Eine wichtige Rolle spielt auch die Erfahrung, denn die Lernkurve ist steil.

Welche Ausprägungen von KI können Unternehmen heute schon nutzen und weshalb?

Die Frage ist, ob KI-Lösungen selbst entwickelt oder eingekauft werden sollen. Insbesondere bei Eigenentwicklungen ist der initiale Aufwand nicht zu unterschätzen. Alternativ können KI-gestützte Anwendungen – oder die notwendigen Module dafür – als fertiger Service bezogen werden. Möchte ein Unternehmen beispielsweise ihre mobile Applikation um die Spracherkennung erweitern, kann diese Funktionalität relativ einfach aus der Cloud integriert werden.

Welche Industrien profitieren am meisten von der Technologie und weshalb?

Es gibt keinen Sektor, der nicht von KI verändert wird. In einer Studie, die wir mit EY veröffentlicht haben, sind wir genau dieser Frage nachgegangen. Besonders im Life Science Bereich erwarten 96% aller Führungskräfte einen hohen oder sehr hohen Einfluss von KI. Aber auch im Dienstleistungsbereich sind die Erwartungen hoch, ähnlich im Finanzbereich.  Analog zu den Firmen müssen sich aber auch Volkswirtschaften vorbereiten. Dies gilt ebenso für die Schweiz. Über alle Sektoren hinweg erwarten Führungskräfte hier grosse Vorteile für die Kundenbetreuung sowie Produktinnovation, die verbesserte Effizienz ihrer Unternehmen und für attraktivere Arbeitsbedingungen.

Umso wichtiger, dass der Mensch in allen diesen Szenarien immer die zentrale Rolle spielt und die wichtigen Entscheidungen weiterhin selbst fällt. Wir nennen dies den humanzentrierten Ansatz von KI und hier spielt Microsoft eindeutig eine Vorreiterrolle.

Wo stösst die Technologie an ihre Grenzen, respektive wo ist sie noch zu wenig ausgereift, damit sie im Business eingesetzt werden kann?

KI steckt trotz der schon jetzt beindruckenden Möglichkeiten immer noch in ihren Anfängen – zumindest was ihre Anwendung ausserhalb der Wissenschaft angeht. Entsprechend gibt es Fehlerquellen. Prominentes Beispiel ist, dass Datensätze aufgrund ihrer Herkunft und Auswahl die Realität verzerrt abbilden. Der so genannte Bias. Dies kann zu Fehlentscheidungen oder der systematischen Benachteiligung von Interessengruppen führen. Oder die Gesichtserkennung: Hier ist die Treffergenauigkeit der Technologie noch zu wenig akkurat, als dass sie bedenkenlos eingesetzt werden könnte. Umso wichtiger, dass der Mensch in allen diesen Szenarien immer die zentrale Rolle spielt und die wichtigen Entscheidungen weiterhin selbst fällt. Wir nennen dies den humanzentrierten Ansatz von KI und hier spielt Microsoft eindeutig eine Vorreiterrolle.

Es scheint als ob in der Schweiz vor allem Grossunternehmen KI einsetzen. Gibt es KMU, die mit KI arbeiten?

Im KMU-Segment existieren fortgeschrittene Anwendungsszenarien und diese nehmen stetig zu. Beispiele dafür sind die Bühler Gruppe oder Sonova, die für ihre Phonak-Hörgeräte innovative eSolutions basierend auf KI entwickelt. Beispiele finden sich aber auch im Detailhandel, der seine Preise abhängig von externen Faktoren wie Wetter oder Lagerbestand optimiert. Genau hier manifestiert sich ein schlagender Vorteil der Cloud: Sie ermöglicht KMUs kostengünstig auf intelligente Technologien zuzugreifen. Die Cloud demokratisiert die Möglichkeiten der KI.

KI braucht Daten und möglichst viele davon. Entsprechend hat der zielgerichtete Aufbau einer funktionierenden Dateninfrastruktur höchste Priorität. Welche Daten habe ich, wo liegen diese, wie kann ich sie verknüpfen? Dieser Prozess wird unterschätzt, denn er birgt erhebliche Komplexität.

Welche Voraussetzungen muss eine Firma erfüllen, damit sie überhaupt mit KI arbeiten kann?

KI braucht Daten und möglichst viele davon. Entsprechend hat der zielgerichtete Aufbau einer funktionierenden Dateninfrastruktur höchste Priorität. Welche Daten habe ich, wo liegen diese, wie kann ich sie verknüpfen? Dieser Prozess wird unterschätzt, denn er birgt erhebliche Komplexität. Althergebrachte Systeme laufen häufig isoliert und oft sind die Datenmodelle nicht kompatibel. Ähnliche Fragen ergeben sich mit dem Blick nach vorn: Wie sollen neue Daten erfasst werden, welche Datenpunkte sind im vorhandenen Geschäftskontext besonders relevant? Tatsächlich konzentriert sich in vielen Erstprojekten 80% der Aufmerksamkeit auf den Aufbau einer durchgängigen Datenbasis und nur 20% auf ihre KI-basierte Verwertung. Dies ist zumindest initial der Fall. Ist diese Arbeit einmal gemacht, können Folgeprojekte deutlich schneller realisiert werden. Deshalb ist es auch so wichtig, sich jetzt mit diesen Fragen auseinander zu setzen und nicht zu warten.

Ein grosses Thema ist zurzeit auch Deep Learning. Kann die Technologie überhaupt in der Praxis eingesetzt werden?

Deep Learning mit Hilfe von neuronalen Netzwerken ist eine von mehreren Arten wie man Maschinen lernen lässt. Auf dieser Grundlage wurden jüngst Resultate erzielt, die früher undenkbar waren. Ein Beispiel dafür ist, dass sich die Spracherkennung auf dem Mobiltelefon plötzlich sehr verlässlich, sozusagen natürlich anfühlt. Problematisch kann allerdings sein, dass sich aufgrund der hohen Komplexität dieser Modelle nicht erklären lässt, wie ein bestimmtes Resultat zustande gekommen ist. Dann haben wir es eben mit der Black Box zu tun. Dies ist kritisch, da Maschinen Entscheidungen fällen, welche direkte Auswirkungen auf die Sicherheit oder das Wohlbefinden von Menschen haben. Beispiel ist der Strafvollzug oder die Vergabe von Unterstützungsleistungen. Diesen Szenarien steht Microsoft kritisch gegenüber. Wir sind der Ansicht, dass transparent und nachvollziehbar sein muss, wie eine Entscheidung zustande gekommen ist. Die Erklärbarkeit wird hier enorm wichtig und deswegen ist dies ein Forschungsgebiet, auf das wir aktuell ein grosses Augenmerk haben.

Die grossen Tech-Konzerne scheinen «herkömmlichen» Firmen beim Thema KI meilenweit voraus. Wo liegt ihr Vorteil?

Das hat einerseits mit der Ausprägung im Geschäftsmodell zu tun. Wenn dieses wesentlich darin besteht, digitale Daten zu erfassen und zu nutzen, dann konzentrieren sich überproportional viele Ressourcen darauf, noch besser zu werden. Microsoft kommt nicht aus dem Datengeschäft, unsere Ambition ist es, KI zu demokratisieren. Wir wollen, dass die Vorteile dieser Technologie so breit wir möglich zugänglich werden. Daher auch unser Fokus auf Partnerschaften mit anderen Firmen vom Start-Up bis zum Grosskonzern, die auf unsere Plattform basierend Lösungen für konkrete Szenarien und Businessanwendungen bauen.

Wie können «herkömmliche» Firmen von den grossen Digitalunternehmen Google, Amazon oder natürlich auch Microsoft profitieren?

Ab einer gewissen Grösse wirken in verschiedener Hinsicht erhebliche Skaleneffekte. Dies gilt einerseits für die positive Korrelation der verfügbaren Datenmenge mit der Treffergenauigkeit der produzierten Algorithmen und Modelle. Der Zusammenhang gilt aber auch für die Art und Weise, wie die Grundlagen der KI selbst bereitgestellt werden: Die massive Rechen-, Speicher- und Analysekapazitäten. Diese sind über eine Hyperscale Cloud Infrastruktur deutlich kostengünstiger und dynamischer verfügbar, als wenn ein Einzelunternehmen vergleichbare Kapazitäten aus eigner Kraft vorhalten müsste. Schliesslich der Umstand, dass die Hyperscaler verschiedene KI-Funktionalitäten und Lösungen als fertige Services über ihre Cloudinfrastrukturen zur Verfügung stellen. Hier entfällt die Notwendigkeit, aufwändig eigene Modelle zu trainieren. Diese können quasi vorkonfiguriert in die eigene Lösung eingebunden werden.

Daten sind nicht mehr quasi das Nebenprodukt von einzelnen Geschäftsprozessen, sondern Erfolgsfaktor und zentraler Vermögenswert des vernetzen Unternehmens. Dies bedingt insofern eine neue Herangehensweise, dass die Möglichkeiten zur Nutzung, Verknüpfung und schliesslich Monetarisierung von Daten ins Zentrum rückt.

Das Data Management wird als wichtigste Grundvoraussetzung für die Implementierung von KI eingestuft. Worauf sollten Unternehmen beim Data Management aus Ihrer Sicht achten?

Eine KI-orientierte Strategie betrachtet Daten aus einem anderen Blickwinkel als früher. Daten sind nicht mehr quasi das Nebenprodukt von einzelnen Geschäftsprozessen, sondern Erfolgsfaktor und zentraler Vermögenswert des vernetzen Unternehmens. Dies bedingt insofern eine neue Herangehensweise, dass die Möglichkeiten zur Nutzung, Verknüpfung und schliesslich Monetarisierung von Daten ins Zentrum rückt. Daten und ihre Bewirtschaftung müssen als integraler Bestandteil der strategischen Firmenpositionierung verstanden werden, auch was die Differenzierung im Wettbewerb angeht.

Sind Sie der Meinung, dass Schweizer Firmen das Data Management allgemein im Griff haben oder gibt es grundsätzlich noch Nachholbedarf?

Das Handwerk wird sicher grossflächig beherrscht. Der nächste Entwicklungsschritt bezieht sich eher auf die eigentlichen Fragestellungen, mit denen man an die Datenbestände herantritt und welche Bedeutung man der zielorientierten Datenbewirtschaftung in der Firmenstrategie beimisst.

In welcher Beziehung stehen aus Ihrer Sicht KI und Big Data und inwiefern ergänzen sich die Ansätze in der Praxis?

Beides steht in einer engen Beziehung. Umso mehr Daten vorhanden sind, desto besser die Algorithmen und abgeleiteten Modelle. Darin zeigt sich auch ein wichtiger Unterschied zur Statistik: Statistisch gesehen haben Daten einen abnehmenden Grenznutzen, der Einhunderteinte Datenpunkt verbessert die Aussagekraft meines Modells nicht wesentlich. Anders im Bereich der KI: Umso mehr Daten ich für das Training meines Algorithmus habe, desto höher die Wahrscheinlichkeit, auch so genannte Edge-Cases abzudecken und desto höher der ökonomische Nutzen des Modells.

Persönlich bedaure ich, dass der öffentliche Diskurs zu diesem zukunftsweisenden Thema in der Schweiz praktisch nicht stattfindet. Jetzt ist der Zeitpunkt an dem bewusste Entscheidungen gefällt werden müssen, was die Rahmenbedingungen für die Entwicklung und den Einsatz von KI angeht. Das sind keine technischen sondern zutiefst politische Fragen, die einen gesellschaftlichen Diskurs und Entscheidungsprozess verlangen.

Wie beurteilen Sie die Rahmenbedingungen zur Anwendung von KI in der Schweiz (politisch, gesellschaftlich, Fachkräfte, etc.)?

Persönlich bedaure ich, dass der öffentliche Diskurs zu diesem zukunftsweisenden Thema in der Schweiz praktisch nicht stattfindet. Jetzt ist der Zeitpunkt an dem bewusste Entscheidungen gefällt werden müssen, was die Rahmenbedingungen für die Entwicklung und den Einsatz von KI angeht. Das sind keine technischen sondern zutiefst politische Fragen, die einen gesellschaftlichen Diskurs und Entscheidungsprozess verlangen. Es gibt zwar eine Arbeitsgruppe Künstliche Intelligenz die dem Staatssekretariats für Bildung, Forschung und Innovation untersteht. Diese ist aber interdepartemental aufgestellt und es findet aus unserer Sicht kein wirklicher Austausch mit der Privatwirtschaft oder der Zivilgesellschaft statt. Dies ist umso dramatischer, weil die Schweiz mit ihren führenden Universitäten und Fachhochschulen sowie als Standort für aufstrebende KI-Unternehmen an sich gut positioniert ist.

Welche Bremsklötze sehen Sie in der Schweiz für die Einführung von KI-Anwendungen?

Eine Herausforderung besteht darin, dass Hyperscale Cloud-Infrastrukturen in der Schweiz aufgrund von bestehenden regulatorischen und rechtlichen Anforderungen noch nicht vollumfänglich genutzt werden können. Dies schränkt die Realisierbarkeit von KI-gesteuerten Projekte ein und ist mit ein Grund, warum sich Microsoft für den Aufbau eigener Datacenter in der Schweiz entschieden hat. Diese werden noch 2019 live gehen.

Bestehende Jobs werden verschwinden, neue Jobs werden entstehen. Wichtig ist, dass wir die Menschen dazu befähigen, arbeitsmarktfähig zu bleiben.

Beim Thema KI schwingen Begriffe wie Automatisierung und Jobverlust mit. Sind diese Ängste begründet und was empfehlen Sie Unternehmen, wie man damit umgehen soll?

Es ist verständlich, dass der Einsatz von KI in der Gesellschaft zu einem gewissen Stress führt. Denn zurzeit sind die Vorteile von KI noch unklar. Bis die Menschen einen greifbaren Nutzen sehen und erleben, wird ihre Wahrnehmung von KI durch Angst vor Verlust und Risiko dominiert. Und es wird zu Veränderungen kommen. Bestehende Jobs werden verschwinden, neue Jobs werden entstehen. Wichtig ist, dass wir die Menschen dazu befähigen, arbeitsmarktfähig zu bleiben.

Wie sehen Sie die Zukunft von KI? Wo wird es vielleicht Durchbrüche geben, was kommt auf uns zu?

In der Aufregung um mögliche Anwendungen von KI wird ein tieferliegender Aspekt gemeinhin übersehen: Wir erleben gerade die Ablösung des traditionellen Modells der algorithmischen Softwareprogrammierung. Der Ansatz also, dass dem Computer in einer Abfolge von Instruktionen gezeigt werden muss, was er zu tun hat. In Zukunft werden wir dem Computer eine grosse Menge an Daten füttern und er lernt selbst was zu tun ist. Kurz gesagt: Wir müssen die Maschinen nicht mehr programmieren, wir werden sie trainieren.

 

Marc Holitscher ist verantwortlich für das Technology Office von Microsoft Schweiz und unterstützt als National Technology Officer ausgewählte Kunden bei der Umsetzung innovativer Geschäftsmodelle sowie in der ganzheitlichen Beurteilung relevanter Chancen und Risiken bei der Adoption von Cloud-basierten Szenarien. Zudem verantwortet Marc Holitscher die Positionierung strategischer Themen wie Cybersecurity oder künstliche Intelligenz bei Entscheidungsträgern im kommerziellen und öffentlichen Bereich.

Tags: , ,