Das Erwachen der Maschinen

Text: Constantin Gillies

27. Mai 2019
3d rendering robot learning or machine learning with education hud interface
Eine künstliche Intelligenz als Abbild des Menschen? Noch immer eine Vision. (© Fotolia/Phonlamaiphoto)

Der 10. März 2016: Es kann gut sein, dass dieses Datum künftig in den Geschichtsbüchern steht – und zwar als der Moment, in dem die Maschinen erwachten. In diesem Tag fand nämlich in der südkoreanischen Hauptstadt Seoul ein historisches Ereignis statt. Dort trat ein Mann namens Lee Sedol, 18-facher Weltmeister im Brettspiel Go, gegen das von Google entwickelt Programm Alpha Go an. Ein für alle Mal sollte geklärt werden, wer das asiatische Traditionsspiel, in dem vor allem Intuition und menschliche Kreativität zählen, besser beherrscht.

Zwischen Kreativität und Wahnsinn

Im zweiten Match, genauer gesagt bei Zug Nummer 37, kam es zu einem überraschenden Showdown: Alpha Go ging plötzlich in die Offensive, und zwar mit einem Vorstoß, den noch kein menschlicher Spieler gewagt hatte und der irgendwo zwischen kreativ und wahnsinnig lag. Die Kommentatoren im Raum glaubten zunächst an einen Programmfehler. Auch Weltmeister Sedol war völlig perplex und verließ den Spieltisch, um eine Pause zu nehmen. Am Ende verlor er das Spiel und später den gesamten Wettbewerb. Nach »Move 37« war allen im Raum klar: Um so einen Zug machen zu können, muss die Maschine eine Art von Denken erlernt haben.

Was dank KI in Zukunft normal ist

Jedes technische Gerät lässt sich per Sprachbefehl bedienen, und zwar im normalen Umgangston und nicht über Kommandos, die der Nutzer deutlich aussprechen muss.

- Jede Maschine beobachtet ihre Umwelt mit Kameras bzw. 3D-Scannern und passt sich daran an. Sie erkennt an den Handgriffen eines Technikers etwa, was er vorhat. Zum Gefühl für die Umwelt gehört auch ein Gespür für Gefahren. KI warnt, wenn eine potenziell riskante Situation entsteht.

- Jede Maschine verfügt über einen »Blick nach vorne«, eine Prognosefunktion. Sie erkennt drohende Probleme, noch bevor sie entstehen und ergreift Gegenmaßnahmen.

- Technik liest unsere Gedanken. Ein Fahrzeug zum Beispiel ahnt, wohin die Reise geht, ohne dass der Fahrer ein Ziel eingibt. Dieses »errät« die KI aus Vergangenheitsdaten.

Heute, drei Jahre später, werden die Folgen langsam sichtbar. »Künstliche Intelligenz wird bald so selbstverständlich sein wie Strom«, sagt Andrew Ng, einer der weltweit führenden KI-Wissenschaftler. Die Technologie sei in Zukunft überall eingebaut, ähnlich wie ein Strom- oder Internetanschluss heute. Die Sensationsmeldungen, die zum Thema KI fast täglich reinkommen, scheinen ihm recht zu geben: Mediziner der Universität Heidelberg haben einen Algorithmus vorgestellt, der mit 95-prozentiger Treffsicherheit auf einem Foto Hautkrebs diagnostizieren kann (Ärzte kamen nur auf 87 Prozent). Bei einem Test in den USA schlug unlängst ein Programm menschliche Anwälte vernichtend, als es darum ging, Fehler in Verträgen zu finden. KI scheint über Nacht in allen Bereichen des Lebens eingezogen zu sein. Doch bis zu diesem Punkt war es ein langer, steiniger Weg.

1769: Schummeln statt KI

Die Idee, einer Maschine das Denken beizubringen, fasziniert die Menschen schon seit Jahrhunderten. So sehr, dass man auch vor Schummeln nicht zurückschreckt: Im Jahr 1769 konstruiert der österreichische Tüftler Wolfgang von Kempelen eine Art von Schachcomputer. Er besteht aus einer Kiste, auf der ein Schachbrett sowie eine orientalisch anmutende Figur thronen. Diverse Hebel und Schalter vermitteln (erfolgreich) den Eindruck, die Maschine bewege die Figuren. Doch in Wirklichkeit macht die Züge ein Mensch, der im Innern der Kiste kauert. Die Maschine namens Schachtürke sorgt derart für Furore, dass der Erfinder kurzerhand behauptet, sie zerstört zu haben, um nicht weiter von Schaulustigen bestürmt zu werden.

Glossar: Diese Begriffe sollten Sie kennen

Maschinelles Lernen (Machine Learning) bedeutet: Ein Computer sucht mithilfe von Statistikprogrammen in großen Datenmengen nach Mustern. Machine Learning steht hinter vielen digitalen Diensten. Der Kern von maschinellem Lernen ist, dass ein Rechner neue Fähigkeiten erwirbt, für die er explizit nicht programmiert wurde.

Deep Learning ist eine fortgeschrittene Variante von maschinellem Lernen. Dank dieser Methode können Rechner schon kleinste Muster erkennen und Prognosen erstellen. Sie nutzen dabei ein neuronales Netzwerk, eine Technik, die sich grob an der Struktur des menschlichen Hirns orientiert.

Generative Adversarial Networks Normalerweise wird ein Algorithmus zunächst mit von Menschen kommentierten Daten trainiert. Die neueste Form des maschinellen Lernens kommt allerdings ohne den Menschen aus: Man überträgt dieselbe Aufgabe an zwei Algorithmen und lässt sie gegeneinander antreten. Das wird zum Beispiel genutzt, um Computern das Spielen von Go und Schach beizubringen.

Dass eine Maschine zumindest theoretisch dazu in der Lage ist, ein Spiel wie Schach zu beherrschen, beweist der britische Mathematiker Alan Turing im Jahr 1936. Alle Denkvorgänge, die sich in Einzelschritte zerlegen lassen, könnten auch von einer Maschine ausgeführt werden, theoretisiert der schillernde Wissenschaftler. Was Turing fehlt, ist nur noch die geeignete Technik. Wenige Jahre später kommt sie in der Form von Röhren und Transistoren.

1956: Das Wort »KI« wird geboren

Das Wort von der »Künstlichen Intelligenz« fällt erstmals im Jahr 1956. Der US-Computerwissenschaftler John McCarthy benutzt es auf einer Konferenz. Zusammen mit seinem Kollegen Marvin Minsky setzt er sich an die Speerspitze einer Forscherbewegung, die denkende Maschinen erschaffen will. Die nötigen Gelder kommen unter anderem vom US-Verteidigungsministerium, weil sich die Supermacht von der neuen Technologie einen Vorteil im Kalten Krieg verspricht.

Man will mithilfe von KI zum Beispiel Muster in der russischen Sprache erkennen und hofft, so Dokumente schneller übersetzen zu können. Das Vorhaben scheitert, doch die Hoffnungen bleiben groß. Der Sozialwissenschaftler Herbert A. Simon sagt 1957 voraus, dass ein Computer in den nächsten zehn Jahren die Schachweltmeisterschaft gewinnen wird. Es sollten vierzig Jahren werden.

Plötzlich aber verfliegt die Begeisterung, und im Laufe der 1960er bricht ein regelrechter »KI-Winter« an, wie ihn viele später nennen werden. Die Forschung kommt ins Stocken, es können nur noch kleinere Erfolge vermeldet werden. In den 1970er-Jahren programmieren Wissenschaftler an der Stanford University zum Beispiel eine Software, die im Dialog herausfinden kann, ob eine Person an einer Blutinfektion leidet. Sie arbeitet so zuverlässig wie ein Mediziner, deckt aber nur einen sehr kleinen Wissensbereich ab. Das liegt daran, dass zu jedem Befund genaue Wenn-dann-Regeln einprogrammiert werden müssen. Wirklich »intelligent« sind diese Expertensysteme nicht, schließlich fehlt ihnen ein wichtiger Bestandteil von Intelligenz: die Fähigkeit zu lernen.

»KI erkennt Muster, wo Menschen keine sehen.«

— Frank Bennemann, Klinkhammer Group

Dass sich Maschinen selbst neues Wissen aneignen können, ist – theoretisch – schon seit den 1950er-Jahren bekannt. Doch der Durchbruch in der Praxis gelingt erst in den 1980er- und 1990er-Jahren. Zu dieser Zeit entstehen erste Programme, die große Datenmengen analysieren und Schlussfolgerungen daraus ziehen, also rudimentär lernen. Die Entwickler lassen sich bei ihren Programmen von biologischen Hirnzellen inspirieren und schaffen sogenannte neuronale Netze, in denen viele Algorithmen zusammenarbeiten. Dabei kommen ihnen Fortschritte in der Computertechnik zugute: Um die Jahrtausendwende zeigt sich nämlich, dass die Grafikkarten von PCs perfekt für KI-Anwendungen geeignet sind. Schließlich kommt alles zusammen, was die Revolution braucht: theoretische Grundlagen plus leistungsfähige Hardware. Die Welt des maschinellen Lernens kann entstehen.

Lernen ohne den Menschen

Der entscheidende Punkt beim sogenannten Machine Learning ist, dass ein Computer etwas Neues erlernt, ohne dafür programmiert zu werden. Stattdessen füttert man ihn zunächst mit einer großen Menge von Trainingsdaten, aus denen der Rechner dann seine eigenen Schlüsse zieht. Entscheidend ist, dass sich die Maschine neues Wissen aneignet, ohne auf das Wissen des Menschen zurückgreifen zu müssen. Die Macher des eingangs erwähnten Programms Alpha Go zum Beispiel sind allesamt keine guten Go-Spieler. Der Computer selbst hat sich zum Meister gemacht.

In den Zehnerjahren schließlich geht es in der KI-Welt Schlag auf Schlag. 2012 programmieren Google-Forscher ein neuronales Netzwerk, das Katzen in Videos markiert, 2014 stellt Facebook ein Programm vor, dass Gesichter mit 97-prozentiger Zuverlässigkeit erkennt – und damit fast so gut wie der Mensch selbst. 2016 nun kommt es zum Sieg der Maschine im Go-Spiel und dem legendären Zug Nummer 37. Zu diesem Zeitpunkt fließt KI zwar schon lange Zeit in Produkte ein, doch der Fortschritt wird zunehmend auch für die Allgemeinheit sichtbar. »Ein Wendepunkt war sicher, als man mit den Handys ernsthaft reden konnte«, sagt Martin Ruskowski, Forschungsbereichsleiter Innovative Fabriksysteme am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). Dass Siri, Alexa und Google mittlerweile recht gut ihre Nutzer verstehen, lässt sich vor allem auf maschinelles Lernen zurückzuführen. Das Erkennen normal gesprochener Worte gehört zu den Stärken der Technologie, außerdem die Bilderkennung, komplexe Optimierungsaufgaben und das Identifizieren von Mustern in Signalen. »KI macht Predictive Maintenance, also vorausschauende Wartung, möglich«, erklärt Ruskowski.

In der Intralogistik werden selbstlernende Algorithmen zum Beispiel eingesetzt, um das Geschehen im Lager oder Distributionszentrum zu verbessern. Sie optimieren Packstückgrößen, verkürzen die Laufwege, organisieren das Slotting. »Es geht darum, Muster zu erkennen, wo Menschen keine sehen«, sagt Frank Bennemann, Geschäftsführer von AK Warehouse Solutions, Klinkhammer Group, Nürnberg. Vieles beim Thema Künstliche Intelligenz fällt allerdings noch in die Kategorie Zukunftsmusik. Wenn Anbieter mit »KI inside« werben, stimmt das nicht immer. »In der Hauptsache werden noch statische Algorithmen eingesetzt. Im Prinzip handelt es sich um weiterentwickelte Expertensysteme«, betont Bennemann. Künstliche Intelligenz müsse Antworten geben, die man nicht erwartet. »Und da sind wir in der Praxis noch nicht.«

Keine KI-»Big Bang« in Sicht

Gut 60 Jahre sind also vergangen, seit das Wort »KI« zum ersten Mal gefallen ist. Was werden die nächsten 60 Jahre bringen? Professor Ruskowski erwartet keinen KI-»Big Bang«. Dafür seien die Entwicklungszyklen zu lang und Softwareentwickler zu rar. »KI wird zunächst gezielt eingesetzt, um Prozesse zu verbessern. Sie wird uns als Helfer zur Hand gehen.«

»Da machen wir uns zu klein.«

»Systeme werden dazulernen und den Techniker mit ihren eigenen Erfahrungen unterstützen«, erwartet auch Software-Profi Bennemann. Im Kommissionierbetrieb könne KI zum Beispiel eingesetzt werden, um Wege zu verkürzen und Pick-Fehler zu verhindern. Überflüssig wird die Künstliche Intelligenz die biologische nicht machen. »Leitstände lassen sich stark automatisieren – aber nicht die manuelle Arbeit«, ist Praktiker Bennemann überzeugt. »Wenn wir heute ein Lager zu 80 Prozent automatisieren, ist das schon gut.« Auch mit KI werde dieser Wert kaum steigen, weil es schlichtweg unwirtschaftlich ist, für jeden Handschlag eine Maschine anzuschaffen.

Trotz der noch begrenzten Einsatzmöglichkeiten wachsen beim Thema KI die Träume derzeit in den Himmel. Visionäre träumen sogar schon von KI, wie sie Hollywood dargestellt hat: Wesen wie Commander Data aus »Star Trek«, die die Welt verstehen, Witze erzählen und philosophieren. Aber wird der Punkt, an dem die Algorithmen dem Generalisten aus Fleisch und Blut ebenbürtig ist, jemals erreicht? DFKI-Experte Ruskowski geht das zu weit. Eine Maschine, die so vielseitig ist wie der Mensch, werde es wohl nie geben. »Da machen wir uns kleiner, als wir sind.«

Interview - »Die Flexibilität eines Menschen lässt sich nicht leicht ersetzen«

Michael ten Hompel, geschäftsführender Institutsleiter am Fraunhofer-Institut für Materialfluss und Logistik, im Gespräch mit »logistik journal« über den Einsatz der KI in der Logistik.

An KI wird seit Jahrzehnten geforscht. Warum ist das Thema jetzt in aller Munde?

Die Verfügbarkeit von Rechnerleistung ist explodiert. Ein Entwickler-Board mit 128 Prozessorkernen kostet heute weniger als 100 Euro. Vor wenigen Jahren hätte man für die gleiche Leistung noch einen Großrechner benötigt. Und dank dem Mobilfunkstandard 5G wird Rechnerleistung bald überall in Echtzeit zur Verfügung stehen. Hinzu kommt, dass dank kostengünstiger Sensoren wesentlich mehr Daten zur Verfügung stehen als früher. All das hat den Vormarsch künstlicher Intelligenz beschleunigt, gerade in der Logistik.

Warum gerade in der Logistik?

Weil in der Logistik Vieles festen Zusammenhängen folgt und dadurch gut algorithmierbar ist. Ich bin überzeugt, dass KI in Zukunft das menschliche Verhandeln und Disponieren übernimmt, sicher nicht in allen Bereichen, aber doch in den meisten. Wir bewegen uns auf eine Hochfrequenz-Logistik zu, in der Maschinen in jeder Sekunde Tausende von Optimierungsentscheidungen treffen. Zudem werden Bild- und Spracherkennung allgegenwärtig sein. In wenigen Jahren ist es zum Beispiel normal, mit einem Regal zu reden.

Wird das nicht viele Jobs kosten?

Im Gegenteil, es werden sogar neue entstehen, andere technische Revolutionen haben das gezeigt. Als in den 1970er-Jahren Roboter-Systeme in der Automobilindustrie Einzug hielten, ersetzten sie viele Arbeitsplätze. Gleichzeitig stieg die Zahl der Stellen in der Industrie um ein Viertel. Aber die Arbeitsplätze werden ganz anders aussehen als heute.

Und wo wird künftig noch menschliche Intelligenz gebraucht?

Sie werden überrascht sein, aber ich glaube, dass die Automatisierung manueller Tätigkeiten langsamer als gedacht fortschreiten wird. Schon in eine Kiste zu greifen und einen Gegenstand zu entnehmen, erfordert viel Technologie. Die Flexibilität eines Menschen lässt sich nicht leicht ersetzen: Durchs Lager laufen, ein fehlerhaftes Teil erkennen und verpacken – das einem Rechner und bezahlbaren Roboter beizubringen, wird deutlich mehr als 10 Jahre dauern.

Erschienen in Ausgabe: 03/2019
Seite: 32 bis 35