Wie eine Google-Umfrage von OpenText ergeben hat, nehmen die meisten Deutschen nicht wahr, wenn sie im Alltag mit künstlicher Intelligenz in Berührung kommen. Befragt wurden dabei 2.000 Deutsche über 18 Jahren zum Thema KI und dem Einsatz entsprechender Technologien in den Bereichen Regierungs- und Gesundheitswesen, Arbeitsplatz und Straßenverkehr.
Einen bewussten Kontakt mit KI gehabt zu haben, geben nur rund 15 Prozent der Befragten an. Fast 30 Prozent sind sich dessen nicht sicher. Die Mehrheit (mehr als 55 Prozent) erklärte, nicht mit KI in Berührung gekommen zu sein.
Und das, obwohl KI und intelligente Automatisierungsmechanismen längst im Alltag angekommen sind. Durch maschinelles Lernen sind Computer heute in der Lage, aus Beispielen zu lernen, anstatt Anweisungen stur befolgen zu müssen. Das zeigen fünf Beispiele, denen fast alle Deutschen im Alltag schon begegnet sind:
Beim Online-Shopping:
Einkaufsempfehlungen von Online-Händlern wie Amazon sind schon fast zur Normalität geworden und vielen Deutschen bestens vertraut – trotzdem werden sie oft nicht als KI wahrgenommen. Maschinelles Lernen ermöglicht individuelle Empfehlungen für Käufer in Online-Shops. Dazu analysieren die Systeme alle Produkte, die Kunden bereits gekauft oder in der Wunschliste gespeichert haben und identifizieren so Muster in der Kaufhistorie. So können sie Vorhersagen über Produkte, die Kunden eventuell gefallen könnten, treffen. Streaming-Anbieter wie Netflix nutzen das selbe Konzept für Serienempfehlungen.
Im E-Mail-Postfach:
Durch maschinelles Lernen werden IT-Systeme dabei unterstützt, zwischen verschiedenen Objektkategorien zu unterscheiden. Deshalb wird KI auch beim Herausfiltern von Spam-E-Mails eingesetzt. Spam-Erkennungssysteme verwenden Stichproben von E-Mails, um herauszufinden, welche Nachrichten unerwünscht sind. Sie lernen das Erkennen und Einordnen von bestimmten Wörtern, Absendern oder anderen Merkmalen. Zudem leitet das System mit diesem Lernprozess E-Mails in die richtigen Ordner weiter. Es lernt zusätzlich, wenn Benutzer E-Mails markieren oder zwischen Ordnern verschieben.
In sozialen Netzwerken:
Beinahe selbstverständlich ist es heute, dass Facebook und Co. wissen, wer auf hochgeladenen Fotos zu sehen ist und Bilder dementsprechend automatisch beschriftet werden können.
Die zugrundeliegenden Erkennungssysteme nutzen dazu maschinelle Lernprozesse. Laden Benutzer Bilder hoch und versehen ihre Freunde und Familie mit Tags, erkennt die Software Ausschnitte, die sich wiederholen und ordnet sie bestimmten Kategorien oder Personen zu.
Bei der Bank:
Das identifizieren und aufdecken von Mustern und ungewöhnlichen Aktivitäten, die für menschliche Analysten nicht sichtbar wären, wird durch die computergestützte Analyse großer Datenmengen, erleichtert.
Diese Technologie verwenden Banken häufig bei der Bekämpfung von Kreditkartenbetrug. Maschinelle Lernsysteme werden so trainiert, dass sie typische Muster von Geldtransaktionen erkennen. Zudem lernen sie, welche Merkmale – etwa Ort, Betrag oder Zeitpunkt der Transaktion – es mehr oder weniger wahrscheinlich machen, dass ein Betrug vorliegt. Auf Basis dieser Erkenntnisse senden Banken dann eine Nachricht an Kunden.
Über digitale Assistenten:
Virtuelle persönliche Assistenten wie Siri oder Alexa können aufgrund von Spracherkennung Anweisungen befolgen. Sie verarbeiten menschliche Sprache und passen sie dem gewünschten Befehl an. Die Assistenten lernen über eine Vielzahl von Gesprächen beispielsweise Wörter mit unterschiedlichen Aussprachen zu erkennen oder eine möglichst natürliche Diskussion zu erzeugen.
„Diese Beispiele zeigen, wie selbstverständlich die Technologie des maschinellen Lernens inzwischen im Alltag integriert ist. Auch wenn viele Menschen sie regelmäßig nutzen, identifizieren sie diese nicht mit KI, weil KI oft mit einem Roboter in Verbindung gebracht wird“, sagt Roger Illing, Senior Vice President Enterprise Sales Europe von OpenText. „Zukünftig wird die Technologie des maschinellen Lernens und der intelligenten Automatisierung auch andere Bereiche erobern: angefangen bei Chatbots in der Verwaltung über selbstfahrende Autos bis hin zu Software für die Wissenschaft, die hilft, Krankheiten zu erkennen.“