Dr. Matthias Emler
Menschen neigen dazu, KI automatisch als menschenähnliche Intelligenz zu klassifizieren. Das ist eine zu enge Sichtweise. Denn sie unterstellt, dass menschliche Intelligenz auf der Intelligenzskala 100 Prozent bedeutet, was das wahre KI-Potenzial aber nicht berücksichtigt. Maschinen mit fachlich übergreifender Intelligenz, sogenannte General AIs, befinden sich zwar erst am Anfang ihrer Entwicklung zeigen aber schon erstaunliche Ergebnisse. Die maschinelle KI ist zudem differenzierter und komplexer. Sie ist in der Lage, auf Sensorbereiche zurückzugreifen, die dem Menschen nicht zugänglich sind. Sie kann auch unterschiedliche Denksubstraten und -architekturen nutzen, was uns Menschen (noch) nicht möglich ist. Dank neuer Technologien, wie neuromorpher Chips oder Quantencomputer, die heute schon in Reichweite sind, wird die KI in den kommenden Jahrzehnten sicherlich in der Lage sein in einigen Aspekten jenseits der natürlichen Leistungsfähigkeit des Menschen zu denken. Dass der Mensch aber seine eigene Denkfähigkeit auch verbessern wird, ist ebenfalls zu erwarten.
Im Steering Lab haben wir von Anfang an einen neuen Weg eingeschlagen, um eine umfassendere Mind-Architektur zu entwickeln. Einerseits haben wir das menschliche Lernen genauer betrachtet, andererseits haben wir mehr „von Neumann“- Funktionalitäten in unsere Modelle integriert. Dies eröffnet neue KI-Fähigkeiten und ermöglicht ein hocheffizientes Lernen. Das ist auch der Schlüssel zur Spitzenintelligenz und essenziell für autonome Systeme, die – insbesondere in Hinsicht auf Edge-Intelligence – und damit besonders auf energieeffizientes Lernen, Lernen mit begrenzter Bandbreite zu anderen intelligenten Systemen und auf begrenztem Raum sowie auf verteiltem Hive-Learning aufbauen müssen.
Auf diese Weise haben wir ein eigenes KI-Framework geschaffen, das wir COGITAAURUM nennen.
Wir arbeiten eng mit Universitäten und F&E-Einheiten unserer Kunden zusammen, um modernste KI-Fähigkeiten in Räume und Produkte einzubetten.
Wir arbeiten zudem an neuartigen Konzepten für erweiterte hierarchische Intelligenz, die sich zu komplexen KI-Organisationen formieren und Teil von hybriden Mensch-Maschine-Organisationen, sogenannten HybOrgs, werden. Auch hier zeigt sich, dass intelligente Maschinen die menschliche Arbeitskraft nicht einfach über Nacht ersetzen werden. Stattdessen werden sie über viele Jahrzehnte hinweg sehr eng mit Menschen zusammenarbeiten. Ein weiterer wichtiger Aspekt für den Erfolg von KIs in unserem Alltag ist die Beantwortung von Fragen zur Haftung bzw. Verantwortung für Entscheidungen und Handlungen die durch KIs initiiert werden. Je intelligenter KIs werden, umso stärker spielen Governance-Strukturen, die Verantwortungs- und Haftungsfragen regeln, eine wichtige Rolle für die Akzeptanz und Zulassung von intelligenten Maschinen.
Für Unternehmen wird sich der Einsatz von KI in ihren Prozessen als weitaus schwieriger erweisen, als die Implementierung von Lösungen rund um Predictive Analytics oder Optimization Analytics. Die Wissenslücke zwischen Data Science und Geschäftsprozessen sowie fehlende Operationalisierungskonzepte für General AIs, sind zwei der Haupthindernisse für die Entwicklung und den Erfolg intelligenter Räume und Produkte. Um KIs reibungslos in den Arbeitsalltag und die Komplexität menschlicher Prozesse und Semantik einbetten zu können, sind gutes Erwartungsmanagement und psychologische Finesse erforderlich. Wir verstehen diese ganzheitliche Herausforderung des Einsatzes von KI zur Produktivitätssteigerung. Mit unserem HybOrg-Konzept haben wir eine subtilere, natürlichere und menschlichere Art und Weise entwickelt, um Prozesse und Produkte mit Intelligenz auszustatten und harmonischer in Organisationen einzuführen.