Photo by Randy Assell on Unsplash
Photo by Randy Assell on Unsplash

Gastartikel - Kai Grunwitz, NTT Security

Auswirkungen der KI auf die Arbeitswelt

Bild: NTT Security
Der Autor Kai Grunwitz ist Senior Vice President EMEA bei NTT Security.
Bild: NTT Security

Die Digitalisierung und die neuen technologischen Möglichkeiten der Künstlichen Intelligenz führen zu den größten gesellschaftlichen und wirtschaftlichen Umwälzungen seit der industriellen Revolution. Verbunden sind sie mit Chancen und Risiken. Ohne politische, ökonomische und ethische Rahmenbedingungen besteht die Gefahr einer unkontrollierten Entwicklung.

Die Künstliche Intelligenz (KI) betrifft letztlich alle Branchen mehr oder weniger stark. So werden KI oder spezifische Ausprägungen wie etwa Maschinelles Lernen (ML) für unterschiedlichste Anwendungsszenarien genutzt werden. In erster Linie werden sie zunächst verstärkt in Bereichen Einzug halten, in denen große Datenmengen analysiert und bewertet werden müssen. KI-Systeme sind besser in der Lage als der Mensch, massive Datenmengen zu analysieren, mit unterschiedlichsten Referenzpunkten zu korrelieren und damit bessere Entscheidungsgrundlagen zu schaffen.

KI prägt die Arbeitswelt

KI hat bereits in viele Arbeits- und Lebensbereiche Einzug gehalten. Inzwischen schon klassische Beispiele sind Alexa oder Siri. Maschinen sind mittels smarter Algorithmen heute in der Lage, in der Gesichts- und Spracherkennung Unglaubliches zu leisten. Viele Systeme sind mit Fehlerquoten von unter fünf Prozent teilweise besser als der Mensch. In der Bilderkennung, die etwa auch bei Facebook oder selbstfahrenden Autos zum Einsatz kommt, ist die Maschine den Menschen mittlerweile weit überlegen. Und Online-Händler oder Suchmaschinen beispielsweise nutzen ML zur Optimierung der User Experience und für Kaufempfehlungen. KI und ML sind damit bereits feste – und auch weitgehend akzeptierte – Bestandteile der Lebenswelt.

Bezogen auf die Arbeitswelt bedeuten KI, ML und Digitalisierung einen signifikanten Wandel, da sie das menschliche Tätigkeitsspektrum verändern beziehungsweise erweitern. Das heißt, die Arbeitsprofile und Anforderungen werden sich für die Mitarbeiter nachhaltig verändern. Klassisches Beispiel sind Branchen, in denen verstärkt Maschinen und Roboter zum Einsatz kommen, etwa die Fertigungsindustrie.

KI bringt Risiken mit sich

Hinsichtlich der KI-Nutzung sind prinzipiell zwei Risikokategorien zu unterscheiden: Sie betreffen zum einen die Gesellschaft und den Menschen und zum anderen die Abhängigkeit von der Technologie.

Ein Großteil der Bevölkerung ist besorgt im Hinblick auf die Übernahme von menschlichen Tätigkeiten durch Maschinen und KI. Dabei geht es nicht nur um Endzeitängste wie bei Terminator-Szenarien, die auch von Tesla-Gründer Elon Musk immer wieder aufgeführt werden, sondern viel elementarer um Existenzängste. Viele Menschen stellen sich dabei Fragen wie: Wie passe ich in die digitale Zukunft, wenn intelligente Roboter meinen Job übernehmen und habe ich überhaupt noch die richtigen Skills? Gerade Menschen der älteren Generation sind sehr skeptisch hinsichtlich der technologischen Entwicklung und der zunehmenden Nutzung smarter Maschinen.

Allerdings muss berücksichtigt werden, dass sich die Arbeitswelt definitiv verändern wird. Heute unverzichtbare Jobs können in ein paar Dekaden eventuell nicht mehr relevant sein. Aktuell etwa besteht ein hoher Bedarf an Data-Scientists und Entwicklern, in einigen Jahren aber schon können eventuell Maschinen die Tätigkeiten besser und schneller erledigen.

Die technische Weiterentwicklung auf der einen Seite und die Beunruhigung der Bevölkerung auf der anderen Seite macht es zwingend erforderlich, gesellschaftspolitische Initiativen zu ergreifen, in deren Rahmen neben den technologischen Möglichkeiten auch bildungspolitische Vorkehrungen und digitalpolitische Strategien entwickelt und umgesetzt werden.

KI durchdringt alle Branchen

Grafik: NTT Security

Einige konkrete Beispiele verdeutlichen das branchenübergreifende mögliche KI-Anwendungsspektrum:

  • Finanzen: Handel, Kreditvergaben, Branchen-Benchmarks
  • Energie: Smart Grids, digitale Kraftwerkssteuerung
  • Fertigungsindustrie und Landwirtschaft: Smart Factories, selbstfahrende Autos, Smart Farming
  • Gesundheitswesen: Diagnose, Forschungsbeschleunigung, Krebsvorsorgeuntersuchung
  • Cyber-Security: Threat Detection und Threat Intelligence
  • Software: Smart Coding, Verkürzung der Entwicklungszyklen
  • Justiz und Polizei: Datenanalysen, vorbeugende Verbrechensbekämpfung
  • Retail: Online- und Shop-Customer-Experience (CX), Chatbot-CX, Logistik, Anwender- und Kaufanalysen 
  • Restaurants: Kreation neuer innovativer Gerichte und Geschmackskombinationen

Die zweite Risikokategorie betrifft die Frage "Wie viele Entscheidungsbefugnisse geben wir der Maschine und KI?" Es besteht die Gefahr, schnell in Abhängigkeit zu geraten und nicht mehr nachvollziehen zu können, wie eine Maschine oder Algorithmus zu einem Ergebnis gekommen ist. Neuronale Netze, die Millionen von Verbindungen haben und interagieren, kommen zu Entscheidungen, die sie aufgrund mangelnder Kommunikationsfähigkeiten und Komplexität der "Gedankengänge" nur unzureichend erläutern können. Man könnte sagen: "Maschinen sind keine emphatischen Erzähler, und sie wissen mehr, als sie uns erzählen und verstehen auch nicht, welche Informationsbedürfnisse wir haben!"

Ohnehin wird man sich in kritischen Bereichen und bei schnellen Entscheidungsprozessen – etwa bei einer erforderlichen sofortigen Abschaltung eine Kernkraftwerks – irgendwann auf Informationen einer Maschine verlassen müssen, da die in solchen Fällen notwendigen "komplexen Gedankengänge" nicht schnell genug nachvollzogen werden können.

Oft übersehen wird zudem, dass auch Maschinen Vorurteile haben können, basierend auf Informationen aus der Vergangenheit, auf die sie zugreifen. Ein Beispiel wäre ein Recruiting-System, das bei der Auswahl optimaler Kandidaten unterstützt und dazu Tausende von historischen Entscheidungen des Unternehmens analysiert. Wenn ein Recruiter in der Vergangenheit – aus welchen Gründen auch immer – Männer bevorzugt und Frauen schlechter bewertet hat, übernimmt dieses "Vorurteil" dann auch die Maschine, das heißt, das Vorurteil steckt im Algorithmus.

Außerdem gibt es heute schon KI, die ihre Nachfolger selbst und unabhängig von Menschen entwickelt, wie das Beispiel des AutoML-Projekts von Google zeigt. Hier entsteht eine nicht mehr zu kontrollierende Dynamik, die in der Tat beunruhigend ist. Umso mehr muss es ein Gebot der Stunde sein, moralische und ethische Rahmenbedingungen zu schaffen.

KI und Cyber-Security

Vor jedem KI-Einsatz müssen elementare Fragen geklärt werden. Was konkret zu beachten ist, zeigt beispielhaft der Bereich Cyber-Security, in dem KI und ML für die Optimierung der Bedrohungserkennung und die Verhinderung finanzieller oder operativer Schäden durch Cyber-Kriminalität genutzt werden. Threat Detection und Threat Intelligence lauten hier die Schlagworte.

Folgende Fragen müssen im Vorfeld der KI-Nutzung gestellt und beantwortet werden:

  • Was will ich erreichen?
  • Welche Methoden des ML unterstützen meine Ziele am besten (etwa Supervised Learning, Unsupervised Learning, Decision Trees oder Deep Learning)
  • Welche Auswirkungen hat KI/ML auf meine Organisation und Mitarbeiter?
  • Welche Risiken habe ich durch die Umstellungen?
  • Wie viele Entscheidungskompetenzen möchte ich der Maschine geben?
  • Wo erwarte ich ein menschliches Eingreifen?

Insgesamt stehen Unternehmen und Gesellschaft hinsichtlich KI- und ML-Nutzung noch immer am Anfang des Veränderungsprozesses. Neue Möglichkeiten werden Innovationen vorantreiben und neue Ideen entstehen lassen. Dabei werden Fehler auftreten, sich aber auch zum Teil unerwartete Erfolge einstellen. Eines darf dabei allerdings nicht übersehen werden: Die KI-Auswirkungen sind gravierend. Die Menschheit steht laut World Economic Forum vor der vierten industriellen Revolution – mit gesellschaftlichen, wirtschaftlichen und sozialen Implikationen. Gefordert sind deshalb – und zwar hier und jetzt – Politik und Wirtschaft, die adäquaten Rahmenbedingungen zu schaffen, um auch für die zukünftigen Generationen die Weichen zu stellen.

Kai Grunwitz ist Senior Vice President EMEA bei NTT Security.

Mehr Artikel zum Thema: Artifical Intelligence Security

Marx macht die Cloud sicherer

Irene Marx steigt ab sofort als Area Manager Alpine beim...

Weiterlesen

Freundsberger folgt auf Marx

Cyber-Security-Anbieter Fortinet hat einen neuen...

Weiterlesen

WP: Schwachstellen automatisch erkennen & patchen

Spätestens seit WannaCry und NotPetya hat sich die...

Weiterlesen

Security ist nichts Starres

Welche Bedrohungen der IT-Sicherheit stehen bei...

Weiterlesen

Infor legt Focus auf Human Capital Management

Anlässlich des Inforum 2018 diesen Herbst in Washington...

Weiterlesen

Sieben IT-Risiken, an die niemand denkt

NTT Security, das auf Sicherheit spezialisierte Unternehmen...

Weiterlesen

Chatbots – Digitale Assistenten als Umsatztreiber

Chatbots verändern das Service-Management und Marketing im...

Weiterlesen

Wie KI am Beispiel von Bilderkennung funktioniert

Das Interesse an Artificial Intelligence (AI) nimmt stetig...

Weiterlesen

KI nominiert für IDEAwards 2019

Wer Preise für innovative Projekte verleiht, sollte sich...

Weiterlesen

"Unsere Krypto-Software muss sicher und zuverlässig sein"

Kryptowährungen spielen eine immer größere Rolle, sind daher...

Weiterlesen

Zugriff verweigert. Bitte geben Sie ihr Passwort ein.

Citrix Austria Country Manager Wolfgang Mayer über den...

Weiterlesen

Automation Voraussetzung für Cloud-Erfolg

Automation ist der entscheidende Faktor, der den...

Weiterlesen

Stress führt zum Datentod

Laut einer Umfrage der Datenretter von Kroll Ontrack sind...

Weiterlesen

Konica Minolta lädt zum OPEN House

Konica Minolta lädt zum Tag der offenen Tür. Den Start macht...

Weiterlesen

Managed Security vs. Crime as a Service

IT-Sicherheit ist nicht rein digital, sondern hat auch...

Weiterlesen

it-sa mit neuen Rekorden

Die it-sa verzeichnet zur diesjährigen zehnten Ausgabe neue...

Weiterlesen

SAP gründet Ethik-Beirat für KI

SAP hat laut eigenen Angaben als "erstes europäisches...

Weiterlesen

IBM zeigt, wie KIs denken

Eine Cloud-basierte Software soll systematische Fehler in...

Weiterlesen

WP: Schwachstellen automatisch erkennen & patchen

Spätestens seit WannaCry und NotPetya hat sich die...

Weiterlesen

Was können Unternehmen von der Tour de France lernen?

Während der 21 Etappen des Radrennens wurden laufend...

Weiterlesen