Die Einführung von künstlicher Intelligenz (KI) in die Tech-Welt brachte unzählige Innovationsmöglichkeiten mit sich, und im Jahr 2021 gibt es keine Anzeichen dafür, dass sie aufhört. Laut einer weltweiten McKinsey-Umfrage mit dem Titel „The State of AI in 2020“ (Der Stand der KI im Jahr 2020) geben 50% der Befragten an, dass ihre Unternehmen künstliche Intelligenz (KI) in mindestens einer Geschäftsfunktion eingesetzt haben. Der Einsatz von KI-Systemen nimmt in allen wichtigen Branchen weiter zu.
Doch mit der zunehmenden Verbreitung von KI wachsen auch die Bedenken, insbesondere im Hinblick auf den derzeitigen Black-Box-Ansatz und den Mangel an erklärbarer KI (XAI). Diese Bedenken müssen ausgeräumt werden. Das bedeutet, dass Unternehmen sich bewusst dafür entscheiden müssen, die Entscheidungen ihrer KI-Systeme transparenter zu machen und ihren Kunden die Prozesse in einfachen Worten zu erklären. Diese Veränderung wird dazu führen, dass die KI-Technologie immer mehr in wichtige Prozesse integriert wird, die sich unmittelbar auf das Leben von Menschen auswirken.
Stellen wir uns einen Moment lang vor, dass KI-Systeme wie menschliche Interaktionen funktionieren. Wenn ein Bankdirektor, der jeden Tag wichtige Kreditentscheidungen trifft, seine Entscheidungen nicht begründen kann, wenn er danach gefragt wird, arbeitet er in einer Blackbox. Da seine Entscheidungen für andere nicht sichtbar sind, gibt es keinen Einblick und keine Rechenschaftspflicht. Während dies bei Menschen nicht wahrscheinlich ist, ist es in der Welt der KI durchaus üblich.
Im Moment suchen Experten in allen Branchen nach Möglichkeiten, das XAI-Dilemma zu lösen. Unternehmen können Machine Learning (ML) auf zwei Arten einsetzen, um diese Problematik anzugehen.
Eine Möglichkeit ist die Verwendung eines Entscheidungsbaums, eines erklärbaren ML-Algorithmus, der leicht zu verstehen ist. Entscheidungsbäume können sogar imitieren, wie Menschen Entscheidungen treffen, indem sie die Auswahl in viele kleinere Teilentscheidungen aufteilen und so komplizierte Prozesse verständlicher machen.
Eine zweite Möglichkeit ist die Verwendung des Shapley-Wertes. In der Spieltheorie weist der Shapley-Wert jedem Merkmal einen Wert zu, der seine Bedeutung in einer bestimmten ML-Vorhersage kennzeichnet. In der ML-Einstellung tragen die Merkmale, die oft als Player bezeichnet werden, jeweils einen unterschiedlichen Betrag zur endgültigen Vorhersage bei. Das Ziel ist es, die SHAP-Werte (SHapley Additive Explanation) für jede Vorhersage zu berechnen und den Beitrag jedes Merkmals zu sehen, um zu verstehen, warum das System eine bestimmte Art von Vorhersage gemacht hat.
Bei richtiger Anwendung bieten diese Ansätze Transparenz über die durch KI generierten Ergebnisse. Daher können verschiedene Branchen diese Ansätze nutzen, z. B.:
Bankwesen und Finanzdienstleistungen
Eine Möglichkeit, wie KI sich auf die Bank- und Finanzdienstleistungsbranche auswirken kann, ist die Betrugserkennung. KI/ML kann vergangene Muster von Betrugsfällen verarbeiten, auch hochkomplexe, und das viel schneller als ein Mensch. Mit diesem Wissen aus der Vergangenheit kann die KI/ML zukünftige Fälle erkennen und verhindern. Je mehr Daten diese Systeme aufnehmen, desto effektiver werden sie beim Schutz von Unternehmen und deren Kunden.
Ein weiterer Bereich, in dem KI großen Einfluss haben kann, ist das Marketing. Mithilfe von KI können Teams die richtigen Inhalte für die richtigen Kunden identifizieren, basierend auf Faktoren wie Alter, geografischem Standort und früheren Aktionen. Durch dieses detaillierte Verständnis können Banken SPAM-Kommunikation durch relevante und maßgeschneiderte Informationen ersetzen. Diese Erkenntnisse können auch die Bedürfnisse einer Person antizipieren, um Cross-Selling- und Up-Selling-Möglichkeiten zu fördern. Zum Beispiel können sie erkennen, welche Kunden Eltern sind und ihnen Informationen über die Eröffnung eines 529-Sparplans für die zukünftigen College-Ausgaben ihrer Kinder schicken.
Gesundheitswesen und Life Sciences
Wenn es um das Gesundheitswesen und die Life Sciences geht, sind die potenziellen Anwendungsfälle für KI unglaublich. Nehmen Sie die Diagnose als Beispiel. Das National Cancer Institute erklärt, dass KI-Technologie in der Krebsbehandlung die Genauigkeit und Geschwindigkeit der Diagnose verbessern, die klinische Entscheidungsfindung unterstützen und zu besseren Behandlungsergebnissen führen könnte. Was KI in diesem Zusammenhang unentbehrlich macht, ist ihre Fähigkeit, Muster zu untersuchen, die für das menschliche Auge zu subtil sind und, wenn sie erkannt werden, Ärzte zur richtigen, lebensrettenden Behandlung führen können.
KI und insbesondere ML können auch den Prozess der Entdeckung neuer Arzneimittel beschleunigen. Nehmen Sie Googles DeepMind, das sein Programm AlphaFold vorgestellt hat. Dieses sagt Proteinstrukturen vorher und liefert rechnerische Prognosen, die bereits die Qualitätsstandards der Röntgenkristallographie erreichen. Indem wir mehr Erkenntnisse zu den Molekülen erhalten, aus denen der menschliche Körper besteht, können wir das Wesen von Krankheiten besser verstehen und so neue Wege entwickeln, um sie effektiv zu behandeln.
Telekommunikation
Telekommunikationsnetzwerke werden immer komplizierter. Aus diesem Grund gehören laut der bereits erwähnten McKinsey-Studie die Befragten aus der Telekommunikationsbranche zu denjenigen, die am ehesten die Einführung von KI vermelden.
Die Komplexität wird durch eine Reihe neuer Dienste angetrieben, die von Telekommunikationsunternehmen eingeführt werden. Neue Dienste können die Kundenbindung fördern und neue Einnahmequellen erschließen, aber sie können auch die Wahrscheinlichkeit von kostspieligen Ausfallzeiten und anderen Leistungsproblemen steigern. Wenn es zu viele Dienstunterbrechungen gibt, können die neuen Angebote dazu führen, dass Kunden zur Konkurrenz wechseln.
KI/ML können diese Netzwerke rund um die Uhr analysieren und nach potenziellen Schwachstellen suchen. Durch die Identifizierung von Problemen noch bevor diese problematisch werden ermöglicht KI/ML den Teams, Maßnahmen zu ergreifen und kostspielige Unterbrechungen zu vermeiden. Unternehmen können auch selbstoptimierende Netzwerke erstellen, um ihre Netzwerkqualität basierend auf dem Verkehr in der Region und Zeitzone automatisch zu optimieren.
Transparenz ist der Schlüssel für die Zukunft der KI
Es gibt kaum eine Debatte über den Einfluss, den KI auf die Welt um uns herum hat und weiterhin haben wird. Um sich auf die weitere KI-/ML-Integration in der Zukunft vorzubereiten, müssen Unternehmen beginnen, sich vom Black-Box-Ansatz zu lösen und XAI zu implementieren. XAI wird die Prozesse transparenter machen und die Bereitschaft und Akzeptanz der Verbraucher für eine verstärkte KI-Integration im Alltag erhöhen. Indem wir das „Warum“ besser verstehen, öffnen wir die Tür, um zu sehen, wie KI die Welt um uns herum weiter gestalten wird.