KI ist überall – und in vielen Gebieten ein Mehrwert. Was nutzt es uns allerdings, wenn KI zum Selbstzweck wird und wir nicht mehr über „die beste Lösung“ nachdenken, sondern alles pauschal mit KI lösen wollen?
Wenn wir aus Stichpunkten durch KI lange Texte generieren lassen, die dann (aus Zeitgründen) von einer anderen KI wieder zu Stichpunkten zusammengefasst werden, dann ist das irgendwie sinnfrei.
Wenn wir passende Bilder künstlich generieren, statt sie zu suchen, dann mag das zwar Vorteile bringen, aber es verwässert den ursprünglichen „Sinn“ von Fotos – nämlich das Abbild der Realität, das Einfangen eines „echten“ Ereignisses.
Wenn KI’s Produkte bei Amazon oder Social Media hochladen, andere KI’s Rezensionen oder Likes generieren und wieder andere KI’s uns Produktempfehlungen zukommen lassen…. aber lassen wir das.
Ich habe den Eindruck, zur Zeit wird KI häufig eingesetzt, weil es ein (wenn nicht DAS) absolute Hype-Thema ist – und in vielen Fällen aus gutem Grund. KI hat aber eine Reihe entscheidender Nachteile. Unter anderem:
• 𝗙𝗲𝗵𝗹𝗲𝗻𝗱𝗲 𝗘𝗿𝗸𝗹𝗮̈𝗿𝗯𝗮𝗿𝗸𝗲𝗶𝘁: KI-Prozesse sind für Menschen (und Maschinen) immer noch nicht End-To-End erklärbar und nachvollziehbar. Man „weiß“ nicht, warum eine KI entsprechende Ergebnisse produziert, d.h. man kann den Vorgang nicht beweisen, garantieren oder zertifizieren.
• 𝗨𝗻𝗸𝗹𝗮𝗿𝗲 𝗥𝗲𝗰𝗵𝘁𝗲-/𝗗𝗮𝘁𝗲𝗻𝘀𝗶𝘁𝘂𝗮𝘁𝗶𝗼𝗻: bei allen KI-Produkten muss im unternehmerischen Umfeld die Frage nach den Rechten gestellt werden, d.h. womit wurde die KI trainiert, wo werden „meine“ Daten verarbeitet, wem „gehören“ die Ergebnisse. Obwohl wir den EU-AI-Act haben, sind viele KI-Hersteller hier sehr sparsam mit Informationen. Das kann ein Geschäftsrisiko für Sie werden.
• 𝗥𝗲𝗰𝗵𝗲𝗻𝗹𝗲𝗶𝘀𝘁𝘂𝗻𝗴: KI-Systeme brauchen unfassbar viel Rechenleistung (insbesondere für das Training). Hersteller lassen sich das (irgendwann) bezahlen. Aktuell bekommt man viel KI für wenig Geld. Aber irgendwann müssen sich all die Investitionen auch für die Anbieter lohnen. Ihre Investitionen in KI sind derzeit also schwer kalkulierbar und stellen ein gewisses Risiko dar.
Ich plädiere daher dafür, den „guten alten Algorithmus“, die klassische Herangehensweise im Software-Engineering nicht ganz zu vergessen. Reproduzierbarkeit, Beweisbarkeit (sogar mathematisch), Verlässlichkeit und Zertifizierbarkeit haben uns in den letzten Jahrzehnten viel Sicherheit und robuste IT-Landschaften gegeben.
Also lassen Sie uns das bitte nicht zu früh über Bord werfen!
P.S.: es gibt sehr gute Algorithmen zum schnellen Finden von Bildern und zum (statistisch beweisbaren) Zusammenfassen von Texten….