Seite - 222 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

222 C Gesellschaft Therapie auf eine neue Stufe zu heben“ (Ramge 2018, S. 19). Dabei wird jedoch oft vergessen, dass insbesondere im Medizin- und Gesundheitsbereich die Hürden besonders hoch sind, um neuartige technische, datenbasierte Verfahren umzuset- zen. Durch ihre Fähigkeit zu erfassen, zu begreifen, zu handeln und zu lernen, kön- nen KI-Systeme jedoch viele Arbeitsprozesse, die auf Routine beruhen, automatisie- ren, effizienter machen und das Leistungsvermögen von Menschen in ihrem spezifi- schen Arbeitskontext erweitern. Dabei ermöglichen sie eine neue Art der Zusammenarbeit zwischen Mensch und Maschine, und bisher eher starre Geschäfts- prozesse haben durch KI die Möglichkeit, agiler und anpassungsfähiger zu werden. Durch diese neuartigen Mensch-Maschine-Teams wird auch die Arbeitsorganisation flexibler und durchlässiger (Daugherty und Wilson 2018). Starke und schwache KI Im Allgemeinen bezeichnet KI das Vorhaben, die Wahrnehmungen und das Handeln des Menschen durch Maschinen nachzubilden und somit menschenähnliche Intelli- genz zu schaffen. Dabei unterscheidet die Fachwelt zwischen schwacher und starker KI (Nilsson 2010, siehe Einleitung Teil A „Entwicklungswege zur KI“). Bei der schwa- chen KI lösen Algorithmen einzelne Aufgaben des Menschen, eine Intelligenz wird jedoch nur simuliert. Die starke KI beschreibt hingegen einen Zustand, bei dem Maschinen vergleichbare intellektuelle Fertigkeiten wie der Mensch haben und letzt- endlich über ein Bewusstsein ähnlich dem menschlichen verfügen. Allerdings handelt es sich dabei vornehmlich um ein visionär philosophisches Konzept, dessen Realisie- rung auf absehbare Zeit vielfach angezweifelt wird. Naheliegende Potenziale der KI lassen sich vielmehr in der Ergänzung und Erweiterung menschlicher Fähigkeiten erschließen (Daugherty und Wilson 2018). Mit Blick auf den aktuellen Stand der Technik fallen alle heute existierenden Ansätze in die Kategorie der „schwachen“ KI. Mithilfe datengetriebener Technologien und Konzepte bieten die bisher entwickelten Algorithmen intelligente Entscheidungen zu konkreten Anwendungsproblemen, sind jedoch noch weit davon entfernt, die Kom- plexität und universelle Einsetzbarkeit des Menschen zu erreichen. So handelt es sich bei den derzeit vorherrschenden Konzepten der KI – wie künstliche neuronale Netze (KNN), maschinelles Lernen (Machine Learning, ML) oder tiefes Lernen (Deep Lear- ning, DL) – um lernfähige Algorithmen, die essenziell von der Verfügbarkeit und Qualität der Daten abhängig sind und nur in Bereichen in Gebrauch sein können, die bereits umfassend von digitaler Datenverarbeitung durchdrungen sind. Wozu selbstlernende Systeme jedoch (noch) nicht in der Lage sind, sind Vernunft, Emotionalität, Empathie und Kreativität. Sie haben kein Verständnis für Zusammen- hänge und können nicht auf Hintergrundwissen zurückgreifen. Vielmehr sind sie „Meister im Vergleich von Mustern, nicht mehr“ (Eberl 2018, S. 11). Ralf Herbrich,