Und nun also das: Die britische Google-Tochter Deepmind hat etwas geschafft, von dem manche Forscher glaubten, sie würden es nicht mehr erleben. Mithilfe lernender Algorithmen können die Briten sehr genau vorhersagen, wie sich ein Protein falten wird, wenn sie dessen Mix aus Aminosäuren kennen. Für Mikrobiologen kommt das dem heiligen Gral ziemlich nahe. Die Entwicklung von Proteinen zum Beispiel für Medikamente vereinfacht und beschleunigt sich dadurch um ein Vielfaches, die Fachwelt spricht von einem gewaltigen Durchbruch.
Da ist sie also wieder, diese künstliche Intelligenz, kurz KI. Schafft etwas, das viele für kaum machbar gehalten haben, zumindest nicht so schnell. Und dann kommt ausgerechnet Deepmind, deren Software von ein paar Jahren überraschend die Meister des schwierigen Brettspiels Go besiegt hatte und sie damit zur Verzweiflung trieb, und löst das Problem. Zack.
Da könnte man leicht vom Glauben abfallen und denjenigen Recht geben, die glauben, um die Jahrhundertmitte oder sogar schon früher werde es Maschinen geben, die intelligenter seien als der Mensch. Die schlechte Nachricht für Kritiker der künstlichen Intelligenz: Wenn es um Spezialaufgaben geht, ist dieser Schritt längst erreicht - der Protein-Durchbruch ist dafür ein gutes Beispiel. Lernende Systeme übertreffen die menschliche Leistungsfähigkeit bereits in vielen Einzelaspekten. Doch andererseits - und das werden wohl die meisten für eine gute Nachricht halten: Zu einer Intelligenz, die man als allgemein bezeichnen könnte, ist es noch ein weiter Weg.
KI kann helfen, die oft zu starre Abfolge von Prozessen aufzubrechen
Es ist trotzdem gut, dass sich Fachgremien damit befassen, um Ideen zu entwickeln, wie man zum Beispiel der Diskriminierung durch automatische Systeme etwa bei staatlichen Leistungen begegnen kann. Oder sich darum kümmern, wie man die Schuldfrage künftig regeln soll, wenn ein automatisiertes Fahrzeug einen Unfall verursacht. Es ist aber schade, dass der Einsatz von KI zum Beispiel in der Industrieproduktion nicht besonders gut vorankommt. An Bedenken in Richtung einer allmächtigen Göttersoftware liegt das nämlich nicht. Es fehlt eher an der Einsicht, oft auch an der richtigen Umsetzung.
Das Problem ist dieses: In einem Hochlohnland wie Deutschland spielt die Produktivität eine große Rolle. Sieht man sich aber zum Beispiel ein modernes Autowerk an, kann man sich schon fragen, was hier eigentlich noch optimiert werden soll. Da greift doch längst eines ins andere. Doch das ist genau das, was die KI leisten kann. Denn das Potenzial, weiß Christian Liedtke vom Roboterhersteller Kuka, "liegt in der Verbindung der einzelnen Produktionsprozesse". Es gelte, die oft zu starre Abfolge von Prozessen - Motto: wenn Schritt eins fertig, gehe zu Schritt zwei - aufzubrechen, fordert Liedtke. Manchmal, sagt er, kann es fürs große Ganze eben besser sein, wenn ein Prozess ein wenig wartet und dafür ein anderer vorgezogen wird.
Kuka hat sich dafür über seine Tochterfirma Device Insight mit dem schwedischen Spezialisten für industrielle KI, Sentian, zusammengetan. Während Device Insight dafür sorgt, dass alle beteiligten Prozesse Daten liefern, ist es an Sentian, die Daten zu interpretieren und die richtigen Schlüsse daraus zu ziehen. "KI ist unglaublich mächtig", sagt Martin Rugfelt, der Chef von Sentian, "etwas in der Art hat es bisher noch nicht gegeben". Rugfelt ist auch zuversichtlich, dass es nicht solange dauern wird wie beim Internet, bis sich die Technologie in der Industrie verbreitet haben wird. "In zehn bis 15 Jahren sehen wir KI überall", ist er sicher. Wäre sicher auch nicht schlecht für sein Geschäft.
Die eine Musterlösung, die man nur noch einschalten muss, gibt es noch nicht
Auf jeden Fall braucht das künstliche Gehirn, damit es sinnvolle Hinweise liefern kann, Daten. Viele Maschinen verfügen bereits über Sensoren, die zum Beispiel melden, mit welchem Drehmoment eine Schraube angezogen wurde, oder wenn eine Maschine ungewöhnlich zu vibrieren beginnt. Aber, sagt Martin Dimmler von Device Insight: "Sensorwerte allein reichen nicht." Auch Daten der Warenwirtschaft, Serviceberichte oder Daten über die Beschaffenheit von Materialien gehörten dazu.
Was da an Daten anfällt, ist natürlich von Firma zu Firma verschieden, daher müsse man auch die KI jeweils daran anpassen. Die eine Musterlösung, die man bloß ins Firmen-Rechenzentrum stellt und einschaltet, gibt es (noch) nicht. Es kommt darauf an, ob die Daten mit Zusatzinformationen versehen, Fachsprech: gelabelt, sind oder nicht, ob es viele Daten sind oder eher wenige.
Bleibt am Ende die Frage: Was bringt sie wirklich, die KI im Betrieb? Nun, das kommt erst einmal auf die Größe an. Bei einem Handwerksbetrieb mit ein paar Mitarbeitern ergibt sie nicht allzu viel Sinn. Bei Mittelständlern aber und bei Konzernen sowieso schlummert Potenzial. Nach so viel Theorie ein konkretes Beispiel: Sentian betreut ein Müllverbrennungswerk. Um das beste Ergebnis zu erzielen, lässt sich dabei an vielen Schrauben drehen. Je nachdem, wie feucht etwa der Müll ist und welche Stoffe er überwiegend enthält, kann man den Müll schneller oder langsamer in den Ofen geben, mehr oder weniger Luft hineinblasen und so weiter. KI hilft, diesen Prozess zu optimieren.
Oft aber fehlen die Daten, damit eine KI überhaupt eingesetzt werden kann. "Da ist noch viel zu tun", sagt Kuka-Mann Liedtke. Viele Maschinen lieferten noch keine oder wenige Daten. Auch deshalb, weil die Firmen sie ungern rausrücken. Aber auch das ändere sich gerade. Ohne die Produktivität zu steigern, wird es eben immer schwieriger.