Roadmap zur künstlichen Intelligenz

Politik und Wirtschaft haben erkannt, dass eine Lenkung oder Standardisierung auf den Handlungsfeldern der KI notwendig geworden ist. Die Roadmap wurde von den Vortragenden übereinstimmend in allen Bereichen als Impulsgeber für politisches Interesse, für Anwender und Entwickler gesehen.

So unterstützt die Bundesregierung unter anderem die Standardisierung von Begriffen und Klassifizierungen der KI, die zum Beispiel mit Dimensionen der Selbstständigkeit und mit der Selbstständigkeit des Lernens von Systemen oder mit den durch KI verbundenen Risiken verknüpft sind. Für die Normung gilt es, bestehende Standards und Normen auf „KI-Tauglichkeit“ zu prüfen, da im Zeitalter selbstlernender Systeme maschinenlesbare und maschineninterpretierbare Normen an Bedeutung gewinnen.

Bei dem Treffen haben Experten aus Wissenschaft, Technik und Wirtschaft sowie Vertreter des DIN und der Politik sehr spannend die Thematik aus ihren Blickwinkeln aufgezeigt. Dass in Deutschland dringender Handlungsbedarf besteht, war Konsens bei allen Vortragenden, wenn auch hier aus unterschiedlichen Gründen der Sprecher.

Es wurden einzelne Bausteine der Normungsroadmap präsentiert, die sich über drei Ebenen verteilen:

Wahrnehmen: Hier finden sich Bausteine wie Signal-Symbol-Transformation, Mustererkennung, Biosignalanalyse, Aufmerksamkeitsverfolgung, Emotionserkennung, Benutzer- und Kontexterkennung

Verstehen: Darunter fallen Bausteine wie Textverarbeitung, Wissensverarbeitung und Inferenz [2], Bildverstehen und Videoanalyse, maschinelles Lernen, Sprachdialog und Verstehen, Aktionsplanung und Planerkennung, intelligente Suche, Informationsextraktion

Handeln: Diese Bausteine befassen sich mit sensormotorischer Rückkopplung, komplexen Bewegungen und Objektmanipulationen, Sensorsteuerung, Erklärungskomponenten, Kontrolltransfer, personalisierte Präsentation.

Können diese Bausteine zusammengefügt werden, finden sich Kompositionen von KI-Lösungen, die im Alltag nutzbar und nützlich sind. Was braucht es dann, um der Entscheidung einer Maschine zu vertrauen? Die Antworten liegen bei den Themen Sicherheit, Robustheit, Erklärbarkeit und Fairness der Systeme.

Der Normungsbedarf ergibt sich daher zu den Fragen, wie die Datenqualität zu sichern ist, die Datensammlungsmethoden transparent und übersichtlich gehalten werden können und wie Performanceanalysen gehandhabt werden, um nur einige Grundvoraussetzungen zu nennen.

Da in unserem Alltag praktisch „überall“ die KI Einzug hält, wurden hier Workshops gebildet, um Themenbereiche gezielter betrachten zu können. Die Einteilung in die Workshops gestaltete sich folgendermaßen:

• Grundlagen (Daten, Terminologie, Klassifikation, KI-Elemente)
• Ethik/Responsible AI [3]
• IT-Sicherheit bei KI-Systemen
• Qualität und Zertifizierung
• KI in der Medizin

Im Workshop KI Medizin/Gesundheit erfolgte eine Bestandsaufnahme und es wurden Perspektiven gesammelt. Die erarbeiteten KI-Handlungsfelder zu „gesundheitsbezogenen Anwendungsbereichen von KI“ haben die Schwerpunkte:

• Gesundheitswesen
• Bildgebung, Radiologie
• Optik
• Medizintechnik, Implantate und Prothetik
• Robotik
• Rettungswesen

Es war nicht nur eine Handvoll an neuen Begrifflichkeiten, die bei dieser Veranstaltung auf das Plenum niederprasselten, von denen ich hier nur die Folgenden skizziere:

Künstliche Intelligenz (KI):

Wenn Maschinen oder auch technische Anlagen mit einer gemeinsamen Funktion menschliches Verhalten imitieren, sprechen wir von künstlicher Intelligenz. Will man es etwas genauer, lässt sich KI in zwei Sparten gliedern, nämlich die angewandte KI, die spezielle Aufgaben erfüllen kann (entspricht der smarten Digitalisierung) und die allgemeine KI, bei der Geräte oder ganze Systeme die Möglichkeit besitzen, das Leistungsvermögen von Menschen oder deren Verhalten nachzuahmen.

Machine Learning (ML):

ML ist im Grunde eine weitere Unterteilung der KI. Das Deep Learning (DL) verwendet als „Vorlage“ seiner Arbeitsweise unser Gehirn. Um Daten zu verarbeiten, werden – ähnlich wie im menschlichen Gehirn – künstliche neuronale Netze genutzt, die mit Zwischenablagen zwischen Ein- und Ausgabeschicht versehen sind.

ML gewinnt in unseren Bereichen bei der Bilderkennung im Labor (zum Beispiel Blutbild) oder in der Radiologie (zum Beispiel Vororientierung der Schnittbilder, Läsionserkennung) bereits an Bedeutung. Derartige Prozeduren verlangen aber große und geeignete Datenmengen, mit denen die Computer „gefüttert“ werden müssen, damit richtige Ergebnisse erzielt werden. Es versteht sich von selbst, dass dafür auch die technischen Gegebenheiten vorhanden sein müssen, damit derartige Datenmengen in kurzer Zeit verarbeitet werden können.

Um diese von der Bevölkerung häufig mit Argwohn beäugte „Science-Fiction-Welt“ transparent und vertrauenswürdig zu gestalten, bedarf es klarer Regeln und Handlungsempfehlungen. Sonst besteht die Gefahr, dass neue Techniken, die eigentlich das Leben erleichtern sollen und rechtlich als auch ethisch vertretbar sind, völlig unreflektiert zertreten werden.

Die älteste und bekannteste Norm ist die DIN A4. Sie wurde 1923 in Deutschland und Europa eingeführt. Daraus hat sich die Normung für sehr viele Bereiche unseres Lebens entwickelt, und das DIN ist in Deutschland etabliert. Diese Strukturen ließen sich international nutzen, um wenigstens für Europa beispielsweise die Spracherkennung zu standardisieren. Dazu zählt auch die Sprache für KI-Systeme untereinander. Letzteres ist für platform ecosystems [4] von Interesse, wenn zum Beispiel der Kühlschrank sagen soll, wie es mit der Vorratshaltung steht und eine Einkaufliste generiert oder ein System auf eine menschliche Anfrage Musikstücke in die HiFi-Anlage einspielt und so weiter. Das bringt auch mit sich, dass ein globaler Standard für Systeme im Hinblick auf den Datenschutz geschaffen werden muss.

Aber es ist bei diesem Vorhaben nicht nur die ethische Blackbox zu öffnen. Man sollte sich auch Gedanken über die Herstellung der Hochleistungsrechner und ihre Nutzung machen. Bei aller Hilfe, die wir künftig durch den demografischen Wandel brauchen werden, dürfen Gedanken über Energieverbrauch, Chip-Architektur und so weiter nicht außen vor gelassen werden.

Es ist geplant, dass die einzelnen Workshops Grundlagen erarbeiten, die dann in einem großen Gremium diskutiert und zusammengeführt werden.

[1]    DKE = Deutsche Kommission Elektrotechnik Elektronik Informationstechnik bei DIN und VDE, erarbeitet in diesen Bereichen Normen und Sicherheitsbestimmungen. Die DKE ist ein Geschäftsbereich des VDE (Verband der Elektrotechnik Elektronik Informationsausschuss e.V. und zugleich ein Normenausschuss bei DIN.
[2]    Inferenz = aufbereitetes Wissen, das aufgrund von logischen Schlussfolgerungen gewonnen wurde (duden.de)
[3]    AI = Artificial Intelligence = KI
[4]    platform ecosystems = viele Märkte sind als Plattform-Ökosysteme strukturiert, in denen ein stabiler Kern die Beziehung zwischen einer Vielzahl von Ergänzungen und potenziellen Endnutzern vermittelt (siehe genanntes Beispiel) (Übersetzung: Wikipedia)

Entnommen aus MTA Dialog 12/2019