Liebe Kollegin, lieber Kollege,

vor einiger Zeit habe ich bei einem Versandhandel für Werkzeug folgendes bestellt: zwei Ersatzakku für einen Bohrschrauber und einen Drehhocker für meine Werkstatt. Was glauben Sie, wie hoch ist die Wahrscheinlichkeit, dass ich bei meiner nächsten Bestellung noch mehr Akkus und Hocker brauche?
Der Versandhändler scheint zu glauben, dass ich Akkus und Hocker in gigantischen Mengen benötige und sendet mir jede Woche neue Angebote für beide Produkte zu. Das wiederum frustriert mich, denn zum einen brauche ich beides momentan nicht, zum anderen erhalte ich in den Mails Gutscheine, die mir das Gefühl geben zu teuer bestellt zu haben. Wahrscheinlich werde ich den Newsletter abbestellen.

Mein kleines Beispiel soll zeigen, dass die künstliche Intelligenz (KI) hinter dem Newsletter hier eher kontraproduktiv wirkt. Ähnliche Effekte führen auch zu solchen Problemen wie Filterblasen in den sozialen Medien… Trotzdem wird KI zukünftig mit Sicherheit einen erheblichen Einfluss auf die Geschäfts- und Arbeitswelt haben. Die November-Ausgabe des Newsletters soll Ihnen ein paar interessante Fakten zum Thema KI liefern.

Was genau ist eigentlich Künstliche Intelligenz? Letztlich ein Versuch, “Menschliches Entscheidungsverhalten mit Hilfe von Computern nachzubilden”. Dabei wird zwischen starker und schwacher KI unterschieden.

Starke KI (englisch Artificial General Intelligence - AGI) soll dabei das gesamte Spektrum menschlichen Denkens abbilden, also z.B. auch sich Meinungen zu bilden und zu vertreten.

Schwache KI (englisch Artificial Narrow Intelligence - ANI) spezialisiert sich darauf, bestimmte Spezialaufgaben zu lösen, wie z.B. menschliche Gesichter in Fotos zu erkennen oder ein selbstfahrendes Auto zu steuern. Schwache KI wird bereits auf zahlreichen Gebieten angewendet.

Eine sehr erfolgreiche Methode der KI sind sogenannte Neuronale Netze, also Netze aus künstlichen Neuronen, die z.B. zur Texterkennung, Bilderkennung oder Gesichtserkennung verwendet werden. Das Problem: zuerst muss das neuronale Netz für seine Aufgabe, z.B. Gesichtserkennung, trainiert werden. Dazu müssen zunächst Trainingsdaten gesammelt werden. Anhand dieser Daten werden von Menschen Tests entwickelt, mit denen das neuronale Netz trainiert wird. Dieses Training wird so lange durchgeführt, bis das neuronale Netz die gestellten Aufgaben zufriedenstellend gut löst. Erst danach sollte das Netz für den praktischen Betrieb verwendet werden.

Eine sehr schöne Einführung in dieses System gibt dieses Video (englisch, mit deutschen Untertiteln)

Wie bei meinem Newsletter-Beispiel in der Einleitung beschrieben, stößt KI oft auch an Grenzen, die uns Menschen unangenehm auffallen. Das liegt insbesondere daran, dass die Daten oder die Tests, mittels der die KI trainiert wurde, in der Quantität oder Qualität mangelhaft waren. Hier einige Beispiele:

• Füttert man KI mit Daten aus den sozialen Netzwerken, kann dies zu erstaunlichen, geradezu beängstigenden Ergebnissen führen: Sozialer Bot wird zum frauenfeindlichen Rassisten - com-magazin.de
• Facebook und andere soziale Medien versuchen KI im Kampf gegen Hassbotschaften und Terror einzusetzen. Bislang aber nur mit wenig Erfolg: IGF: Künstliche Intelligenz versagt oft im Kampf gegen Hass und Terror - heise.de
• Beim Amoklauf in Christchurch, Neuseeland streamte der Täter seine grausame Tat live in das Internet. Auch hier versagte Facebook’s KI aufgrund eines Mangels an Trainingsdaten: Warum Facebook das Christchurch-Video erst viel zu spät auffiel - stern.de

Im Handel soll KI dabei helfen, Umsätze und Profit zu maximieren. Das berühmte Feld “Andere Kunden, die diesen Artikel kauften, kauften auch…” ist hier wohl die bekannteste Ausprägung. Aber es gibt natürlich noch mehr:

• T3n berichtet, “Wie KI Werbung besser machen soll”. So sollen von KI generierte Werbebotschaften “doppelt so gut performt” haben, wie die von menschlichen Werbetextern Wie KI Werbung besser machen soll - t3n
• Auf der Projektseite von Zalando Research kann man - in englischer Sprache - nachlesen, woran man dort gerade arbeitet, z.B. “Shop The Look” oder eine personalisierte Größenempfehlung Zalando Research - Research Projects
• Booking.com stellt ein kurzes Video und ein englischsprachiges Whitepaper zur Verfügung, in dem sehr tief und technisch detailliert darauf eingegangen wird, wie Trainingsdaten den Buchungsprozess unterstützen sollen 150 successful Machine Learning models: 6 lessons learned at Booking.com
• Spotify setzt erfolgreich KI ein, um Musik-Streaming individuell an den jeweiligen Benutzer anzupassen. Ein wichtiger Aspekt dabei: möchte der Hörer neue Musik(richtungen) kennenlernen (=explore) oder Musik hören, die ihm bereits gefällt (=exploit)How Spotify’s Algorithm Knows Exactly What You Want to Listen To

• “Internetrecht und digitale Lerneinheiten” am 16.01.2020 in Nabburg
• “Rechtliche Rahmenbedingungen im E-Commerce” am 17.01.2020 in Lauingen
• “Aspekte des E-Commerce” am 04.02.2020 in Passau

• Wie uns App-Entwickler bei der Stange halten: Die Psycho-Tricks der App-Entwickler (vielen Dank an Michael Hauck für den Tip!)
• Sind Verkäufer für Amazon-Rezensionen verantwortlich? Mit dieser Frage beschäftigt sich momentan der BGHBewertungen bei Amazon vor Gericht - welt.de
• Firefox startet Datenschutz-Offensive Das Firefox Privatsphäre-Versprechen

Ki kann auch Spaß machen: Bei Google errät eine KI, was Sie gerade auf den Bildschirm kritzeln: Quick, Draw!. Hier können Sie zusehen, wie eine KI lernt Tetris zu spielen: https://leeyiyuan.info/tetrisai/. Wie KI Alltagsprobleme löst - nämlich den Kampf zweier KIs um einen Parkplatz - zeigt diese Video auf Youtube. Eher nachdenklich stimmt die Nachricht, dass es Schulen gibt, die Gesichtserkennung nutzen, um Ihren SchülerInnen Einlass zu gewähren DigitalTrends - Twitter.com