Das Feld der künstlichen Intelligenz hat sich in den vergangenen Jahrzehnten rasant entwickelt und Anfang des Jahres 2023 wurde der aktuelle Entwicklungsstand mit der Veröffentlichung von ChatGPT durch Open.ai publik gemacht. Bereits heute verfügen neueste KI-Modelle über beeindruckende Fähigkeiten und sorgen in der Gesellschaft nach wie vor für Diskussionen. Neben Sprachmodellen sind es Text-zu-Bild-Programme, die vor allem bei Kreativschaffenden für Aufregung sorgen: Mit wenigen Klicks lassen sich Logos, Bilder, Cartoons oder Texte erstellen und das so gut wie ohne Vorkenntnisse. Kaum jemand hatte erwartet, dass intellektuelle Fähigkeiten und Berufe so schnell von einer Software übernommen werden könnten. Diese Problematik geht jedoch weit über kreative Tätigkeiten hinaus – sie betrifft einen Großteil des Dienstleistungssektors, der den Arbeitsmarkt unserer Zeit dominiert. Während einige Unternehmen von unvorstellbaren Produktivitätssteigerungen und Kostensenkungen und einige Gesellschaftsgruppen vom utopischen Paradies der Selbstverwirklichung träumen, fürchten andere die Massenarbeitslosigkeit und blankes Chaos. Die Spanne zwischen Fluch und Segen ist groß und es eröffnen sich unzählige neue Probleme, gleichwohl aber auch unermessliche Möglichkeiten.

WAS IST KÜNSTLICHE INTELLIGENZ?

Künstliche Intelligenz (KI) ist ein Überbegriff für alle Techniken, einschließlich maschinelles Lernen und Deep Learning, die es Maschinen ermöglichen, menschliche Intelligenz nachzuahmen. Sie ist nicht auf eine bestimmte Methode oder einen spezifischen Algorithmus beschränkt. KI ist das Gebiet, das sich mit der Schaffung von Maschinen und Programmen befasst, die Aufgaben ausführen können, welche typischerweise menschliche Intelligenz erfordern: von einfachen automatisierten Regelsystemen bis hin zu komplexen Systemen, die lernen und sich anpassen können.

Einer der ersten und bedeutsamsten Meilensteine in der Geschichte der künstlichen Intelligenz ist der Sieg des Expertensystems für Schach Deep Blue über den damaligen Schachweltmeister Garry Kasparov im Jahr 1997. Der Sieg gelang allerdings erst, nachdem der Supercomputer so verbessert worden war, dass er doppelt so viele Züge pro Sekunde wie im verlorengegangenen ersten Match verarbeiten konnte – angeblich 200 Millionen Züge pro Sekunde. Dieser Erfolg war nicht auf ein revolutionäres neues Paradigma zurückzuführen, sondern größtenteils auf die mühsame Anwendung von Ingenieurskunst und die enorme Steigerung der Geschwindigkeit und Kapazität von Computern in den 90er Jahren. Deep Blues Computer war 10 Millionen mal schneller als der Ferranti Mark 1, dem Christopher Strachey 1951 das Schachspielen beibrachte.

Judea Pearls wegweisendes Buch aus dem Jahr 1988 integrierte darüber hinaus Wahrscheinlichkeits- und Entscheidungstheorie in die KI-Forschung. Zu den vielen neuen Methoden zählten das Bayesianische Netz, die Markov-Modelle, die Informationstheorie, die stochastische Modellierung und die klassische Optimierung. Präzise mathematische Beschreibungen wurden ebenfalls für Konzepte der sogenannten rechnerischen Intelligenz wie neuronale Netzwerke und evolutionäre Algorithmen entwickelt. Somit widmeten sich KI-Forscher verstärkt der Entwicklung und Anwendung komplexer mathematischer Methoden. Die Algorithmen der KI-Forscher haben viele komplexe mathematische Probleme gelöst und wurden bereits in den 1990er und frühen 2000er Jahren in verschiedenen Bereichen wie zum Beispiel Data Mining, Industrierobotik, Logistik, Spracherkennung, Bankensoftware, medizinische Diagnostik und Googles Suchmaschine eingesetzt.

In den ersten Jahrzehnten des 21. Jahrhunderts wurde der Zugang zu großen Datenmengen (bekannt als „Big Data“) kostengünstiger und schnellere Computer sowie fortgeschrittene Techniken des maschinellen Lernens konnten erfolgreich auf viele Probleme in der Wirtschaft angewandt werden. Tatsächlich schätzte das McKinsey Global Institute in seinem berühmten Papier Big Data: Die nächste Grenze für Innovation, Wettbewerb und Produktivität, dass „bis 2009 fast alle Sektoren der US-Wirtschaft durchschnittlich mindestens 200 Terabyte gespeicherter Daten hatten“. In 2016 erreichte der Markt für KI-bezogene Produkte, Hardware und Software mehr als 8 Milliarden US-Dollar, und die New York Times berichtete, dass das Interesse an KI einen neuen Höhepunkt erreicht hatte. Big-Data-Anwendungen begannen zu der Zeit auch in andere Bereiche vorzudringen, wie etwa in die ökologische Modellbildung und in verschiedene Anwendungen der Wirtschaft. Fortschritte beim Deep Learning haben die Forschung in der Bild- und Videoverarbeitung, Textanalyse und auch in der Spracherkennung vorangetrieben.

Ein modernes Anwendungsbeispiel ist das KI-Modell AlphaGo von DeepMind (seit 2014 Google DeepMind), das 2016 für Aufsehen sorgte, als es den besten menschlichen GoSpieler Lee Sedol in mehreren Partien besiegte. Go gilt als eines der komplexesten Brettspiele der Welt und stellte für Computerprogramme bis dato eine große Herausforderung dar. AlphaZero, eine Weiterentwicklung von AlphaGo, gehört inzwischen zu den stärksten Schachcomputern der Welt und lernt ausschließlich durch Spiele gegen sich selbst, ohne auf menschliche Spieldaten angewiesen zu sein. Ein weiteres Projekt von Google DeepMind ist AlphaFold, welches sich auf das Problem der Proteinfaltung konzentriert, um die dreidimensionale Struktur von Proteinen basierend auf ihren Aminosäuren zu bestimmen.

ANWENDUNGSBEREICHE

Während die traditionelle KI dazu diente, Vorhersagen über Ergebnisse zu treffen, geht es bei der generativen KI darum, Inhalte wie Texte, Videos, Bilder oder Computercode zu generieren, was bisher nicht umsetzbar war. Diese neuen Möglichkeiten werden aktuell und in naher Zukunft in erster Linie vor allem im Dienstleistungssektor, aber auch in vielen anderen Branchen und Bereichen des Lebens zu Produktivitätssteigerungen führen. Von hochkomplexen Bereichen wie der Erforschung neuer Materialien, wo das Google DeepMindModell GNoME bereits über 2,2 Millionen neue Materialstrukturen entdeckt hat. Von diesen können aktuell 700 im Labor hergestellt und getestet werden. Bis hin zur täglichen Beantwortung von Mails, der Übersetzung von Texten und anderen alltäglichen Routineaufgaben können KI-Modelle bereits heute einen großen Teil unserer Arbeit übernehmen. Das Spektrum der Anwendungsbereiche und –möglichkeiten ist riesig und wird mit zunehmender Leistungsfähigkeit der Modelle immer größer und allgegenwärtiger.

KÜNSTLICHE INTELLIGENZ, ROBOTICS, CLOUD-COMPUTING

Immer neue disruptive Trends, Produkte und Services entstehen in immer schnellerer Geschwindigkeit. Ob es schon zu spät oder gerade erst der Anfang einer Super-Hausse ist, kann keiner mit Gewissheit sagen. Und Investments in einige wenige vermeintliche Gewinner-Aktien können sich, wie die Beispiele Paypal oder Zoom zeigen, als erschreckendes finanzielles Fiasko entpuppen. Aufgrund der Komplexität und Dynamik ist es für Anleger ratsam, lieber nicht auf Einzeltitel sondern auf Fonds zu setzen.