Maschinelles Lernen

Maschinelles Lernen wird in nahezu allen Industrien und Branchen Anwendung finden. Bild: Pixabay

Es gibt derzeit wohl kaum ein Technologiethema, das so fasziniert, aber auch so kontrovers diskutiert wird wie künstliche Intelligenz und ihre Subkategorie maschinelles Lernen. Algorithmen, die selbständig Wissen aus Daten generieren können, ohne explizit programmiert worden zu sein, ermöglichen es Maschinen mittlerweile zu sehen, zu lesen, zu hören und zu interagieren. Im intelligenten Unternehmen ermöglicht es maschinelles Lernen, dass Prozesse verbessert und effizienter gestaltet werden können. Das steigert die Produktivität und erlaubt Mitarbeitern, sich Aufgaben zu widmen, die größeren Mehrwert schaffen.

Maschinelles Lernen wird in nahezu allen Industrien und Branchen Anwendung finden. Die wirtschaftlichen Vorteile gehen über Kostenersparnis hinaus: Unternehmen können Prognosen über Märkte, Kundenverhalten oder die Laufleistung von Maschinen machen, operative Arbeit wird weitreichend optimiert und Kundendienste sowie der Umgang mit Software können vollständig personalisiert werden. Nicht zuletzt kann maschinelles Lernen auch dazu beitragen, einigen der dringlichsten sozialen Herausforderungen der Gegenwart zu begegnen wie etwa Gesundheitswesen, Katastrophenprävention und öffentliche Sicherheit.

Doch dem gegenüber stehen auch eine Vielzahl von Bedenken und Unsicherheiten. Welche Auswirkungen wird maschinelles Lernen auf den Arbeitsmarkt haben? Wie können Datenschutz und die menschliche Kontrolle über maschinelle Entscheidungsfindungsprozesse weiterhin sichergestellt werden? Wird die Intelligenz von Maschinen schon bald gleichauf mit der des Menschen sein oder ihn gar überflügeln?

Zahl von Unternehmen, die Künstliche Intelligenz einsetzen
Bislang dominieren die USA eindeutig bei der Zahl von Unternehmen, die Künstliche Intelligenz einsetzen. Quelle: SAP

Luka Mucic, SAP-Vorstand und Chief Financial Officer, hält es für wichtig, dass diese Bedenken und Unsicherheiten in der öffentlichen Diskussion aufgegriffen werden: „Der Mensch wird auch in Zukunft die wichtigste Rolle spielen, aber diese wird sich ändern. Das Ziel sollte sein, dass sich Mensch und Maschine am Arbeitsplatz ergänzen und Maschinen die menschliche Arbeit unterstützen. Um darauf vorbereitet zu sein, müssen Politik, Industrie und Zivilgesellschaft in einen Dialog treten, zu dem SAP mit dem vorliegenden Thought Leadership Paper einen Beitrag leisten möchte.“

Das intelligente Unternehmen: Europas Chance auf dem Weltmarkt

Dass künstliche Intelligenz in Zukunft weltweit ein wichtiger Treiber von Innovation, Wachstum und Produktivität sein wird, steht außer Frage. Doch welche Rolle wird dabei Europa zufallen? Derzeit entspinnt sich ein Wettlauf zwischen China und den USA um die Weltmarktführerschaft in Sachen künstlicher Intelligenz, bei dem der europäische Kontinent bisher allenfalls Zaungast zu sein scheint.

Die USA sind aktuell Weltmarktführer in Sachen künstlicher Intelligenz. Unternehmen wie Google, Facebook und Microsoft investieren nicht nur in ML-Technologien, sondern sind auch durch ihren Zugang zu großen Datenmengen im Vorteil. In 2016 wurden ca. zwei Drittel aller Investitionen in ML-Technologien in den USA getätigt.

China kann mit einem großen Talentpool und den Daten von 1,4 Mrd. Menschen punkten und schickt sich an, neben den USA eine globale Führungsrolle im Bereich KI zu übernehmen. Die chinesische Regierung hat kürzlich einen Entwicklungsplan vorgelegt, der eine chinesische Weltmarktführerschaft im Bereich KI bis 2030 anstrebt. Unternehmen wie Alibaba und Baidu investieren massiv in autonomes Fahren, Smart Traffic, Verteidigung und Gesundheitswesen. Bis Ende 2018 könnte der chinesische Markt für künstliche Intelligenz auf 5 € Mrd. anwachsen.

Europa verfügt zudem über starke Industriekompetenz, die essentiell wichtig ist, um ML-Lösungen auf dem neusten Stand der Technik zu entwickeln. Zahlreiche große und kleine europäische Firmen sind Marktführer in ihren jeweiligen Bereichen und haben ein hohes Innovationspotenzial. In Paris, London und Berlin gibt es Startupszenen, die sich intensiv mit künstlicher Intelligenz beschäftigen. Im Bereich Data Analytics haben sich europäische Firmen bereits gut mit ML-Lösungen aufgestellt.

Andererseits gibt es in Europa auch ganz besondere Herausforderungen in Bezug auf die soziale Akzeptanz von ML-Technologien. Der Erfolg von maschinellem Lernen in Europa wird unmittelbar davon abhängen, dass bei der Entwicklung und Anwendung gesetzliche Standards und europäische Werte respektiert werden.