Beinahe täglich werden derzeit Fortschritte bei der Anwendung Künstlicher Intelligenz gemeldet. Im Mittelpunkt stehen dabei meist US-Konzerne. Wird Deutschland auch bei dieser Zukunftstechnologie abgehängt?
Der linke Hebel der Fernsteuerung setzt das Fahrzeug in Gang, mit dem rechten lässt sich der Lenkeinschlag verändern. Für Ungeübte ist es gar nicht so leicht, das E-Modellauto so zu steuern, dass es der dicken weißen Linie folgt, die einen Kreis auf dem Teppichboden bildet. Während der Fahrt schießt die eingebaute Kamera Hunderte Fotos, und der Bordcomputer speichert jeweils den aktuellen Lenkwinkel.
So gewinnt das System Informationen darüber, wie weit das Steuer in einer bestimmten Situation eingeschlagen werden muss. Werden diese Daten entsprechend aufbereitet, lässt sich damit eine Software entwickeln, die den Miniboliden ganz ohne menschliches Zutun auf der weißen Linie hält und auch bisher unbekannte Streckenverläufe bewältigen kann.
So unspektakulär wie bei dieser Vorführung auf dem Bosch-Campus in Renningen kann Künstliche Intelligenz (KI) daherkommen. Im Kern geht es immer darum, aus Daten zu lernen – also in großen Datensätzen Muster und Gesetzmäßigkeiten zu erkennen, mit deren Hilfe sich Prozesse und Tätigkeiten automatisieren lassen.
Prinzipiell macht es keinen Unterschied, ob eine KI-gestützte Software selbstständig Texte generieren, eine Produktionsanlage steuern, Objekte auf Bildern erkennen oder ein Auto lenken soll. Allerdings brauchen etwa die großen Sprachmodelle, die hinter ChatGPT und ähnlichen Programmen stecken, viel, viel mehr Trainingsdaten und Rechenleistung als eine Software, die lediglich den Lenkeinschlag eines Modellautos steuern soll.
Bosch setzt vor allem auf industrielle KI-Anwendungen – zum Beispiel auf Systeme, die in der Halbleiterproduktion selbstständig Abweichungen erkennen und darauf reagieren können. Auch Logistik und Wartung ließen sich mit KI optimieren, sagt Markus Fausten, der bei dem Konzern die KI-Forschung leitet. „Intelligente Systeme können zum Beispiel vorhersagen, wann ein Maschinenteil voraussichtlich ersetzt werden muss.“ Dadurch seien Kosteneinsparungen von mehr als 50 Prozent möglich.
KI soll bei Bosch zudem helfen, den konzerneigenen Datenschatz besser zu nutzen. Über KI-optimierte Suchanfragen könnten Beschäftigte schneller und zielgenauer an benötigte Informationen herankommen. Hierbei sollen ähnliche KI-Strategien wie etwa im Textgenerator ChatGPT genutzt werden. Die Rede ist von sogenannten Foundation-Modellen, die mit sehr vielen Daten trainiert werden und leichter als bisherige KI-Software an neue Aufgaben angepasst werden können. Insgesamt würden derzeit 60 verschiedene Einsatzmöglichkeiten für solche Modelle geprüft, heißt es bei Bosch. Das ursprünglich für 2025 ausgegebene Ziel, dass alle Produkte entweder KI enthalten oder mit ihrer Hilfe hergestellt werden, will der Konzern bereits in diesem Jahr erreichen. Bosch beschäftigt nach eigenen Angaben mehr als 300 KI-Forscher. 26 500 Mitarbeiter seien bereits in der Anwendung von KI geschult worden.
In der industriellen KI, die vor allem auf Geschäftskunden zielt, seien Deutschland und Europa nicht schlecht aufgestellt, sagt Daniel Abbou, Geschäftsführer des KI Bundesverbandes. Bei KI-Anwendungen, die sich an Endverbraucher richten, liegen dagegen US-Konzerne sehr weit vorne. Schon etliche Millionen Nutzer haben die beeindruckenden Fähigkeiten generativer KI-Programme wie ChatGPT oder Dall-E erlebt. Von einer KI-gestützten Produktionsanlage bekommt der Normalverbraucher dagegen kaum etwas mit.
Bei den gesamten Ausgaben für KI-Entwicklung liegt Deutschland dennoch weit hinter den USA und China zurück. In den Vereinigten Staaten wurden 2022 gut 47 Milliarden Dollar in diesem Bereich investiert – 20-mal so viel wie hierzulande. Auch Großbritannien, Indien oder China geben mehr aus.
Das Problem seien in Deutschland weniger große Konzerne, die wie Bosch ihre KI-Aktivitäten deutlich ausbauen wollen, sagt Abbou. „Bei vielen kleinen und mittleren Unternehmen ist dagegen noch nicht so richtig angekommen, welche Rolle KI in Zukunft spielen wird.“ So mancher Mittelständler habe Angst, dass sensible Daten am Ende bei der Konkurrenz in China landen könnten. „Andere sehen KI und Digitalisierung nur als Ergänzung für ihre bisherigen Produkte“, meint Abbou. Bahnbrechende Innovationen entstünden so kaum.
Inzwischen sei in Wirtschaft und Politik aber an vielen Stellen ein Bewusstseinswandel festzustellen, meint der Verbandschef. „Die Aufholjagd hat begonnen.“ Abbou hält es für realistisch, dass es in den nächsten fünf Jahren gelingen wird, eine eigene europäische KI-Infrastruktur aufzubauen und so die Abhängigkeit von den US-Konzernen zu verringern. Er nennt dafür zwei wesentliche Voraussetzungen: deutlich höhere Investition der Unternehmen in KI in Kombination mit mehr staatlicher Förderung – und eine maßvolle Regulierung. Wenn der AI Act der EU dazu führe, dass am Ende fast alle KI-Anwendungen in die höchste Risikoklasse kämen, drohe Europa weiter zurückzufallen.
„Wir müssen weg von Horrorszenarien à la Hollywood“, sagt Abbou mit Blick auf die Warnung einiger Silicon-Valley-Größen vor einer drohenden Herrschaft der Maschinen. Das dort geforderte Entwicklungsmoratorium hält der Verbandschef für einen schlechten Witz. „Die konnten ihre Modelle ohne jegliche Regulierung trainieren. Und jetzt fordern sie plötzlich strengere Gesetze.“ Letztlich gehe es den Initiatoren des Moratoriums vor allem darum, ihren Vorsprung zu verteidigen.
KI
Unter Künstlicher Intelligenz werden unterschiedliche Technologien zusammengefasst. Allgemeinen versteht man darunter die Fähigkeit, mittels Software menschliche Fähigkeiten wie Denken oder Lernen zu imitieren.
Maschinelles Lernen
Dabei geht es darum, in großen Datensätzen Muster zu erkennen. Ziel ist dabei die automatisierte Lösung ähnlich gelagerter Aufgaben.
Neuronale Netzwerke
Ihr Aufbau orientiert sich grob vereinfacht an der Art und Weise, in der biologische Nervenzellen miteinander verknüpft sind. Die Daten werden dabei in mehreren Schichten verarbeitet.
Deep Learning
Hier werden besonders leistungsfähige „tiefe“ neuronale Netze genutzt. Deep Learning ist die Basis sogenannter generativer KI, die hinter Programmen wie ChatGPT steht.
Potenzial
Laut einer Studie der Beratungsfirma McKinsey könnte generative KI weltweit einen jährlichen Produktivitätszuwachs von bis zu 4,1 Billionen Euro bringen. Das entspräche ungefähr dem deutschen Bruttoinlandsprodukt.
