Künstliche Intelligenz – Eine Managementperspektive (Teil 2): Wie sich KI auf die Wirtschaft auswirken wird

/von

KI wird die Wirtschaft in den nächsten Jahren sehr stark verändern. Gemäß einer aktuellen Studie prognostizieren mehr als 70 Prozent der befragten Führungskräfte bis 2025 einen großen bis sehr großen Einfluss der KI auf ihre Unternehmensstrategie.[1]

Methodisch stehen derzeit Deep-Learning-Ansätze, etwa auf Basis von Künstlichen Neuronalen Netzen (KNN), hoch im Kurs und dies wird sich vermutlich auch in den nächsten Jahren nicht ändern. Demgegenüber sinkt die Bedeutung (regelbasierter) Expertensysteme deutlich. Häufig findet man auch eine Verbindung verschiedenster methodischer Ansätze. Die folgende Tabelle zeigt eine Auswahl interessanter Anwendungsgebiete mit Literaturquellen auf:

Quelle Einsatzgebiete von KI
Infosys (2016), S. 8 Big Data, Predictive Analytics, Maschinenlernen, Expertensysteme, neuronale Netzwerke
Irrgang &Klawitter (2010), S. 21 ff. Expertensysteme in Industrie, Medizin, Wissenschaft und Forschung, Militär, Spielen, Büroautomation, Wirtschaft und Finanzen, Lehre und Ausbildung, Bibliothekswesen, Ingenieurwissenschaften
Mainzer (2016), S. 172 ff. Industrie 4.0
Soprasteria (2017), S. 7 Robotic Process Automation (RPA), intelligente Automatisierungstechnologien, digitalen Assistenten, intelligente Sensorik, selbstlernende Maschinen
Bauer et al. (2017), S. 8 Autonomes Fahren, Predictive maintenance, Collaborative and context-aware robots, Yield enhancement in manufacturing, Automated quality testing, AI-enhanced supply chain management, Business support function automation
Purdy & Daugherty (2016), S.11 Computer Vision, Audio Processing, Natural Language Processing, Knowledge Representation, Maschinenlernen, Expertensysteme
Mills (2016), S. 3 Maschinenlernen, Natural Language Processing (NLP), Expertensysteme, Vision, Sprache, Planung, Robotik

Eine viel diskutierte Debatte dreht sich um die potenzielle Vernichtung von Arbeitsplätzen durch KI. Hierzu gibt es viele Studien, die zu völlig unterschiedlichen Ergebnissen kommen und die ich Ihnen hier ohne Anspruch auf Vollständigkeit zusammengestellt habe.

Quelle Auswirkungen auf Arbeitsmarkt

Chui, Manyika, & Miremadi (2016)

 
    • 45 Prozent der bezahlten Aktivitäten können automatisiert werden
    • 78 Prozent vorhersagbarer Arbeit ist automatisierbar
  • Arbeitsplatz von allen wird transformiert

Government (2016), S. 2.
    • Entstehung Arbeitsplätze in den Bereichen Entwicklung und Kontrolle von Künstlicher Intelligenz
  • Bedrohung von Arbeitsplätzen im Niedriglohnsegment
Mainzer (2016), S. 178.

 
    • Entstehung Arbeitsplätze im Kundenservice, in der Mechatronik und Robotik
  • Überdisziplinäre Zusammenarbeit in Teams und gesteigerte Kooperationsfähigkeit notwendig
Wisskirchen et al. (2017), S. 14 ff.
    • 1/3 der Arbeit, welche einen Bachelor Abschluss voraussetzt, kann automatisiert werden
    • Gradueller Prozess
    • Keine Nachfrage mehr für einfache, repetitive Arbeit
  • Höhere Nachfrage für hochqualifizierte Arbeitnehmer (Verständnis für IT, Mathematik, Wissenschaft; soziale und interdisziplinäre Kompetenz)
Stanford University (2016)
    • Ersatz von Aufgaben statt gesamter Jobs in naher Zukunft
    • Schaffung neuer Arten von Jobs
    • Gradueller Prozess
    • Automatisierung von z.B. Radiologen, LKW Fahrern, Gärtnern
    • Kleinere Organisationsgrößen
  • Neue Märkte
Markoff (2011)
    • Neue Jobs am Ende der Wirtschaftspyramide
    • Verlust von Jobs in der Mitte der Wirtschaftspyramide
  • Verlangsamtes Wachstum von Jobs an der Spitze der Wirtschaftspyramide bedingt durch Automatisierung
PwC (2017)
    • 35 % existierender Jobs (Deutschland) sind durch Automatisierung bedroht
    • Natur der Jobs wird sich eher ändern, als dass Jobs verschwinden
    • Bedrohte Sektoren: Transport, Fertigung, Handel
    • Weniger bedrohte Sektoren: Bildung, Gesundheit, Sozialarbeit
  • Einkommensungleichheit wird steigen

Dabei kann ich mich auch aufgrund der völlig unterschiedlichen Ergebnisse des Eindrucks nicht erwehren, dass sich einige Autoren bei ihren Analysen auch an den Interessen ihrer Auftraggeber oder an zu erwartender Aufmerksamkeit im Netz orientieren.

Ich bin hier vorsichtig optimistisch und denke nicht, dass es durch KI zu einer massenweisen Vernichtung von Arbeitsplätzen kommen wird. Natürlich würde ich einem jungen Menschen vor dem Hintergrund der Fortschritte auf dem Gebiet des autonomen Fahrens heute nicht raten, den Beruf eines Bus- oder LKW-Fahrers zu wählen. Aber unter dem Strich wird es vermutlich ähnlich wie etwa bei der Automatisierung im Produktionsbereich ausgehen. Auch hier wurden viele Jobs durch Maschinen ersetzt, aber es wurden auch neue geschaffen und heute haben wir zum Glück eine vergleichsweise geringe Arbeitslosigkeit. Eine ähnliche Entwicklung am Arbeitsmarkt werden wir vermutlich auch beim Thema KI erleben, wobei es grundsätzlich zu einer Verschiebung hin zu Arbeitsplätzen für höher Qualifizierte kommen wird. Daher denke ich auch nicht, dass eine Robotersteuer, wie von Bill Gates gefordert, sinnvoll und notwendig ist.

Neben den Erfolgsmeldungen gibt es natürlich auch Fragestellungen, an denen sich die Algorithmen erfolglos die Zähne ausbeißen. Ein aktuelles Beispiel hierzu – nicht nur im Kontext Sozialer Netzwerke – ist die Erkennung von „Fake News“. Allerdings ist anzumerken, dass in Experimenten Menschen sogar noch schlechter als die Algorithmen abschneiden. Es wäre mal spannend, ob ein besserer Algorithmus den Satz „KI wird in 100 Jahren die Weltherrschaft übernehmen“ als Fake News oder wahr klassifizieren würde.

Ein Fehler in der öffentlichen Diskussion über KI besteht m. E. darin, dass häufig suggeriert wird, es gäbe eine Maschine, die über eine ähnliche Form von Intelligenz und Bewusstsein verfügt, wie wir Menschen. Stichwort: die Maschinen übernehmen die Macht über die Menschen. Informatiker sprechen in diesem Kontext auch von starker KI. Ich sehe hier keinen Grund zur Beunruhigung, denn von einer solchen Entwicklung sind wir m. E. noch meilenweit entfernt und ähnliche Horrorvisionen gab es schon vor Jahrzehnten. Es ist einfach schön schaurig und gruselig: Hollywood lässt grüßen.

Natürlich wäre es eine Fehleinschätzung zu denken, dass man einfach mal KI im Unternehmen einführt und auf einmal das Marketing, das Bestellwesen, die Softwareentwicklung etc. „intelligent“ sind. Vielmehr ist es so, dass wir von Algorithmen sprechen, die selbständig bestimmte Aufgaben durchführen, Entscheidungen treffen und dabei auch lernen, wie das etwa bei KNN der Fall ist. Das würde beispielsweise bedeuten, dass man in einem Unternehmen eine KI-basierte Predictive-Analytics-Anwendung in der Produktionssteuerung hätte und eine weitere KI-Anwendung, die in der Lage ist, Anomalien aufzudecken, die auf einen Sicherheitsvorfall hindeuten usw. Auch IBM Watson ist beispielsweise keine wirkliche „general purpose machine“ (auch wenn das Marketing dies schon durch den genial gewählten Namen „Watson“ geschickt suggeriert!), sondern dahinter verbergen sich einzelne und zum Teil sehr leistungsfähige Algorithmen für verschiedenste Anwendungsgebiete. Beispielsweise spielt eine Anwendung Schach, eine andere Jeopardy, eine dritte macht Spracherkennung usw.

Von der „starken“, alles beherrschenden KI sind wir also noch sehr weit weg und ich denke auch nicht, dass sie in absehbarer Zeit kommen wird. Es gibt hierzu aber auch andere Meinungen. Beispielsweise ist KI-Forscher Ray Kurzweil von Google recht ambitioniert und frei von Selbstzweifeln. Auf die Frage, ob es Gott gibt, antwortete er: „Noch nicht“.

Literatur

Accenture (2016): Why artificial intelligence is the future of growth

https://www.accenture.com/lv-en/_acnmedia/PDF-33/Accenture-Why-AI-is-the-Future-of-Growth.pdf

Bauer, H. et al. (2017): Smartening up with Artificial Intelligence (AI) – What’s in it for Germany and its Industrial Sector?

https://www.mckinsey.de/files/170419_mckinsey_ki_final_m.pdf

Chui, M., Manyika, J., & Miremadi, M. (2016): Where machines could replace humans—and where they can’t (yet) (2016)

http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet

E&Y (2016): Einsatz digitaler Technologien in der Immobilienwirtschaft

http://www.ey.com/Publication/vwLUAssets/ey-einsatz-digitaler-technologien-in-der-immobilienwirtschaft/$FILE/ey-einsatz-digitaler-technologien-in-der-immobilienwirtschaft.pdf

Government, USA (2016): Artificial Intelligence, Automation, and the Economy  (2016)

https://obamawhitehouse.archives.gov/sites/whitehouse.gov/files/documents/Artificial-Intelligence-Automation-Economy.PDF

Infosys (2016): Amplifying Human Potenzial: Towards Purposeful Artificial Intelligence

https://www.infosys.com/aimaturity/Documents/amplifying-human-potential-CEO-report.pdf

Irrgang, B., & Klawitter, J. (2010): Künstliche Intelligenz: technologischer Traum oder gesellschaftliches Trauma?(2010)

https://hds.hebis.de/ulbda/Record/HEB381280861

Mainzer, K. (2016): Künstliche Intelligenz – Wann übernehmen die Maschinen? (2016)

https://link.springer.com/book/10.1007%2F978-3-662-48453-1

Markoff, J. (2011): Armies of Expensive Lawyers, Replaced by Cheaper Software (2011)

http://www.nytimes.com/2011/03/05/science/05legal.html

Mills, M. (2016): ARTIFICIAL INTELLIGENCE IN LAW: THE STATE OF PLAY 2016 (2016)

https://www.neotalogic.com/wp-content/uploads/2016/04/Artificial-Intelligence-in-Law-The-State-of-Play-2016.pdf

PwC (2016): Big Data for Big Decisions: Algorithmen halten Einzug in die Chefetage

https://www.pwc.de/de/business-analytics/assets/big-decisions-survey-2016.pdf

PwC (2017): Up to 30% of existing UK jobs could be impacted by automation by early 2030s, but this should be offset by job gains elsewhere in economy

http://pwc.blogs.com/press_room/2017/03/up-to-30-of-existing-uk-jobs-could-be-impacted-by-automation-by-early-2030s-but-this-should-be-offse.html

Sopra Steria Consulting (2017): Potentialstudie: Künstliche Intelligenz

https://www.soprasteria.de/docs/librariesprovider33/Studien/potenzialanalyse-künstliche-intelligenz-2017.pdf?sfvrsn=0

Stanford University (2016): One Hundred Year Study on Artificial Intelligence (AI100): Employment and Workplace (2016)

https://ai100.stanford.edu/2016-report/section-ii-ai-domain/employment-and-workplace

Wisskirchen, G, Biacabe, B. T., Bormann, U., Muntz, A., Niehaus, G., Soler, G. J., von Brauchitsch, B. (2017): Artificial Intelligence and Robotics and Their Impact on the Workplace. (2017)

http://matrixni.org/documents/artificial-intelligence-robotics-impact-workplace/

[1] Soprasteria (2017), S. 9.

Wie wirtschaftlich ist der Einsatz von Social Collaboration Tools?

/von

Häufig ist in der digitalen Arbeitswelt das folgende Paradox zu beobachten: Über das Internet arbeiten wildfremde Menschen häufig kooperativer zusammen als das innerhalb von Unternehmen der Fall ist. Nehmen wir beispielsweise den Austausch von Quellcode (nicht selten hunderte Zeilen selbstentwickelte Software) unter Softwareentwicklern, die sich gar nicht persönlich kennen. Das Motiv ist häufig ganz einfach: Die Entwickler wollen sich gegenseitig helfen – oder auch später einmal nach dem Motto „eine Hand wäscht die andere“ profitieren. In Unternehmen finden sich in vielen Fällen ganz andere Denkmuster. Informationen werden zurückgehalten, gegenseitige Hilfe findet häufig aus Zeitmangel oder anderen Motiven kaum statt.

Im Rahmen unserer zum zweiten Mal durchgeführten Deutschen Social Collaboration Studie haben wir untersucht, ob der Einsatz von Social Collaboration Tools eine sinnvolle Unterstützung bieten kann, um die Zusammenarbeit von Mitarbeitern in Unternehmen zu verbessern. In diesem Kontext bezeichnet „Social Collaboration“ den Einsatz moderner Technologien, um neue Formen der Zusammenarbeit zu unterstützen bzw. Mitarbeiter besser zur Bewältigung aktueller Aufgaben zu befähigen. Ein Beispiel stellt der Einsatz von Enterprise Social Networks (ESN) dar. Im Rahmen der zweiten Social Collaboration Studie haben wir in Kooperation mit dem Beratungshaus Campana & Schott insgesamt 1005 Mitarbeiter aus verschiedensten Industrien befragt.

Anzahl der Befragten

Tätigkeitsfelder der Befragten

Branchen

Die Ergebnisse zeigen grundsätzlich positive Effekte der Investition in Social Collaboration Tools, wie die folgende Zusammenfassung zeigt:

Verbesserung der Unternehmenskultur

Um Aussagen über die Ziele des Einsatzes von Social Collaboration Tools zu erhalten, wurden Mitarbeiter mit Führungsverantwortung zu diesem Thema befragt. Interessanterweise rangiert die Verbesserung der Unternehmenskultur ganz oben auf der Liste der wichtigsten Ziele. Das ist auch deshalb bemerkenswert, weil traditionelle Prioritäten beim IT-Einsatz  wie beispielsweise Kostensenkungen offenbar in den Hintergrund treten.

Ziele von Social Collaboration

Die Studie zeigt zudem einen positiven Zusammenhang zwischen dem Zugehörigkeitsgefühl zum Unternehmen und der Nutzung von Enterprise Social Networks. Das heißt, entweder nutzen Mitarbeiter, die sich tendenziell stärker mit dem Unternehmen identifizieren, eher stärker ein ESN – oder die ESN-Nutzung stärkt das Zugehörigkeitsgefühl.

Der Einsatz von Social Collaboration Tools führt zu einer höheren Arbeitseffizienz

In der Studie haben wir verschiedene Szenarien für den Einsatz von Social Collaboration Tools entwickelt und auf dieser Basis den Social Collaboration Reifegrad gemessen. Die Ergebnisse zeigen einen positiven Zusammenhang zwischen diesem Reifegrad – vereinfacht ausgedrückt: der Intensität der Nutzung von Social Collaboration Tools für verschiedene Aufgabenstellungen – und der Arbeitseffizienz der Mitarbeiter:

Arbeitseffizienz der Mitarbeiter

Ein besonders positiver Zusammenhang existiert für den Einsatz von Enterprise Social Networks.

Social Collaboration Tools erhöhen die Innovationskraft

Die Innovationskraft kann durch den Einsatz dieser Tools und von Enterprise Social Networks insbesondere dadurch erhöht werden, dass die Zusammenarbeit in Teams besser unterstützt wird. Dies erfolgt wiederum dadurch, dass die ESN-Nutzung signifikant positiven Einfluss auf das Metawissen der Mitarbeiter hat. Wenn einer vom anderen weiß, mit welchen Themen er oder sie sich gerade beschäftigt und wer im Unternehmen über welche Spezialkenntnisse, Fähigkeiten und Connections verfügt, lassen sich neue Ideen besser kombinieren und schneller in marktreife Angebote überführen. Das Wissen in Bezug auf die Expertise der Kollegen wird dabei als „Who knows what“ bezeichnet. Die andere Dimension des Metawissens wird „Who knows whom“ genannt und repräsentiert das Wissen der Mitarbeiter in Bezug auf die Verbindungen ihrer Kollegen. Die Studie zeigt einen klaren Zusammenhang zwischen dem Nutzungsgrad von Enterprise Social Networks und den beiden genannten Metawissen-Dimensionen.

Die gesamte Studie können Sie unter http://www.collaboration-studie.de/ herunterladen.

Der Preis des Kostenlosen – Was sind unsere Daten wert?

/von

Seit 2012 führen wir in Kooperation mit dem Radiosender hr-iNFO unsere Studie „Der Preis des Kostenlosen“ durch. Wir konzentrieren uns dabei insbesondere auf zwei Fragen:

1. Wie hoch ist die Akzeptanz für Geschäftsmodelle, die vordergründig kostenlos erscheinen, die aber eigentlich mit den Daten ihrer Nutzer Geld verdienen?
2. Was sind den Befragten ihre Daten wert?

Im Gegensatz zu den ersten beiden Untersuchungen haben wir dieses Mal eine repräsentative Stichprobe erhoben – wir hatten etwas mehr als 1000 Teilnehmer.

Mittlerweile entsteht insbesondere in den USA eine ganze Industrie, die mit Daten der Kunden Geld verdient. Beispielsweise kann man dort seine Daten, etwa die eigenen Lokationsdaten oder Kreditkartenumsätze, direkt an Anbieter verkaufen. Unsere Studie zeigt, dass dieses Prinzip für eine knappe Mehrheit der Befragten ein Geschäftsmodell ist wie jedes andere auch. Gleichzeitig würden die meisten ihre eigenen Daten aber nicht verkaufen.

Spannend: Je älter die Befragten sind, desto skeptischer sind sie in Bezug auf diese neuen Geschäftsmodelle. Ebenso steigt die Sorge, die sich die Befragten um ihre Privatsphäre machen, mit dem Alter an. Die Ergebnisse geben damit auch Hinweise darauf, wo die Reise mit den datenbasierten Geschäftsmodellen zukünftig hingehen könnte – wenn die Akzeptanz insbesondere bei den Jüngeren größer ist.alter_privacy

Ebenfalls bemerkenswert: Die meisten Teilnehmer der Studie überschätzen den Wert ihrer Daten drastisch und sind der Meinung, dass sie etwa bei Facebook nicht ausreichend für die Preisgabe ihrer Daten kompensiert werden. Es ist also nicht nur die Sorge um die eigene Privatsphäre, die dazu führt, dass viele Befragten den Deal „Daten gegen Service“ ablehnen: Die wahrgenommene Fairness dieser Angebote sinkt signifikant, je höher der Wert der eigenen Daten eingeschätzt wird.

Ein amüsantes Detail: Männer waren sich sehr sicher, dass sie den Wert ihrer Daten richtig einschätzen. Sie lagen aber genauso falsch wie die Frauen!

Dann noch eine spannende Zahl zu einem bemerkenswerten Paradox: Circa 60 Prozent der Facebook-Nutzer sagen, dass sie ihre Daten nie an die neuen Anbieter von datenbasierten Geschäftsmodellen verkaufen würden. Die Nutzer geben ihre Daten also kostenlos (in diesem Fall auf Facebook) preis, würden sie aber nicht verkaufen. Ein schöner Widerspruch, finde ich, den man psychologisch erklären kann. Wir haben statistisch kontrolliert, dass diese 60 Prozent der Befragten durchaus über den Wert der Daten nachdenken. Der Widerspruch lässt sich also nicht durch Gedankenlosigkeit erklären.
Wer mehr Interesse an diesem Thema hat, hier der Link zur Sendung vom Hessischen Rundfunk.

Im nächsten Beitrag werde ich meinen Blick auf die andere Seite lenken und darauf eingehen, welchen Wert die Daten für Unternehmen haben.

Facebook steigert Gewinn um 186 Prozent

/von

Für soziale Netzwerke wie Facebook gelten die Spielregeln der Digitalwirtschaft. Dazu gehören auch Netzeffekte, die häufig zu Winner-takes-it-all-Märkten führen. Dies hat wiederum zur Folge, dass es junge innovative Konkurrenten schwer haben. So hat es Facebook geschafft, trotz zum Teil berechtigter Kritik an den neuen Datenschutzrichtlinien und der Abwanderung insbesondere junger User einen Rekord-Umsatz und Rekord-Gewinn einzufahren.

Zum vollständigen Artikel in der ZEIT gelangen Sie hier.