Im Frühjahr 2023 gibt es auf dem US-amerikanischen Arbeitsmarkt rund zehn Millionen offene Stellen bei rund fünf Millionen Erwerbslosen. Die Arbeitslosenquote ist mit rund 3,5 Prozent auf dem niedrigsten Stand seit 1970. Theorie und Empirie der Automatisierung passen nicht zusammen. Die technischen Möglichkeiten sind vorhanden. Aber die einzelnen Unternehmen und die Gesellschaft als Ganzes tun sich schwer, Automatisierung aus dem Kriechgang zu holen. Wie kommt es zu dieser Kluft zwischen technologischer Behauptung und realwirtschaftlicher Umsetzung?

Die erste naheliegende Antwort lautet: Die Systeme funktionieren nicht so gut, wie ihre Entwickler versprechen. Diese Lesart wäre nicht neu, sondern begleitet Künstliche Intelligenz von ihren Anfängen; und dies im sehr wörtlichen Sinne. Der Begriff „Künstliche Intelligenz“ wurde für Marketing-Zwecke geboren. Die Organisatoren der berühmten Dartmouth Konferenz im Jahr 1956 suchten für ihren Förderantrag bei der Rockefeller-Stiftung nach einem eingängigen Schlagwort, um den Geldgeber für sich zu gewinnen. Der schon damals sehr gängige Begriff „Maschinelles Lernen“ erschien ihnen nicht sexy genug. „Künstliche Intelligenz“ war das größtmögliche Versprechen, das die Pioniere der KI den Maschinen zuschreiben konnten. Der Trick gelang bei der Rockefeller-Stiftung. Er funktioniert heute nach wie vor sehr gut, wenn Budgets zu holen sind: bei Forschungspolitikern und Risikokapitalgebern, bei Topmanagern und IT-Einkäufern. Den Versprechen der Verkäufer folgt, auch das ist nicht neu, oft die Enttäuschung der Kunden und Anwender. Weil Technologie ihre Probleme nicht löst, so die erste Lesart, rückbesinnen die Unternehmen sich auf menschliche Intelligenz und Handarbeit. Manche Systeme sorgen gar für mehr menschliche Arbeit, weil sie mehr Verwirrung stiften als Nutzen.  

Eine zweite häufige Deutung ist ebenfalls naheliegend: Wir haben ein Umsetzungsproblem. Verfügbare Automatisierungs-Technologie mag nicht ganz so gut sein wie von den Anbietern behauptet. Aber sie könnte viel mehr Wirkung entfalten, wenn wir sie in Unternehmen und öffentlichem Sektor im Zuge digitaler Transformation konsequent angingen. Im Klartext hieße das: Wir heben das Potenzial von ziemlich intelligenten Systemen als einzelne Unternehmen und Gesellschaft nicht, weil wir es entweder gar nicht wollen oder schlicht unfähig sind, das Beste aus der Technologie für Wertschöpfung und bessere Arbeit herauszuholen. Psychologen würden dies wohl eine menschliche Selbstlimitation im Umgang mit Künstlicher Intelligenz nennen. Deutung eins und zwei schließen sich natürlich nicht aus, sondern können sich gegenseitig verstärken. Sie haben zudem eins gemeinsam: Sie gründen auf einer Mensch-gegen-Maschine-Logik. Genau hier liegt der eigentliche Logikfehler, der sich gerade im Zuge der rasanten Entwicklung rund um ChatGPT und ähnliche große Sprachmodelle verstetigt.

Wieder heißt es: Maschinen werden Menschen ersetzen. Bei Osborne und Frey waren es LKW-Fahrer und Lageristen, Radiologen und Buchhalter. Heute sind es angeblich Anwälte und Werbetexter, Programmierer und Callcenter-Mitarbeiter. Niemand kennt die Zukunft. Natürlich ist es theoretisch möglich, dass diesmal KI-Systeme tatsächlich Menschen massenhaft die Jobs rauben und es für die Menschen dann vorerst auch keine Arbeit mehr gibt, weil „generative Künstliche Intelligenz“ dem Menschen in zu vielen Belangen überlegen ist. Dann wären vollautomatisierte Unternehmen in der Tat vermutlich bald kein Gedankenexperiment mehr, sondern die Regel. Aber ist eine solche Zukunft wahrscheinlich? Mit hoher Wahrscheinlichkeit nicht. Plausibler ist eine dritte Möglichkeit, die Kluft zwischen angekündigter zu tatsächlicher Automatisierung zu erklären. Auch die ist eigentlich naheliegend, findet aber in den hitzigen Debatten über die Allmacht der Maschinen kaum Beachtung. Automatisierung ist kein disruptiver Prozess, wie vom Silicon Valley und seinen angeschlossenen Anstalten immer wieder verkündet, sondern ein schleichender. In diesem Prozess werden selten Menschen ersetzt und oft menschliche Fähigkeiten verstärkt.

Der jüngste KI-Euphorie wurde ausgelöst durch die Innovation der großen Sprachmodelle. Die Grundidee hinter dem technischen Ansatz ist einfach und mehrere Jahrzehnte alt. Ein Sprachmodell sagt voraus, welches Wort in einem Satz in einem gegebenen Kontext mit höchster Wahrscheinlichkeit folgt. Dieses Wort fügt es dann an. Die beeindruckende Sprachkompetenz der großen Sprachmodelle vom Schlage ChatGPT erwächst aus der gigantischen Menge an Texten, die ihnen eingefüttert wurden. Die neuesten großen Sprachmodelle haben nahezu das gesamte Internet gelesen und viele Millionen digitalisierte Bücher „gelesen“. Das in den Texten gespeicherte Wissen machen sie uns Menschen über die eingebaute Wahrscheinlichkeitsrechnung zugänglich, in dem es uns nicht wie eine klassische Google-Anfrage nur Textauszüge oder Zahlen heraussucht, die wir dann selbst sondieren müssen. ChatGPT et al. geben kontextualisiert Antworten im Sinne einer Durchschnittsbetrachtung, die sie aus den Lerndaten errechnet. Was die Fakten angeht, sind diese Antworten oft noch fehleranfällig. Auch fehlen ihnen oft die Nuancen, die wir bei einem klugen menschlichen Gesprächspartner schätzen. Doch zumindest in der Annäherung leisten große Sprachmodelle schon im heutigen Entwicklungszustand etwas, das vor einigen Jahren noch Science-Fiction war: Sie geben uns Zugang zum Erfahrungsschatz der Menschheit.

Große Sprachmodelle ziehen Analogien. Wenn wir mit ihnen ins Gespräch gehen und gut zuhören, lernen wir, was andere gelernt (und aufgeschrieben) haben. Die KI gibt uns Hinweise, was andere vor uns in ähnlicher Situation gedacht haben und wie sie ähnliche Aufgaben erledigt oder Probleme gelöst haben. Aus dem technischen Ansatz des „Maschinellen Lernen“ werden durch große Sprachmodelle KI-Systeme zu Lernmaschinen für Menschen. In ihrem Wesen sind große Sprachmodelle also keine Automatisierungstools wie Roboter, die Autos besser, schneller und günstiger Zusammenschweißen als die besten Facharbeiter. Sie sind Sparringpartner mit sehr viel Weltwissen. Hierin liegt das eigentliche Potenzial der neuesten KI-Generation und das macht sie so wertvoll für den Einsatz in allen Tätigkeitsfeldern der Wissensarbeit. Doch zugleich, und das ist die zweite gute Nachricht für alle, die keine menschenleeren Unternehmen mögen, liegt in dem technischen Ansatz die Grenze, was die neuen KI-Systeme leisten können – und was eben nicht. Im datenfreien Raum ist auch die cleverste und beeindruckendste Künstliche Intelligenz aufgeschmissen. Ihre Kompetenz endet, wo sie keine Analogien mehr ziehen kann, weil es keine Fallbeispiele zur Rate ziehen kann. Das unterscheidet sie von uns Menschen. 

Der Entwickler der Künstlichen Intelligenz im Allgemeinen und der großen Sprachmodelle im Besonderen haben in den letzten Jahren nicht nur eine große technische Leistung erbracht, sondern auch eine sozialpsychologische. Ihre beeindruckenden Systeme zwingen uns Menschen dazu, uns zu fragen, wer wir sind und was uns besonders macht. Der Kognitionswissenschaftler Jean Piaget hat menschliche Intelligenz wie folgt definiert: „Intelligenz ist die Fähigkeit herauszufinden, was zu tun ist, wenn wir nicht wissen, was zu tun ist.“ Arbeit ist im Wortsinn komplex. Das bedeutet, dass ständig neue Situationen entstehen, die es genauso noch nie gab. Die Welt der Arbeit, im Großen wie im Kleinen, ist weder vorherseh- noch berechenbar. Wenn wir als Menschen neues Terrain betreten, werden wir kreativ. Wir entwickeln Modelle, die Zukunft beschreiben können. Wir erdenken uns Szenarien, die es noch nicht gibt. Wir projizieren uns in diese Szenarien und überlegen, welche von ihnen wünschenswert sind und welche nicht. Wir ziehen hieraus Schlussfolgerungen, auf die vor uns noch niemand gekommen ist, und zwar nicht, weil niemand anderes darauf hätte kommen können, sondern weil noch niemand in genau dieser Situation war. Das Leben in Unternehmen ist Fußball, nicht Schach. Es ist ein Mannschaftssport und man kann auch nicht durch Mathematik gewinnen. Die Vielfalt der menschlichen Aufgaben, Ziele und Entscheidungen in den meisten Unternehmen ist um Zehnerpotenzen größer als in einem Online-Shop mit kleinem Sortiment, sagen wir für Parfums. Wenn es eines Tages tatsächlich eine vollautomatische Organisation ohne Menschen geben sollte, können wir guten Gewissens dort bestellen. Die Menschen, die dort dann nicht mehr arbeiten, haben Besseres zu tun. Und falls sie es nicht wissen, werden ihnen Personalentwickler helfen, die Künstliche Intelligenzen als Ko-Piloten und Sparringspartner nutzen.

Thomas Ramge
Publiziert im April 2024

Dr. Thomas Ramge ist Sachbuchautor, Keynote-Speaker und forscht am Einstein Center Digital Future zu Künstlicher Intelligenz. Zu KI erschienen von ihm u.a. im Reclam-Verlag „Mensch und Maschine – Wie Künstliche Intelligenz und Robotik unser Leben verändern“ und „Augmented Intelligence – Wie wir mit Daten und KI besser entscheiden“.

• Chatgpt Chat with AI or Artificial Intelligence technology, business use AI smart technology by inputting, deep learning Neural networks to understand, respond to user inputs. future technology : Adobe Stock # 566449343 ©Sutthiphong

• Cover Thomas Ramge, Mensch und Maschine

• Cover Thomas Ramge, Augmented Intelligence

In seinem Leitartikel stellt Thomas Ramge dar, dass wir uns vor KI nicht fürchten müssen, sondern sie nutzen können. Was meinen Sie?