Künstliche Intelligenz (KI) ist in aller Munde. Mal als potenzieller Arbeitsplatzvernichter und Veränderer der Gesellschaft, mal zur Effizienzsteigerung. Dabei soll sie Unternehmen flexibler machen und Arbeitnehmern unbequeme Arbeiten abnehmen. Die KI hält nun auch Einzug im Mediendesign und in der Medienproduktion und zeigt, dass es auch hier Veränderungen geben wird. Im ersten Teil unserer Serie zum Thema „Künstliche Intelligenz“ widmen wir uns all dem, was diese Künstliche Intelligenz grundlegend ausmacht: Wie ist sie definiert und welche Konzepte kommen zum Tragen?

Was „Künstliche Intelligenz“ (KI) oder „Artificial Intelligence“ (AI) ganz genau ist, darüber herrscht Uneinigkeit. Denn der Grenzverlauf zwischen klug programmierten Softwaresystemen und der technischen „Künstlichen Intelligenz “, die der menschlichen Leistungsfähigkeit gleichen soll, ist umstritten. Schon lange wird beispielsweise alles, was von zunehmend komplexeren Algorithmen gesteuert wird, lapidar als „Künstliche Intelligenz“ bezeichnet. Sofern man jedoch die komplexen Möglichkeiten des Menschen bezüglich seiner Intelligenz zugrunde legt, zeigt sich, dass technische Lösungen noch im Hintertreffen sind. Im Hinblick darauf, wie der Mensch sich Wirklichkeit aneignet und wie er sie beeinflusst, ist ein noch so leistungsfähiger Algorithmus nur eine Teillösung. Oft sogar ist er lediglich eine recht kleine Lösung, die sich auf eine simple Aufgabe konzentriert: etwa Navigation, Ampelschaltung, Gesichtserkennung oder im Fotobereich Motiverkennung.

Was macht „Künstliche Intelligenz“ aus?

Allgemein gesagt ist die KI der Versuch, das menschliche Urteilsvermögen und sein Bewusstsein technisch nachzubilden. Deshalb müssen sich Informatiker zuerst grundlegende Gedanken darüber machen, welche Fähigkeiten und Abläufe dem Menschen seine Wahrnehmung, sein Fühlen, Denken und Handeln überhaupt ermöglichen. Auch die biochemischen Grundlagen der Nervenzellenvernetzung im Gehirn wurden analysiert und ihr Aufbau in einer digitalen Form umgesetzt. Die Antworten darauf, was eine KI in ihrer Praxis ausmacht, sind dementsprechend vielfältig.

Zunächst ist auffällig, dass die KI der Leistungsfähigkeit des Menschen vor allem dann überlegen ist, wenn es um die Bewältigung großer Datenmengen geht. Soll ein Mensch etwa eine Katze auf einem Foto erkennen und die KI ebenso, fällt kein Unterschied ihrer Leistungsfähigkeit auf. Würde man die KI aber in zwei Stunden 1.000.000 Bilder nach dem Motiv durchsuchen lassen, wäre ihr Vorteil klar: Der Mensch bräuchte weitaus länger für einen vergleichsweise eintönigen Job und ihm würden bei der Motiverkennung aus Konzentrationsmangel auch Fehler unterlaufen. Die KI wird ebenfalls nicht fehlerfrei sein, kann aber im Prozess der Bilderkennung immer weiter optimiert werden. Schnelligkeit ist für sie nur eine Frage der Ressourcen, etwa der Rechenleistung oder der Art ihrer Programmierung. Bei solchen Aufgabenstellungen, bei denen es um große Datenmengen geht, kommt der Begriff „Big Data“ ins Spiel.

Was kann Big Data?

Die herkömmliche Datenverarbeitung hatte in kurzen Durchlaufzeiten etwa bei Datenbankabfragen schon einiges geleistet, zu dem der Mensch in derselben Zeit nicht in der Lage gewesen wäre. Big Data fügt dem eine weitere Dimension hinzu: Hier geht es um riesige Datenmengen, die mit den damaligen Datenverarbeitungskonzepten nicht bewältigt werden konnten. Big Data bezieht sich im Wesentlichen auf drei Dimensionen der Tätigkeiten:

• Größe: Datenvolumen und Umfang der Tätigkeit
• Schnelligkeit: Geschwindigkeit für die Datenerzeugung und den Datentransfer
• Varianz: Unterschiedliche Datentypen und ihr Ursprung

Big Data kann also die Verarbeitung riesiger Datenbestände bewerkstelligen, die vorher nicht möglich war. Aus diesen lassen sich aber nicht nur Ergebnisse extrahieren, die schiere Fülle an Informationen ist auch ein gutes Feld für weitergehendes Lernen des Systems.

Machine Learning: Lernen aus großen Datenbeständen

Oft wird „Machine Learning“ mit „Künstlicher Intelligenz“ gleichgesetzt. Um Machine Learning zu nutzen, wird dem Computer-System eine große Menge an Daten zur Verfügung gestellt, aus deren Auswertung es lernt. Damit ein System zum Beispiel kompetent Schach spielen kann, wird ihm der Verlauf der bekannten Spielverläufe als Datensatz überspielt. Es kann diesen Grunddatenbestand analysieren und daraus Folgerungen ableiten. So sind Computersysteme inzwischen in der Lage bei Spielen wie Schach oder Go jeden Menschen zu schlagen.

Allerdings: Wenn Machine Learning mit KI gleichgesetzt wird, dann wäre Machine Learning eher als Anfang einer vergleichsweise wenig leistungsfähigen KI zu verstehen. Denn es geht hierbei immer nur um die Bewältigung einer Aufgabe, während menschliche Intelligenz viele komplexe Aufgaben handhabt. Machine Learning macht sich Statistik-Verfahren zunutze, indem es aufgrund der eingegebenen Daten Wahrscheinlichkeiten hochrechnet. Wenn es beispielsweise in den Daten von 10.000 Schachspielen verschiedene Gruppen von Erfolgsvarianten ermittelt, kann es daraus für eigene Spielzüge Erfolgswahrscheinlichkeiten berechnen. Damit die Software komplexer wird und mehr kann, werden sogenannte „neuronale Netze“ genutzt, die noch mehr Leistung bringen.

Neuronale Netze nutzen Deep Learning

Der Begriff „neuronales Netz“ ist alt, er stammt aus dem Jahr 1943. Er steht für die Kopplung mehrerer Algorithmen. Algorithmen sind Programmierungen, die bestimmte genau beschriebene Aufgaben erfüllen oder Probleme lösen. Man spricht bei den neuronalen Netzen von einem Schicht-Modell, bei dem jede Schicht ihre spezifische Aufgabe erfüllt und an die nächste Schicht weitergibt. Jede Schicht löst auf Grundlage der vorher aufbereiteten Daten seine spezifische Aufgabe. Zugleich vollzieht sich die Bearbeitung von Informationen von Schicht zu Schicht wie ein Filtersystem, das anfänglich grob arbeitet und danach immer weiter verfeinert wird. So fließen jeweils die Ergebnisse einer Speziallösung in die Aufgabenlösung der nächsten Schicht ein. Geschaffen wird so ein Rechengebilde, das in der Lage ist, hochkomplexe Aufgaben zu bewältigen. Damit wird künstlich die Struktur des menschlichen Gehirns mit seiner neuronalen Vernetzung nachgebildet.

„Deep Learning“ bezieht sich auf die Mehrdimensionalität der Rechen-Schichten, die viel komplexere Aufgaben lösen können als früher, wo vergleichsweise eindimensionale Rechenstrukturen vorlagen.

Puristen würden aber auch hier noch nicht von einer „Künstlichen Intelligenz“ sprechen. Um dem Begriff der KI dennoch gerecht zu werden, hat man sich auf drei differenzierende Begriffe geeinigt, die verschiedene Leistungsstufen beschreiben: die schwache und starke KI sowie die Super-KI.

Was ist die „schwache Künstliche Intelligenz“?

Alles, von dem bisher die Rede war, zählt zur sogenannten „schwachen Künstlichen Intelligenz“. Diese ist in der Lage, eine einzige Aufgabe zu erfüllen, zum Beispiel Schach oder Go besser als der Mensch zu spielen. Damit bildet sie aber lediglich den spezialisierten Ausschnitt einer Fähigkeit des Menschen ab. Konkurrenz kann sie ihm so nur in einem eng definierten Bereich machen, selbst wenn die Ergebnisse dort beeindruckend sind.

Was ist die „starke Künstliche Intelligenz“?

Die eigentliche Künstliche Intelligenz soll aber tendenziell an die zahlreich verschachtelten Möglichkeiten des Menschen heranreichen. Die Leistungsfähigkeit des Menschen liegt darin, unterschiedliche Sinneswahrnehmungen, die ihm Erkenntnisse über die Welt verschaffen, mit seinem Fühlen und Denken zu kombinieren. Das versetzt ihn in die Lage auf Erfordernisse schnell zu reagieren und Entscheidungen zu treffen. Entscheidungsfindung ist die Grundlage von Handeln. An diesem Punkt, dem des Agierens, kommen Roboter ins Spiel. Denn selbst wenn eine Maschine in der Lage wäre, eigenständig komplexe Sachverhalte wahrzunehmen und zu analysieren, könnte sie nur elektronisch „denken“ und nicht handeln. Wäre die KI allerdings Bestandteil eines künstlichen Organismus, der sich bewegen kann, der etwa laufen und greifen kann, würde sich einiges ändern. Dann hätte man einen kooperativen Roboter, der etwa in einer Druckerei registrieren würde, welches Papier für den nächsten Druckgang benötigt würde. Er könnte autonom Papier aus dem Lager holen und selbstständig in die Druckmaschine einlegen. Ein letzter Schritt, der den Menschen auszeichnet, ist seine Lernfähigkeit. Das System müsste also den Erfolg seiner Rechenleistung und ggf. seiner eigenen Handlungen beurteilen und dadurch Veränderungspotenziale für seine zukünftigen Aktionen ermitteln.

Allerdings: Dass selbst eine starke Künstliche Intelligenz einen ironisch gemeinten Witz von Ernsthaftigkeit unterscheiden kann, erscheint auch zukünftig schwierig. Den Unterschied für das Verständnis eines Witzes machen – neben Wissen – die Wahrnehmung, die soziale und kulturelle Eingebundenheit und das Wertesystem des Menschen. Sie bilden den Bezugsrahmen für das Verständnis eines Witzes. Es gibt viele Bereiche der Gesellschaft, etwa die Beurteilung von Kunst oder Literatur oder generell die Einbindung in kommunikative Prozesse, die schwer in die digitale Welt zu transferieren sind. Aus all dem folgt, dass eine KI viel mehr können muss als sie es im Augenblick kann. Eine solche dem Menschen vergleichbare technische Intelligenz wäre die sogenannte „Superintelligenz“.

Die Singularität als Superintelligenz

Eine KI, die die menschlichen komplexen Leistungen erbringen kann, lernfähig und autonom ist, nennt man „Superintelligenz“. Sie löst nicht mehr nur ein Problem, sondern wird zur „generalistischen KI“, die wie ein Mensch über Vieles nachdenken und entscheiden kann. Vor allem aber: Sie kann sich selbst weiter programmieren und damit zusehends optimieren. Je mehr sie dies wieder und wieder tut, desto tendenziell perfekter würde sie werden, bis sie dem Menschen weit überlegen ist. Diese Künstliche Intelligenz, die auch „technologische Singularität“ genannt wird, wird sich viel schneller als der Mensch optimieren können. Sie stellt in dieser Zukunftsvision einen technischen Organismus dar, der im Gegensatz zum Menschen seine eigene Evolution ungemein beschleunigen könnte. Google-Zukunftsforscher Raymond “Ray” Kurzweil oder Tesla-Chef Elon Musk gehen davon aus, dass eine solche KI dem Menschen potenziell gefährlich werden könnte. Deshalb fordern sie, dass jede KI „friendly“ programmiert werden muss, das heißt: nicht gegen den Menschen gerichtet sein darf.

Inwieweit geht KI über Algorithmen hinaus?

Man sieht an diesem Drei-Stufen-Modell, dass Algorithmen Bestandteile von KI sind, wie Big Data oder neuronale Netze auch. Eine richtige KI ist dem Menschen und seinen Fähigkeiten nachgebildet. Das betrifft vor allem drei Aspekte:

• Lernfähigkeit
• Fähigkeit zur Reflektion und Selbstreflektion
• Selbstbestimmtes Entscheiden und Agieren

Im Zusammenhang mit der KI ist vor allem der Begriff des „Lernens“ bzw. der „Lernfähigkeit“ zentral. Hier unterscheidet man verschiedene Ansätze, bei denen die KI entweder alleine lernt oder mithilfe des Menschen:

Supervised Learning: Der Mensch leitet die Maschine an

Das System bekommt vom Menschen strukturelle Vorgaben, nach denen es die Datensätze analysiert und auswertet. So eine vereinfachte Anweisung im Gestaltungsprozess könnte etwa lauten: „Suche im Bildarchiv alle Motive mit weißen Tieren heraus. Ordne sie nach Katzen, Hunden und Pferden.“

Unsupervised Learning: Die Maschine solo

Das System analysiert einen Datenbestand ohne Vorstrukturierung durch den Menschen und extrahiert selbstständig daraus Muster, die etwa hierarchisch geordnet werden. Hier könnte die Anweisung dem Sinn nach lauten: „Sieh dir den Datenbestand an und erkenne Muster.“ Den Rest macht die Maschine.

Reinforcement Learning

„Reinforcement Learning“ bedeutet „verstärkendes Lernen“ im Sinne eines Motivierens. Dabei werden manche Verhaltensweisen verstärkt, andere negativ bewertet. Bei KI-Systemen werden Echtzeitdaten genutzt, um neue Lösungen zu finden. Zum Beispiel wenn ein Roboter ein ihm bisher unbekanntes Hindernis überwinden soll, kann per Machine Learning eine Bewegungsstrategie entwickelt werden. Sie basiert auf der Analyse aller bekannter Hindernisse und deren Bewältigungsmustern. Dabei werden erfolgreiche Verhaltensweisen positiv bewertet, weniger erfolgreiche ausgemustert.

Ein Beispiel aus der Zukunft des Designs: Man könnte ein System mit Gestaltungsgesetzen füttern und mit Daten von Blickbewegungskameras aus Laborversuchen, bei denen die Teilnehmer verschiedene Designvarianten betrachten mussten. Die Auswertung der Blickbewegung würde zum Beispiel die Verweildauer auf Überschriften, Bildern und sonstigen Gestaltungselementen zeigen. Die Gestaltungsgesetze wären ein Rahmen, der dem System vermittelt, wie Elemente anzuordnen sind. Beide Datensätze – a) wie gestaltet werden soll und b) was die Blicke des Betrachters vor allem anzieht – könnten dazu führen, dass das System alternative Gestaltungsentwürfe ausarbeitet. Wenn man der KI Texte, Bilder und weitere Gestaltungselemente liefern würde, würde sie daraus Designvarianten entwickeln, die der Designer weiter ausarbeiten könnte.

Welche KI-Konzepte sind für den Designbereich relevant?

Der Traum von der intelligenten bzw. automatisierten Gestaltung durch den Computer ist so alt wie das Desktop-Publishing, das heißt, das computergestützte Publizieren. Die Anzeigen-Gestaltungssoftware „MultiAd-Creator“ bot schon in den Anfangstagen des Desktop-Publishing speziell für die Formatänderung von Anzeigen eine flexible Lösung an: die vorhandenen Elemente wurden automatisch neu angeordnet, damit sie auf das neue Format passen. Eine ähnliche Option bietet heute Adobe InDesign über die Funktion „Layout anpassen“. Ein anderes Programm, das 1992 auf den Markt kam, hieß „IntelliDraw“ und kam von „Aldus“, einem der Erfinder des Desktop-Publishing. Es sollte ermöglichen, Flächen mit wenig Aufwand und viel technischer Intelligenz umzuformen. Die Konzepte dieser Programme stammten aus Zeiten, in denen die Welt begeistert war von den Möglichkeiten der grafik-basierten Gestaltungscomputer. Man traute den Systemen viel zu, doch die Konzepte des mitdenkenden Programmes konnten sich zunächst nicht durchsetzen. Das lag vor allem an den fehlenden Ressourcen: Die Computer wären nicht leistungsfähig genug gewesen, um umfangreiche Projekte neu zu berechnen. Auch begannen die Software-Ingenieure erst, die Funktionalitäten großer Grafik-Programme aufzubauen.

Heute stehen hardwaremäßig die Ressourcen bereit. Das CEWE-Fotobuch etwa bietet über den Einsatz von KI inzwischen die Möglichkeit, Bilder hochzuladen – die Gestaltung übernimmt die Künstliche Intelligenz. Sie kann Gesichter und Orte erkennen und nutzt dafür die Bildmetadaten. Das System verteilt die Bilder auf den Seiten und macht Vorschläge für Fotogrößen. Es geht also bei der Kopplung von KI und Design vor allem darum, den Designprozess zu vereinfachen, zu beschleunigen und die Qualität der standartisierten Gestaltung zu verbessern.

Wo wird KI im Mediendesign und der Medienproduktion zukünftig eingesetzt?

Künstliche Intelligenz ist aktuell zum Beispiel im Bereich der Bilderkennung weit fortgeschritten. Die Adobe-KI „Sensei“ hilft dem Designer besser und schneller, benötigte Fotomotive zu finden. In welchen Bereichen ist KI noch denkbar?

• KI-gestützte Layouts: Die Rede war bereits von der KI, die für den Designer die Vorarbeiten erledigt. Bei einem Buch etwa könnte sie alle Texte und Bilder vorplatzieren und Fußnoten setzen. Aber es ist auch denkbar, dass sich Standardgestaltungen hin zu Dienstleistern wie Druckereien verlagern. Über KI-gesteuerte Templates könnten Erstentwürfe online schnell wie nie realisiert werden.
• Automatisierte Layouts: Eine KI kann einen Datenbestand selbstständig visualisieren. Was jetzt schon möglich ist: die KI generiert etwa aus der Gesamtheit der betriebswirtschaftlichen Zahlen eines Unternehmens selbstständig eine Powerpoint-Präsentation.
• KI als Assistent: Um Einheitlichkeit gerade im Corporate Design zu gewährleisten, müssen Designregeln angewendet werden. Ein Mittel, diese stringent zu realisieren, sind Gestaltungsraster. Es ist denkbar, dass die KI diese Designvorgaben enthält. Dies könnte sie in die Lage versetzen, ein kompetenter Assistent des Designers zu werden. Sie zeigt ihm etwa an, wo seine Fotogrößen nicht ins Konzept passen oder macht Farbvorschläge, die zum Unternehmens-Farbkanon passen.
• Datencheck-Erweiterung: Ein mächtiges Tool der Qualitätssicherung im Onlinedruck ist der Datencheck. Dabei wird geguckt, ob die Daten druckkonform sind. Es ist denkbar, dass dieser Datencheck erweiterte Möglichkeiten bieten wird. Er könnte zukünftig zum Beispiel erkennen, ob Elemente in Randnähe falsch platziert sind.
• Kooperative Roboter: Wenn die KI autonom agierende bewegliche Systeme steuert, könnten kooperative Roboter entstehen, die Arbeiten in Druckereien erledigen.
• Logistik/Auslieferung: KI-gestützte Drohnen könnten Drucksachen individuell und flexibel ausliefern.
• Kommunikation: Sprachgesteuerte Systeme wie Amazon Echo mit Alexa oder Google Home könnten Bestellungen von Drucksachen kommunikativ begleiten. So könnte etwa der Nachdruck einer Drucksache mit ein paar Sprachbefehlen veranlasst werden.

Dies sind Beispiele dafür, an welchen Stellen Künstliche Intelligenz den Arbeitsalltag von Designern, Produktionern oder Auftraggebern verändern könnte. Wir werden dies in den nächsten Teilen unserer Serie vertiefen.

Fazit: KI zwischen Möglichkeiten und Überforderung

Künstliche Intelligenz ist ein jahrzehntealter Forschungsbereich. Viele große Unternehmen versuchen nun die Möglichkeiten der Künstlichen Intelligenz auf die Praxis anzuwenden. Das sind Händler wie Amazon, Internetkonzerne wie Google oder Facebook oder Technologiekonzerne wie die Google-Mutter Alphabet, die technische Intelligenz in selbstfahrende Autos oder Haustechnik bringt. Auch Apple oder Microsoft gehören dazu. Da auch SAP als Unternehmen mit Lösungen für den Mittelstand KI einsetzt, werden auch mittelständische Unternehmen KI-Services einsetzen oder selbst entwickeln können.

Dabei ist etwas festzustellen, das auf den ersten Blick widersprüchlich klingt:

• Kindliche KI: Künstliche Intelligenz steckt einerseits noch in den Kinderschuhen. Einige Experten sehen die konkreten durchschlagenden Auswirkungen dieser Technologie noch Jahrzehnte entfernt.
• Erwachsene KI: Andererseits wächst dieses technologische Kind viel schneller, als wir es uns vorstellen können. Die Selbstlernfähigkeiten und Optimierungsmöglichkeiten werden vermutlich schneller als gedacht Leistungsgrenzen einreißen. Vor allem dort, wo in der Wirtschaft ein hoher Konkurrenzdruck vorhanden ist. Denn Konkurrenzdruck bedeutet, dass Innovationen und Effizienzsteigerungen einen entscheidenen Wettbewerbsvorteil bringen können.

Diese Veränderung durch den Einsatz von KI ist im Zusammenhang mit anderen Technologien zu sehen, die sich parallel entwickelt haben. Die Sprachsteuerung etwa könnte die Computer-/Designer-Interaktion verbessern. Eine KI wäre sogar in der Lage in einen Dialog mit dem Designer einzutreten, um Gestaltungsabläufe zu begleiten.

Ein intelligentes System kann aber nur dazu lernen, wenn es relevante Daten nutzen kann. Deshalb müssen sich Software-Ingenieure Gedanken machen, welche Daten sie bereitstellen, damit das System seine Arbeit optimal erledigen kann. Auf absehbare Zeit, ist die KI also vom Menschen abhängig.

[av_button label=’PDF-Download der Infografik‘ link=’manually,https://www.viaprinto.de/blog/wp-content/uploads/2019/04/Kuenstliche_Intelligenz.pdf‘ link_target=’_blank‘ size=’medium‘ position=’center‘ icon_select=’no‘ icon=’ue800′ font=’entypo-fontello‘ color=’theme-color‘ custom_bg=’#444444′ custom_font=’#ffffff‘]