Allgemein gesagt ist\ndie KI der Versuch, das menschliche Urteilsverm\u00f6gen und sein Bewusstsein\ntechnisch nachzubilden. Deshalb m\u00fcssen sich Informatiker zuerst grundlegende\nGedanken dar\u00fcber machen, welche F\u00e4higkeiten und Abl\u00e4ufe dem Menschen seine\nWahrnehmung, sein F\u00fchlen, Denken und Handeln \u00fcberhaupt erm\u00f6glichen. Auch die\nbiochemischen Grundlagen der Nervenzellenvernetzung im Gehirn wurden analysiert\nund ihr Aufbau in einer digitalen Form umgesetzt. Die Antworten darauf, was\neine KI in ihrer Praxis ausmacht, sind dementsprechend vielf\u00e4ltig. <\/p>\n\n\n\n
Zun\u00e4chst ist\nauff\u00e4llig, dass die KI der Leistungsf\u00e4higkeit des Menschen vor allem dann\n\u00fcberlegen ist, wenn es um die Bew\u00e4ltigung gro\u00dfer Datenmengen geht. Soll ein\nMensch etwa eine Katze auf einem Foto erkennen und die KI ebenso, f\u00e4llt kein\nUnterschied ihrer Leistungsf\u00e4higkeit auf. W\u00fcrde man die KI aber in zwei Stunden\n1.000.000 Bilder nach dem Motiv durchsuchen lassen, w\u00e4re ihr Vorteil klar: Der\nMensch br\u00e4uchte weitaus l\u00e4nger f\u00fcr einen vergleichsweise eint\u00f6nigen Job und ihm\nw\u00fcrden bei der Motiverkennung aus Konzentrationsmangel auch Fehler unterlaufen.\nDie KI wird ebenfalls nicht fehlerfrei sein, kann aber im Prozess der\nBilderkennung immer weiter optimiert werden. Schnelligkeit ist f\u00fcr sie nur eine\nFrage der Ressourcen, etwa der Rechenleistung oder der Art ihrer\nProgrammierung. Bei solchen Aufgabenstellungen, bei denen es um gro\u00dfe\nDatenmengen geht, kommt der Begriff \u201eBig Data\u201c ins Spiel.<\/p>\n\n\n\n Die herk\u00f6mmliche\nDatenverarbeitung hatte in kurzen Durchlaufzeiten etwa bei Datenbankabfragen\nschon einiges geleistet, zu dem der Mensch in derselben Zeit nicht in der Lage gewesen\nw\u00e4re. Big Data f\u00fcgt dem eine weitere Dimension hinzu: Hier geht es um riesige\nDatenmengen, die mit den damaligen Datenverarbeitungskonzepten nicht bew\u00e4ltigt\nwerden konnten. Big Data bezieht sich im Wesentlichen auf drei Dimensionen der\nT\u00e4tigkeiten:<\/p>\n\n\n\n Big Data kann also\ndie Verarbeitung riesiger Datenbest\u00e4nde bewerkstelligen, die vorher nicht\nm\u00f6glich war. Aus diesen lassen sich aber nicht nur Ergebnisse extrahieren, die\nschiere F\u00fclle an Informationen ist auch ein gutes Feld f\u00fcr weitergehendes\nLernen des Systems.<\/p>\n\n\n\n Oft wird \u201eMachine\nLearning\u201c mit \u201eK\u00fcnstlicher Intelligenz\u201c gleichgesetzt. Um Machine Learning zu\nnutzen, wird dem Computer-System eine gro\u00dfe Menge an Daten zur Verf\u00fcgung\ngestellt, aus deren Auswertung es lernt. Damit ein System zum Beispiel\nkompetent Schach spielen kann, wird ihm der Verlauf der bekannten Spielverl\u00e4ufe\nals Datensatz \u00fcberspielt. Es kann diesen Grunddatenbestand analysieren und\ndaraus Folgerungen ableiten. So sind Computersysteme inzwischen in der Lage bei\nSpielen wie Schach oder Go jeden Menschen zu schlagen.<\/p>\n\n\n\n Allerdings: Wenn\nMachine Learning mit KI gleichgesetzt wird, dann w\u00e4re Machine Learning eher als\nAnfang einer vergleichsweise wenig leistungsf\u00e4higen KI zu verstehen. Denn es\ngeht hierbei immer nur um die Bew\u00e4ltigung einer Aufgabe, w\u00e4hrend menschliche\nIntelligenz viele komplexe Aufgaben handhabt. Machine Learning macht sich\nStatistik-Verfahren zunutze, indem es aufgrund der eingegebenen Daten\nWahrscheinlichkeiten hochrechnet. Wenn es beispielsweise in den Daten von\n10.000 Schachspielen verschiedene Gruppen von Erfolgsvarianten ermittelt, kann\nes daraus f\u00fcr eigene Spielz\u00fcge Erfolgswahrscheinlichkeiten berechnen. Damit die\nSoftware komplexer wird und mehr kann, werden sogenannte \u201eneuronale Netze\u201c\ngenutzt, die noch mehr Leistung bringen.<\/p>\n\n\n\n Der Begriff \u201eneuronales\nNetz\u201c ist alt, er stammt aus dem Jahr 1943. Er steht f\u00fcr die Kopplung mehrerer\nAlgorithmen. Algorithmen sind Programmierungen, die bestimmte genau\nbeschriebene Aufgaben erf\u00fcllen oder Probleme l\u00f6sen. Man spricht bei den\nneuronalen Netzen von einem Schicht-Modell, bei dem jede Schicht ihre\nspezifische Aufgabe erf\u00fcllt und an die n\u00e4chste Schicht weitergibt. Jede Schicht\nl\u00f6st auf Grundlage der vorher aufbereiteten Daten seine spezifische Aufgabe.\nZugleich vollzieht sich die Bearbeitung von Informationen von Schicht zu\nSchicht wie ein Filtersystem, das anf\u00e4nglich grob arbeitet und danach immer\nweiter verfeinert wird. So flie\u00dfen jeweils die Ergebnisse einer Speziall\u00f6sung\nin die Aufgabenl\u00f6sung der n\u00e4chsten Schicht ein. Geschaffen wird so ein\nRechengebilde, das in der Lage ist, hochkomplexe Aufgaben zu bew\u00e4ltigen. Damit\nwird k\u00fcnstlich die Struktur des menschlichen Gehirns mit seiner neuronalen\nVernetzung nachgebildet. <\/p>\n\n\n\n \u201eDeep Learning\u201c\nbezieht sich auf die Mehrdimensionalit\u00e4t der Rechen-Schichten, die viel\nkomplexere Aufgaben l\u00f6sen k\u00f6nnen als fr\u00fcher, wo vergleichsweise eindimensionale\nRechenstrukturen vorlagen.<\/p>\n\n\n\n Puristen w\u00fcrden aber\nauch hier noch nicht von einer \u201eK\u00fcnstlichen Intelligenz\u201c sprechen. Um dem\nBegriff der KI dennoch gerecht zu werden, hat man sich auf drei\ndifferenzierende Begriffe geeinigt, die verschiedene Leistungsstufen\nbeschreiben: die schwache und starke KI sowie die Super-KI.<\/p>\n\n\n\n Alles, von dem bisher\ndie Rede war, z\u00e4hlt zur sogenannten \u201eschwachen K\u00fcnstlichen Intelligenz\u201c. Diese\nist in der Lage, eine einzige Aufgabe zu erf\u00fcllen, zum Beispiel Schach oder Go\nbesser als der Mensch zu spielen. Damit bildet sie aber lediglich den\nspezialisierten Ausschnitt einer F\u00e4higkeit des Menschen ab. Konkurrenz kann sie\nihm so nur in einem eng definierten Bereich machen, selbst wenn die Ergebnisse dort\nbeeindruckend sind.<\/p>\n\n\n\n Die eigentliche\nK\u00fcnstliche Intelligenz soll aber tendenziell an die zahlreich verschachtelten\nM\u00f6glichkeiten des Menschen heranreichen. Die Leistungsf\u00e4higkeit des Menschen\nliegt darin, unterschiedliche Sinneswahrnehmungen, die ihm Erkenntnisse \u00fcber\ndie Welt verschaffen, mit seinem F\u00fchlen und Denken zu kombinieren. Das versetzt\nihn in die Lage auf Erfordernisse schnell zu reagieren und Entscheidungen zu\ntreffen. Entscheidungsfindung ist die Grundlage von Handeln. An diesem Punkt,\ndem des Agierens, kommen Roboter ins Spiel. Denn selbst wenn eine Maschine in\nder Lage w\u00e4re, eigenst\u00e4ndig komplexe Sachverhalte wahrzunehmen und zu\nanalysieren, k\u00f6nnte sie nur elektronisch \u201edenken\u201c und nicht handeln. W\u00e4re die\nKI allerdings Bestandteil eines k\u00fcnstlichen Organismus, der sich bewegen kann,\nder etwa laufen und greifen kann, w\u00fcrde sich einiges \u00e4ndern. Dann h\u00e4tte man\neinen kooperativen Roboter, der etwa in einer Druckerei registrieren w\u00fcrde,\nwelches Papier f\u00fcr den n\u00e4chsten Druckgang ben\u00f6tigt w\u00fcrde. Er k\u00f6nnte autonom\nPapier aus dem Lager holen und selbstst\u00e4ndig in die Druckmaschine einlegen. Ein\nletzter Schritt, der den Menschen auszeichnet, ist seine Lernf\u00e4higkeit. Das\nSystem m\u00fcsste also den Erfolg seiner Rechenleistung und ggf. seiner eigenen\nHandlungen beurteilen und dadurch Ver\u00e4nderungspotenziale f\u00fcr seine zuk\u00fcnftigen\nAktionen ermitteln.<\/p>\n\n\n\n Allerdings: Dass\nselbst eine starke K\u00fcnstliche Intelligenz einen ironisch gemeinten Witz von\nErnsthaftigkeit unterscheiden kann, erscheint auch zuk\u00fcnftig schwierig. Den\nUnterschied f\u00fcr das Verst\u00e4ndnis eines Witzes machen – neben Wissen – die Wahrnehmung,\ndie soziale und kulturelle Eingebundenheit und das Wertesystem des Menschen. Sie\nbilden den Bezugsrahmen f\u00fcr das Verst\u00e4ndnis eines Witzes. Es gibt viele\nBereiche der Gesellschaft, etwa die Beurteilung von Kunst oder Literatur oder\ngenerell die Einbindung in kommunikative Prozesse, die schwer in die digitale\nWelt zu transferieren sind. Aus all dem folgt, dass eine KI viel mehr k\u00f6nnen\nmuss als sie es im Augenblick kann. Eine solche dem Menschen vergleichbare\ntechnische Intelligenz w\u00e4re die sogenannte \u201eSuperintelligenz\u201c.<\/p>\n\n\n\n Eine KI, die die\nmenschlichen komplexen Leistungen erbringen kann, lernf\u00e4hig und autonom ist,\nnennt man \u201eSuperintelligenz\u201c. Sie l\u00f6st nicht mehr nur ein Problem, sondern wird\nzur \u201egeneralistischen KI\u201c, die wie ein Mensch \u00fcber Vieles nachdenken und\nentscheiden kann. Vor allem aber: Sie kann sich selbst weiter programmieren und\ndamit zusehends optimieren. Je mehr sie dies wieder und wieder tut, desto\ntendenziell perfekter w\u00fcrde sie werden, bis sie dem Menschen weit \u00fcberlegen\nist. Diese K\u00fcnstliche Intelligenz, die auch \u201etechnologische Singularit\u00e4t\u201c\ngenannt wird, wird sich viel schneller als der Mensch optimieren k\u00f6nnen. Sie\nstellt in dieser Zukunftsvision einen technischen Organismus dar, der im\nGegensatz zum Menschen seine eigene Evolution ungemein beschleunigen k\u00f6nnte.\nGoogle-Zukunftsforscher Raymond \u201cRay\u201d Kurzweil oder Tesla-Chef Elon Musk gehen\ndavon aus, dass eine solche KI dem Menschen potenziell gef\u00e4hrlich werden\nk\u00f6nnte. Deshalb fordern sie, dass jede KI \u201efriendly\u201c programmiert werden muss,\ndas hei\u00dft: nicht gegen den Menschen gerichtet sein darf.<\/p>\n\n\n\n Man sieht an diesem\nDrei-Stufen-Modell, dass Algorithmen Bestandteile von KI sind, wie Big Data oder\nneuronale Netze auch. Eine richtige KI ist dem Menschen und seinen F\u00e4higkeiten\nnachgebildet. Das betrifft vor allem drei Aspekte:<\/p>\n\n\n\n Im Zusammenhang mit der\nKI ist vor allem der Begriff des \u201eLernens\u201c bzw. der \u201eLernf\u00e4higkeit\u201c zentral.\nHier unterscheidet man verschiedene Ans\u00e4tze, bei denen die KI entweder alleine\nlernt oder mithilfe des Menschen:<\/p>\n\n\n\n Supervised Learning: Der Mensch leitet die Maschine an<\/strong><\/p>\n\n\n\n Das System bekommt\nvom Menschen strukturelle Vorgaben, nach denen es die Datens\u00e4tze analysiert und\nauswertet. So eine vereinfachte Anweisung im Gestaltungsprozess k\u00f6nnte etwa\nlauten: \u201eSuche im Bildarchiv alle Motive mit wei\u00dfen Tieren heraus. Ordne sie\nnach Katzen, Hunden und Pferden.\u201c<\/p>\n\n\n\n Unsupervised Learning: Die Maschine solo<\/strong><\/p>\n\n\n\n Das System analysiert\neinen Datenbestand ohne Vorstrukturierung durch den Menschen und extrahiert\nselbstst\u00e4ndig daraus Muster, die etwa hierarchisch geordnet werden. Hier k\u00f6nnte\ndie Anweisung dem Sinn nach lauten: \u201eSieh dir den Datenbestand an und erkenne\nMuster.\u201c Den Rest macht die Maschine.<\/p>\n\n\n\n Reinforcement Learning<\/strong><\/p>\n\n\n\n \u201eReinforcement\nLearning\u201c bedeutet \u201everst\u00e4rkendes Lernen\u201c im Sinne eines Motivierens. Dabei\nwerden manche Verhaltensweisen verst\u00e4rkt, andere negativ bewertet. Bei\nKI-Systemen werden Echtzeitdaten genutzt, um neue L\u00f6sungen zu finden. Zum\nBeispiel wenn ein Roboter ein ihm bisher unbekanntes Hindernis \u00fcberwinden soll,\nkann per Machine Learning eine Bewegungsstrategie entwickelt werden. Sie\nbasiert auf der Analyse aller bekannter Hindernisse und deren\nBew\u00e4ltigungsmustern. Dabei werden erfolgreiche Verhaltensweisen positiv\nbewertet, weniger erfolgreiche ausgemustert.<\/p>\n\n\n\n Ein Beispiel aus der Zukunft des Designs: Man k\u00f6nnte ein System mit Gestaltungsgesetzen f\u00fcttern und mit Daten von Blickbewegungskameras aus Laborversuchen, bei denen die Teilnehmer verschiedene Designvarianten betrachten mussten. Die Auswertung der Blickbewegung w\u00fcrde zum Beispiel die Verweildauer auf \u00dcberschriften, Bildern und sonstigen Gestaltungselementen zeigen. Die Gestaltungsgesetze w\u00e4ren ein Rahmen, der dem System vermittelt, wie Elemente anzuordnen sind. Beide Datens\u00e4tze – a) wie gestaltet werden soll und b) was die Blicke des Betrachters vor allem anzieht – k\u00f6nnten dazu f\u00fchren,\ndass das System alternative Gestaltungsentw\u00fcrfe ausarbeitet. Wenn man der KI\nTexte, Bilder und weitere Gestaltungselemente liefern w\u00fcrde, w\u00fcrde sie daraus\nDesignvarianten entwickeln, die der Designer weiter ausarbeiten k\u00f6nnte.<\/p>\n\n\n\n Der Traum von der\nintelligenten bzw. automatisierten Gestaltung durch den Computer ist so alt wie\ndas Desktop-Publishing, das hei\u00dft, das computergest\u00fctzte Publizieren. Die\nAnzeigen-Gestaltungssoftware \u201eMultiAd-Creator\u201c bot schon in den Anfangstagen\ndes Desktop-Publishing speziell f\u00fcr die Format\u00e4nderung von Anzeigen eine\nflexible L\u00f6sung an: die vorhandenen Elemente wurden automatisch neu angeordnet,\ndamit sie auf das neue Format passen. Eine \u00e4hnliche Option bietet heute Adobe\nInDesign \u00fcber die Funktion \u201eLayout anpassen\u201c. Ein anderes Programm, das 1992\nauf den Markt kam, hie\u00df \u201eIntelliDraw\u201c und kam von \u201eAldus\u201c, einem der Erfinder\ndes Desktop-Publishing. Es sollte erm\u00f6glichen, Fl\u00e4chen mit wenig Aufwand und\nviel technischer Intelligenz umzuformen. Die Konzepte dieser Programme stammten\naus Zeiten, in denen die Welt begeistert war von den M\u00f6glichkeiten der\ngrafik-basierten Gestaltungscomputer. Man traute den Systemen viel zu, doch die\nKonzepte des mitdenkenden Programmes konnten sich zun\u00e4chst nicht durchsetzen.\nDas lag vor allem an den fehlenden Ressourcen: Die Computer w\u00e4ren nicht leistungsf\u00e4hig\ngenug gewesen, um umfangreiche Projekte neu zu berechnen. Auch begannen die\nSoftware-Ingenieure erst, die Funktionalit\u00e4ten gro\u00dfer Grafik-Programme\naufzubauen. <\/p>\n\n\n\n Heute stehen hardwarem\u00e4\u00dfig die Ressourcen bereit. Das CEWE-Fotobuch<\/a> etwa bietet \u00fcber den Einsatz von KI inzwischen die M\u00f6glichkeit, Bilder hochzuladen \u2013 die Gestaltung \u00fcbernimmt die K\u00fcnstliche Intelligenz. Sie kann Gesichter und Orte erkennen und nutzt daf\u00fcr die Bildmetadaten. Das System verteilt die Bilder auf den Seiten und macht Vorschl\u00e4ge f\u00fcr Fotogr\u00f6\u00dfen. Es geht also bei der Kopplung von KI und Design vor allem darum, den Designprozess zu vereinfachen, zu beschleunigen und die Qualit\u00e4t der standartisierten Gestaltung zu verbessern.<\/p>\n\n\n\n![\"K\u00fcnstliche](\"https:\/\/www.viaprinto.de\/blog\/wp-content\/uploads\/2019\/04\/kuenstliche_intelligenz.png\")
Was kann Big Data?<\/strong><\/h3>\n\n\n\n
\n
Machine Learning: Lernen aus gro\u00dfen Datenbest\u00e4nden<\/strong><\/h3>\n\n\n\n
Neuronale Netze nutzen Deep Learning<\/strong><\/h3>\n\n\n\n
Was ist die \u201eschwache K\u00fcnstliche Intelligenz\u201c?<\/strong><\/h3>\n\n\n\n
Was ist die \u201estarke K\u00fcnstliche Intelligenz\u201c?<\/strong><\/h3>\n\n\n\n
Die Singularit\u00e4t als Superintelligenz<\/strong><\/h3>\n\n\n\n
![\"Selbstst\u00e4ndiges](\"https:\/\/www.viaprinto.de\/blog\/wp-content\/uploads\/2019\/04\/artificial_intelligence.png\")
Inwieweit geht KI \u00fcber Algorithmen hinaus?<\/strong><\/h3>\n\n\n\n
\n
![\"Schon](\"https:\/\/www.viaprinto.de\/blog\/wp-content\/uploads\/2019\/04\/indesign_alternatives_layout.png\")
Welche KI-Konzepte sind f\u00fcr den Designbereich relevant?<\/strong><\/h3>\n\n\n\n
![\"Infografik](\"https:\/\/www.viaprinto.de\/blog\/wp-content\/uploads\/2019\/04\/infografik-ki-1-490x1690.png\")
<\/figure>\n\n\n\n![\"Ralf](\"https:\/\/www.viaprinto.de\/blog\/wp-content\/uploads\/2016\/04\/autor-200x300.jpg\")
<\/a>