KI: Erwartungen werden „deutlich nicht erreicht“
Der Hype ist groß, doch in der Praxis zeigt sich: KI spielt im Ingenieuralltag noch keine große Rolle, so das Ergebnis einer VDI-Umfrage. Doch ein Aspekt sorgt für Hoffnung.
Das Klischeebild von der Zukunft: Künstliche Intelligenzen arbeiten mit uns zusammen. Auch, wenn man nicht ganz so in Science-Fiction-Sphären denkt: Die Erwartungen an KI sind groß. Zumindest im Ingenieuralltag spielt Künstliche Intelligenz aber bei weitem keine so große Rolle, wie noch vor wenigen Jahren erwartet.
Foto: Panthermedia.net/VitalikRadko
Wenn es um Zukunft geht, fällt seit Jahren in jedem Gespräch irgendwann der Begriff KI. Immer. Künstliche Intelligenz ist DAS Ding. Tatsächlich hat das Prinzip Maschinelles Lernen großes Potenzial: Schon jetzt können technische Systeme mithilfe von KI um die Fähigkeit erweitert werden, Aufgaben selbstständig und effizient zu bearbeiten. Und die Hoffnung in die Technologie ist groß, nicht nur wenn es um optimierte Produktionsprozesse in der Industrie geht. Denn auch im Bereich Green Technologies kann KI eine sehr gewichtige Rolle spielen, etwa bei der Entwicklung technologischer Verfahren zum Klimaschutz.
Doch hat sich der Hype der vergangenen Jahre erfüllt? Wie sehr spielen KI-Methoden tatsächlich eine Rolle im Ingenieuralltag?
So viel verdienen Experten für künstliche Intelligenz
Die Ergebnisse einer aktuellen Umfrage des VDI zum Thema, die mit den Antworten einer Umfrage aus dem Jahr 2018 verglichen wurden, sind zumindest eher ernüchternd. Dieter Westerkamp, VDI-Bereichsleiter Technik und Gesellschaft, drückt es so aus: „Die Prognosen aus der letzten Umfrage aus dem Jahr 2018 erfüllen sich nicht. Die seinerzeit geäußerten Erwartungen im Hinblick auf die Nutzung von KI-Methoden werden deutlich nicht erreicht.“
KI: Die meisten Unternehmen bieten keine Dienstleistungen
Bei der neuerlichen Umfrage wollte der VDI wissen, inwieweit Methoden der Künstlichen Intelligenz inzwischen im alltäglichen Arbeitsumfeld von Ingenieuren und Ingenieurinnen eingesetzt werden.
Den Befragten zufolge werden KI-Methoden in erster Linie bei der Datenanalyse eingesetzt, gefolgt von der vorausschauenden Instandhaltung, im Qualitätsmanagement sowie im Rahmen von Assistenzsystemen.
Der überwiegende Teil der 300 Befragten gab an, dass das eigene Unternehmen bislang keine KI-basierten Produkte oder Dienstleistungen anbietet, heißt es in einer Mitteilung des VDI. Vor allem in kleinen und mittleren Unternehmen spielt KI noch keine herausragende Rolle, sie hinken den Großunternehmen hinterher. Insgesamt haben sich die Erwartungen der Umfrageteilnehmer aus dem Jahr 2018 signifikant nicht erfüllt.
Corona-Pandemie: Innovationstreiber oder Fortschrittsbremse?
Ein Grund könnte die Corona-Pandemie sein. Zwar gilt die Pandemiezeit auch als Innovationstreiber, gerade im Bereich der Digitalen Transformation. Aber viele Unternehmen hatten mit akuten und sehr unmittelbaren sowie bis dahin unbekannten Herausforderungen vor allem in den Jahren 2020 und 2021 zu kämpfen, ein Schub für KI-Anwendungen im Ingenieuralltag blieb offenbar aus. Das mag auch damit zusammenhängen, dass der große Digitalisierungsschub, den sich viele Unternehmen seit Jahren auf die Fahne schreiben, bislang ebenfalls noch nicht durchgeschlagen ist.
Tatsächlich werden die Begriffe Digitalisierung und digitale Transformation allzu oft und fälschlicherweise synonym gebraucht. „Es geht ja nicht darum, einfach Analoges ins Digitale zu überführen, also zum Beispiel Papier einzusparen. Das wäre reine Digitalisierung“, sagt etwa Anja Hendel, IT-Expertin und Mitglied der Geschäftsführung der VW-Tochter Diconium, im ingenieur.de-Podcast „Prototyp“: „Es geht darum, wie sich unsere Arbeit verändert, was das mit uns Menschen macht und welchen Nutzen uns das bringt. Wir digitalisieren ja nicht um der Digitalisierung Willen, sondern weil wir für uns alle ein besseres Leben schaffen wollen. Das ist dann digitale Transformation.“ Sprich: Womöglich haben manche Unternehmen schlichtweg noch keine Anwendungsbereiche ausgemacht, in denen KI sinnvoll eingesetzt werden kann.
Hören Sie hier die Podcast-Folge von „Prototyp“ zum Thema Digitale Transformation:
Hier wird Ihnen ein externer Inhalt von Podigee angezeigt.
Mit der Nutzung des Inhalts stimmen Sie der Datenschutzerklärung
von youtube.com zu.
Sehr pessimistische Einschätzung zur Rolle Deutschlands bei KI-Technologie
Sehr pessimistisch ist die Einschätzung der VDI-Mitglieder im Hinblick auf eine führende Rolle Deutschlands in der Künstlichen Intelligenz: 76 % der Befragten gaben laut dem VDI an, dass Deutschland keine führende Rolle einnimmt. Etwa 24 % sind der Ansicht, dass Deutschland zumindest eine führende Rolle in einigen Bereichen einnehme.
Ein weiterer Grund, warum es in Deutschland mindestens gefühlt stockt, was KI-Anwendungen und -Forschung betrifft: der Fachkräftemangel. Einer Erhebung des VDI und des Instituts der Deutschen Wirtschaft zufolge, gibt es allein bei Ingenieurinnen und Ingenieuren mehr als 150.000 unbesetzte Stellen, hinzu komme ein erheblicher Mangel an MINT-Fachkräften und Informatikern. Auch im IT-Bereich sei der Mangel besonders dramatisch. Und laut einer Studie des Digitalverbands Bitkom zum Arbeitsmarkt für IT-Fachkräfte ist branchenübergreifend die Zahl freier Stellen für ITler 2021 auf 96.000 gestiegen – 12 % mehr als im Vorjahr. Demnach konstatierten Ende des vergangenen Jahres zwei Drittel der Unternehmen in Deutschland einen Mangel an IT-Fachkräften.
Welche Programmiersprache lohnt sich für die Karriere? Wir sprechen darüber mit Expertin Carmen Kraushaar:
Immerhin: Die Zahl an Menschen, die sich KI-Kenntnisse bereits im Studium aneignen, wächst unterdessen. Tatsächlich seien die Themen KI-Forschung bei Studienanfängern, die sich für Informatik interessieren, ganz besonders beliebt, wie Anja Robert von der RWTH Aachen im Gespräch mit ingenieur.de sagt. Aus Sicht der Teilnehmer der VDI-Umfrage können Ingenieurwesen und Informatik die anstehenden Herausforderungen bei der Anwendung von KI nur gemeinsam lösen, heißt s beim VDI.
Wie funktioniert Maschinelles Lernen und Deep Learning?
Mithilfe von Maschinellem Lernen können technische Systeme zum Beispiel in die Lage versetzt werden, eigenständig Prognosen zu erstellen, Fehler und Ungenauigkeiten zu erkennen und etwa Produktionsabläufe deutlich effizienter zu machen. Deep Learning ist ein Teilbereich des Maschinellen Lernens und imitiert in Ansätzen die Funktionsweise unseres Gehirns. Wenn wir lernen, benötigen wir als Grundlage Erfahrungen. Je mehr Erfahrungen wir machen, desto besser funktioniert das Lernverhalten. Das Hirn bildet sich beim Lernen immer wieder um, es entstehen neue Synapsen-Verknüpfungen zwischen den Neuronen. Ähnlich funktioniert Deep Learning bei einem Computerprogramm, das auf einem künstlichen neuronalen Netz beruht. Das wiederum besteht aus drei unterschiedlichen Arten von Knotenpunkten, die jeweils spezielle Aufgaben erfüllen: Die Input-Neuronen nehmen Informationen von der Außenwelt auf, zum Beispiel Bildinformationen. Die Hidden Neuronen, die in mehreren Schichten oder Layern angeordnet sind, verarbeiten diese Informationen. Bei den Output-Neuronen kommt dann das Ergebnis an.
Data Scientist: Was macht der professionelle Datenauswerter?
Jedes Input-Neuron entspricht einer ganz bestimmten Information, etwa einer speziellen Farbgebung in einem Bild. Wird ein Input-Neuron getriggert, gibt es die Information über Verknüpfungen an die Hidden Neuronen weiter. Noch kann das System die Information an dieser Stelle nicht eindeutig zuordnen. Erst beim Durchlaufen der Hidden Layer wird die Information immer genauer und für die lernende KI eindeutiger. Durch diesen Ansatz kann die Künstliche Intelligenz bereits erlerntes Wissen mit neuen Inhalten anreichern und verknüpfen. Die Maschine ist dabei in der Lage, eigene Entscheidungen zu treffen, diese immer wieder zu hinterfragen, auf Richtigkeit zu prüfen und neue Verknüpfungen entstehen zu lassen. Ein Eingriff durch den Menschen ist schließlich nicht mehr nötig: Die Maschine lernt von selbst und kann Prognosen erstellen.
Ein Beitrag von:
