Menschenzentrierte Automatisierungspotenziale entfesseln

Plötzlich ist alles KI. Man kommt kaum an einem Vortrag, einer Innovation oder einem Pitch vorbei, ohne diese zwei magischen Buchstaben zu hören. Auch wenn sie oftmals keine echten Implikationen künstlicher Intelligenz enthalten, sondern lediglich klassische digitale Tools darstellen. Wer momentan das Buzzwort „Automatisierung“ einsetzt, sichert sich nicht nur die Aufmerksamkeit vieler Interessierter, sondern auch das Kapital unzähliger Anleger. Manager und Beratungsfirmen vergleichen die Potenziale künstlicher Intelligenz und die damit verbundene Automatisierung oft mit der Erfindung der Dampfmaschine. Diese kann jedoch nur entfesselt werden, wenn wir menschenzentrierte Automatisierungspotenziale identifizieren.

Schauen wir uns die Empfehlungen von Experten an, so stellen wir fest, dass diese deutlich zurückhaltender sind und die klaren Grenzen der Anwendungsmöglichkeiten kennen und kommunizieren. Sie sprechen vor allem von unterstützenden Anwendungen und einem Automatisierungsgrad von optimistisch 30 % über alle Branchen und Tätigkeiten hinweg. Dabei lassen sich vor allem kognitiv repetitive oder primitiv motorische Tätigkeiten ersetzen, während feinmotorische und komplex kreative Arbeiten noch wenig Einsparungspotenzial bieten. Die Wertschöpfung in mittleren Jobs des Dienstleistungsgewerbes, wie z.B. in der medizinischen Pflege, ist kaum von der Automatisierung betroffen, während hochkomplexe Tätigkeiten wie Datenmanagement nur teilweise und einfach unterstützt werden können durch die Analyse, aber nicht die Implementierung.

Diese Automatisierungspotenziale könnten aber möglicherweise noch viel kleiner sein, als zunächst angenommen, wenn wir die Wirtschaftlichkeit und Technologien in einen menschenzentrierten Kontext setzen. Die reine Entwicklung von KI-Modellen erfordert zunächst einmal sehr viele Daten, Strom und Zeit, sprich schlussendlich Geld. Diese Bedingungen sind aktuell gegeben, da die Implikationen und Visionen einen hohen Grad der Kosteneinsparung und Effizienzgewinne in der Zukunft versprechen. Ganz im Gegensatz zum KI-Winter in den 70er, 80er und 90er Jahren, als künstliche Intelligenz nach einer Zeit der stetigen und rasanten Weiterentwicklung in eine technologische Stagnation geraten ist. Modelle zu entwickeln ist jedoch nur der erste Schritt. Der zweite Schritt ist die tatsächliche Identifikation von Automatisierungspotenzialen und deren Umsetzung. Nicht jeder Prozess lässt sich gewinnbringend automatisieren und das nicht nur im Hinblick auf Einsparungspotenziale, sondern auch auf die Anwendung menschenzentrierter KI.

Künstliche Intelligenz kann uns dienlich sein, wenn sie letztendlich einem menschlichen Zweck dient. Wir müssen davon ausgehen, dass zumindest am Anfang und am Ende eines Prozesses der Mensch steht, der einen Wunsch äußert und schließlich das Produkt konsumiert. Zudem nehmen wir an, dass die meisten unserer Prozesse letztendlich einer menschlichen Interaktion bedürfen, aus Gründen der Ethik, des sozialen Zusammenlebens sowie der Kontrolle und Sicherheit von Automatisierung. Diese Kernannahmen stehen jedoch in einem grundlegenden Konflikt zueinander, und das ist der Mensch selbst.

Wenn wir alle repetitiv kognitiven oder motorisch primitiven Aufgaben vollständig automatisieren, unter der Bedingung, komplexe Ergebnisse zu konsumieren, rationalisieren wir das Nutzungspotenzial und damit die Effektivität der Automatisierung stetig weg. Um in einem menschengemachten Prozess, in dem wir sowohl Start- als auch Endpunkt sind, einen Wert zu steigern, müssen wir zumindest Start und Ende verstehen. Automatisieren wir allerdings den Weg dazwischen, bleiben uns keine Möglichkeiten mehr zu lernen, sprich unsere eigenen Potenziale zu entwickeln und somit als mündige Konsumenten der Zukunft zu interagieren.

Ein anschauliches Beispiel hierfür ist die Juristerei. Sie bietet ein extremes Automatisierungspotenzial in der schnellen Erfassung einer großen Anzahl an Urteilen und der Analyse unterschiedlichster Gesetzestexte. Die Rechtsprechung an sich ist jedoch ein menschlicher Prozess. Am Anfang steht eine Klage und am Ende ein Urteil, welches Menschen betrifft. Wir als zusammenlebende Gesellschaft benötigen Recht. Einerseits reagiert dieses interaktiv auf seine Umgebung durch sich verändernde Urteile und Gesetze. Zweitens hat das Urteil eine intensive Auswirkung auf den Menschen. Ein statistisches Modell mag vielleicht bessere, datenbasierte Entscheidungen treffen, wird jedoch logische Zusammenhänge nicht hinterfragen. Diese müssen von einem Menschen überprüft werden. Zudem werden keine Präzedenzfälle gewagt, die die Rechtsprechung der Zukunft formen könnten. Diese Notwendigkeit der Kreativität, des Veränderungswillens und einer soziokulturellen Interaktion obliegt dem Menschen. Hierfür ist jedoch immenses Expertenwissen und logischer Sachverstand notwendig.

Anders als eine Maschine, kann man bei uns nicht einfach Wissen transferieren. Es muss gelernt werden. Wir lernen einerseits durch die intensive theoretische Auseinandersetzung mit einer Thematik, aber vor allem auch durch Erfahrung. Erst eine maximale Durchdringung der Sache ermöglicht uns, diese zu hinterfragen, während die Erfahrung uns eine Maxime der effizienten Entscheidungsfindung bereitstellt. Sprich, um ein Urteil zu verstehen, müssen wir es auf einer logisch rationalen Ebene ergründen, aber auch einzelne Teile mindestens einmal, besser öfter, selbst erfahren. Um von einem theoretischen zu einem praktischen Experten zu werden, müssen wir unser Wissen anwenden.

Wir können einfache, automatisierungsstarke Arbeiten zwar grenzenlos automatisieren, um dabei aber unsere eigenen Fähigkeiten und Fertigkeiten zu erhalten, reicht keine rein theoretische Durchdringung. Ein junger Anwalt muss Gesetzestexte zumindest kennen, aber auch anwenden und Argumentationsstrukturen ausprobieren. Diese repetitiv kognitiven, primitiv motorischen Tätigkeiten können verkürzt und vereinfacht werden, müssen aber weiterhin existieren, um Menschen handlungsfähig zu machen. Wir können keine statistischen Analysen wertvoll machen, ohne den Kontext der Daten und die Methoden der Datenfindung zu verstehen und angewendet zu haben. Wir können keine unternehmerische, tanzunheitliche Finanzsteuerung vornehmen, ohne die Grundlagen von Soll und Haben verstanden und im Realkontext angewendet zu haben. Wir können kein Recht sprechen und verändern, ohne den jeweiligen Rechtskontext verstanden und im Realkontext angewendet zu haben.

Möchten wir weiterhin in einem menschengemachten Prozess eine führende Rolle einnehmen, müssen wir Wissen und Erfahrungen sammeln, um zu lernen. Dies kann beschleunigt und vereinfacht werden, jedoch müssen wir weiterhin auch kognitiv repetitive und motorisch primitive Tätigkeiten ausführen, um später ein adäquates Level der Durchdringung und Autonomie zu erlangen, um sowohl intuitiv als auch rational urteilen zu können. Der Automatisierungskorridor verengt sich dabei weiter und verändert die Effizienz der Potenziale, wenn wir KI-Implikationen aus einem menschenzentrierten Blickwinkel betrachten.