Zukunft und Gegenwart zugleich

Ist Künstliche Intelligenz (KI) eine noch weit entfernte Zukunftstechnologie? Die Antwort ist ja und nein zugleich. Nein, weil KI-Anwendungen schon lange in unserem Leben Einzug gehalten haben. Zum Beispiel bei der Gesichtserkennung, die das Smartphone entsperrt. Oder bei Übersetzungsdiensten, die Texte und Dokumente in wenigen Sekunden in mittlerweile höchster Perfektion in eine Vielzahl von Fremdsprachen übersetzen. Oder Chatbot-Systeme wie ChatGPT oder Copilot, mit denen heute Schülerinnen und Schüler sowie Studierende Hausarbeiten auf eine ganz neue Art erstellen.

Drei Beispiele für IT-Anwendungen, die nicht auf klassischer Wenn-Dann-Programmierung beruhen. Sie basieren vielmehr auf umfangreichen Trainingsdaten und Lernverfahren, wie Supervised- oder Reinforcement-Learning, und Algorithmen, die oftmals hoch-komplexe neuronale Netze nutzen. Das Ergebnis eines KI-Algorithmus ist dabei niemals „0“ oder „1“. Die KI liefert immer eine Wahrscheinlichkeit, mit der eine mathematisch berechnete Vorhersage richtig ist. Hundert Prozent wird dabei nie erreicht. Künstliche Intelligenz irrt, mindestens ein bisschen. Und genau diese Eigenschaft erfordert einen kritischen Umgang mit den Ergebnissen, ohne aber das große Potenzial dieser neuen Technologie zu negieren. Nur mit künstlicher Intelligenz lassen sich auch für komplexeste Zusammenhänge und praxistaugliche Lösungsvorschläge berechnen. KI-Anwendungen sind mehr wie ein intelligenter Kollege, der vieles weiss, aber sich manchmal auch täuscht.

Einzug gehalten hat KI auch in der Logistik. Schon vor über sechs Jahren wurde im DACHSER Enterprise Lab am Fraunhofer IML damit begonnen, Algorithmen zu entwickeln, die die Tonnagemengen im DACHSER Stückgutnetzwerk 25 Wochen im Voraus prognostizieren. Geschaffen wurde auch eine Bilderkennung, die Packstücke im Stückgutlager in Echtzeit identifizieren, lokalisieren und vermessen kann. Bei DACHSER arbeiten Logistiker und Prozessexperten zusammen mit Mathematikern und Software-Entwicklern – so das seit einigen Jahren bewährte Grundkonzept der KI-Umsetzungsstrategie.

Dennoch bleibt Künstliche Intelligenz auch eine Zukunftstechnologie. Hier eröffnen neue Modelle immer wieder unerwartete Möglichkeiten. Dazu gehören derzeit vor allem die Foundation-Modelle der generativen KI. Diese mit sehr viel Daten aus dem Internet trainierten grossen Algorithmen können Texte und Bilder verstehen und kreieren. Insbesondere Large Language Models (LLM) wie ChatGPT suggerieren dabei eine scheinbare „Intelligenz“. Dahinter steckt am Ende aber auch nur eine mathematische Funktion, die sinnvolle Wortreihenfolgen vorhersagt.

Foundation-Modelle in der KI: Ein Foundation-Modell bezeichnet in der Künstlichen Intelligenz (KI) ein grosses, bereits vortrainiertes Modell, das auf umfangreichen Datensätzen basiert und für eine Vielzahl von Aufgaben verwendet werden kann. Es gibt verschiedene Arten von Foundation-Modellen, darunter Large Language Models (LLMs) und visuelle Verarbeitungsmodelle. LLMs wie „GPT-4“ von OpenAI, „Gemini (vormals Bard)“ sowie „Bert“ von Google oder „Llama3“ von Meta sind darauf spezialisiert, natürliche Sprache zu verstehen und zu generieren. Visuelle Modelle wie Sora und DALL-E von OpenAI sind darauf ausgelegt, Videos und Bilder aus freien Texteingaben (Prompts) zu generieren. Foundation-Modelle werden oft als Grundlage für spezialisierte Anwendungen verwendet, indem sie weiter auf spezifische Aufgaben oder Datensätze angepasst werden.