Daten entmystifiziert: So tappst du nicht in die KI-Hype-Falle

Willkommen zu Teil elf unserer einmonatigen Serie „Daten entmystifiziert“. Im Rahmen des Data Literacy Month erklären wir zentrale Konzepte aus der Datenwelt, beantworten Fragen, die du dich vielleicht nie zu stellen getraut hast, und haben dabei auch noch Spaß. Wenn du von Anfang an dabei sein möchtest, lies den ersten Beitrag der Serie: What is a Dataset?

Diese Woche schauen wir genauer hin, wie über KI in den Medien berichtet wird und welche Fallstricke jeder kennen sollte. Dieser Blogbeitrag zeigt, wie KI in den Nachrichten oft sensationsheischend dargestellt wird – und wie du der KI-Hype-Falle entgehst. 

Wenn du dich grundsätzlich mit KI und dem dazugehörigen Jargon vertraut machen möchtest, empfehlen wir einen früheren Beitrag aus „Daten entmystifiziert“ zu den Unterschieden zwischen KI, Machine Learning, Deep Learning und Data Science. 

Das Problem mit der KI-Hype-Falle

Künstliche Intelligenz (KI) ist allgegenwärtig und steckt in unzähligen Anwendungen um uns herum – vom Entsperren des Smartphones per Gesichtserkennung bis zu Produktempfehlungen, die dich interessieren könnten. 

Mit den großen Fortschritten der letzten Jahre hat die Berichterstattung über KI in Medien, Industrie und Wissenschaft stark zugenommen. Das ist grundsätzlich positiv, hat aber die Hype-Welle rund um viele der jüngsten Entwicklungen weiter angefacht. Die Folge sind überzogene Darstellungen der Fähigkeiten aktueller KI-Tools und -Technologien – ebenso wie ihrer Risiken. 

Diese Sensationalisierung birgt drei zentrale Risiken für das allgemeine Verständnis von KI:

\n
• Unrealistische Erwartungen an Fähigkeiten von KI-Tools und -Technologien, die eine trügerische Euphorie über die Richtung der technischen Entwicklung erzeugen
\n
• Dramatisierte Ängste vor Automatisierung und davor, dass KI-Tools und -Technologien „bewusst“ werden
\n
• Abgelenkte Aufmerksamkeit weg von den heutigen, realen Problemen der KI – und von Ansätzen, sie zu lösen
\n

Ein Rahmen, um KI-Hype zu verstehen 

Ein hilfreiches Modell für diese Dynamik ist Gartners Hype Cycle, der die Phasen im Lebenszyklus einer neuen Technologie beschreibt. Schauen wir uns die Reifestufen von KI entlang dieses Hype Cycles an. 

\n
• Der Hype Cycle beginnt mit der „Initialzündung“ (Trigger): Die Möglichkeiten wirken grenzenlos und die neue Technologie entfacht Begeisterung. 
\n
• In Phase zwei erreicht der Hype seinen Höhepunkt: Die Erwartungen stapeln sich – und überzeichnete Versprechen beginnen zu bröckeln. 
\n
• In Phase drei folgt das Tal der Ernüchterung, treffend „Trough of Disillusionment“ genannt: Großartige, aber anspruchsvolle Ideen materialisieren sich nicht. Die Realität holt ein, und viele potente Ansätze werden zugunsten pragmatischer Umsetzbarkeit fallen gelassen.
\n
• Mit der „Slope of Enlightenment“ beginnt die Wende: Grenzen der Technologie werden mit innovativen Ideen überwunden – und in der letzten Phase entstehen neue Branchen, die der Gesellschaft auf ungeahnte Weise dienen.
\n

Laut KI-Forschenden bei Google liegen Machine Learning und KI irgendwo zwischen Initialzündung und Gipfel überzogener Erwartungen. Das heißt: Vieles, was in den Nachrichten diskutiert wird, ist eher Wunschdenken als Realität. 

Beispiele für die KI-Hype-Falle

Die Hype-Falle lenkt die Öffentlichkeit von den echten Problemen der KI ab – hin zu Debatten wie „Maschinen mit menschlichem Bewusstsein“ oder „Roboter übernehmen den Planeten“. Bewusstsein für mögliche Chancen und Risiken von KI ist wichtig, doch solche Diskussionen sind oft nicht in den realistischen Potenzialen und Risiken verankert. 

Hier sind einige Beispiele, die die Hype-Falle in Aktion zeigen:

\n
• LaMDA und fühlende KI: Googles LaMDA-Projekt sorgte für Schlagzeilen, nachdem ein Ingenieur sensationell behauptete, das große Sprachmodell habe Bewusstsein erlangt. So beeindruckend LaMDA ist – es gibt keinerlei Belege dafür, dass es empfindungsfähig ist. Mehr über die zugrunde liegende Technologie hinter LaMDA erfährst du in unserer Weekly Roundup. 
\n
• IBM Watson: IBM Watson galt lange als das ultimative Werkzeug zur Transformation ganzer Branchen. Mit der Zeit konnten die großen Versprechen jedoch nicht eingelöst werden – Watson wurde selbst zum Opfer des Tech-Hypes.  
\n
• Sophia der Roboter: Sophia ist ein fortgeschrittener Chatbot in einem menschenähnlichen Roboterkörper. Vieles an der Präsentation zielt darauf, möglichst menschlich zu klingen und zu wirken. Obwohl die Technik beeindruckt, tappten viele in die Falle zu glauben, menschenähnliche Roboter seien bereits Realität.  
\n

Die Sensationslust solcher Geschichten lenkt nicht nur von sinnvollen KI-Anwendungsfällen ab – etwa dem Vorhersagen von Covid-19-Hotspots oder der Kreditvergabe für Gründerinnen und Gründer. Sie lenkt auch von den realen Risiken aktueller KI ab.  

Viele KI-Systeme – Newsfeeds, Empfehlungssysteme und mehr – sind fester Bestandteil unseres Alltags und prägen unsere Vorlieben und Entscheidungen. Diese Systeme können von Verzerrungen betroffen sein und Menschen schon heute negativ beeinflussen. 

So vermeidest du die KI-Hype-Falle 

Daten- und KI-Kompetenz sind der Schlüssel, um nicht in die Hype-Falle zu tappen. Zu verstehen, wozu KI fähig ist, wo ihre Grenzen liegen und welche Risiken es gibt, ist essenziell für eine kritische, ausgewogene Perspektive auf die weitere Entwicklung.  

Um dir dafür das nötige Wissen anzueignen, starte unseren Kurs Understanding Machine Learning und beginne deine Reise zur Datenkompetenz. Der nächste (und letzte!) Teil von „Daten entmystifiziert“ behandelt die verschiedenen Arten von Verzerrungen in der KI, die jeder kennen sollte. Bis dahin empfehlen wir folgende Ressourcen: 

\n
• Sieh dir an, was wir für den Data Literacy Month geplant haben
\n
• Starte mit unserem Skill-Lernpfad „Understanding Data Topics“
\n
• Abonniere den DataFramed Podcast
\n
• Schau dir unsere kommenden Events an
\n
• Lies den nächsten Teil der Serie zu den verschiedenen Arten von Verzerrungen in der KI
\n