KANBrief 4/19
Die künstliche Intelligenz (KI) wird vermutlich enorme Veränderungen mit sich bringen, ermöglicht sie doch eine Revolution am Arbeitsplatz. Langfristig könnte die KI viele Tätigkeiten übernehmen, die bisher von Menschen ausgeführt werden – auch solche, die eine spezielle Ausbildung erfordern und zu denen Maschinen bisher noch nicht fähig waren. Zunächst einmal muss man den KI-Komponenten allerdings die Tätigkeiten beibringen, die sie übernehmen sollen.
Maschinen lernen nicht von alleine, auch wenn der Begriff „machine learning“ (ML) dies nahelegt. Lernen erfordert Ausbildung, und es sind Menschen, die diese Ausbildung übernehmen oder zumindest die Grundlagen für das Lernen legen. KI-Werkzeuge zu trainieren, ist theoretisch ganz einfach: ML-Systeme müssen mit Beispielen gefüttert werden, die verdeutlichen, wie die betreffenden Merkmale erkannt werden können. Die Beispiele müssen vor allem zahlreiche Grenzfälle enthalten, die die menschlichen Ausbilder als passend oder unpassend kennzeichnen. So ermöglichen sie dem ML-System, eigene Kriterien für künftige Bewertungen zu entwickeln. Diese Kriterien sind häufig nicht identisch mit denen, die menschliche Ausbilder verwendet hätten, aber das Ergebnis ist in der Regel gleich: Die KI kann genauso entscheiden wie Menschen und damit den Menschen bei der Entscheidungsfindung ersetzen.
Oft braucht es allerdings selbst bei einfachen Aufgaben viele Tausend Beispiele – und noch mehr, wenn es um sicherheitsrelevante Fragen geht. Der KI beizubringen, verschiedene menschliche Gesichter zu erkennen, ist dabei noch relativ einfach. Die entscheidenden Größen sind die Abstände zwischen den Pupillen, der Nasenspitze und der Oberlippe. Diese Abstände lassen sich über das Verhältnis bestimmter Eckpunkte ermitteln, zum Beispiel durch markante Punkte auf der Konturlinie von Kinn und Wangenknochen. Diese markanten Punkte zu erkennen, erforderte jahrelanges Lernen, da sie oft durch Schatten unscharf werden oder von Haarsträhnen verdeckt sind. Für fachlich anspruchsvolle Tätigkeiten wird das Anlernen deutlich aufwändiger und schwieriger werden.
Das Anlernen der KI ist keine sonderlich interessante Arbeit, selbst wenn das betreffende Thema eigentlich interessante Aspekte enthält – was bei vielen Themen, mit denen sich Fachkräfte beschäftigen, der Fall ist. Jeder noch so interessante Aspekt wird eintönig, wenn man hunderte, wenn nicht tausende Beispiele betrachtet und Kennzeichnungen vergibt. Bei der Gesichtserkennung wurde das Anlernen größtenteils noch von Informatik-Studierenden erledigt und war dementsprechend günstig. Geht es nun aber beispielsweise um die Einordnung rechtlicher Fragen oder um sicherheitstechnische Aspekte, werden im entsprechenden Fach ausgebildete Personen das Anlernen übernehmen müssen – also z.B. Juristen oder Ingenieure, und die sind nicht gerade billig.
Auch stellt sich die Frage der Motivation: Die ohnehin eintönige Arbeit wird noch demotivierender, wenn sie dazu dient, diejenigen, die die Systeme anlernen, zu ersetzen. Diese Befürchtung hört man zumindest immer wieder in den Darstellungen der Auswirkungen von KI, und auch von hochqualifizierten Fachkräften selbst.
Vielleicht kommt es aber gar nicht so weit. Nicht, weil sich die Fachkräfte weigern würden, das Anlernen zu übernehmen oder es absichtlich so schlecht ausführen, dass die Trainingsphase niemals endet. Vielmehr spielen die hohen Kosten für KI-Systeme oder -Lizenzen eine oft unterschätzte Rolle.
Die Kosten sind so hoch, dass eine ausreichende Rendite unter anderem erst dadurch erzielt werden kann, dass man der KI immer mehr Aufgaben überträgt. Dies führt jedoch paradoxerweise dazu, dass mehr Software angelernt werden muss, was wiederum Zeit braucht und die Personal- und Lizenzkosten für die Einführung von KI in die Höhe treibt. Diejenigen, die dachten, sie würden die KI-Systeme anlernen und sich damit selbst ersetzen, finden sich letztlich in einem selbsterhaltenden Kreislauf wieder: Sie werden zu Dienern der KI, ohne zu wissen, wann ihre Dienstbarkeit endet.
Die KI-Revolution führt also nicht zwangsläufig zur Arbeitslosigkeit von Fachkräften, sondern es ändert sich die Wahrnehmung dessen, was eine Fachkraft und deren Arbeit ausmacht. Der Arbeitsschutz muss sich mit diesen komplexen und heterogenen Entwicklungen auseinandersetzen, um seiner Aufgabe auch in der künftigen Arbeitswelt gerecht zu werden.
Richard Harper
Institute for Social Futures,
Lancaster University, UK
r.harper@lancaster.ac.uk