Schöpfer und Sklave – Können Maschinen bei Problemlösungen helfen?

Das menschliche Gehirn ist ein hochentwickeltes Organ. Eine seiner Spezialitäten ist die Erkennung von Zusammenhängen, die mitunter noch besser funktioniert als billig ist – was sich an den weit verbreiteten Schwierigkeiten, Kausalität (Verhältnis Ursache → Wirkung), Koinzidenz (Gleichzeitigkeit) und Korrelation ((zufälliger?) Zusammenhang) auseinander zu halten, ablesen lässt. Hinzu kommt ein beachtliches Maß an Kreativität, deren Ergebnisse sich auf einem breiten Spektrum von Meisterwerk bis Provisorium einordnen lassen.

An beiden Fähigkeiten mangelt es der Maschine: Weder stellt diese auf eigene Faust Zusammenhänge fest, noch wird sie zielgerichtet schöpferisch tätig. Entscheidend ist in beiden Fällen nicht das Können, sondern das Wollen: Mit den heutzutage vorhandenen Rechenkapazitäten wären fraglos selbst schwierigste Sachverhalte innerhalb kurzer Zeit zu bewältigen, allein mangelt es dem Computer an der intrinsischen Motivation. So stehen in den Rechenzentren dieser Welt dann auch abertausende „Server“, also wortwörtliche „Diener“, die in ihrer sklavischen Sturheit ausschließlich das umsetzen, was der Mensch ihnen zuvor aufgetragen hat. Die Fortschritte auf dem Gebiet der Künstlichen Intelligenz können in diesem Licht für manche umso erstaunlicher, für andere enttäuschend erscheinen.

Bei der Arbeitsteilung zwischen Maschine und Mensch ist somit deutlich zwischen dem schöpferischen und dem sklavischen Anteil einer Aufgabe zu unterscheiden. Die eigentliche Herausforderung von computergestützter Problemlösung besteht dann darin, aus dem Gesamtsachverhalt ein Regelwerk zu extrahieren, dessen Umsetzung den Computer dazu befähigt, dem Menschen die nicht-schöpferische Arbeit abzunehmen. Hierbei gilt: Ist das Regelwerk zu genau, kommt der Rechner zu keinem Ergebnis; ist es zu lax, findet er falsch-positive Lösungen. Um sich zwischen diesen Extremen bei einer brauchbaren Strenge einzupendeln, ist es erforderlich, nach jeder Anpassung den Algorithmus bzw. das Produkt zu testen.

So kommt schließlich die wirtschaftliche Dimension eines Vorhabens ins Spiel: Ein sinnvoll organisiertes und gut gewartetes Rechenzentrum benötigt für seinen Teil der Aufgabe nicht mehr als etwas Zeit und Strom. Testen hingegen kostet menschliche Arbeitszeit, ebenso wie Exploration und Verstehen des Regelwerks, sowie dessen Ausformulieren in einer geeigneten Programmiersprache. Insbesondere für Verständnis und Programmierung ist hoch qualifiziertes Personal gefragt. Oft genug stehen die erforderlichen Investitionen für Forschung und Entwicklung dann in keinem sinnvollen Verhältnis zum antizipierten Erlös, sodass menschliche Lohnarbeit dort sinnvoller bleibt als die Automatisierung des Prozesses.

Zum unternehmerischen Kanon in Zeiten der Digitalisierung gehört also die Fähigkeit, die Kosten und Risiken jeder Arbeitsphase einzuschätzen und zwischen komplizierten und komplexen Problemen unterscheiden zu können. Dieser Unterscheidung wird sich der nächste Artikel dieser Serie widmen.

Kommentar hinterlassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.