Faszination KI: Was ist künstliche Intelligenz?

Die Neurowissenschaften machen regelmäßig Schlagzeilen mit der Erforschung des menschlichen Gehirns. Ihre Fortschritte provozieren eine Frage, an die sowohl Hoffnungen als auch Bedenken geknüpft sind: Wird es eines Tages möglich sein, das Gehirn technisch vollständig nachzubilden? Schon heute übertreffen Computer mit ihren Rechenleistungen die Vorstellungskraft, doch das menschliche Gehirn ist ihnen in seiner Komplexität noch immer in vielen Bereichen überlegen. Wird sich dies bald ändern?

Diese Fragen berühren das Forschungsgebiet der künstlichen Intelligenz (KI; engl. artificial intelligence, AI). In der KI-Forschung versucht man, mit den Mitteln der Informatik, Neurologie, Psychologie und Linguistik das Gehirn und seine Funktionen technisch nachzubilden. Die Ansätze der KI-Forschung verraten dabei auch stets etwas über unsere Vorstellung von uns als Mensch und über unser Verständnis von „Intelligenz“.

Eine künstliche Intelligenz, die über einen eigenen Willen verfügt und autonom handelt, ist noch immer Fiktion. Doch in vielen Lebensbereichen spielt die visionäre Technik bereits eine zentrale Rolle, ohne dass sie immer bemerkbar wäre. Was künstliche Intelligenz genau ist und wie sie eingesetzt wird, wissen viele gar nicht. Ärzte nutzen sie für Diagnosen und Behandlungspläne, Marktprognosen sind dank KI aussagekräftiger und die Suchalgorithmen von Google werden mit ihrer Hilfe immer dynamischer. Hinter jedem digitalen Assistenten wie Cortana oder Siri steckt KI-Technologie, Autos lernen durch sie eigenständiges Fahren und Computer helfen bei der Auswahl neuer Mitarbeiter. In den USA werden bereits juristische Schriftsätze mithilfe von artificial intelligence erstellt. So hat die Forschung in den letzten Jahrzehnten für zahlreiche Teilgebiete Großes geleistet.

Das Internet, speziell die Suchmaschinen und damit auch das Onlinemarketing sind von den rasanten Neuerungen ebenfalls betroffen. Ein grundlegendes Verständnis für die KI-Technologie ist deshalb auch fürs SEO von Vorteil: Was ist künstliche Intelligenz und wie funktioniert sie? Welche Ziele verfolgt die Forschung und welche aktuellen Anwendungsbereiche gibt es? Welche Chancen und Risiken sind damit verbunden? Und schließlich: Welche Auswirkungen haben die Entwicklungen auf Onlinemarketing und SEO?

Definitionen von künstlicher Intelligenz: Vision und Realität

Was ist „künstliche Intelligenz“?

Eine allgemeine Definition lautet: Künstliche Intelligenz ist ein Teilgebiet der Informatik, das zum Ziel hat, ein technisches Äquivalent zur menschlichen Intelligenz zu schaffen. An diesem Leitziel arbeiten Informatiker gemeinsam mit Experten aus vielen weiteren Wissensgebieten. Doch was „Intelligenz“ ausmacht und auf welchem Wege man sie technisch nachbildet – dazu gibt es viele Theorien und methodische Ansätze.

Eine genauere Definition von artificial intelligence ist wegen des komplexen Begriffs der Intelligenz kaum möglich. Welche Fähigkeiten zur Intelligenz zählen, ist schon beim Menschen umstritten – bei einer Maschine umso mehr. Soll die Maschine vor allem auf Rationalität optimiert werden? Oder gehören auch andere menschliche Eigenschaften wie Intentionalität, Intuition und Lernfähigkeit dazu? Möglicherweise spielen auch soziale Kompetenzen, Empathie oder Verantwortungsgefühl eine Rolle. Die Frage ist also: Soll die Technologie vorwiegend rationale Fähigkeiten oder künstliches Menschsein erzeugen?

Unterschiede gibt es auch bezüglich der „Ähnlichkeitsbeziehung“ zum Menschen: Soll die Maschine genauso aufgebaut sein wie ein menschliches Gehirn? Dieser Simulationsansatz strebt nach einer exakten Nachbildung von Gehirnfunktionen. Oder soll die Maschine nur wirken wie ein Mensch, ihm also lediglich im Endergebnis ähneln? Diesem phänomenologischen Ansatz geht es ausschließlich darum, was Menschen von der künstlichen Intelligenz mitbekommen – egal, welcher auslösende technische Prozess dahintersteckt.

Eine Definition von künstlicher Intelligenz fiel schon immer schwer. Im Jahr 1950 entwickelte der Mathematiker Alan Turing einen Test, mit dem KI messbar werden sollte: Der „Turing-Test“ ermittelt durch eine Reihe von Fragen, ob eine Maschine noch als solche erkennbar ist. Sind die Antworten eines Computers von denen eines Menschen nicht mehr zu unterschieden, so ist der Computer „künstlich intelligent“. Doch hilft diese Definition der aktuellen KI-Technik wenig weiter, denn heute wird künstliche Intelligenz vor allem für technische Aufgabengebiete entwickelt. Dabei geht weniger darum, dass die KI menschliche Kommunikation beherrscht, sondern darum, dass sie hochspezialisierte Aufgaben effizient ausführt. Für diese Technologien verwendet man den eingeschränkten Turing-Test: Verfügt ein technisches System in einem Teilgebiet über die gleichen Fähigkeiten wie ein Mensch – etwa bei einer medizinischen Diagnose oder einem Schachspiel –, so spricht man von einem künstlich intelligenten System. Es gibt dementsprechend zwei Definitionen von künstlicher Intelligenz: eine „starke“ und eine „schwache“.

Tipp

Holen Sie Ihre eigene .ai Domain von IONOS!

Die Vision: Starke künstliche Intelligenz

Die starke Definition von artificial intelligence bezieht sich auf eine Intelligenz, die in der Lage ist, den Menschen mit seinen vielfältigen Fähigkeiten in Gänze zu ersetzen – dieser universale Ansatz vom Menschen als Maschine existiert seit der Aufklärung, ist aber noch immer Fiktion.

Es gibt verschiedene Dimensionen von Intelligenz, die zur starken KI gehören: die kognitive, sensomotorische, emotionale und soziale Intelligenz. Die meisten aktuellen Anwendungen künstlicher Intelligenz betreffen den Bereich kognitiver Intelligenz – also Logik, Planung, Problemlösung, Eigenständigkeit oder individuelle Perspektivbildung.

Die Vision ist, dass die KI irgendwann ein autonomesBewusstsein und einen eigenen Willen entwickeln könnte. Mit diesem Fernziel stößt die KI-Forschung in das traditionelle Hoheitsgebiet der Philosophie vor und wirft zahlreiche ethische und juristische Fragen auf. So weisen Rechtsphilosophen bereits darauf hin, dass auch für künstlich intelligente Wesen verbindliche Rechtsregeln gelten müssten. Überhaupt ist die Frage der Rechtsfähigkeit intelligenter Maschinen noch völlig ungeklärt.

Die Realität: Schwache künstliche Intelligenz

Die schwache Definition von artificial intelligence bezeichnet hingegen die Entwicklung und den Einsatz künstlicher Intelligenz in klar abgegrenzten Anwendungsgebieten. An diesem Punkt befindet sich die aktuelle KI-Forschung. Fast alle gegenwärtigen Einsatzbereiche künstlicher Intelligenz gehören in den Bereich der „schwachen“ – aber überaus spezialisierten – KI, z. B. die Entwicklung selbstfahrender Autos, die medizinische Diagnostik oder intelligente Suchalgorithmen.

Auf dem Gebiet der schwachen KI konnte die Forschung in den vergangenen Jahren bahnbrechende Erfolge verbuchen. Die Entwicklung intelligenter Systeme in einzelnen Teilbereichen erwies sich nicht nur als wesentlich praktikabler, sondern auch als ethisch unbedenklicher als die Forschung an einer Superintelligenz. Die Anwendungsbereiche schwacher künstlicher Intelligenz sind ungemein vielfältig, doch besonders erfolgreich wird sie aktuell in der Medizin, im Finanzwesen, in der Transportindustrie und im Marketing eingesetzt – und natürlich im Internet. Es ist bereits abzusehen, dass KI-Technologien dieser Art in nahezu alle Lebensbereiche vordringen werden.

Wie funktioniert künstliche Intelligenz? Methodik und Geschichte der KI

Wie lässt sich nun die Funktionsweise künstlicher Intelligenz beschreiben? Eine KI ist immer nur so gut, wie die Art ihrer technischen Wissensrepräsentation. Es gibt hierbei zwei grundlegende methodische Ansätze: den symbolverarbeitenden und den neuronalen Ansatz.

  1. Bei der symbolverarbeitenden KI wird das abzurufende Wissen durch Symbole repräsentiert; sie arbeitet mit sogenannter Symbolmanipulation. Die symbolische KI geht Informationsverarbeitung „von oben“ an und operiert mit Symbolen, abstrakten Zusammenhängen und logischen Schlüssen.
  2. Bei der neuronalen KI wird das abzurufende Wissen durch künstliche Neuronen und ihre Verknüpfung repräsentiert. Die neuronale KI geht Informationsverarbeitung „von unten“ an und simuliert einzelne künstliche Neuronen, die sich in größeren Gruppen anordnen und gemeinsam ein künstliches neuronales Netzwerk bilden.

Symbolische KI

Die symbolische KI gilt als klassischer Ansatz von artificial intelligence. Dieser beruht auf der Idee, dass menschliches Denken unabhängig von konkreten Erfahrungswerten von einer übergeordneten logisch-begrifflichen Ebene her rekonstruiert werden kann (Top-down-Ansatz). Wissen wird demnach in abstrakten Symbolen repräsentiert, wozu auch die Schrift- und Lautsprache gehören. Maschinen lernen über Symbolmanipulation, diese Symbole auf Basis von Algorithmen zu erkennen, zu verstehen und zu verwenden. Das intelligente System bezieht seine Informationen dabei aus sogenannten Expertensystemen. In diesen werden die Symbole und Informationen auf eine spezifische Art sortiert – meistens in logischen Wenn-dann-Beziehungen. Das intelligente System kann auf diese Wissensdatenbanken zugreifen und die dort hinterlegten Informationen mit seinem Input vergleichen.

Klassische Anwendungen der symbolischen KI sind die Textverarbeitung und Spracherkennung, aber auch andere logische Disziplinen wie die Beherrschung eines Schachspiels. Die symbolische KI arbeitet nach festen Regeln und kann mit steigender Computer-Rechenleistung immer komplexere Probleme lösen. So gewann Deep Blue von IBM im Jahr 1996 mithilfe symbolischer KI gegen den damaligen Schachweltmeister Garri Kasparow.

Fakt

Der Aufbau eines Expertensystems erfolgt auf Basis von Daten, die mit bestimmten Verarbeitungsregeln ausgestattet sind. Ein Beispiel:

  1. Alle Bäume sind aus Holz.
  2. Holz ist brennbar.
  3. X ist ein Baum.
  4. Also ist X brennbar.

Auf Basis solcher logischen Verknüpfungen soll ein Expertensystem die Erkenntnisweise von Menschen imitieren. Expertensysteme sind fast immer beschränkt auf ein Spezialgebiet, z. B. einen speziellen Bereich der Medizin.

Die Leistung symbolischer KI steht und fällt mit der Qualität der Expertensysteme. Die Hoffnung der Entwickler war groß: Mit fortschreitender Technik könnten auch die Expertensysteme immer leistungsfähiger werden – der Traum von starker künstlicher Intelligenz schien greifbar. Doch zeichnen sich immer deutlicher die Grenzen der symbolischen KI ab. Denn egal, wie komplex das Expertensystem ist, die symbolische KI bleibt verhältnismäßig unflexibel. Mit Ausnahmen, Variation oder unsicherem Wissen kann das streng regelbasierte System nur schwer umgehen. Außerdem ist die symbolische KI zu selbstständigem Wissenserwerb nur sehr begrenzt fähig.

Zu starr, zu wenig dynamisch – die Technologie konnte die übersteigerten Erwartungen nicht einlösen. So brach Mitte der 1970er-Jahre der „KI-Winter“ an, der bis weit in die 1980er-Jahre reichte und in dem finanzielle Förderungen dramatisch einbrachen. In diesem Tief bahnte sich eine revolutionäre Neuausrichtung der Technik an: die Entwicklung selbstlernender Systeme. Die Arbeit an künstlichen neuronalen Netzwerken belebte die KI-Forschung von neuem.

Neuronale KI

Es waren Geoffrey Hinton und zwei seiner Kollegen, die 1986 die neuronale KI-Forschung und damit das Forschungsfeld der artificial intelligence wiederbelebten. Mit ihrer Weiterentwicklung des Backpropagation-Algorithmus schufen sie die Grundlage für das Deep Learning, mit dem heute fast jede KI arbeitet. Dank dieses Lernalgorithmus können tiefe neuronale Netzwerke stetig dazulernen und eigenständig wachsen – und so Herausforderungen meistern, bei denen die symbolische KI versagt.

Neuronale künstliche Intelligenz (auch: konnektionistische oder subsymbolische KI) verabschiedet sich also vom Prinzip der symbolischen Wissensrepräsentation. Ähnlich wie beim menschlichen Gehirn ist das Wissen stattdessen in winzige Funktionseinheiten segmentiert, die künstlichen Neuronen, die sich zu immer größer werdenden Gruppen vernetzen (Buttom-up-Ansatz). Es entsteht ein vielfältig verzweigtes Netzwerk künstlicher Neuronen.

Die neuronale KI versucht das Funktionsprinzip des Gehirns möglichst präzise nachzubilden und seine neuronalen Netze künstlich zu simulieren. Im Gegensatz zur symbolischen KI wird das neuronale Netz „trainiert“ – in der Robotik beispielsweise mit sensomotorischen Daten. Aus diesen Erfahrungen generiert die KI ihr ständig wachsendes Wissen. Hier liegt die große Innovation: Zwar beansprucht das Training verhältnismäßig viel Zeit, doch ist das System schließlich in der Lage, eigenständig zu lernen. Man spricht daher auch von „selbstlernenden Systemen“ oder „maschinellem Lernen“. Das macht neuronale künstliche Intelligenzen zu sehr dynamischen, anpassungsfähigen Systemen – die für Menschen mitunter nicht mehr vollständig nachvollziehbar sind.

Der Aufbau eines künstlichen neuronalen Netzwerks folgt allerdings fast immer denselben Prinzipien:

  1. Unzählige künstliche Neuronen sind in Schichten übereinander platziert. Sie sind über simulierte Leitungen miteinander verbunden.
     
  2. Gegenwärtig befinden sich vor allem tiefe neuronale Netze in der Anwendung. „Tief“ bedeutet, dass sie mit mehr als zwei Schichten arbeiten. Die Zwischenschichten liegen hierarchisch übereinander – in manchen Systemen werden Informationen über Millionen von Verbindungen nach oben gereicht. Zur Orientierung: AlphaGo (Google DeepMind) verfügt über 13 Zwischenschichten, Inception (Google) schon über 22 Schichten.
     
  3. Die oberste Schicht oder Input-Schicht funktioniert wie ein Sensor: Sie nimmt den Input – etwa Text, Bilder oder Geräusche – in das System auf. Von dort aus wird der Input nach bestimmten Mustern durch das Netzwerk gereicht und mit bisherigem Input verglichen. Über die Input-Schicht wird das Netzwerk also gefüttert und trainiert.
     
  4. Die tiefste Schicht oder Output-Schicht dagegen hat meist nur wenige Neuronen – eines für jede zu klassifizierende Kategorie (Bild eines Hundes, Bild einer Katze etc.). Die Output-Schicht zeigt dem Benutzer das Ergebnis des neuronalen Netzwerks an und kann z. B. auch das Bild einer Katze erkennen, das ihm vorher unbekannt war.
     
  5. Es gibt drei grundsätzliche Lernverfahren, mit denen sich neuronale Netzwerke trainieren lassen: überwachtes, nicht überwachtes und bestärkendes Lernen. Diese Verfahren regulieren auf jeweils unterschiedliche Weise, wie ein Input zum gewünschten Output eines Systems führt.

Die überwältigende Mehrzahl der jüngsten KI-Erfolge gehen auf das Konto neuronaler Netzwerke. Unter dem Schlagwort Deep Learning setzt man in der Innovationsforschung auf die außerordentlichen Leistungen selbstlernender Systeme – sei es bei der Sprach- und Handschrifterkennung oder beim autonomen Fahren. Dank tiefer neuronaler Netze besiegte Google DeepMinds AlphaGo 2016 den südkoreanischen Profi-Go-Spieler Lee Sedol. Go gilt als eines der komplexesten strategischen Brettspiele der Welt.

Googles Inception wiederum, eigentlich ein System zur Bilderkennung, erschafft verblüffende Traumbilder, die 2015 unter dem Hashtag #DeepDreams einen viralen Hype auslösten. Dieser „Nebeneffekt“ des Systems wurde von seinen Entwicklern zufällig entdeckt: Sie wollten herausfinden, wie die von ihnen geschaffene künstliche Intelligenz genau funktioniert.

Chancen und Risiken künstlicher Intelligenz

Von blindem Fortschrittsoptimismus bis zu schlichter Technikverweigerung – intelligente Technik löst sehr unterschiedliche Reaktionen aus. Das hat vor allem damit zu tun, dass es positive und negative Zukunftsprognosen darüber gibt, wie diese neuen Technologien unser Leben verändern werden. Welche Chancen und Risiken sind also mit künstlicher Intelligenz verbunden? Im Folgenden tragen wir die wichtigsten Positionen von KI-Enthusiasten und KI-Skeptikern zusammen.

Chancen

Es gibt es eine ganze Reihe von Vorteilen und Chancen der künstlichen Intelligenz. Die wichtigsten Vorteile der Technologie betreffen die Arbeitswelt, ihre hohe Leistungsstärke und die wirtschaftlichen Perspektiven, die sie eröffnet.

Zitat

„Künstliche Intelligenz wird unser Leben verbessern. Und uns nach und nach immer mehr Denkaufgaben abnehmen. Sie wird uns mehr Raum schaffen für Aufgaben, die uns Freude machen. Und sie wird die Arbeitswelt revolutionieren.“

Technikmesse CeBIT

Befürworter der neuen Technologie, weisen vor allem auf die Chancen hin, die künstliche Intelligenz bietet:

  • Arbeitsplätze und Arbeitserleichterung: Die neue Technologie könnte für wertvolle neue Arbeitsplätze sorgen und insgesamt einen wirtschaftlichen Aufschwung bedeuten. Darüber, dass die Technologie einschneidende Auswirkungen auf den Arbeitsmarkt haben wird, sind sich alle Experten einig. Ein Gremium der Stanford University untersuchte artificial intelligence auf ihre Zukunftsperspektiven und kam zu dem Schluss, dass sich gegenwärtig noch nicht abschätzen lässt, ob die Auswirkungen auf den Arbeitsmarkt eher positiv oder eher negativ ausfallen würden. Sicher sei jedoch, dass viele Menschen ihren Lebensunterhalt nicht mehr allein durch Arbeit bestreiten könnten. Daher sehen gerade Befürworter des bedingungslosen Grundeinkommens die Technik künstlicher Intelligenz als große Chance: Das Modell der traditionellen Lohnarbeit könnte schon bald überholt sein. Auch für Tesla-Chef Elon Musk ist dies einer der Vorteile künstlicher Intelligenz: Mehr Freizeit für den Menschen.
  • Komfort: KI-Befürworter sehen die Chancen von künstlicher Intelligenz außerdem in dem erheblichen Komfort, den jede technische Neuerung für den Lebensalltag bedeutet. Das bezieht sich auf das selbstfahrende Auto genauso wie auf die intelligente Übersetzungs-Software – solche Entwicklungen stellen eine große Entlastung für Verbraucher dar.
  • Außerordentliche Leistungsstärke: Doch auch bei Aufgaben von öffentlichem Nutzen hat artificial intelligence erhebliche, wenn nicht die größten Vorteile – schließlich haben Maschinen eine geringere Fehlerquote als Menschen, und ihre Leistungsfähigkeit ist enorm. Insbesondere im Gesundheitswesen und in der Justiz bewertet man die große Vielseitigkeit intelligenter Maschinen als vielversprechend. Obwohl Experten nicht erwarten, dass Richterinnen und Richter in Zukunft durch künstliche Technik ersetzt werden, kann artificial intelligence dennoch dabei helfen, Muster eines Verfahrens schneller zu erkennen und zu objektiven Urteilen zu kommen.
  • Wirtschaftliche Vorteile: Natürlich verspricht die Technologie auch einen großen kommerziellen Gewinn für die beteiligten Wirtschaftszweige. Die International Federation of Robotics (IFR) prognostiziert, dass bis 2019 weltweit 42 Millionen Service-Roboter verkauft werden – mit einem Umsatz von rund 22 Milliarden Dollar. Eine Studie der Bank of America Merrill Lynch wiederum schätzt, dass der Umsatz der KI-Industrie bis 2020 auf über 150 Milliarden Dollar steigt. Artificial intelligence könnte für die IT-Branche und benachbarte Wirtschaftszweige also einen erheblichen wirtschaftlichen Aufschwung bedeuten – und damit auch den allgemeinen Wohlstand mehren.
  • Futuristische Projekte: Nicht zuletzt beflügelt artificial intelligence den natürlichen Entdeckerdrang des Menschen – sie wird bereits für die Exploration von Ölquellen oder zur Steuerung von Marsrobotern weiterentwickelt. Es ist zu vermuten, dass mit dem Fortschritt der Technik sich auch die Einsatzbereiche künstlicher Intelligenz weiter ausdehnen.

Risiken

Prominente Experten wie der Physiker Stephen Hawking oder Silicon-Valley-Ikone Elon Musk warnen aber auch vor den Risiken künstlicher Intelligenz. Diese kritische Stimmen finden Rückhalt durch größere Initiativen: So mobilisiert z. B. die Forschungs- und Lobbyorganisation Future of Life Institute (FLI) regelmäßig renommierte Kritiker, um zu einem verantwortungsvollen Umgang mit der Technik aufzurufen.

Zitat

„Der Fortschritt bei künstlicher Intelligenz (ich meine nicht einfache künstliche Intelligenz) ist unglaublich schnell. […] Solange man nicht direkt Gruppen wie DeepMind ausgesetzt ist, kann man sich kaum vorstellen, wie schnell es voran geht. Es ist annähernd exponentiell. […] Es besteht das Risiko, dass binnen fünf Jahren etwas ernsthaft Gefährliches passiert.“

- Elon Musk, Tesla-Chef und KI-Investor, in einem Interview 2014

Diskutiert werden folgende Risiken künstlicher Intelligenz:

  • Unterlegenheit des Menschen: Ein mögliches Risiko, das viele fürchten und das schon oft Gegenstand der Science-Fiction war, ist die Entwicklung einer „Superintelligenz“. Unter einer Superintelligenz versteht man eine Technologie, die sich selbst optimiert und dadurch vom Menschen unabhängig wird. Die Beziehung zwischen den Menschen und dieser superintelligenten Technik könnten problematisch werden – am Ende könnte der Mensch der Technik gar unterliegen, so die Angst der Skeptiker. Eine vorsätzlich bösartige artificial intelligence halten Forscher allerdings für nahezu ausgeschlossen. Ein tatsächliches Risiko sehen viele dagegen in einer künstlichen Intelligenz, die so kompetent ist, dass sich ihre Aktivitäten verselbstständigen – Aktivitäten, die dann vielleicht für den Menschen schädlich werden könnten. Darüber, ob und wann es zu einem solchen Kontrollverlust über die KI-Technik kommen kann, herrscht jedoch große Uneinigkeit. Das FLI informiert auf seiner Seite über Mythen und Missverständnisse zum Thema Superintelligenz.
  • Abhängigkeit von der Technik: Andere Skeptiker sehen die Risiken der artificial intelligence nicht in einer generellen Unterlegenheit, sondern in einer wachsenden Abhängigkeit des Menschen von technologischen Systemen. In der medizinischen Versorgung etwa, wo der Einsatz von Pflegerobotern bereits getestet wird, macht sich der Mensch zunehmend zum überwachten Objekt technischer Systeme, so die Stimmen der Kritiker. Dabei laufe er Gefahr, ein Stück seiner Privatheit und Selbstbestimmung aufzugeben. Nicht nur für die Medizin werden diese Bedenken geäußert, sondern auch in Bezug auf KI-gestützte Videoüberwachung oder intelligente Algorithmen im Netz.
  • Datenschutz und Machtverteilung: Intelligente Algorithmen können die wachsenden Datensätze immer effizienter verarbeiten. Vor allem für den Internethandel ist dies zunächst eine positive Nachricht. Doch die Weiterverarbeitung von Daten durch KI-Technologien wird für Verbraucher immer schwerer nachzuvollziehen und zu überwachen, so der Tenor der Kritiker. Stattdessen hätten Unternehmen und Experten mit dem entsprechenden technischen Know-how die alleinige Kontrolle. Dies sind natürlich keine Risiken, die exklusiv für künstliche Intelligenz gelten, sondern allgemeine Herausforderungen des digitalen Zeitalters. Doch angesichts der erstaunlichen Fähigkeiten der KI-Technologien werden die Stimmen der Mahner lauter.
  • Filterblasen und selektive Wahrnehmung: Der Netzaktivist Eli Pariser führt als weiteres Risiko von artificial intelligence sogenannte Filter- oder Informationsblasen an. Wenn Algorithmen die Inhalte, die sie einem Nutzer anbieten, zunehmend aus seinem vorherigen Verhalten ableiten (personalisierte Inhalte), so wird das ihm angebotene „Weltbild“ immer enger, so die Sorge. Die Meinung skeptischer Experten: KI-Technologien fördern die selektive Wahrnehmung und verstärken dadurch eine wachsende „ideologische Distanz zwischen Individuen“. Eine 2016 veröffentlichte Studie von Microsoft untersucht dieses Auseinanderdriften von Informationszugängen durch Filterblasen. Die Ergebnisse relativieren jedoch dieses Risiko der künstlichen Intelligenz: Die Studie weist darauf hin, dass ähnliche Probleme auch im klassischen Journalismus bestehen und der Einfluss neuer Technologien bisher nur geringfügig nachzuweisen ist.
  • Beeinflussung von Meinungsbildung: Darüber hinaus, so die Kritiker, könnten KI-Technologien öffentliche Meinungen auch gezielt lenken. Anlass für diese Bedenken bieten Technologien, die ihre Nutzer bis ins Detail kennen, oder der Einsatz von Social Bots, die die öffentliche Haltung beeinflussen. Bei wachsender Intelligenz dieser Techniken wird das Risiko einer Meinungsbeeinflussung immer höher, so die skeptischen Stimmen.
  • Waffentechnologie: Ein anderes gewichtiges Risiko künstlicher Intelligenz bezieht sich auf ihren Einsatz in der Kriegsführung. Im Jahr 2015 warnten hunderte KI-Forscher und Wissenschaftler unter dem Dach des FLI vor KI-gestützten autonomen Waffensystemen. Unter den Unterzeichnern waren Stephen Hawking und Elon Musk, aber auch Apple-Mitbegründer Steve Wozniak oder DeepMind-Mitbegründer Demis Hassabis. In einem offenen Brief forderten sie ein Verbot der KI-gestützten Waffentechnik, die schon bald „ohne ernstzunehmende menschliche Kontrolle“ eingesetzt werden könne. Auf die bedrohliche Verknüpfung von artificial intelligence einerseits und Kriegsführung, Wettrüsten und nuklearer Bedrohung andererseits wird auch von anderen Seiten immer wieder hingewiesen.
  • Arbeitsmarkt: Die diskutierten Risiken von artificial intelligence auf dem Arbeitsmarkt betreffen vor allem den Abbau von Arbeitsplätzen. Skeptiker befürchten, dass KI-Technik den Menschen zunehmend überflüssig machen könnte, ob nun durch den Putzroboter, den Pflegeroboter oder durch selbstnavigierende Transportsysteme. In der Medizinethik wird derzeit der Einsatz von Pflegerobotern kontrovers diskutiert. Die Befürchtung: Die Versorgung von pflegebedürftigen Menschen durch Roboter führt zu einer sozialen Kälte, insbesondere in der letzten Lebensphase.
  • Diskriminierende Algorithmen: Künstliche Technik liefert im Vergleich zum Menschen oft neutralere Ergebnisse – einer der vielen Vorteile künstlicher Intelligenz. Doch immer wieder zeigt KI-Technik auch Voreingenommenheit gegenüber Geschlecht oder Herkunft von Personen: Microsofts Chatbot Tay etwa imitierte innerhalb kürzester Zeit rassistische Sprache, Sicherheitstechnologien stufen „black neighbourhoods“ eher als Problembezirke ein und Werbeplattformen schalten bei männlichen Usern höher bezahlte Jobangebote. Das Problem ist weitgehend bekannt, und so hat das British Standards Institute nun eine überarbeitete Version ethischer Guidelines für Roboter herausgegeben. Doch lassen sich diese technisch nur schwer umsetzen – schließlich lernt die KI selbstständig aus ihrer Umwelt anhand von Lernprozessen, die von einzelnen Menschen nur begrenzt beeinflusst werden können.

Künstliche Intelligenz in der digitalen Welt

Was ist nun die Funktion von artificial intelligence in der digitalen Welt? Zunächst ist festzustellen: Für den Laien ist künstliche Intelligenz im Netz kaum sichtbar. Viele Firmen schrecken zudem vor der Verwendung des Begriffs zurück, auch wenn ihre Produkte tatsächlich mit künstlicher Intelligenz arbeiten. Denn so groß die Faszination für KI ist, so schlecht ist mitunter ihr Ruf. Oft begegnen Verbraucher KI-Technologien im Alltag skeptisch. Außerdem fällt es manchmal schwer, zu sagen, wann eine technische Leistung als „intelligent“ einzustufen ist – die fließenden Übergänge der Anwendungsformen und die unterschiedlichen Definitionen künstlicher Intelligenz sorgen diesbezüglich oft für Verwirrung.

Mit der zunehmenden Verbreitung von Sprachassistenten dürften sich allerdings immer mehr Menschen an den Einsatz von KIs gewöhnen. Doch gibt es darüber hinaus in der Netzwelt eine ganze Vielzahl von Anwendungen, in denen KI-Technologien eine entscheidende Rolle spielen. Die Liste der aktiven KI-Algorithmen und Programme, die mit artificial intelligence arbeiten, ist lang. Google dominiert diesen Markt mit seinen Innovationen – angeblich mit einem Entwicklungsvorsprung von zwei bis drei Jahren gegenüber anderen IT-Unternehmen. Doch wie genau wird künstliche Intelligenz in die bekannten Suchalgorithmen integriert? Und welche Auswirkungen hat sie fürs Onlinemarketing und speziell für SEO? Im Folgenden finden Sie zunächst Beispiele für typische Techniken und wegweisende Programme in dem Bereich.

Techniken und Anwendungsbereiche

  • Maschinelles Lernen: Maschinelles Lernen bedeutet, dass ein künstliches System Wissen aus Erfahrungen sammelt. Diese Lerndaten befähigen das System dazu, Muster und Gesetzmäßigkeiten zu erkennen. Beim maschinellen Lernen wird sowohl symbolische als auch neuronale künstliche Intelligenz genutzt.
  • Deep Learning: Das Deep Learning ist eine Unterklasse des maschinellen Lernens, die ausschließlich mit neuronaler KI arbeitet – genauer: mit künstlichen neuronalen Netzwerken. Deep Learning ist die Basis der meisten aktuellen KI-Anwendungen.
  • Visuelle Klassifikation: Sie nutzt man zur Entwicklung von Objekterkennung, Gesichtserkennung, Symbolerkennung und Texterkennung.
  • Auditive Klassifikation: Sie dient zur Entwicklung von Spracherkennung und Geräuscherkennung.
  • Social Computing: Beim Social Computing werden vielfältige Online-Inhalte (etwa aus sozialen Netzwerken, Online-Games, Blogs oder Wikis) analysiert. Aus den Ergebnissen leitet man Muster und Regeln für soziales Verhalten ab. Mittels Social Computing kann man dann künstliche Sozial Agents entwickeln.
  • Meinungsanalyse: Das „Opinion Mining“ (auch „Sentiment Analysis“) bezeichnet Methoden, mit denen das Web nach Meinungs- und Gefühlsäußerungen der Nutzer abgesucht wird. Die so gewonnenen Daten nutzt man, um die Meinung der User zu bestimmten Themen, Events und Persönlichkeiten zu ermitteln. Opinion Mining ermöglicht auch, Kundenanliegen automatisch zu verarbeiten und personalisiert zu behandeln.
  • Kundenservice (Telefon, Web) und digitale Assistenten: Im Servicebereich spielen KI-Entwicklungen eine große Rolle. Insbesondere Spracherkennungs-Software arbeitet mit artificial intelligence.
  • Suchalgorithmen: Künstliche Intelligenz ist eine von vielen Komponenten, mit denen Suchalgorithmen optimiert werden. Ihre Bedeutung für das Ranking steigt stetig.
  • Crawler: Crawler werden u. a. von Suchmaschinen eingesetzt, um das Web nach Informationen zu durchkämmen. Mit diesen Informationen wird dann ein Index aufgebaut. Ein Crawler lernt aus Beispielen und kann daraus relevante Schlussfolgerungen herleiten.
  • Computer-Vision-Systeme: Maschinelles Sehen, speziell die Gesichtserkennung, wird häufig im Bereich der Sicherheitstechnik verwendet, etwa im Straßenverkehr oder zum Überwachen öffentlicher Plätze. Aber auch Dienste wie Facebook verwenden sie, um ihre Nutzer immer besser zu erkennen. Mittlerweile ist Facebook in der Lage, innerhalb von Sekunden ein bestimmtes Gesicht aus Millionen von Fotos herauszusuchen – auch wenn es nicht direkt in die Kamera schaut.
  • Virtuelle Akteure und Bots: Bei der Entwicklung von Computerspielen lässt die KI virtuelle Mitspieler menschlicher handeln. Für die Simulation menschlichen Handelns im Netz werden sogenannte Bots entwickelt. Insbesondere Social Bots agieren künstlich intelligent.
  • Gruppensimulation: Mittels künstlicher Intelligenz können komplexe Verhaltensmuster von Menschengruppen vorhergesagt werden. Das nutzt man sowohl bei der Entwicklung von Computerspielen als auch in der Sicherheitstechnik oder bei der Analyse viraler Dynamiken.
Fakt

Künstliche Intelligenz sollte nicht verwechselt werden mit dem Semantic Web. Die Ursprünge des Semantic Web liegen zwar in der KI-Forschung – doch heute haben die beiden Bereiche so gut wie nichts mehr miteinander zu tun.

Programme, Algorithmen und Forschungsinitiativen

  • RankBrain: RankBrain ist ein künstlich intelligenter Algorithmus von Google, der ursprünglich entwickelt wurde, um längere, noch unbekannte Suchanfragen besser zu verstehen. 2015 teilte Google mit, RankBrain sei neben Links und Content der drittwichtigste Faktor aus über 200 Ranking-Faktoren bei der Google-Suche. Damit hat RankBrain einen großen Einfluss auf das SEO.
  • DeepMind: DeepMind ist ein 2014 von Google aufgekauftes Unternehmen, das zahlreiche innovative KI-Technologien geschaffen hat. Seine Entwicklungen – darunter RankBrain – werden in unterschiedliche Anwendungen und Algorithmen von Google integriert. Einer weiteren KI von DeepMind gelang es, sich die Spielregeln alter Atari-Spiele selbst beizubringen. Außerdem entwickelte das Unternehmen AlphaGo – das Computerprogramm, das das Brettspiel „Go“ bis zur Perfektion meisterte. Technisch zeichnet sich DeepMind dadurch aus, dass die Entwickler nicht ausschließlich auf neuronale Netze setzen, sondern ihre KIs zusätzlich mit einem Kurzzeitspeicher ausstatten. So sollen menschliche Gedächtnisfunktionen noch besser simuliert werden.
  • Inception: Inception ist ein Bilderkennungsnetzwerk von Google, das im Bereich visual recognition neue Maßstäbe gesetzt hat.
  • Siri, Alexa, Cortana & Co.: Die künstliche Intelligenz der Sprachassistenten von Apple, Amazon und Microsoft dürfte den meisten Verbrauchern bereits aus ihrem Alltag bekannt sein. Insbesondere die Sprachfunktion der Assistenten greift auf KI-Technologie zurück.
  • Watson: Die von IMB entwickelte Kommunikations-Software Watson wurde auf Fragen und Antworten in natürlicher Sprache optimiert. 2011 trat sie in der Quizsendung „Jeopardy!“ auf und demonstrierte ihre Fähigkeiten: Sie gewann gegen ihre menschlichen Gegner mit einem Vorsprung von 2.500 US-Dollar. Mittlerweile wird sie in medizinischen Unternehmen eingesetzt, um Daten der Versicherten zu ermitteln und die medizinische Vorgeschichte zu prüfen. Ein weiteres Gimmick dieser KI: 2016 erstellte sie auf der Grundlage von 100 Kinotrailern selbstständig einen Trailer für den Kinofilm „Morgan“, der auch offiziell verwendet wurde.
  • Cleverbot: Das webbasierte Chatprogramm Cleverbot lernt durch Kommunikation mit Menschen. Es ist ein Open-Source-Chatprogramm, das 2011 nach einem Turning-Test zu 59,3 Prozent als „menschlich“ eingestuft wurde.
  • TensorFlow: Die intelligente Software wird seit 2015 von Google gratis zur Verfügung gestellt, um KI-Forschungsprojekte voranzubringen. TensorFlow wird derzeit in verschiedenen Google-Produkten verwendet, darunter Googles Spracherkennung, Gmail oder Google Search.
  • Facebook AI Research (FAIR)/Torch: Ähnlich verfährt Facebook mit seiner Open-Source-Software Torch. Auch hiermit sollen Deep-Learning-Methoden gefördert werden.
  • Microsoft Emotion Recognition: Die Gefühlserkennung von Microsoft ist ein Tool, das Emotionen in Bildern erkennt.

Mit dem weiteren Klick laden Sie das Video von YouTube. In diesem Fall kann YouTube Cookies setzen, auf welche wir keinen Einfluss haben.

Auswirkungen auf SEO

Die Innovationen selbstlernender Systeme sorgen in der Netzbranche für große Veränderungen. Mit dem Kauf des Unternehmens DeepMind zeigte der Trendsetter Google schon 2014, dass sich sein Suchalgorithmus weiter auf künstliche Intelligenz spezialisiert. Immer wieder kauft Google Start-ups aus der KI-Forschung auf – wie die britischen Unternehmen Vision Factory oder Dark Blue Labs – und integriert sie in sein DeepMind-Team.

Den bisher größten Einfluss von Googles KI-Initiativen hat der intelligente Algorithmus RankBrain. Äußerst effizient in der Erkennung neuer Suchanfragen, wurde er 2015 global in Googles Suchalgorithmus implementiert. Mittlerweile ist er einer der drei wichtigsten Ranking-Faktoren, gemeinsam mit Links und Content. RankBrains Spezialität ist es, textbasierte Suchanfragen in mathematische Entitäten umzuwandeln. So kann die Intention hinter den Suchanfragen noch besser erkannt werden. Wie diese künstliche Intelligenz genau funktioniert, ist allerdings nicht bekannt.

Der Einfluss der KI auf die Google-Suche kann kaum überschätzt werden. SEO-Experte Mark Traphagen zitiert dessen CEO Sundar Pichai: „Wir bewegen uns von einer Mobile-First-Welt auf eine KI-First-Welt zu. Wir wollen ein persönliches Google für jeden einzelnen Nutzer schaffen“ (Übers. der Red.). Das persönliche Google für jeden, die vollkommene Individualisierung der Onlinesuche mittels künstlicher Intelligenz – eine immense Herausforderung für SEO.

Die künstliche Intelligenz von RankBrain sortiert Suchanfragen, indem sie die ihr bekannten Daten in Hypothesen und Verallgemeinerungen umwandelt und diese auf den jeweiligen Input anwendet. Da sie ständig mit neuen Daten gefüttert wird, verändert sich auch ihr Verhalten. So arbeitet Google nicht mehr mit wöchentlichen Updates, die nach menschlichem Bemessen vorgenommen werden, sondern setzt zunehmend auf Echtzeitberechnungen von selbstlernenden Systemen. Waren die Algorithmen zuvor noch in Teilen nachvollziehbar, macht dies die dynamische und personalisierte KI SEOs immer schwerer.

Was die Rolle von artificial intelligence im SEO ist, erläutern wir mit den unten stehenden „Merksätzen“. Als SEO muss man vor allem eine Sache im Kopf behalten: Die KI gewinnt ihr täglich neues Wissen über die Qualität von Websites, das sie auf zukünftige Rankings anwendet, aus den Erfahrungen und Signalen der Nutzer. Google weiß, wo ein User klickt, welche Links er verwendet, wie lange er sich auf einer Seite aufhält und wie wahrscheinlich er auf Werbeschaltungen reagiert. Folgende Merksätze können beim SEO behilflich sein:

  1. Nutzersignale haben eine hohe Relevanz. Es geht fortan nicht mehr nur um Klicks, sondern zunehmend auch um Verweildauer oder, so legen es einige Studien nahe, um Social Signals. Entscheidend sind vier Dinge:
  • Time on Site: Dies bezeichnet die durchschnittliche Verweildauer auf einer Website.
  • Bounce-Rate: Die Bounce-Rate ist die Kennzahl für die Absprungrate der Leser. Sie umfasst sowohl die Kurzbesuche auf einer Website als auch jene Besuche, bei denen nur eine einzige Seite aufgerufen wird.
  • Click-Through-Rate: Die Click-Through-Rate bezeichnet die Kennzahl, wie häufig Werbebanner oder Sponsorenlinks angeklickt werden.
  • Social Signals: Social Signals sind Likes, Shares und Kommentare zu einer Website oder einem Webseiteninhalt. Sie sind damit ein wichtiger Indikator für die Popularität von Webinhalten.
  1. Semantik geht vor Keywording. RankBrain wurde ursprünglich entwickelt, um längere und bisher unbekannte Suchanfragen besser verstehen zu können – die Folge ist, dass Google alltagssprachliche Suchen immer besser interpretiert und die dahinterstehende Intention erfasst. Das SEO verschiebt sich also ein weiteres Mal in Richtung Semantik, während das klassische Keywording an Bedeutung verliert. Für ein gutes Ranking wird also die inhaltliche Qualität und Nutzerrelevanz einer Website immer entscheidender.

  2. Zufriedenheit der User wird von Google erkannt. Google wertet die Nutzersignale aus und stuft so die Qualität der Website noch präziser ein, als es Suchalgorithmen vor RankBrain taten. Es gilt also mehr denn je, für eine hohe Nutzerfreundlichkeit zu sorgen. Verständliche Texte und intelligentes Linkbuildung sind für diese „Usability“ grundlegend. Auch die Geschwindigkeit des Seitenaufbaus ist ausschlaggebend für die Zufriedenheit und Verweildauer von Nutzern. Besonders wichtig ist außerdem das Navigationsmenu: User sowie KI müssen sich leicht zurechtfinden können. Kurz gesagt: Nicht nur inhaltliche, sondern auch technische Perfektion ist gefragt.

  3. Treiben Sie abteilungsübergreifend Onlinemarketing voran. Je größer ein Unternehmen ist und je mehr es in seine Onlinepräsenz investiert, desto größer ist auch sein Team von Onlinemarketern und SEOs, Social-Media-Spezialisten und Usability-Managern. Möchte man auf die Neuerungen der künstlichen Intelligenz angemessen reagieren, so müssen alle an einem Strang ziehen.

Obwohl die Rankings also immer flexibler werden, ist die gute Nachricht: Letztlich verändert sich für die Suchmaschinenoptimierung nicht allzu viel. Denn reines Keywording gilt schon lange nicht mehr als alleinige Maßnahme für erfolgreiches SEO. Die Branche hat in den letzten Jahren ohnehin bereits die Nutzerzufriedenheit in den Mittelpunkt gerückt, schließlich soll die Zielgruppe die eigene Website möglichst gern und häufig besuchen.

Fazit

Wie künstliche Intelligenz für Rankings funktioniert, unterscheidet sich nicht grundsätzlich von klassischen Algorithmen. KI-gestützte Algorithmen arbeiten nicht unbedingt anders, aber sie sind vor allem effizienter und genauer – sie registrieren mehr von dem, was für Internetnutzer tatsächlich relevant ist. Bestehende SEO-Strategien sollte also nicht verworfen, sondern mit noch mehr Expertise umgesetzt werden.

Bleibt noch zu sagen, dass sich 2016 fünf digitale Riesen im Silicon Valley (Google, Amazon, Facebook, IBM und Microsoft) zusammengetan haben, um ihre Forschung an künstlicher Intelligenz zu bündeln. Diese Nachricht dürfte datenschutzsensible Verbraucher sofort alarmieren – immerhin verfügen diese Unternehmen über den Großteil der globalen Datensätze. Doch die Kooperation ist vor allem der Entwicklunggemeinsamer ethischer Richtlinien im Umgang mit künstlicher Intelligenz verpflichtet. Und die Notwendigkeit gemeinsamer ethischer Grundsätze im Bereich der artificial intelligence ist unbestreitbar. Die Entwicklungen der KI-Technik in nutzbringende Bahnen zu lenken, dürfte die zentrale gesellschaftliche Aufgabe der kommenden Jahre und Jahrzehnte werden.