Stellen wir bei Künstlicher Intelligenz die falsche Frage?
Seit Jahrzehnten gilt eine Maschine als besonders intelligent, wenn sie etwas kann, das bislang Menschen vorbehalten war.
- Texte schreiben.
- Bilder erkennen.
- Fragen beantworten.
- Diagnosen unterstützen.
- Programmieren.
- Übersetzen.
- Entscheidungen vorbereiten.
Der berühmte Turing-Test hat diese Vorstellung stark geprägt: Eine Maschine erscheint intelligent, wenn ihre Antworten von denen eines Menschen kaum noch zu unterscheiden sind. Doch vielleicht führt genau diese Vorstellung in die falsche Richtung. Der Stanford-Ökonom Erik Brynjolfsson bezeichnet dieses Problem als „Turing Trap“ – die Turing-Falle. Seine zentrale Frage lautet nicht: „Wann kann eine Maschine dasselbe wie ein Mensch?“ Sondern: „Sollte das überhaupt unser wichtigstes Ziel sein?“
Zwei völlig unterschiedliche Wege der KI
Brynjolfsson unterscheidet zwei grundlegende Arten, Technologie einzusetzen: Automation bedeutet, menschliche Tätigkeiten durch Maschinen zu ersetzen. Augmentation bedeutet, menschliche Fähigkeiten durch Maschinen zu erweitern. Der Unterschied wirkt zunächst klein. Für Unternehmen, Beschäftigte und die Gesellschaft kann er jedoch fundamental sein. Eine KI kann beispielsweise eingesetzt werden, um einen Menschen aus einem bestehenden Prozess herauszunehmen. Oder sie kann dazu eingesetzt werden, einem Menschen Möglichkeiten zu geben, die er vorher nicht hatte. Beides kann Produktivität steigern. Aber nur im zweiten Fall entsteht etwas wirklich Neues: die Kombination aus menschlicher und maschineller Kompetenz.
Die falsche Vorstellung vom intelligenten Computer
Bei vielen Diskussionen über KI steht heute die Frage im Mittelpunkt: Welche Aufgaben kann die KI schon genauso gut oder besser als ein Mensch erledigen? Diese Frage ist verständlich. Aber sie begrenzt unseren Blick. Ein Flugzeug wurde schließlich nicht dadurch erfolgreich, dass Ingenieure versuchten, einen mechanischen Vogel zu bauen. Ein Bagger ist kein besonders kräftiger Mensch. Ein Taschenrechner rechnet nicht so wie wir. Technologie wurde historisch besonders wertvoll, wenn sie nicht einfach Menschen kopierte, sondern Fähigkeiten ermöglichte, die vorher überhaupt nicht vorhanden waren.
Warum sollte es bei Künstlicher Intelligenz anders sein? Die spannendste Frage lautet deshalb vielleicht: Was können Menschen mit KI tun, was weder Menschen noch KI allein leisten könnten?
Von der Automatisierung zur Erweiterung
Gerade generative KI macht diesen Unterschied sichtbar. Man kann KI verwenden, um Texte automatisch erzeugen zu lassen. Man kann sie aber auch verwenden, um komplexe Informationen zu erschließen.
Man kann Mitarbeitende ersetzen wollen. Oder man kann Mitarbeitenden ermöglichen, innerhalb weniger Sekunden auf das Wissen einer gesamten Organisation zuzugreifen. Man kann Lernmaterial automatisch produzieren. Oder man kann Lehrenden Werkzeuge geben, mit denen sie vorhandenes Wissen schneller strukturieren, individualisieren und für unterschiedliche Lernende aufbereiten können. Technologisch können diese Anwendungen sehr ähnlich aussehen. Organisatorisch verfolgen sie jedoch vollkommen unterschiedliche Ziele. Die entscheidende Frage wird deshalb zunehmend: Gestalten wir KI als Ersatzsystem oder als Assistenzsystem?
Wissen verändert die Machtverhältnisse
Brynjolfsson weist noch auf einen zweiten wichtigen Aspekt hin. Wissen war lange unmittelbar an Menschen gebunden. Erfahrung, Fachkompetenz und institutionelles Wissen befanden sich in den Köpfen von Mitarbeiterinnen und Mitarbeitern. Mit der Digitalisierung verändert sich das. Wissen kann dokumentiert, gespeichert, kopiert, analysiert und zunehmend auch durch KI-Systeme verarbeitet werden. Das bietet enorme Chancen.
Gleichzeitig entsteht damit eine neue strategische Frage: Wer kontrolliert dieses Wissen? Wer kontrolliert die Daten? Wer bestimmt, welche Quellen eine KI verwendet? Wer entscheidet, welche Systeme darauf zugreifen dürfen? Und wer kann nachvollziehen, warum ein KI-System zu einer bestimmten Antwort kommt? Damit wird KI-Souveränität zu wesentlich mehr als einer technischen Frage. Sie wird zu einer Frage der Organisationsgestaltung.
Die eigentliche Ressource ist nicht das Sprachmodell
Leistungsfähige Sprachmodelle werden zunehmend verfügbar. Damit verschiebt sich der entscheidende Wettbewerbsvorteil. Nicht das Sprachmodell allein wird zum wertvollsten Bestandteil eines KI-Systems. Wertvoll ist vielmehr die Verbindung aus:
- Organisationswissen,
- verlässlichen Quellen,
- klaren Berechtigungen,
- menschlicher Erfahrung,
- Lernprozessen und
- geeigneten KI-Assistenten.
Ein Sprachmodell besitzt allgemeine Fähigkeiten. Eine Organisation besitzt Kontext. Erst wenn beides sinnvoll zusammenkommt, entsteht ein System, das im Arbeitsalltag tatsächlich nützlich werden kann.
Vielleicht brauchen wir einen neuen Turing-Test
Der klassische Turing-Test fragt sinngemäß: Kann eine Maschine einen Menschen so gut imitieren, dass wir den Unterschied nicht mehr erkennen? Für Organisationen könnte eine andere Frage wesentlich hilfreicher sein: Kann die Kombination aus Mensch und KI etwas leisten, das vorher nicht möglich war?
Zum Beispiel: Kann ein neuer Mitarbeiter innerhalb weniger Minuten relevantes Organisationswissen finden, für das früher mehrere erfahrene Kolleginnen und Kollegen gefragt werden mussten?
Kann eine Trainerin vorhandene Fachunterlagen in kurzer Zeit in Übungen, Fragen und individuelle Lernangebote überführen? Kann ein Experte seine Erfahrung so dokumentieren, dass sie auch nach seinem Ausscheiden für die Organisation nutzbar bleibt? Kann eine Entscheidung schneller vorbereitet werden, ohne dass ihre Quellen und Grundlagen unsichtbar werden? Wenn KI solche Fähigkeiten ermöglicht, ersetzt sie Menschen nicht. Sie verstärkt menschliche Handlungsmöglichkeiten.
Von Artificial Intelligence zu Augmented Intelligence
Vielleicht brauchen wir deshalb auch sprachlich eine andere Vorstellung von KI. Nicht nur Artificial Intelligence. Sondern zunehmend: Augmented Intelligence. Eine Intelligenz also, die menschliche Kompetenz erweitert. Das verändert auch die Entwicklungsfrage. Nicht: Was können wir automatisieren?
Sondern: Wo können wir Menschen durch KI kompetenter, informierter und handlungsfähiger machen? Dieser Unterschied könnte zu einer der wichtigsten Gestaltungsfragen der kommenden Jahre werden.
Unsere Perspektive im Lab°LERNSTEINE®
Genau an dieser Stelle setzt auch unsere Arbeit bei Lab°LERNSTEINE® an. Wir verstehen KI nicht primär als Maschine zur Ersetzung menschlicher Kompetenz. Wir untersuchen, wie KI: Wissen erschließen, Zusammenhänge erklären, Lernen unterstützen, Erfahrung sichern und Entscheidungen fundierter vorbereiten kann. Dabei bleibt der Mensch verantwortlich. KI strukturiert, recherchiert, erklärt und unterstützt. Unsere Entwicklungsarbeit rund um FredKI® folgt deshalb einem einfachen Grundgedanken:
Eine gute KI sollte einer Organisation nicht ihr Wissen abnehmen. Sie sollte ihr helfen, mehr daraus zu machen. Vielleicht liegt genau darin der Weg aus der Turing-Falle. Nicht darin, immer bessere künstliche Menschen zu bauen. Sondern darin, bessere Möglichkeiten für echte Menschen zu schaffen.
Weiterdenken
Dieser Beitrag greift Gedanken aus Erik Brynjolfssons Essay „The Turing Trap: The Promise & Peril of Human-Like Artificial Intelligence“ auf, erschienen 2022 in Dædalus bei der American Academy of Arts & Sciences. Die Übertragung auf Organisationswissen, Lernen, digitale Souveränität und die Arbeit von Lab°LERNSTEINE® ist unsere eigene Perspektive.
[Erstellt mit Unterstützung durch KI]