Die vermutlich erstmalig bei der Kryptowährung Bitcoin – mit dem Rückgriff auf die Blockchain-basierten Verfahren zur Verifzierung von Transaktionen – zum Einsatz gekommene „Distributed-Ledger-Technology“ („DLT“) hat sich heute auch jenseits finanzwirtschaftlicher Szenarien etabliert – etwa bei der Fixierung von „Eigentumsrechten“ an digitalen Gütern (NFTs) oder auch im Rahmen der Diskussion um ein zu errichtendes dezentrales „Web3“. Besonders vielversprechend erscheint der Rückgriff auf DLT im Rahmen industrieller Prozesse im Rahmen der „Industrie 4.0“. Eine große Zahl an entsprechenden „Blockchain-Projekten“ wurde in den vergangenen Jahren losgetreten. Häufig geschah dies allerdings mit der Umsetzung in Form von „Private Blockchains“, eigentlich einer Negierung des auf Dezentralisierung beruhenden DLT-Prinzips, welches ja eben gerade auf die Ausschaltung mächtiger Gatekeeper im System zielt. Andere Ansätze, beispielsweise im Supply-Chain-Bereich, nutzten die Technologie zur „fixierten“ Dokumentierung von Übergabepunkten, wobei hier in den allermeisten Fällen eine herkömmliche zentrale Datenbank vermutlich die bessere und effizientere Lösung gewesen wäre. Man kann wohl behaupten, dass das Potenzial der DLT bislang im Industrieumfeld noch nicht voll ausgeschöpft worden ist. Und womöglich bedarf es hier weiterführender Denkansätze und Strategien, die den aktuellen Entwicklungsstand aufnehmen und gezielt auf neue Anwendungsszenarien übertragen.

Automatische Exekution von Verträgen: Smart Contracts

Im Rahmen von industriellen und ökonomischen Prozessen wird seit geraumer Zeit bereits auf sogenannte „Smart Contracts“ zurückgegriffen: Darunter versteht man technische Transaktionsprotokolle, welche die Einhaltung zuvor definierter Vertragsbestimmungen überwachen sowie autonom und mechanisiert die vereinbarten Konsequenzen ausführen. Die Anwendung des hier zugrundeliegenden, der Computerprogrammierung entlehnten IFTTT-Prinzips („if this … then that…“, „Wenn-Dann-Kausalität“) basiert auf der Annahme, dass sich zuvor definierte – und legitimierte – Entscheidungsmuster auf spätere Situationen anwenden lassen (vgl. „Code is Law“). Die nachfolgende Exekution anstehender Entscheidungen kann dann idealerweise autonom erfolgen, ohne dass es eines weiteren menschlichen Eingreifens zwingend bedürfte.

DAOs als institutionalisierte Smart Contracts

Durch ein integriertes System aus einer Vielzahl dieser Smart Contracts ist es möglich, ganze Organisationen mit autonomen, vollständig mechanisierten, dezentralen Entscheidungsstrukturen abzubilden, sogenannte „Decentralized Autonomous Organisations“ (DAOs). Während auf diese Organisationsformen in der Vergangenheit vor allem in der Finanzwirtschaft, für Fonds und für die Tätigung von Investitionen zurückgegriffen wurde, haben sich inzwischen auch weitere Einsatzfelder für DAOs entwickelt. Zum Teil weisen diese eher einen genossenschaftlichen Charakter auf, wie etwa die „Creator-DAOs“, beispielsweise „Friends-With-Benefits“, eine DAO, die im Wesentlichen verschiedene Freelancer aus dem Digitalumfeld zusammenführt und deren Talente gebündelt auf die Märkte bringt. Aber auch die Verfolgung und Finanzierung politischer Ziele können Zweck einer DAO sein, wie etwa die „Assange-DAO“, die US-$ 53 Mio. für die Freilassung von Wikileaks-Gründer Julian Assange einsammelte.

Die Steuerung von DAOs erfolgt automatisiert auf Basis von Bedingungen, welche die Mitglieder bzw. Teilhaber durch ein Abstimmungsverfahren im Vorfeld von Entscheidungssituationen festlegen. Meist wird über eingebrachte Vorschläge mittels  nach kumulierten Eigentumsrechten und Kapitaleinlagen gewichteten Stimmen und unter der Maßgabe der Einhaltung eines bestimmten Quorums entschieden, wenngleich auch andere Stimmrechtsprinzipien (z.B. nach erworbener Reputation) denkbar sind.

DAOs in der Industrie 4.0

Das Prinzip der DAOs ließe sich gut auf die Anforderungen der Industrie 4.0 übertragen. Wenn DAOs Organisationsformen zur mechanisierten Abwicklung von standardisierten Abläufen repräsentieren, so läge eine Chance in der Institutionalisierung der Prozesse des (Industrial) Internet of Things und der Ermöglichung dezentraler, direkter Transaktionen zwischen den einzelnen vernetzten „Dingen“, Geräten und Maschinen. Die DAO könnte hier gewissermaßen als Klammer und strukturgebender Rahmen dienen, der, auf Basis eines Systems ineinandergreifender Smart Contracts, eine „autonome Ordnung der Maschinen“ sicherstellt.

Blockchain 3.0: Gerichtete Azyklische Graphen

Schon seit längerem wird an der dafür notwendigen technischen Basis gearbeitet: Während man von der Bitcoin-Blockchain manchmal als „Blockchain 1.0“ und von Ethereum, aufgrund des zugrundeliegenden, jedwede Art von Smart Contracts ermöglichenden „General Purpose“-Ansatzes, von „Blockchain 2.0“ spricht, hat sich mit der DAG-Technologie („Directed Acyclic Graph“) eine neue Stufe der Weiterentwicklung etabliert, die in der Vergangenheit auch mit „Blockchain 3.0“ bezeichnet wurde. Derartige Ansätze, wie sie beispielsweise in unterschiedlicher Ausprägung von IOTA, IOTChain, Byteball oder DAGCOIN vertreten werden, zielen vor allem auf das „Internet der Dinge“, um dort Transaktionen zwischen einzelnen Maschinen und Geräten dezentral abzubilden. Für diese Vorgänge ist weder die Zeit noch die notwendige Energie für ein aufwändiges Mining- und Validierungsverfahren vorhanden. Zudem gestalten sich die Anforderungen an die Manipulationssicherheit hier weit weniger kritisch als dies bei einem digitalen Geldsystem wie Bitcoin der Fall ist. Damit kann es grundsätzlich gelingen, einige der Kinderkrankheiten der vorangegangenen Blockchain-Protokolle über Bord zu werfen.

Weniger formal streng als die vorangegangenen Ansätze, ermöglichen die „Gerichteten Azyklischen Graphen“, eine Blockchain-ähnliche Struktur, in der weiterhin die Transaktionen transparent, chronologisch und unveränderbar in einem Netzwerk gespeichert werden. Statt eines komplexen Mining-Verfahrens wird die Validierung der Transaktionen aber durch andere Maßnahmen incentiviert, etwa indem Teilnehmer nur dann Transaktionen selbst durchführen können, wenn sie zuvor selbst mehrere Transaktionen anderer Teilnehmer überprüft und freigegeben haben. Gleichzeitig eliminiert man damit typische Probleme der Distributed-Ledger-Technologie, wie etwa den hohen Verbrauch an Energie- und Zeitressourcen beim Mining, und man umgeht gleichzeitig auch das „51%-Problem“, wonach, sobald ein einzelner Akteur mehr als die Hälfte der „Mining-Macht“ im System erreicht hat, er dieses dominieren kann und damit die Dezentralität letztlich „aushebelt“.

M2M-Austausch im Internet der Dinge

Wenn Maschinen eigenständig miteinander kommunizieren und in der Lage sind, dabei unabhängig vom menschlichen Eingriff Transaktionen untereinander auszuführen, birgt dies erhebliches Veränderungspotenzial. Im Wege von Machine-to-Machine-Payment (M2M) könnte eine Maschine die notwendigen Vorprodukte autonom im „Internet der Dinge“ einkaufen und erhielte bei Übergabe des durch sie erstellten fertigen Produktes eine entsprechende Gutschrift. Auf diese Weise entstünde eine dezentrale, unabhängige Konto- und Transaktionsverwaltung der einzelnen „Dinge“ untereinander.

Eine Industrie-DAO, die verschiedene maschinelle Systeme unter einem institutionellen Dach vereint, würde die heutige betriebliche Organisation auf den Kopf stellen. Im Binnenverhältnis führte dies zu einer deutlich fortgeschritteneren Automatisierung. Fertigung und Logistik wären keine losgelösten Einheiten mehr, sondern würden zu integrierten Abläufen verschmolzen – bestehende fixierte Strukturen würden zu interdependenten Prozessen. Das alte Versprechen des „Internets der Dinge“, von den sich selbst wartenden und eigenständig Nachschub beschaffenden Maschinen könnte damit endlich auch organisatorisch eingelöst werden. Buchführung und Controlling stünden nun eigene maschinenspezifischen Kosten- und Leistungsträger sowie eigene Profitcenter je Einheit zur Verfügung. Management und betriebliche Steuerung hätten damit direkten und ungefilterten Zugriff auf die internen Wertschöpfungsprozesse. Nach außen verkörperte eine entsprechende DAO eine eigene, „souveräne“ Instanz, die prinzipiell als unabhängige Schnittstelle fungiert.

Organisation von Industriekooperation durch DAOs

Aber auch eine Kooperation bei Fertigung und Logistik verschiedener Teilhaber ließe sich damit realisieren, indem die jeweiligen Beteiligten auf Grundlage eines zuvor abgestimmten Regelwerkes ihren individuellen Beitrag am Gesamtprozess – maschinelle Ressourcen und arbeitsteilige Leistungen – einbringen. Dadurch entstünden neue Organisationsformen, die auch neue Geschäftsmodelle, innerhalb und außerhalb dieser dezentralen Organisationen ermöglichten. Ab einer kritischen Größe der DAO – also ausreichend eingebrachter und verfügbarer Kapazitäten – führt die Dezentralität zu einer hohen Flexibilität in der Ressourcenplanung auf der Seite potenzieller Nachfrager. Verschiedene in einer DAO organisierte Anbieter dieser maschinellen Ressourcen könnten über Smart Contracts und entsprechende Regelwerke ihre Kapazitäten dem Markt institutionalisiert zur Verfügung stellen. Denkbar wäre dabei auch die Einführung automatisierter Auktionen, wie sie aus dem Werbeflächenhandel im Programmatic Advertising, insbesondere bei Google oder auch bei Facebook, bekannt sind. Dabei werden die Preise maschinell, eigenständig auf Basis der erhobenen Marktdaten und Kapazitätsauslastungen, und dynamisch ermittelt. Die auf dieser Grundlage zustande gekommenen Transaktionen würden in einem Distributed Ledger fixiert und das entsprechende Entgelt dann nach Vertragserfüllung automatisch dem „Kontobuch“ der jeweiligen Leistungseinheit gutgeschrieben. Ohne Rückgriff auf einen Intermediär, der für seine Tätigkeit der Marktorganisation ein Entgelt beanspruchen könnte, hätte man damit eine Wertschöpfungsorganisation für die Industrie geschaffen – eine Plattformökonomie ohne Plattform.

Ein neuer Wirtschaftssektor autonomer Maschinen?

Ausgestattet mit einem eigenen Budget und einer autonomen Kapazitätserfassung wären einzelne Geräte und Maschinen damit zudem in der Lage, selbsttätig am Wirtschaftskreislauf teilzunehmen. Diese „Automatisierung der Automation“ könnte in letzter Konsequenz sogar in einer autonomen „Maschinenwirtschaft“ münden, in der intelligente Industriesysteme untereinander Prozesse und Güterströme eigenständig organisieren und abwickeln. Ein neuer, eigener Wirtschaftssektor wäre geboren.

Die damit verbundenen Auswirkungen wären sehr weitreichend. Unabhängig von ihrer Bewertung gewännen viele in der Vergangenheit diskutierte – und oft verworfene – Konzepte und Ideenansätze eine neue Relevanz. Denn auf einmal würden Themen wie die „Besteuerung von Maschinen“ und auch das „Bedingungslose Grundeinkommen“ eine ganz andere Aktualität und womöglich auch Plausibilität besitzen.

Dies setzt allerdings voraus, dass „Blockchain“ und das DLT-Konzept breiter gedacht werden als bisher. Die Chancen und neue Geschäftsmodelle in diesem Kontext liegen in der effizienten Kooperation der Marktteilnehmer – und nicht in betrieblichen Insellösungen. 

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Willkommen in der Matrix! Wie KI und Blockchain in der Industrie 4.0 zusammenwachsen“:

Der neueste Vortrag von Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Weiterfuehrende Literatur

Der Beitrag Plattformökonomie ohne Plattform: Wie DAOs die Industrie 4.0 effizienter gestalten könnten. erschien zuerst auf Nerdwärts.de.

Meinen Studenten und auch meinen Kindern versuche ich es schon lange schmackhaft zu machen (meist leider vergeblich): Vernünftig eingesetzt, kann KI zum ultimativen Lernbegleiter und Prüfungsvorbereiter werden. Insbesondere gilt das für Googles NotebookLM. Schon lange ist es damit möglich, Quizze und Lernkarten aus hochgeladenen Dateien (z.B. Vorlesungs-Scripte!!) zu erstellen. Fast schon legendär ist die Funktion, auch professionelle Podcasts mit wechselnden Stimmen aus umfangreichen Wissensvorlagen zu erstellen.

Übungsklausuren mit NotebookLM erstellen

In meinen Vorlesungen zum digitalen Marketing muss auch immer gerechnet werden – optimale Budgetzuweisung, Kennzahlen und die Bewertung von Werbealternativen. Das ist prüfungsrelevant, und wir üben das regelmäßig mit zahlreichen Aufgaben. Trotzdem tun sich viele Studenten in der Klausur dann schwer. Da fehlt es oft an zusätzlicher Übung, die wir während der Vorlesungszeit nicht leisten können. Aber vielen fällt es offenbar nicht leicht, sich diese Kompetenzen eigenständig auf strukturierte Art und Weise zu erschließen. Der Ruf nach „noch mehr Übungsaufgaben“ wird dann oft laut (aber wir haben schon sehr viele im Repertoire und es gibt ja -zum Glück – auch noch andere Themen als Rechnen). Im letzten Semester habe ich dann geraten, doch einfach mein Script und die gemeinsam erarbeiteten Lösungen bei NotebookLM hochzuladen und sich daraus eine Klausur erstellen zu lassen, inklusive neuer, aber ähnlicher Rechnungen – und natürlich die Lösungen gleich dazu. Das funktioniert auf Knopfdruck. Auch meine tatsächliche Klausur habe ich auf diese Weise erstellt. Die Aufgaben entsprachen genau unserem Niveau, boten Variationen der behandelten Übungen und auch die Lösungswege wurden direkt mitgeliefert. Prof und Studis standen dabei die gleichen Mittel zur Verfügung. Was mich früher doch einige Stunden gekostet hat, stand mir so gleich auch für die nächstem Jahre innerhalb von wenigen Minuten einsatzbereit zur Verfügung. Und auch für die Besucher der Vorlesung stand – sofern man dem Rat gefolgt war – damit eine optimale Prüfungsvorbereitung zur Verfügung.

Inzwischen gibt es ein neues Update. Nun werden die bisherigen Funktion noch durch weitere wie die Erstellung von Mindmaps, Studienleitfäden oder Lernkarten ergänzt. Dabei sind die Ausgabeformate „per Prompt“ individuell anpassbar und lassen sich so auf die spezifische Lernsituation zuschneiden.

Lern- und Erklärvideo aus Textvorlage mit NotebookLM

Sogar Erklärvideos lassen sich ganz einfach erstellen. Als Beispiel habe ich mal einen Artikel, den ich vor ein paar Monaten auf diesem Blog zum Thema „Simplification Bias“ veröffentlicht habe, verwendet. Ähnlich wie beim Podcast nimmt das Tool nicht einfach die hochgeladenen Inhalte und setzt sie 1:1 als Video um, etwa indem der bereitgestellte Text einfach mit ein paar Bildern unterlegt würde, sondern erstellt auf Basis der verwendeten Informationen ein eigenständiges, neues „Medienprodukt“.

Auf diese Weise entsteht aus einem 9.000 Zeichen langen Text ein kompaktes, professionelles Erklärungsvideo:

Und natürlich gibt’s das ganze auch wieder im Radio- bzw. Podcastformat – inzwischen auch standardmäßig auf Deutsch:

Unterschiedliche Lernmethoden abbilden

Das neue Update von NotebookLM erweitert die Möglichkeiten personalisierte digitale Lernmaterialen zu schaffen. Damit kann eine Bildungsumgebung geschaffen werden, die es flexibel erlaubt, auf die spezifischen Bedingungen des Einzelnen einzugehen. Wir reden viel über die Digitalisierung der Lehre und des Unterrichtens. Hierfür wurden in den vergangenen Jahren, ja sogar Jahrzehnten, Milliarden für mitunter sehr fragwürdige Projekte investiert. Richtig angewandt kann KI einen wichtigen und niedrigschwelligen Beitrag zur nachhaltigen digitalen Bildung leisten – man muss die zahlreichen verfügbaren Instrumente nur nutzen.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Empfohlene Buecher und Tools fuer KI in der Lehre

Der Beitrag NotebookLM: Lern- und Erklärvideos, Mindmaps & Lernkarten – alles per Knopfdruck erschien zuerst auf Nerdwärts.de.

Solarpunk kann als positives Zukunftsszenario begriffen werden, das sich konstruktiv mit dem ökologischen und ökonomischen Status Quo auseinandersetzt und der Überzeugung folgt, dass technologischer Fortschritt und ökologische Regeneration miteinander vereinbar sind. Anstatt angesichts düsterer Entwicklungsprojektionen in Schockstarre zu verfallen, wird versucht, eine Antwort auf die Frage zu finden, wie eine lebenswerte Post-Carbon-Gesellschaft tatsächlich aussehen könnte.

Steampunk, Cyperpunk – Solarpunk

Der Begriff des Solarpunk orientiert sich an dem ähnlich gelagerten Phänomen des Steampunks, welches wiederum seinen Ursprung in den dystopischen Narrativen des Cyberpunks hat. Steampunk steht für eine alternative Zukunft (oder Welt), in der Dampftechnologie wie auch andere Entwicklungen aus der „Viktorianischen Ära“ – viele Steampunk-Szenarien sind im angelsächsischen Kulturraum im zeitlichen Kontext des 19. Jahrhunderts angesiedelt – nicht durch ölbasierte Technologien verdrängt wurden. Elektrizität spielt hier meist allenfalls als aufkommende, aber noch nicht realisierte Technikvision eine Rolle.

Der Wortteil „punk“ kann dabei verschiedene Bedeutungen haben. Einerseits wird auf die dem Erzählkosmos oft zugrundeliegenden „do-it-yourself“-Ansätze angespielt, andererseits – und hier lassen sich Überschneidungen mit dem Cyberpunk ausmachen – betont dies einen gewissen disruptiven Charakter, nämlich eine Haltung, welche der jeweils vorherrschenden Gesellschaftsform tendenziell kritisch gegenübersteht oder diese gänzlich ablehnt.

Wie beim Cyberpunk, der vor allem auf die Science-Fiction-Werke von William Gibson (Neuromancer,…) zurückzuführen ist und in der Regel eine symbiotische Verbindung von Mensch und digitalen Systemen umschreibt, werden die sozialen Rahmenbedingungen als zumindest beengend, aber mitunter auch als autoritär oder sogar totalitär skizziert. Ebenfalls lässt sich bei beiden Genres regelmäßig Kapitalismuskritik als Leitthema ausmachen – die Ressourcen sind in den Narrativen meist in wenigen Händen gebündelt, wodurch Machtungleichgewichte entstehen.

Solarpunk als eigenständiges Phänomen

Während Cyberpunk eigentlich immer dystopische Züge trägt und Steampunk oft als eskapistische und „retro-futuristische“ Gegen- bzw. Alternativkultur betrachtet wird, setzt Solarpunk mit seinem ausdrücklich positiven und aktiv gestaltenden Selbstverständnis einen Kontrapunkt als hoffnungsvolle Vision für eine nachhaltige Zukunft. Solarpunk ist dabei gleichzeitig ästhetische Bewegung, literarisches Genre wie auch soziale Philosophie, die an der Schnittstelle von Kunst, Wissenschaft und Gesellschaft angesiedelt ist. Im Kern steht die Überzeugung, dass eine nachhaltige, gerechte und lebenswerte Zukunft nicht nur möglich, sondern bereits im Entstehen begriffen ist. Trotz des Bestandteils „Solar“, umfasst der Begriff Solarpunk weit mehr als nur Photovoltaik. Es geht dabei vielmehr um ein ganzes Ökosystem nachhaltiger Ansätze.

Kern des Solarpunk-Denkens ist das Prinzip der regenerativen Kultur, das auf drei Säulen ruht:

1. Technologische Souveränität: Dezentrale erneuerbare Energiesysteme ersetzen fossile Infrastrukturen, wobei Solarenergie aufgrund ihrer potenziellen Dezentralität als Symbol für Autarkie und Partizipation dient.
2. Ökosoziale Gerechtigkeit: Gefordert wird der Abbau hierarchischer Machtstrukturen zugunsten gemeinschaftlicher Entscheidungsprozesse und als fair empfundener Ressourcenverteilung.
3. Ästhetische Transformation: Sterile Ästhetik „kapitalistischer Urbanität“ soll durch „grüne“ Architektur abgelöst werden, dabei werden oft Kombinationen von Elementen des Art-Nouveau mit sichtbar ausufernder Vegetation an den Häuserfronten als stilprägend postuliert.

Die Existenz von Solarpunk in der Lebenswirklichkeit beginnt somit bereits mit dem „Solar-Balkonkraftwerk“. Sie zeigt sich ferner in einschlägigen innovativen Architekturprojekten. Sie weist aber auch einen klaren Technik- und Digitalisierungsbezug auf, einerseits in Bezug auf dezentrale und kollektive Aspekte, wie der Verwendung von Open-Source-Hardware und -Software oder auch Blockchain als „demokratischer“ Technologie, die schon lange als Instrument der Organisation dezentraler Energiemärkte diskutiert wird. Andererseits dürfte gerade in jüngerer Zeit Künstliche Intelligenz (KI) und insbesondere generative KI als „Ermächtigungstechnik“ in diesem Kontext an Bedeutung gewinnen.

Im Mittelpunkt steht meist die Überzeugung, dass Technologie nicht zwangsläufig umweltschädlich oder entfremdend sein muss, sondern als Werkzeug ökologischer Nachhaltigkeit und sozialer Gerechtigkeit dienen kann. Insbesondere den potenziellen Fähigkeiten „digitaler“ Technologien, bürgerliche Ermächtigung und Unabhängigkeit von zentralen kommerziellen Akteuren zu ermöglichen, kommt dabei eine große Bedeutung zu.

KI und Solarpunk

Anwendungsbeispiele von KI mit Bezug zu Solarpunk finden sich vor allem bei der Aufbereitung und Verwertung lokal gesammelter Daten. Durch Sensoren lassen sich etwa dezentral relevante Informationen zu Mikroklimata erfassen, wie Temperatur, Luftfeuchtigkeit und Bodenbeschaffenheit. Daraus könnten dann mittels KI standortspezifische Pflanzempfehlungen generiert werden. Flankiert durch personalisierte Apps, wäre somit auch Gartenbau nicht nur entlang lokaler Gegebenheiten, sondern auch entsprechend individueller Ernährungsgewohnheiten und Geschmacksprofilen denkbar.

Aus der Verknüpfung der gesammelten Daten mit den individuellen Profilen können Musterabgleiche erfolgen, anhand derer Vorschläge für die Bepflanzung unterbreitet werden. Analog sind Handreichungen für die individualisierte Optimierung der Ausrichtung von Solarpaneelen oder bei der Steuerung und Verwaltung von Miniwindkraftwerken denkbar.

Blockchain und Solarpunk

Wichtig ist dabei, dass diese Daten an verschiedenen Stellen dezentral gesammelt, verarbeitet und verwaltet werden. Dafür gibt es bereits, oft Blockchain-basiert, erste Anwendungen. Diese soll es ermöglichen, via Distributed-Ledger-Technologie eigene KI-Assistenten für derartige Anwendungsfälle aufzusetzen (z.B. Virtuals) oder verschiedene Machine-Learning-Ansätze dezentral miteinander zu verknüpfen (Bittensor/TAO).

Intelligente Ressourcennutzung

Schon länger sind Konzepte derartiger dezentraler Netzwerke bei der Energieerzeugung und -distribution bekannt. Dabei speisen die lokalen, „privaten“ Erzeuger ihren selbsterzeugten Strom nicht einfach bei Ihrem Versorger gegen die festgelegte staatliche Vergütung ein, sondern würden damit in die Lage versetzt, den Strom direkt auf den Märkten anzubieten oder intelligent, über Smart Grids zu „parken“.

Die Administration der eingesetzten Technik dürfte zunehmend komplexer werden. Um Skaleneffekte und Effizienzsteigerungen zu erzielen, bietet sich eine Vernetzung der einzelnen dezentralen Stellen an. Dabei besteht die Gefahr eines Trade-Offs zwischen der Zentralisierung von Verfügungsmacht, die der Solarpunk-Idee zugrundeliegenden Idee autonomer Dezentralität entgegensteht, und der Leistungsfähigkeit und Skalierbarkeit der Systeme.

Solarpunk mit eigenem Betriebssystem

Um diesen Widerspruch aufzulösen und dennoch lokale wie globale Vernetzung zwischen einzelnen „Solarpunk“-Ansätzen zu ermöglichen, gibt es inzwischen erste technische Lösungsansätze, die ebenfalls auf KI und maschinelles Lernen zurückgreifen. Das Projekt der ReGen-Villages hat die Errichtung ökologisch nachhaltiger und energieautarker Siedlungen zum Ziel. Ein „Betriebssystem“, das sogenannte VillageOS, dient dazu, auf lokale Vorgänge reagieren zu können und entsprechend optimierte, automatisierte Anpassungen vorzunehmen. Somit soll es beispielsweise Wasserzyklen und Stromnutzung koordinieren, um auf diese Weise die bestmögliche Bewirtschaftung sicherzustellen. Dabei werden permanent Daten gesammelt, um sie für das Training von KI-Modellen nutzbar zu machen. Ziel ist es, dass das Betriebssystem somit in die Lage versetzt wird, Muster als Planungsgrundlagen abzuleiten und daraus Entscheidungen für die weitere städtebauliche und architektonische Entwicklung treffen können.

Das Konzept soll global ausgerollt werden, wobei die Vernetzung der einzelnen Standorte als wichtiges Erfolgskriterium betrachtet wird. Das „Betriebssystem“ braucht entsprechend für neue Siedlungen nur „installiert“ zu werden. Gleichzeitigt vergrößert sich damit sukzessive die Datenbasis, was zu verbesserten Musterprognosen führen sollte, die für das lokale Ressourcenmanagement der Standorte herangezogen werden. Ziel ist eine KI-basierte, autonome Steuerung sämtlicher technischer Prozesse.

Generative KI und 3D-Technik für Solarpunk-Anwendungen

Neben der Ausführung dieser operativen Maßnahmen, soll KI auch bei der Planung und Weiterentwicklung des Systems Verwendung finden. Dabei greift man auf KI-gestütztes Generatives Design mittels sprachgestützter Dateneingabe und erstellter 3D-Karten  (via Unreal Engine und Cesium) zurück. Ein Bewohner oder „Anwender“, der beispielsweise die Wasserversorgung verbessern möchte, kann per „Prompting“ Ziele wie „Maximierung der Regenwasserspeicherung“ oder „Verringerung des Abflusses“ vorgeben. Die Software soll dann durch die Verknüpfung mit den angelegten Datenbanken den besten Standort für ein Wasserreservoir auf einem realen Grundstück ermitteln. Das Gleiche gilt für die Planung von Wohn- und Energiesystemen oder die Auswahl geeigneter klimaresistenter Pflanzen und deren Anbauorte.

Aktuell befindet ReGen laut Website mit seinem VillageOS in der praktischen Pilotphase und erprobt die Anwendungen an ersten Standorten. Auch wenn es sich hier um ein Investmentprojekt handelt, zeigt es ganz gut, wohin die Entwicklung gehen könnte. Die Realisierung der Solarpunk-Ideen wird in der Praxis auf derartige Technik zurückgreifen müssen, wenn eine großflächige Bewegung initialisiert werden soll. Der immer niedrigschwelligere Rückgriff auf KI und andere „digitale“ Technologien könnte hier für eine neue Dynamik sorgen.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Zeit für Utopien: Solarpunk – eine erstrebenswerte Zukunft mit KI und Nachhaltigkeit erschien zuerst auf Nerdwärts.de.

Betrachtet man die herkömmlichen regulatorischen Instrumente der Kartellwächter, so drängt sich der Eindruck auf, dass diese offenbar nur bedingt geeignet sind, der Plattformproblematik zu begegnen. Es scheint so, als versuche man die Probleme des 21. Jahrhunderts mit den Mitteln des 20. Jahrhunderts zu lösen. Schließlich liegen doch die Gefahren nicht allein im klassischen Marktversagen oder in einem rechtlich leicht sanktionierbaren situativen Fehlverhalten des Managements. Vielmehr ist es die grundsätzliche technologische Beschaffenheit der Plattformen, die Staaten – ökonomisch wie gesellschaftlich – vor Herausforderungen stellen. Das legt den Schluss nahe, dass Ansätze der Plattformregulierung womöglich auf anderer Ebene als der herkömmlichen Kartellrechtsgrundlage gefunden werden müssen.

Das etwas schal gewordene Mantra von den Daten als dem neuen Gold

Das vor nicht allzu langer Zeit inflationär vorgetragene Mantra von den Daten als dem „neuen Gold“ oder dem „Öl des 21. Jahrhunderts“, dürfte uns allen noch gut in den Ohren klingen. Schon damals fragte man sich, warum daraus dann nicht entsprechende Verhaltensweisen folgten. Stattdessen räumen wir den großen Techplattformen in aller Regel bis heute weiterhin unentgeltlich die Verwertungsrechte an den Daten ein. Im Kontext der generativen KI und ihrem Hunger nach Trainingsdaten – und der Frage nach einer entsprechenden Vergütung der Urheber, gewinnt dieser Gedanke wieder an Bedeutung. Aber sofern die Plattformen ihre Macht tatsächlich aus ihren Daten, den Vernetzungen und den algorithmischen Verarbeitungsfähigkeiten beziehen, sollte dann Regulierung nicht eben genau hier ansetzen? Statt sich also regulatorisch eher an den Auswirkungen zu orientieren, wäre es dann nicht vielversprechender, sich hingegen den Ursachen der Plattformmonopole zuzuwenden?

Überwachungskapitalismus als Ausgangspunkt der Plattformregulierung

Analog zu den Entflechtungsbestrebungen geraten damit erneut die Eigentumsrechte in den Fokus, wenngleich auch nicht am Kapital im herkömmlichen Sinne: Der von Shoshana Zuboff geprägte Begriff des Überwachungskapitalismus („Surveillance Capitalism“) beschreibt die Vorgehensweise der Plattformen, aus den permanent gesammelten Nutzerdaten automatisiert marktoptimale Strategien abzuleiten und diese, indem sie das Verhalten des Einzelnen manipulieren, zur Gewinnmaximierung zu nutzen. Dies führt zu einer tendenziellen Entmündigung der Nutzer und trägt im Kern, wenn man dieser Ansicht folgt, demokratiefeindliche, totalitäre Züge. Die zu Daten gewordenen „menschlichen Erfahrungen“ geraten damit zum kostenlosen Rohstoff für Produktion und Verkauf, die wiederum das Treibmittel zur Funktionsweise der Plattformen und die Grundlage ihres Geschäftsmodells bilden. Die Plattformen versuchen ihren Zugang zu den Produktionsmitteln stetig zu optimieren und greifen dabei tief in die persönliche Sphäre der Nutzer ein, indem Verhaltenswahrscheinlichkeiten nicht nur kalkuliert werden, sondern auch für entsprechende Beeinflussung im Sinne der Plattforminteressen – durch Nudging – genutzt werden. Ein Ausscheren aus dieser Logik ist nicht möglich, zu groß sind die „Lock-In-Effekte“ und geschaffenen Abhängigkeiten. Die für die Funktionsweise eines demokratischen und pluralistischen Gemeinwesens zentralen Prozesse individueller Autonomie werden damit ausgehebelt. In der Summe verschafft dies den Plattformen eine Macht innerhalb der digitalen Gesellschaften, die nicht demokratisch legitimiert, nicht transparent und der gesellschaftlichen Kontrolle entzogen ist.

Wenn aber die Logik des Überwachungskapitalismus zutrifft und die Macht der Plattformen auf die Auswertung der Nutzerprofile und Nutzerbeziehungen zurückzuführen ist, sollte dann nicht statt der gegenwärtigen Fokussierung auf Marktanteile vielmehr das Eigentum an den Daten konsequenterweise in den Fokus der Betrachtung rücken, wenn wir über Plattformregulierung sprechen? Im Moment tauschen wir diese als digitale Naturalien gegen die Nutzungs- und Partizipationsrechte an den Plattformen. Ob wir nun damit noch Kunden oder hingegen bereits Teil des Produktes der Plattformen sind oder schlicht die kostenlose Quelle für den Rohstoff der Plattformökonomie, entscheidet sich damit auch aus unserem datenbezogenen Selbstwertgefühl heraus.

Die Rolle der Daten bei der Plattformregulierung

Ohne Zweifel lässt sich aber eine enorme Diskrepanz zwischen der Profitabilität der Plattformunternehmen und dem Wert, den wir selbst unseren Daten beimessen, ausmachen. Das faktische Monopol vieler Plattformen auf ihren Märkten bezeichnet damit nur ein nachgelagertes Problem. Ermöglicht wurde dies durch die vorausgehende sukzessiv und weitgehend unkontrolliert errichtete Marktmacht bei der Informations- und Datenverarbeitung. Während Karl Marx in der klassischen Ökonomie noch von Arbeit als maßgeblichem Produktionsfaktor sprach, sind in der Plattformökonomie Daten und Algorithmen an diese Stelle getreten. Daraus leitet sich ab, dass Regulierung dann eben auch nicht bei operativen Marktpraktiken oder der regulativen Entflechtung der Plattformunternehmen ansetzen müsste, sondern beim Marktzugang zu den Nutzerdaten.

Dies setzt einerseits voraus, dass persönliche Daten auch konsequent als Wirtschaftsgut begriffen und ebenso behandelt werden. Zum anderen müssen die Rechte an Ihnen auch durchsetzbar sein. Als problematisch erweist sich dabei die spezifische Beschaffenheit von Daten: Sie können als „geistiges Asset“ der Algorithmusökonomie begriffen werden, sie sind „digitale Güter“ und damit „immateriell“ und potenziell unendlich vervielfältigbar. Sie unterscheiden sich daher von herkömmlichen Rohstoffen oder „Produktionsfaktoren“, da sie im Konsum nicht rivalisierend sind, also mehrfach verwendet werden können.

Dateneigentum und Plattformregulierung

Nicht abschließend geklärt zu sein scheint die Frage, wie „Dateneigentum“ eigentlich entsteht und welche ökonomischen Verfügungsrechte daraus abzuleiten sind. In den Rechtssystemen hat dies bislang meist keine entsprechende Berücksichtigung gefunden – in Deutschland etwa wurde ein transaktionsorientiertes Konzept eines Eigentums an Daten im Kontext des Verfassungsgerichtsurteils von 1983 zur Volkszählung gezielt ausgespart und stattdessen das Grundrecht auf informationelle Selbstbestimmung postuliert, welches sich ausschließlich an den Persönlichkeitsrechten orientiert. So ist immer noch unklar, ob das „Eigentum“ an Daten wie auch deren „Rendite“ ihrem „Erheber“, dem „Aufbereiter“ oder der eigentlichen Quelle zusteht. Die gelebte Praxis der Datenschutzgrundverordnung sieht zwar grundsätzlich ein Zustimmungsrecht der Nutzer vor, wenn Dritte „deren“ Daten nutzbar machen wollen, etwa als „Gegenleistung“ für die Teilnahme an einem Internet-Dienst. In der Regel handelt es sich hier aus Nutzersicht aber um eine binäre Entscheidung: zwischen der Verweigerung, welche oft mit dem Nutzungsausschluss durch den Dienstbetreiber als Konsequenz einhergeht, oder einer vollständigen Rechteübertragung, die zumindest de facto dann auch einer kostenfreien Eigentumsübertragung gleichkommt. Ein graduelles Wertschöpfungssystem, das auch eine Beteiligung an den Wertzuwächsen vorsehen würde, existiert für Daten, anders als für andere „geistige“ Güter (Literatur, Musik, Kunst) derzeit nicht. Unklar bleibt ferner auch, wie in diesem Kontext mit „Objektdaten“, etwa im Internet der Dinge, zu verfahren ist. Bislang hat die Rechtsetzung in den Europäischen Staaten dies weitgehend der privatrechtlichen vertraglichen Vereinbarung überlassen, regulatorische Eingriffe sind bislang nicht zu verzeichnen.

Und doch gibt es bereits diskutierte Ansätze, wie man auf Datenbasis diese Märkte regulieren könnte. Dies ist Gegenstand des zweiten Teils dieses Artikels (Plattformregulierung durch Dateneigentum: Hürden und Ansätze).

Dieser Text ist ein Auszug aus dem Artikel „Algorithmic Regulation“ und Dateneigentum: ökonomische und gesellschaftliche Handlungsoptionen der Plattformregulierung, aus dem Sammelband „Die Digitalisierung des Politischen. Theoretische und praktische Herausforderungen für die Demokratie“, herausgegeben von Andreas Wagener und Carsten Stark, Springer VS, 2023

Literatur:

van Alstyne, M., Parker, G. G. & Choudary, S. P. (2016). Pipelines, Platforms, and the New Rules of Strategy. Harvard Business Review. Vol. 94. 4, 54-62.

Brin, S. & Page, L. (1998). The anatomy of a large-scale hypertextual Web search engine, Computer Networks and ISDN Systems, Volume 30, Issues 1–7, 1998, 107-117, https://doi.org/10.1016/S0169-7552(98)00110-X.

Gallwas, H. (1992). Der allgemeine Konflikt zwischen dem Recht auf informationelle Selbstbestimmung und der Informationsfreiheit. Neue Juristische Wochenschrift. S. 2785–2848.

Krempl, S. (2021). Digital Markets Act: EU-Abgeordnete stimmen für interoperable Messenger (9.12.2021). Heise. https://www.heise.de/news/Digital-Markets-Act-EU-Abgeordnete-stimmen-fuer-interoperable-Messenger-6274593.html.

Lobe, A. (2021). Sollte man Google und Facebook verstaatlichen? (16.11.2021). Spektrum. https://www.spektrum.de/kolumne/lobes-digitalfabrik-sind-google-und-facebook-ein-oeffentliches-gut/1949629.

Lobo, S. (2021). Die neue Weltmacht der Bio-Plattformen (27.01.2021). Spiegel. https://www.spiegel.de/netzwelt/netzpolitik/mrna-technologie-die-neue-weltmacht-der-bio-plattformen-a-c87fa211-1897-47cf-8a1b-cd9ded973e6f.

Piétron, D. & Wiggerthale, M. (2019). Neue Wettbewerbsregeln für die Plattformökonomie (06.12.2019). Netzpolitik.org. https://netzpolitik.org/2019/neue-wettbewerbsregeln-fuer-die-plattformoekonomie/.

Saurwein, F., Just, N. & Latzer, M. (2015). Governance of algorithms: options and limitations. Info, 17(6), 35–49. https://10.1108/info-05-2015-0025.

Scholz, T. (2019). A Portfolio of Platform Cooperativism, in Progress. Ökologisches Wirtschaften, 33(4), 16–19.

Vöpel, H. (2018). Daten als Kapital des Digitalkapitalismus: Wie der Wert von Daten entsteht, wem er gehört und welchen Preis wir zahlen.  https://www.xing.com/news/insiders/articles/daten-als-kapital-des-digitalkapitalismus-wie-der-wert-von-daten-entsteht-wem-er-gehort-und-welchen-preis-wir-zahlen-1337039.

Vöpel, H. (2021). Die digitale Revolution: Der große Übergang in die Datenökonomie. In T. Straubhaar (Hrsg.) Neuvermessung der Datenökonomie (S. 29 – 40). Hamburg University Press.

Vosoughi, S., Roy, D. & Aral, S. (2018). The spread of true and false news online (09.03.2018). Science, 359(6380), 1146-1151. DOI: 10.1126/science.aap9559

Wagener, A. (2018). Politische Disruption: Die Digitalisierung der Politik und die libertäre Technologie der Blockchain. In S. Liebold, T. Mannewitz, M. Petschke, T. Thieme. (Hrsg.). Demokratie in unruhigen Zeiten (S. 387–396). Nomos.

Wagener, A. (2023). Künstliche Intelligenz im Marketing. 2. Aufl. Haufe.

Wagener, A. (2021). KI als Staatsprinzip: Leitlinien demokratischer Legitimation von AI Governance. SWS-Rundschau, (61. Jg.) Heft 4/2021, 369-390.

Zuboff, S. (2015). Big other: surveillance capitalism and the prospects of an information civilization. Journal of Information Technology, 30(1), 75-89.  https://doi.org/10.1057/jit.2015.5.

Zuboff, S. (2019). Im Zeitalter des Überwachungskapitalismus (12.06.2019).  Netzpolitik.org. https://netzpolitik.org/2019/im-zeitalter-des-ueberwachungskapitalismus/.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Plattformregulierung durch Dateneigentum: den Überwachungskapitalismus umkehren (1/2) erschien zuerst auf Nerdwärts.de.

Vom Anbau über die Produktion bis hin zur Vermarktung: Die Integration von KI versetzt die Akteure der Weinbranche in die Lage, ihre Produktqualität zu steigern, betriebliche Effizienzen zu erhöhen und insgesamt präzisere Entscheidungen treffen. Im Folgenden werfen wir einen detaillierten Blick auf konkrete Anwendungsbeispiele:

KI im Weinberg

Bereits im Weinberg wird auf KI und Verfahren des maschinellen Lernens zurückgegriffen.  Unternehmen wie VitiBot oder VineView nutzen maschinelles Lernen und Sensortechnologie, um Weinberge effizienter zu bewirtschaften. Drohnen und Bodenroboter, ausgestattet mit multispektralen Kameras, erfassen Echtzeitdaten zu Bodenfeuchtigkeit, Nährstoffgehalt und Pflanzenstress. Diese werden genutzt, um Vorhersagen zu Bewässerungsbedarf, Schädlingsbefall oder über den optimalen Erntezeitpunkt zu treffen.

Auch die Verbreitung von Krankheiten wie Mehltau lässt sich frühzeitig erkennen. Sensornetzwerke im Weinberg sind in der Lage, mikroklimatische Daten zu erfassen, während KI die Wahrscheinlichkeit eines Ausbruchs berechnet und entsprechende Maßnahmen vorschlägt. Dies spart nicht nur Kosten, sondern führt durch den reduzierten Einsatz von Pflanzenschutzmitteln auch zu Nachhaltigkeitseffekten. Ebenso lassen sich lokale Hagelprognosen durch die erfassten Daten ableiten, wodurch rechtzeitig entsprechende Schutzmaßnahmen eingeleitet werden können.

Das durch das Bundeslandwirtschaftsministerium geförderte Projekt KI-iREPro („Künstliche Intelligenz für innovative Ertragsprognose bei Reben“) zielt darauf ab, ertragsrelevante Merkmale direkt im Weinberg zu erfassen und mittels Methoden des maschinellen Lernens präzise Ertragsprognosen zu erstellen. Dazu werden Daten zu Traubenanzahl, -größe und -gewicht gesammelt und analysiert, um den optimalen Lesezeitpunkt zu bestimmen und die Weinleselogistik effizient zu planen. Ziel ist neben einer verbesserten Weinqualität auch die ressourcenschonende Bewirtschaftung.

KI in der Weinproduktion

Auch im Weinkeller, bei der Weinbereitung, wird inzwischen immer öfter auf KI zurückgegriffen: Schon geringe Schwankungen im Gärprozess können die Qualität des Weins nachhaltig beeinflussen. Mittels Sensoren in den Gärtanks lassen sich Temperatur, pH-Wert und Zuckerabbau überwachen. Unerwünschte Entwicklungen, wie Unterbrechungen des Fermentationsprozesses oder ungewollte Oxidationen lassen sich damit frühzeitig abpassen. Anbieter wie WineGrid leiten aus den gesammelten und aus in der Vergangenheit aggregierten Daten mittels KI Handlungsempfehlungen ab und ermöglichen auf diese Weise ein „Smart Monitoring“ der Weinproduktion.

Noch einen Schritt weiter geht das kalifornische Startup Tastry, das maschinelles Lernen einsetzt, um die chemische Analyse der Weine mit Daten zu Kundenpräferenzen zu verknüpfen. Die KI gibt daraufhin Hinweise, wann Temperatur oder Gärzeit angepasst werden sollten, um den angestrebten Geschmacksprofilen zu entsprechen.

KI im Weinmarketing und der Absatzsteuerung

Die Digitalisierung des Marketings hat natürlich auch schon seit längerem die Weinbranche erfasst. Die Analyse von Konsumentenpräferenzen, personalisierte Empfehlungen auf Basis von Kundenverhalten und Kaufhistorien, wie auch Verfahren des „Next-Best-Offer“-Marketings sind langerprobte Ansätze, die auch im Weinmarketing zum Tragen kommen. Die skizzierten Anwendungsfälle in der Weinbereitung lassen sich dabei mit erfassten Geschmacksprofilen und -präferenzen der Kunden verknüpfen, um perspektivisch auch die Herstellung „individualisierten“ Weins zu ermöglichen.

Ansätze wie der oben beschriebene von Tastry oder auch des BMEL-Projektes PINOT (Projekt zur Entwicklung einer Künstlichen Intelligenz für oenologische Technologie), eröffnen neue Möglichkeiten für das Absatzmarketing. Ziel von PINOT ist die Entwicklung eines Aromadetektors, einer „künstlichen Nase“ für Weinbau und Handel. Mittels KI lassen sich die sensorischen Geschmacksprofile der Weine in natürliche Sprache übersetzen. Auf diese Weise entstehen für den Konsumenten verständliche Weinbeschreibungen, welche die Einkaufsentscheidungen erleichtern sollen. Gewissermaßen ließe sich damit also ein „künstlicher Sommelier“ erschaffen. In Kombination mit dem Rückgriff auf generative KI wären damit weitere Hilfestellungen für den Kunden denkbar, etwa passende Speiseempfehlungen oder aggregierte und aus den Datenmustern abgeleitete Angaben zur optimalen Reifezeit eines Weines.

KI im Weinbau: noch viel Potenzial

Trotz der zahlreichen Anwendungsbeispiele ist der Einsatz von KI im Weinbau, verglichen mit anderen Branchen, noch als eher unterentwickelt zu bezeichnen. Obwohl einige „Leuchtturmprojekte“ existieren, wird das Potenzial in der Breite noch nicht ausgeschöpft. Das liegt sicherlich nicht zuletzt auch an der Fragmentierung der Branche, mit vielen kleinen Betrieben. Gerade aber die stetig geringer werdenden Hürden bei der Nutzung insbesondere generativer KI dürften dazu beitragen, dass findige Marktakteure schnell diese Vorteile für sich zu nutzen lernen.

Mehr zum Thema KI: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag KI im Weinbau: Anbau, Weinbereitung und Marketing erschien zuerst auf Nerdwärts.de.

Die technologischen Innovationen auf diesem Gebiet reichen von der Erweiterung klassischer Fahrgeschäfte durch Virtual Reality (VR) bis hin zu gänzlichen neuen „Standalone“-Attraktionen. Aber auch Augmented Reality (AR) sowie die Digitalisierung hinter den Kulissen spielen eine Rolle.

Erweiterung klassischer Fahrgeschäfte mit VR

Einer der Vorreiter dieser Entwicklung hierzulande ist der Europa-Park in Rust. Schon seit längerem kann man durch ein zusätzlich zum Parkeintritt zu entrichtendes Entgelt beispielsweise den „Alpenexpress“ oder den „Eurosat“ mit VR-Brille befahren. Dazu werden im hinteren Teil der beiden Achterbahnen exklusive Sitzreihen reserviert. Während man also physisch die Fahrt mit allen ihren Kurven und Rucklern „erspürt“, erlebt man visuell eine darauf abgestimmte, alternative virtuelle Realität. Dabei kann man aus verschiedenen Programmen die gewünschte virtuelle Umgebung wählen – etwa Szenarien aus der Science-Fiction oder dem Fantasy-Universum. Auf diese Weise hat man nicht nur das bestehende Konzept modernisiert, sondern es werden auch zusätzliche Zielgruppen je Attraktionen angesprochen.

Standalone VR Attraktionen

Daneben setzen Vergnügungsparks zunehmend auf Standalone VR Erlebnisse, die unabhängig von physischen Fahrgeschäften funktionieren. Mit „YULLBE“ hat der Europa-Park ein VR-Erlebnis geschaffen, das sich durch zwei Modi auszeichnet: YULLBE PRO: Eine 30-minütige, tief immersive Erfahrung, bei der Besucher mit VR-Headsets und Sensoren ausgestattet werden, um eine Geschichte interaktiv zu erleben. Und YULLBE GO: Ein kürzeres, flexibleres VR-Erlebnis, das einen niedrigeren Einstiegspunkt bietet und insbesondere für Familien und Erstnutzer attraktiv ist. Die simulierten Spielumgebungen umfassen beispielsweise ein an Lara-Croft angelegtes Action-Adventure oder das wohl ursprünglich für einen YOULLBE-Ableger im Miniatur-Wunderland Hamburg konzipiertes Szenario, dass die Spieler und deren Umwelt entsprechend „schrumpfen“ lässt.

Gamification und AR-Integration

Neben diesen reinen VR-Angeboten werden aber auch Augmented Reality und Gamification zunehmend genutzt, um das Besuchererlebnis über die gesamte Aufenthaltsdauer hinweg zu verbessern. Die mobile App des Europa-Parks integriert AR-gestützte Spiele, die Wartezeiten interaktiv gestalten. Darüber hinaus gibt es dort News-Feeds zu den Wartezeiten an den einzelnen Attraktionen. Auch beinhaltet die App die Option des „Virtuellen Anstehens“, während man sich in Wahrheit die Zeit in einem der Cafés vertreibt.

Digitalisierung hinter den Kulissen

Damit diese Funktionen in die „Frontend“-App des Parks einfließen können, werden im Hintergrund entsprechende Digitale Tools genutzt, um die Besucherströme in Echtzeit zu analysieren. Dies hilft nicht nur die Wartezeiten zu minimieren, sondern auch die vorhandenen Ressourcen effizient einzusetzen und die Besucherzufriedenheit zu steigern.

Schließlich spielt Digitalisierung auch eine große Rolle bei der Entwicklung der Attraktionen. Der Europa-Park nutzt VR-Simulationen,Virtuelle Prototypen, um neue Attraktionen zu planen und zu testen, bevor meist sehr aufwändige physische Realisierung folgt. Designer und Ingenieure können virtuelle Modelle testen und optimieren, was die Planungs- und Bauzeit verkürzt.

Wirtschaftliche Auswirkungen

Während das Thema VR und auch die damit verbundene Diskussion um ein wie auch immer beschaffenes Metaverse ansonsten nur scheinbar langsam vorankommt, nehmen Vergnügungsparks bei der Etablierung der Technologie eine Vorreiterrolle ein. Die Vorteile für den Rückgriff auf VR liegen dabei auf der Hand: Bestehende Attraktionen können aufgewertet werden, die Innovationscharakter der Marke gestärkt, was sich auch positiv auf die Kundenbindung auswirken dürfte. Die Betreiber stellen zudem neue Attraktionen bereit, ohne dafür die mitunter knappen räumlichen Kapazitäten zu belasten. Zudem scheinen die Parkbesucher die zusätzlich zu den Eintrittspreisen fälligen Kosten zu akzeptieren. Dadurch entstehende neue Umsatzströme. Und es ist möglich neue, zusätzliche Zielgruppen auf diese Weise anzusprechen. Gemeinsam mit den Möglichkeiten, die Digitalisierung auf der Prozessebene bietet – Optimierung der Besucherströme, zusätzliche Services, Rückfluss in die Innovations- und Entwicklungsprozesse – ergeben sich dadurch zusätzliche Potenziale für die Parkbetreiber. Perspektivisch ist dabei vor allem auch noch eine tiefergehende Personalisierung und Individualisierung des Freizeiterlebnisses zu erwarten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Wie VR und andere digitale Technologien den Vergnügungspark von morgen formen erschien zuerst auf Nerdwärts.de.

Das regelmäßig schlechte und über die Jahre immer noch schlechter werdende Abschneiden der Deutschen bei internationalen Sportwettkämpfen, bei Olympia sowie bei Welt- und Europameisterschaften liegt natürlich daran, dass wir „keinen Bock mehr auf Leistung haben“, was sich ja auch in der Abschaffung des Wettkampfcharakters der Bundesjugendspiele zeigt. Oder? 

Und ja, nach einigen Messeattacken in der jüngeren Vergangenheit, erscheint es als probates Mittel, das Mitführen von Klingen mit mehr als 6cm Länge unter Strafe zu stellen. Das wird potenzielle Gewalttäter sicherlich in die Schranken weisen.

Simplifizierung führt zu Fehleinschätzungen

Vermeintlich naheliegenden Gründe werden als absolut und ausschlaggebend betrachtet. Das Problem ist dabei, dass man somit die eigentlichen Ursachen aus dem Blickfeld verliert und eine Problemlösung tatsächlich in weite Ferne rückt. Beispiel Bundesjugendspiele – ist es nicht eher ein Problem, dass die Vereinsstruktur im Sportbereich sich seit Jahren in einem Prozess der steten Auflösung befindet? Und waren nicht in der Vergangenheit die Sportvereine die eigentliche Keimzelle des Leistungssports? Während sich noch vor 30 Jahren alle in eine Vereinskultur einfügten, die regelmäßig Sport treiben wollten, boomen heute Fitnessstudios. Es wird ebenfalls immer schwieriger, Menschen insbesondere im Sportumfeld für ehrenamtliche Tätigkeiten zu gewinnen. Vor allem gut ausgebildete Trainer, die sich am Wochenende und nach Feierabend dem sportaffinen Nachwuchs annehmen, sind heute eine echte Mangelware. Die Frage, wie man die Vereinskultur und die Bereitschaft zum sportlichen Ehrenamt stärken könnte, ist allerdings deutlich schwieriger zu beantworten.

Gleichfalls erscheint es zweifelhaft zu glauben, dass jemand, der bereit ist, vorsätzlich Körperverletzung zu begehen, sich nun durch ein Messerverbot davon abhalten ließe. Das eigentlich zugrundeliegende Problem der offenbar steigenden Gewaltbereitschaft anzugehen, ist jedoch weitaus schwieriger und langwieriger.

Simplification Bias: Vereinfachung bis zur Verzerrung der Realität

Eigentlich liegt es auf der Hand, dass diese Forderungen und Ableitungen blanker Unsinn sind. Warum aber verfangen diese argumentativen Kurzschlüsse immer wieder? Das Phänomen lässt sich auch als „Simplification Bias“ bezeichnen. Damit wird die Neigung umschrieben, komplexe Sachverhalte über die Maßen zu vereinfachen, um sie auf diese Weise verarbeitbar zu machen. Grundsätzlich ist der Versuch, Komplexität zu reduzieren, ja nichts Schlechtes. Aber wenn wichtige Details und bestimmende Faktoren dabei auf der Strecke bleiben, mündet dieser Prozess in einer verzerrten Wahrnehmung der Realität.

Tatsächlich dürfte ein Großteil des gegenwärtigen gesellschaftlichen Erregungspotenzials darauf zurückzuführen sein. Der Simplification Bias führt zu Generalisierung und Stereotypisierung.  Wichtige Details werden ausgeblendet, (vermeintliche) Korrelationen werden mit Kausalitäten gleichgesetzt. Und im Zweifelsfall sind wie immer die Grünen schuld (früher Merkel).

Simplification Bias im Unternehmen

Was im gesellschaftlichen Kontext zu Verwerfungen führt, trübt in der ökonomischen Sphäre den Entscheidungshorizont. Im Managementumfeld ist immer noch ein Bild des heroischen Lotsens vorherrschend, der Situationen schnell erfasst und darauf beruhend klare, eindeutige Entscheidungen trifft. Weit verbreitet ist auch das Mantra „besser falsche Entscheidungen als gar keine Entscheidungen treffen“. Detailversessenheit und langandauernde Meinungsbildung werden als Führungsschwäche ausgelegt. Rigoroses, schnelles Entscheiden und Durchgreifen gilt hingegen als Stärke und wird als „Macherqualität“ betrachtet.

Selbst wenn es dafür heute immer noch berechtigte Argumente geben mag, trifft dieses Führungsverständnis auf eine inzwischen deutlich komplexere Umwelt als noch vor wenigen Jahren. Immer kürzere Produktzyklen stehen zunehmend unberechenbaren externen (geopolitischen) Bedingungen gegenüber. Innovationen auf allen Gebieten – nicht zuletzt im Bereich der Digitalisierung und des maschinellen Lernens – führen zu äußerst volatilen Entscheidungsszenarien. Damit werden auch die Auswirkungen von (falschen) Entscheidungen komplexer. Einerseits erschwert dies die spätere Bewertung, die unternehmerische Evaluation, und damit auch die Zuweisung von Verantwortlichkeiten sowie die Identifizierung von Ursachen, erheblich. Andererseits legt dies nahe, dass allzu simple Entscheidungen vermutlich der Komplexität des Szenarios nicht gerecht werden.

Langfristige Folgen falscher Entscheidungen in Phasen kurzer Entwicklungszyklen

Folgen könnten zu kurzfristige Orientierungen sein, dort wo stattdessen langfristige Perspektiven angebracht wären. Fehlende Flexibilität und mangelnde Anpassungsfähigkeit drohen. Und schließlich besteht die Gefahr, dass dies in einer erheblich reduzierten Innovationskraft mündet: Wer einmal den Weg in die falsche Richtung eingeschlagen hat, muss fürchten, abgehängt zu werden, weil man durch eine spätere Korrektur, angesichts der skizzierten erhöhten Entwicklungsgeschwindigkeiten der Unternehmensumwelt, nicht mehr in der Lage ist, die ursprüngliche Fehlentscheidung zu kompensieren.

Womöglich erleben wir gerade einen entsprechenden Prozess bei der deutschen Automobilindustrie. Das Festhalten am Verbrenner kann auch als Simplifizierung des Entscheidungsraumes gelesen werden, der sich zu sehr an nationalen Gegebenheiten ausrichtete und durch entsprechende inner-gesellschaftliche Strömungen sowie nationale ideologische Diskurse flankiert wurde. Im Gegenzug unterschätzte man vielleicht die Wirkungsmacht der sich rapide ändernden globalen Haltung gegenüber E-Autos sowie die enorme Innovationsfähigkeit in Asien und Amerika auf diesem Gebiet.

Wie sollte man dem Simplification Bias entgegentreten?

Wie also könnte man in diesen Zeiten in den Unternehmen dem Simplification Bias entgegenwirken? Auch darauf gibt es sicherlich keine einfache Antwort. Nicht zuletzt ist dies eine Kulturfrage. Sicherlich mit verbreiterten Entscheidungskanälen und „divers“ – im Sinne unterschiedlicher Kompetenzen – angelegter Expertise. Um diese zur Geltung zu bringen, bedarf es allerdings veränderter Entscheidungsstrukturen, die diese Kompetenzen auch angemessen integrieren. Zweifelsohne steigt mit der Erweiterung des Beteiligtenkreises die Gefahr, dringend notwendige Entscheidungen zu „zerreden“. Also müssen Instrumente und Verfahren geschaffen werden, die diesen Tendenzen entgegenwirken. Eine Etablierung einer effizienten Kultur der kritischen Reflexion und die Förderung systemischen Denkens innerhalb der Mitarbeiterschaft ist ein langfristiger Prozess, der entsprechende Führungsmodelle voraussetzt. Dieser kulturelle Wandel muss eben auch organisatorisch begleitet werden und sich in angepassten Strukturen widerspiegeln.

Datengetriebene Methoden und maschinelles Lernen gegen Simplification Bias

Zum anderen bieten aber gerade auch die aktuellen technologischen Entwicklungen Ansätze, um Simplification Bias in der Entscheidungsfindung abzubauen. Auch wenn diese bisher nur sehr selten und zögerlich aufgegriffen werden. Die Verwendung datengetriebener Methoden in der Entscheidungsfindung könnte neue Möglichkeiten eröffnen, die entstandene Komplexität beherrschbar zu gestalten. Dazu gehören Szenario-Planungen, flankiert durch virtuelle Simulationen oder die Verwendung von Predictive-Analytics-Werkzeugen in der strategischen Planung. KI könnten helfen, die Komplexität von Märkten, Kundenbedürfnissen oder operativen Prozessen sichtbar zu machen und blinde Flecken zu minimieren. Auch bei der strategischen Entscheidungsfindung ließen sich somit Produktivitätssteigerung realisieren.

Entscheidend dabei ist allerdings der richtige Umgang mit diesen technologischen Instrumenten. Zum einen muss sichergestellt sein, dass der Mensch im Fahrersitz bleibt. Das erfordert unter anderem auch eine entsprechend aufzubauende Kompetenz. Zum anderen kann gerade die falsche „Fütterung“ der KI, ebenso wie ungenaues Prompting, zu einer Verstetigung des Simplification Bias führen.

Auch wenn solche Ansätze für Managementprobleme derzeit noch kaum entwickelt sind: Datengetriebene Methoden, KI und maschinelles Lernen, könnten perspektivisch Verzerrungen reduzieren und für eine Bewältigung des Information Overflow in komplexen Entscheidungsumfeldern sorgen.

Das setzt allerdings neben dem entsprechenden Kompetenzerwerb auf Managementebene auch die Einsicht in das Kernproblem des Simplification Bias voraus: für komplexe Probleme gibt es selten einfache Lösungen.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Weiterfuehrende Literatur

Der Beitrag Wie der Simplification Bias unseren Sinn für gute Entscheidungen trübt erschien zuerst auf Nerdwärts.de.

Mit den beiden Begriffen „Cyborgs“ und „Zentauren“ werden unterschiedliche Nutzungsweisen von Künstlicher Intelligenz im Arbeitsalltag umschrieben. Damit lassen sich spezifische Arbeitsstrategien kategorisieren, die jeweils beschreiben, wie KI in der operativen Tätigkeit integriert wird. Ziel ist es, diese unterschiedlichen Herangehensweisen dann hinsichtlich ihrer Effizienz und Effektivität zu analysieren.

Diese Klassifizierung geht zurück auf eine Studie der Harvard Business School in Zusammenarbeit mit der Boston Consulting Group (BCG) aus dem letzten Jahr, die untersuchte, wie unterschiedlich Künstliche Intelligenz von Mitarbeitern eingesetzt wird und welche Formen der Zusammenarbeit am erfolgversprechendsten erscheinen.

Ausgangspunkt: Metriken in der Consulting-Branche

Zweifelssohne kam den Autoren der Studie dabei die schon lange betriebene „Metrisierung“ von Arbeitserfolgen in der Consulting-Branche entgegen. In großen Beratungsgesellschaften wird oft auf das berühmt-berüchtigte, meist alle zwei Jahre stattfindenden „Up-or-Out“-Karrieremodell zurückgegriffen, wonach Berater, welche innerhalb festgelegter Zeiträume nicht die nächste Karrierestufe erreicht haben, das Unternehmen verlassen müssen. Auf diese Weise soll die Motivation und der permanente Kompetenzzuwachs der Mitarbeiter sichergestellt werden. Nicht zuletzt, um hier eine transparente Entscheidungsgrundlage schaffen zu können, wird daraus meist ein detailliertes Messystem errichtet, das Vergleiche zwischen den Mitarbeitern, aber auch mit zurückliegenden Leistungen ermöglicht.

Untersucht wurde nun, auf welche Art und Weise typische Instrumente der (generativen) KI verschiedene Mitarbeiter für Arbeitsaufgaben genutzt worden – und wie erfolgreich und effizient diese jeweils damit waren. Dabei kristallisierten sich zwei Phänotypen für die Integration von Künstlicher Intelligenz heraus: einerseits die der „Zentauren“ und andererseits jene der „Cyborgs„. Beide beschreiben jeweils zwei grundsätzliche Verhaltensweisen zur Anwendung von generativer KI im Arbeitsalltag. Während der Begriff der Zentauren sich auf das Mischwesen der griechischen Mythologie bezieht, bezeichnet das Kofferwort Cyborg, geformt aus den englischen „cybernetic“ und „organism“, meist Menschen, mit technisch angereicherten oder veränderten Körpern. Während der Zentaur – deutlich sichtbar voneinander abgegrenzt – einen menschlichen Oberkörper mit einem Pferderumpf aufweist, können die Veränderungen des Cyborgs potenziell an allen Stellen des Körpers erfolgen.

Zentauren und Cyborgs: Zwei Modelle der KI-Integration

Dieser Unterschied in der Genese der Beiden Mischwesen wird nun für die Beschreibung unterschiedlicher Herangehensweisen bei der Verwendung von KI herangezogen:

Cyborgs integrieren ihren Aufgabenablauf vollständig und interagieren permanent mit der Technologie. Sie delegieren nicht einfach nur Aufgaben, sondern verflechten ihre Aktivität intensiv mit der KI. Die Künstliche Intelligenz übernimmt dabei die Rolle des Kompetenzträgers, der das spezifische Know-How hat und durch die Arbeitskraft „angezapft“ wird.

Zentauren entscheiden hingegen situativ, welche Aktivitäten sie delegieren oder selbst übernehmen auf der Grundlage der jeweiligen Stärken und Fähigkeiten. Der einzelne wägt also ab, was er selbst in der Lage ist, einzubringen und an welchen Stellen sinnvollerweise auf die KI zurückgegriffen wird. Es gibt keine vollumfängliche Verschmelzung. Mitarbeiter, die dieser Kategorie zuzurechnen sind, versuchen stets bei der Evaluation und Auswahl der Optionen im „Sattel“ zu bleiben. KI ist demnach in diesem Fall eher Assistent und Sparringspartner. Das Know-How wird eher beim Menschen verankert, Ideen werden durch Feedback der KI „gespiegelt“.

Wer ist erfolgreicher – Cyborgs oder Zentauren?

Bei der Beurteilung der erbrachten Leistungen zeigte sich, dass Berater, die standardmäßig generative KI einsetzten – also die „Cyborgs“ -, sich grundsätzlich bei klassischen (standardisierten) Beratungsaufgaben als erfolgreicher und effizienter erwiesen. Sie waren also etwa schneller bei Berechnungen von Kennzahlen oder wenn es galt, Excel-Sheets zu befüllen und zu analysieren.

Aber obwohl dieser Vorsprung für den überwiegenden Teil der Beratertätigkeiten nachgewiesen werden konnte: Bei Aufgaben außerhalb des klassischen Leistungsspektrums, sofern Informationen jenseits reiner zahlenbasierter oder analytischer Prozesse verarbeitet werden mussten, waren die Zentauren erfolgreicher, also wenn es insbesondere galt, mittels Kreativität Probleme zu lösen.

Sind Zentauren kreativer und innovativer?

Das mag als ein Fingerzeig zu interpretieren sein, wie wir grundsätzlich auf generative KI im Arbeitsalltag zurückgreifen sollten: Ohne Zweifel bestehen durch den Rückgriff auf in vielen Situationen Chance für Effizienzgewinne, für schnelleres, auch effektiveres Arbeiten. Gleichwohl tendieren die zugrundeliegenden Modelle oft dazu, sich an einem Art Durchschnitt zu orientieren. Sie basieren auf Wahrscheinlichkeiten und Passgenauigkeiten, die sie aus den gesammelten Daten berechnen. Sie favorisieren damit oft vermeintlich populäres und nicht unbedingt außergewöhnliches. Brillantes ist somit eher selten zu erwarten, stattdessen besteht die Gefahr von Qualitätseinbußen durch die Produktion von „Einheitsbrei“.

Vermutlich liegt die optimale Lösung in der Mitte, zwischen den Verhaltensweisen der beiden Grundtypen der Zentauren und Cyborgs. Generative KI kann gerade in der Schreibtischarbeit ein probates Mittel zur Effizienzsteigerung sein. Es besteht aber offensichtlich ein Trade-Off zu Kreativität und Innovation. Natürlich lassen sich die Gefahren des Mittelmaßes durch ein überlegteres und iteratives Prompting reduzieren.  Aber in der Konsequenz bedeutet das, dass man in der Lage sein muss, erkennen zu können, wann situatives Abweichen von der Norm richtig und angebracht ist. Dies setzt jedoch eine tiefere Vertrautheit mit der Technik und eine ausreichende fachliche Kompetenz voraus, die erst erworben werden muss. Wenn aber gleich zu Beginn eine zu starke Verlagerung von Kompetenz auf die KI erfolgt, dürfte es schwer sein, ausreichende Fähigkeiten zur Beurteilung der Leistungsfähigkeit der Systeme überhaupt zu erwerben.

Wie und wo sollen die notwendigen Kompetenzen erworben werden?

Folglich ist eine stufenweise Herangehensweise erforderlich, die durch den Einzelnen zu erlernen ist. Die Frage drängt sich dann natürlich auf, wann und wo das passieren soll. In der Schule? In der Berufsausbildung, an der Hochschule? Oder „on-the-job“, im Beruf? Bisher stehen wir bestenfalls am Anfang dieser Diskussion, die wir jedoch dringend führen sollten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Empfohlene Buecher zu diesem Thema

Der Beitrag Von Zentauren und Cyborgs: wie wir KI in den Arbeitsalltag integrieren erschien zuerst auf Nerdwärts.de.

Allerorten diskutieren wir derzeit, was Künstliche Intelligenz (KI) für die Bildung und unseren Kompetenzerwerb bedeutet. Das Aufkommen insbesondere von generativer KI verändert zweifelsohne auch die Erwartungen am Arbeitsmarkt. Dabei rückt die grundsätzliche Frage ins Zentrum des Interesses, welche Fähigkeiten und Fertigkeiten in Zukunft relevant sein werden und wie (und wo) sich diese am sinnvollsten vermitteln ließen.

Als Hochschullehrer bin ich tagtäglich damit konfrontiert: Als Professor für Digitales Marketing gehört es zu meinen täglichen Aufgaben, bei den ständig neu entstehenden Tools auf dem Laufenden zu bleiben, um die Aktualität meiner Lehrinhalte sicherzustellen. Natürlich nutze ich regelmäßig ChatGPT um mir Textideen zu generieren, Deepl.com ist mein steter Begleiter bei Übersetzungen, und fertige Texte jage ich immer mal wieder durch Rephraser-Tools, um mein Geschriebenes nochmal stilistisch zu hinterfragen. Definitiv hat generative KI meine tägliche Arbeit produktiver gemacht.

KI Kompetenzen an Schulen und Hochschulen

Natürlich nutzen auch meine Studenten diese und andere Werkzeuge regelmäßig. Aber wie sieht hier der richtige Umgang damit aus? Die Bildungsinstitutionen hierzulande haben dazu ein ambivalentes Verhältnis: Einerseits sieht man viele Gefahren: wie kann man noch sicher sein, dass die Haus- oder Bachelorarbeit noch vom Kandidaten selbst geschrieben wurde? Was passiert, wenn KI-Halluzinationen Eingang in Forschungsergebnisse finden? Und lernen unsere Kinder überhaupt noch etwas, wenn die Hausaufgabe zur Englisch-Übersetzung spielerisch leicht an eine Übersetzungs-KI delegiert werden kann?  Andererseits will keiner als digitaler Bremser oder „Zukunftsverweigerer“ dastehen – diese Stigmatisierung kennt man noch aus früheren Phasen der digitalen Transformation („Willst Du Teil des Problems oder Teil der Lösung sein?“). Und natürlich lassen sich immer wieder Vorteile jenseits von Produktivitätsgewinnen anführen: Kann KI nicht auch für mehr Bildungsgerechtigkeit sorgen („Ein eigener KI-Tutor für jeden!“), frühzeitig Potenziale und Schwächen von Schülern entdecken und entsprechende individualisierte Maßnahmen einleiten? 

„Wir sollten die Technologie nicht verteufeln, sondern müssen lernen damit umzugehen“ – kann als weitgehend akzeptierter Minimalkonsens abgeleitet werden. Aber wie und wo soll dieses Wissen (und von wem) vermittelt werden? Schon in der Schule? Sogar bereits in der Grundschule? Oder erst in der Berufsausbildung beziehungsweise im Studium? Oder sollte man die Verantwortung bei den Arbeitgebern in der betrieblichen Weiterbildung ansiedeln? Dabei ist allerdings in vielen Fällen zweifelhaft, ob dieses Know-How bei denjenigen, die „operativ“ ausbilden, überhaupt vorhanden ist. Bis vor kurzem hatten Lehrer hier bei uns in Bayern noch nicht mal einen Dienstcomputer. Der Lehrplan sieht teilweise zwar eine Beschäftigung mit den Gefahren der sozialen Medien oder Cyber-Mobbing vor. Aber beispielsweise verfügte der (noch eher junge) Lehrer meines Sohnes in der achten Klasse, der letztes Jahr diese Inhalte zu vermitteln hatte, selbst noch nicht mal über einen Social-Media-Account. Es erscheint schwer vorstellbar, dass mit diesem Personal die Vermittlung von KI-Kompetenzen erfolgen kann. Ein ähnliches Bild dürfte sich an den Berufsschulen zeigen, und auch in der Hochschulbildung haben manche in dieser Hinsicht sicherlich noch einen langen Weg vor sich.

Welches sind die richtigen KI Kompetenzen?

Aber es wäre zu einfach, allein dem Lehrpersonal die Schuld für die Defizite in der digitalen Bildung anzulasten. Das liegt auch an verfehlten Strategien und Zielvorstellungen der Politik. Immer noch scheint digitale Bildung an den Schulen überwiegend als ein Problem der Geräteinfrastruktur verstanden zu werden. Als ob sich digitale Kompetenzen automatisch aufbauen würden, wenn man nur genug Endgeräte bereitstellt. Und vor nicht allzu langer Zeit wurde die inzwischen ehemalige Staatsministerin für Digitalisierung, Dorothee Bär (CSU) nicht müde, allerorten zu betonen, wie wichtige der Erwerb von Programmierkenntnissen bereits in der Schule sei, um den Herausforderungen der Digitalisierung begegnen zu können. Dabei war damals schon absehbar, dass ein Großteil des Programmier-Know-Hows durch KI abgedeckt werden könnte. Heute sprechen Größen der Digitalwirtschaft wie der NVIDIA-CEO Jensen Huang bereits vom baldigen „Tod“ des Programmierens aufgrund der zunehmenden Leistungsfähigkeit von KI.

Ich erinnere mich noch gut an Diskussionen, als ich 1991 nach der Schule eine Banklehre begann. Damals ging es um die Belegung eines Schreibmaschine-Kurses. Obwohl es natürlich schon Computer gab, wurde ernsthaft darüber gestritten, ob man das Maschineschreiben nun eher auf den damals modernen elektrischen oder besser auf den herkömmlichen mechanischen Maschinen erlernen sollte. Als Killerargument für die mechanische Variante wurde deren härterer Anschlag ins Feld geführt, da man ja auf den einfacher zu bedienen elektrischen Schreibmaschinen dann auch zurechtkäme, was umgekehrt eben nicht der Fall sei. Angesichts der Entwicklung in den letzten 35 Jahren mutet diese Diskussion heute sehr komisch an, ging es hier doch um die Vermittlung von rückblickend völlig unnötigen Kompetenzen. Diese Erkenntnis erschien damals aber eben nicht so offensichtlich, wie das heute ist. Die Frage stellt sich, ob es sich mit Kompetenzen, die wir an eine KI delegieren können, in Zukunft ähnlich verhält. Warum sich selbst mit Schreiben abgeben, wenn es eine Künstliche Intelligenz besser kann?

Gar nichts mehr lernen ist auch keine Lösung

Brauchen wir dann also gar nichts mehr zu lernen? Werden sämtliche kognitiv und intellektuell fordernden, alle kreativen Leistungen in Zukunft durch KI erbracht?  Aus humanistischer Perspektive möchte man solchen Schlussfolgerungen ein deutliches „hoffentlich nicht“ entgegenschleudern. Wir würden uns wohl auf diese Weise dem Kern unserer Menschlichkeit entledigen, im Gleichschritt einhergehend mit der Realisierung aller erdenklichen Technik-Dystopien vor denen uns Science-Fiction-Autoren schon immer gewarnt haben.

Fakt ist aber, dass wir alle, insbesondere – wenn auch nicht allein – die jüngeren Generationen zunehmend selbstverständlich auf Werkzeuge der generativen KI zurückgreifen. Das ist hinsichtlich der Kompetenzvermittlung erstmal eine gute Nachricht. Denn kein Ansatz dürfte hierbei erfolgreicher sein als ständiges Ausprobieren und Neujustieren.

Aber genau hier liegt auch ein Kernproblem des Wissensaufbaus im Kontext von generativer KI: Wie beurteilen wir, ob das, was wir mit diesen Instrumenten erzeugen, gut ist oder nicht? ChatGPT und Co eignen sich hervorragend, um die eigene Kreativität und Produktivität zu befeuern. Aber um diese Werkzeuge wirklich erfolgreich und gewinnbringend zu nutzen, muss ich in der Lage sein, deren Ergebnisse einzuordnen und zu bewerten. Dazu brauche ich ein bestimmbares Ziel vor Augen, das sich an definierten Qualitätskriterien orientiert. Nur wenn ich beurteilen kann, dass ein von der KI ausgespucktes Ergebnis Verbesserung benötigt, kann ich mein Prompting justieren, um so schrittweise zu einem Optimum zu gelangen. Anders ausgedrückt: Die KI kann zwar ohne weiteres halbwegs passabel Texte schreiben, aber um wirklich gute Texte zu erhalten, muss ich selbst in der Lage sein, wirklich gut zu schreiben. Das ist eine Kernkompetenz zur Nutzung von ChatGPT und anderen Inhaltegeneratoren. Nur auf Basis dieser Fähigkeit kann ich das System in meine gewünschte Richtung steuern. Bin ich nicht dazu in der Lage, produziert die KI eben meist nur Mittelmaß.

Generative KI: Falsche Anwendung führt zu Mittelmäßigkeit

Das erlebe ich immer wieder bei meinen Studenten. Mittlerweile habe ich eine ganz gute Trefferquote, auch ohne technische Hilfsmittel, KI-erstellte Inhalte zu identifizieren. Ich ermutige zwar ausdrücklich, auf generative KI zurückzugreifen, weise aber auch auf die beschriebenen Risiken hin. Daher bekomme ich auch in aller Regel ehrliche Antworten, wenn ich danach frage, ob bei der Erschaffung eines Inhaltes ChatGPT verwendet worden ist. Diese Ergebnisse genügen meistens formalen Anforderungen, lesen sich durchaus flüssig. Aber Außergewöhnliches, gar brillantes, findet sich darunter so gut wie nie.

Der Grund hierfür liegt in der Beschaffenheit der großen Sprachmodelle. Vereinfacht ausgedrückt berechnen diese stets Wahrscheinlichkeiten für Passgenauigkeiten von Textversatzstücken. Trainiert mittels unzähliger Textvorlagen, werden typische Sprachmuster gesucht und angewendet. Das muss zwangsläufig zu – zunächst im neutralen Sinne – durchschnittlichen Ergebnissen führen, sofern man nicht durch spezifisches Prompting diesem Drang der Systeme gezielt entgegenwirkt. Diese zentrale Fähigkeit bei der Nutzung von generativer KI kann jedoch nur erwerben, wer gelernt hat, verschiedene Qualitäten beim geschriebenen Wort zu unterscheiden – also: wer viel gelesen hat und gelernt hat, gut zu schreiben. 

Ich bin hoffentlich (!!!) weit davon entfernt ein Bildungs-Konservativer zu sein oder ein elitäres Bildungsideal zu vertreten. Aber tatsächlich scheinen es diese klassischen Tugenden zu sein, die demnach maßgeblich sind für eine sinnvolle Nutzung von Werkzeugen der generativen KI.

KI Kompetenzen und Deskilling

Dann allerdings stellt sich die Frage, wie und wo diese zu vermitteln sind. Wenn man Schwierigkeiten hat, selbst Texte zu verfassen, ist es verführerisch, auf ChatGPT & Co zurückzugreifen. Wer das regelmäßig tut, bevor diese grundlegenden Sprachkompetenzen erworben worden sind, wird es allerdings nie zu einer vollendeten Kunstfertigkeit auf diesem Gebiet bringen – weder sprachlich noch bei der Anwendung generativer KI.

Befinden wir uns also wirklich auf dem Weg zu einer „Idiokratie“, weil uns durch dieses „Deskilling“ ein gesellschaftlicher Wissenskollaps droht? Wenn diese vorgelagerten sprachlichen Fähigkeiten nicht mehr flächendeckend vermittelt würden, wenn dann in der Folge Mittelmaß nicht mehr als solches erkannt werden könnte, sondern sich stattdessen als maßgebender Standard etabliert, dann spräche das zumindest für eine gesellschaftsübergreifende Degeneration.

OK, ich gebe zu, das klingt jetzt wirklich nach einem klassischen konservativen, pessimistischen Menschen- und Gesellschaftsbild, liegt vielleicht am zunehmenden Alter.

Also, dann jetzt das konstruktive Fazit:

Künstliche Intelligenz ist zweifelsohne eine großartige technologische Errungenschaft, sie wird mit Sicherheit unser Leben positiv beeinflussen. Wie immer bei bahnbrechenden Innovationen, weisen diese natürlich auch Schattenseiten auf. Es liegt aber an uns, die Anwendungsumgebungen zu gestalten. Für die zielgerichtete und sinnstiftende Nutzung insbesondere von generativer KI brauchen wir spezifische Kompetenzen. Interessanterweise sind das in diesem Fall klassische humanistische Fähigkeiten. Nur wenn wir diese beherrschen, beherrschen wir die KI – und nicht umgekehrt.

Mehr noch als bei allen anderen Phasen der digitalen Transformation kommt es hier auf die Findung und Gestaltung der „richtigen“ und „verantwortungsvolle“ Anwendungsprozesse an.  Dazu müssen wir unser Bildungskonzepte nicht komplett über den Haufen werfen, sehr wohl aber intensiv nachbessern. Wir müssen frühzeitig ein Verständnis von Algorithmen nahebringen, am besten schon beginnend in der Grundschule (ja, das geht). Dazu sollten solche Themen selbstverständlicher Gegenstand der Lehrerausbildung sein, aber auch auf die vielbemühten Quereinsteiger kann man hier zurückgreifen (mit weit weniger Schmerzen als in Fächern wie Deutsch oder Mathematik).

An der Hochschule und auch sonst wo bedarf es punktuell einer Anpassung der Prüfungsleistung, aber auch das ist keine unüberwindbare Hürde. Beispielsweise könnte man sich von rein Lehrbuchwissen-befüllten Bachelor- und Masterarbeiten verabschieden und stattdessen empirische Ansätze zu Pflichtbestandteilen erklären, die sich deutlich schwerer durch KI simulieren lassen, gegebenenfalls flankiert durch eine „Verteidigung“ der Arbeit.

Und auch die Vermittlung der richtigen Anwendungskompetenz von generativer KI etabliert sich bereits jetzt allmählich. Richtiges Prompting ist anstrengend und zeitaufwändig (was oft unterschätzt wird). Es setzt neben den sprachlichen Kompetenzen auch weitere Fähigkeiten in der digitalen Anwendung voraus.

Am besten erschließt man sich diese durch permanentes Anwenden, Ausprobieren und Hinterfragen der Ergebnisse – das gilt sowohl für die Lernenden als auch für die Lehrenden.

Und da gibt es keine Ausreden.

TL; DR? Hier der Artikel als Deepdive-Podcast:

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Empfohlene Buecher zu diesem Thema

Der Beitrag Macht KI uns dümmer oder klüger? Welche Kompetenzen werden wir in Zukunft noch brauchen, und wie vermitteln wir diese? erschien zuerst auf Nerdwärts.de.

Die immer schneller voranschreitende Entwicklung Fortschritt bei den „digitalen“ Technologien – wie generative KI und Virtual Reality – verändern bereits heute die Grundlagen des menschlichen Alltags. Schon jetzt ist damit die Simulation menschlicher Erscheinungs- und Verhaltensweisen im Digitalen möglich. Die Darstellung rein digitaler „Wesen“ in menschlich wirkender Optik sowie die Erzeugung passender menschlicher Sprache gestatten eine „lebensechte“ Kommunikation im virtuellen Umfeld. Was bedeutet das für das Miteinander von Mensch und Technik? Welche gesellschaftlichen und auch welche ethischen Fragestellungen erwachsen hier? Und wie sehen die möglichen Antworten des Menschen auf die immer weiter voranschreitende technische Entwicklung aus? Können wir die Technik beherrschen? Oder müssen wir uns anpassen und zu „Cyborgs“ werden, die ihren Körper (und Geist) mit dem Ziel, mithalten zu können, technisch aufrüsten?

Vortrag von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern erschien zuerst auf Nerdwärts.de.