„Ich bin Heini, euer KI‑gestützter Assistent.“ … Bei solchen Ansagen gehen viele Menschen inzwischen regelrecht in die Luft. Die teilweise Automatisierung in vielen Bereichen der Geschäftswelt wird wohl zu Arbeitsplatzverlusten führen und Millionen Menschen müssen sich bis 2030 beruflich umorientieren. Trotzdem nutzen immer mehr Unternehmen und auch Arztpraxen KI‑gestützte Möglichkeiten, um so eben Personal einzusparen, und Kunde oder Patient muss sich dann mit „Heini“ teils durch ellenlange Frage- und Antwort-Marathons hindurcharbeiten.

Richtig negativ kann sich KI und das, was man dazu benötigt, auf unsere Umwelt auswirken. Der Betrieb großer KI-Modelle verschlingt enorme Mengen an Strom und Wasser, zum Beispiel bei der Kühlung von Rechenzentren. Der weltweite Strombedarf wird sich laut Prognosen bis 2030 ebenfalls massiv erhöhen. Auch für Täuschung und Manipulation ist KI bestens geeignet. Es lassen sich Bilder, Videos und Stimmen so perfekt fälschen, dass dies schon jetzt auf Social Media-Plattformen für gezielte Fake-News-Kampagnen und politischen Betrug genutzt wird. Mit KI können automatisiert auch hochkomplexe Cyberangriffe, wie sie auch regionale Betriebe in letzter Zeit in Ostbayern erleben mussten, gestartet werden oder schädliche Phishing-Mails in ganz großem Stil erzeugt und versandt werden. Wir haben sie täglich in unserem E-Mail-Posteingang. 

Musiker und Komponisten laufen Sturm gegen KI‑gestützte Musik-Software, die ohne jegliche Fachkompetenz der Nutzer in kürzester Zeit ganze Songs erstellt. Hierfür wurden in der Vergangenheit auch geschützte Daten von „echten Komponisten“ widerrechtlich verwendet.

Aaaaber … es gibt auch jede Menge positive Meldungen zum Einsatz von Künstlicher Intelligenz. Zum Beispiel erleichtert KI in Forschung und Medizin jetzt schon bei komplizierten Untersuchungen und Eingriffen enorm und führt so zu Zeitersparnis bei hoher Qualität und Genauigkeit.

Beispiel: KI erkennt Hirntumore im MRT auch ohne Kontrastmittel

Ein KI-gestütztes Programm kann mit relativ hoher Genauigkeit kontrastmittelanreichernde Hirntumore auf MRT-Bildern entdecken, obwohl diese ohne Verwendung des Kontrastmittels Gadolinium erstellt wurden. Wissenschaftler aus England stellten bei ihren vergleichenden Untersuchungen fest, dass das Deep-Learning-Modell etwas besser abschnitt als eine Gruppe von 11 Radiolog*innen. Der Test umfasste über 1100 Untersuchungen. Primär wollte man feststellen, ob KI‑gestützte Programme vorhersagen können, in welchen Fällen bei späteren Untersuchungen mit Kontrastmittelgabe eine Anreicherung erkennbar war. Dabei erreichte das Modell mit der besten Leistung eine Genauigkeit von 83,0 %!