Künstliche Intelligenz (KI) ist der Versuch, Leistungen, für die der Mensch Intelligenz benötigt, durch Computer erbringen zu lassen. Das ist aber bis heute nicht möglich. Es ist also Vorsicht beim Umgang mit dem Begriff Künstliche Intelligenz angebracht, da sicherlich nicht alles als KI bezeichnet werden kann, was uns derzeit als solche verkauft wird.
KI-Systeme sind zwar in der Lage Muster zu erkennen, zu lernen und Entscheidungen zu treffen. Aber ist das intelligent? Der Duden definiert Intelligenz als die Fähigkeit des Menschen, abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten. Nur deshalb sind Menschen auch in der Lage, Neues zu schaffen und kreative Leistungen zu erbringen. Von Emotionen mal ganz abgesehen. Daran scheitern KI-Systeme allerdings. Sie können nicht denken und daher auch kein zweckvolles Handeln ableiten. Dafür können die Systeme aber (vielleicht heute schon besser als der Mensch) Muster und Zusammenhänge erkennen, Dinge unterscheiden, Regeln lernen und anwenden.
Dennoch: „KI-Systeme simulieren bestenfalls einen Teil unserer Intelligenz“, schrieb Jörg Schieb in der Ausgabe 5 von beyondprint unplugged. Deshalb hält er es für Etikettenschwindel, wenn uns KI als Intelligenz aufgeschwatzt wird, und fordert, wir sollten ab sofort von „sogenannter KI“ sprechen (der Einfachheit halber belassen wir es aber in diesem Beitrag bei KI).
Wer Intelligenz auf die Fähigkeiten reduziert, Zusammenhänge zu erkennen, um Probleme zu lösen, kommt dem, was uns als Künstliche Intelligenz „verkauft“ wird, vielleicht etwas näher. Zumindest könnte die Vernetzung von Workflows und Maschinen zu sich selbst steuernden und autonomen Produktionssystemen damit näher rücken. Und Roboter werden in Kombination mit KI immer komplexere Aufgaben übernehmen – bis zu dem Punkt, eigenständig Entscheidungen zu treffen. Dieser Punkt ist – je nach Sichtweise – in greifbarer Nähe oder auch noch weit entfernt.
Was aber ist Künstliche Intelligenz (KI) oder Artificial lntelligence (Al) nun wirklich? Die Begriffe begegnen uns inzwischen überall – auch in der Druckindustrie. Dabei führen sie oft (nicht nur ein wenig) in die Irre. Deshalb hier der Versuch einer Abgrenzung der relevanten Begriffe.
Expertensysteme und Algorithmen
Wenn wir davon reden, dass das Wissen ganzer Generationen von Lithografen in Bildverarbeitungs-Software eingeflossen ist, hat das mit Künstlicher Intelligenz nichts zu tun. Dieses Wissen um Farbanpassungen, das Freistellen oder einkopieren ist in einer Software festgeschrieben, die aber nichts dazulernt. Hier haben wir es mit einem Expertensystem zu tun, das bei der Bildverarbeitung unterstützend wirken kann.
Sogenannte Künstliche Intelligenz beruht jedoch auf einer speziellen Art von Algorithmen, also einer Abfolge oder Gleichzeitigkeit einzelner Anweisungen, mit denen Computersoftware Probleme lösen kann. Allerdings sind nicht alle Algorithmen intelligent. Der Computer „Deep Blue“, der 1996 den damaligen Schach-Weltmeister Garri Kasparow schlug, arbeitete mit einem festen Satz an Regeln, die sich nicht veränderten. Intelligent im engeren Sinn sind Algorithmen erst dann, wenn sie die Fähigkeit haben, selbstständig zu lernen. Und das ist am ehesten beim maschinellen Lernen der Fall.
Machine Learning
Beim maschinellen Lernen werden Daten sowie beschreibende Informationen (Metadaten) in ein Computerprogramm gegeben. Beispielsweise wird eine Computer-Software-Konfiguration mit 1.000 Bildern von Katzen und den dazugehörigen Metainformationen wie „Dieses Bild zeigt eine Katze“ gefüttert. Das Programm versucht in den Daten Muster und Gesetzmäßigkeiten zu erkennen und wird durch stetiges Anpassen dann auch bei Bildern, die es noch nicht gesehen hat, eine statistische Wahrscheinlichkeit angeben, mit der es glaubt, eine Katze zu erkennen.
Das kann aber eine Fehlerquote mit sich bringen, die – wird die Bilderkennung für Menschen eingesetzt – durchaus beängstigend sein kann.
Als weniger kritisch sind anderen Anwendungsbereichen einzustufen, bei denen auch Prognosen abgeleitet werden können. Die Fortschritte bei der Text- und Spracherkennung, bei automatischen Übersetzungen, bei Navigationssystemen oder beim autonomen Fahren beruhen auf maschinellem Lernen, bei dem Daten ausgewertet und durch Trainings die Trefferwahrscheinlichkeiten erhöht werden. Maschinelles Lernen ist also die Vorhersage von Ereignissen auf Basis existierender Daten.
„Menschen sind in der Lage, Neues zu schaffen und kreative Leistungen zu erbringen. Ebenso entwickeln Menschen oft eine emotionale Intelligenz. Daran scheitern KI-Systeme bis heute. Sie können nicht denken und daher auch kein zweckvolles Handeln ableiten. Dafür können die Systeme aber (vielleicht auch schon besser als Menschen) Muster und Zusammenhänge erkennen, Dinge unterscheiden und Regeln lernen.“ – Bernd Zipper.
Deep Learning
Ein bisschen näher an dem, was wir unter Intelligenz verstehen, ist das Deep Learning. Hier handelt es sich um eine noch komplexere Variante des maschinellen Lernens, bei der künstliche neuronale Netze eingesetzt werden, die ein biologisches Vorbild haben: das Nervensystem des Menschen. Das besteht bekanntermaßen aus Nervenzellen (Neuronen) und Zellen im Nervengewebe. Neuronen sind über Synapsen miteinander verknüpft, jene Knoten, über die eine Nervenzelle in Kontakt zu einer anderen Zelle steht. Synapsen dienen der Signalübertragung und können darüber hinaus Informationen speichern.
So weit, so gut. Aber: Die Anzahl der Synapsen beträgt im Gehirn eines Erwachsenen etwa 100 Billionen. Schon diese Zahl dürfte einen Hinweis darauf geben, dass Künstliche Intelligenz nur einen Teil der menschlichen Intelligenz abbilden kann. Daher bleiben auch Systeme der Kategorie Deep Learning in gewisser Weise „Fachidioten“. So ist es zwar möglich, einen Computer oder Roboter mithilfe von Lernalgorithmen auf Weltmeisterschaftsniveau im Schach zu bringen, er kann sich danach aber nicht selbst beibringen, eine Partie Halma zu spielen.
Zudem fehlt solchen Systemen die Vielseitigkeit und Flexibilität menschlicher Intelligenz. Denn alles, was mit sozialer und emotionaler Intelligenz zu tun hat, also etwa der kluge Umgang mit anderen, können Menschen besser als Computer oder Roboter. Den Team-Gedanken beispielsweise kennen KI-Systeme nicht. Schon allein dies, geht mir gewaltig auf den Keks.
Aufgaben in der Druckindustrie
Dem Menschen überlegen sind Deep-Learning-Anwendungen immer dann, wenn es gilt, große und unstrukturierte Datensätze (Big Data), zu analysieren. So kann KI etwa in der Forschung dabei helfen, x-tausend Mal mehr mögliche Alternativen für beispielsweise neue Materialien zu prüfen, als dies mit experimentellen Methoden möglich wäre.
Stellt sich also die Frage, welche Aufgabenstellungen wir in der Druckindustrie haben, die durch Künstliche Intelligenz und/oder lernende Software gelöst werden könnte? Ein Beispiel ist der vorausschauende Service (Predictive Maintenance), bei dem die Software anhand von historischen oder in Echtzeit verfügbaren Daten erkennt, ob sich etwa ein Maschinenschaden anbahnt und eingreift, bevor das Ereignis eintritt. Oder auch die dynamische Druckplanung, bei der eine Software Aufträge optimiert und sie auf die Offset- und Digitaldruckmaschinen des Unternehmens einplant. Aus einem Pool an Druckaufträgen werden Sammelformen zusammengestellt und zeitgleich die Druckplanung und Disposition in Echtzeit durchgeführt.
Darauf aufbauend wäre es denkbar, dass ein Deep-Learning-Tool anhand des Bestellverhaltens und der betrieblichen Workflow-Gegebenheiten vorhersagt, ob es sich lohnt, auf weitere Aufträge für das Füllen einer Sammelform zu warten oder nicht. So könnte auch eine intelligente Kapazitätsauslastung von Druckmaschinen-Netzwerken (wie etwa bei Online-Druckereien) aussehen. Sind in einem solchen Verbund Maschinentyp, Ausstattungsmerkmale, Nutzungsgrad etc. bekannt, können unter Berücksichtigung der Qualitäts-Beschreibung der Jobs, der zu erwartenden Kosten, der Termine und der notwendigen Versandlogistik optimierende Maßnahmen angestoßen werden. Eine Software sagt voraus, wo und wann Kapazitäten frei werden, lernt daraus, mit welchen Jobs sie gefüllt werden können und schlägt optimierte Auslastungsszenarien vor. Eine solche Software wäre auch für Plattformen denkbar, die Druckaufträge national oder international vermitteln.
Vom Helferlein zum Partner?
Mit dem Blick auf KI in Fabriken der Industrie 4.0 werden bereits kooperative Roboter eingesetzt, die Hand in Hand mit dem Menschen im Team arbeiten. Roboter, die dem Menschen beim Be- und Entladen von CtP- oder Großformat-Drucksystemen assistieren, sind aktuelle Beispiele aus der Druckindustrie – aber nicht wirkliche Einsatzfelder Künstlicher Intelligenz.
Dennoch hat sich KI vom kleinen Helferlein zu einem Partner entwickelt, der uns viele Aufgaben so gut abnehmen kann, dass man am Ende kaum mehr sagen kann, ob Mensch oder Maschine das gemacht haben. Aber alles, was KI kann und macht, bleibt in einem bestimmten Rahmen und orientiert sich an Parametern, die vorher gesetzt wurden. Genau der Input, mit dem eine KI-Software gefüttert wurde, kann reproduziert werden – das war’s. Eine KI, die Druckjobs optimieren kann, kann nun einmal keine Kochrezepte für Burger-Varianten ausspucken. Und eine Bilderkennungs-KI kann mir zwar sagen, ob auf einem Bild ein Klavier zu sehen ist, kann deshalb aber noch lange nicht Klavier spielen.
My Take: Künstliche Intelligenz ist der Versuch, Leistungen, für die der Mensch Intelligenz benötigt, durch Computer erbringen zu lassen. Dieses Ziel ist bis heute aber nur bedingt erreichbar. So gibt es das Wissen um maschinelles Lernen schon seit Jahrzehnten, aber es fehlte über lange Jahre an entsprechender Rechnerleistung, um die Möglichkeiten in der Praxis einzusetzen. Künstliche Intelligenz verlangt aber nun einmal nach äußerst leistungsfähigen Rechnern. Da reichen die schnellsten aktuellen Computer bei weitem nicht aus. Das wissen alle, die sich ernsthaft mit KI beschäftigen. Nicht aus Spaß wird in China und in den USA derzeit an Quantencomputern und Qubits geforscht, die die Rechenleistungen exponentiell steigern werden – sollten sie erst einmal verfügbar sein. Die Möglichkeiten des Quantencomputings werden – sollten sie verfügbar sein – unsere vorhandene Welt komplett auf den Kopf stellen.
Aber davon abgesehen bin ich mir sicher: In zehn Jahren werden wir über die sogenannte Künstliche Intelligenz Anno 2019 herzlich lachen. Ernstnehmen müssen wir die Ansätze trotzdem, denn die Produktionsvorteile sind schon heute unschlagbar. Wenn nur dies Thema mit den fehlenden Emotionen nicht wäre…
