Als Thomas Alva Edison 1879 das Patent für seine erste Glühbirne anmeldete, wurden die Straßen und Häuser in den großen Städten noch durch Kerosin, Gas und Kerzen beleuchtet. Mit dem Einzug der Elektrizität fiel der Preis für künstliches Licht drastisch, was die Nachfrage explodieren ließ. Lichtspielhäuser entstanden, Stromnetze wurden ausgebaut, Restaurants konnten spätabends länger öffnen und Unternehmen ihre Arbeiter länger produktiv beschäftigen. Aber es gab auch Verlierer der technischen Revolution: Kerzenzieher waren plötzlich nicht mehr gefragt, ebenso wenig wie Gaslaternen und die Nachtwächter, die die Gaslaternen anzündeten.

Ähnlich wie Glühbirnen mit Hilfe von Elektrizität Licht produzieren, so produziert Künstliche Intelligenz mit Hilfe von Daten „Einschätzungen“. Zum Beispiel kann eine Kreditkartenunternehmung Künstliche Intelligenz verwenden, um auf der Basis von Erfahrungswerten die Wahrscheinlichkeit zu berechnen, ob die Kreditkarte, die gerade zum Kauf einer Luxusuhr verwendet wird, gestohlen ist.

Kommen in dem Uhrengeschäft häufig gestohlene Kreditkarten zum Einsatz? Hat der Kunde schon öfter dort gekauft? Je nach Datenlage wird die Wahrscheinlichkeit, dass es sich um eine gestohlene Kreditkarte handelt, als höher oder niedriger eingeschätzt. Darauf basierend, kann die Zahlung verweigert werden oder nicht.

Der Mensch wird nicht überflüssig

Solche Einschätzungen sind die Grundlage vieler Geschäftsmodelle und die Spezialität von Analysten, Marketingfachleuten und dem mittleren Management. Künstliche Intelligenz (KI) kann die Kosten dieser Einschätzungen jedoch drastisch verringern, indem sie große Datenmengen über frühere, ähnliche Situationen auswertet. Ajay Agrawal, Joshua Gans und Avi Goldfarb betiteln ihr aktuelles Buch über Künstliche Intelligenz deshalb „Prediction machines“.

Von eigenständigen Entscheidungen sind Verfahren, die Künstliche Intelligenz einsetzen, jedoch noch weit entfernt. Denn heutige KI-Methoden können die Folgen von Handlungen nicht selbständig bewerten. Ob eine Kreditkartentransaktion abgelehnt werden soll oder nicht, hängt ja nicht nur von der Wahrscheinlichkeit ab, ob sie gestohlen ist, sondern auch von den Kosten einer falschen Entscheidung. Wie hoch ist der Schaden, wenn die Karte gestohlen wurde, die Zahlung aber durchgeführt wird? Wie verärgert ist der Kunde, wenn er die Luxusuhr kaufen will, die Transaktion aber abgebrochen wird? Die Konsequenzen von Entscheidungen zu bewerten, das wird auf absehbare Zeit Aufgabe von Menschen bleiben.

Menschen werden also nicht überflüssig, im Gegenteil. Diese Bewertungsaufgaben werden umso wichtiger sein, je flächendeckender KI-Methoden zum Einsatz kommen. Welche Handlungsoptionen ziehen wir in Betracht, welche Sicherheitsmargen räumen wir ein? Diese Entscheidungen werden auch in Zukunft nicht von Maschinen getroffen, sie führen nur aus, was Menschen ihnen vorgeben.

Dies heißt aber nicht, dass unserer Wirtschaft und Gesellschaft keine tiefgreifenden strukturellen Anpassungen bevorstünden. Tätigkeiten, die im direkten Wettbewerb mit Künstlicher Intelligenz stehen, werden auf längere Sicht überflüssig. Wie das Beispiel von elektrischem Licht jedoch zeigt, können neue Technologien bestehende Industrien stärken und zur Entstehung neuer Industrien führen. Jede Branche, die von akkurateren Einschätzungen profitiert und über viele Daten verfügt, kann durch die Einführung von KI-Methoden gewinnen.