Der Siegeszug der Künstlichen Intelligenz (KI) in der Arbeitswelt ist nach Überzeugung von Bundesarbeitsminister Hubertus Heil nicht mehr aufzuhalten. Spätestens 2035 werde es keinen Arbeitsplatz mehr geben, der nichts mit KI-Anwendungen zu tun habe, prognostizierte Heil vor wenigen Wochen im Vorfeld der Eröffnung des Projekts „KI-Studios – KI-Erlebniswerkstätten für die partizipative Gestaltung betrieblicher KI-Anwendungen“. Doch zurzeit muss die KI offenbar auch in der Wirtschaft erst noch einige Ressentiments überwinden. Denn laut einer aktuellen Befragung von Personalleitern durch das ifo Institut im Auftrag von Randstad Deutschland soll die große Mehrheit der Personalverantwortlichen Bedenken gegenüber dem Einsatz von Künstlicher Intelligenz haben.

Gut eingesetzt könne KI dafür sorgen, dass die Arbeitswelt humaner wird, dass sie menschlicher wird, dass sich Arbeitsunfälle verhindern lassen und Arbeit insgesamt gesund ist, meint der Bundesarbeitsminister. Zudem soll KI nach seiner Einschätzung dabei helfen, dem Fachkräftemangel entgegenzuwirken. Deshalb fördert das Bundesministerium für Arbeit und Soziales (BMAS) die Verbreitung und aktive Mitgestaltung von Künstlicher Intelligenz in der Arbeitswelt. Am 12. September eröffnete Minister Heil ein erstes stationäres KI-Studio im PionierHUB des Fraunhofer-Instituts für Arbeitswirtschaft und Organisation (IAO) in München und schickte ein KI-Infomobil auf Unternehmenstour durch Deutschland. Die Eröffnung dieses ersten KI-Studios soll den Beginn eines umfassenden Programms zur Information von Unternehmen und Beschäftigten über die Möglichkeiten und Grenzen der Technologie markieren, wie Heil ankündigte.

„Ich möchte, dass KI ganz selbstverständlich in der betrieblichen Praxis eingesetzt wird. Es geht darum, die Potenziale von Künstlicher Intelligenz für Beschäftigte und Unternehmen voll auszuschöpfen. Mithilfe des Projekts KI-Studios bringen wir nun KI in Deutschland auf die Straße“, so der Minister.

Vorbehalte

Derweil macht die aktuelle Randstad-ifo-Personalleiterbefragung deutlich, dass der Einsatz von KI in den Unternehmen noch auf Vorbehalte stößt, die verhindern, die Potenziale Künstlicher Intelligenz etwa im Bereich Human Resources (HR) zu nutzen. Denn laut der Erhebung bestehen bei 86 Prozent der deutschen Personalverantwortlichen Bedenken gegenüber dem Einsatz von Künstlicher Intelligenz in ihrem Unternehmen. Am häufigsten mit 62 Prozent gaben die Personaler:innen in der Befragung fehlendes Know-how als Grund für ihre Zurückhaltung an, wie das ifo-Institut berichtet. Rechtliche Aspekte sind demnach für 48 Prozent ein Thema. Weitere Bedenken beziehen sich auf fehlendes Vertrauen in die Künstliche Intelligenz (34 Prozent), den großen Aufwand, den die Implementierung nach sich zieht (19 Prozent) sowie hohe Kosten (18 Prozent). Bei rund einem Viertel der Befragungsteilnehmer stellt fehlende Akzeptanz ein Problem dar. Und für 22 Prozent ist durch KI kein Mehrwert ersichtlich.

Laut der aktuellen Randstad-ifo-Befragung nutzen derzeit 18 Prozent der Unternehmen in Deutschland KI in mindestens einem Unternehmensbereich, weitere 35 Prozent haben dies geplant. Im HR-Bereich hingegen kommt KI erst in rund 5 Prozent der Unternehmen zum Einsatz, geplant haben dies knapp ein Viertel der Betriebe. 70 Prozent der befragten Unternehmen setzen Künstliche Intelligenz weder zum aktuellen Zeitpunkt ein, noch haben sie dies in Planung. Chancen für die KI machen die Personalverantwortlichen insbesondere in der Rekrutierung aus, dem Bewerbermanagement und in der Automatisierung von Personalprozessen, wie ifo-Forscherin Johanna Garnitz erläutert.

Dem Einfluss von Künstlicher Intelligenz auf die Personalplanung im Unternehmen messen die Befragten demnach eher eine geringe Bedeutung bei: 84 Prozent gehen davon aus, dass KI in den kommenden fünf Jahren keinen Einfluss auf die Personalplanung haben wird, so Garnitz. Und 13 Prozent planen für die nächsten fünf Jahre mit weniger Personal aufgrund des Einsatzes von KI.

Potenziale

Das größte Potenzial sehen die Befragten nach Auskunft des ifo-Instituts im Bereich der Automatisierung. Hiermit ist das Automatisieren von Personalprozessen gemeint, etwa Verträge, Gehälter und Benefits betreffend. 19 Prozent der Befragungsteilnehmer gaben an, hier ein hohes Potenzial zu verorten, 31 Prozent ein mittleres. Allerdings spricht sich über ein Viertel für kein Potenzial in diesem Bereich aus.

Auch in der Rekrutierung und im Bewerbermanagement erwarten die Befragten Potenzial für die KI: 14 Prozent schätzen dieses als hoch ein, 37 Prozent als mittel. Auch hier sieht rund ein Viertel der Unternehmen kaum Entwicklungsmöglichkeiten. Derweil spricht im Leistungsmanagement, etwa was die Bewertung von Mitarbeitenden sowie Prognosen betrifft, eine Mehrheit von 31 Prozent der KI ein niedriges Potenzial zu, 28 Prozent sehen gar keins. Und in der Personalentwicklung sieht ebenfalls die Mehrheit von jeweils 30 Prozent niedriges oder kein Potenzial. Auch im Aufgabenfeld der Mitarbeiterbindung steht die Mehrheit der Befragten dem Einsatz von KI ambivalent gegenüber.

Dem Einfluss von KI auf die Personalentwicklung messen die befragten Unternehmen in der Randstad-ifo-Befragung eher eine geringe Bedeutung bei. Mit 84 Prozent geht die überwiegende Mehrheit davon aus, dass sich die Unternehmens-Personalplanung in den nächsten fünf Jahren nicht durch den Einsatz von KI ändern wird. Weitere 13 Prozent der Betriebe äußern allerdings die Erwartung, dass sie durch den Einsatz von KI weniger Personal einstellen werden.

Nach Einschätzung von KI-Fachleuten, etwa aus dem Software-Unternehmen SAP, kann die Einführung von KI im Personalwesen hingegen jeden Aspekt der modernen Belegschaft verbessern, von der Einstellung und Schulung bis hin zur Steigerung des Mitarbeiterengagements und der Mitarbeiterbindung. Die größten Vorteile von KI im Personalwesen sollen sich demnach bei der Gewinnung der besten Talente, beim sogenannten Onboarding, bei der fortlaufenden Schulung des Personals , bei der Unterstützung der Mitarbeitermotivation und -bindung sowie bei der Mitarbeiterbewertung und Karriereentwicklung ergeben. Erhebliche Vorteile wird KI demnach auch im Hinblick auf die Optimierung der HR-Budgets bringen. Grundsätzlich soll die Einführung von KI und modernen HR-Technologien einen starken ROI ermöglichen sowie die Resilienz und Rentabilität verbessern, heißt es.

Chancen nutzen, Risiken vermeiden

Derweil betont das Bundesarbeitsministerium die Bedeutung von KI als Schlüssel zur Sicherung der globalen Wettbewerbsfähigkeit, zur Bewältigung des Fachkräftemangels und zur Verbesserung der Arbeitsbedingungen. Daher fördert das Ministerium die Verbreitung und aktive Mitgestaltung von Künstlicher Intelligenz in der Arbeitswelt. Es gelte, deren Chancen zu nutzen und Risiken zu vermeiden, sagt Bundesarbeitsminister Heil.

Weitere Informationen:

• https://www.bmas.de/DE/Service/Presse/Pressemitteilungen/2023/heil-eroeffnet-das-erste-ki-studio-in-muenchen.html
• https://www.randstad.de/s3fs-media/de/public/2023-06/randstad-ifo-personalleiterbefragung-q2-2023.pdf (PDF)

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Illustration: shutterstock.com

The post Personalverantwortliche skeptisch gegenüber KI first appeared on Academic Society for Artificial Intelligence.

Künstliche Intelligenz (KI) ist aktuell in aller Munde – nicht nur seit Ende 2022 mit ChatGPT ein regelrechter KI-Hype startete. Seitdem wird in mehr oder weniger faktenbasierten Diskussionen das Ende ganzer Berufszweige heraufbeschworen bis zur Übernahme der Weltherrschaft durch Roboter. Dabei gerät vielfach außer Acht, wie hilfreich KI schon heute in unserem Alltag ist. Greifen wir hierzu nur ein Thema aus dem Bereich der Digitalisierung heraus, das viele Unternehmen, Regierungsinstitutionen, aber auch Bürger derzeit bewegt: die Cybersicherheit. Damit ist der Schutz vor unrechtmäßigen, kriminellen Übergriffen auf Daten, Geräte oder Netzwerke gemeint.

Die persönliche Cybersicherheit kann schon beim alltäglichen Online-Shopping bedroht sein, indem Kriminelle personenbezogene Daten hacken. Dies zieht gegebenenfalls finanzielle Einbußen nach sich. Im großen Stil kann Cybercrime ganze Unternehmen und/oder kritische Infrastruktur betreffen, mit erheblich weitreichenderen Folgen. Nicht ohne Grund warnt das Bundesamt für Sicherheit in der Informationstechnik (BSI) als die Cyber-Sicherheitsbehörde des Bundes davor, dass sich die IT-Sicherheitslage zuspitze und die Bedrohung im Cyber-Raum so hoch sei wie nie. Laut einer repräsentativen Erhebung des Digitalverbandes Bitkom sollen 2022 drei von vier Internetnutzerinnen und Internetnutzern (75 Prozent) von Cyberkriminalität betroffen gewesen sein – Tendenz steigend.

Ein aktuelles Beispiel: „Sehr geehrte(r)…, von unserem Dienstleister … wurden wir informiert, dass die Datenaustausch-Plattform ‚MOVEit‘…, die weltweit für den verschlüsselten Transfer von Daten genutzt wird, Ziel eines Cyberangriffs war. … Der Cyberangriff, bei dem sich Kriminelle Zugang zu geschützten Daten von Unternehmen verschafft haben, wurde am … festgestellt. … Bei einer tiefergehenden Analyse haben wir festgestellt, dass personenbezogene Daten zu Ihrer Versicherung von dem Angriff betroffen waren. … Den Abfluss dieser Daten bedauern wir sehr und entschuldigen uns in aller Form.“

Persönliche Daten gehackt

Ein solches Schreiben musste eine deutsche Lebensversicherung in diesem Juli an ihre Kunden verschicken und sie über eine „Verletzung des Schutzes personenbezogener Daten nach Art. 34 DSGVO“ informieren. Bei dem Cyberangriff wurde demnach neben Angaben zur Person wie Adresse, Geburtsdatum, Steueridentifikationsnummer und Sozialversicherungsnummer mehrfach auch die Unterschrift des Versicherungsnehmers unerlaubt heruntergeladen. Weiter musste die Versicherung ihren Kunden mitteilen, dass trotz unmittelbar eingeleiteter Gegenmaßnahmen leider nicht ausgeschlossen werden könne, dass die Angreifer die Daten selbst missbräuchlich nutzen oder öffentlich verbreiten. Abschließend beteuert die Versicherung in dem Schreiben an ihre Lebensversicherungskunden, dass sie alles daransetzen werde, dem in sie gesetzten Vertrauen gerecht zu werden und die Daten der Kunden sicher zu verwahren und zu verarbeiten. Cybercrime kann somit auch einen elementaren Vertrauensverlust zur Folge haben.

Erst kurz zuvor hatte unter anderem das Internetportal des Landes Rheinland-Pfalz (inRLP.de) die Bürger vor einem „gefährlichen Trojaner“ gewarnt, der Bankdaten klaue und ganze Konten leerräume. Die Schadsoftware namens „Xenomorph“ soll demnach unterdessen komplett automatisiert laufen, sich vermutlich in mehreren Apps im „Playstore“ verstecken und von einem Virenscanner kaum erkannt werden.

Laut inRLP.de sollen die Hacker über die Android-Bedienungshilfen und die sogenannten automatisierten Transfersysteme (ATS) nicht nur die Login-Daten zum Bankkonto herausfinden können, sondern auch den Kontostand übermitteln und Überweisungen tätigen, während die Opfer davon nichts bemerken. Der Banking-Trojaner sei in der Lage, wenn er erst einmal auf ein mobiles Gerät geladen ist, auf dem eine Bank-App genutzt wird, Konten innerhalb von wenigen Sekunden zu leeren, ohne dass die Entwickler der Malware dazu etwas tun müssen, warnte das Internetportal.

Mit KI blitzschnell Gefahren erkennen und eindämmen

Solche Vorgänge verdeutlichen, wie hoch die Anforderungen an Unternehmen unterdessen geworden sind, ihre eigenen Systeme und Netze wie auch die Daten ihrer Kunden vor unrechtmäßigen Zugriffen zu schützen. Und da kommt die KI ins Spiel: Denn selbstlernende Cyber-KI ist in der Lage, in Sekundenschnelle selbsttätig einzugreifen, sobald sie verdächtige Aktivitäten erkennt, und diese zu unterbinden, bevor sie Schaden anrichten können. So ergreift die KI autonom Maßnahmen zur Gefahreneindämmung – gemäß den Handlungsempfehlungen des zuständigen Sicherheitsteams im Unternehmen. Dabei wird der laufende Betrieb in der Regel nicht eingeschränkt und die Arbeit kann ohne Unterbrechung weitergeführt werden.

Und wie funktioniert das konkret? Die KI lernt eigenständig, welche Verhaltensmuster in einem Unternehmen bzw. seinen Prozessen normal sind. Das heißt, die Cyber-KI entwickelt selbstständig ein Verständnis für die normalen Verhaltensmuster (Patterns of Life) aller Benutzer und Geräte im sogenannten digitalen Ökosystem. Kommt es hier selbst zu subtilen Abweichungen von der Norm, erkennt das System diese als Sicherheitslücke und leitet ebenso blitzschnell Maßnahmen gegen die Cyberattacke ein. Dabei reagiert das KI-System vollkommen eigenständig und ohne auf Anweisungen vom Sicherheitsteam warten zu müssen. So wird bei einem Cyberangriff wertvolle Zeit gewonnen.

Und mit Hilfe der sogenannten Predictive Artificial Intelligence (AI), also vorausschauender KI, lassen sich mögliche Sicherheitsbedrohungen auf der Basis von Risikomodellen sogar vorhersagen. So vermag Künstliche Intelligenz selbst vor komplexen Hackerangriffen zu schützen, indem sie dank ihrer Fähigkeit, selbst riesige Datenmengen in extrem kurzer Zeit zu analysieren, Sicherheitslücken aufspüren kann, bevor diese zum Einfalltor für kriminelle Eindringlinge werden können.

Weitere Informationen:

• https://www.inrlp.de/ratgeber/technik/internet-handy/app-trojaner-bankkonto-xenomorph-geld-malware-android-online-banking-postbank-deutsche-bank-art-5663021
• https://www.bitkom.org/Presse/Presseinformation/Drei-Viertel-Cyberkriminalitaet-betroffen
• https://www.aidrian.de/chatgpt-datenschutz/

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Illustration: shutterstock.com

The post Künstliche Intelligenz verbessert Cybersicherheit first appeared on Academic Society for Artificial Intelligence.

Künstliche Intelligenz (KI) weist heute schon in zahlreichen Anwendungsbereichen ihre Fähigkeiten nach: unter anderem in der Industrie bei der Steuerung von Geräten und Maschinen, in der Robotik, bei Automatisierungsprozessen bis hin zur Medizin, wo sie Ärzte insbesondere in der Diagnostik wertvolle Unterstützung bietet. Oder in Form von Gesundheits-Apps, die für manche Menschen bereits zum Lifestyle gehören. Gleichzeitig nehmen die Diskussionen über die Grenzen, aber auch die Risiken von KI weiter Fahrt auf.

In einem viel beachteten Essay in der aktuellen Ausgabe 619 der Fachzeitschrift ‚Nature‘ diskutiert Celeste Biever, wie KI-basierte LLMs (large language models) an vergleichsweise einfachen Aufgaben aus standardisierten Intelligenztests scheitern. Für Aufsehen sorgt, dass Modelle, die mühelos Aufnahmeprüfungen renommierter Hochschulen bestehen und komplizierte Anforderungen in vielen Bereichen in Rekordzeit bewältigen, regelmäßig bei einfachen Abstraktionsaufgaben versagen. Ihr Plädoyer vor diesem Hintergrund: „Wir müssen grundsätzlich verstehen, was sie können und wo sie scheitern.“ Im Hintergrund steht hier die Frage danach, ob KI-Systeme als unbeschränkt „genial“ einzustufen sind oder ob die Fähigkeiten Künstlicher Intelligenz nicht doch begrenzt sind?

Beides, meint Prof. Marco Barenkamp, KI-Experte und stellvertretender Vorsitzender des Aufsichtsrats und Gründer der auf die Anwendung von KI in der Industrie spezialisierten LMIS AG in Osnabrück.

ChatGPT vom US-Start-up OpenAI oder Bard von Google, aber auch andere LLM beherrschen so manche Fähigkeit, die noch vor wenigen Jahren als Meilenstein der Künstlichen Intelligenz (KI) gefeiert worden wäre, macht Prof. Barenkamp die Bedeutung dieser Entwicklung deutlich: Eloquent beantworten die Bots Fragen, bestehen akademische Prüfungen mit Bravour und verblüffen mit erstaunlichem Allgemeinwissen. Allerdings bereiten dem Transformermodell „Chat Generative Pre-trained Transformer“, so die ausgeschriebene Bezeichnung von ChatGPT, bereits einfache visuelle Logik-Rätsel erhebliche Schwierigkeiten, während Menschen solche Aufgaben meist mühelos meistern.

Wie KI realistisch bewerten?

Vor diesem Hintergrund rätseln Wissenschaftler derzeit, wie die Fähigkeiten von ChatGPT realistisch zu bewerten sind. Prof. Barenkamp verweist hierzu auf eine Studie, die jüngst in der akademischen Welt einige Aufmerksamkeit erregte und auch Grundlage des Essays von Celeste Biever ist: Ein Team um Melanie Mitchell vom Santa Fe Institute hatte dem Sprachmodell GPT 4 Aufgaben vorgelegt, bei denen farbige Blöcke in einem Raster anzuordnen waren. Aus mehreren Beispielen sollte auf die zugrunde liegende Regel geschlossen und vorhergesagt werden, wie sich die Blöcke als nächstes verändern. „Die meisten Menschen lösen solche Aufgaben mühelos“, erklärt Prof. Barenkamp. GPT 4 hingegen schaffte nur ein Drittel in einer Kategorie richtig und erreichte in anderen teils nur 3 Prozent. Andere KI-Systeme, die speziell für solche Rätsel entwickelt wurden, kamen demnach zwar auf bessere, aber immer noch deutlich schlechtere Ergebnisse als Menschen.

Die Studie zeige, dass es den künstlichen Systemen aktuell noch schwerfalle, zugrunde liegende Konzepte zu erkennen und daraus zu lernen, resümiert Experte Barenkamp. Eines der Kennzeichen menschlicher Intelligenz sei aber gerade die Fähigkeit zur Abstraktion und zum Transfer auf neue Situationen, betont er.

KI lernt anders

So weit, so gut. Aber woran liegt es denn nun, dass KI-Systeme den Menschen in solchen Basisfähigkeiten noch so deutlich unterlegen sind, während sie in Konversationen zum Teil mit überraschender Eloquenz verblüffen? Zur Erklärung führt Prof. Barenkamp an, dass KI-Anwendungen eben anders lernen als Menschen. So werden große Sprachmodelle wie GPT 4 zum Beispiel mittels Durchforsten gewaltiger Mengen an Texten trainiert. Dabei erkennt die KI statistische Korrelationen zwischen Wörtern, wie Prof. Barenkamp erläutert, um bei einer Eingabe das wahrscheinlich nächste Wort zu ermitteln. Menschen hingegen erleben schon als Kind konkrete Erfahrungen mit Objekten und Situationen, bauen ihr eigenes Abbild (Repräsentation) der Welt auf und entwickeln kognitive Fähigkeiten wie Abstraktionsvermögen und logisches Denken.

Dies kann aus Sicht von KI-Experte Barenkamp erklären, warum GPT 4 zwar Texte, wie von Menschen verfasst, in hoher Qualität auszugeben in der Lage ist, aber an einfachen visuellen Tests scheitert: Weil das Training in diesem Fall ausschließlich auf Sprache beruht und nicht auf realen Erfahrungen sowie dem notwendigen Verbinden von Sprache mit konkreten, erlebten Dingen. Manche Forscher vermuten daher, dass KI-Systeme Wörter auch nicht so „verstehen“ wie wir Menschen, da sie dadurch keine echte Begrifflichkeit der Welt entwickeln können.

Weitere Informationen:

• Essay von Celeste Biever
• Essay von Marco Barenkamp
• Studie von Moskvichev, Odouard & Mitchell
• Studie zur Performance von LLM im Turing Test

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Illustration: shutterstock.com / elenabsl

The post Künstliche Intelligenz: Genial und begrenzt zugleich first appeared on Academic Society for Artificial Intelligence.

Forscher der Universitätsmedizin Mannheim (UMM) und des Interdisziplinären Zentrums für Wissenschaftliches Rechnen (IWR) der Universität Heidelberg arbeiten im Rahmen eines Verbundprojekts mit dem Titel Scientific Computing for the Improved Diagnosis and Therapy of Sepsis (SCIDATOS), zu Deutsch Wissenschaftliches Computing zur Verbesserung der Diagnose und Therapie von Sepsis, an neuen Methoden zur Früherkennung dieser lebensbedrohlichen Komplikation bei Infektionskrankheiten. Dabei setzen sie auf die innovativen Methoden Maschinellen Lernens. Die Maschinenlernmodelle, sogenannte ML-Modelle, sollen die ärztliche Entscheidung über eine zeitnahe und zielgerichtete Antibiotikatherapie unterstützen – mit dem Ziel, das akute Überleben betroffener Patienten zu verbessern und gleichzeitig das Risiko für die Entstehung von Antibiotikaresistenzen zu reduzieren.

Bei einer Sepsis antwortet der Körper auf eine meist durch Bakterien verursachte Infektion, indem er die eigenen Gewebe und Organe schädigt, bis hin zum Organversagen, wie die an SCIDATOS beteiligten Wissenschaftler erläutern. Eine Sepsis bedeutet somit einen lebensbedrohlichen Zustand und ist eine der häufigsten Todesursachen auf Intensivstationen. Immerhin steht die Sepsis mit jährlich über 280.000 neuen Fällen in Deutschland und einer Sterblichkeit von rund 30 Prozent momentan an dritter Stelle in der Sterblichkeitsstatistik, wie das Universitätsklinikum Jena betont. Für das Überleben einer Sepsis sei es entscheidend, sie rechtzeitig zu erkennen und gezielt antimikrobiell zu behandeln, erläutern Fachleute. Hierfür bleibt demnach meist nur ein Zeitfenster von wenigen Stunden!

Doch bislang gibt es noch keinen raschen und zuverlässigen diagnostischen Test für das heterogene Krankheitsbild der Sepsis. Daher hängt die Entscheidung über die zeitkritische Therapie mit einem Antibiotikum nach wie vor wesentlich von der ärztlichen Einschätzung im Einzelfall ab. Ein prophylaktischer Einsatz von Antibiotika bietet sich dabei nicht an, weil dem das Risiko von Antibiotikaresistenzen entgegensteht – und die fordern ebenfalls viele Todesopfer, allein in Europa jährlich rund 35.000, wie die Wissenschaftler betonen.

Es geht um Menschenleben

Dies erklärt den Wunsch nach einer verlässlichen Früherkennung der Sepsis. Schließlich kann es in einem solchen Fall um Menschenleben gehen. Was liegt da näher, als sich – wie dies in anderen Bereichen der Medizin längst geschieht – moderner Technologien zu bedienen? So wird gerade in diesem Fachbereich das große Potenzial der Künstlichen Intelligenz (KI) besonders deutlich, indem Behandlungsmethoden durch den Einsatz von intelligenter Software immer besser werden: Seien es Apps zur Früherkennung von Krankheiten oder personalisierte Krebstherapien, intelligente Systeme erweitern z.B. die Diagnose- und Therapiemöglichkeiten von Ärzten ganz erheblich – und dienen damit dem Wohl von Kranken ebenso wie der Prävention von Erkrankungen.

Künstliche Intelligenz unterstützt mit ihren Möglichkeiten zur Analyse von großen Datenmengen und der Suche nach Mustern darin bei vielen wissenschaftlichen Fragestellungen und bei Entscheidungen in sehr komplexen Situationen. In der Medizin geschieht dies ganz konkret schon bei der Auswertung von medizinischen Bildaufnahmen. So haben etwa Praxisanwendungen des Deutschen Krebsforschungszentrums und der Universitätshautklinik Heidelberg zeigen können, dass KI bei der Erkennung von schwarzem Hautkrebs KI sehr gute Ergebnisse liefert, wie das Bundesforschungsministerium (BMBF) berichtet. KI fungiert hier als wertvoller digitaler Assistent. Die Entscheidung über die Diagnose und eine etwaige Therapie hingegen fällt weiterhin ein Mensch, in diesem Fall der Hautarzt.

Da Daten in der gesamten Medizin eine wichtige Rolle spielen, sei es im Bereich der medizinischen Routineversorgung oder in konkreten komplizierteren Krankheitsfällen, hat das BMBF unterdessen eine Medizininformatik-Initiative ins Leben gerufen. Sie zielt darauf ab, Daten aus der Patientenversorgung und der Forschung zusammenzuführen und für unterschiedliche Verwendungen nutzbar zu machen. Hierbei sollen Datenschutz, Verantwortung und Transparenz jedoch hohe Priorität genießen, wie das Ministerium versichert. Außerdem hat die Bundesregierung mit der „Strategie Künstliche Intelligenz“ grundlegende Rahmenbedingungen geschaffen, die es Wissenschaftlern, Unternehmen und Anwendern ermöglichen sollen, KI als innovatives Werkzeug für die Lösung von Problemen einzusetzen.

Die an dem Verbundprojekt SCIDATOS beteiligten Forscher nun machen sich die heutige Verfügbarkeit engmaschig erhobener elektronischer Versorgungs- und Überwachungsdaten von der Intensivstation zunutze, um bei der Entwicklung von Modellen für die individuelle Früherkennung der Sepsis mithilfe moderner Methoden des Maschinellen Lernens voranzukommen. Die ML-Modelle sollen Ärzte in dem konkreten lebensbedrohlichen Zustand einer Sepsis, wenn der Körper als Antwort auf eine Infektion die eigenen Gewebe und Organe schädigt, die richtige Entscheidung über eine zeitnahe und zielgerichtete Antibiotikatherapie erleichtern. Das kann im akuten Fall die Aussichten des betroffenen Patienten, zu überleben, deutlich verbessern und gleichzeitig das Risiko der Entstehung der ebenfalls gefürchteten Antibiotikaresistenzen vermindern.

Machine Learning-Daten sollen auch Verständnis einer Sepsis verbessern

Von interpretierbaren ML-Modellen werde außerdem erwartet, dass sie das Verständnis darüber, wie eine Sepsis entsteht, verbessern, indem sie neue Zusammenhänge in Patientendaten sichtbar machen, betonen die Wissenschaftler. Die ML-Modelle sollen deshalb auch dazu beitragen, neue diagnostische Tests und Therapien entwickeln zu können.

So weit, so gut. Doch bislang stehe der Nachweis eines klinischen Nutzens von ML-Modellen für die Diagnose und Behandlung der Sepsis leider noch aus, bemerkt Professor Dr. Manfred Thiel, Verbund-Koordinator an der UMM, kritisch. Doch die SCIDATOS-Verbundpartner haben nun eine Schwachstelle identifiziert, die sie nach eigener Aussage als Hauptursache dafür ansehen, dass ML-Modelle bislang eine Sepsis noch nicht sicher diagnostizieren konnten. Dieser „Knackpunkt“ soll die Definition des Vorhersageziels sein, auf das das ML-Modell trainiert wird. In der bisher gängigen Praxis werde das Lernziel indirekt durch die automatisierte Abfrage klinischer Kriterien aus der Patientenakte definiert, erläutert Verbundpartner Professor Dr. Stefan Riezler vom IWR das von ihm Zirkularität genannte Phänomen. Demnach können ML-Modelle nichts anderes vorhersagen als das, was sie vorherzusagen gelernt haben. Entsprechend rekonstruieren sie genau jene Lernzieldefinition.

Zur Überprüfung dieser Schwachstelle haben die Projektpartner zusammen mit den Oberärzten der Operativen Intensivstation an der UMM eine elektronische Fragebogenerhebung initiiert. Darin wird täglich für jeden Patienten eine strukturierte Zustandsbewertung hinsichtlich der Sepsis, die sogenannte klinische Ground Truth, erfasst, wie die Beteiligten berichten. Unter Ground Truth versteht man bei Machine Learning Daten, die es erlauben, die Qualität von Modellen zu überprüfen. Mithilfe der Ergebnisse aus dem ersten Jahr dieser sogenannten Ground Truth-Erhebung konnte der Forscher-Verbund nun erstmalig zeigen, dass die gängige automatisierte Definition der Sepsis als Lernziel in der Patientenakte der klinischen Ground Truth in fast der Hälfte der Fälle hinterherhinkt oder die Sepsis nicht nachweisen kann.

Lernziel immer aktualisieren

Daher gelte es, solange kein verlässliches Testverfahren als Goldstandard für die Sepsis-Diagnose zur Verfügung steht, das Lernziel für ML-unterstützte Diagnosemodelle der Sepsis auf Basis der Ground Truth stetig zu aktualisieren, resümieren Erstautor Privatdozent Dr. Holger A. Lindner und Seniorautorin Privatdozentin Dr. Dr. Verena Schneider-Lindner, beide vom UMM. Für sie stellt das klinische Ground Truth ein lebendiges Konzept dar. Denn ML-Verfahren könnten ihr Potenzial zur Verbesserung der Patientenversorgung nur dann voll entfalten, wenn ein klinisches Vorhersageziel und die jeweilige Diagnose in der Praxis nachweislich übereinstimmen, steht für sie fest.

SCIDATOS, das Verbundprojekt der Universitätsmedizin Mannheim (UMM) und des Interdisziplinären Zentrums für Wissenschaftliches Rechnen (IWR) der Universität Heidelberg zum Scientific Computing for the Improved Diagnosis and Therapy of Sepsis wird von der Klaus Tschira Stiftung (KTS) gefördert.

Weitere Informationen:

• https://scidatos.de/
• https://klaus-tschira-stiftung.de/foerderbereiche/forschung/
• https://idw-online.de/de/news815198

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Illustration: shutterstock.com

The post Maschinelles Lernen hilft bei Sepsis-Früherkennung first appeared on Academic Society for Artificial Intelligence.

Wenn Künstliche Intelligenz in Krimis oder dramatischen Spielfilmen thematisiert wird, dann geht es häufig darum, dass die Technologie durchdreht, sich denkende Maschinen verselbstständigen oder ein irrer Nerd/Forscher mithilfe von KI verbrecherische Ziele verfolgt. Die Künstliche Intelligenz wird somit zu einer Bedrohung. So weit, so fiktiv. Im „richtigen Leben“ verhilft KI schon heute Behörden zu mehr Erfolg und Effektivität beim Kampf gegen Kriminalität – insbesondere bei der Abwehr von Cybercrime. Dabei schlägt die große Stunde von Künstlicher Intelligenz vor allem dann, wenn es gilt, umfangreiche Datenmengen zügig und zuverlässig zu analysieren und zu verarbeiten. Und die Technologie ist sogar fähig, Verbrechen zuverlässig vorherzusagen…

Bei Verbrechen im Internet ist der Einsatz von KI nicht mehr neu. Denn um gegen die immer raffinierteren und technisch ausgefeilteren Methoden der sogenannten Cyber-Kriminellen gewappnet zu sein, rüsten auch Polizei und Sicherheitsbehörden auf: mithilfe von KI gegen Hacker & Co. Und dennoch nehmen die Bedrohungen und Angriffe von Tätern im Internet immer mehr zu. Diese Entwicklung schlägt sich unterdessen auch als verstärkte Risikowahrnehmung in der Bevölkerung nieder, wie eine Umfrage des Bundeskriminalamts (BKA) jüngst ergab. Danach bereitet den befragten Bundesbürgern vor allem Cyberkriminalität große Sorgen. Diese empfundene Unsicherheit korreliert mit der real gestiegenen Zahl an Personen und Institutionen, die von Cybercrime betroffen werden.

Wie ausgeprägt das Gefühl von Unsicherheit im digitalen Raum inzwischen ist, wird deutlich, wenn man sich vergegenwärtigt, dass laut der BKA-Befragung 42 % der Menschen hierzulande befürchten, Opfer von Betrug im Internet zu werden. Und 34 % halten es sogar für sehr wahrscheinlich, in den nächsten zwölf Monaten davon betroffen zu werden. Das Risikobewusstsein der Befragten erweist sich hier als so hoch, dass 27 % von ihnen gar vor der Abwicklung von Geldgeschäften über das Internet zurückschrecken.

Risiko Cybercrime

Im Rahmen der BKA-Befragung gaben rund 14 % der Teilnehmer an, in den zurückliegenden zwölf Monaten tatsächlich Opfer von Kriminalität im Internet geworden zu sein: etwa durch Betrug bei Waren und Dienstleistungen, durch den Missbrauch persönlicher Daten, aber auch in Form von Bedrohungen und Beleidigungen. Laut einer repräsentativen Umfrage des Digitalverbandes Bitkom sollen sogar rund Dreiviertel aller Internet-Nutzer bereits von Verunglimpfungen, Identitätsklau oder sogenannten Ransomware-Attacken, den häufigsten Delikten im Internet, betroffen gewesen sein. „Wer sich im Internet bewegt, muss damit rechnen, auf Cyberkriminelle zu treffen“, warnt denn auch Bitkom-Hauptgeschäftsführer Bernhard Rohleder.

Angesichts der rasanten Fortschritte auf dem Gebiet der Künstlichen Intelligenz kann es daher nicht verwundern, dass sich auch die Strafverfolgungsbehörden zunehmend dieser Technologie bedienen bzw. bedienen möchten. Als besonders nützlich für die Verbrechensbekämpfung erweist sich KI vor allem dann, wenn es darum geht, große Datenmengen zu analysieren. So etwa beim Vergleich der Fotos von Verdächtigen, bei der Auswertung von Video-Aufzeichnungen oder wenn beim Verdacht von Geldwäsche fragwürdige Geldströme nachverfolgt und durchleuchtet werden sollen. Aber auch die zunehmenden Hasstiraden (Hatespeech) im Bereich der Social Media bewegen die Behörden dazu, sich der Vorteile der KI bei der Kriminalitätsbekämpfung zu bedienen. Denn mithilfe von KI geht einfach alles sehr viel schneller, von der Analyse bis zur Evaluation von einschlägigen Datenmengen. Diese Möglichkeiten eröffnen den Behörden neue Wege bei der Strafverfolgung und somit schnellere Fahndungserfolge.

„Predictive Policing“

Darüber hinaus ist Künstliche Intelligenz unterdessen sogar fähig, vor Straftaten zu warnen, die noch gar nicht stattgefunden haben. Dieses sogenannte „Predictive Policing“, zu Deutsch vorausschauende Polizeiarbeit, klingt zunächst nach einer Fiktion wie aus dem Film „Minority Report“, ist aber bereits Realität. In zahlreichen (Groß-)Städten der USA werden schon heute zum Zweck der Verbrechensvorhersage bestimmte Brennpunkte überwacht. Die dabei gespeicherten Daten und Statistiken, die nicht allein von (Überwachungs-)Kameras, sondern auch von Polizisten vor Ort stammen, werden anschließend mittels KI ausgewertet, die Software sucht nach Mustern und prognostiziert am Ende mögliche Tatorte und Tatzeiten.

Gleichzeitig soll diese Technologie Polizisten auf Streife ermöglichen, Straftäter in ihrer Umgebung rascher und sicherer zu identifizieren. Die Erfahrungen mit diesen sogenannten Pre-Crime-Tools in US-amerikanischen Großstädten werden von den dortigen Behörden als sehr vielversprechend eingestuft, weil das Verhindern von Straftaten nicht nur besser für die Bevölkerung, sondern auch kostengünstiger für die Polizei sei als aufwändige Aufklärungsarbeit, lautet die entsprechende Argumentation.

In Deutschland arbeitet das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern inzwischen mit der Polizei gemeinsam an neuen Technologien, um Cyberkriminalität wirkungsvoller bekämpfen zu können. Auch hierbei wird die KI dazu herangezogen, in riesigen Datenmengen versteckte Informationen zielgerichtet aufzuspüren und auszuwerten. Von dieser Kooperation erwartet der Direktor des DFKI, Kaiserslautern, Andreas Dengel, dass man mit den Ansätzen der Künstlichen Intelligenz Ermittlungsverfahren werde „nachhaltig unterstützen können“. Dieses Forschungsprojekt wird vom Bundesministerium für Bildung und Forschung gefördert.

Weitere Informationen:

• https://swr.de/swraktuell/rheinland-pfalz/kaiserslautern/kuenstliche-intelligenz-aus-kaiserslautern-hilft-lka-100.html
• https://www.zdf.de/nachrichten/panorama/kuenstliche-intelligenz-ki-polizei-bundesverfassungsgericht-100.html
• https://www.computerweekly.com/de/ratgeber/Wie-der-Datenschutz-die-KI-Nutzung-reguliert

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

The post Fortschritte Künstlicher Intelligenz in der Kriminalitätsbekämpfung first appeared on Academic Society for Artificial Intelligence.

Die digitale Transformation, also die ständige Weiterentwicklung digitaler Technologien, generiert auch ständig neue Chancen im Gesundheitswesen. So gelten Big Data und Künstliche Intelligenz (KI) inzwischen als wichtige Schlüsselbegriffe für die Medizin der Zukunft. Insbesondere die KI ermöglicht es, große Datenmengen so schnell zu vernetzen und zu analysieren, wie dies Menschen nie könnten. Dadurch lassen sich Behandlungsprozesse individualisieren und optimieren ebenso wie Diagnosen präzisieren. Ein Beispiel dafür ist ein am Nationalen Centrum für Tumorerkrankungen Dresden (NCT/UCC) des Universitätsklinikums Carl Gustav Carus Dresden und der TU Dresden entwickeltes Computersystem, das die Erstdiagnose der gefährlichen akuten myeloischen Leukämie (AML) hoch präzise unterstützen kann. Mit diesem erstmals auf Künstlicher Intelligenz basierenden System lässt sich in den allermeisten Fällen auch eine für die Erkrankung wichtige Mutation entdecken, wie das Forschungszentrum mitteilt.

Die akute myeloische Leukämie (AML) ist die häufigste Form einer schnell fortschreitenden Blutkrebserkrankung in Deutschland. Unbehandelt führt sie unweigerlich zum Tod und selbst mit modernsten Therapien gelingt eine Heilung nur bei einer Minderheit der Betroffenen, wie das NCT erläutert. Daher sind eine präzise Diagnostik und ein zeitnaher Beginn der bestmöglichen Therapie äußerst wichtig.

Beim Verdacht auf eine AML verschafft die Analyse eines Knochenmarkausstrichs am besten Klarheit. Allerdings ist die Bewertung der mikroskopischen Bilder hoch komplex und bislang in hohem Maße von der Erfahrung des jeweiligen Arztes bzw. der Ärztin abhängig, wie Prof. Martin Bornhäuser, Mitglied im geschäftsführenden Direktorium des NCT/UCC und Direktor der Medizinischen Klinik I des Universitätsklinikums Carl Gustav Carus Dresden erläutert. Hier kommt nun die Künstliche Intelligenz ins Spiel: Sie unterstützt die Experten bei ihrer schwierigen Aufgabe durch einen rein datenbasierten, objektiven Befund, so Prof. Bornhäuser.

95-prozentige Genauigkeit

Konkret entwickelten die Wissenschaftler am NCT/UCC, des Dresdner Uniklinikums und der TU Dresden ein KI-basiertes Computersystem, das den Knochenmarkausstrich eines AML-Patienten mit über 95-prozentiger Genauigkeit von der Probe eines gesunden Menschen unterscheiden kann. Zudem lässt sich mithilfe der KI anhand äußerer Merkmale eine bestimmte genetische Zellveränderung feststellen, und zwar mit einer Genauigkeit von mehr als 85 Prozent.

Nach Auskunft des Dresdener Tumorzentrums bilden künstliche neuronale Netze, welche die Wissenschaftler mit digitalen Bilddaten von Knochenmarkausstrichen trainierten, die Grundlage des Systems. Diese neuronalen Netze ahmen als Teilgebiet der Künstlichen Intelligenz die menschliche Fähigkeit nach, anhand von Beispielen zu lernen. Für das Training der neuronalen Netze werden große Datenmengen benötigt. In diesem Fall „fütterten“ die Forscher das System mit digitalisierten Bilddaten der Knochenmarkausstriche von 1.251 AML-Patienten sowie 236 gesunden Knochenmarkspendern. Anhand dieser Daten lernte das KI-basierte Computersystem, zunächst Zellen zu erkennen und voneinander abzugrenzen. Anschließend wurde der Computer darauf trainiert, verschiedene Zelltypen und -eigenschaften zu unterscheiden. „Künstliche neuronale Netze sind in der Lage, eine Vielzahl von Merkmalen sehr schnell zu analysieren und zu quantifizieren. Auf dieser Basis kann unser System sehr präzise Ausstriche von AML-Erkrankten und gesunden Probanden unterscheiden“, erklärt Dr. Karsten Wendt vom Institut für Software und Multimediatechnik der TU Dresden.

Die in Dresden entwickelte KI-basierte Analysesoftware soll Ärztinnen und Ärzte künftig bei der Diagnosestellung im medizinischen Alltag unterstützen. Wie KI in der Medizin beispielsweise bei der Diagnose von Leukämien und Krebserkrankungen des Lymphsystems helfen kann, machte bereits 2020 ein Forscherteam um Prof. Dr. Peter Krawitz von der Universität Bonn deutlich. Die Wissenschaftler zeigten auf, dass Maschinelles Lernen die Auswertung von Blutanalysedaten verbessert.

KI in der Medizin hilft krankhafte Zellen zu identifizieren

Ob eine Krebserkrankung des Lymphsystems vorliegt, stellt sich häufig durch eine Analyse von Proben aus dem Blut oder Knochenmark heraus. Beim Verdacht auf ein solches sogenanntes Lymphom schickt der behandelnde Arzt eine Blut- oder Knochenmarkprobe an ein spezialisiertes Labor. Dort analysieren in einem als Durchflusszytometrie bezeichneten Verfahren Mess-Sensoren die Eigenschaften der Zellen anhand von deren Form, Struktur oder Färbung. Dabei können krankhafte Zellen identifiziert werden, was für die Diagnosestellung wichtig ist. Mithilfe der KI kann nun bei der Diagnose von Lymphomen und Leukämien das Potenzial aller Messwerte voll ausgeschöpft und die Geschwindigkeit sowie die Objektivität der Analysen gegenüber etablierten Prozessen gesteigert werden, wie die Bonner Forscher betonen. Sie entwickelten diese Methode inzwischen so weiter, dass auch kleinere Labore von diesem frei zugänglichen Verfahren des Maschinellen Lernens profitieren können: Ein wichtiger Schritt in Richtung klinische Praxis, wie die Uni Bonn feststellt. Auch für Diagnosen von rheumatischen Erkrankungen, die häufig ebenfalls auf durchflusszytometrischen Daten beruhen, soll demnach der Einsatz von entsprechend entwickelter Künstlicher Intelligenz prinzipiell möglich sein.

Erlebt die Medizin somit eine weitere, von Künstlicher Intelligenz getriebene Revolution? Im Prinzip ja, meinen Fachleute. Denn die lernenden Computer können Ärzte und Ärztinnen bei der Analyse und Auswertung der vielfältigen Gesundheitsdaten, mit denen Mediziner bei ihrer Arbeit zu tun haben, sehr wirkungsvoll unterstützen. Das wirkt sich positiv auf Diagnostik und Behandlung aus. KI in der Medizin: All diese Arbeitsabläufe können mithilfe von KI schneller, effizienter und im Ergebnis präziser werden – vorausgesetzt der Zugriff auf die erforderlichen Informationen ist gewährleistet.

Doch hierzulande ist Datenschutz ein hohes Gut, selbst wenn dadurch positive Entwicklungen behindert werden. Derweil geben die Bundesbürger in den sozialen Netzwerken und auch an anderen Stellen bereitwillig so viel Privates von sich preis, ohne dafür einen sinnvollen Gegenwert zu erhalten, kritisieren Experten. Sie argumentieren daher beim Thema KI in der Medizin, dass ein leichterer Zugang zu – anonymisierten – Gesundheitsdaten letztlich von Vorteil für Forschung und insbesondere Patienten wäre, weil Letztere dabei von besseren Diagnose- und Behandlungsmethoden profitieren würden.

Weitere Informationen:

• https://www.mdr.de/wissen/dresden-leukaemie-kuenstliche-intelligenz-100.html
• https://pubmed.ncbi.nlm.nih.gov/34497326/
• https://www.laborpraxis.vogel.de/leukaemie-schnellere-diagnose-mit-kuenstlicher-intelligenz-a-917241/
• https://www.der-niedergelassene-arzt.de/medizin/kategorie/onkologie/kuenstliche-intelligenz-unterstuetzt-aerzte-bei-der-leukaemiediagnostik
• https://www.uni-bonn.de/de/neues/221-2021

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

The post KI in der Medizin erleichtert Diagnose und Behandlung bei Krebs first appeared on Academic Society for Artificial Intelligence.

Mit Hilfe von Künstlicher Intelligenz (KI) können Unternehmen Geschäftsprozesse besser, weil effizienter und fehlerfreier steuern. Das ist die eine Seite. Gleichzeitig eröffnet KI aber auch die Möglichkeit, im Wege des sogenannten Process Minings IT-gestützte Geschäftsprozesse zu rekonstruieren, zu visualisieren, zu analysieren sowie auszuwerten. Und wozu das alles? Nun, die Vorteile sind offensichtlich und unbestreitbar: Durch den Einsatz von KI-basiertem Process Mining lassen sich Prozesse so optimieren, dass sie mit minimierten Aufwänden und zu geringeren Kosten schneller und effizienter ablaufen. Dies führt unterm Strich zu einer signifikanten Verbesserung der Wettbewerbsfähigkeit eines Unternehmens.

Schon das „normale“ Process Mining macht Unternehmensprozesse sichtbar und transparent. Auf KI basierende Technologien des Process Mining wiederum sind in der Lage, Arbeitsabläufe zu verstehen und daraus Schlussfolgerungen bzw. Handlungsempfehlungen und Verbesserungsmöglichkeiten abzuleiten. Das heißt, Process Mining mit Hilfe von KI geht den einen entscheidenden Schritt weiter, indem die Technologie nicht nur große Datenbestände auf mögliche Fehler oder Schwächen hin durchleuchtet, sondern die Arbeitsabläufe versteht und zugleich Optimierungsvorschläge schlussfolgert. „Somit erweitern die Anwendungen der KI das klassische Process Mining von einem explorativen Ansatz hin zu einer zunehmend intelligenten und vollständig automatisierten Prozessanalyse“, erklärt Prof. Dr. Marco Barenkamp, Vorstandsvorsitzender der auf die Entwicklung von innovativen IT-Lösungen mittels KI spezialisierten LMIS AG mit Hauptsitz in Osnabrück.

Wie der Wirtschaftsinformatiker betont, stoßen die klassischen Verfahren im Process Mining in der Praxis schnell an ihre Grenzen. Daher werden im Process Mining zunehmend Anwendungen aus dem Bereich der künstlichen Intelligenz (KI) eingesetzt, um die Potenziale der Process-Mining-Anwendung zu erweitern. Deshalb wird in diesem Zusammenhang auch von intelligentem Process Mining gesprochen. Dabei sei Künstliche Intelligenz gewöhnlich kein integraler Bestandteil von Process-Mining-Software, erläutert Prof. Barenkamp. Jedoch würden KI-Anwendungen bereits seit über einem Jahrzehnt in Process-Mining-Lösungen integriert, um einzelne Teilbereiche und Arbeitsschritte des Process Minings zu unterstützen und bessere Ergebnisse zu erzielen.

Process Mining umfasst drei Teilbereiche

Doch klären wir zunächst einmal, wie „normales“ Process Mining arbeitet. Diese Verfahren können grundsätzlich in drei Teilbereiche gegliedert werden: die Prozesserkennung (Discovery), die Konformitätsprüfung (Conformance) und die Prozessverbesserung (Enhancement). 

Das Ziel der Prozesserkennung besteht darin, ein Prozessmodell zu erzeugen, welches den grundlegenden Prozess repräsentiert. Die Verfahren der Prozesserkennung bieten zwei große Vorteile: Zum einen kann das Modell mithilfe des Computers erstellt werden und erfordert so keinerlei manuelle Arbeit durch den Anwender. Zum anderen ist das Prozessmodell völlig wirklichkeitsgetreu und bildet ausschließlich den realen Prozessablauf ab, da bei der Modellierung keinerlei Annahmen zugrunde gelegt werden.

Der zweite Bereich umfasst die Verfahren der Konformitätsprüfung. Dabei wird ein Prozessmodell mit dem Ereignislog, also dem Ereignisprotokoll abgeglichen, in dem alle Vorgänge registriert werden. Dies ermöglicht, Abweichungen des Soll- vom Ist-Zustand zu erkennen. Mit diesen Verfahren lässt sich überprüfen, ob der tatsächliche Prozessablauf dem Prozessmodell entspricht. So lassen sich Abweichungen nicht nur erkennen und lokalisieren, sondern auch erklären und quantifizieren.

Der dritte Bereich der Verfahren des Process Minings zielt auf Prozessverbesserung ab. Ziel dieser Verfahren ist es, ein bestehendes Prozessmodell zu erweitern oder zu verbessern. Am Ende dieses Verfahrens steht die Ausgabe eines neuen, optimierten bzw. aussagekräftigeren Modells des zugrunde liegenden Prozessablaufs. Das neue Modell liefert dem Unternehmen wertvolle Informationen, mit denen es seine Effizienz steigern kann.

KI versteht Arbeitsabläufe und entwickelt Handlungsempfehlungen

Der klassische Ansatz im Process Mining stellt also eine aufwendige Untersuchung der Prozessdaten durch den Anwender dar. „Die Erweiterung klassischer Process-Mining-Software um Anwendungen aus dem Bereich der KI hingegen ermöglicht nicht nur die automatische Analyse der betrieblichen Prozesse sowie die Aufdeckung versteckter Probleme, sondern auch die Bereitstellung von Empfehlungen, mit deren Hilfe die Prozesse, oft sogar in Echtzeit, verbessert werden können“, betont Prof. Barenkamp. Denn den großen Vorteil KI basierter Technologien macht aus, dass sie in der Lage sind, Arbeitsabläufe zu verstehen und Schlussfolgerungen daraus abzuleiten. Anwendungen aus der Welt der Künstlichen Intelligenz analysieren nicht allein die Grundursachen, die zu Diskrepanzen im Prozessablauf führen, sondern leiten daraus auch die notwendigen Handlungsempfehlungen ab.

Als entscheidenden Unterschied zum klassischen Process Mining hebt Prof. Barenkamp hervor, dass sich das System kontinuierlich mithilfe von KI automatisch optimiert und sich den ständig ändernden Rahmenbedingungen anpasst. Dabei bleibe die Flexibilität des Unternehmens und seiner Systeme gewahrt, betont der Wirtschaftsinformatiker. So können demnach nicht nur die Kundenzufriedenheit sowie der Automatisierungsgrad gesteigert, sondern auch Unternehmensrisiken und Betriebskosten gesenkt werden.

„Das große Potenzial von KI besteht vor allem darin, dass komplexe Prozessabläufe mit einer riesigen Anzahl an Variablen abgebildet und analysiert werden können, genau dort wo Anwender traditioneller Process-Mining-Lösungen schnell an ihre Grenzen stoßen“, macht Prof. Barenkamp deutlich. Somit trügen Anwendungen der KI wesentlich dazu bei, um die Limitationen im klassischen Process Mining zu überwinden. Darüber hinaus würden neben diesen umfangreicheren Möglichkeiten des intelligenten Process Mining auch die Ergebnisse im Vergleich zum klassischen Process Mining schneller und genauer erzielt, fasst der Experte zusammen.

Weitere Informationen:

• https://de.eas-mag.digital/2022-kuenstliche-intelligenz-krempelt-geschaeftsprozesse-um/
• https://link.springer.com/article/10.1365/s35764-022-00404-8
• https://www.lmis.de/webinar-maverick-buying/

In eigener Sache: der Vorsitzende des wissenschaftlichen Beirats der Academic Society for Artificial Intelligence bietet ebenfalls ein Webinar an zu den Folgen von ChatGPT für den Mittelstand. Weitere Informationen hierzu finden Sie hier: https://www.lmis.de/webinar-kuenstliche-intelligenz/

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Foto: shutterstock.com

The post KI gestütztes Process Mining first appeared on Academic Society for Artificial Intelligence.

Moderne Softwarelösungen, die mithilfe von Künstlicher Intelligenz (KI) Anomalien innerhalb angegriffener Netzwerke in Echtzeit erkennen können, sind heute im Kampf gegen professionelle Hackerorganisationen unverzichtbar. Denn Softwareanwendungen auf KI-Basis können Cyberattacken in Echtzeit entdecken und automatisch abwehren: indem sie mithilfe von KI die Metadaten eines Netzwerks analysieren und dabei Anomalien in den Netzwerkaktivitäten, die auf einen unerlaubten Datenzugriff hindeuten, so schnell wahrnehmen, dass unerlaubte Datenzugriffe bereits im Ansatz unterbunden werden. Das macht Prof. Dr. Marco Barenkamp, Vorstandsvorsitzender der LMIS AG mit Hauptsitz in Osnabrück, in einem aktuellen Beitrag zum Thema „KI-basierte Anomalieerkennung als Abwehrmechanismus bei Cyberangriffen“ erschienen in der Fachzeitschrift „Wirtschaftsinformatik und Management“ deutlich. 

Darin stellt er zudem fest, dass die Grundvoraussetzung für eine effiziente und effektive Abwehr von Cyberangriffen in der Schaffung von Transparenz im eigenen Netzwerk besteht, die aufgrund der heutigen Komplexität auch nicht mehr ohne KI zu erreichen ist.

Cyberkriminelle Organisationen werben nicht nur die besten Mitarbeiter der Computersicherheitsbranche an und spannen sie für ihre Zwecke ein, sondern nutzen auch immer raffiniertere Methoden, mit denen sie die Netzwerke von Unternehmen oder Organisationen auskundschaften. Dabei geht es den Angreifern darum, Schwachstellen in den Netzwerken aufzuspüren, die einen unerkannten Datenzugriff ermöglichen. Mit diesem Ziel bedienen sich Cyberkriminelle zunehmend moderner Technologien, wie etwa des maschinellen Lernens (ML) sowie künstlicher Intelligenz (KI). Dadurch werden unerlaubte Zugriffe auf sensible Daten von den Sicherheitsteams oft erst erkannt, wenn diese bereits stattgefunden haben.

2021: 223,5 Milliarden Euro Schaden durch Cyberkriminelle

Und Cyberattacken oder Hackerangriffe sind längst keine Einzelfälle mehr, sondern unterdessen eine allgegenwärtige Gefahr – nicht nur für Unternehmen, sondern ebenfalls für ganze Länder. Denn kriegerische Auseinandersetzungen finden inzwischen zunehmend im Internet statt. Nach Angaben des Bundeskriminalamts sollen sich Cybercrimedelikte seit 2015 mehr als verdoppelt haben. Allein im Jahr 2021 registrierte die Behörde insgesamt rund 150.000 Cyberstraftaten, die laut Wirtschaftsschutzbericht einen Schaden von rund 223,5 Milliarden Euro verursachten. Dementsprechend ist nationale Cybersicherheit auch ein Thema geworden, das Experten international sehr beschäftigt. Denn sie stufen diese Bedrohung als ausgesprochen hoch und immer mehr zunehmend ein – sowohl für Staaten und ihre kritische Infrastruktur als auch für Unternehmen. 

Die Täter arbeiten digital vernetzt, hochprofessionell und sehr anpassungsfähig, warnt der Präsident des Bundeskriminalamts, Holger Münch. Sie hacken sich in Computersysteme ein, legen diese lahm und verlangen Lösegeld für die Freigabe der Netzwerke. Das Bundesamt für Verfassungsschutz (BfV) sieht in dieser Hinsicht insbesondere kleinere und mittelständische Unternehmen gefährdet. Sie hätten es zum Teil versäumt, ausreichend in Cybersicherheit zu investieren, meint etwa Sinan Selen, Vizepräsident des BfV. Das müsse dringend nachgeholt werden, sind sich alle Fachleute einig. Denn: „Wir haben es mit Gegnern zu tun, die professioneller geworden sind, die aggressiver geworden sind und agiler…“, betonte Selen auf der Potsdamer Konferenz für Nationale Cybersicherheit im Juni vergangenen Jahres. 

Cybersicherheit ist insbesondere für die digitale Transformation von elementarer Bedeutung. Um einen effektiven und effizienten Schutz gegen unerlaubte Datenzugriffe sicherzustellen, benötigen die Sicherheitsteams als notwendige Basisvoraussetzung eine umfassende Transparenz des Netzwerks sowie dessen Datenverkehrs, konstatiert Prof. Barenkamp in seinem Beitrag zum Thema „KI-basierte Anomalieerkennung als Abwehrmechanismus bei Cyberangriffen“. Diese Transparenz lässt sich am besten mit Hilfe von Künstlicher Intelligenz erzielen, hebt der promovierte Wirtschaftsinformatiker und studierte Wirtschaftsjurist hervor. Dabei kommt die KI in allen vier Phasen der Erkennung und Abwehr von Angriffen zum Einsatz: Vom Kennenlernen des Netzwerks und seiner Umgebung über das Erfahren des Normalverhaltens in diesem Netzwerk bis hin zu seiner Überwachung und seinem autonomen Schutz.

Selbstlernende KI klassischer Internetsicherheit klar überlegen

Selbst die kleinsten von der KI identifizierten Anomalien könnten zudem den Sicherheitsteams entweder als Frühwarnsystem dienen oder nach einem Angriff im Zuge der forensischen Analyse eingesetzt werden, schreibt der Vorstandsvorsitzende der LMIS AG. Die Fähigkeit, kleinste Anomalien in den Netzwerkaktivitäten zu erkennen, ermöglicht der KI demnach sogar, unbekannte Bedrohungen und neue Angriffsmuster von Cyberkriminellen bereits in einem frühen Stadium zu identifizieren. Das sei mit den Methoden der klassischen Internetsicherheit nicht möglich, betont Prof. Barenkamp. Hierin sieht er denn auch „die besondere Stärke der selbstlernenden KI“ in diesem Bereich.

Eine weitere Besonderheit und Befähigung von Künstlicher Intelligenz bei der Erkennung und Abwehr von Cyberattacken besteht laut Prof. Barenkamp darin, dass die KI nicht nur in der Lage ist, einen Angriff in Echtzeit zu erkennen, sondern auch selbstständig und intelligent auf diesen zu reagieren und ihn abzuwehren, bevor ein großer Schaden entstehen kann. Dabei gehe die KI „gezielt und mit chirurgischer Präzision“ vor, beschreibt der LMIS-Chef das Prozedere, selbst wenn es sich um eine neue und bisher unbekannte Bedrohung handelt. Und das alles, ohne den gewöhnlichen Geschäftsbetrieb der Organisation zu stören.

Angesichts der hohen Komplexität der heutigen Organisationsnetzwerke könne deren Sicherheit von menschlichen Teams nicht mehr umfänglich gewährleistet werden, warnt Prof. Barenkamp. Daher sei der Einsatz von KI notwendig, um die von Cyberkriminellen in den angegriffenen Systemen hinterlassenen Spuren erkennen zu können. Das bringt den KI-Experten zu dem Fazit: Moderne Softwarelösungen, die mithilfe von KI Anomalien innerhalb angegriffener Netzwerke in Echtzeit erkennen können, sind heute im Kampf gegen professionelle Hackerorganisationen, die in der Regel für ihre Angriffe ebenfalls KI einsetzen, unverzichtbar!

Weitere Informationen:

• Beitrag von Prof. Barenkamp in der Fachzeitschrift ‚Wirtschaftsinformatik und Management‘ (open access)
• https://www.verfassungsschutz.de/SharedDocs/reden/DE/2022/2022-06-23-rede-selen-potsdamer-konferenz-fuer-nationale-cyber-sicherheit.html
• https://www.bka.de/DE/Presse/Listenseite_Pressemitteilungen/2022/Presse2022/220509_PM_CybercrimeBLB.html

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Foto: shutterstock.com

The post Mit Künstlicher Intelligenz gegen Cyberkriminalität wappnen first appeared on Academic Society for Artificial Intelligence.

Was nehmen selbstfahrende Autos von ihrer Umgebung wahr und wie interpretieren sie die hierzu empfangenen Informationen? Das sind wichtige Themen bei der weiteren Entwicklung von autonomen Fahrzeugen, aber auch von intelligenten mobilen Robotern. Denn diese zentralen Fragen müssen für die autonome Fortbewegung von Maschinen gelöst werden, damit etwa Fahrzeuge auch in belebten Innenstädten sicher durch die Straßen navigieren können. Informatiker haben jetzt einen wichtigen Entwicklungsschritt hin zu einer verbesserten, menschenähnlichen Wahrnehmung komplexer urbaner Umgebung geschafft.

Mit Hilfe Künstlicher Intelligenz (KI) können sich Roboter zwar heute schon selbstständig in ihrer Umgebung zurechtfinden und durch sie navigieren, wenn sie gelernt haben, wie diese Umgebung aussieht. Allerdings ist die Wahrnehmung und korrekte Einschätzung von unbekannten, teilweise verdeckten Dingen und beweglichen Objekten oder Menschen bislang eine große Herausforderung, wie der Roboterforscher Prof. Dr. Abhinav Valada von der Freiburger Albert-Ludwigs-Universität erläutert. Ihm gelang jetzt mit seinem Team vom Robot Learning Lab der Universität Freiburg ein maßgeblicher Schritt zur Lösung dieses Problems.

Die Antwort der Freiburger Wissenschaftler auf die Aufgabestellung, die Umgebungswahrnehmung autonomer Fahrzeuge zu verbessern und so zu mehr Sicherheit beizutragen, lautet amodale panoptische Segmentierung mit Hilfe von KI-Ansätzen. Alles klar?

Nun, bislang können autonome Fahrzeuge ihre Umgebung mittels panoptischer Segmentierung erfassen. Das bedeutet, dass sie bisher nur vorhersagen können, welche Pixel eines Bildes zu welchen „sichtbaren“ Regionen eines Objekts wie einer Person oder eines Autos gehören, wie die Freiburger Forscher erklären. Dagegen sind die Fahrzeuge nicht in der Lage, auch die gesamte Form von Objekten vorherzusagen, insbesondere wenn diese teilweise von anderen Objekten verdeckt werden. Der Mensch wiederum kann sich die vollständige physische Struktur von Objekten vorstellen, selbst wenn diese teilweise verdeckt sind. An dieser Fähigkeit mangelt es den bisherigen Algorithmen, die es Robotern und selbstfahrenden Fahrzeugen ermöglichen, ihre Umgebung wahrzunehmen, noch.

Ganzheitliches Verständnis von Umgebung ermöglichen

Das soll sich durch die Wahrnehmung mit amodaler panoptischer Segmentierung ändern, da diese ein ganzheitliches Verständnis der Umgebung ermöglicht – ähnlich wie beim Menschen. Amodal bedeutet in diesem Fall nach Auskunft der Freiburger Forscher, „dass von einer teilweisen Verdeckung von Objekten abstrahiert werden muss – statt sie als Fragmente zu betrachten, sollten sie in ihrer Ganzheit gesehen werden.“ So werde eine neue Qualität der visuellen Umgebungserfassung möglich, die für die Verkehrssicherheit autonom fahrender Autos einen enormen Fortschritt bedeuten würde, heißt es. Neue KI-Algorithmen für diese Aufgabe könnten Roboter – und autonome Fahrzeuge – in die Lage versetzen, die visuelle Erfahrung nachzuahmen, die Menschen haben, indem sie die vollständige physische Struktur von Objekten wahrnehmen, erklärt Prof. Valada.

Das wäre eine elementare Voraussetzung für die weitere Entwicklung autonomen Fahrens, da die Sensoren der Autos der Zukunft ihre Umgebung im Straßenverkehr klar erkennen und auch klassifizieren können müssen: Dies ist ein anderes Auto, das ist ein Radfahrer, jenes ist ein Fußgänger etc.. Dafür kommen verschiedene Sensoren zum Einsatz, da man sich aus Sicherheitsgründen nicht auf einen Sensortypen verlassen kann. Zudem ist es unterschiedlichen Sensoren möglich, etwaige Defizite der anderen Messfühler zu kompensieren. So kommen viele Daten zusammen, die mit Hilfe Künstlicher Intelligenz ausgewertet werden. Auf diese Weise werden die Fahrzeuge darauf trainiert, andere Verkehrsteilnehmer und Umgebungsobjekte immer besser zu identifizieren.

Künstliche Intelligenz werde den Verkehr voraussichtlich sicherer machen, ist sich Prof. Alfred Höß, Leiter des Forschungsprojekts KI-ASIC (KI-Prozessorarchitekturen für Radarmodule im autonomen Fahrzeug) an der Ostbayerischen Technischen Hochschule (OTH) Amberg-Weiden, sicher. Er verweist dazu gegenüber dem Bayerischen Rundfunk auf die Ethik-Kommission, die sich schon mit dem Thema beschäftigte. Der Tenor war, so Prof. Höß: Mit Systemen, die zuverlässig funktionieren, werden mehr Unfälle vermieden, als man auf der anderen Seite durch fehlerhaftes Verhalten der Systeme produziert.

KI für verbesserte Reaktion auf Fahrdaten

Das Projekt KI-ASIC dient der Erforschung einer neuartigen Prozessorarchitektur, sogenannten neuromorphen Prozessoren, die es erlauben sollen, KI-Methoden speziell für Mustererkennung und -analyse beim autonomen Fahren einzusetzen. Mit diesen Prozessoren könne eine deutlich verbesserte Verarbeitung der Radardaten bereits im Sensor erfolgen, erläutert das Bundesforschungsministerium. Durch KI-ASIC soll demnach die neuromorphe Elektronik aus der akademischen Grundlagenforschung in die automobile Anwendung überführt werden, um Lösungen für die zentralen Herausforderungen des autonomen Fahrens zu bieten. An dem Vorhaben sind neben der OTH Amberg-Weiden die Infineon Technologies Dresden als Verbundkoordinator, BMW, die Technische Universität München und die Technische Universität Dresden beteiligt.

Die Verbindung von Methoden der Künstlichen Intelligenz (KI) mit innovativen Elektronikkomponenten schafft so die technologische Grundlage dafür, dass autonome Fahrzeuge angemessen auf alle Fahrsituationen reagieren können.

Weitere Informationen:

• https://kommunikation.uni-freiburg.de/pm/2022/auf-dem-weg-zu-einer-menschenaehnlichen-wahrnehmung-fuer-selbstfahrende-autos
• https://www.br.de/nachrichten/bayern/neue-uni-nuernberg-selbstfahrende-autos-und-intelligente-roboter,Suz0vfZ
• https://www.br.de/nachrichten/bayern/so-trainieren-forscher-systeme-fuer-selbstfahrende-autos,TECwkUG

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Foto: shutterstock.com

The post Mit KI die Umgebungserkennung autonomer Fahrzeuge verbessern first appeared on Academic Society for Artificial Intelligence.

Vor 252 Millionen Jahren löste eine Reihe von Vulkanausbrüchen in Sibirien massive Klimaveränderungen aus, die ein massenhaftes Artenaussterben zur Folge hatten. Weltweit wurden an Land rund 75 Prozent und in den Ozeanen rund 90 Prozent aller Organismen ausgelöscht. Dem Paläontologen Dr. William Foster vom Centrum für Erdsystemforschung und Nachhaltigkeit der Universität Hamburg gelang es nun mithilfe von Künstlicher Intelligenz (KI), die Gründe für das Massensterben von Organismen in der Urzeit zu entschlüsseln und gleichzeitig zu ergründen, was einigen von ihnen das Überleben sicherte.

Die urzeitlichen Ereignisse am Ende des Erdzeitalters Perm und dem Beginn der sogenannten Trias-Epoche gelten in der Wissenschaft als das größte Massenaussterben in der Erdgeschichte. Ausgelöst wurde dieses extreme finale Verschwinden von Arten wohl durch mehrere Vulkanausbrüche in Sibirien, vermuten Geologen. In deren Folge wurden massiv Treibhausgase freigesetzt, was zu erheblichen Veränderungen des Klimas führte: Es erwärmte sich im Laufe von Jahrtausenden um insgesamt zehn Grad. Diese „Klimaapokalypse“, wie der urzeitliche Vorgang auch bezeichnet wird, löschte in großem Umfang das Leben auf der Erde aus.

So weit, so bekannt. Unklar war den Wissenschaftlern bislang hingegen weitgehend, warum einige Arten überleben konnten. Um dieses Rätsel zu lösen, bediente sich der Hamburger Forscher Foster des Maschinellen Lernens, einem Teilbereich der Künstlichen Intelligenz. Beim Maschinellen Lernen werden Computer so trainiert, dass diese aus Daten und Erfahrungen lernen und sich dabei kontinuierlich verbessern, ohne explizit darauf programmiert zu werden. Maschinelles Lernen schult Algorithmen dahingehend, dass sie in der Lage sind, Muster und Korrelationen in großen Datensätzen aufzuspüren. Auf Basis dieser Analyse können dann bestmöglich Entscheidungen und Vorhersagen getroffen werden. Die Besonderheit bei der Anwendung Maschinellen Lernens besteht darin, dass mit der Nutzung dieser Form von KI die Analysen immer genauer werden, je mehr Daten zur Verfügung stehen.

Mit KI Artenverlusten auf der Spur

In diesem Fall des urzeitlichen Massensterbens untersuchten Paläontologe Foster und sein Forschungsteam 1.283 Gattungen fossiler Meeresbewohner, deren Versteinerungen datiert werden konnten. Dafür nutzte das Team eine Datenbank, die Auskunft über die Lebensweise der Organismen gibt. Durch die Untersuchung der Lebensweise der ausgestorbenen Meeresorganismen konnte das Team um Dr. Foster die Artenverluste direkt auf drei Veränderungen zurückführen: eine Abnahme des Sauerstoffs im Meerwasser, eine Erhöhung der Wassertemperatur und wahrscheinlich eine Versauerung der Meere.

Die Wissenschaftler untersuchten mithilfe der KI zwölf Aspekte für jede Gattung. Dabei ging es letztlich immer um die Frage, ob eine bestimmte Eigenschaft die Wahrscheinlichkeit, unter den Bedingungen des End-Perms zu überleben, ermöglichte oder eher nicht? Mittels Maschinellen Lernens war es den Forschern möglich, die verschiedenen Faktoren gleichzeitig und verknüpft zu untersuchen. Und als besonders vorteilhaft erwies sich, dass die Wissenschaftler mit einer neuen Methode des Maschinellen Lernens erstmals aufschlüsseln konnten, warum der Algorithmus jeweils so und nicht anders entschied. „Mit bisherigen Anwendungen des Maschinellen Lernens hätten wir das nicht sagen können“, erläuterte Prof. Forster.

Die Ergebnisse der Untersuchungen zeigen demnach, welche Eigenschaften der Organismen jeweils als potenziell todbringend zu werten sind. Dabei erwiesen sich vier Merkmale als besonders wichtig, wie das Forschungsteam berichtet: das Verbreitungsgebiet im Wasser, die Mineralisierung der Schale, der Artenreichtum der Gattung und die Empfindlichkeit für Versauerung. Im Umkehrschluss bedeute dies, so die Wissenschaftler, dass Tiergattungen mit großem Verbreitungsgebiet und vielen Arten, welche sinkende pH-Werte des Meerwassers tolerieren, vor 252 Millionen Jahren die besten Überlebenschancen hatten. Und das gelte möglicherweise auch für die Zukunft, fügt Prof. Foster hinzu.

Im Verlauf der jüngeren Erdgeschichte kam es im Abstand von mehreren zehn Millionen Jahren immer wieder zu mehr oder weniger stark ausgeprägten Artensterben. Diese auch als „Faunenwechsel“ bezeichneten Ereignisse in der Erdgeschichte unterscheiden die Wissenschaftler von normalem sogenanntem Hintergrundaussterben durch außergewöhnlich drastische Verluste von Populationen einer Art innerhalb kurzer Zeit.

Ist das nächste Massensterben bereits im Gang?

Etliche Expertengremien meinen inzwischen, das sechste Massenaussterben in der Geschichte des Lebens habe bereits begonnen. So erwartet etwa ein Bericht des Weltbiodiversitätsrats der Vereinten Nationen aus dem Jahr 2019, dass rund eine Million Tier- und Pflanzenarten innerhalb der nächsten Jahrzehnte vom Aussterben bedroht sein werden. Einen direkten Vergleich dieses Massenaussterbens mit früheren erdgeschichtlichen Krisenzeiten halten Wissenschaftler jedoch deshalb für problematisch, weil gegenwärtig anthropogene Faktoren die Entwicklung maßgeblich beeinflussen. So nennt der IPBES-Bericht als Ursachen für das aktuelle Aussterben in der Reihenfolge ihrer Bedeutung den Verlust von Lebensraum, Veränderungen in der Landnutzung, Jagd und Wilderei, Klimawandel, Umweltgifte sowie das Auftreten von Neobiota. Bei Letztgenannten handelt es sich um Tier- oder Pflanzenarten, die von Natur aus nicht in bestimmten Regionen der Welt vorkommen, sondern erst durch den Einfluss des Menschen „importiert“ wurden.

Experten schätzen, dass das Artensterben bereits im Schnitt mindestens zehn- bis hundertfach schneller fortschreitet, als es in der Evolution üblich ist. Ihre Folgerung daraus: Es ist höchste Zeit, zu handeln. Denn der Verlust der Vielfalt der Tier- und Pflanzenwelt sei für die Existenz der Menschheit ebenso bedrohlich wie der Klimawandel, warnen die Experten. Sie setzen beim Schutz der Artenvielfalt übrigens ebenfalls auf Künstliche Intelligenz: Denn KI gilt auch als eine Schlüsseltechnologie, um die Herausforderungen von Artenschutz und Landnutzung zur Versorgung einer wachsenden Weltbevölkerung mit Lebensmitteln besser in Einklang zu bringen.

Weitere Informationen:

• https://www.uni-hamburg.de/newsroom/presse/2022/pm11.html
• https://www.spiegel.de/wissenschaft/natur/ki-auswertung-zum-groessten-massenaussterben-der-erdgeschichte-artenreiche-gattungen-hatten-bessere-chancen-a-3f21ed65-8f31-46ec-9fd0-82948d34d8d7
• https://www.swr.de/swr2/wissen/kuenstliche-intelligenz-entschluesselt-massenaussterben-in-der-urzeit-100.html

Möchten Sie unsere Recherche-Tipps kostenlos und regelmäßig in ihr Postfach? Hier können Sie sich in unseren Verteiler eintragen!

Foto: CHAINFOTO24 / shutterstock.com

The post KI bringt Licht in urzeitliches Massensterben first appeared on Academic Society for Artificial Intelligence.