„Wir müssen den Maschinen Meta-Regeln mitgeben“

KI-basierte Systeme und Maschinen werden immer autonomer, selbstständiger und intelligenter. Ob und wie ist es zu schaffen, dass sie auf Dauer menschlichen Werten und Regeln folgen? Dr. Kurt D. Bettenhausen, Vorsitzender des interdisziplinären Gremiums Digitale Transformation im VDI und Vorstandsmitglied der VDI/VDE-GMA, spricht im zehnten Teil unserer Serie Autonome Systeme mit dem VDI.

Die Leistungsfähigkeit autonomer Systeme nimmt zu. Wie stellen Sie sicher, dass diese Systeme auf Dauer die geplanten Aufgaben übernehmen und nicht darüber hinausgehen, also beherrschbar bleiben?

Bild: ©Alexander Limbach/Fotolia.com

Dr. Kurt D. Bettenhausen: Lassen Sie uns für einen Moment von der Annahme ausgehen, dass die Leistungsfähigkeit tatsächlich in einen Bereich steigt, in dem autonome Systeme sich selbständig über ihren eigentlichen Bestimmungszweck hinaus weiterentwickeln können. Grundsätzlich bleiben drei Möglichkeiten: Dem Erbauer des autonomen Systems ethische Regeln für das Design der Systeme zu geben, das System selbst zu reglementieren oder dem System Regeln mitzugeben, die seine Weiterentwicklung lenken.

Welche dieser drei Möglichkeiten halten Sie langfristig für die wirksamste?

Bettenhausen: Solange wir über Systeme reden, die nicht KI-basiert sind, ist es vollkommen ausreichend, wenn die Personen, die sie konstruieren und programmieren, ethischen Werten folgen. Das System selbst reglementieren zu wollen, wird sich auf Dauer als Hase-und-Igel-Spiel entwickeln, bei dem die Regeln und die Regelnden mit hoher Wahrscheinlichkeit nicht mit dem technologischen Fortschritt werden mithalten können. In dem Moment jedoch, in dem das eigenständige Lernen eines Systems ins Spiel kommt, z.B. über Methoden wie Deep Learning, müssen wir uns über übergeordnete, sogenannte Meta-Regeln Gedanken machen. Und das müssen wir tun, bevor wir die Maschinen in unsere Umwelt lassen. Denken Sie beispielsweise nur an den Chatbot, der innerhalb eines einzigen Tages rassistische Propaganda verbreitete oder an die Chatbots, die in kürzester Zeit eine für Menschen unverständliche Sprache entwickelten. Wir dürfen nicht die Kontrolle verlieren und wir müssen den Maschinen zugleich Meta-Regeln mitgeben, die sie zwingend befolgen müssen.

Deep-Learning-Systeme können wir nicht mehr kontrollieren?

Bettenhausen: Zumindest können wir nicht zu jedem Zeitpunkt schnell genug vorhersagen, was genau sie lernen und gegebenenfalls in Echtzeit anwenden werden. Bei Maschinen, die aus der immer größer werdenden Menge an Daten Wissen und über deren Analyse Erkenntnisse ziehen, können wir nicht sagen, was sie in einem Jahr lernen werden. Sie tun dies selbstverständlich nur im vorgegebenen Bereich. Ein smarter Staubsauger wird, so intelligent er auch werden mag, morgen nicht Ihre Spülmaschine ausräumen. Aber bleiben wir bei diesem Beispiel: Wenn der intelligente Staubsauger erkennt, dass es besonders der Hund ist, der den größten Dreck verursacht, muss er einen effizienten Weg finden, Haare und Dreck schnell zu entfernen. Er darf nicht auf die Idee kommen, den Hund rauszuschmeißen und ihm den Eingang zu verwehren oder ihn vorsorglich komplett kahl zu scheren – oder eben Schlimmeres. Er braucht also übergeordnete Regeln. Als Ausgangsbasis können die bekannten Robotergesetze von Asimov herhalten. Gerade das zweite Gesetz, der Roboter muss den menschlichen Befehlen gehorchen, ist angesichts von Kriegen und Terroranschlägen wohl differenzierter zu betrachten. Aber sie sind ein erster Schritt und eben schon 75 Jahre alt.

Der Ansatz, Maschinen ethische Grundlagen beizubringen, ist also nicht neu – was ist heute anders?

Bettenhausen: Einer der wichtigsten Unterschiede zwischen den humanoiden Robotern, an die Asimov und seine Kollegen vor 75 Jahren dachten, und heutigen Maschinen, die mit starker KI ausgestattet werden (können), ist, dass die damaligen Maschinen nicht vernetzt waren – weder untereinander, noch über das Internet. Sie konnten so weder eine Schwarmintelligenz entwickeln, noch von den riesigen Datenmengen profitieren, über die wir heute verfügen – und die stündlich mehr werden. Zudem operieren heutige Smarte Maschinen bei vielen ihrer Entscheidungen auf Basis von Daten, die sie erhalten und damit auf der Basis von Wahrscheinlichkeiten. Sie können dazu lernen und müssen diese Erfahrung weder selbst gemacht haben, noch muss die Erfahrung zwingend von einer anderen Maschine real erlebt worden sein, sondern kann als Simulation vorgegeben werden. Hierüber können wir beispielsweise steuernd eingreifen und das Lernen, auch zu einem späteren Zeitpunkt, nachdem die Maschinen sich bereits im Betrieb befinden, in eine bestimmte Richtung lenken – übrigens positiv wie negativ, wenn die zugehörigen Menschen nicht ethischen Grundsätzen folgen. Es ist also komplexer geworden und eine einfache Regel wie die ‚Du sollst nicht töten‘ reicht schon lange nicht mehr aus. Was geschieht beispielsweise, wenn die Maschine, indem sie wenige Menschen opfert, viele Menschen retten kann? Nicht umsonst haben im April EU-Experten ethische Richtlinien für künstliche Intelligenz vorgelegt. Herausgekommen sind sieben Regeln, die es jetzt in der Praxis zu testen gilt. Das erste Asimov’sche Gesetz („Ein Roboter darf einem menschlichen Wesen keinen Schaden zufügen oder durch Untätigkeit zulassen, dass einem menschlichen Wesen Schaden zugefügt wird.“) fehlt hier leider. Auch finden sich unter den Regeln viele Konjunktive. Hier behaupte ich, dass sie Menschen wie Maschinen genauso als Konjunktiv, als eine Möglichkeit, verstehen werden.

Die zweite ethische Anforderung beschäftigt sich mit Vertrauen in KI-basierte Systeme, die dritte mit Datenkontrolle – über Ethik von Maschinen steht hier nichts. Wie schaffen wir tatsächlich Vertrauen in autonome Systeme?

Bettenhausen: Vertrauen baut sich dann auf, wenn Interaktion stattfindet – wiederholt und berechenbar bzw. vorhersagbar. Zugegeben – mit einem Parkautomaten interagieren Sie auch, aber da dieser nicht lernen und vor allem nicht individuell reagieren kann, werden Sie auch kein Vertrauen aufbauen können. Eine weitere Grundvoraussetzung ist also eine Reaktion und die Möglichkeit der Adaption der Maschine an den Menschen. Idealerweise passt sich die Maschine durch die Möglichkeiten von KI individuell an ihr Gegenüber an. Das entspricht am ehesten dem sozialen Wesen Mensch. Denken Sie nur an Ihr Smartphone: Wenn Ihnen das wegen eines bevorstehenden Termins vorschlägt, früher als geplant loszufahren, weil ein Stau auf der Strecke für massive Verzögerungen sorgt, so werden Sie dieser Empfehlung möglicherweise schon heute folgen. Ähnliches gilt z.B. auch für Streckenvorschläge für Wanderungen am Wochenende, weil Ihr Smartphone, oder eine von Ihnen angelegte App, weiß, dass Sie gerne Natur fotografieren. Auch hier haben Sie wahrscheinlich ein größeres Vertrauen. Der Grund: Sie haben diese Maschine – in diesem Fall das Smartphone – selbst gemäß Ihren Bedürfnissen individualisiert. Mit der heutigen KI ist es möglich, dass Maschinen sich sehr schnell an ihr Gegenüber anpassen. Das wird das Vertrauen stärken. Und dann brauchen wir ethische Grundlagen für die Maschinen als übergeordnete Regeln und zusätzlich moderne ethische Grundsätze für deren Entwickler und Programmierer.

Genau deshalb überarbeitet der VDI die ethischen Grundlagen für Ingenieure.

Bettenhausen: Lassen Sie uns mit dieser weiteren Grundlage für Ingenieure optimistisch in eine Zukunft schauen, in der Roboter weit mehr leisten als die DDD-Jobs (Dull, Dirty and Dangerous), sondern uns sinnvoll im privaten wie beruflichen Alltag unterstützen.

VDI Verein Deutscher Ingenieure e.V.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.