Die Experten von Capgemini haben sich vor kurzem gleich zweimal sehr intensiv mit dem Thema KI und Cognitive Computing beschäftigt. Und die Ergebnisse sind wegweisend. So stellen die Consultants fest: „Das Ziel einer „starken KI“ ist es, die Systeme soweit zu entwickeln, dass der Intellekt der Maschine mit dem des Menschen funktional auf gleicher Höhe steht.“

„Wahrhaftigkeit“ ist der springende Punkt

Völlig richtig. Darüber hinaus machen die Berater indes eine weitere, sehr wichtige Aussage, wenn es um den Einsatz eben dieser Technologien im Unternehmen geht, etwa in der Dokumentenanalyse: „Das Kuratieren, also das Organisieren, von Inhalten bedeutet, dass ein Korpus an Daten angesammelt, aufbereitet und dann von einem Computer untersucht und analysiert wird. Dabei ist es besonders wichtig, dass die Daten möglichst ergiebig und wahrhaft sind. Bis jetzt können nur die Fachexperten aka Menschen entscheiden, ob Datenmaterial brauchbar und vertrauenswürdig ist.“

Technologische Kombination ist entscheidend

Genau diese Stelle der Analyse ist der springende Punkt. „Ergiebig“ und „wahrhaft“ sind zwei eindeutig festgelegte Kategorien. Das berühmte Adorno-Zitat etwas abgewandelt, könnte man auch sagen: Es gibt nichts Falsches im Wahrhaften.

Doch gerade diese entscheidende Stelle übersehen viele Unternehmen, wenn es um Künstliche Intelligenz bei ihren Prozessen geht. Denn zur Wahrhaftigkeit kann die Maschine nur dann gelangen, wenn sie die zu kuratierenden Inhalte auch versteht. Dafür benötigt sie allerdings eine Kombination aus gleich mehreren Technologien wie sie Cognitive Computing bietet — idealerweise NLP (Natural Language Processing) und semantische Analyse und zusätzlich Machine Learning. Allzu oft fokussieren sich Organisationen aber noch auf das reine Machine Learning. Das ist allerdings zu wenig. Hier kommt es nicht zu einem menschenähnlichen Lernen, sondern Fehler werden repliziert, Zusammenhänge nicht erkannt.

Projekte noch zu komplex

Deshalb wundert es nicht, wenn wieder die Experten von Capgemini in einer aktuellen Studie feststellen, dass die derzeit existenten KI-Szenarien hier und da noch hakelig sind: „Unter Führung der Technologen priorisieren viele Unternehmen anspruchsvolle KI-Projekte und übersehen dabei naheliegende Nutzenaspekte. Mehr als die Hälfte (58 Prozent) konzentriert sich auf sehr komplexe Projekte mit hohem Nutzen (auch Need-to-do-Anwendungen genannt) wie etwa Themen rund um den Kundenservice oder autonomes Fahren. Dahingegen setzen nur 46 Prozent sogenannte „Must-do-AI-Anwendungen“ mit hohem Nutzenpotenzial und geringer Komplexität um.“

KI muss Probleme lösen können

Selbst wenn man anhand dieser Argumentation das sehr komplexe Thema autonomes Fahren außen vor lässt und sich auf das vermeintlich einfachere Thema Kundenservice fokussiert, wird deutlich, wie richtig die Consultants mit ihrer Einschätzung liegen. Chatbots etwa, die alles, nur eben keine konkrete Problemlösung anbieten, sind hier sicher ein passendes Beispiel. Zu oft noch kann die Technologie – zumindest zum heutigen Zeitpunkt – nicht dieselbe Qualität bieten, die der Mitarbeiter im Contact Center aufweisen kann. Und selbst der muss sich erst die Historie des Kunden aufrufen oder sogar noch ein paar Worte mit ihm wechseln, um den Fall im Sinne des Kunden zu lösen. Kurz und gut: Er muss (dazu)lernen, damit keine Fragen offenbleiben. So einfach ist das.

Fazit

KI und Cognitive Computing bilden eine herausragende Kombination – wenn die Grundvoraussetzungen erfüllt sind. Und das scheint momentan längst noch nicht allerorts der Fall zu sein.