Digitalisierung und Nachhaltigkeit

Für viele sind Digitalisierung und Nachhaltigkeit weit voneinander entfernt, während andere in der Digitalisierung große Chancen in dieser Hinsicht sehen. Auf der einen Seite sind Computer und alle Arten von digitalen Technologien große Stromverbraucher (teilweise sogar unglaublich viel Strom); auf der anderen Seite können gute Planung und Tracking dafür sorgen, dass Ressourcen effizienter eingesetzt werden. In diesem Artikel gehen wir weiter auf einige Implikationen von Digitalisierung in puncto Nachhaltigkeit ein.

Digitalisierung und Nachhaltigkeit: Elektroschrott im Klo

Probleme

Dass Computer und andere elektronische Geräte Strom brauchen ist nichts Neues und darauf gehen wir nicht weiter ein. Ein anderes Problem ist der E-Schrott, der erzeugt wird. Mobiltelefone sind hier ein gutes Beispiel: Mobiltelefone werden langsamer und müssen alle paar Jahre ersetzt werden. Dabei werden die alten Telefone häufig kaum bis nicht recycelt. Das gleiche gilt für viele Arten von E-Schrott.

Chancen

Durch gutes Tracking kann man Lieferungen optimal verfolgen und dafür sorgen, dass keine Produktionsprozesse angefangen werden, die nicht zu Ende gebracht werden können.

Predictive Maintenance (Englisch für „vorausschauende Wartung) kann dafür sorgen, dass Ausfällen vorgebeugt wird und so kann man sichergehen, dass möglichst wenige Materialien verschwendet werden. Bei Predictive Maintenance (PM) werden Maschinendaten erfasst und überwacht, sodass es sofort auffällt, falls eine Maschine sich ungewöhnlich verhält. Gegebenenfalls kann diese Maschine dann genau untersucht und auch gewartet werden, damit Materialschäden und Produktionsausfälle auf ein Minimum reduziert werden. Das erhöht die Lebenszeit und reduziert unnötigen Schrott. Gerade durch PM oder ähnliche Verfolgungsmodelle wird es immer rentabler und einfacher gezielt zu reparieren, anstatt ganze Maschinen oder Einheiten auszutauschen.

Einkaufstasche mit frischem Gemüse

Bei verderblichen Waren können Datenanalysen dafür sorgen, dass Trends rechtzeitig erkannt werden, um einen möglichst optimalen Warenvorrat ermöglichen zu können: möglichst wenig Ware verdirbt, während der Bedarf möglichst genau gedeckt wird. Das minimiert Verwendung und erhöht Gewinne.

Ein klassisches Beispiel ist auch das Digitalisieren von Dokumenten. Rechnungen, Briefe etc. können in digitaler Form bleiben und so wird einiges an Müll vermieden. Das gleiche gilt auch für CDs, Videokassetten etc. Wenn man Daten direkt digital verschickt (z.B. mittels eines Cloudspeichers), kommt man gar nicht erst in die Verlegenheit etwas recyceln zu müssen. Man denke nur daran, wie viele Bücher durch einen E-Reader ersetzt werden können.

Auch beim Zustellen können Technologien helfen den Aufwand zu minimieren. Es lassen sich beispielsweise optimale Routen für eine Flotte berechnen, sodass die Waren zum richtigen Zeitpunkt eintreffen, während die Fahrtzeit (oder Benzinverbrauch) minimiert wird. Benutz man dazu Trackingtechnologien, können die Routen basierend auf Echtzeitdaten jederzeit angepasst werden, wenn sich etwas ändert.

Türschloss mit Smartphone öffnen

Sharing Economy ermöglicht eine zeitweise Verwendung von Ressourcen (z.B. Wohnraum via AirBnB). Hier werden Onlineplattformen verwendet, um dafür zu sorgen, dass der Benutzer seine Leistung bekommt. So muss beispielsweise nicht jeder, der gerne in der Lage sein will Auto zu fahren, eins besitzen. Mit einer Smartphone-App kann man sich den nächsten Wagen anzeigen lassen und ihn mieten. Am Zielort wird das Auto dann abgestellt und man zahlt nur für die tatsächliche Verwendung. Im Idealfall reduziert das die Anzahl notwendiger Autos und bringt den Verbrauchern zusätzlichen Komfort; das Auto wird lediglich als Dienstleistung bezogen und man muss sich um Ölwechsel, TÜV etc. nicht mehr selbst kümmern.

Digitalisierung und Nachhaltigkeit: Fazit

Man sieht also, dass Digitalisierung recht komplexe Auswirkungen für die Zukunft haben kann. Wenn wir Recycling und Stromerzeugung gut regeln und die Vorteile digitaler Technologien optimal nutzen, könnte das in puncto Nachhaltigkeit einen gigantischen Unterschied machen.

About Author: Samuel Willingham, broker2clouds

 

Bildnachweise für diesen Beitrag:

© twenty20photos – elements.envato.com
© choreograph – elements.envato.com
© Rawpixel – elements.envato.com

KI und menschliches Denken Teil 2

Stärken von KI

In Situationen, wo Input, Output und gewünschtes Ergebnis klar definiert sind kann KI punkten. Hier können statistische Verfahren dafür sorgen, dass gute Resultate erzielt werden. Dabei ist von Vorteil, dass Algorithmik vorhersehbar agiert und in der Regel konsistent ist. Das heißt, dass bei gleichem Input ein gleicher Output erwartet wird. Beim Menschen ist das nicht so.

Ein gutes Beispiel dazu ist ein Artikel [DanAv], der Herausfand, dass israelische Bewährungsrichter direkt vor dem Mittagessen wesentlich seltener Bewährung gewährten als danach oder früh am Morgen. Algorithmen könnten hier das zufällige Element minimieren und fairere Urteile fördern. Ähnliches gilt auch für medizinische Standarddiagnosen.

Algorithmik birgt außer Konsistenz noch einen erheblichen Vorteil. Dies ist die Patchbarkeit. Macht ein Diagnostikprogramm Fehler, so können diese im Nachhinein behoben werden. Besteht allerdings ein Fehler im Medizinstudium, so kann das nach Abschluss der Ärzte nur sehr schwer behoben werden. Natürlich gilt dies auch für negative Manipulation und Verschlimmbesserung oder sogar absichtliche Sabotage sind möglich. Dieses Konzept ist in [Kahneman] noch genauer ausgearbeitet.

Die Bewusstseinsfrage

Ein Punkt der häufig genannt wird ist das Bewusstsein. Wir Menschen haben es und Maschinen nicht. Ist das so?

Zunächst einmal ist die Frage nicht so eindeutig lösbar. Genauer ist das in [Harari] auf Seite 148 ff. abgehandelt. Der Punkt ist der, dass Bewusstsein eine rein subjektive Sache ist. Insofern ist die einzige Person, von der ich weiß, dass sie ein Bewusstsein hat, ich. Nimmt man Bewusstsein als das fühlende Innere einer Person, so kann man sich seiner Existenz nur sicher sein, wenn es das eigene Bewusstsein ist. Über das Bewusstsein anderer kann man nur durch deren Handlungen und Aussagen mehr herausfinden. Wenn man allerdings Bewusstsein überall dort sieht, wo sich Entitäten verhalten als hätten sie ein Bewusstsein, so müssten auch künstliche Intelligenzen in der Lage sein Bewusstsein zu entwickeln. Je mehr man über das ganze Konzept nachdenkt, desto mehr verschwimmen die Grenzen und Bewusstsein ist keine so klare Sache mehr.

Singularität und Weltübernahme durch KI

Unter Singularität verstehen wir den Moment, ab dem sich KI qualitativ selbst verbessern kann. Also der Zeitpunkt ab dem KI sich rapide verbessert und Menschen nicht mehr mithalten können. Ob die Singularität jemals Realität wird, ist wie wir schon geklärt haben nicht ganz klar. Aber selbst, wenn die kleinste Chance auf eine Singularität besteht sollten wir darüber nachdenken, wie wir mit KI umgehen. Da KIs normalerweise klar definierte Ziele verfolgen, sollten wir sichergehen, dass diese Ziele nicht unbeabsichtigte Effekte haben könnten, die die Menschheit oder die Erde schädigen. In [Tegmark] wird dieser Problemstellung genau nachgegangen.

Fazit

KI und Menschen sind sehr unterschiedliche Dinge. Ist es möglich, dass KI den Menschen irgendwann in jeder messbaren Hinsicht überholt? JA, möglich ist es. Allerdings sind dafür noch einige Hindernisse zu überwinden.

Auf jeden Fall ist es wahr, dass KI für manche Felder ganz klare Vorteile beherbergt und man sollte sich klar sein, wo Maschinen ihre Anwendung finden. Algorithmen sind von uns Menschen entwickelt und sollten idealerweise auch in der Zukunft in unserem Dienst stehen.

About Author: Samuel Willingham, broker2clouds

Quellen:
[Dreyfus] Dreyfus, Hubert L. What Computers still can’t do: A Critique of Artificial Reason, The MIT Press, 1992
[DanAv] Danziger, S., Levav, J., & Avnaim-Pesso, L. (2011). Extraneous factors in judicial decisions. Proceedings of the National Academy of Sciences, 108(17), 6889-6892.
[Harari] Harari, Yuval Noah. Homo deus: eine Geschichte von Morgen. CH Beck, 2017.
[Kahneman] Kahneman, Daniel. Thinking, fast and slow. Macmillan, 2011.
[Tegmark] Tegmark, Max. Life 3.0: Being human in the age of artificial intelligence. Knopf, 2017.

Bildnachweise für diesen Beitrag:
© garloon – elements.envato.com
© microgen – elements.envato.com
© iLexx – elements.envato.com

KI und menschliches Denken – Teil 1

Künstliche Intelligenz macht rasante Fortschritte und es gibt viele verschiedene Ansichten was möglich ist und was nicht. KI wird für spezielle Themen verwendet und hat viele, teilweise phantastisch klingende Anwendungsfelder. Wir wollen uns um die Frage kümmern, wie menschenähnliche KI auszusehen hätte und welche Hindernisse bestehen. Bisher sind ML (Machine Learning) und KI in Gebieten mit klaren Regeln und Strukturen in der Lage bemerkenswerte Resultate zu erzielen. Ein gutes Beispiel dafür ist AlphaGo. AlphaGo ist ein KI-Programm, das Go (ein Chinesisches Brettspiel) spielt. Go ist im Vergleich zu Schach wesentlich schwieriger zu berechnen und daher mit Algorithmen, die sich lediglich auf das Berechnen von Stellungen und Zügen beschränken bisher nicht gut lösbar. Go Programme ohne KI, in denen Handlungen rigide vorprogrammiert sind, unterliegen bisher noch immer guten menschlichen Spielern. AlphaGo hingegen besiegt zuverlässig die besten Spieler, die die Menschheit zu bieten hat. Dies hat es durch extrem viele Spiele „gegen sich selbst“ gelernt. Heißt das, es ist nur noch ein kurzer Weg, bis KI dem Menschen in jeder Hinsicht überlegen ist? Die Antwort ist erst einmal NEIN!

Grenzen von KI

Es stellen sich verschiedene Fragen, deren Antworten keineswegs trivial sind. Wenn wir ML als einen Prozess verstehen, der eine Eingabe in ein Ergebnis transformiert, so stellt sich zunächst die Frage, ob die Realität immer in Form einer Eingabe darstellbar ist. Um in jeder Situation optimal funktionieren zu können muss jede Situation als Eingabe darstellbar sein. Aktuell ist allerdings ein Input immer diskret und mit beschränkter Größe. Dies ist notwendig damit die KI überhaupt die Situation erkennen kann. Diese Annahme ist alles andere als trivial und es ist nicht klar ob sie erfüllt werden kann.

Menschen denken häufig in der Form von Wertigkeit. Die Realität wird nicht bloß als Summe von abstrakten Informationen wahrgenommen ([Dreyfus] Kapitel 7). Ein gutes Beispiel ist dafür das des Tisches. Man könnte sagen alles, was vier Stützen und eine flache Oberfläche hat ist ein Tisch. Ist das korrekt oder ausschöpfend? Egal wie diese Definition ausfällt ist es schwer alle jenes, das für einen Mensch als Tisch funktionieren kann, damit zu beschreiben. Der Punkt ist, dass der Mensch Gegenständen Tischcharakter verleiht. Dies kann kaum als intrinsischer Wert eines Gegenstandes verstanden werden. Maschinen sind allerdings bisher noch nicht zu einer solchen Weltanschauung fähig. Der Maschine müsste eine klare Liste von Eigenschaften gegeben werden, um einen Tisch zu erkennen. Im Endeffekt heißt das, dass die menschliche Realität durch subjektive Wertigkeiten geprägt ist und das Funktionieren und Handeln des Menschen klar davon bedingt ist.

Jedes dieser Probleme birgt wieder neue interessante Fragen. Können wir Maschinen beibringen in diesen Punkten wie Menschen zu denken? Ist es möglich, Wertesysteme zu programmieren, die den menschlichen entsprechen? Welche philosophischen Fragen müssten dafür geklärt werden? Wie könnte man einem Computer beibringen Empathie zu emulieren? Gibt es Betrachtungsweisen, die eine verlustarme Diskretisierung und Beschränkung der Realität zulassen?

Ein anderes Problem ist, dass graduelle Fortschritte nicht immer den richtigen Weg ebnen. In diesem Zusammenhang könnte man sage, dass der erste Mensch, der einen Baum erklimmt, greifbaren Fortschritt in Richtung Mond gemacht hätte ([Dreyfus] s. 100).

Erfahren Sie in Kürze – in Teil 2 dieses Beitrags – wann KI maximalen Nutzen bringen kann, wie es sich mit der KI-Bewusstseinsfrage verhält und was es mit der Singularität auf sich hat.

About Author: Samuel Willingham, broker2clouds

Quellen
[Dreyfus] Dreyfus, Hubert L. What Computers still can’t do: A Critique of Artificial Reason, The MIT Press, 1992

Bildnachweise für diesen Beitrag:
© Mint_Images – elements.envato.com
© LightFieldStudios – elements.envato.com