Künstliche Intelligenz weckt große Erwartungen. In vielen Unternehmen entsteht der Reflex, möglichst jedes Problem mit KI lösen zu wollen. Auch wenn das Verhalten nachvollziehbar ist, kann dies zur falschen Wahl des Werkzeugs führen. In diesem Artikel beschreiben wir, für welche Problemarten KI das Mittel der Wahl ist.
„KI or not KI, that is the question."
Eine kleine Anmerkung vorab: Streng genommen müsste es im englischen Original natürlich „AI" heißen. Aber „KI" klingt einfach mehr nach „to be".
Komplex ist nicht kompliziert
Im Alltag werfen wir „komplex" und „kompliziert" gern in einen Topf. Für die Wahl der richtigen Lösung ist der Unterschied aber entscheidend.
Ein kompliziertes Problem folgt einem klaren Regelwerk. Die Rahmenbedingungen sind stabil und die Lösung lässt sich vorab beschreiben, auch wenn sie aufwändig sein kann. Eine Rechnung zu erstellen kann kompliziert sein: Es gibt eine Menge Regeln für Steuersätze, Rabatte und Fristen, aber diese Regeln stehen fest und lassen sich abarbeiten. Das kann aufwändig sein, ist grundsätzlich aber eindeutig.
Ein komplexes Problem hat dagegen viele Rahmenbedingungen, die sich ständig verschieben. Ein festes Regelwerk, das man einfach anwenden könnte, gibt es nicht. Spracherkennung ist so ein Fall. Jede Stimme klingt anders, jeder Dialekt, jedes Hintergrundrauschen verändert die Lage. Niemand könnte ein Programm schreiben, das jede denkbare Variante in festen Regeln abbildet. Man kann es nur lernen lassen.
| Kompliziert | Komplex |
|---|---|
| Klares, stabiles Regelwerk | Viele Rahmenbedingungen, die sich schnell ändern |
| Lösung im Voraus beschreibbar | Keine einfachen Regeln anwendbar |
| Beispiel: Rechnungserstellung, Lohnabrechnung | Beispiel: Spracherkennung, Bilderkennung |
| Immer dasselbe, testbare Ergebnis | Beste Annäherung mit Restunsicherheit |
Für komplexe Probleme ist KI das passende Werkzeug. Genau dort, wo sich keine Programme mit festen Regeln schreiben lassen, spielt sie ihre Stärke aus. Für komplizierte Probleme kann hingegen ein deterministisches Softwareprogramm die bessere Wahl sein, sofern das Ergebnis zu 100 % korrekt sein muss. Ein solches Programm ist testbar und liefert bei gleichem Input immer dasselbe Ergebnis.
Wenn 99 Prozent nicht reichen
KI hat immer eine gewisse Ungenauigkeit, die sich nicht vollständig beseitigen lässt. Man kann versuchen, Wahrscheinlichkeiten zu erhöhen oder Kontrollen einzufügen. Aufgrund des nicht-deterministischen Charakters einer KI hat man jedoch nie die Gewissheit, dass in jedem Fall das gewünschte Ergebnis geliefert wird.
Bei komplexen Problemen ist das zu verschmerzen. Eine 80%-Lösung ist besser als gar keine Lösung und wenn man bei der Spracherkennung hin und wieder Korrekturen vornehmen muss, hat man dennoch mehr Zeit gespart als wenn man alles allein abtippen muss. Bei einer Rechnungsstellung sieht die Sache anders aus. Eine Rechnung muss auf den Cent stimmen. Eine Lösung, die in 99 von 100 Fällen die richtige Summe ausrechnet, ist im Rechnungswesen schlicht unbrauchbar. Das eine fehlerhafte Prozent reicht aus, um Vertrauen und am Ende auch Geld zu kosten.
Die Frage, wie viel Korrektheit man bei der Lösung braucht, muss somit ebenfalls berücksichtigt werden. Wer mit einer gewissen Ungenauigkeit leben kann, für den wird KI auch bei komplizierten Problemen interessant. Dann muss niemand ein Programm bauen, das jede Regel sauber abbildet. Oft ist es schneller, die KI direkt arbeiten zu lassen und die seltenen Fehler in Kauf zu nehmen. Dies ist insbesondere dort interessant, wo korrekte Ergebnisse zwar schwer zu berechnen aber leicht zu prüfen sind. Falsche Ergebnisse werden dann erkannt und ein neues Ergebnis kann berechnet werden.
Wo dagegen jedes Ergebnis sitzen muss, dreht sich das Bild. Bei einem komplizierten Problem mit hoher Korrektheitsanforderung ist KI nicht das richtige Werkzeug. In diesen Situationen sollte ein deterministisches Programm eingesetzt werden, um verlässliche Lösungen zu liefern.
Die KI löst nicht das Problem, sie baut die Lösung
Bei unseren Kunden liegen häufig komplizierte Probleme vor: klare Prozesse, feste Regeln, definierte Ergebnisse, bei denen Korrektheit zählt. Solche Probleme sollte man nicht direkt von einer KI erledigen lassen, weil sich nicht garantieren lässt, dass jedes Ergebnis stimmt. Wer eine Schnittstelle für die Übertragung von Buchungsläufen bedient, braucht zuverlässig korrekte Daten. Ungenauigkeiten werden ggf. nicht erkannt und führen später zu Fehlern, die nur noch schwer nachzuvollziehen sind.
Dennoch bleibt KI auch in dieser Situation ein wertvolles Werkzeug, nur an einer anderen Stelle. Man kann mit ihr die Programme erstellen, die das komplizierte Problem lösen. Denn die Softwareentwicklung selbst ist ein komplexes Problem: viele Rahmenbedingungen, ständig neue Anforderungen, kein festes Regelwerk, das jeden Fall abdeckt. Und für komplexe Probleme ist KI bekanntlich gut geeignet.
Die KI steckt also im Entwicklungsprozess, nicht im Endprodukt. Wir entwickeln die deterministische Software schneller, das Endprodukt selbst arbeitet aber nach festen, testbaren Regeln. So bekommt der Kunde eine günstige Lösung, die immer das korrekte Ergebnis liefert. Der Return on Invest sinkt durch dieses Vorgehen erheblich.
KI richtig eingesetzt – ein Praxisbeispiel
Wie das konkret aussieht, zeigt ein Fall aus unserer Arbeit. Ein Kunde sitzt auf einem großen Schatz gut strukturierter Daten und möchte regelmäßig Auswertungen darauf ausführen. Die Ergebnisse bilden die Grundlage für wirtschaftliche Entscheidungen. Sie müssen also stimmen. Die Abfragen können durchaus kompliziert werden. Gleichzeitig gibt es ein festes Standard-Set an Auswertungen, das nur gelegentlich erweitert wird.
Ein klassisch kompliziertes Problem mit hoher Korrektheitsanforderung also. Die Auswertungen einfach von einer KI berechnen zu lassen, verbietet sich damit. Die Lösung ist ein deterministisches Programm, das die Auswertungen als Python-Skripte umsetzt. Jede Auswertung ist ein Skript, eine neue Auswertung ist schnell als neues Skript ergänzt.
Und hier kommt die KI ins Spiel, nur eben im Entwicklungsprozess. Aus den echten Daten extrahieren wir manuell ein repräsentatives, anonymisiertes Datenpaket. Auf diesem Paket lässt die KI neue Skripte entstehen. Wir prüfen die Ergebnisse und erst wenn sie stimmen, wandert das Skript ins Programm, wo es anschließend auf dem vollständigen Datenbestand läuft.
Das hat einen angenehmen Nebeneffekt: Die KI bekommt die echten, personenbezogenen und kritischen Daten nie zu Gesicht. Sie arbeitet ausschließlich auf dem anonymisierten Paket. Was am Ende über die sensiblen Daten läuft, ist geprüfter, deterministischer Code.
Die eigentliche Kunst liegt nicht darin, KI überall einzusetzen. Sie liegt darin, zu erkennen, wo KI das richtige Werkzeug ist und wo nicht. KI or not KI, das ist tatsächlich die Frage. Und die Antwort fällt je nach Problem unterschiedlich aus.
Mehr erfahren
Ob ein Problem komplex oder kompliziert ist, können Sie selbst gut beurteilen. Die spannendere Frage ist, wie sich daraus die richtige Lösung bauen lässt und wo KI dabei wirklich weiterhilft. Genau hier unterstützen wir Sie. Wir stehen Ihnen gern für ein Erstgespräch zur Verfügung. Buchen Sie jetzt einfach einen passenden Termin: Termin für Erstgespräch vereinbaren .
Dieser Blog-Artikel wurde zusammen mit Claude geschrieben.