„Sie werden nicht durch KI ersetzt, sondern durch jemanden, der weiß, wie man mit KI umgeht“, sagt Oded Netzer, Professor an der Columbia Business School. Künstliche Intelligenz wird die Art und Weise, wie wir arbeiten, stark verändern. Auf diese Disruption müssen Unternehmen ihre Beschäftigten vorbereiten. Ihnen beibringen, wie sie sich von Algorithmen unterstützen lassen und sich mit ihrer KI-Expertise unentbehrlich machen. Aber das ist noch nicht alles.
Wer die smarten Algorithmen gewinnbringend einsetzen möchte, braucht eine KI-Vision und muss darüber nachdenken, welche Art von Mensch-Maschine-Interaktion das Unternehmen erreichen möchte. Testen Sie erst einmal Ihre KI-Reife und unterziehen Sie sich einem KI-Readiness-Check: Wie passen KI-basierte Systeme zu Ihrer bisherigen Digitalisierung? Ist Ihre IT-Infrastruktur KI-ready und bietet genügend Speicherplatz und Rechenkapazität? Unternehmen müssen sich das KI-Potenzial ihrer Daten anschauen. Denn für KI brauchen sie eine geeignete Struktur. Nur wenn Unternehmen über eine angereicherte, sichere und faire Datenbasis verfügen, können sie mit generativer KI durchstarten. Schauen Sie sich Ihre Prozesse an, ehe sie sich für konkrete KI-Modelle oder Anwendungen entscheiden. Wo hakt es bei der Arbeit der Beschäftigten? Wie ist es um deren Know-how bei Themen wie Datenanalyse oder Large Language Models bestellt? Was wollen Sie mit lernenden Systemen verbessern?
Bei all dem darf allerdings ein Aspekt nicht vernachlässigt werden. Die Nachhaltigkeit. Laut einer Studie1 der Universität von Massachusetts verbraucht das Training eines großen Sprachmodells so viel Energie wie ein durchschnittlicher US-Bürger in 17 Jahren Lebenszeit. Der Datenwissenschaftler Alex de Vries aus Amsterdam vergleicht den Energieverbrauch, der bei der Nutzung von KI-basierten Suchmaschinen entsteht, mit dem ganzer Länder. Heißt: Wir müssen uns mit der Green-AI-Thematik befassen, damit digitale Technologien gewinnbringend eingesetzt werden. Mein Team will das Potenzial der intelligenten Algorithmen dafür nutzen, künftig klima- und umweltgerechter zu wirtschaften. In einem Pilotprojekt testen wir etwa, wie wir mit der Hilfe von Machine Learning die Hardware in Rechenzentren besser auslasten können. Wir möchten die Arbeitslasten klüger verteilen, um so die CO2-Emissionen von Datacentern zu verringern.
Der Energiehunger von generativer künstlicher Intelligenz, die darauf trainiert ist, „neue“ Inhalte wie Texte oder Bilder synthetisch zu erzeugen, ist enorm. Deshalb gehört der Nachhaltigkeitsaspekt genauso auf den Weiterbildungsplan von Unternehmen wie die Kunst des Promptens. Denn klar, wer von der künstlichen Intelligenz gute Antworten bekommen möchte, muss ihr die richtigen Fragen stellen können. Aber die Belegschaft sollte auch wissen, wie sie den ökologischen Fußabdruck der Technologie verkleinern kann. Oder welche Kriterien eine KI erfüllen muss, um als vertrauenswürdig zu gelten. Laut der jüngsten BITKOM-Weiterbildungsstudie kritisiert jeder Zweite das Schulungsangebot seines Arbeitgebers, wenn es um KI geht. Das ist alarmierend – schließlich hängt der Unternehmenserfolg davon ab, dass die eigenen Mitarbeitenden mit den technologischen Entwicklungen nicht nur Schritt halten, sondern sie im besten Fall vorantreiben können.
Wir alle brauchen mehr Wissen, um die Voraussetzungen, Chancen und Grenzen von KI richtig einzuschätzen. Kontinuierliche Weiterbildungen sind ein Muss, weil sich künstliche Intelligenz zur maßgeblichen Technologie entwickeln wird. Wirtschaft und Gesellschaft können es sich nicht leisten, Menschen bei ihrer KI-Transformation zurückzulassen. Neue Technologien sind kein Randbereich für Experten. Sie betreffen uns alle. Daher müssen Unternehmen wie auch ihre Beschäftigten bereit sein, Zeit in solche Trainings zu stecken, und sich folgende Punkte vergegenwärtigen:
Prompten: Wir müssen uns in der Kunst des Sprachbefehls üben. Damit geben wir dem KI-System den richtigen Kontext. Beispiel: Je besser wir prompten, desto weniger CO2 verursachen wir.
Ethik: Wie gehen wir mit der KI verantwortungsvoll um? Auch das will gelernt sein. Das bedeutet beispielsweise, dass wir beim Training eine mögliche Voreingenommenheit der Daten erkennen und korrigieren – und dass wir diskriminierungsfrei prompten.
Datenschutz: Welche Informationen darf ich einem Bot wie ChatGPT mitteilen – welche sind vertraulich und dürfen nur in einer gesicherten KI-Umgebung geteilt werden? Auch darüber müssen Beschäftigte Bescheid wissen.
Nachhaltigkeit: Generative KI verbraucht viel Energie. Deshalb sollten wir uns immer die Frage stellen: Lohnt sich ihr Einsatz im speziellen Fall? Kommen wir auch anders zum Ziel? Für eine einfache Multiplikation brauchen wir sie nicht, da reichen Zettel und Papier oder ein Taschenrechner.
1 Energy and Policy Considerations for Deep Learning in NLP, Emma Strubell, Ananya Ganesh, Andrew McCallum, 2019, USA
2 Highlights From Gartner IT Symposium/Xpo 2023 Opening Keynote: The Next Era- We Shape AI, AI Shapes US, Gartner, 2023, gartner.com
