09201 Künstliche Intelligenz: Risikoquellen und deren Management
|
Künstliche Intelligenz (KI) hat sich mit Anwendungen, die von der Verarbeitung natürlicher Sprache bis zu Bilderkennung und selbstfahrenden Fahrzeugen reichen, zu einem Eckpfeiler der modernen Technologie entwickelt. Mit der Weiterentwicklung und Durchdringung verschiedener Sektoren durch die KI entstehen jedoch auch neue Risiken, die sorgfältig gemanagt werden müssen. Dieser Beitrag beleuchtet die Risikoquellen, die mit KI-Systemen verbunden sind, bietet eine detaillierte Analyse und Taxonomie dieser Risiken und schlägt einen auf KI zugeschnittenen Risikomanagementprozess vor. von: |
1 Einführung in KI und ihre Risiken
Methoden künstlicher Intelligenz werden hauptsächlich zur Lösung hochkomplexer Aufgaben eingesetzt, etwa für die Verarbeitung natürlicher Sprache oder die Klassifizierung von Objekten in Bildern. KI-Methoden ermöglichen nicht nur deutlich höhere Automatisierungsgrade, sondern eröffnen auch völlig neue Anwendungsfelder. Die Bedeutung der künstlichen Intelligenz nimmt, getrieben durch anhaltende Forschungserfolge und die Einführung neuer Anwendungen, die auf dieser Technologie basieren, stetig zu.
Einordnung KI
Zurzeit wird der Begriff „künstliche Intelligenz” hauptsächlich im Kontext des maschinellen Lernens verwendet, zum Beispiel Entscheidungsbäume oder Support-Vektor-Maschinen, umfasst aber auch eine Vielzahl anderer Anwendungen, etwa Expertensysteme oder Wissensgrafen. Eine bedeutende Unterkategorie des maschinellen Lernens ist das Deep Learning, das sich mit der Entwicklung und Anwendung von tiefen neuronalen Netzwerken befasst. Diese neuronalen Netzwerke werden für spezifische Aufgaben optimiert und trainiert und können sich in Bezug auf ihre Architektur und Arbeitsweise grundlegend unterscheiden.
Zurzeit wird der Begriff „künstliche Intelligenz” hauptsächlich im Kontext des maschinellen Lernens verwendet, zum Beispiel Entscheidungsbäume oder Support-Vektor-Maschinen, umfasst aber auch eine Vielzahl anderer Anwendungen, etwa Expertensysteme oder Wissensgrafen. Eine bedeutende Unterkategorie des maschinellen Lernens ist das Deep Learning, das sich mit der Entwicklung und Anwendung von tiefen neuronalen Netzwerken befasst. Diese neuronalen Netzwerke werden für spezifische Aufgaben optimiert und trainiert und können sich in Bezug auf ihre Architektur und Arbeitsweise grundlegend unterscheiden.
KI-Systeme sind technische Systeme, die ein Wissensmodell aufbauen, pflegen und nutzen, um eine vordefinierte Aufgabensetzung durchzuführen, für die dem System kein algorithmischer Prozess zur Verfügung gestellt wird. Durch den Einsatz von künstlicher Intelligenz können Konzepte wie Lernen, Planen, Wahrnehmen, Kommunizieren und Kooperieren auf technische Systeme angewendet werden. Diese Fähigkeiten ermöglichen völlig neue intelligente Systeme und Anwendungen, weshalb künstliche Intelligenz oft als Schlüsseltechnologie der Zukunft gesehen wird.
