„Wenn dieses Gebiet besser erforscht ist, wird es viel einfacher, Wissen vollautomatisiert und dauerhaft im Unternehmen zu halten“, erzählt Bernhard Moser, Research Director am Software Competence Center Hagenberg, über das Forschungsprojekt AI@Work. Aktuell arbeitet er mit seinem Team an der Erforschung des Verhältnisses von Mensch und Maschine. „Die Mainstream-Forschung geht der Frage nach, wie Maschinen den Menschen unterstützen können. Aber wie kann eigentlich der Mensch die Maschine unterstützen? Oder konkreter: Wie kann der Mensch einer Künstlichen Intelligenz beim Lernen helfen? Diese Betrachtung kommt in der gesamten Forschungslandschaft viel zu kurz. Dabei wirft sie interessante und wichtige Fragestellungen auf!“ Und genau das soll sich durch das Projekt AI@Work ändern. Denn nicht nur der Mensch hat seine Schwächen, auch die Maschine ist nicht fehlerfrei. „Die Grundidee dieses Projekts ist, dass man Mensch und Maschine wirklich als Team betrachtet und so organisiert, dass die Schwächen des Menschen sowie die Schwächen der Maschine kompensiert werden“, so Moser.

Allerdings gibt es dabei eine große Herausforderung zu bewältigen: Die Akzeptanz am Arbeitsplatz. Denn Veränderung geht oftmals auch mit Ängsten einher. Moser sieht hier auch die Medien in der Verantwortung und spart dabei nicht mit Kritik: „Vor allem in der Boulevardpresse wird sehr oft das Bild gezeichnet, dass uns Maschinen überlegen sind und wir mit fortschreitender Technik zunehmend ersetzbar werden. Das entspricht aber überhaupt nicht den Tatsachen .“ Keine Frage, der Mensch ist in seinen Fähigkeiten begrenzt. Und natürlich gibt es Bereiche, in denen der Computer wesentlich besser ist. Er hat etwa keine limitierte Aufmerksamkeitsspanne und kann Daten viel schneller und in viel größeren Mengen verarbeiten. „Das ist aber nur die halbe Wahrheit, denn KI-Systeme haben auch eine relativ eingeschränkte Sicht. Wenn man so ein System entwickelt, muss man es mit entsprechenden Daten füttern. Und zwar nicht mit irgendwelchen Daten, sondern mit maßgeschneiderten Daten – ansonsten ist maschinelles Lernen gar nicht vernünftig möglich. Diese Daten sind alleine aufgrund ihrer Struktur schon eingeschränkt“, erklärt der Projektinitiator. Während aktuelle KI nur vordefinierte tabellarische Datenformate von zigtausenden bereitgestellten Datensätzen abarbeiten kann, ist der Mensch viel flexibler in der Interpretation dieser Daten. Er kann nämlich auch den Kontext mitberücksichtigen. „Wir lernen als Kind, nach links und nach rechts zu schauen, bevor wir die Straße überqueren. Wir können das auch auf andere Situationen, also andere Straßen, übertragen, ohne diese Straßen jemals gesehen zu haben. Das kann Künstliche Intelligenz nicht in dieser Flexibilität. Wir können sehr viel besser generalisieren und den Kontext berücksichtigen“, veranschaulicht Moser. „Und mit diesen Fähigkeiten können wir Künstlicher Intelligenz beim Lernen helfen, damit uns diese in der Folge auch besser unterstützen kann . Ich vergleiche das gerne mit dem Wetter: Die Technologie ermöglicht, dass wir Parameter wie Temperatur und Luftdruck messen können, und wir Menschen interpretieren diese Daten dann beispielsweise als Hochdruck. Wenn wir diese Information an die Technologie zurückgeben, kann sie beim nächsten Mal gleich sagen, dass wir Hochdruck haben.“