Interaktiv-Trends 2019/2020 (9) Deep Learning - Der DSGVO-Bezwinger

Eines der Grundsatzprobleme beim Reden über KI ist: Jeder redet über etwas anderes. Die einen meinen Automatisierung, die anderen Personalisierung und wieder andere begreifen einen Chatbot als KI. Alle haben irgendwie recht und alle meinen zudem dennoch nur einen Aspekt von KI.

Das eigentlich Spannende an KI ist das Versprechen einer intelligenten Maschine, die eigene Entscheidungen treffen kann und somit menschlichen Verstand in Algorithmen abbildet. Sie ist mit dem Begriff des 'Machine Learnings' genauer bezeichnet als mit KI - und in den meisten Fällen noch genauer mit Deep Learning. Eben diese KI-Spielart inspiriert aktuell die meisten Hoffnungen- oder Ängste.

• Machine Learning ist ein Oberbegriff für eine Form von KI, die das Deep Learning als Teilgebiet mit einschließt. Grundsätzlich bedeutet Machine Learning, dass Maschinen Entscheidungsfähigkeit erwerben - etwa der lernende Spam-Filter: Man gibt dem Filter 1.000 Mails und sagt ihm: "Das ist Spam" und dann nochmal 1.000, die man als unbedenklich klassifiziert. Mit Machine Learning kann der Filter Muster erkennen und verstehen, wie man eigentlich die beiden Mail-Typen unterscheidet, ohne dass ihm das ein Mensch ausdrücklich beigebracht hat.
• Noch eine Stufe weiter geht Deep Learning. Hier kann eine Maschine alleine auch unbekannte Dinge erkennen und in Kategorien einteilen - prominentes Beispiel dafür ist ein von Google programmierter Computer, der 2012 von sich reden machte. Der Algorithmus hatte die Aufgabe, zehntausend Fotografien in sinnvolle Kategorien einzuteilen und legte daraufhin auch selbstständig einen Ordner mit Katzenbildern an - ohne jemals beigebracht bekommen zu haben, was Katzen sind und woran man sie erkennt. Ein solches Beispiel kann Urängste vor der schlauen Maschine auslösen, verliert aber seinen Schrecken, versteht man die Mechanismen dahinter: Die Maschine wurde einfach auf einem Haufen Bildern immer wieder mit Katzen konfrontiert, hat die Gemeinsamkeiten der Objekte erkannt (etwa: klein, vier Beine, Fell etc.) und dann in eine Kategorie gepackt.

Das spannende am Deep Learning ist das adaptive, das lernende Moment: Deep Learning soll, mit neuartigen Problemen konfrontiert, selbstständig zur Lösung finden: So kann man Deep-Learning-Algorithmen eine Schachanleitung und einen Haufen berühmter Schachpartien verfüttern. Anfangs verlieren sie vielleicht noch Partien gegen Menschen, doch nach etwa fünf Tagen und genug Input fegen sie Schachweltmeister vom Brett. Eine solche KI könnte, beispielsweise als Chatbot eingesetzt, am Anfang nur Standardanfragen übernehmen - jedoch von Tag zu Tag mehr Aufgaben übernehmen, bis der Deep-Learning-Algorithmus zum fast vollwertigen Service-Mitarbeiter herangereift ist. Und tatsächlich glauben einige Experten, dass die nächste große KI-Revolution sich vor allem im Service vollziehen wird.

So könnten Shops die Bedürfnisse ihrer Kunden via Deep Learning verstehen lernen und ihnen entsprechende Serviceangebote machen. Und zunächst werden natürlich die standardisierbaren Serviceanfragen übernommen. Doch schon bald erkennt die KI, dass ein Kunde den Shop aufsucht, um etwas an einer vergangenen Bestellung zu ändern oder eine erhaltene Bestellung zu retournieren. Daher zeigt der Shop als Frontend nicht eine Produktauswahl an, sondern Dialogfelder wie "Retouren" oder "Bestellungen bearbeiten".

Doch auch im Marketing bietet Deep Learning viel Potenzial - besonders im Kampf mit immer strengeren Datenschutzauflagen bietet KI spannende Perspektiven. Ist man im Besitz einer datenschutzkonformen Kampagne, so wird man diese damit DSGVO-konform auf andere Zielgruppen übertragen können: Eine speziell daraufhin trainierte Künstliche Intelligenz könnte etwa die Bildsprache einer Kampagne, die sich an männliche Nutzer über 40 richtet, so transformieren, dass sie sich an junge Frauen richtet - komplett auf Autopilot ohne menschliche Überwachung.

Später wird Deep Learning dann vielleicht sogar in der Lage sein, Nutzerdaten zu synthetisieren - mittels Generative Adversarial Networks (GANS), einem bislang noch nur unter KI-Experten geläufigen Thema. Dabei setzt man zwei Nachbildungen menschlichen Verstandes aufeinander an: Die eine denkt sich künstliche Nutzerdaten aus, ddie andere versucht sie als Fälschungen zu enttarnen. Dabei werden beide Netze schlauer, bis am Ende eine Maschine steht, die perfekte Personas und Nutzer-Merkmale (fast) aus dem Nichts produzieren kann.