Mithilfe der KI lassen sich Textabhandlungen, Recherchen, Werbetexte bis zu Programmcodes schreiben. Damit ist klar, dass viele Jobs gefährdet sind. Dazu zählt der Programmierer, Mathematiker, Buchhalter, Dolmetscher oder auch Journalist. Die KI kann zumindest einen Teil der Aufgaben der genannten Berufsgruppen übernehmen. Droht all diesen Berufen damit der Super-GAU?

Keineswegs! Richtig angewandt können KI-Systeme Daten zwar schnell analysieren, Prozesse automatisieren und beschleunigen, womit gerade im Unternehmen Effizienz und Produktivität gesteigert wird. Dennoch bedarf es in der komplexen Arbeitswelt weit mehr: Zusammenhänge müssen erstellt, Analysen angepasst, Algorithmen von verschiedenen Seiten «beleuchtet» werden. Die Gretchenfrage lautet: Welche Auswirkungen hat die KI auf den IT-Sektor? Und vor allem: Welche Zukunftsaussichten ergeben sich hieraus für Lernende und den Weiterbildungssektor.

KI-Systeme analysieren, automatisieren und treffen so ihre Entscheidung. Schliesslich werden die Systeme angelernt und verbessern sich damit ständig. Die Folge: Der Kundenservice profitiert durch Chatbots, die häufig Fragen abfangen und beantworten, aber auch das Marketing (Entwicklung von Marketingstrategien) und die Finanzen (Datenanalyse hilft, Trends vorauszusehen) werden optimiert und arbeiten effizienter.

Gerade beim Punkt «Automatisieren» ergeben sich signifikante Vorteile: KI-Systeme beschleunigen durch den hohen Grad an Automatisierungspotenzial Prozesse, die (noch) von Menschen ausgeführt werden. Damit erhöht sich die Produktivität und verbessert sich die Effizienz, da menschliche Fehler vermieden werden können – etwa beim automatisierten Testen von Software, um Probleme schnell(er) zu erkennen. Befürworter halten zudem den Pessimisten entgegen, dass gerade die Automatisierung nicht zum Verlust an Arbeitsplätzen führt, Bild 1. Im Gegenteil: KI sorgt für neue Jobs. Gesucht werden Profis für KI und Datenanalyse, da Firmen bestrebt sind KI-Systeme zu implementieren, um eben ihre Geschäftsprozesse zu optimieren.

Dass auch bei der KI längst nicht alles Gold ist, was glänzt, zeigt die aktuelle Bestandsaufnahme. Eine der aktuell grössten Herausforderungen – nicht nur, aber eben besonders im IT-Umfeld – ist die Datenqualität. KI-Systeme sind im Endeffekt nur so gut wie die Daten, auf die sie trainiert werden. Wenn die Daten lücken- oder mangelhaft sind, kann dies dazu führen, dass KI-Systeme falsche Entscheidungen treffen.

Ein Beispiel: Besonders im Bereich des Journalismus und der Datenanalyse sollte man die Tätigkeiten nicht komplett der KI überlassen, da sie schlicht und einfach kein Urteilsvermögen für Fakten hat. Und auch die Anschaffungskosten respektive fortlaufenden Kosten darf man keinesfalls unterschätzen. Denn KI-Systeme verlangen hohe Investitionskosten: hardware-, softwareseitig und auch in Bezug auf Fachkräfte.

Künstliche Intelligenz benötigt ausserdem sehr viel Rechenleistung. Dafür sind riesige Serverparks mit Computern notwendig, die unmengen Strom verbrauchen. So soll der Betrieb von ChatGPT (also nur ein einziges KI-System) einen Energieverbrauch von rund 564 Megawattstunden pro Tag verursachen. Hieraus entstehen jährliche Kosten von umgerechnet etwa 61 758 000 Franken (die Formel zu unserer Berechnung: 564 000 Kilowattstunden × 30 Rappen × 365 Tage).

Menschliches Know-how ist und bleibt wichtig. KI-Entwickler werden gefragt sein. Mathematische Fähigkeiten sind nötig, um Maschine-Learning-Algorithmen zu implementieren. Auch Lösungen mit Deep-Learning-Technologien, die wiederum auf Basis neuronaler Netzwerke fussen, sind unerlässlich.

Damit ein KI-System effizient arbeitet, benötigt es ein möglichst grosses «Datenbecken». Nur so lässt es sich – wie bereits angedeutet – effizient trainieren. Ausserdem müssen solche «selbstlernenden» Systeme immer wieder überprüft und neuen Gesetz­mässigkeiten angepasst werden. Da solche Systeme bisher nur aus Erfahrungswerten lernen, bleiben kurzfristige (eventuell aber hochgradig wichtige Fakten, zum Beispiel der Einfluss neuer Gesetze) unberücksichtigt. Unter dem Streich könne sich hieraus KI-Berufsfelder (Analyse, Training, Sicherheit) ergeben.

Ein KI-Studium ist oft unterschiedlich aufgebaut, beinhaltet aber in der Regel elementare Bausteine wie Cybersecurity, Marktforschung, Datenanalyse, Mathematik und Ethik. Viele Hochschulen bieten Bachelor- und Masterabschlüsse an. Zudem werden Weiterbildungstitel wie CAS (Certificate of Advanced Studies), DAS (Diploma of Advanced Studies) oder MAS (Master of Advanced Studies) von diesen angeboten. Einen Einstieg mit vielen KI-Weiterbildungsmöglichkeiten gibt es unter dem Link go.pctipp.ch/3374.