In den Fünfzigerjahren eröffnete der Autokonzern Ford ein hochautomatisiertes Werk in Cleveland. Ein Manager der Firma machte mit dem Gewerkschaftsführer Walter Reuther einen Rundgang durch die Fabrik. „Wie werden Sie die Maschinen dazu bringen, Gewerkschaftsbeiträge zu zahlen?“, fragte der Manager. Reuther antwortete schlicht und einfach: „Wir werden Sie Maschinen dazu bringen, Autos zu kaufen?“
Die Anekdote verdeutlicht, dass Robotik und künstliche Intelligenz traditionell Bedenken und Kritik auf sich ziehen – sowohl auf wirtschaftlicher als auch gesellschaftlich-moralischer Ebene. Einerseits geht es dabei um Fragen der körperlichen Sicherheit: Vertrauen wir künftig blind auf die Intelligenz unserer Autos im Straßenverkehr? Andererseits sorgen wir uns um die Zukunft unserer Jobs: Werden wir bald überflüssig?
Für einige Branchen trifft das mit Sicherheit in den nächsten Jahrzehnten zu – einige Internetseiten können angeblich sogar die Wahrscheinlichkeit berechnen, ob der eigene Job künftig durch einen Roboter ersetzt wird.
Androiden im Anmarsch
Im Jahr 2000 wurden 7,4 Milliarden Dollar für Maschinen ausgegeben. Etwa 50 % für Industrie- und die andere Hälfte für Militärroboter.
Innerhalb von 5 Jahren stiegen die Ausgaben auf 10,8 Milliarden Dollar, darunter auch Kosten für Maschinen, die im Service-Bereich eingesetzt wurden.
2010 wurden bereits 15,1 Milliarden US-Dollar in schlaue Maschinen investiert, der größte Anteil in Industrieroboter.
26,9 Milliarden Dollar werden im Jahr 2015 voraussichtlich in Maschinen investiert, so die Prognose der Boston Consulting Group.
Die Prognose für das Jahr 2020 sagt voraus, dass in 5 Jahren 42,9 Milliarden Dollar für Maschinen ausgegeben werden.
Bis 2025 sollen die Ausgaben voraussichtlich auf 66,9 Milliarden Dollar ansteigen, darin eingeschlossen sind Kosten für Heim-, Service-, Industrie- und Militärroboter.
Und tatsächlich: Algorithmen werden immer besser darin, selbst komplexe Probleme zu lösen. Schon bald wird die entscheidende Fragestellung also lauten: Wer wird in der Zukunft Entscheidungen treffen? Mensch oder Maschine? Und falls Algorithmen die Entscheidungsgewalt übernehmen, was passiert dann mit unseren Jobs?
Entscheidung ist nicht gleich Entscheidung
Um diese Fragen zu beantworten, müssen wir zunächst zwischen den verschiedenen Formen von Entscheidungen differenzieren. Und dabei fällt auf: Einige davon sind sehr gut dafür geeignet, durch maschinelle Intelligenz automatisiert zu werden. Andere Entscheidungen werden auch in vielen Jahren noch von Menschen getroffen werden.
Das Feld der Business Intelligence (BI) beschäftigt sich damit, Daten zu analysieren, um damit bessere Geschäftsentscheidungen zu treffen. BI-Experten unterscheiden zwischen drei Arten von Entscheidungen:
1. Operative Entscheidungen: Sie sind recht einfach und von vergleichsweise kleiner Tragweite. Sie haben kaum Auswirkungen für ein Unternehmen, sondern beantworten eher simple Fragen. Wie sollte auf eine bestimmte Fehlermeldung reagiert werden? Welcher Anbieter wird für eine bestimmte Bestellung beauftragt? Wird dem Kunden ein Kredit gewährt?
2. Taktische Entscheidungen: Sie können operative Entscheidungen beeinflussen. Dabei geht es um Fragen wie: In welcher Zeit sollen Fehlermeldungen spätestens behoben werden? Welche Anbieter sind zu bevorzugen? Wie viel Geld wird in Form von Krediten in diesem Quartal gegeben?
3. Strategischen Entscheidungen: Sie sind untrennbar mit taktischen Entscheidungen verbunden. Nehmen wir an, eine Software generiert zu viele Fehlermeldungen. Ist es notwendig, zu einem neuen System zu wechseln, auch wenn das teuer wird? Werden Komponenten selbst produziert oder eingekauft? Sollte man sich auf Unternehmensdarlehen fokussieren oder lieber in inländische Hypotheken investieren?
Durch diesen Dreiklang wird klar: Die unterschiedlichen Entscheidungsebenen sind stark miteinander verknüpft. Und je tiefer man bohrt, umso komplexer werden sie.
Operative Entscheidungen haben eine klare Struktur. Sie wiederholen sich, haben in sich selbst jedoch einen geringen Wert. Deshalb eignen sie sich besonders gut für Automatisierung und künstliche Entscheidungsfindung.
Nehmen wir zum Beispiel die Bearbeitung und Vergabe von Krediten. Sie wird künftig höchstwahrscheinlich von einem Computer übernommen. Allerdings gibt es eine entscheidende Einschränkung.
Werden Ein- oder Ausgänge falsch verarbeitet, kann dies gravierende und vor allem kostspielige Folgen haben. Im großen Ausmaß wurde dies 2007/2008 in der Hypothekenkrise in den USA sichtbar, deren Auswirkungen auch auf internationalen Finanzmärkten spürbar waren. Insgesamt ist jedoch die Tragweite von operativen Entscheidungen eher gering.