Von der Wissensökonomie zur KI-Wirtschaft: Was könnte passieren?

AI Economy: What Could Happen

Die Wissensökonomie ist ein Modell, in dem das vorhandene Wissen innerhalb eines Unternehmens oder einer Einzelperson die Hauptantriebskraft ist, im Gegensatz zur physischen Produktion. Dies unterscheidet sich von Agrar- (Landwirtschaft/Ernährung) und verarbeitenden Wirtschaften (physische Erzeugnisse) sowie von einer Dienstleistungsökonomie. In dieser werden wissensintensive Erzeugnisse zum zentralen Output, statt physischer Dienstleistungen. Die Wissensökonomie wird häufig als zentraler Bestandteil einer modernen, fortgeschrittenen Wirtschaft betrachtet.

Typischerweise verfügen wissensbasierte Volkswirtschaften über hochqualifizierte, spezialisierte Arbeitskräfte sowie bedeutende Einrichtungen (Firmen oder Bildungsstätten), die dieses Wissen nutzen, um Gewinn zu erzielen.

Allerdings stellt der Aufstieg der Künstlichen Intelligenz (KI) eine Bedrohung für diesen Ansatz dar.

Die heutige Wissensökonomie

Momentan liegt Wissen im Allgemeinen bei den Menschen. Sie bezahlen unter anderem jemanden, um einen Artikel zu verfassen oder innovative Ideen für Marketingkampagnen zu entwickeln. Ihre Verkaufsabteilungen bestehen aus Menschen, die E-Mails verschicken, Kundenanfragen beantworten und Produkte ausliefern.

Ihre Einrichtungsteams sind menschlich. Ihre Entwicklerteams sind ebenso menschlich. Buchhaltung, Lohnbuchhaltung, Personalabteilung – alle bestehen aus Menschen.

Dies liegt daran, dass das Wissen bei diesen Personen konzentriert ist. Sie bezahlen sie für den Wert, den sie Ihrem Unternehmen bieten. Ebenfalls nutzen sie Technologien, um ihren Wert zu erhöhen. Sie analysieren Aufzeichnungen, überprüfen Daten und treffen Entscheidungen. Diese Ergebnisse werden in umfangreichen Datenbanken gespeichert, die von Unternehmen genutzt werden.

Genau hier liegt der Wert der Menschen: Entscheidungen basierend auf dem Wissen, das sie besitzen.

Obwohl der Zugang zu Wissen erheblich verbessert wurde, sind wir weiterhin durch die Art und Weise eingeschränkt, wie Menschen diese Informationen aufnehmen und wiederverwenden können. Weitere Einschränkungen sind die Fähigkeit, falsche Informationen abzulehnen (mit unterschiedlichem Erfolg), Prioritäten zu setzen und gegebenenfalls zufällige Entscheidungen zu treffen.

Der Wert von Expertise, Seltenheit und Ersetzbarkeit in der Arbeitswelt

Nach dem Erwerb eines Doktortitels gelten Studierende oft als führende Experten auf ihrem Gebiet. Dies kann Themen wie die Unterschiede zwischen antiken und modernen Beobachtern griechischer Gefäße oder den Einsatz von Lanthanid-basierten Kronenethern bei Phasengrenzübergängen umfassen. (im Wesentlichen die Bewegung von Molekülen zwischen Benzin und Wasser).

Ihr Wissen führt jedoch nicht automatisch zu höherem Einkommen. Daher gibt es noch eine weitere Komponente: Wie wertvoll ist das Wissen einer Person für ein Unternehmen?

Das Wissen eines Chemikers kann äußerst profitabel sein, da seine Forschung zu neuen Möglichkeiten zur Herstellung von Arzneimitteln, Katalysatoren oder Pestiziden führen könnte. Jemand, der sich mit der Erforschung von Klassikern beschäftigt, hat möglicherweise nicht denselben kommerziellen Wert wie jemand mit einem Doktortitel. Ebenso kann jemand mit 20 Jahren Erfahrung im Marketing über mehr kommerziell relevantes Wissen verfügen als jemand, der erst ein Jahr im Geschäft ist.

Und dann gibt es die Frage der Ersetzbarkeit: Wie schnell können Sie jemanden mit diesem Wissen ersetzen? Eine Person mit seltenen, spezialisierten Fähigkeiten kann wertvoller sein als jemand mit einem breiteren Kompetenzbereich, da es schwieriger ist, sie zu ersetzen, und somit teurer.

Natürlich handelt es sich hierbei um grobe Verallgemeinerungen.

Dies bedeutet jedoch, dass Seltenheit der Spezialisierung, Schwierigkeit der Ersetzbarkeit und finanzielle Attraktivität die drei Hauptleitprinzipien dafür sind, wie viel eine Person in der Wissensökonomie einem Unternehmen „wert“ ist.

Die aktuellen Grenzen der KI

Wenn man einen Computer fragt, was eine Schachtel ist, hätte er Probleme, Parameter festzulegen, die genau beschreiben, was eine Schachtel ist.

Kurz gesagt, Menschen müssen nicht jede mögliche Version einer Schachtel kennen, um zu verstehen, dass etwas eine Schachtel ist. Wir achten auf die Hauptmerkmale und wenden diese Informationen in unserem Leben an. Dies kann zu interessanten philosophischen Debatten führen, zum Beispiel ab welchem Punkt eine Schachtel ein Tablett wird. Kann eine Schachtel gleichzeitig eine Schachtel und ein Tablett sein?

Current Limitations of AI

Wir könnten auch Gegenstände ablehnen, die wie Schachteln aussehen, aber offensichtlich keine Schachteln sind wie ein Buch.

Diese Fähigkeit, falsche Informationen abzulehnen, unterscheidet Menschen derzeit stark von KI.

Eine mögliche Lösung besteht darin, das Internet als riesigen Datensatz zu nutzen. Wenn jedoch eine KI mit dem Internet in Kontakt kommt, wird sie oft zur schlechtesten Version von sich selbst. Das liegt daran, dass im Internet leicht Hass und Häme zu finden sind und die hass-erfülltesten Nutzer oft die häufigsten Beitragszahler sind. Wenn eine KI Inhalte nach der Menge ähnlicher Inhalte gewichtet, kann sie selbst stark voreingenommene Informationen erzeugen. Dies ist in mehreren Bereichen, einschließlich der Personalbeschaffung, zu einem Problem geworden.

Bekanntlich hat Amazon sein KI-Recruiting-Tool gestoppt, als das Unternehmen feststellte, dass die ursprünglichen Daten, die es in seinem KI-/maschinellen Lernmodell verwendet hatte, von Anfang an fehlerhaft waren. Es hatte männliche Dominanz als bevorzugt identifiziert (aufgrund der früheren Rekrutierungspraktiken von Amazon) und bestimmte Ausdrücke abgewertet (wie „Frauen“ und die Namen zweier rein weiblicher Schulen), obwohl es angewiesen worden war, das Geschlecht nicht in den Fokus zu rücken.

Das bedeutet, dass Informationsströme für die Ausbildung einer KI aufgeteilt werden müssen. Mängel im Modell führen dazu, dass die KI unbeabsichtigte Ergebnisse liefert – ähnlich wie bei der Ausbildung von Menschen.

Müll rein = Müll raus

Die zahlreichen Misserfolge der KI

Selbst im Militärbereich, wo Entscheidungen in Bruchteilen von Sekunden getroffen werden müssen, zögern wir, Automatisierung einzusetzen, um noch schnellere Entscheidungen zu ermöglichen. Berichte über die Entfernung von Menschen aus dem Entscheidungsprozess haben die UN dazu veranlasst, ein Verbot von KI-gesteuerten Entscheidungen im Kampf vorzuschlagen. Obwohl dieser Vorschlag am Widerstand Großbritanniens, der USA und Russlands scheiterte, besteht die Möglichkeit, dass der nächste Vorfall die Nationen noch weiter von militärischer KI entfernt.

Fahrzeuge mit fahrerloser KI-Technologie behaupten seit Langem, sicherer als herkömmliche Autos zu sein. Dennoch können sie durch einen Salzring um das Auto ausgetrickst werden. KI ist also noch nicht so leistungsfähig, wie sie verspricht.

Bei ChatGPT ist es beispielsweise immer noch möglich, KI-verfasste Texte zu erkennen, da die Modelle auf Standardformulierungen angewiesen sind und ihr Wissen über Ereignisse nach 2021 begrenzt ist. Suchmaschinen arbeiten bereits an Möglichkeiten, KI-generierte Inhalte zu identifizieren und aus dem Web zu entfernen, da die meisten Menschen nach von Menschen verfassten Inhalten und Ideen suchen.

Derzeit kann KI lediglich existierende Ideen wiedergeben, die sie findet. Sie ist folglich nicht in der Lage, neue Inhalte wie Zitate oder innovative Theorien und Ideen zu erstellen.

Autonomer arbeitende KI, wie AutoGPT, kann mit weniger strukturierten Fragen umgehen und Ergebnisse liefern. Allerdings ist oft unklar, woher die KI ihre Informationen bezieht oder wie sie zu ihren Schlussfolgerungen gelangt. Das kann Probleme für diejenigen verursachen, die in ihrem Bereich rechenschaftspflichtig sind. Wenn beispielsweise ein KI-Modell den Kauf einer Aktie empfiehlt und diese Aktie dann abstürzt, wer trägt dann die Verantwortung für diese Entscheidung? Oder was ist, wenn es im Gesundheitswesen eine falsche Entscheidung trifft?

Wie würde die Zerstörung der Wissensökonomie aussehen?

Die Zerstörung der Wissenswirtschaft könnte eintreten, wenn der Fokus immer stärker auf KI-Tools anstelle von menschlichem Wissen liegt. Die Wissenswirtschaft würde geschwächt, indem komplexe Wissenssysteme zunehmend auf Algorithmen übergehen. Die Einstellung von Entwicklern und Autoren würde durch den Einsatz von KI-Programmen ersetzt, die Aufgaben wie Codeerstellung und Textproduktion übernehmen.

KI könnte den Zugang zu Wissen demokratisieren, aber auch dazu führen, dass Wissen zu einem noch größeren Geschäft wird, das schwerer zugänglich und herausforderbar ist. Anbieter von KI werden von anderen KI-Systemen bewertet, wobei nützliche Anbieter rasch in den Markt integriert werden und weniger erfolgreiche Anbieter allmählich in den Hintergrund treten.

Die zunehmende Nutzung von KI könnte allmählich die Fähigkeit des Menschen einschränken, Kreativität auszudrücken und auf Intuition zu vertrauen. Es gibt bereits Software, die die Qualität von Werbung oder Inhalten anhand von Augenbewegungen und Platzierung bewertet. Algorithmen erstellen personalisierte Empfehlungen und unterstützen bei der Planung von Mahlzeiten oder Terminen.

Schließlich könnte KI vielleicht entscheiden, welche Mitarbeiter in einem Unternehmen behalten werden sollen, wodurch Managementpositionen obsolet würden und Mitarbeiterfeedback automatisiert würde. KI könnte letztlich jeden Aspekt eines Unternehmens kontrollieren, von automatisierten Fahrzeugen und Lieferdiensten bis zu Kassen und Sicherheitsmaßnahmen.

Ist es hoffnungslos?

Vielleicht malen wir uns ein zu düsteres Bild aus.

Künstliche Intelligenz (KI) hat zweifellos einen Einfluss gehabt, aber haben wir genügend Rechenleistung, um Billionen von Interaktionen weltweit für jedes Unternehmen zu verarbeiten?

Wahrscheinlich nicht.

Derzeit stellen wir Computerchips (AMD, Intel) unterhalb des 3-Nanometer-Knotens her. Dieser Knoten hat eigentlich keine große Ähnlichkeit mit der Größe eines einzelnen Transistors, sondern ist eine Namenskonvention. Es gibt Pläne für einen 2-Nanometer-Knoten und darüber hinaus für einen 1,4-Nanometer-Knoten. Es ist jedoch unklar, wie sie den Prozess darüber hinaus fortsetzen können.

Mit unserer aktuellen Technologie können wir nur bis zu einer bestimmten Grenze gehen, bevor wir auf große Probleme mit Quanteneffekten stoßen (Quantentunneln, um genau zu sein). Diese Effekte sind bereits jetzt ein Problem und werden sich mit der Verkleinerung der Technologie noch verschlimmern.

Eine einzige Möglichkeit, sich stärker auf KI zu verlassen, besteht also darin, die Anzahl der verfügbaren Prozessoren schrittweise zu erhöhen. Dies erfordert jedoch enorme Mengen an Energie, und es gibt bereits eine Energiekrise, da die Ölvorräte zur Neige gehen und es einen deutlichen Mangel an Treibstoff gibt, um alles im Netz zu betreiben.

Wir können also den Anstieg des Energieverbrauchs nicht wirklich rechtfertigen, um mehr Produkte zu verkaufen. Und wir können die zusätzlichen Lebenshaltungskosten nicht wirklich rechtfertigen. Ebenso können wir  die Kosten für die KI-Tools nicht rechtfertigen, die die Menschen eines Tages aus ihren Jobs verdrängen könnten.

Folglich wird fortgeschrittene KI aus dem Markt gedrängt. Wissensbasierte Arbeitsplätze sind also wahrscheinlich vorerst sicher.

Vielleicht …

Wenn Sie weitere Marketing-Tipps wünschen, abonnieren Sie unser kostenloses Magazin!

Social Sharing

Kommentar schreiben