Prolog:
„Der Wandel zu einer klimaneutralen Welt wird jedes Unternehmen und jede Branche fundamental verändern.“
Laurence Douglas „Larry“ Fink (* 2. November 1952). Gründer, Aufsichtsratsvorsitzender und Vorstandsvorsitzender der weltgrößten Vermögensverwaltung BlackRock.
Was ist künstliche Intelligenz?
Künstliche Intelligenz (KI) ist eine Technologie, die es Computern und digitalen Geräten ermöglicht, zu lernen, zu lesen, zu schreiben, zu sprechen, zu sehen, zu kreieren, zu spielen, zu analysieren, Empfehlungen abzugeben und andere Dinge zu tun, die Menschen tun.
Eine kurze Reise in der Zeit zurück
Die Idee und der Wunsch der Menschen, eine denkende Maschine zu erschaffen, ist keine neue Idee oder ein neuzeitlicher Wunsch. Die Idee oder das Konzept von denkenden, künstlichen Wesen beziehungsweise Robotern hat seinen Ursprung bereits in der Antike. In diesem Zusammenhang sind die griechischen Dichter Homer und Hesiod zu nennen. Hesiod erzählt von Talos, dem bronzenen Riesen, der vom Schmiedegott Hephaistos geschaffen wurde, um Europa, die Tochter des Zeus, auf der griechischen Insel Kreta vor einer Entführung zu beschützen. Die Geburt des denkenden „Maschinenmenschen“.
Timeline Künstliche Intelligent (KI)
Für die Neuzeit ergeben sich im Hinblick auf KI die nachfolgenden historischen Meilensteine, ohne die eine Entwicklung und Nutzung von künstlicher Intelligenz auf dem jetzigen Stand undenkbar wären.
1950:
Alan Turing veröffentlicht Computing Machinery and Intelligence. In diesem Aufsatz stellt Turing, der für das Deschiffrieren des deutschen ENIGMA-Codes während des Zweiten Weltkriegs berühmt wurde und oft als „Vater der Informatik“ bezeichnet wird, die folgende Frage: „Können Maschinen denken?“ Er entwickelt einen Test, der heute als „Turing-Test“ bekannt ist und bei dem ein Mensch versucht, zwischen einer Computer- und einer menschlichen Textantwort zu unterscheiden. Anmerkung: Gut 70 Jahre später wird genau dieser Test heute sowohl bei ChatGPT-3 als auch bei der Weiterentwicklung ChatGPT-4 immer noch eingesetzt.
1956:
John McCarthy prägt den Begriff „künstliche Intelligenz“ auf der allerersten KI-Konferenz am Dartmouth College. Im selben Jahr entwickeln Allen Newell, J.C. Shaw und Herbert Simon den Logic Theorist, das erste laufende KI-Softwareprogramm.
1967:
Frank Rosenblatt baut den Mark 1 Perceptron, den ersten Computer, der auf einem neuronalen Netzwerk basiert, das durch Versuch und Irrtum “ (Konzept Try and Error) lernt“.
1980er Jahre:
Neuronale Netze, die einen Backpropagation-Algorithmus verwenden, um sich selbst zu trainieren, werden in KI-Anwendungen weithin eingesetzt.
1995:
Stuart Russell und Peter Norvig veröffentlichen „Artificial Intelligence: A Modern Approach“, das zu einem der führenden Lehrbücher im Bereich der KI wird. Darin befassen sie sich mit vier möglichen Zielen oder Definitionen von KI, die Computersysteme auf der Grundlage von Rationalität und Denken bzw. Handeln unterscheiden.
- Menschlicher Ansatz: Systeme, die wie Menschen denken und Systeme, die wie Menschen handeln
- Idealer Ansatz: Systeme, die rational denken und rational handelnde Systeme
1997:
Der Computer Deep Blue besiegt den damaligen Schachweltmeister Garri Kasparow in zwei Schachspeilen gegeneinander.
2004:
John McCarthy schreibt einen Artikel mit dem Titel „What is Artificial Intelligence?“ und schlägt die oft zitierte Definition von KI vor. Sie lautet: Sie (.. die KI ..) ist die Wissenschaft und Technik der Entwicklung intelligenter Maschinen, insbesondere intelligenter Computerprogramme. Sie ist verwandt mit der ähnlichen Aufgabe, Computer zu nutzen, um die menschliche Intelligenz zu verstehen, aber KI muss sich nicht auf Methoden beschränken, die biologisch beobachtbar sind.
2011:
KI taucht zum ersten Mal für Testzwecke im Entertainment-Bereich auf: Die Maschine Watson besiegt die menschlichen Champions Ken Jennings und Brad Rutter bei Jeopardy! Das Spielprinzip von Jeopardy! besteht darin, dass es sich um ein sogenanntes Reverse-Quiz handelt. Es werden keine Antworten auf Fragen gesucht, sondern die Frage zu den vorgegebenen Antworten.
2016:
Das DeepMind-Programm AlphaGo, das von einem tiefen neuronalen Netzwerk angetrieben wird, besiegt Lee Sodol, den Go-Weltmeister, in einem Fünf-Spiele-Match. Der Sieg ist angesichts der riesigen Anzahl möglicher Züge im Verlauf des Spiels (über 14,5 Billionen nach nur vier Zügen!) von großer Bedeutung und ein Sieg der Maschine galt bis dahin gleichermaßen unter Wissenschaftlern wie Computerspezialisten für KI als unmöglich.
2023:
Ein Anstieg großer Sprachmodelle (LLMs) wie ChatGPT führt zu einer enormen Veränderung in der Leistung von KI und ihrem Potenzial zur Steigerung des Unternehmenswertes. Mit diesen neuen generativen KI-Praktiken können Deep-Learning-Modelle auf riesigen Mengen von unbeschrifteten Rohdaten vortrainiert werden.
Arten von KI
Wo aber liegen nun nach diesen Definitionen und teils verschiedenen Anwendungen die Unterschiede von künstlicher Intelligenz und wie wird KI jetzt und in der Zukunft eingesetzt? KI kann in zwei Haupttypen eingeteilt werden:
- Enge KI (Narrow / Weak AI)
- Allgemeine KI (General / Strong AI).
Narrow KI: Enge KI ist darauf ausgelegt, bestimmte Aufgaben zu erfüllen und sich dabei auszuzeichnen. Beispiele hierfür sind Sprachassistenten wie Siri, Empfehlungssysteme und autonome Fahrzeuge. Diese Systeme sind hoch spezialisiert und verfügen nicht über die umfassenden kognitiven Fähigkeiten des Menschen.
General KI: Allgemeine KI bezieht sich auf Maschinen, die über menschenähnliche kognitive Fähigkeiten verfügen, einschließlich Verstehen, Lernen, Argumentieren und Problemlösung in verschiedenen Bereichen. Das Erreichen einer allgemeinen KI ist ein langfristiges Ziel und Gegenstand laufender Forschung.
Anwendungen von KI
KI findet in zahlreichen Bereichen Anwendung, verändert die Industrie und schafft neue Möglichkeiten. An erster Stelle sind dies die nachfolgenden Schwerpunkte:
- Gesundheitswesen: KI hilft bei der Diagnose von Krankheiten, der Entdeckung von Medikamenten und der Erstellung personalisierter Behandlungspläne.
- Finanzwesen: KI-Algorithmen werden für den Handel, die Betrugserkennung und die Kreditwürdigkeitsprüfung eingesetzt.
- Bildung: KI-gesteuerte Bildungsplattformen bieten personalisierte Lernerfahrungen.
- Fertigung: Roboter und KI-gesteuerte Maschinen verbessern Produktionsprozesse.
- Unterhaltung: KI wird für die Erstellung von Videospielcharakteren, Spezialeffekten und personalisierten Inhaltsempfehlungen eingesetzt.
- Transportwesen: Selbstfahrende Autos und vorausschauende Wartung in der Logistik sind KI-gesteuerte Fortschritte.
ESG und KI oder „Wie ESG jetzt und in der Zukunft von künstlicher Intelligenz profitieren kann“
Während die Geschäftswelt das Potenzial von ESG (Umwelt, Soziales und Unternehmensführung) zur Förderung positiver Veränderungen immer mehr erkennt, kann die Integration von KI-Technologie diese Bemühungen noch verstärken. Genau dies haben wir in unseren vorherigen Blogbeiträgen deutlich herausgearbeitet, zum Beispiel bei der Analyse einer aktuellen Studie aus dem Jahr 2023 zum Thema ESG und Compliance.
Datenerfassung
Eine der größten Potentiale und Stärken der KI liegt in ihrer Fähigkeit, die Erfassung von ESG-Daten zu automatisieren und zu rationalisieren. Herkömmliche Methoden zur Erfassung dieser Daten waren arbeitsintensiv und zeitaufwändig. Ein großes und wichtiges Thema für Unternehmen, wie auch in den Zahlen der oben bereits erwähnten Studie aus dem Jahr 2023 zu ersehen ist.
Mit KI können Unternehmen jedoch schnell und effizient sehr große Mengen an Informationen und Daten aus einer Vielzahl von Quellen sammeln und verarbeiten. Diese beschleunigte Datenaggregation spart nicht nur Zeit, sondern gewährleistet auch genauere und vollständigere Erkenntnisse. Hier kann nicht nur deutlich Zeit gespart werden, sondern es werden auch Risiken für das Unternehmen deutlich minimiert.
Einhaltung gesetzlicher Vorschriften
Durch die Überwachung in Realtime kann KI-Unternehmen auf dem Laufenden halten, wenn es um die Einhaltung gesetzlicher Vorschriften geht, und so das Risiko der Nichteinhaltung minimieren. Die Vorhersagefähigkeiten von KI helfen Unternehmen, sich proaktiv auf bekannte künftige gesetzliche Änderungen einzustellen. Eine schnelle Reaktionszeit ist somit deutlich gegeben.
KI kann auch dazu beitragen, die Genauigkeit und Gültigkeit von ESG-Daten sicherzustellen – ein wichtiger Aspekt der Compliance-Berichterstattung. Durch die Identifizierung von Unstimmigkeiten oder Anomalien minimiert KI das Risiko, den Aufsichtsbehörden ungenaue Informationen zu übermitteln. Hier sind alle Mitarbeiter der Compliance-Abteilung im Unternehmen gefragt und die Schulung bzw. ständige und aktuelle Weiterbildung ist unumgänglich für jedes Unternehmen. Ausdrücklich gilt die branchen- und größenübergreifend für alle Unternehmen, egal ob sie national oder international tätig sind.
Überwachung der Reputation
Die Vorteile von KI gehen über ihre Schnelligkeit und Präzision hinaus. Die Fähigkeit der KI, Text zu analysieren, ermöglicht es ihr, Einblicke in die öffentliche Wahrnehmung des Rufs eines Unternehmens zu gewinnen. Dieser Einblick bietet eine nuancierte Sichtweise, die strategische Entscheidungen beeinflussen kann. Weiterhin können schon diese ersten Einblicke deutlich risikominimierend für eine bestehende oder spätere Zusammenarbeit, zum Beispiel bei Partnern der internen Lieferketten, sein.
So kann KI beispielsweise in Echtzeit Nachrichten und Erwähnungen in sozialen Medien verfolgen, die sich auf die Umweltauswirkungen eines Unternehmens, Arbeitspraktiken und Fragen der Unternehmensführung beziehen. Besonders wichtig, dass die KI dies nicht nur national, sondern global überwachen kann. Sie kann diese Informationen verarbeiten, um aufkommende Trends oder Bedenken zu erkennen und proaktive Maßnahmen zu ESG-Themen zu ermöglichen.
Identifizierung von Trends
Mithilfe fortschrittlicher maschineller Lerntechniken können KI-Algorithmen komplexe Muster, Zusammenhänge und Korrelationen zwischen verschiedenen ESG-bezogenen Variablen erkennen, die für menschliche Beobachter möglicherweise nicht sofort ersichtlich sind. Diese Muster geben Aufschluss darüber, wie verschiedene ESG-Faktoren miteinander interagieren und sich gegenseitig beeinflussen, so dass Unternehmen das komplexe Geflecht oder Zusammenhänge von Nachhaltigkeitsthemen besser verstehen können.
Ein Bereich, in dem die KI-gestützte Trenderkennung einen erheblichen Einfluss hat, ist die Überwachung der Lieferkette. KI kann eine Vielzahl von Quellen durchforsten, z. B. Leistungsberichte von Lieferanten, Daten zur Einhaltung von Vorschriften und Nachrichtenartikel, um potenzielle Risiken und Verstöße in Lieferketten zu erkennen.
Herausforderungen beim Einsatz von KI für ESG
Obwohl die KI-Technologie erhebliche Vorteile bei der Neugestaltung von ESG-Praktiken bietet, gibt es einige bedeutende Herausforderungen, die berücksichtigt werden müssen.
Datenschutz
Datenschutzbedenken ergeben sich aus den großen Mengen an sensiblen Informationen, auf die KI-Algorithmen zugreifen können. ESG-Daten enthalten oft persönliche und vertrauliche Informationen über Mitarbeiter, Stakeholder und Organisationen oder Gemeinschaften. Es muss im Unternehmen sichergestellt werden, dass bei der Datenerfassung und -nutzung strenge Datenschutzbestimmungen eingehalten werden, um Verstöße im Hinblick auf Datenmissbrauch zu verhindern, die die Rechte des Einzelnen beeinträchtigen und das Vertrauen untergraben oder gefährden könnten.
Ökologische Herausforderungen
Obwohl die KI vielversprechend für die Optimierung zahlreicher Prozesse ist, hat ihr schnelles Wachstum Bedenken hinsichtlich ihrer negativen Auswirkungen auf die Umwelt aufgeworfen. Ein Hauptproblem ist der erhebliche Energieverbrauch, der mit dem Training und dem Betrieb komplexer KI-Modelle verbunden ist. Die für Deep-Learning-Algorithmen erforderlichen Berechnungen können erhebliche Mengen an Strom verbrauchen, was zu einem Anstieg der Kohlenstoffemissionen beiträgt und die durch den Energieverbrauch bedingten Umweltprobleme noch verschärft.
Der übermäßige Wasserverbrauch ist ein weiteres wichtiges Umweltproblem im Zusammenhang mit dem Wachstum der KI-Technologien. Die massiven Rechenanforderungen von KI-Systemen, insbesondere von Deep-Learning-Modellen, erfordern umfangreiche Kühlmechanismen, um eine Überhitzung der Hardware zu verhindern. Für die Kühlung von Rechenzentren und Hochleistungsrechenanlagen werden große Mengen an Wasser benötigt, was häufig zu einem erhöhten Wasserverbrauch in den Regionen führt, in denen sich diese Anlagen befinden.
Abwägen von Risiko und Vorteil bei KI und ESG
Es steht außer Frage, dass die künstliche Intelligenz jetzt und in den nächsten Jahren und Jahrzehnten den Bereich ESG im Hinblick auf Sustainability und Compliance deutlich beeinflussen und prägen wird. Ausdrücklich gilt dies größen- und branchenübergreifend im Hinblick auf alle Unternehmen.
Transparenz und ethische KI-Praktiken sind daher unerlässlich, um die mit KI verbundenen Risiken zu mindern. Transparente KI-Algorithmen ermöglichen es den Stakeholdern nachzuvollziehen, wie Entscheidungen getroffen werden, und gewährleisten die Rechenschaftspflicht. Die Umsetzung ethischer KI-Praktiken umfasst nicht nur den Datenschutz und die Vermeidung von Verzerrungen, sondern auch eine klare Kommunikation des Zwecks und der Auswirkungen von KI-gestützten ESG-Erkenntnissen.
Bei der Integration von KI in ESG-Praktiken muss ein Gleichgewicht zwischen der Nutzung des Potenzials von KI zur Verbesserung der Nachhaltigkeit und der Berücksichtigung von Bedenken im Zusammenhang mit den ökologischen, sozialen und Governance-Themen, die ESG verfolgt, gefunden werden, um den Nutzen zu maximieren.
Certified ESG Compliance Officer – Jetzt mit der Weiterbildung starten!
Nutzen Sie daher jetzt unsere aktuelle Weiterbildung im ESG-Bereich! Positionieren Sie sich jetzt im ESG-Umfeld und sichern Sie sich ihre berufliche Zukunft oder den nachhaltigen Erfolg ihres Unternehmens. Alle Informationen zum ESG Compliance Officer finden Sie hier: Fernstudium Certified ESG Compliance Officer
Quelle:
Was ist künstliche Intelligenz (AI)? / I B M 2024
