Im Qualitätsmanagement von Produktinformationen zwingt die Einführung von künstlicher Intelligenz zu erhöhter Achtsamkeit bei der Interaktion zwischen KI und dem Menschen, damit das Vertrauen bestehen bleibt.
Beim Versuch des Menschen, menschliche Intelligenz zu reproduzieren, hat er mit den ersten KI-Projekten festgestellt, dass die Maschine, wie der Mensch, Fehler begeht. Die aus der Mode gekommene KI erscheint seit einigen Jahren wieder an der Oberfläche, weil der Mensch der Maschine wieder mehr Vertrauen schenkt. Im Qualitätsmanagement von Produktinformationen zwingt die Einführung von künstlicher Intelligenz zu erhöhter Achtsamkeit bei der Interaktion zwischen KI und dem Menschen, damit das Vertrauen bestehen bleibt.
#Wiederaufleben der KI
Künstliche Intelligenz ist nichts Neues. Der Ursprung dieser wissenschaftlichen Disziplin reicht bis in die 50er Jahre zurück, angefangen mit den Arbeiten von Alan Turing bis ins goldene Zeitalter in den 60er und 70er Jahren. Darauf folgte eine lange Ruhephase. KI war eine ehemalige Größe, die von keinem Interesse mehr war. Ich habe das Ende des KI-Lernkurse zu Beginn des neuen Jahrtausends während meines Ingenieurstudiums persönlich miterlebt. Unsere zukünftigen Arbeitgeber waren nicht mehr an dem Thema interessiert. Die KI wurde nach meinem Abschluss 2003 aus dem Lernprogramm entfernt.
Warum lebt künstliche Intelligenz seit einigen Jahren als unumgängliche Technologie für unsere Zukunft wieder auf?
Viele sagen, dass die Rechenleistung, eine Technologie, die heute für eine große Mehrheit verfügbar und zugänglich ist, die Umsetzung von KI-Projekten (endlich) ermöglicht. Das ist ein wichtiger Aspekt, es gibt weitere Faktoren, die das Comeback der KI erklären.
#Das Vertrauen ist wieder zurück.
Das Vertrauen, das der Mensch der „Maschine“ gewährt, ist ein wesentlicher Faktor im Bereich der KI und die Grundlage, auf der jedes KI-Projekt basieren sollte.
#Das „MYCIN“-Projekt
Dieses in den 70er Jahren an der Universität von Stanford entwickelte Expertensystem war in der Lage, medizinische Diagnosen von Patienten auf Grundlage ihrer Symptome und medizinischer Testergebnisse zu erstellen. Analysen wurden realisiert, um die Kapazitäten des MYCIN-Systems zu überprüfen. Das über MYCIN erreichte Vertrauensniveau der Diagnose belief sich auf etwa 65 %
Ein Niveau, das weit über dem der Experten aus dem Bereich liegt (zwischen 42,5 % und 62,5 %). Trotz dieses erhöhten Vertrauensniveaus der Diagnose kam MYCIN nie zum Einsatz. Es wurde als nicht vollständig zuverlässig angesehen und zog zahlreiche rechtliche Probleme bezüglich der Verantwortlichkeit im Fall einer fehlerhaften Diagnose mit sich. Kurzum: der Mensch war nicht bereit, einer Maschine zu vertrauen, die zwar nicht perfekt, aber bereits besser als er war.
#Mensch/Maschine
Das Ziel der künstlichen Intelligenz bestand darin, die menschliche Intelligenz so originalgetreu wie möglich zu reproduzieren. Das Sprichwort „Irren ist menschlich“ verdeutlicht sehr gut, dass wir der Grenzen unserer eigenen Fähigkeiten bewusst sind. Folglich darf KI sich auch „irren“. Sie ist schließlich nur das Spiegelbild des menschlichen Fehlers.
Heutzutage ist die Technologie allgegenwärtig. Sie ist sogar unerlässlich geworden in unserem Alltag, zumindest wird dies so wahrgenommen. Das Vertrauen, das der Mensch Maschinen gewährt, ist stark angestiegen. Die Nutzung von Preisvergleichsportalen und unser Vertrauen in diese Portale bei der Suche nach einem Flugticket, Hotel oder der billigsten Reise sind das beste Beispiel. Der Mensch vermeidet so eine lange und zeitaufwendige Arbeit, auch wenn sie einfach ist. In diesem Fall beruht das Vertrauensniveau für den Menschen auf seiner „Fähigkeit“, alle verfügbaren Angebote zu vergleichen. Eine sehr eingeschränkte Fähigkeit im Vergleich mit der einer Maschine, der er sein Vertrauen schenkt.
Die starke Entwicklung des Internets hat Mensch und Maschine auf natürliche Weise näher gebracht. Eine Maschine, mit der er sich täglich austauscht. So sind in diesem Zusammenhang KI-Projekte wieder aufgetaucht.
#Ein begrenztes Vertrauen
Nehmen wir das Beispiel des autonomen Fahrens, eines der meistverfolgten Themen in der Welt der KI.
Kürzlich geschehene Unfälle der Tesla-Modelle im „Autopilot“-Modus haben die Furcht der Fahrer gestärkt. 2018 hatten 78 % der Amerikaner Angst, in einem autonomen Auto zu fahren. Dennoch zeigen die von Tesla vorgestellten Statistiken, dass ihr Fahrzeug mit einem tödlichen Unfall auf 290 Millionen gefahrene Kilometer im autonomen Modus zuverlässiger ist als alle Fahrzeuge in den USA, die durchschnittlich einen tödlichen Unfall auf 152 Millionen gefahrene Kilometer verzeichnen. Auf internationaler Ebene fällt diese Zahl auf einen tödlichen Unfall auf 97 Millionen gefahrene Kilometer.
Trotz dieser Befürchtungen hat sich die KI in diesem Sektor durchgesetzt. Das autonome Fahrzeug ist Realität. Die Realität von morgen. Der Mensch wird von einer künstlichen Intelligenz geleitet.
#Das Paradox der KI
Das Vertrauen auf KI ist erheblich angestiegen. Wo liegen also die Grenzen? Der Mensch akzeptiert nicht, dass die Maschine an seiner Stelle Fehler macht. Das Paradox ist, dass das Bewusstsein, das der Mensch in Bezug auf seine eigenen Grenzen hat, ihn dazu bringt, Maschinen zu erfinden, die seine Anzahl an Fehlern reduzieren.
#KI und die Qualität der Produktinformationen
Im Bereich des Qualitätsmanagements von Produktinformationen sind in den letzten Jahren IT-Lösungen erschienen (PIM, MDM, DAM...). Sie ermöglichen mithilfe eines einzigen zentralisierten Referenzsystems eine verfeinerte Verwaltung aller Produkteigenschaften (Marketing, Technik, Logistik, Vertrieb...).
Das Hauptziel dieser Systeme ist die Optimierung der Qualität der Produktinformationen.
Ein Bildfehler (Foto des blauen Modells mit Referenz des roten Modells) auf einer Online-Verkaufs-Website bleibt nicht ohne Folgen: negative Kommentare der Käufer, Produktrücksendungen, hohe Bearbeitungskosten. Ein weiterer großer Klassiker ist der Preisfehler, der manchmal sehr schwerwiegende Folgen haben kann.
Um die Qualität, also die Zuverlässigkeit von Produktinformationen zu verbessern und diese Probleme zu vermeiden, scheint der Einsatz von KI in PIM/MDM sinnvoll. Die KI könnte die Bilder der Produkte analysieren und ihre Stimmigkeit mit dem Rest des Produktdatenblatts überprüfen.
Aber wenn KI Fehler macht und diese in das Produktreferenzsystem einfügt, wird sie die Anstrengungen der Teams, die diese zentralisierte Informationsgrundlage erstellt haben, zunichtemachen. Für PIM/MDM kann KI nicht wie ein „Autopilot“ eingesetzt werden, der Daten analysiert, Fehler erkennt und sie korrigiert.
Bei PIM-/MDM-Lösungen muss eine Interaktion zwischen KI und dem Menschen unbedingt stattfinden. Die Kontrolle und Entscheidungsfindung müssen in Menschenhand liegen. Wie die neuen Diagnosewerkzeuge in der Medizin muss KI als Unterstützung für den Menschen betrachtet werden, um seine Leistung zu steigern und nicht als eine autonome Maschine, die den Menschen ersetzt. KI muss mit herkömmlichen Algorithmen verknüpft werden, deren Zuverlässigkeit nicht mehr nachweisbar ist und auf die Benutzer vertrauen. Schließlich muss KI systematisch ihr eigenes Vertrauensniveau einschätzen können. „Schweigen“ ist manchmal mehr wert als Unsinn von sich zu geben.
Der Einsatz von KI in PIM- und MDM-Lösungen erfordert Schnittstellen für den Austausch, die Kontrolle und Validierung, wenn wir vermeiden möchten, dass sie aufgrund von falsch gedeuteten Vertrauensfragen in Verruf gerät.