Zur Ausgabe
Artikel 6 / 16
Vorheriger Artikel
Nächster Artikel

Jedes Jahr wird sich die Zahl der Expertensysteme verdoppeln Künstliche Intelligenz - der neue Jobkiller?

Längst können Computer nicht nur Daten speichern und verarbeiten, sondern auch Wissen. Deshalb ist absehbar, wann die wissensverarbeitenden Systeme in den Strudel öffentlicher Diskussionen geraten. Wie bei den zurückliegenden Kontroversen um den "Computer als Jobkiller" besteht die Gefahr, daß aus Unwissenheit, Vorurteil und Angst die Einsatzmöglichkeiten und Grenzen der neuen Technologie mißverstanden werden. Daher gilt es, rechtzeitig dafür zu sorgen, daß weder eine einseitig anthroposophische noch eine überzogen technikfetischistische Argumentation die Oberhand gewinnt. Vielmehr sollten konkrete Besorgnisse vor Experten systemen überwunden und Wege gewiesen werden, wie Menschen und Technik sich in die Arbeit zum Nutzen der Menschen teilen können. Die Autoren möchten einen Beitrag zum besseren Verständnis dieses Produkts der künstlichen Intelligenz leisten.
aus Harvard Business manager 4/1989

PROF. DR. UDO MÜLLER lehrt Ordnungs- und Prozeßpolitik am Institut für Volkswirtschaftslehre der Universität Hannover. ANDREAS PRÜFER ist bei der Continental AG, Hannover, mit Marketing im Bereich der Technischen Produkte befaßt.

Bei der Internationalisierung von Unternehmen und Märkten fallen in großen Mengen Übersetzungsaufgaben an. Gut ausgebildete Übersetzer werden benötigt, um der Papierflut Herr zu werden. Siemens zum Beispiel fragte sich, ob da nicht auch ein Übersetzungsprogramm Hilfe leisten könnte und begann mit dessen Entwicklung. Mitte 1988 wurde dann das Expertensystem "Metal" vorgestellt, das imstande ist, Rohübersetzungen zu liefern und damit etwa 40 Prozent Kosten einzusparen. Schon an diesem Beispiel wird deutlich, welche großen Rationalisierungs- und Marktchancen sich den Unternehmen in den kommenden Jahren zunehmend eröffnen, wenn neue Technologien aus dem Bereich der künstlichen Intelligenz Einzug in Wirtschaft und Verwaltung halten. Markteinschätzungen gehen davon aus, daß sich die Anzahl der in der Bundesrepublik eingesetzten wissensverarbeitenden Systeme (Expertensysteme) von den Ende 1987 bekannten 25 jährlich mehr als verdoppeln wird. Schon heute sehen wir diese Systeme zum Beispiel in der Medizin, in der Bilanzanalyse oder zur Angebotserstellung eingesetzt; die Fehlersuche in Getrieben und Motoren ist ein weiteres aktuelles Arbeitsgebiet. Dabei wird nur ein Bruchteil der bereits funktionsfähigen und eingesetzten Expertensysteme überhaupt bekannt, da die Unternehmen die neue Technik wettbewerblich einsetzen und sich hüten, diesen Vorteil lauthals zu verkünden. Expertensysteme besitzen das Wissen von menschlichen Experten und können dieses Wissen auch anwenden und erweitern. Einer ziemlich provokativen, aber zunehmend akzeptierten Einschätzung zufolge dürfte wohl dieser Vergleich zutreffen. "Die Chancen künstlicher Intelligenz sind größer als die der natürlichen Intelligenz, weil biologische Optimierungsprozesse langsam sind, weil natürliche Intelligenz kurzlebig ist und weil evolutionär Gewachsenes nicht radikal änderbar ist" (von Ditfurth 1988, Seite 13). Um so wichtiger also, die Angst vor Expertensystemen abzulegen.

Wie arbeiten Expertensysteme?

Wissensverarbeitende Systeme sind Computerprogramme, deren Kernstück aus einer Wissensbank und einem Inferenzmechanismus für dieses Wissen besteht. Das Wissen ist unter anderem in Form von Regeln abgespeichert. Diese Regeln miteinander zu verknüpfen, von einer Regel auf die nächste zu schließen, wird Inferenz genannt. Aus den Inhalten der Wissensbank unter sich ändernden Rahmenbedingungen auf neues Wissen zu schließen, ist Aufgabe von Expertensystemen (siehe Abbildung 1). Bei eingesetzten Expertensystemen wurde sogleich an Benutzerfreundlichkeit gedacht. Das zeigt sich an der Erklärungskomponente, den Benutzer- und Entwicklerschnittstellen und an der Wissenserwerbskomponente, die dazu dient, das Wissen des Systems im Zeitablauf zu erneuern und zu erweitern. Die Erklärungskomponente sorgt dafür, daß der Benutzer des Expertensystems die Inferenzwege, wenn nötig, nachvollziehen kann und daher das produzierte neue Wissen prüfbar und reproduzierbar wird. Die Schnittstellen erleichtern die Entwicklung und die Eingabe von Rahmenbedingungen während der täglichen Arbeit. Die Wissenskomponente dient dazu, das Systemwissen im Zeitablauf zu erneuern und zu erweitern. Bei der Implementation eines solchen Expertensystems findet ein Translokationsprozeß statt: Der Experte teilt sein Wissen einem Knowledge Engineer mit. Dieser faßt es in Regeln und überträgt das derart formalisierte Wissen in das System. Diese Übertragung ist freilich problembehaftet und begründet auf entscheidende Weise menschliche Angst. Dabei beginnen diese Translokationsprobleme schon bei der Motivation des Experten, setzen sich in Zeitschwierigkeiten fort und reichen bis zu prinzipiellen Unmöglichkeiten (siehe dazu im einzelnen Müller/Prüfer 1988). Die ganz konkrete Angst des einzelnen Experten vor dem Translokationsvorgang spitzt sich in der Frage zu: Was passiert mit mir, wenn ich mein Sachwissen einem Computer mitgeteilt habe, der es dann ohne mein weiteres Zutun anwenden kann? Während den Betroffenen im Falle der Ersetzung manueller Arbeit durch Maschinen durch Umschulung geholfen werden konnte, scheint ein Gleiches bei Wissensexperten im ersten Augenblick aussichtslos zu sein. Muß ein Experte, der sein Wissen einem Computer überträgt, nicht in der Tat befürchten, von diesem völlig ersetzt zu werden? Nein, eine solche Angst ist unberechtigt, denn wie jeder Mensch verfügt auch er über weite Bereiche verborgenen Wissens - Tacit Knowledge - , das sich aufgrund naturgegebener Barrieren selbst bei allergrößtem Bemühen nicht translozieren läßt und ihm daher vorbehalten bleibt. Als Reservate menschlicher Überlegenheit müssen sie allerdings genau ausgelotet und sorgfältig gepflegt werden. Um zunächst den weiten Umfang dieses verborgenen Wissens begrifflich zu fassen, unterscheiden wir nach dem Grad der Fähigkeit zur Wissensverbalisierung zwischen verschiedenen Wissensstufen oder -kreisen (siehe Abbildung 2).

Wissenskreise

Der Knowledge Engineer (KE), befaßt mit der Übertragung des Wissens von einem Fachmann in ein Expertensystem, hat es am einfachsten, wenn der menschliche Experte sein Wissen gleich in geeigneter, verwendbarer Form präsentiert, etwa in Gestalt der Regeln, mit denen das System arbeitet. Wissen, das ein menschlicher Experte gleichsam heraussprudelnd von sich gibt, das quasi jederzeit abrufbar ist, nennen wir manifestes Wissen. Heikler wird der Translokationsprozeß, falls der Experte sein Wissen nur in einer ihm selbst geläufigen Form abzugeben vermag, denn dann obliegt es dem KE, dieses Wissen in eine dem Computer angemessene Form zu übersetzen. Kommt es im fortschreitenden Prozeß der Translozierung zu weiteren Schwierigkeiten und ist der KE gar gezwungen, mit Tricks, raffinierten Fragen oder Beispielen der Wissensmitteilung nachzuhelfen, so bewegt sich der menschliche Experte zwar immer noch in den Bahnen seines Wissens, doch dieses ist nunmehr nicht einfach manifest, sondern wird durch den KE erst aktiviert. Mit zunehmender Tiefe werden jedoch die Bereiche aktivierbaren Wissens verlassen und jene Zonen erreicht, wo das beim Experten vorhandene Wissen selbst mittels der ausgeklügeisten Tricks nicht weiterhin durch den KE aktiviert, das heißt nicht mehr verbal mitteilbar gemacht werden kann. Menschen besitzen eben Wissen, das sie zwar nutzen, aber weder formulieren noch an einen KE weitergeben können. Diese menschenspezifische "Sicherheitsreserve", diese natürliche Mitteilungsgrenze wird im folgenden verdeutlicht. Das Wissen jenseits dieser Grenze der Mitteilbarkeit stufen wir als latent gegeben, aber nicht aktivierbar ein. Hinweise auf das Vorhandensein solchen Wissens gibt es viele. Das folgende, nachfühlbare Beispiel macht das evident: Werden Fahrradfahrer zu den Regeln befragt, nach denen sie radfahren, zu den notwendigen Bewegungen, um ohne umzukippen geradeaus voranzukommen, so sind die meisten außerstande, ihr Wissen darüber mitzuteilen. Daß aber Kenntnisse vorhanden sind, beweist deren Nutzung: Jeder Fahrradfahrer wird gewissermaßen "bei der Wissensanwendung auf frischer Tat ertappt". Dem Radfahrer, der sich mit den Gesetzmäßigkeiten seines Tuns noch nicht bewußt auseinandergesetzt hat, wird es jedoch unmöglich sein, einem KE die Regeln mitzuteilen, nach denen er radelt. "Ich habe Physiker, Techniker und Fahrradhersteller befragt und bin zu dem Ergebnis gekommen, daß das Prinzip, nach dem ein Radfahrer handelt, um die Balance zu halten, nicht allgemein bekannt ist. Die vom Radfahrer befolgte Regel sieht folgendermaßen aus: Wenn er droht, nach rechts zu fallen, lenkt er nach rechts, so daß das Fahrrad einen Schlenker nach rechts beschreibt. Dies bewirkt, daß die Zentrifugalkraft den Radfahrer nach links drückt und daß die Einwirkung der Schwerkraft, die ihn nach rechts zog, aufgehoben wird. Dieses Manöver wirft den Fahrer sofort nach links aus dem Gleichgewicht, dem er entgegenwirkt, indem er den Lenker nach links bewegt. Und so hält er sich im Gleichgewicht, indem er ununterbrochen entsprechende Kurven beschreibt. Eine einfache Rechnung ergibt, daß für einen bestimmten Neigungswinkel des Gefährts die Krümmung jeder Kurve umgekehrt proportional zum Quadrat der Geschwindigkeit ist, mit der sich der Radfahrer vorwärtsbewegt. Aber sagt uns dies genau, wie man radfährt? Nein. Man kann nicht bewußt die Krümmungen des Weges, den das Rad beschreibt, dem Verhältnis des Kippwinkels zum Quadrat der Geschwindigkeit anpassen, und selbst wenn man es könnte, würde man trotzdem vom Rad fallen, denn es gibt eine Vielzahl anderer Faktoren, die man in der Praxis beachten muß und die in der Formulierung dieser Regel nicht enthalten sind" (Michael Polanyi, hier zitiert nach Dreyfus 1985, Seite 347).

Barrieren der Wissensübertragung

Implizit enthält Polanyis Fahrradfahrer-Beispiel bereits die drei naturgesetzlichen Grenzen der Translokation von Wissen, die im folgenden näher behandelt werden sollen: Der normale Fahrradfahrer (erst recht der Kunstradfahrer) kann nur einen Teil seiner Kenntnisse in Worte fassen (großhirnpraktische Barriere). Des weiteren verändern Versuche der Wissenserkundung eben dieses Wissen (quantentheoretische Barriere). Und schließlich ist dieses Wissen zeitlich veränderlich und wurde in einem langen evolutionären Prozeß erworben (evolutionsbedingte Barriere). Eine hochinteressante Frage bleibe ganz dem Leser zur Beantwortung überlassen: Wie tadellos würde ein per Fahrrad mobiler Zeitgenosse wohl radfahren, der sich anschickte, die Gesetzmäßigkeiten theoretisch zu erlernen und diese dann praktisch anzuwenden?

Das Ganze - mehr als zwei Hälften

Wenden wir uns zuerst der Barriere zu, die mit dem Großhirn des Menschen zusammenhängt. Dieses Organ besteht aus zwei Hälften (Hemisphären), die sowohl anatomisch und physiologisch ("Hardware") als auch funktionell ("Software") erhebliche Unterschiede aufweisen. "Die linke Großhirnhälfte scheint auf verbale, klassifikatorische, analytische und sequenzielle Prozesse spezialisiert zu sein. Sie ist Experte auf den Gebieten der Detail- und zeitlichen Analyse sowie beim Wahrnehmen verbaler Ähnlichkeiten. Sie kann als arithmetisch, ja in gewisser Hinsicht als computerähnlich beschrieben werden. Die rechte, nahezu ,sprachiose' Hemisphäre ist auf holistische, musikalische, visuelle, geometrische und räumliche Leistungen/Funktionen spezialisiert" (Claasen 1987, Seite 118). In der Tat haben sich die beiden Hemisphären spezialisiert. Beim gesunden Menschen wirken sie jedoch synergistisch derart zusammen, daß sich daraus eine hohe Flexibilität und eine außergewöhnliche Kapazität zum Problemlösen ergeben. Der Satz, "Das Ganze ist mehr als die Summe seiner Teile" (Heisenberg), gilt auch hier (siehe Abbildung 3). Bei der Spezialisierung fällt auf, daß sich die Hauptsprachzentren in der linken Hemisphäre befinden. Nur sie "besitzt eine vollständige Verbindung mit unserem Bewußtsein" (Riedel 1981, Seite 186), ist also "überdenkbar". Die Vorgänge in dieser Hirnhälfte sind nachvollziehbar. Die Denkabläufe der rechten Hirnhälfte dagegen werden als nicht beschreibbar wahrgenommen. Hier wird das Erkennen von Mustern geleistet, räumliches Verstehen oder auch Musikempfinden. Beim Translokationsprozeß ist jedoch die sprachliche Mitteilung von Wissen derzeit die einzige Möglichkeit zur Wissensübertragung. Jedes Wissen, das nicht verbalisierbar ist, kann somit auch nicht transloziiert werden. In vielen Fällen ist daher Expertenwissen, das in der rechten Großhirnhälfte lokalisiert werden kann, für ein Expertensystem gar nicht aktivierbar. Ein Beispiel sind die derzeit noch erfolglosen Versuche, die Fähigkeit des Menschen zur Mustererkennung in einem Expertensystem zu implementieren. Exzellente Beispiele für die Probleme der Mustererkennung lieferte der einfallsreiche russische Computerwissenschaftler Bongard in seinem Buch "Pattern Recognition" ("Mustererkennung"), dem auch die in Abbildung 4 wiedergegebenen beiden Beispiele (zwei von 100) entstammen (hier entnommen dem Buch von Hofstadter 1985).

Bongard-Probleme stellen Abbildungen dar, an denen man sich die Schwierigkeiten der Musterkennung klar machen kann. Die Fragestellung dabei lautet: Wie unterscheiden sich in Abbildung 4 jeweils die sechs Kästchen der linken Seite von den sechs der rechten Seite? Im Fall 47 ist die Antwort nicht schwer: Links findet sich immer ein kleines Dreieck in einem Kreis, während rechts durchweg ein kleiner Kreis in einem Dreieck erscheint. Aber schauen Sie sich das Bongard-Problem 91 an: Haben Sie die Lösung? Versuchen Sie doch einmal Schritt für Schritt zu schildern, wie Sie daraufgekommen sind, denn das wäre nötig, um einem Expertensystem Ihr Lösungswegwissen mitzuteilen. Und Sie erleben es selbst: Bestimmte Denkprozesse und damit das Problemlösungswissen offenzulegen ist eine ungeheuer schwierige, subtile Aufgabe (siehe Hofstadter 1985) - derzeitige Expertensysteme würden nach einer Lösung vergeblich suchen. Um in den vorliegenden komplexen Fällen Muster erkennen zu können, muß man sich auf bestimmte Aspekte konzentrieren, um die Informationsmenge zu verkleinern. Zwei Vorgehensweisen bieten sich an: Einmal können wir nur einen ganz bestimmten Teil der untersuchten Zeichnung betrachten und alles übrige ausblenden (fokussieren). Zum anderen können wir uns den Inhalt der Kästchen von einem ganz bestimmten Gesichtspunkt aus ansehen und das sonstige unbeachtet lassen (filtern). Beide Verfahren ergänzen sich und sind auf verschiedenen Ebenen anwendbar. Aber nicht nur Wissen, das hauptsächlich durch die rechte Hemisphäre des Großhirns verarbeitet wird, ist oft nicht formulierbar. Auch Wissen, das gleichsam automatisch Anwendung findet, wie zum Beispiel Fahrradfahren, ist im Großhirn vorhanden. Quasi zu einem Stück "Hardware" des Menschen geworden, ist es in seinen neuronalen Verschaltungen mit dem Gehirn fest verbunden. In Konsequenz dieser Tatbestände steht überhaupt nur ein Bruchteil des Expertenwissens für eine Translokation zur Verfügung. Die Fähigkeit der besten menschlichen Experten, innerhalb von wenigen Sekunden die richtige Strategie und Taktik zu erkennen - zu "sehen" -, beruht auf der Anwendung der evolutiv-stammesgeschichtlich erworbenen und durch Praxis und individuelle Erfahrung angeeigneten Musterwahrnehmungen; mit diesen werden die jeweils optimalen Handlungen oft unmittelbar assoziiert. Experten gebieten über sehr umfangreiche Lexika von Mustern - anstelle von zunächst beziehungslosen Daten - mit zugehörigen Schätzen an potentiellen Handlungsweisen. Kennzeichnend für Experten ist manchmal sogar die tiefe Abneigung gegen jede Art von Versuch, ihre Entscheidungsgrundlagen zu verbalisieren: Sie kennen die Lösungen schwieriger Probleme, aber nicht die Begründungen. Jedoch gerade letztere müßten in ein Expertensystem einfließen.

Expertenwissen - durch Abruf verändert

Aber selbst aktivierbares Wissen ist in seiner Übertragbarkeit in ein Expertensystem begrenzt. Pate beim Nachweis dieser quantentheoretischen Barrieren stehen die Überlegungen zur Unschärferelation von Werner Heisenberg. "Unter keinen Umständen kann man einem Quantenteilchen gleichzeitig einen scharf bestimmten Impuls und einen scharf bestimmten Ort zuordnen" (Messiah 1976, Seite 124). Die Absicht, Impuls und Ort eines Teilchens gleichzeitig beliebig genau zu bestimmen, scheitert nicht etwa an mangelnder Genauigkeit der Meßapparatur, sondern an der Aktivität des Meßinstruments, das den Zustand des Systems verändert.

Der Einfluß des Meßinstruments auf das Objekt kann "nicht beliebig reduziert werden, denn die Wechselwirkung erfolgt über diskrete Quanten" (Messiah 1976, ebenda). Jede Messung von Daten eines Systems beeinflußt dieses System und verändert es dadurch. Bei realen Translokationsprozessen werden auch Elemente des Systems "Gehirn" betrachtet; der menschliche Experte fertigt sich ein Modell seines vorausgegangenen Wissens- und Erkenntnisprozesses. Diese Modellbildung stellt eine großhirnpraktische Rückkopplung dar, die eben das Expertenwissen des Menschen selbst verändert. Hirnforschungen, biologische und physikalische Forschungen erbrachten Anhaltspunkte für weitere Grenzen der Wissensübertragung. So wird durch den Aktivierungsprozeß, also durch den Wissensabruf des KE, das Wissen des Experten beeinflußt. Der Experte beginnt sich zu fragen, wie er zu seinem Wissen gekommen ist und wie er diesen Prozeß der Erkenntnisgewinnung dem KE mitteilen kann. Wissen unterliegt Veränderungen, zumal wenn es aufgrund jener eindrucksvollen Gabe des Menschen, der Intuition, erworben wurde und wenn es anschließend in Sprachform übermittelt werden soll. Das Verlangen nach Verbalisierung kann das vorhandene Wissen strukturieren und damit verbessern helfen; Gedanken und Erkenntnisschritte werden so bewußt noch einmal (nach)vollzogen und damit klarer erkennbar. Die versuchte Aktivierung kann jedoch auch das Gegenteil bewirken. Eine vorher zwar nicht beschreib-, aber nutzbare Gedankenfolge wird derart in Einzelschritte zerlegt, daß sich keine allgemeine Regel mehr aufstellen läßt und Zweifel am Expertenwissen aufkeimen. Das Wissen wirkt dann destrukturiert und verschnitten. Das Zwanghafte an der Verbalisierung von Gedankenabfolgen ist für einen außenstehenden Beobachter meist unverkennbar. Werner Heisenberg stand genau dieser Eindruck vor Augen, als er das wissenschaftliche Vorgehen des großen dänischen Physikers Niels Bohr so beschrieb: "Es war unmittelbar zu spüren, daß Bohr seine Resultate nicht durch Berechnungen und Beweise, sondern durch Einfühlen und Erraten gewonnen hatte und daß es ihm jetzt schwerfiel, sie vor der hohen Schule der Mathematik in Göttingen zu verteidigen" (Heisenberg 1969, Seite 59).

Menschliches Denken - immer in Front

Schließlich liefert auch die Evolutionstheorie Hinweise darauf, daß die Verbalisierung von realen Gedankenvorgängen im menschlichen Gehirn des öfteren unmöglich ist. Durch evolutionäre Prozesse werden Wissensund Denkvorgänge variiert. Am Beispiel der Muskulatur für Kehlkopf und Mund, die sich als Voraussetzung für die Sprachfähigkeit des Menschen entwicklungsgeschichtlich veränderte, erfahren wir über die Beziehung zwischen Gehirn und Evolution: "Man kann in der Tat die Frage stellen, ob der ,Evolutionsdruck' für diese in der Evolution jüngeren funktionellen Neuerwerbungen vom Gehirn her kommt, das sich sozusagen die neuen Instrumente am Körper schafft, oder ob umgekehrt die neuen Werkzeugverfeinerungen vermehrt Hirnsubstanz für ihre Repräsentation fordern und damit dem Gehirn insgesamt neue Aktionsmöglichkeiten bieten. Die Frage ist nicht zu beantworten, ebensowenig wie die Frage nach dem Sinn der Evolution derartiger neuer Instrumentarien wissenschaftlich beantwortbar

ist. Denn Überleben als solches, also das Darwinsche Evolutionskriterium, ist nicht auf diese zusätzlichen Instrumente angewiesen, auch nicht ,besseres' Überleben. Die Antwort auf die Frage nach diesen neuerworbenen Instrumenten hängt mit der Frage nach dem Ziel der Evolution zusammen, also einem ideologischen Wertesystem" (Creutzfeldt 1983, Seite 419). Eine evolutionsbedingte Veränderung von Gehirnstrukturen und dadurch von Wissen, existiert selbstverständlich vor Bemühungen, dieses Wissen zu verbalisieren. Beim Translokationsvorgang soll, allgemein formuliert, das Gehirn über sich selbst Auskunft geben, nicht nur seine Denkergebnisse präsentieren, sondern auch noch seine Wege und Strukturen offenlegen. Daß ein System damit überfordert ist, wies der Mathematiker Kurt Gödel nach. Die allgemein gesicherte, systemtheoretische Erkenntnis, daß Systeme nur eingeschränkt sich selbst zu verstehen vermögen, besagt hier speziell, daß sich Denkprozesse mit Hilfe des menschlichen Denkapparates nur unvollständig beschreiben lassen. Paradoxerweise begründet gerade diese naturgegebene Unmöglichkeit, durch Denkanstrengungen sämtliche physiologischen und funktionalen Vorgänge menschlichen Denkens zu enträtseln, die Überlegenheit menschlichen Denkens. Denn zufolge dieser evolutionstheoretischen Barriere ist es zugleich prinzipiell und für immer ausgeschlossen, das menschliche Gehirn im Rahmen der künstlichen Intelligenz in jeder Hinsicht identisch nachzubauen. Menschliches Denken wird auf diesem Wege immer den Fähigkeiten der künstlichen Intelligenz voraus sein. Die Großhirnforschung mag zwar mit ihren Erkenntnissen mehr und mehr in die menschlichen Denkvorgänge eindringen, weite Bereiche des Tacit Knowledge werden jedoch unbeschreibbar bleiben. Verschiedenste Hinweise, daß es latentes, nicht aktivierbares Wissen gibt, führen zu der These, daß Expertensysteme den menschlichen Wissensstand nicht erreichen können - zumindest nicht auf den gleichen Wegen, die der Mensch in seiner Entwicklung beschreitet. (Hinweise auf andere Evolutionswege gibt Ditfurth, die aber den Translokationsprozeß nicht als einzigen Mechanismus zur Wissenserweiterung für Expertensysteme vorsehen.) Notwendig wäre indes die Angabe eines Zeitpunkts, zu dem das menschliche Wissen dem Wissen der Expertensysteme gleicht. In Bezug auf derzeitige Translokationsprozesse kann das wegen des Tacit Knowledge nicht geschehen. Daher bringt es auch nichts, die menschliche Wissensabgabe bewußt zu blockieren, sofern das Wissen im Expertensystem nur für den Menschen vorteilhaft angewendet werden kann. Nutzbringend können Expertensysteme eingesetzt werden, wenn sie beispielsweise den Menschen als Produktivkraft dienen, um ihm neue Erkenntnisse zu verschaffen. Diese Sichtweise einer wechselseitigen Ergänzung von Mensch und Expertensystem mag - so glauben wir - in einer selbstbewußten Kooperationsstrategie kumulieren.

Selbstbewußt mit KI kooperieren

Diese Strategie, mit Expertensystemen oder allgemeiner mit künstlicher Intelligenz (KI) umzugehen, mag eine Analogie verdeutlichen: Heute wird wohl niemand ernsthaft auf die Idee kommen, zwei diffizile Zahlen im Kopf zu multiplizieren, nur um nicht einen Taschenrechner zu benutzen- oder? Ein Taschenrechner ist mit seinem gespeicherten Regelwissen ein Expertensystem auf sehr niedrigem Niveau. Beim Einsatz der weit größeren, komplexeren Expertensysteme von heute handelt es sich aber auch nur um die Anwendung von Regelwissen - mit einem Unterschied: Die Verbindungen der Regeln sind recht kompliziert. Daß der Mensch nicht nur nach verbalisierbaren Regeln handelt, daß es Bereiche von Tacit Knowledge gibt, hat Konsequenzen für die Einstellung des Menschen zu dieser Technologie: Weil Expertensysteme nicht das gesamte Regelwissen des Menschen durch den Translokationsprozeß übertragen erhalten können, bleiben für den Menschen genügend Betätigungsfelder übrig. Einen Schwerpunkt beim Einsatz von Expertensystemen bilden Routinetätigkeiten, einen anderen Inferenzprozesse, bei denen an sich nur wenige 100 Regeln beteiligt, die jedoch in sich hochkomplex verwoben sind. Genauso wie der Mensch zu einer schriftlichen Multiplikation mehr Zeit als ein Taschenrechner benötigt, um das Ergebnis vorweisen zu können, wäre er mit einiger Anstrengung auch imstande, diese in sich verschachtelten Regeln anzuwenden und die Lösung zu finden. Im Sinne von Arbeitsteilung ist jedoch einsichtig zu machen, daß dem Computer zwar komplexe, aber aus Sicht des Menschen routinemäßig ablaufende Inferenzprozesse übertragen werden sollten. So lassen sich Expertensysteme nutzen und transloziierte Regeln anwenden. Die Menschen gewinnen darüber Zeit für Denkarbeit auf höheren Ebenen, für kreative Prozesse des Nachdenkens, während sie von ihren gewohnten Denkvorgängen vieles an Expertensysteme delegieren und gleichwohl in der Lage bleiben, bei deren Ausfall ihre Funktionen zu übernehmen (Schriftliches Multiplizieren wird auch heute noch an den Schulen gelehrt.) Die Ergebnisse der Inferenzprozesse von Expertensystemen können Menschen weiterverarbeiten. Sind ihnen die Resultate bereits bekannt, so dienen die Systeme eben ihrer Überprüfung. Obendrein vermögen sie auch für den Menschen neues Wissen zu produzieren. Als Beispiel dafür seien Untersuchungen von Expertensystemen zum Schachspiel angeführt. Produkte dieser Linie liefern erschöpfende Analysen bestimmter Endspieltypen, etwa des Typs König, Dame und Bauer gegen König und Dame - mit insgesamt 335.500.000 möglichen Stellungen, die ein perfekt gespieltes Endspiel ergeben. Heraus kam auch der Nachweis von Fehlern in der Schachliteratur, was eine Revision größerer Teile der gängigen Theorie erforderlich macht (siehe Friedl 1988, Seite 28ff.). Solch neues Wissen braucht nicht zu Minderwertigkeitskomplexen auf Seiten der Fachleute zu führen, wenngleich Fehlernachweise von Meistern ihres Fachs nicht immer gleich akzeptiert werden. Die Überlegenheit von Schachprogrammen für bestimmte Endspiele widerspricht keineswegs unserer obigen Feststellung, menschliche Experten seien in ungeordneten und komplexen Situationen kreativ überlegen. Schließlich werden für solche Endspiele speziell geschriebene Programme benutzt, die für die jeweils sehr eng abgegrenzte Spielsituation eine vollständige Berechnung aller möglichen Zugvarianten vornehmen (brute force method), um danach ohne weiteres Überlegen fehlerfrei spielen zu können. Ohne den Menschen, der das Problem und die Regeln gestellt hat, käme das Expertensystem zu keiner Lösung. Die künstliche Intelligenz ist aber in der Lage, die menschliche Intelligenz zu unterstützen. Es kommt vor allem darauf an, daß der Mensch diese Hilfe bei der Lösung komplexer Probleme annimmt. Eine weitere Chance bietet die KI der heutigen Form: Die menschliche Stärke gegenüber dem Computer stützt sich auf die rechte Hemisphäre des menschlichen Gehirns. Kreativität, Empfinden und Erleben des Menschen werden auch zukünftig als eigenständige Entscheidungsfaktoren in Wissenschaft und Wirtschaft gegenüber seinen logisch, analytischen Fähigkeiten eine große Rolle spielen. Dagegen wird er die deduktiven Fähigkeiten mehr und mehr seinen Computeranlagen abverlangen können. Ein "tief verwurzeltes gegenseitiges Mißtrauen" (Riedl) zwischen Künstlern und Denkern, zwischen Begabungen der rechten und linken Hemisphäre ist oft erkennbar. Der große Physiologe Pawlow formulierte die Unterschiede im Denken beider Gruppen einst so: "Die Künstler begreifen die Wirklichkeit in ihrer Ganzheit, als lebendes, unteilbares Wesen. Die Denker sezieren die Realität und zerteilen sie bis in ihre Einzelheiten" (zitiert bei Riedl 1981, Seite 1988). Wenn Computer Aufgabenbereiche der "Denker" übernehmen, so sollte der Drill in Schulen, Universitäten und Wirtschaft, mit dem die linkshemisphärischen Begabungen gefordert werden, durch Toleranz gegenüber den Talenten der rechten Großhirnhälfte immer weiter ersetzt werden. "Viele Menschen, die wir als ,unintelligent' oder 'zurückgeblieben' einstufen, verfügen vielleicht über eine andere Art von Intelligenz und könnten der Gesellschaft wertvolle Dienste leisten"; vielleicht haben wir deshalb heutzutage Schwierigkeiten, diese Intelligenz anzuerkennen, weil "wir keine Standardmethode zur Beurteilung des nichtsprachlichen Intelligenzanteils haben" (Ornstein/Thompson 1986, Seite 171). Übernehmen immer stärker Computer den sprachlichen Intelligenzanteil des Menschen, dann bekommen die nichtsprachlichen Anteile die Chance, als wichtiger, (noch) nicht kopierbarer Bestandteil der menschlichen Intelligenz und als zukunftsgestaltende Intelligenz gewürdigt zu werden. In Kooperation mit dem "linkslastigen Denker" Expertensystem lassen sich bisher brachliegende rechtshemisphärische Leistungen des Menschen nutzen. Vielleicht können wir dadurch die hochkomplexen und vernetzten Probleme unserer Welt einfacher und schneller lösen, als durch Warten auf den Supercomputer, der das für uns übernimmt.

Literatur

Floyd E. Bloom, Arlyne Lazerson und Laura Hofstadter: Brain, Mind and Behaviour, New York 1985. Michail Bongard: Pattern Recognition, New York 1970. Utz Claassen: Was Führungskräfte aus der Hirnforschung lernen können, in: HARVARDmanager 4/1987, Seite 118-121. Otto Detlev Creutzfeldt: Cortex Cerebri. Leistung, strukturelle und funktionelle Organisation der Hirnrinde, Berlin 1983. Max Delbrück: Wahrheit und Wirklichkeit: Über die Evolution des Erkennens, Hamburg 1986. Hoimar von Ditfurth: Ein Vergleich der Entwicklungschancen natürlicher und künstlicher Intelligenz, in: dialog, Magazin der Nixdorf Computer AG, 1/88. Hubert L. Dreyfus: Die Grenzen künstlicher Intelligenz. Was Computer nicht können, Königstein/Ts. 1985. Frederic Friedl: Das perfekte Endspiel - auf Atari, in: Computer, Schach und Spiele, 2/1988, Seite 28-31. Werner Heisenberg: Der Teil und das Ganze. Gespräche im Umkreis der Atomphysik, München 1969. Douglas R. Hofstadter: Gödel, Escher, Bach - ein endloses geflochtenes Band, Stuttgart 1985. Hermann Krallmann: Expertensysteme im praktischen Einsatz. Leistungen, Probleme, Perspektiven, Berlin 1987. Albert Messiah: Quantenmechanik, Bd. 1, Berlin 1976. Udo Müller, Andreas Prüfer: Zur Translokationsproblematik betriebsinternen Wissens. Die Funktion von Expertensystemen unter besonderer Berücksichtigung der Probleme der Translokation betriebsinternen menschlichen Expertenwissens in wissensbasierte Systeme, Universität Hannover, Fachbereich Wirtschaftswissenschaften, Diskussionspapier Nr. 118, April 1988. Robert Ornstein, Richard F. Thompson: Unser Gehirn: das lebendige Labyrinth, Reinbek bei Hamburg 1986. Michael Polanyi: Implizites Wissen, Frankfurt/Main 1985. Michael Polanyi: Personal Knowledge, London o. J. Rupert Riedel: Biologie der Erkenntnis. Die stammesgeschichtlichen Grundlagen der Vernunft, Berlin/Hamburg 1981. Gerhard Vollmer: Evolutionäre Erkenntnistheorie, Bamberg 1974. Ohne Verfasserangabe: Reifeprüfung. Die Künstliche Intelligenz, seit Jahrzehnten Traumziel von Computerspezialisten, bringt erste Gewinne. In den USA wächst bereits ein neuer Wirtschaftszweig, in: highTech 7/88, Seite 39-44.

Udo Müller, Andreas Prüfer
Zur Ausgabe
Artikel 6 / 16
Vorheriger Artikel
Nächster Artikel