Zum Inhalt springen
zauberei-blogpost
04 März 2019| doi: 10.5281/zenodo.2585537

Wieviel Zauber steckt hinter deutscher KI-Produktion?

Künstliche Intelligenz (KI) hat das Potential, die Wertschöpfung in allen Branchen nachhaltig zu verändern. Um dieses Potential am Standort Deutschland zu nutzen, ist es essentiell zu verstehen, welche Arten von KI in Deutschland produziert werden und wie diese zur Wertschöpfung beitragen. Der KI-Produktionsprozess von KI ist dabei keine Zauberei, sondern ein unternehmerischer Prozess der von Akteuren, wie beispielsweise Unternehmensgründern, mit einer bestimmten Motivation gestaltet und durchgeführt wird. Jessica Schmeiss und Nicolas Friederici beleuchten in dieser Einführung zum Thema KI das Potential für die deutsche Wirtschaft. Der Beitrag ist der erste Teil der „Demystifying AI in entrepreneurship –What’s behind German AI production?“ Studie, die in 2019 am HIIG veröffentlicht wird.

„Künstliche Intelligenz“ (KI) ist momentan in aller Munde. In allen Bereichen entstehen Initiativen, um Deutschland zu einem führenden KI-Standort zu machen. Die öffentlichen Investitionen steigen und auch die Privatwirtschaft investiert massiv in die Entwicklung und Nutzung von KI-Technologien. Konzerne beginnen interne KI-Fähigkeiten zu entwickeln, Investoren fokussieren sich vermehrt auf KI-Startups und die Anzahl an Neugründungen von KI-Startups in Deutschland steigt stetig (zB in den letzten 3 Jahren um 80%). Auch deutsche Forschungseinrichtungen arbeiten intensiv an der Entwicklung neuer KI-Technologien und sind im internationalen Vergleich führend.

Eine einheitliche Definition von KI fehlt

EntscheidungsträgerInnen in Politik und Wirtschaft stehen unter Druck mögliche Bedrohungen abzuwenden und potentielle Chancen besser zu nutzen, jedoch fehlt weiterhin eine einheitliche Definition von KI. Generell bezeichnet KI die Lösung konkreter Anwendungsprobleme mit Hilfe von mathematischen Modellen, wobei die zugrundeliegenden Algorithmen sich über die Zeit hinweg selbst optimieren können. So können diese Systeme bestimmte menschliche Entscheidungen nachbilden, allerdings gibt es Grenzen, wo es auf Empfindungen oder soziales Kontextwissen ankommt. Beispielsweise kann ein KI-Algorithmus bestimmte Objekte, wie zum Beispiel ein Auto, in Fotos erkennen und benennen, er kann aber auf Basis dieser Information das Fahrgefühl in einem bestimmten Autotyp nicht beschreiben. In der konkreten Anwendung lassen sich verschiedene Arten von KI-System unterscheiden:

Aktuelle Studien zeigen, dass der Einsatz von KI-Systemen in allen Branchen starke Auswirkungen auf das Produktivitätsniveau in Deutschland haben kann. Experten schätzen, dass der gezielte Einsatz von KI-Systemen das Bruttoinlandsprodukt (BIP) bis 2030 um durchschnittlich 1,2 Prozentpunkte pro Jahr steigern könnte – eine zusätzliche Wertschöpfung von rund 430 Milliarden Euro. In Deutschland könnten 65% aller Jobs zumindest teilweise durch KI-Systeme ergänzt, unterstützt oder automatisiert werden, um einen Produktivitätszuwachs zu erreichen. Insbesondere die wirtschaftsstärksten Branchen wie Kraftfahrzeuge, Maschinenbau, Chemie und Elektronik/Elektrotechnik können massiv von der Anwendung spezialisierter KI-Systeme profitieren. Die Optimierung bestehender Wertschöpfungsprozesse allein schöpft jedoch nicht das volle Potential von KI aus. Wichtig wird insbesondere zusätzliche Wertschöpfung in allen Branchen durch neue KI-basierte Geschäftsmodelle, Produkte und Dienstleistungen sein. Eine besondere Rolle spielen hierbei Startups (also junge, wachstumsorientierte Unternehmen), da sie das Potential haben genau solche Lösungen zu entwickeln. Nach der oben genannten Schätzung könnten sogar 60% des potentiellen BIP-Wachstums von Startups abhängen. Auch die KI-Strategie der Bundesregierung betont wie wichtig es ist, eine „europäische Antwort auf datenbasierte Geschäftsmodelle“ zu finden, die hiesigen Werte- und Sozialstrukturen entspricht und gleichzeitig exportfähig ist.

Im internationalen Vergleich hinkt Deutschland noch hinterher

Genau hier, bei der Entwicklung innovativer Geschäftsmodelle basierend auf KI, hat Deutschland jedoch augenscheinlich im internationalen Vergleich Nachholbedarf. Große Volkswirtschaften wie die USA und China haben schon seit langem von öffentlicher und privater Seite in KI-Unternehmen investiert, die letztendlich durch skalierbare Geschäftsmodelle globale Märkte erreicht haben. Zusätzlich ist das KI in Deutschland immer noch mit starken Bedenken verbunden. Rund zwei Drittel aller Deutschen beurteilen die Risiken von KI höher oder gleich groß wie deren Potential. Um diesem Misstrauen entgegen zu wirken und nachhaltige KI-Geschäftsmodelle „made in Germany“ zu erstellen, müssen wir besser verstehen, wie KI am Standort Deutschland entsteht. Viele Studien beleuchten bereits die Startup Landschaft in Deutschland und den Einfluss von KI auf Wirtschaft, Arbeitswelt und Gesellschaft. Allerdings wird KI selbst in diesen Studien meist als „Blackbox“ behandelt. Es ist häufig nicht klar, welche konkreten Probleme die Technologie löst, welche Intentionen dahinter stehen und welche unternehmerischen Ziele verfolgt werden.

Mit der Studie Demystifying AI – What’s behind German AI production? beleuchten Forscher des HIIG den unternehmerischen Prozess der KI-Entstehung in Deutschland. Zunächst verdeutlichen wir das Potential für den Standort Deutschland durch eine Analyse des Status Quo und Experteninterviews. Anhand einer tiefgehenden Analyse aller KI Startups in Deutschland zeigen wir anschließend verschiedene Arten von KI-Geschäftsmodellen in Deutschland und deren Charakteristika auf. Abschließend stellen wir anhand von drei Fallstudien drei deutsche Startups, deren Gründer und Geschäftsmodelle im Detail vor. Erfahren sie mehr zum Projekt in der aktuellen Folge des HIIG-Podcasts Exploring Digital Spheres, in der HIIG-Forscherin Jessica Schmeiss die Hintergründe der Studie Demystifying AI in entrepreneurship erklärt.

Hier geht’s zur Projektseite von „Demystifying AI“


Photo Credit: Remix with robots by ibrandify from the Noun Project

Dieser Beitrag spiegelt die Meinung der Autorinnen und Autoren und weder notwendigerweise noch ausschließlich die Meinung des Institutes wider. Für mehr Informationen zu den Inhalten dieser Beiträge und den assoziierten Forschungsprojekten kontaktieren Sie bitte info@hiig.de

Jessica Schmeiss, Dr.

Ehem. Assoziierte Forscherin: Innovation, Entrepreneurship & Gesellschaft

Nicolas Friederici, Dr.

Assoziierter Forscher: Innovation, Entrepreneurship & Gesellschaft

HIIG Monthly Digest

Jetzt anmelden und  die neuesten Blogartikel gesammelt per Newsletter erhalten.

Weitere Artikel

Man sieht eine*n Lieferant*in eines Online-Lieferdienst für Essen auf einem Motorroller. Das Bild steht sinnbildlich für die Arbeitenden in der Gig Economy in Kenia. You see a delivery person from an online food delivery service on a scooter. The image is emblematic of the workers in the gig economy in Kenya.

Wege in eine sozial-gerechte Gig Economy in Kenia: Stakeholder Engagement und Regulierungsprozesse

Kenias Gig Economy wächst rasant, die Arbeitsbedingungen sind jedoch oft prekär. Wir haben die Lebensumstände von Gig-Workern untersucht.

Man sieht mehrer Spiegel, die in unterschiedlichen Formen angeordnet sind und verschiedene Oberflächen, wie den Himmel, eine Hauswand und so weiter widerspiegeln. Das Bild steht sinnbildlich für die vielen verschiedenen Bedeutungen von autonomen Systemen in unserer Gesellschaft. You see several mirrors arranged in different shapes reflecting different surfaces, such as the sky, a house wall and so on. The image is emblematic of the many different meanings of autonomous machines in our society.

Im Zeitalter der autonomen Systeme und Maschinen?

Können Maschinen autonom sein – oder ist das ein Privileg des Menschen? Diese kategorische Frage dominiert viele Diskussionen über unser Verhältnis zu den (vermeintlich) intelligenten Maschinen.

remote work is moving towards the city

Arbeiten aus der Ferne? Wie Remote Work in die Städte abwandert

Fernarbeit ermöglicht es uns, von "überall" aus zu arbeiten. Warum also werden ausgerechnet die Städte zu den neuen Mega-Hubs für die digitale Arbeit? Geraten ländliche Regionen ins Hintertreffen?