Fortschritt mit Augenmaß

Künstliche Intelligenz, Machine Learning, Deep Learning. In einer von IT geprägten Welt sind diese Begriffe immer häufiger anzutreffen. Kaum ein Produkt, kaum eine Software, kaum ein Berater kommt ohne die Verwendung dieser Schlagworte aus. Dabei ist die Beschäftigung mit diesen Themen kein neues Phänomen.

Bereits vor rund vier Jahrzehnten haben Wissenschaftler und Ingenieure verschiedenster Disziplinen versucht, komplexe Probleme auf alternativen Wegen zu lösen.

Bei der Entwicklung von Software muss typischerweise zunächst eine exakte Problembeschreibung vorliegen, aus der dann ein ebenso exaktes Lösungsverfahren abgeleitet wird: Der Algorithmus.

Bei vielen Problemen ist allerdings das Finden einer exakten, vollständigen Beschreibung des Problems ebenso eine kaum lösbare Aufgabe, wie die anschließende Erstellung eines geeigneten Lösungsalgorithmus.

Mensch und Maschine

Oft gelingt es uns Menschen aber, schon bei ungefährer oder unvollständiger Problemkenntnis sehr gute erste Lösungen oder Abschätzungen zu entwickeln. Diese Eigenschaft ermöglicht uns überhaupt erst in einer im Detail oft unüberschaubaren Welt schnelle und meist gute Entscheidungen zu treffen:

Beispielsweise erkennen wir ein Auto, auch wenn wir keine detaillierte und vollständige Anleitung zum Erkennen von Automobilen haben. Wir können bestimmte Aktenlagen einschätzen und bewerten, ohne dass wir eine exakte und präzise Beschreibung geben könnten, wie diese Einschätzung zustande gekommen ist.

Was liegt näher, als die Art und Weise der menschlichen Bewertung und Entscheidungsfindung auf Softwaresysteme zu übertragen?

Die ersten relevanten Untersuchungen dieser Art begannen schon in den späten achtziger Jahren des vergangenen Jahrhunderts. „Künstliche neuronale Netze“ sind hier sicher ein zu nennendes Schlagwort. Ein Ansatz, bei dem versucht wird, die (sehr) stark vereinfachte Arbeitsweise der Nervenzellen (Neuronen) des menschlichen Gehirns und deren Vernetzung softwaretechnisch nachzuahmen und anschließend dieses Netz aus künstlichen Neuronen (neuronales Netz) zur Lösungsfindung einzusetzen.

Eine große Herausforderung waren und sind die dazu benötigten Rechenleistungen.

Man benötigt viele dieser künstlichen Neuronen, um auch nur einfachste Simulationen durchzuführen. Zwar gibt es neben den neuronalen Netzen noch viele weitere Verfahren, die zur „künstlichen Intelligenz“ (KI) gezählt werden, doch gemeinsam haben alle diese Verfahren ihren meist riesigen Bedarf an die Leistungsfähigkeit der Computer.

Ende der 10’er Jahre unseres aktuellen Jahrhunderts stehen nun zunehmend Rechenleistungen zur Verfügung, die den Einsatz alternativer Verfahren wie künstlicher neuronaler Netze sinnvoll erscheinen lassen – dies nicht nur im kommerziellen und professionellen Umfeld, sondern auch im privaten Bereich von Endkonsumenten.

Und erwartungsgemäß wurde dieser neue Markt erkannt.

Schnell wurde „künstliche Intelligenz“ zum Hype. Schnell entstand ein unüberschaubares Angebot an Versprechen, Tools und Beratungsleistungen. Schnell wurden mangels verbindlicher Definition viele Produkte aufgewertet, indem diesen Aspekte der künstlichen Intelligenz zugeschrieben wurden.

Klar ist: Verfahren und Methoden aus dem Umfeld der künstlichen Intelligenz werden fester Bestandteil der aktuellen und zukünftigen Softwareprodukte sein.

Es ist unstrittig, dass diese Werkzeuge größere Auswirkungen im fachlichen Umfeld haben, als die meisten Entwicklungen in der IT zuvor. Die Ansätze nehmen fachliche Probleme in den Fokus, wobei die meisten bisherigen Entwicklungen eher ein IT-zentriertes „kleiner, schneller“-Ziel verfolgten.

Vielfältige Möglichkeiten

Auch für die Träger der gesetzlichen Unfallversicherung bergen die Ansätze der künstlichen Intelligenz ein ungeheures Potenzial.

Angefangen von den enormen Möglichkeiten bei der zunehmenden Prozessautomatisierung (Dunkelverarbeitung) bis hin zur Unterstützung von Mitarbeitern bei der Entscheidungsfindung in vielen alltäglichen Arbeitssituationen. Es wird selbstverständlich werden, dass Softwaresysteme bei schwierigen und komplexen Entscheidungen den Mitarbeiter aktiv begleiten.

Integriert man die Verfahren der künstlichen Intelligenz in professionelle Softwaresysteme, wie beispielsweise die SIGUV Branchensoftware Cusa des Premiumpartners HDP GmbH, so muss diese Integration den Anforderungen gerecht werden, die an professionelle Softwaresysteme gestellt werden. Vier Aspekte sind hier sicherlich besonders zu nennen:

• Der technische Aspekt
  Die Erstellung, Einbettung oder die Nutzung von Verfahren aus dem Umfeld der künstlichen Intelligenz muss den Anforderungen genügen, die für moderne und zukunftsorientierte Softwaresysteme gelten. Anforderungen wie Offenheit, Integrationsfähigkeit, Zuverlässigkeit und zeitgemäße Interaktionen.
• Der fachliche Aspekt
  Gerade im KI-Umfeld ist es entscheidend, dass die fachliche Unterstützung durch die Branchensoftware dort stattfindet, wo diese eine möglichst große Wirkung entfalten kann. Dazu ist es notwendig und wichtig, dass der fachliche Kontext passend und stimmig gewählt ist.
• Der rechtliche Aspekt
  Insbesondere im KI-Umfeld mit seinen neuen Gegebenheiten ist es unabdingbar, dass ein großes Augenmerk auf die rechtlichen Aspekte gelegt wird: Von Fragen des Datenschutzes bis hin zu Berücksichtigung von Fragestellung bei automatisiert durchgeführten Entscheidungen.
• Der ethisch-strategische Aspekt
  Die Träger sollen entscheiden können, ob und wieweit KI-Systeme bei Entscheidungen unterstützen. Nicht nur geleitet von technischen, fachlichen und rechtlichen Fragestellungen, sondern auch geleitet von ethischen und trägerspezifischen Vorstellungen und Leitlinien.

Für die SIGUV Branchensoftware Cusa, Produkt des Premiumpartners HDP GmbH, spielen – wie geschildert – die Ansätze und Verfahren der künstlichen Intelligenz für die zukünftige Ausrichtung eine zentrale Rolle.

Professionelle Lösungen

Es gilt, die Möglichkeiten der künstlichen Intelligenz zu nutzen und zugleich die professionellen Anforderungen an große und etablierte Softwaresysteme zu berücksichtigen. Neben der selbstverständlichen Würdigung der fachlichen Aspekte, muss auch auf die Einbeziehung der geschilderten technischen, rechtlichen und ethischen Aspekte geachtet werden.

Beispielsweise wird daher die Ablaufumgebung der Branchensoftware Cusa um eine zentrale Komponente ergänzt, welche zukünftig die Sammlung und zentrale Verwaltung von Informationen rund um Entscheidungen erlaubt, die durch KI-Systeme unterstützt oder sogar getroffen wurden. Dies ist über alle fachlichen Nutzungsszenarien hinweg ein wichtiger Baustein bei der Berücksichtigung rechtlicher und ethisch-strategischer Aspekte. Ebenso wird ein besonderes Augenmerk auf eine möglichst einheitliche und zuverlässige technische Einbindung unterschiedlicher KI-Systeme gelegt.

Alle grundlegenden Entwicklungen rund um die Schaffung eines offenen Systems zur integrativen und professionellen Nutzung von Verfahren und Techniken aus dem KI-Bereich werden von dem SIGUV Premiumpartner HDP GmbH in der Apollo-Initiative zusammengefasst.

Es gilt, zukünftig die Vorteile der künstlichen Intelligenz zu nutzen und diese zugleich in verantwortungsvoller, professioneller und zielorientierter Art und Weise zum Einsatz zu bringen – bei den Trägern der gesetzlichen Unfallversicherung, im SIGUV und seinen Partnern und nicht zuletzt in der SIGUV Branchensoftware Cusa des Premiumpartners HDP GmbH.