Zum Wohl der KI

Es heißt, künstliche Intelligenz stelle für die Menschheit eine eminente Bedrohung dar. Roboter werden über kurz oder lang den Planeten erobern – und vorher schnappen uns Computer noch die Arbeit weg. Doch wie viel Wahrheit steckt hinter solchen Ängsten?

Wir haben einen Mann getroffen, der die Zukunft weitaus weniger schwarzmalt.

Hier sehen wir Joel vor seinem Haus ein paar Kilometer außerhalb von Gulu, Uganda, wo er mit seinen 14 Brüdern und Schwestern lebt.

Joel outside his house in Uganda

Joel arbeitet für Zillow, das führende Immobilien-Onlineportal der USA mit einem Umsatz von 1,1 Milliarden US-Dollar im Jahr 2017. Und, kaum zu glauben: Seine Nachbarn arbeiten für andere Tech-Giganten aus dem Silicon Valley wie Google, Microsoft, Walmart, Marriott, SalesForce, Yahoo, TripAdvisor, Box, Getty Images, eBay und Deloitte!

 

Und das sieht Joel auf dem Bildschirm, wenn er morgens sein Büro betritt:

Autonomes Fahren ist ohne menschliche Hilfe undenkbar

Joel arbeitet für Samasource, welches zu einer wachsenden Zahl von Unternehmen gehört, die KI-Anbieter mit ihrem wertvollsten Treibstoff versorgen: Daten. Trainingsdaten, um genau zu sein. Denn trotz all dem Hype um künstliche Intelligenz benötigen selbstfahrende Autos immer noch jemanden, der ihnen das Fahren beibringt. Das äußert sich beispielsweise darin, dass selbstfahrende Autos zwar über Sichtsysteme verfügen, aber dennoch zunächst jemand festlegen muss, welche Linien im Videostream einen Lichtmast und welche eine Fahrspurmarkierung darstellen. Der Algorithmus benötigt genügend Trainingsbilder, um beides zuverlässig unterscheiden zu können – sonst würde das Auto nicht auf der Straße bleiben, sondern am nächsten Laternenpfahl landen.

Genau hier kommen Unternehmen ins Spiel, die Trainingsdaten und sogenannte Datenanreicherung anbieten.

Joels Arbeitgeber Samasource ist ein Beispiel für die steigende Anzahl an Firmen und Plattformen, die für KI-Unternehmen die Kuration und Anreicherung von Trainingsdaten mittels Crowdsourcing übernehmen. Die Idee ist keineswegs neu. Einer der Vorreiter war Amazon mit seinem Mechanical Turk Service. Über diesen konnten Unternehmen simple Mikroaufgaben (z. B. Bilderkennung, Sentimentanalyse, Inhaltsmoderierung) auslagern – jeder mit einer stabilen Internetverbindung konnte sich mit der Ausführung dieser Aufgaben etwas Geld dazuverdienen. Die Arbeit wird pro Aufgabe bezahlt, einen Teil streicht Amazon für die Plattform ein.

Aufgrund von Amazons schierer Größe erfüllte der Service mehr oder minder seinen Zweck, auch wenn er noch Verbesserungspotenzial aufweist. Ein großes Problem bei Mechanical Turk ist die fehlende Spezialisierung. Die Arbeiter werden praktisch überhaupt nicht geschult, was sich in der Qualität niederschlägt. Zwar werden Pläne angeboten, bei denen jede Aufgabe mindestens zwei Arbeitern präsentiert wird und das Ergebnis nur Bestand hat, wenn beide dieselbe Antwort geben, aber dennoch kann der Service nicht auf ein strukturiertes und ausgebildetes Team zurückgreifen.

Diese Lücke wollen Unternehmen wie Appen, Gengo und MightyAI schließen, indem sie ihre Mitarbeiter schulen und klare Qualitätsstandards für bestimmte Aufgaben definieren. Das Bild unten illustriert dies am Beispiel des Unternehmens Birds.ai, das mittels Drohnen unter anderem Windkraft- und Solaranlagen inspiziert. Mit wachsendem Geschäftserfolg musste auch die damals noch manuell erfolgende Kennzeichnung von Bildern ausgeweitet werden. Es gab jedoch nicht annähernd genug Daten, um ein automatisiertes Erkennungsmodell zu realisieren.

Für eine präzise Bildauswertung müssen die Arbeiter mit den verschiedenen Schadenstypen vertraut sein, was erhebliches Training erfordert. Zudem zahlen diese Unternehmen in der Regel nach tatsächlichem Zeitaufwand und nicht pro Aufgabe, sodass die Qualität stärker in den Vordergrund rückt.

KI Training - ohne Menschen geht es nicht

Ein weiterer wichtiger Bestandteil des Geschäftsmodells von Unternehmen wie Samasource und CloudFactory ist die Tatsache, dass sie ihrer Belegschaft mehr Aufmerksamkeit schenken. Sie nennen das Impact Sourcing statt Crowdsourcing und verknüpfen es mit einem stärkeren Engagement für die Arbeiterschaft. So werden unter anderem Grundlagenschulungen und Digitaltrainings organisiert, Kinderbetreuung angeboten, die für viele Beschäftigte eine große Rolle spielt, und Mitarbeiter gecoacht, die höhere Aufgaben anstreben. Statt ihnen nur Geld für ihre Arbeit zu zahlen, werden Themen wie Lebensberatung und soziales Engagement adressiert. Samasource betreibt Vertriebsbüros in San Francisco, New York und Paris, die eigentliche Arbeit erfolgt jedoch in Uganda, Kenia und Indien. Die Arbeiter von CloudFactory sitzen wiederum in Kenia und Nepal.

KI-Training in Kenia

KI vernichtet also nicht nur Arbeitsplätze, sondern schafft auch neue. Und auch wenn Bilder markieren nicht nach dem aufregendsten Job der Welt klingt, beweisen diese Unternehmen, dass sie im richtigen Kontext einen positiven Impuls für ihre Angestellten und deren Kommunen leisten können. Immer mehr Unternehmen bewerben im Rahmen ihrer Corporate Social Responsibility-Programme Initiativen wie „Data for Good“ oder „AI for Good“ – künstliche Intelligenz für den guten Zweck sozusagen. Das bemerkenswerte Geschäftsmodell von Unternehmen wie Samasource und CloudFactory kehrt dieses Konzept ironischerweise um in „Good for AI“. Denn gäbe es als Grundlage keine Trainingsdaten, wäre dies wahrhaft „Bad for AI“.

Unternehmen wie die oben genannten schaffen Arbeitsplätze rund um den Globus – genau wie wir. Sie wollen selbst einen Beitrag zur KI-Revolution leisten? Dann besuchen Sie unser Stellenportal unter www.intersystems.com/de/wer-wir-sind/stellenangebote/.

Benjamin DeBoe

Benjamin DeBoe ist Produktmanager im Bereich Datenplattformen bei InterSystems und in seiner Position verantwortlich für Skalierbarkeit und Analytics. Er stieß im Rahmen der iKnow-Akquisition im Jahr 2010 zu InterSystems und verfügt über umfangreiche Kenntnisse in verschiedenen Datenbanktechnologien. Zuvor arbeitete Benjamin hauptsächlich in den Bereichen Data Warehousing, Natural Language Processing und Analytics.

Kommentar verfassen

*