Fiege-Vorständin über KI-Einsatz: Auch Maschinen brauchen Menschen

Es gibt heutzutage viele Unsicherheiten durch Konflikte und Krisenherde, die sich auf die Lieferketten auswirken können. Kann KI dabei helfen, diese Unsicherheiten zu entschärfen und auf ungeplante Ereignisse besser zu reagieren, wenn man dafür nur historische Daten hat, die Krisen sich aber ja in der Gegenwart abspielen?

Vorhersagen kann man mit KI in einem relativ linearen System besser treffen als ohne. In einem chaotischen System mit Ausnahmen, die unregelmäßig auftreten, wird selbst die KI verrückt. Man muss sehr gut wissen, was man tut, und das auch mit anderen Datenquellen kombinieren, um diese Ausreißer zu identifizieren und aus der Analyse rausnehmen zu können, damit das ganze Bild nicht verfälscht wird. Viel wichtiger finde ich allerdings, dass es uns die KI erlaubt, in Krisenszenarien schnell agieren zu können, und zwar in einer Art und Weise, die wir sonst nicht erreichen würden. KI kann sofort die Informationen liefern, die ich benötige, um eine Entscheidung zu treffen. Das können Menschen nicht in gleichem Maße, weil sie sich erst hinsetzen, die Lage checken und Analysen anstellen müssen – und das über die komplette Lieferkette hinweg. Das zu bewerkstelligen, ist einfach nicht realistisch.

Für die KI müssen allerdings auch viele Voraussetzungen erfüllt sein, damit das klappt.

Voraussetzung ist, dass man die komplette Lieferkette vernetzt hat und sämtliche Daten harmonisiert sind. Solange alle ihr eigenes Ding machen, in ihren eigenen Formaten arbeiten und die verschiedenen Systeme nicht miteinander verbunden sind, hilft auch keine KI.

Nun ist noch längst nicht alles komplett vernetzt. Haben Sie ein Gefühl dafür, wie hoch der Grad der Vernetzung in den Lieferketten ist?

Man muss hier grundsätzlich zwei Ebenen unterscheiden. Da ist zum einen die unternehmensinterne Ebene. Hier geht es darum, welchen Teil der kompletten Supply Chain beispielsweise Fiege abdeckt und wie wir es schaffen, alle unsere Systeme zu verbinden, so dass wir intern bestmöglich handlungsfähig sind. Zum anderen geht es darum, eine globale Resilienz in der Lieferkette zu schaffen. Diese Ebene setzt voraus, dass alle Unternehmen, die an einer Lieferkette beteiligt sind, miteinander vernetzt sind. Diese Stufe ist noch nicht erreicht. Das versucht die Automobilindustrie beispielsweise mit Catena X zu erreichen (ein geschützter Raum, in dem Unternehmen gemeinsam nicht geschäftskritische Daten zur Steuerung ihrer Wertschöpfungsnetze nutzen können, Anm. d. Red). Die Automobilindustrie will sich mit all ihren Zulieferern vernetzen und dabei unternehmensübergreifend anonymisierte Daten nutzen, ohne dass Unternehmensgeheimnisse an die Konkurrenz gelangen. Wenn man relevante Daten von allen verbindet, hat man Mehrwert für alle Beteiligten im System.

Im Zusammenhang mit dem Einsatz von KI wird immer wieder behauptet, es würden ganz viele Jobs wegfallen. Wie lautet Ihre Einschätzung, wie wird der Einsatz von künstlicher Intelligenz künftig die Arbeitswelt beeinflussen?

Es wird sich viel verändern, wie wir arbeiten und was wir tun. Ich sehe nicht, dass alle ihre Jobs verlieren und durch Roboter ersetzt werden. Auch Maschinen brauchen Menschen, die sie bauen und warten. Und auch Menschen, die auf neue Ideen kommen, wie man die Maschinen noch einsetzen kann. Weiterer Grund ist der demografische Wandel. Wir haben eine alternde Gesellschaft und viele Babyboomer, die in den nächsten fünf bis zehn Jahren in Rente gehen. Wir können davon ausgehen, dass die Zahl der erwerbstätigen Personen in Deutschland bis 2030, also schon in sechs Jahren, um rund vier Millionen zurückgehen wird. Dieses Minus können wir ohne Automatisierung nicht ausgleichen. Schon heute herrscht in vielen Bereichen Personalmangel, zum Beispiel in der Gastronomie, in der Pflege und auch in der Logistik. Die Frage ist daher, wie wir es hinbekommen, dass mit den Maschinen eine gute Arbeitsumgebung für alle geschaffen wird. Die Stärken von Menschen muss man mit den Stärken der Maschinen kombinieren, so dass man die heutigen Leistungen weiterhin erbringen und auch neue Leistungen ermöglichen kann.

Wie wird denn diese Zusammenarbeit aussehen, ist die KI der Erfüllungsgehilfe des Menschen oder umgekehrt?

Niemand kann wissen, wie es sein wird. Ich traue mir keine Prognose zu, wie Menschen in fünf Jahren mit Maschinen umgehen. Schließlich konnte auch niemand ahnen, wie Menschen ChatGPT nutzen würden, als es auf den Markt kam. Die Frage ist eher, wie es sein könnte, und nicht, wie es sein wird. Menschliches Verhalten ist nicht vorhersehbar, deshalb müssen wir uns überraschen lassen. Vielleicht hilft es aber, in die Vergangenheit zu schauen und zu betrachten, wie sich unsere Jobs in den letzten Jahren oder Jahrzehnten beispielsweise mit der Einführung von Computern verändert haben. Die Technologie entwickelt sich sehr schnell, keine Frage. Aber die Umsetzung der Technologie in den Unternehmen ist sehr langsam. Und das ist das, was den unmittelbaren Impact auf die Mitarbeiter oder auch auf die Arbeitswelt hat.

Beschäftigte könnten schon auch eine gewisse Furcht entwickeln – speziell bei KI –, dass irgendetwas passieren könnte, das nicht mehr in ihrer Macht steht und ein Jobverlust droht. Wie geht Fiege damit um?

Wichtig ist, dass wir uns an den individuellen Anwendungsfällen und Herausforderungen orientieren, mit denen wir in unserem Unternehmen und in unserer Branche konfrontiert sind. Man setzt schließlich nicht KI ein, nur weil es ein Trend ist und alle anderen es auch tun. Wir brauchen einen Plan, wo und warum wir KI einsetzen wollen. Unser Ziel ist, dass die konkreten Vorschläge für die Anwendungsfälle aus der Organisation selbst kommen. Denn unsere Mitarbeiter merken in ihrer täglichen Arbeit am schnellsten, wo Probleme schlummern und unmittelbare Potenziale liegen. Wir sammeln diese Vorschläge und priorisieren sie: Ist ein Use Case bloß nice to have oder ist es ein Anwendungsfall, der uns wirklich nach vorne bringt? Ein anderes wichtiges Kriterium ist die Skalierbarkeit. Um effizient zu sein, müssen wir vermeiden, Sonderlösungen zu bauen. Use Cases, die einen maßgeblichen Impact für die gesamte Gruppe haben, genießen Vorrang. Wenn wir einen klaren Plan haben und unsere Strategie sorgfältig erklären, dann können unsere Mitarbeiter die Prozesse besser nachvollziehen und verstehen. Und so nehmen wir ihnen auch die Furcht vor neuen Technologien.

Wie werden Vorschläge geprüft und ausprobiert, gibt es dafür einen speziellen Bereich oder eine besondere Organisation?

Wir haben einen sogenannten AI Demand Process. In diesem institutionellen Rahmen können Fachabteilungen, die gewinnbringende Möglichkeiten für den Einsatz von KI identifizieren, kurz den Anwendungsfall beschreiben und sich erste Gedanken um die Wirtschaftlichkeit machen. Die eingereichten Vorschläge, die sehr vielfältig sind, schaut sich ein spezielles Gremium aus Fachexperten regelmäßig an und priorisiert die Use Cases. Diese reichen von Personaleinsatzplanung über Transportmanagement und Lagerverwaltung bis hin zu Anwendungen für die tägliche Büroarbeit. Es gibt nützliche Anwendungen, die uns im privaten Umfeld helfen, die wir im Unternehmenskontext jedoch nicht nutzen können. Das gilt es vor allem in puncto Datenschutz zu berücksichtigen. Und natürlich haben wir alle einen eigenen Blick und denken, dass unser Thema das Wichtigste ist. Deshalb sammeln wir die Vorschläge, und entscheiden gemeinsam, was für die Gesamtgruppe am sinnvollsten ist. So können wir dann auch erklären, warum bestimmte Use Cases nicht oder erst später zum Zuge kommen, und mögliche Frustration vermeiden.

Müssen beim Einsatz von KI auch ethische Werte neu definiert werden, und welchen Einfluss hat das auf die Unternehmenskultur?

Die ethischen Aspekte in Zusammenhang mit KI sind genauso relevant wie die technologischen. Man kommuniziert viel mehr, als dass man programmiert. Früher haben sich die Unternehmen selbst eigene Leitlinien gegeben, inzwischen gibt es den EU AI Act und einen Standard in der Industrie. Transparenz, Vertrauenswürdigkeit, Robustheit, Datenschutz und Fairness sind die fünf Leitlinien, mit denen man arbeitet.

Was heißt das konkret?

Transparenz heißt, dass Nutzer wissen, welche Daten von ihnen gesammelt werden und wofür sie genutzt werden. Und dass man eine Anwendung, die auf KI basiert, entsprechend kennzeichnet, statt es zu verheimlichen. Fairness betrifft das Thema Diskriminierung. Die Lösungen, die man baut, dürfen Frauen gegenüber Männern nicht diskriminieren oder Menschen allgemein aus irgendwelchen anderen kulturellen Hintergründen wie Hautfarbe oder was auch immer. Robuste KI bedeutet, dass man beispielsweise keine komplett andere Vorhersage bekommt, wenn man etwas verändert oder irgendwas hakt. Und Datenschutz heißt, die Privatsphäre zu wahren, also etwa keine Überwachung mit Gesichtserkennung zu machen. In diesen Punkten spiegeln sich die ethischen Aspekte. Generell sollte man Ängste ernst nehmen und offen darüber sprechen.

Junge Menschen machen sich heutzutage aus vielfältigen Gründen Sorgen um ihre Zukunft. Die Berufswahl ist nicht einfach. Sie wollen junge Menschen, gerade auch junge Mädchen, für die MINT-Fächer motivieren. Die Frage ist, welche Berufsbilder morgen noch gebraucht werden.

Heutzutage ergibt es in meinen Augen wenig Sinn, über konkrete Jobs zu sprechen. Denn keiner von uns weiß, welche Jobs in fünf Jahren noch relevant sein werden oder welche neuen Jobs bis dahin entstehen. Wir können Prognosen anstellen, aber keine konkreten Antworten finden.

Eines Ihrer Bücher heißt „Menschenversteher: Wie emotionale künstliche Intelligenz unseren Alltag erobert“. Wenn die emotionale Intelligenz den Menschen von den Maschinen unterscheidet, was ist dann die emotionale künstliche Intelligenz, gibt es die überhaupt?

Die ist bei Maschinen anders zu definieren als bei Menschen. Die emotionale Intelligenz hat die fünf Bestandteile, die ich zuvor genannt habe. Bei der emotionalen KI geht es um die Fähigkeit der Maschine, Emotionen bei den Menschen zu erkennen. KI kann diese Emotionen nachahmen und so eine Art Empathie simulieren, was wiederum bei uns Menschen Emotionen triggert. Dieses Wechselspiel ist das Spannende. Maschinen sind jedoch nicht in der Lage, selbst zu fühlen oder eigene Emotionen zu entwickeln. Sie spiegeln immer nur unsere Empfindungen. Dadurch, dass sie darauf reagieren, entsteht eine Wechselwirkung zwischen Mensch und Maschine, die unser Verhalten verändert.

Inwiefern ist das für die Logistik relevant?

Die humanoiden Roboter, die Amazon gerade testet, sind mit emotionaler KI ausgestattet. Sie können lächeln und sprechen. Die ersten Experimente weisen schon nach, dass die Akzeptanz der Menschen für diese Humanoiden viel höher ist als für solche, die das nicht haben. Es geht ja nicht nur darum, einen humanoiden Roboter hinzustellen, der mitläuft, pickt und packt und die Beschäftigten entlastet. Es ist zusätzlich wichtig, dass diese Menschen ihn beim Vorbeilaufen auch grüßen können und die Maschine antwortet oder lächelt. Interaktionen sind wichtig für die Akzeptanz.

Der nächste Schritt wären dann humanoide Roboter mit einem Bewusstsein. Es gibt Forscher, die an solchen Systemen arbeiten.

Das stimmt. Ich bin allerdings nicht der Meinung, dass KI ein Bewusstsein entwickeln könnte.

Frau Ait Si Abbou, vielen Dank für das Gespräch.