Zuwachs des BSP weltweit durch Einsatz der KI: 16 Billionen USD (= 14%) bis 2030 (PWC). Prozesse werden optimiert, Ressourcen effizienter eingesetzt, Mobilität neu gedacht, KI wird aus der Cloud gezogen oder ist als AI-on-Chip direkt in smarten Dingen verbaut. V.a. in Kombination mit IoT, AR, Blockchain, Business + Market Data werden völlig neue Geschäftsmodelle denkbar. Wie ist dieses Potenzial zu heben? Wo ist Licht, wo ist Schatten? Wo lauern Illusionen schneller Machbarkeit? Welches sind die low hanging fruits der KI? Kommt die Autonomisierungswelle als Tsunami über Wirtschaft, Arbeit und Gesellschaft? Aus den Folien: 06 • KI-Systematik: Techniken, Funktionen, Anwendung, Treiber (WIPO) 07 • 5-Stufen-Modell der Automation des Entscheidens (Bitkom) • Phasenmodell der KI • KI im Kontext der Innovationsfelder der digitalen Transformation 09 • Kontext der Innovationsfelder 10 • Research Trends & Challenges – inkl. Large-scale machine learning Deep learning Reinforcement learning Collaborative systems Crowdsourcing and human computation Neuromorphic Computing - AI Challenges e.g. Ethics by design, Integration of techniques - Politics & Society Challenges, e.g. AI-enabled deep fakes (truth crisis), AI impact on job market, AI geopolitics (China) 11 • Watchlist • PAI: hyper-personalized AI Vsd. Ansätze sind kombinierbar: personalisierter digitaler Assistent, Digital Twin der Person, Avatar mit Funktion der Stellvertretung, Verhandlungsmandat, Analyse der Verhaltensmuster, instant Coaching, Verhaltenstherapie, Security/Cybersecurity/Health • XAI: explainable AI, transparency Wenn AI-Mechanismen nicht nachvollziehbar sind, leidet die Vertrauenswürdigkeit. Auch die Gesetzgeber stellen neue Anforderungen. XAI soll die Transparenz herstellen. • QAI: quantum computing based AI Bestimmte Berechnungsprobleme in der KI könnten mit Quanten Computing gelöst werden. Google-Teams forschen z. B. an Quantum Neural Networks. ...

1. Status und Ausblick
Wie wird sich KI technisch weiterentwickeln?
Willi Schroll , strategiclabs Berlin
Europa Ins:tut Universität Zürich – 21. digital lecture – 27. August 2018
1
Willi Schroll, strategiclabs Berlin
Fachkonferenz Münchner Kreis: Künstliche Intelligenz und die Automa:on des Entscheidens
9. Oktober 2019 – München

2. Foresight – Strategische Zukun3sforschung
Convergence of
technologies
Digital Culture
Learning from
nature
Ubiquitous
intelligence
New patterns of
consumption
Globalisation 2.0
Knowledge-
based economy
Business
ecosystems
Radical changes
to energy and
resources
Climate change
& environmental
pollution
Urbanisation
A new political
world order
Global risk society
New patterns of
mobility
Transformation of
healthcare systems
Changing gender
roles
New level of
individualisation
Social and cultural
disparities
Demographic change
Endangered
biodiversity &
ecosystems
Cultural
convergence &
divergence
Internet of
Everything
Nanotech &
Biotech
Changes to work
& management
STEEP Dimensionen
Monitoring ▻ Daten ▻ Trendanalysen ▻ Szenarien ▻ strategische Implika:onen
SOCIETY TECHNOLOGY ECOLOGY ECONOMY POLITICS
Bildrechte/Quelle: mapegy.com, Boston Dynamics2

3. KI-Systema:k: Techniken, Funk:onen, Anwendung, Treiber
3
Bio-inspired approaches
Classifica:on and regression trees
Deep learning
Expert system
Fuzzy logic
Instance-based learning
Latent representa:on
Logic programming
Machine learning
Mul:-task learning
Neural network
Ontology engineering
Probabilis:c graphical models
Probabilis:c reasoning
Reinforcement learning
Rule learning
Supervised learning
Support vector machine
Unsupervised learning
AItechniques
•
•
•
•
•
•
•
•
•
•
Quellen: hdps://www.wipo.int/export/sites/www/tech_trends/en/ar:ficial_intelligence/docs/techtrends_ai_glossary.pdf

4. KI-Systema:k: Techniken, Funk:onen, Anwendung, Treiber
4
Bio-inspired approaches
Classifica:on and regression trees
Deep learning
Expert system
Fuzzy logic
Instance-based learning
Latent representa:on
Logic programming
Machine learning
Mul:-task learning
Neural network
Ontology engineering
Probabilis:c graphical models
Probabilis:c reasoning
Reinforcement learning
Rule learning
Supervised learning
Support vector machine
Unsupervised learning
Augmented reality
Biometrics
Character recogni:on
Computer vision
Distributed AI
Image and video segmenta:on
Informa:on extrac:on
Knowledge representa:on & reasoning
Natural language processing
Object tracking
Planning/scheduling
Predic:ve analy:cs
Robo:cs Scene understanding
Seman:cs
Sen:ment analysis
Speech processing
Speech recogni:on
Speaker recogni:on
Speech-to-speech applica:on
AItechniques
AIfunc:onalapplica:ons
enabling enabling
•
•
•
•
•
•
•
•
•
•
Quellen: hdps://www.wipo.int/export/sites/www/tech_trends/en/ar:ficial_intelligence/docs/techtrends_ai_glossary.pdf

5. KI-Systema:k: Techniken, Funk:onen, Anwendung, Treiber
5
Banking and finance
Business
Document management & publishing
Educa:on
Entertainment/Gaming
Healthcare
Home/Service Robots
Industry and manufacturing
Life and medical sciences
Public Safety
Security/Cybersecurity
Telecommunica:ons
Transporta:on/Logis:cs
Bio-inspired approaches
Classifica:on and regression trees
Deep learning
Expert system
Fuzzy logic
Instance-based learning
Latent representa:on
Logic programming
Machine learning
Mul:-task learning
Neural network
Ontology engineering
Probabilis:c graphical models
Probabilis:c reasoning
Reinforcement learning
Rule learning
Supervised learning
Support vector machine
Unsupervised learning
Augmented reality
Biometrics
Character recogni:on
Computer vision
Distributed AI
Image and video segmenta:on
Informa:on extrac:on
Knowledge representa:on & reasoning
Natural language processing
Object tracking
Planning/scheduling
Predic:ve analy:cs
Robo:cs Scene understanding
Seman:cs
Sen:ment analysis
Speech processing
Speech recogni:on
Speaker recogni:on
Speech-to-speech applica:on
AItechniques
AIfunc:onalapplica:ons
AIapplica:onfields
enabling enabling enabling
•
•
•
•
•
•
•
•
•
•
Quellen: hdps://www.wipo.int/export/sites/www/tech_trends/en/ar:ficial_intelligence/docs/techtrends_ai_glossary.pdf - ergänzend für Spalte 3:
hdps://ai100.stanford.edu/sites/g/files/sbiybj9861/f/ai100report10032016fnl_singles.pdf (2016)

6. KI-Systema:k: Techniken, Funk:onen, Anwendung, Treiber
Quellen: hdps://www.wipo.int/export/sites/www/tech_trends/en/ar:ficial_intelligence/docs/techtrends_ai_glossary.pdf - ergänzend für Spalte 3:
hdps://ai100.stanford.edu/sites/g/files/sbiybj9861/f/ai100report10032016fnl_singles.pdf
6
Banking and finance
Business
Document management & publishing
Educa:on
Entertainment/Gaming
Healthcare
Home/Service Robots
Industry and manufacturing
Life and medical sciences
Public Safety
Security/Cybersecurity
Telecommunica:ons
Transporta:on/Logis:cs
Smart City
Smart Gov/Admin
Smart Health
Smart Home
Smart Learning & Educa:on
Smart Mobility/MaaS
Smart Produc:on/Industrie 4.0
Smart Work
Smart X …
…
Expected Values
Context adap:on
Personalsa:on
Predic:on
Process Op:miza:on
Targe:ng
…
Bio-inspired approaches
Classifica:on and regression trees
Deep learning
Expert system
Fuzzy logic
Instance-based learning
Latent representa:on
Logic programming
Machine learning
Mul:-task learning
Neural network
Ontology engineering
Probabilis:c graphical models
Probabilis:c reasoning
Reinforcement learning
Rule learning
Supervised learning
Support vector machine
Unsupervised learning
Augmented reality
Biometrics
Character recogni:on
Computer vision
Distributed AI
Image and video segmenta:on
Informa:on extrac:on
Knowledge representa:on & reasoning
Natural language processing
Object tracking
Planning/scheduling
Predic:ve analy:cs
Robo:cs Scene understanding
Seman:cs
Sen:ment analysis
Speech processing
Speech recogni:on
Speaker recogni:on
Speech-to-speech applica:on
AItechniques
AIfunc:onalapplica:ons
AIapplica:onfields
AIintegra:on/guidingvisions
enabling enabling enabling
•
•
•
•
•
•
•
•
•
•

7. 5-Stufen-Modell der Automa:on des Entscheidens
Assistenz, Delega=on, Autonomisierung (Bitkom)
1. Assis:ertes Entscheiden
2. Teilweises Entscheiden
3. Geprüoes Entscheiden
4. Delegiertes Entscheiden
5. Autonomes Entscheiden
7
AI-Matrix nach PWC und Autonomiegrade (Grafik modifiziert)
Bildrechte/Quelle:
hdps://www.pwc.com/gx/en/issues/analy:cs/assets/pwc-ai-analysis-
sizing-the-prize-report.pd (2017)
Quelle: hdps://www.bitkom.org/sites/default/files/file/import/Bitkom-
Leipaden-KI-verstehen-als-Automa:on-des-Entscheidens-2-Mai-2017.pdf
(2017)

8. Phasenmodell der KI
Übergreifende Trends
• Relevanz von Trainingsdaten
• Umgebungsdimensionen (mehr Sensoren, Datendurchsatz)
• Mensch-Maschinen-Interak:on
• Spezialisierung, enge Nischen
• Autonomisierung
Bildrechte/Quelle: hdps://www.bitkom.org/sites/default/files/file/import/171012-KI-Gipfelpapier-online.pdf (2017), Phasen nach Wahlster (2016)
8
Prozessuale Grundstruktur

9. KI im Kontext der Innova:onsfelder der digitalen Transforma:on
Bildrechte: Willi Schroll 2018
9
KI im betrieblichen Einsatz. Bildrechte/Quelle:
hdp://cdn.aiindex.org/2018/AI%20Index%202018%20Annua
l%20Report.pdf McKinsey „Capabili:es embedded in at
least one company func:on (2018)“

10. Research Trends & Challenges
Sustaining AI Research Trends
Large-scale machine learning
Deep learning
Reinforcement learning
Robo:cs
Computer vision
Natural Language Processing
Collabora:ve systems
Crowdsourcing and human computa:on
Algorithmic game theory and
computa:onal social choice
Internet of Things (IoT)
Neuromorphic Compu:ng
Research Trends: Quelle hdps://ai100.stanford.edu/sites/g/files/sbiybj9861/f/ai100report10032016fnl_singles.pdf
10
AI Challenges
Data quality, bias in data
Design complexity
Ethical by design vs pluralism
of society
Ethical implica:ons
Fragmenta:on &
specialisa:on
General theory of cogni:ve
process missing
Integra:on of techniques
…
Poli=cs & Society Challenges
AI-enabled deep fakes (truth crisis)
AI impact on job market
AI impact on educa:on (purpose crisis)
„AI Race“, geopoli:cs of AI; e.g. China
AI in targe:ng + persuasion (asymmetry
of power)
AI solu:ons for global ecological crisis?
…
…

11. Watchlist
PAI: hyper-personalized AI
Vsd. Ansätze sind kombinierbar: personalisierter digitaler
Assistent, Digital Twin der Person, Avatar mit Funk:on der
Stellvertretung, Verhandlungsmandat, Analyse der
Verhaltensmuster, instant Coaching, Verhaltenstherapie,
Security/Cybersecurity/Health
XAI: explainable AI, transparency
Wenn AI-Mechanismen nicht nachvollziehbar sind, leidet die
Vertrauenswürdigkeit. Auch die Gesetzgeber stellen neue
Anforderungen. XAI soll die Transparenz herstellen.
QAI: quantum compu=ng based AI
Bes:mmte Berechnungsprobleme in der KI könnten mit
Quanten Compu:ng gelöst werden. Google-Teams forschen
z. B. an Quantum Neural Networks.
Bildrechte/Quelle: hdps://projectpai.com/ - hdps://www.accenture.com/_acnmedia/pdf-85/accenture-understanding-machines-explainable-ai.pdf -
hdps://phys.org/news/2018-02-quantum-algorithm-ai-faster.html - hdps://ai.google/research/teams/applied-science/quantum/
11

12. Vielen Dank für Ihre Aufmerksamkeit!
Willi Schroll , strategiclabs Berlin
Europa Ins:tut Universität Zürich – 21. digital lecture – 27. August 2018
12
Willi Schroll, strategiclabs Berlin
schroll@strategiclabs.de