Der Grund warum der Mensch unverzichtbar für viele Automatisierungsprojekte ist

Künstliche Intelligenz (KI) verändert die Arbeitswelt. Aber durch die Automatisierung wird menschliche Intelligenz nicht überflüssig. Für die große Mehrheit aller Automatisierungsprojekte ist die künstliche Intelligenz auf die menschliche angewiesen, um ihre Stärken auszuspielen. Wir erklären, was Sie zu Human-in-the-Loop-Modellen wissen müssen.

Was bedeutet Human-in-the-Loop?

Künstliche Intelligenz zielt auf die Automatisierung intelligenter Handlungen ab. Aufgaben, die normalerweise Menschen übernehmen, werden durch eine KI absolviert. Das eröffnet in allen Branchen und allen Unternehmensbereichen großes Potenzial für die Automatisierung datenintensiver Aufgaben. In vielen Fällen erweist es sich aber nicht als effizient, den Menschen vollständig aus dem Prozess herauszunehmen. Stattdessen verbindet Human-in-the-Loop menschliche und künstliche Intelligenz in einem integrierten Prozess.

Daten beschriften

Menschen lernen durch Erfahrung, eine KI lernt durch Daten. Beim Supervised Learning kommen qualifizierte Datensätze zum Einsatz, die speziell dafür aufbereitet wurden, den Algorithmus zu trainieren. Durch die „Beschriftung“ von Input mit dem jeweiligen Output kann die KI Muster ableiten und auf die neuen Datensätze anwenden.

KI trainieren

Nun wird das Modell mit den Daten gefüttert. Supervised Learning kommt in zwei Bereichen zum Einsatz: Bei einer Klassifizierung sortiert ein Algorithmus Daten (z.B. in Texten oder Bildern) anhand von Mustern und Ähnlichkeiten in vorgegeben Klassen. Bei einer Regression schätzt ein Algorithmus anhand der Beziehungen unterschiedlicher Variablen in den Daten das quantitative Ausmaß einer Zielgröße. Die Regression kommt dort zum Einsatz, wo es um die Vorhersage von Zahlen geht – zum Beispiel in der Umsatzprognose.

Feedback & Finetuning

Im nächsten Schritt passen Menschen das Machine-Learning-Modell an, um typische Probleme, wie etwa Overfitting, zu vermeiden und wichtige Sonderfälle in das Modell zu integrieren. Dazu werden insbesondere Fälle mit einer geringeren Sicherheit manuell überprüft und das Ergebnis der Überprüfung an das Modell zurückgespielt.

Human-in-the-Loop: Vorteile & Anwendungsfälle

Gegenüber einer Vollautomatisierung haben Human-in-the-Loop-Modelle zahlreiche Vorteile für verschiedene Anwendungsfälle:

  • Höhere Genauigkeit: Künstliche Intelligenz kann niemals eine Genauigkeit von 100 % erreichen. Die Technologie basiert auf statistischen Methoden, die nur Wahrscheinlichkeiten kennen. Menschen können oftmals Aussagen mit höherer Sicherheit treffen. Diese Kombination kann in vielen Fällen systematisch bessere Ergebnisse produzieren als ein machine-only-Ansatz.
  • Fachwissen nutzbar machen: Durch die Integration spezifischen Erfahrungswissen, lassen sich blinde Flecken des Algorithmus erhellen. So setzt die NASDAQ mit ihrem Tool zu Überwachung Handelsaktivitäten an der Börse, auf einen Human-in-the-Loop-Ansatz, bei dem Experten ihr Wissen über Feedback-Schleifen an den Algorithmus weitergeben.
  • Grenzfälle: Nicht für jedes Problemen stehen große Datenmengen öffentlich zur Verfügung. Soll ein Chatbot beispielsweise Nutzereingaben in einer seltenen Sprache oder einem lokalen Dialekt verstehen, ist der Algorithmus auf menschliches Feedback angewiesen. Facebook nutzt für die Analyse der Kommunikation auf der Social-Media-Plattform ein Human-in-the-Loop-Modell, weil nicht jeder Aspekt menschlicher Kommunikation aus den Daten extrapolierbar ist.
  • Bias erkennen: Das Problem versteckter Biases ist vor allem aus der Verhaltensforschung bekannt. Auch Datensätze sind nicht in jeder Hinsicht neutral, sondern können unerkannte, aber systematische Abhängigkeiten von nicht berücksichtigten Einflussfaktoren enthalten. So wie die Art, eine Frage zu stellen, die Antworten beeinflussen kann, kann die Art der Datengewinnung beeinflussen, wie die KI die Daten interpretiert. Stammen sie aus öffentlichen Quellen, ist der Weg der Datengewinnung möglicherweise nicht vollständig nachvollziehbar. Ohne menschliche Intervention würde ein Algorithmus den Bias aus den Daten übernehmen. Durch einen Human-in-the-Loop lässt sich oft ein etwaiger Bias identifizieren, bevor er sich im Algorithmus verfestigt.

Human-in-the-Loop in der Praxis: Klassifizierung von Kundendaten

Wie Human-in-the-Loop zu besseren automatisierten Prozessen führen kann, zeigt die Automatisierung von Verifikationsprozessen im Rahmen rechtlich vorgeschriebener Know your Customer Politiken ist eine (teilweise) Automatisierung unverzichtbar. Ein intelligenter Algorithmus kann beispielsweise hochgeladene Selfies mit dem Foto des Ausweisdokuments vergleichen und validieren. Angenommen, ein Algorithmus soll ein Selfie-Foto mit dem Foto eines Personalausweises vergleichen. Diese Anwendung setzt eine hohe Genauigkeit voraus, die eine KI allein nicht erreichen kann:

  • Mitarbeiter erstellen im ersten Schritt die Datensätze, mit denen der Algorithmus trainiert wird. Im Beispiel würden Mitarbeiter Sets aus Fotos von Selfie und Ausweisdokument erstellen und jeweils mit einem entsprechenden Wert (richtig / falsch) versehen. Der Algorithmus wird mit diesen Trainingsdaten gefüttert und lernt dadurch Merkmale zu erkennen anhand derer er die Bildpaare richtig klassifizieren kann. Der Algorithmus gibt zu jedem Set einen dieser Werte aus. Nun prüft ein Mensch den Output des Algorithmus und füttert ihn wiederum mit diesem Ergebnis. So entsteht eine Feedback-Schleife – und der Algorithmus wird immer besser darin, die Daten zu klassifizieren.
  • Es gibt immer wieder Daten, bei denen der Algorithmus kein eindeutiges Ergebnis liefern kann. So liegen für Ausweisdokumente einzelner Länder nicht genug Ausgangsdaten vor, damit die KI sie effektiv auswerten kann. Diese Fälle werden bei Unterschreiten einer Konfidenz-Schwelle automatisch an die Mitarbeiter weitergeleitet, um dort manuell überprüft zu werden und den Algorithmus so mit weiteren wertvollen Informationen zu füttern.

In diesem Modell ist der Mensch systematisch in den Zyklus der KI integriert, die dadurch systematisch bessere Ergebnisse und schneller lernt als ein Modell ohne einen Menschen in der Feedbackschleife.

Fazit: Ohne Mensch keine KI

Künstliche Intelligenz wird in der Zukunft eine immer größere Rolle im Unternehmen spielen. Der Mensch wird dadurch aber nicht überflüssig – im Gegenteil: Die Vor- und Aufbereitung von Daten wird wesentlich für die erfolgreiche Entwicklung intelligenter Algorithmen. Erst durch die systematische Integration menschlichen Feedbacks lassen sich zahlreiche Anwendungen mit Künstlicher Intelligenz realisieren: von der prädiktiven Analytik bis zur Automatisierung kundenbezogener Prozesse.

AI Service

KI Service

Entdecken Sie neue Wege zu Analysen und Business Intelligence mit Künstliche Intelligenz.

Jetzt besuchen
PROMaaS Process Mining as a Service

Automatisierungsservice

Erreichen Sie herausragende Effizienz und Genauigkeit mit innovativen Technologien.

Jetzt besuchen