 Willkommen. Ich hoffe, der Hocker ist okay. Mein Name ist Hendrik, schönen guten Abend. Schön, dass ihr alle hier seid im Humboldt-Institut. Und ich darf jetzt laut Tagesordnung berichten über das, was wir mit der Überschrift KI und Arbeit beschrieben haben. Das ist ein ganz früher Bericht aus einem Projekt, für das wir das Geld vor einem guten Monat erst bekommen haben. Das hätte vor einem Monat losgehen sollen, vor einem halben Jahr, im Januar. Aber wie das so oft des Wissenschaftsfinanzierung ist, ist ja so ein bisschen schwierig. Deswegen stehen wir noch so ein bisschen am Anfang, aber ich habe schon eine ganze Menge zu berichten. KI und Arbeit, künstliche Intelligenz, da sind immer alle wütend auf den Begriff. Also im Kern geht es um Maschinenlernen, die schwache Intelligenz, die nicht ganz so aufregende Implementierung davon. Und die Situation ist folgende. Also, KI ist da, Unternehmen arbeiten damit. Man kann sich das in verschiedenen Formen für verschiedene Werkzeuge eingebaut kaufen. Und relativ schlaue Leute sagen, wir haben ein riesiges Problem. Elon Musk, die meisten Candin, der immer mal ein Auto in den Weltraum schickt und von Technik irgendwie ganz gut Ahnung hat. Dem kann man das wirklich nicht vorwerfen, dass er da nicht weiß, was er sagt. Er sagt, AI ist schlimmer als Atomwaffen, als Nukes, sagt er, mark my words. Also er ist ganz sicher, da kommt was richtig Schlimmes. Richard David Precht, unser Chefdenker, Chefphilosoph in Deutschland, ein ganzes Buch gerade darüber geschrieben, lesenswert in der Tat, dass im Prinzip KI für enorme Massenarbeitslosigkeit in Deutschland sorgen wird und dass das wiederum die deutschen Meister auf relativ dumme Gedanken bringt, wenn sie Massenarbeitslosigkeit haben und dass das also insgesamt auch sehr, sehr unangenehm wird. Viele andere schlaue Leute haben das gesagt. Und dann gibt es in Deutschland natürlich Menschen, die dafür verantwortlich sind, dass das nicht so wird, dass wir gute Arbeit haben auf verschiedenen Ebenen. Und ganz vorne mit dabei ist das Bundesarbeitsministerium, hier ein paar Meter die Straße runter. Und deren Aufgabe ist in der Tat, sich auf der einen Seite Gedanken darum zu machen, dass Menschen in Deutschland in Zukunft überhaupt Arbeit haben. Und dann zweitens, dass sie auch ganz gute Arbeit haben, also dass die Arbeitsverhältnisse nicht irgendwie völlig schrecklich werden. Und wenn die so schlaue Leute sagen hören, dass das Ganze jetzt hier den Bach runtergeht, dann gehen dann natürlich die roten Lampen an und sie sprengen ans Fenster und gucken raus und sagen, wo ist jetzt die KI? Und dann haben sie so die Straße runter, so ein bisschen Tumbleweed Rollen sehen, aber so richtig viel KI am Arbeitsplatz konnten sie erst mal nicht finden. Und deswegen sind sie glücklicherweise zu uns gekommen und haben gesagt, wir wollen jetzt unbedingt sehen, man kann über viele Sachen reden. Und natürlich habe ich jetzt einen kleinen Dreher reingebracht, weil ich habe darüber gesprochen, was manche Leute für die Zukunft sagen. Die wollen aber auch wissen, wie sieht das heute aus, wenn Menschen mit KI in irgendwelchen Werkzeugen arbeiten. Und das sind sie zu uns gekommen und haben gesagt, sagt uns doch mal bitte, wie dieser Arbeitsplatz mit KI aussieht. Uns, das ist meine liebe Kollegin Shelly Urgula, die hier 10 Meter in die Richtung ihr KI Orakel heute Abend betreibt. Das kann ich ja so auch sehr empfehlen. Und ich bin Hendrik Send in dem Projekt im Moment. Und jetzt, wo Geld da ist, werden wir noch ein paar mehr Leute. Und das ist unsere Aufgabe und wir haben schon angefangen, mit Leuten zu sprechen. Und ich habe nur 10 Minuten Zeit angeblich für heute Abend. Das ist angesichts der Temperaturen vielleicht auch genau angebracht. Dann haben wir noch mal 10 Minuten für Diskussion und dann haben wir 10 Minuten, um draußen frische Wurst zu holen und umzubauen. Deswegen werde ich jetzt erst, wir reden schon seit einer Weile mit vielen Leuten. Ich werde jetzt nur zwei so ganz extrem gegenüberliegende Fälle ganz kurz schlaglichtartig beleuchten wollen. Der erste Fall, wo wir mit Menschen gesprochen haben, die versuchen mit KI zu arbeiten, ist ein großer Deutscher, ein richtig großer deutscher Konzern. Wir haben viele Probleme und eins dieser Probleme kennen manche von euch vielleicht schon, das ist Wissensmanagement. So Wissensmanagement, das beschäftigt Unternehmen seit Jahrzehnten. Und das ist die Frage danach, kann eine Managerin, die morgen in Südostasien ein Projekt macht, auf das Wissen, auf die Fehler, auf die gelernten Erfahrungen zurückgreifen, die irgendwelche Kollegen vor Wochen oder auch vor einem halben Jahr vielleicht an einer völlig anderen Stelle in der Welt schon gemacht haben. Und das ist enorm wichtig für Unternehmen, wie man sich vorstellen kann. Wenn ich das weiß, dann kann ich einfach viel schneller, viel besser arbeiten, wissen, was meine Kunden wollen, ETC. Und da gibt es jetzt verschiedene Unternehmen, die Lösungen anbieten. Unter anderem haben viele von euch vielleicht gesehen, IBM Watson zum Beispiel, der hat relativ berühmt, und das ist schon knapp zehn Jahre her, bei diesem Spiel Jeopardy gewonnen. Da gibt es so schöne Bilder, könnt ihr mal im Internet gucken, wo so senfgelbe, spät 90er Jahre gekleidete Menschen irgendwie unseren Computer an diesen Jeopardy-Tischen stellen. Und Watson hat dann immer schneller als die menschlichen Gegenspieler rausgefunden, das jetzt nach Elvis gefragt war oder einem US-Präsidenten oder was auch immer. Also das heißt, die haben so einen relativen Claim to fame und haben gesagt so, hey, wir regeln für euch Wissensmanagement. Und das ist jetzt eine Frage, wie man schon merkt, die für ein Unternehmen enorm wichtig ist und die an praktisch jeder Stelle im Unternehmen eine Implikation hätte, viel Arbeit verändern würde und für viele Leute im Unternehmen auch natürlich viel arbeiten bedeuten würde. Der deutsche Konzern hat sich Mühe gegeben, hat so versucht ihren Korpus an Wissen, alle Dokumente irgendwie da vor den Haufen zu werfen und sagt so, kommt jetzt, mach das mal, dann haben die versucht so eine Semantik zu bauen für dieses Unternehmen und nach ziemlich langer Zeit den Schwanz eingezogen und haben gesagt so, ah, wir schaffen es nicht. Also das war zu kompliziert. Warum kann man nur raten? Wahrscheinlich, weil natürlich wer mit Wissensmanagement arbeitet, weiß, wie schrecklich das ist. Jeder schreibt Dinge verschieden auf, wenn sie oder er die Dinge überhaupt aufschreibt. Wir haben im Unternehmen, und ganz viele Dachen werden eben nicht aufgeschrieben, wir haben im Unternehmen sehr eigentümliche Begriffe, die sich ständig ändern, eigentümliche Bedeutungen und so weiter. Und zumindest in diesem Fall, wenn es nicht mehr um so Wikipedia-Wissen gibt, was einigermaßen strukturiert und verlinkt, irgendwie vorliegt mit Geburtsdaten und Orten und so, den man gut abgreifen kann, sind wir tatsächlich für so eine sehr komplexe, sehr breite Aufgabe an der Stelle noch nicht da, was die Implikation für das Arbeiten. Naja, erstmal diese sehr komplexe Aufgabe hat nicht geklappt, was, glaube ich, im Moment ganz gut klappt in Unternehmen ist. Wenn es so eine ganz schreckliche Aufgabe gibt, dann gibt es immer Leute, die bereit sind, zu hoffen, dass KI das Problem vielleicht löst. Also wenn ihr selber irgendwie von der Chefin, vom Chef, so sagt, jetzt löst mal hier dieses schreckliche Problem, dann sagt ihr, wir kaufen jetzt KI ein, dann kriegt man ein Klopfer auf den Rücken und darf zwei Jahre lang Geld ausgeben. Aber hin das. So, andere Situation, völliges Gegenteil. Warum? Weil es ein ganz, ganz kleines, übersichtliches, im Prinzip auch langweiliges Problem ist, das so spezifisch ist. Ich durfte diese Geschichte hier vorher einmal, wir hatten vom Institut eine Science-Slam-Trainerin, da durfte ich das einmal erzählen, die fand alles gut, sie meinte, das musste noch genauer erklären, also versuche ich jetzt. Und das ist in Werbeagenturen, ist eine der Aufgaben im Moment, Seiten in Suchmaschinen anzuzeigen, wenn ein richtiger Suchbegriff dafür gesucht wird. Also jetzt zum Beispiel bei so einem Wetter, keine Ahnung, was, elektrischer Handföhnen oder Handventilator oder sowas. Und jetzt kann man, und dafür, das passiert nach einem Geburtsverfahren. Also das Unternehmen, das bereit ist, relativ viel Geld für einen Klick zu bieten und eine relativ gute Seite gebaut hat, kriegt dann auch die obere Platzierung, dass es darum geht, Wärmung zu schalten. So, da gibt es schon regelbasierte Geschichten, da kann man sagen, also wenn das ganz gut verkauft oder dann bieten ein bisschen mehr oder wenn die Kollegen mehr bieten, dann macht das auch. Aber menschliches Verhalten ist relativ schlecht vorhersehbar und relativ schlecht mit so Regeln abbildbar. Also dann gibt es so Dinge wie total heiße Tage. Oder dann gibt es vielleicht Äußerungen von Leuten im Fernsehen oder so was, auf die wir gar nicht zugreifen können und das Unternehmen macht auf einmal was Besonderes. Und da sind so viele entstehende Muster, die mal aufkommen und dann auch wieder verschwinden. Allerdings in einer, innerhalb einer sehr, sehr ähnlichen Spielfläche. Nämlich, es geht immer darum, Geldbeträge, meistens relativ kleine, auf Begriffe zu setzen aus einigen Gruppen und zu gucken, bin ich grad besser als die Konkurrenz oder schlechter. Und das muss man auch einigermaßen eng verfolgen, weil wenn ich dauerhaft zu viel biete oder mehr als die Konkurrenz oder mehr als nötig, Geld aus, wenn ich zu wenig biete, dann gehe ich unter. Und da, ha ha, Maschinenlernen, gibt es jetzt verschiedene Unternehmen, die das tatsächlich Maschinenlernen-Ansätze einsetzen, um hier nachzusteuern. Und was dann passiert, wenn man das einsetzt, dann sind die Menschen, die zuvor durch sehr, sehr lange Tabellen gehen mussten und immer gucken mussten so, ah, laufen unsere hellgrauen Leder-Sandalen auf die Begriffe ABC eigentlich gerade gut oder verschenken wir da Geld zu wenig, die müssen das nicht mehr tun, sondern können ein Stück weit von dieser Aufgabe tatsächlich einer Algorithmus, einer Maschine überlassen. Und wir haben mit verschiedenen Agenturen gesprochen, die das machen. Und da ist es tatsächlich so, dass die Manager, die das machen, auf der einen Seite erstmal berichten, sie sind ganz fröhlich darüber, dass das so ist, weil nämlich durch diese endlosen Tabellen zu rennen, das ist eine total schreckliche Aufgabe, das macht kein näher Person Spaß und man lernt auch nicht so irrsinnig viel dabei. Und sie sagen, hier sind wir jetzt an dem Punkt, wir haben riesig viel zu tun und von dem, was wir zu tun haben, ist dieses Nachsteuern der Gebote verhältnismäßig wenig wichtig. Also viel wichtiger ist für ein Unternehmen die Frage so, wie beschreibe ich eigentlich sinnvoll meine Produkte, soll ich als Tierfuttershop eigentlich überhaupt Sandalen verkaufen und soll ich sagen, was passiert da gerade in dem Markt? So, diese Menschen bezeichnen das als strategische oder kreativere Aufgaben und da ist natürlich die Maschine wieder völlig überfordert. Die steuert einfach nur Gebote nach und wundert das, was wir im Moment sehen, dass diese kleine, sehr überschaubare Aufgabe mit immer wieder demgleichen, die funktioniert tatsächlich relativ gut und das Argument in den Agenturen ist auch relativ stark dafür, das zu nutzen, weil natürlich, wenn ich so eine wiederkehrende Aufgabe automatisieren kann, dann werde ich etwas produktiver, kann etwas mehr Zeit für andere Sachen aufwenden und kann meinen Kunden am Ende ein interessanteres Angebot machen. Und so gerade aus dem Internet gibt es, haben wir oft schon Situationen gehabt, wo Leute versucht haben, händische Leistungen gegen Automatisierung zu pitchen. Einer der schönsten alten Beispiele ist, Jahu hat lange vorgeschlagen, wir brauchen unbedingt so Webkataloge mit Verzeichnissen, wo Leute sich hinsetzen und irgendwie gut raussuchen, was man über Berlin klicken können will. War mal so. Gegen maschinell zusammengestellte Suchergebnisse hatte das auf Dauer keine Chance und ich sehe da auch insgesamt relativ wenig Chance. Diese Tools, die verändern sich gerade ziemlich schnell und relativ oft und es kommen neue Werkzeuge raus und was sicherlich an der Stelle spannend war neben der Tatsache, dass wir ein bisschen weniger Arbeit haben, dass insbesondere die Leitungspositionen, mit denen wir gesprochen haben, gesagt haben, hier ändert sich die ganze Zeit etwas und ich erwarte völlig selbstverständlich von meinen Leuten, wenn die reinkommen ins Unternehmen, dass sie bereit sind, sich ständig weiterzuentwickeln, neue Werkzeuge auszuprobieren und mit diesen neuen Werkzeugen zu wachsen. Es ist vielleicht gar nicht überhaupt jeder Frau oder jedermanns Sache und die sagen noch relativ selbstverständlich, wenn jemand das nicht will, dann geh halt woanders hin. Das ist natürlich schon eine relativ harte Haltung und eine erstaunliche, aber vielleicht dann auch wieder nachvollziehbare Haltung, die für uns interessant ist, weil es interessant ist, wie kann man das überhaupt herstellen, dass diese Leute das machen und wie organisieren diese Jobs das auch. Also, zwei sehr, sehr unterschiedliche Situationen. Wir haben noch andere Situationen gesehen, in denen sich Leute ganz aktiv dagegen gewährt haben, was auch ganz spannend ist, weil sie es einfach unvorteilhaft für ihren Job fanden, einen Teil davon zu automatisieren und das sind so Widerstandsverhalten und wieder mal bei euch im Unternehmen, vielleicht habt ihr es mal erlebt, wenn Leute keine Lust haben, was zu nutzen, zu unterlaufen und sie ein bisschen anders zu nutzen, das sehr, sehr kompliziert zu machen für die Leute, die diese neue Technologie tatsächlich nutzen wollen. Mit dieser Sorte und an der Stelle wird es dann natürlich spannend und das ist jetzt eigentlich das, was die drei Fälle vereint und was auch eines unserer Ergebnisse sein soll. Ich bin davon überzeugt, dass egal, ob man jetzt glaubt, dass komplizierte oder weniger komplizierte Aufgaben damit automatisiert werden, wird es immer interessant sein, wenn es wirklich funktioniert soll, sind wir darauf angewiesen, dass die Leute, die damit arbeiten, wirklich damit arbeiten, Lust darauf haben und das auch in dem Sinne zu bedienen und das kriegen wir am ehesten hergestellt, wenn wir das mit den Leuten gemeinsam herstellen. Auch da haben wir wieder spannende Fälle, z.B. von einer Bank, die das gemacht haben und das sind auch die Methoden und Wege, die wir in den nächsten drei Jahren betrachten wollen. Also gibt es eigentlich Wege, die sich ihren Mitarbeiterinnen gemeinsam neue Technologien ausprobieren und daraus eine Arbeit machen, die für alle gemeinsam besser sind. Es wird natürlich trotzdem die Frage im Raum stehen, welche Jobs fallen überhaupt weg und wie können wir damit umgehen, wenn das so ist und was müssen Leute dann neu lernen. Das ist aber ein bisschen eine andere Frage, sondern wir interessieren uns dafür der Arbeitsplatz, der Schreibtisch, an dem ein Mann oder eine Frau sitzt. Wie sieht das aus, wenn diese Person mit künstlicher Intelligenz arbeitet und das ist der Dialog, wenn ihr Beiträge Fragen dazu habt, zu dem ich jetzt natürlich gerne auch einladen will und die nächsten drei Jahre an dem Projekt, mit dem wir arbeiten wollen.