Man – Machine Teaming: Natürliche Intelligenz trifft künstliche Intelligenz (KI)


Die Automatisierungslücke zwischen natürlicher und künstlicher Intelligenz durch Aus- und Weiterbildung schließen. Man – Machine Teaming: Natürliche Intelligenz trifft künstliche Intelligenz (KI)


Auch für Man – Machine Teams gilt übrigens die alte didaktische Weisheit: Üben, üben, üben (d.h.  Machine Learning). Die aktuellen und vor allem zukünftigen Arbeitsprozesse mit intelligenten IT-Systemen (vom Auto bis zur intelligenten Kaffeemaschine) können in entsprechend gestalteten Trainings erfahrbar gemacht und geübt werden. 
Technische Systeme werden immer intelligenter. Dadurch steigt der Grad der Automatisierung stetig. Mit zunehmender Komplexität der Systeme (Autos, Flugzeuge, Handys, Kaffeemaschinen) wird es für den Nutzer immer schwieriger, das Verhalten des Systems zu verstehen oder vorherzusagen: „Was macht das System denn jetzt, das hat es ja noch nie gemacht“. Umgekehrt sind die intelligenten, automatischen Systeme zurzeit  kaum in der Lage, sich auf das Verhalten des Benutzers einzustellen.

 

In der Zusammenarbeit zwischen Menschen und den (teil-)automatisieren Systemen gibt es ein Problem: Die Menschen müssen – oftmals ad hoc -  die Steuerung übernehmen, weil der Automat unvorhergesehen ausfällt oder unangemessen reagiert (z.B. ein Abstandsassistent im Auto, der in einer Baustelle mit den vielen Zeichen und Objekten nicht zurechtkommt und beschleunigt, um dann gleich wieder abzubremsen). Man spricht hier von der sogenannten Automatisierungslücke, die zwischen einer menschlich-manuellen Bearbeitung (ich fahre mein Auto alleine, ohne die automatische Unterstützung von Assistenzsystemen) und  einem autonomen, technischen System (das Auto fährt ausschließlich mit Assistenten) besteht. Diese Lücke wird noch auf lange Zeit bestehen, da selbst die elaboriertesten Systeme davon ausgehen, dass im Falle eines Systemausfalls der Nutzer (z.B. der Fahrer oder der Überwacher einer autonom fahrenden U-Bahn) eingreifen wird und kann.

Um besser mit dieser Automatisierungslücke umgehen zu können, ist es sinnvoll, dass die Menschen besser verstehen, was das System kann und was nicht, aber ebenso das System versteht, was der Mensch kann und was nicht. Mit den Möglichkeiten der KI kann man teilautonom agierenden Systemen diese Fähigkeit zu einer zunächst rudimentären Empathie geben.

Das intelligente System ersetzt den Menschen nicht, sondern kollaboriert mit ihm als verständiger Assistent oder als gleichwertiger Teampartner. Eine sinnvolle, kompetenzbasierte Aufgabeaufteilung zwischen natürlicher und künstlicher Intelligenz verbessert Effizienz, Sicherheit und Aufgabebearbeitung. Dazu bedarf die KI (z.B. intelligente Chatbots, kooperative Roboter) eines mentalen Modells seiner menschlichen Partner, um deren Möglichkeiten und aktuellen Status erfassen zu können und angemessen („emphatisch“) zu reagieren. Man spricht dann von einem „Man – Machine Teaming“. Aber nicht nur die Maschinen müssen in diesen gemischten Teams lernen, auch die Menschen müssen das System, vor allem sein Verhalten, verstehen lernen.

Fokus und Thema von Trainings im Kontext Man – Machine Teaming müssen sein:

  • Aspekte der Kommunikation (mit den KI-Systemen)
  • Gestaltung gemeinsamer Lern-, Trainings- und Einsatzszenarien zwischen KI und Mensch
  • Vermeidung von false learning (was kann die KI, was nicht?)
  • Umgang mit der Wahrnehmung von Künstlichkeit (hinsichtlich Emotionen, Werten und ethischen Fragen)
  • Führung von gemischten Teams aus künstlich intelligenten Systemen und Menschen
  • Vor- und Nachteile der Substitution menschlicher Teammitglieder durch KI-Systeme.

Beliebte Posts aus diesem Blog

Educational Wargaming und seine psychologischen Aspekte

Kollege Roboter und Kollegin Chatbot: Künstliche Intelligenz und Kreativität: Kann KI kreativ sein, und wie verändert dies kreative Berufe?

Fehlercode 1202 - Executive Overflow”-Alarm - Die Anfänge der Automatisierung und Digitalisierung