Künstliche Intelligenz gewinnt zunehmend an Bedeutung. Um ihre Potentiale zu nutzen und den Einsatz der KI in Europa aktiv zu gestalten, hat die Europäische Union im April 2018 eine KI-Strategie verabschiedet. Ziel ist unter anderem, die Investition zu erhöhen und einen ethischen und rechtlichen Rahmen zu gewährleisten.
Inwieweit beeinflussen die deutsche und europäische KI-Strategie den technologischen Fortschritt? Wovon hängt eine erfolgreiche Technologiediffusion im Bereich der künstlichen Intelligenz ab? Welche Potentiale erwachsen deutschen Automobilunternehmen aus der KI-Strategie?
Jannis Stegmann untersucht den Beitrag der Beitrag der deutschen und europäischen Künstliche-Intelligenz-Strategie zur Technologiediffusion, wobei er insbesondere auf die Automobilbranche eingeht. Er zeigt sowohl, welche Vorteile der deutschen Wirtschaft aus dem Strategieplan erwachsen, als auch, welche Schwachstellen es gibt.
Aus dem Inhalt:
- Innovation;
- Machine Learning;
- Autonomes Fahren;
- Smarte Fabriken;
- Technology-Push-Ansatz
Inhaltsverzeichnis
1 Einleitung
1.1 Motivation
1.2 Problemstellung und Formulierung der Forschungsfragen
1.3 Vorgehensweise
1.4 Abgrenzung
1.5 Erwartete Ergebnisse
2 Künstliche Intelligenz
2.1 Versuch einer Definition
2.2 Eine kurze Entwicklungsgeschichte
2.3 Aktuell wichtige KI-Technologien
2.3.1 Maschinelles Lernen
2.3.2 Tiefes Lernen mit künstlichen neuronalen Netzen
2.4 Wirtschaftliche und gesellschaftliche Relevanz von Künstlicher Intelligenz
3 Resümee der europäischen und deutschen KI-Strategie
3.1 Die europäische KI-Strategie
3.2 Die deutsche KI-Strategie
3.3 Aktuelle Analysen der deutschen KI-Strategie
4 Innovations- und Technologiediffusion
4.1 Innovationen
4.1.1 Definition der Innovation
4.1.2 Innovationsprozess
4.1.3 Arten von Innovationen
4.2 Charakteristika der Diffusion
4.2.1 Definition der Diffusion
4.2.2 Einflussfaktoren der Diffusion
4.2.3 Kommunikationskanäle
4.2.4 Die zeitliche Dimension der Diffusion
4.2.5 Soziales System
4.3 Forschungs- und Technologiepolitik
4.3.1 Legitimation staatlicher Eingriffsmaßnahmen
4.3.2 Argumentation gegen staatliche Eingriffsmaßnahmen
4.3.3 Betrachtung verschiedener Förderungsmaßnahmen
5 Methodologie: Primärdatenerhebung durch qualitative Experteninterviews
5.1 Wahl der Erhebungsmethode
5.2 Wahl der Experten für die Interviews
5.3 Erarbeitung des Interviewleitfadens
5.4 Qualitative Inhaltsanalyse zur Auswertung der Experteninterviews
6 Beitrag der deutschen KI-Strategie zur Technologiediffusion
6.1 Die aktuelle Relevanz von Künstlicher Intelligenz
6.1.1 Potentiale von Künstlicher Intelligenz
6.1.2 Herausforderungen und Grenzen von Künstlicher Intelligenz
6.1.3 Ausgewählte Anwendungsfälle für Künstlicher Intelligenz
6.1.4 Künstliche Intelligenz als Innovation
6.2 Die deutsche KI-Strategie als technologiepolitische Maßnahme
6.2.1 Die Gratwanderung der Technologiepolitik
6.2.2 Analyse der deutschen KI-Strategie
6.2.3 Optimierungsvorschläge für die deutsche KI-Strategie
6.2.4 Internationaler Vergleich Deutschlands
6.2.5 Einfluss auf den technologischen Fortschritt
6.3 Diffusion von Künstlicher Intelligenz
6.3.1 Akzeptanz- und Diffusionsbarrieren
6.3.2 Treiber der Diffusion von KI-Technologien
6.3.3 Diffusion von Künstlicher Intelligenz zum Status Quo
6.4 Diffusion in die Automobilbranche
6.4.1 Innovationsbereitschaft der Automobilbranche
6.4.2 Interesse an Künstlicher Intelligenz
6.4.3 Einfluss der KI-Strategie auf die Automobilbranche
7 Fazit
7.1 Resümee der Forschungsergebnisse
7.2 Kritische Reflektion der Arbeit
7.3 Weitere Forschung und Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit untersucht den Beitrag der europäischen und deutschen KI-Strategie zur Technologiediffusion, wobei der Fokus spezifisch auf die Automobilbranche als umsatzstärkster Wirtschaftssektor in Deutschland gelegt wird. Die zentrale Forschungsfrage zielt darauf ab zu ergründen, wie effektiv diese wirtschaftspolitischen Instrumente den technologischen Fortschritt in den Unternehmen fördern und inwieweit die dortigen Bedürfnisse durch die KI-Strategien abgedeckt sind.
- Analyse der nationalen und europäischen KI-Strategien im internationalen Wettbewerbskontext.
- Untersuchung der theoretischen Grundlagen der Innovations- und Technologiediffusion.
- Qualitative Primärdatenerhebung durch Experteninterviews zur Einschätzung der KI-Relevanz.
- Evaluation von Treibern und Barrieren der KI-Diffusion in der deutschen Automobilindustrie.
Auszug aus dem Buch
2.1 Versuch einer Definition
Eine allgemeingültige Definition von Künstlicher Intelligenz existiert nicht. Grund hierfür ist unter anderem, dass nicht einmal über den Begriff der menschlichen Intelligenz ein einheitliches Meinungsbild herrscht (vgl. Mainzer 2019, S. 2). Des Weiteren kann in Frage gestellt werden, ob Künstliche Intelligenz zum jetzigen Zeitpunkt überhaupt viel mit menschlicher Intelligenz zu tun hat (vgl. Kaplan 2017, S. 16). Dennoch ist die KI-Forschung genau von diesen Aspekten getrieben: Zum einen wird versucht, das menschliche Gehirn mit Computern zu simulieren und zum anderen Programme durch die Nachahmung menschlicher Entscheidungsfindungsprozesse intelligenter zu machen (vgl. Dorn und Gottlob 2002, S. 2).
Es gibt verschiedene Definitionen von KI, die jeweils unterschiedliche Aspekte beleuchten und den Fokus in eine bestimmte Richtung lenken. Häufig wird die Zielformulierung der KI-Forschung des Wissenschaftlers John McCarthy zitiert, der als einer der Pioniere und Gründerväter der KI verstanden werden kann: Er sieht die Rolle der KI darin, „Maschinen zu entwickeln, die sich verhalten, als verfügten sie über menschliche Intelligenz“ (vgl. McCarthy et al. 1955).
Bei dieser Definition ist die Kopplung der KI an die menschliche Intelligenz in Frage zu stellen. Intelligenz ist weder klar definiert, noch objektiv quantifizierbar. Schon ein Taschenrechner ist dem Menschen in Geschwindigkeit und Genauigkeit beim Durchführen verschiedenster Berechnungen überlegen. Inzwischen wurden die weltbesten Schach- und Go-Spieler von Maschinen geschlagen (vgl. Lakemeyer 2017, S. 2). Aber auch Aufgaben von Systemen, die aus Datenmustern erkennen, ob z.B. ein Cyberangriff vorliegt oder ein Tsunami bevorsteht, könnte ein Mensch nicht übernehmen. Dies allein macht Maschinen aber nicht intelligenter als den Menschen. Die genannten Systeme sind auf eine sehr spezifische Problemstellung ausgerichtet. Von menschlichen Eigenschaften wie Kreativität, Emotionen und Anpassungsfähigkeit an verschiedenste Situationen sind Maschinen weit entfernt. Es wird klar, dass sich die Intelligenz einer Maschine und die des Menschen nicht anhand desselben Messkriteriums bestimmen oder gar miteinander vergleichen lassen (vgl. Kaplan 2017, S. 16).
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel motiviert die Relevanz der Künstlichen Intelligenz als Basistechnologie, formuliert die spezifischen Forschungsfragen und skizziert die Vorgehensweise sowie die Zielsetzung der Arbeit.
2 Künstliche Intelligenz: Hier werden die begrifflichen Grundlagen der KI definiert, ihre historische Entwicklung nachgezeichnet und wichtige technologische Konzepte wie das maschinelle Lernen und künstliche neuronale Netze erläutert.
3 Resümee der europäischen und deutschen KI-Strategie: Dieses Kapitel fasst die strategischen Rahmenbedingungen der europäischen und deutschen Politik zusammen und ordnet diese in den internationalen Kontext ein.
4 Innovations- und Technologiediffusion: Hier werden theoretische Modelle zur Entstehung von Innovationen und zu den Prozessen der technologischen Diffusion im Markt erarbeitet.
5 Methodologie: Primärdatenerhebung durch qualitative Experteninterviews: Das Kapitel beschreibt das methodische Vorgehen der Expertenbefragung sowie die darauf angewandte qualitative Inhaltsanalyse zur Datenauswertung.
6 Beitrag der deutschen KI-Strategie zur Technologiediffusion: Der Hauptteil der Arbeit analysiert die Ergebnisse der Experteninterviews hinsichtlich der Relevanz, den Auswirkungen der Strategie und der spezifischen Anwendung in der Automobilbranche.
7 Fazit: Das Kapitel resümiert die wichtigsten Forschungsergebnisse, reflektiert kritisch die Methodik und gibt einen Ausblick auf künftige Forschungsbedarfe.
Schlüsselwörter
Künstliche Intelligenz, KI-Strategie, Technologiediffusion, Automobilbranche, Innovationsmanagement, maschinelles Lernen, tiefes Lernen, digitale Transformation, Wirtschaftspolitik, Forschungsförderung, Experteninterview, qualitative Inhaltsanalyse, Industriepolitik, Wettbewerbsfähigkeit, Innovationsbereitschaft.
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit grundsätzlich?
Die Arbeit analysiert, inwieweit die aktuellen KI-Strategien der Bundesregierung und der Europäischen Union die Diffusion von KI-Technologien in der deutschen Wirtschaft, mit besonderem Augenmerk auf die Automobilbranche, beeinflussen.
Was sind die zentralen Themenfelder der Untersuchung?
Die Schwerpunkte liegen auf den Grundlagen der KI, den theoretischen Diffusionsprozessen von Innovationen, der politischen Steuerung durch nationale KI-Strategien und der spezifischen Anwendung und Akzeptanz dieser Technologien in der Automobilindustrie.
Was ist das primäre Ziel oder die Forschungsfrage der Arbeit?
Das Ziel ist es, den Beitrag der KI-Strategien zur Förderung des technologischen Fortschritts zu bewerten und zu ermitteln, ob diese politischen Maßnahmen die spezifischen Bedürfnisse der Automobilbranche adressieren.
Welche wissenschaftliche Methode wurde für die Arbeit verwendet?
Der Autor führt eine qualitative Forschung durch, basierend auf Experteninterviews, die nach der Methode der inhaltlichen Strukturierung nach Mayring ausgewertet wurden, um fundierte Einschätzungen zur aktuellen Situation zu gewinnen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil evaluiert die KI-Strategien anhand der Expertenmeinungen, betrachtet die Potenziale und Barrieren der KI-Diffusion und untersucht kritisch die technologische Entwicklung und Innovationsbereitschaft in der Automobilbranche.
Welche Schlüsselwörter charakterisieren diese Arbeit?
Die wichtigsten Begriffe umfassen Künstliche Intelligenz, Technologiediffusion, Automobilbranche, KI-Strategie, Innovationsmanagement, Wettbewerbsfähigkeit und qualitative Experteninterviews.
Welche spezifische Rolle spielt die Automobilbranche in dieser Analyse?
Die Automobilbranche wird als Untersuchungsobjekt gewählt, da sie als umsatzstärkster Sektor der deutschen Wirtschaft besonders stark von KI-Anwendungen, wie beispielsweise autonomem Fahren und Industrie 4.0, betroffen ist und somit ein ideales Beispiel für die Analyse staatlicher Steuerung bietet.
Warum wird die finanzielle Ausstattung der KI-Strategie kritisiert?
Die befragten Experten bemängeln, dass das im Vergleich zu den USA und China bereitgestellte Investitionsvolumen zu gering ist, um international eine führende Rolle einnehmen zu können, und fordern ein deutlich stärkeres Engagement.
Welche Herausforderungen behindern laut der Arbeit die KI-Diffusion?
Als wesentliche Barrieren werden unter anderem Datenschutzbedenken, ein Mangel an KI-Fachkräften, die Intransparenz komplexer Algorithmen (Black-Box-Problematik) und die dezentrale Struktur der verfügbaren Daten in Deutschland identifiziert.
- Arbeit zitieren
- Jannis Stegmann (Autor:in), 2020, Wie tragen die europäische und deutsche KI-Strategie zur Technologiediffusion in der Automobilbranche bei? Potentiale der Künstlichen Intelligenz für die deutsche Wirtschaft, München, GRIN Verlag, https://www.grin.com/document/517357
