Deep-Learning Machine Uses MRI Scans to Determine Your Brain Age

Determining brain age from an MRI scan has always been a time-consuming business. Now an AI machine gives the answer in seconds

Human cognitive abilities decline with age. And neuroscientists have long known that this decline correlates with anatomical changes in the brain as well. So it’s no surprise to learn that it is possible to spot the signs of aging in MRI images of the brain and even to determine a “brain age.” The difference between brain age and chronological age can reveal the onset of conditions such as dementia.

But the analysis is lengthy because the MRI data has to be heavily processed before it is suitable for automated aging. This pre-processing includes the removal from the image of non-brain tissue such as the skull, the classification of white matter, gray matter, and other tissue, and the removal of image artefacts along with various data-smoothing techniques.

All this data crunching can take more than 24 hours, and that is a serious obstacle for doctors hoping to take into account a patient’s brain age when making a clinical diagnosis.

Today, all that changes thanks to the work of Giovanni Montana at King’s College London and a few pals who have trained a deep-learning machine to measure brain age using raw data from an MRI scanner. The deep-learning technique takes seconds and could give clinicians an accurate idea of brain age while the patient is still in the scanner.

The method is a standard deep-learning technique. Montana and co use MRI brain scans of over 2,000 healthy people between 18 and 90 years old. None had any kind of neurological condition that might influence their brain age. So their brain age should match their chronological age.

The team used 80 percent of these images to train a convolutional neural network to determine a person’s age, given their brain scan. They used a further 200 images to validate this process. Finally, they tested the neural network on 200 images it hadn’t seen to determine how well it could measure brain age.Each scan is a standard T1-weighted MRI scan of the type produced by most modern MRI machines. Each scan is labeled with the chronological age of the patient.

At the same time, the team compared the deep learning approach to the conventional method of determining brain age. This requires extensive image processing to identify, among other things, white matter and gray matter in the brain followed by a statistical analysis called Gaussian process regression.

The results make for interesting reading. Both deep learning and Gaussian process regression accurately determine the chronological age of patients when given preprocessed data to analyze. Both methods do this with an error of less than five years either way.

However, deep learning shows its clear superiority when analyzing raw MRI data, where it performs just as well, giving the correct age with a mean error of 4.66 years. By contrast, the standard method of Gaussian process regression performs poorly in this test, giving a rough age with a mean error of almost 12 years.

What’s more, the deep-learning analysis takes just a few seconds compared with the 24 hours of pre-processing required for the standard method.  The only data processing required for the deep-learning machine is to ensure the consistency of the image orientation and the voxel dimensions between images.

That has significant implications for doctors. “Given the right software implementation, brain-predicted age data could be made available to a clinician while the patient is still in the scanner,” say Montana and co.

The team also compared images taken using different scanners just to show that the technique can be applied to scans taken on different machines in different parts of the world. They also compare brain ages of twins to show how brain age is linked to genetic factors. Interestingly, the correlation drops with age, suggesting that environmental factors become more significant as time goes on, and suggesting a promising line of future research.

That’s an impressive result that has the potential to significantly influence the way clinicians come to a diagnosis. There is considerable evidence that conditions such as diabetes, schizophrenia, and traumatic brain injury are correlated with faster brain aging. So a way to measure brain aging quickly and accurately could have an important impact on the way clinicians deal with these conditions in the future. “Brain-predicted age represents an accurate, highly reliable, and genetically valid phenotype that has potential to be used as a biomarker of brain aging,” say Montan and co.

Serie: Künstliche Intelligenz Teil II

Der Mann, der Maschinen ein Gehirn gibt

Nvidia-Gründer Jen-Hsun Huang produziert Computerchips für die Roboterrevolution. Porträt eines außergewöhnlichen Vordenkers.

An einem regnerischen Mittwoch Ende September sind in Amsterdam die Supermaschinen aus der Zukunft zu Gast: Vor dem Kongresszentrum beim Hauptbahnhof fährt ein selbstfahrender Minibus im Kreis. Drinnen rollt ein Roboter umher und greift mit seinem Stahlarm wie ein Kellner nach einem Glas Wasser. Und nebenan schwebt eine Drohne durch eine Voliere und erkennt Gegenstände auf dem Boden, als sei sie ein Falke.

Der kalifornische Chiphersteller Nvidia hat zur Europakonferenz geladen, und natürlich lässt man da die schlauesten Roboter vorfahren. Kluge Menschen sind auch zugegen: Forscher, Start-up-Gründer und IT-Strategen aus der ganzen Welt drängeln sich am frühen Vormittag im großen Vortragssaal des Gebäudes. Sie wollen den Mann sehen, der Nvidia vor 23 Jahren mitgegründet hat und heute immer noch führt. Jenen Mann, der mit seinem Unternehmen gerade ein neues Computerzeitalter vorantreibt.

Applaus brandet auf, als Jen-Hsun Huang auf die Bühne sprintet. „Wir sind am Beginn einer Revolution“, sagt er. Die Ära der künstlichen Intelligenz sei angebrochen. Microsoft habe Computern gerade beigebracht, Sprache fast zu verstehen wie ein Mensch. Dolmetschen könnten Rechner auch schon zuverlässig. Und neue Software erkenne Bilder besser als menschliche Gehirne: „Bald werden Computer Dinge für uns tun“, prophezeit der Mann auf der Bühne, „die wir uns heute nicht vorstellen können.“ Und das Publikum lauscht, als sei Huang ihr Messias.

Serie: Künstliche IntelligenzAufbruch in die Robo-Zukunft

Lange waren selbstlernende Maschinen Science Fiction. Experten erwarten nun, dass schon in 15 Jahren in nahezu jedem Haushalt Roboter für uns putzen und kochen. Welche Chancen und Gefahren birgt Künstliche Intelligenz?

Wie immer trägt der 53-Jährige eine schwarze Lederjacke, schwarze Jeans und schwarze Lederschuhe. Ein Milliardär, der auftritt wie ein Rockstar – das lieben sie in der Techszene, wo der permanente Regelbruch das oberste Prinzip ist.

Auch Huang ist gerade dabei, Nvidia neu zu erfinden. „Künstliche Intelligenz“, sagt er, „ist unser am schnellsten wachsendes Geschäft. Bald werden alle Computerplattformen auf der Technik basieren.“

Die Huang'sche Intelligenz

Mit der Prognose ist er nicht allein. Der Umsatz mit schlauer Software soll laut Berechnungen der Marktforscher von Tractica bis 2025 auf weltweit 36,8 Milliarden Dollar wachsen. Denkende Maschinen, so die Marktforscher, werden Alte pflegen, medizinische Diagnosen stellen, E-Mails beantworten. Und Huang will auch für die nächste Generation der Supermaschinen die Gehirne bauen.

Auf dem Weg dahin ist er schon weit gekommen. Während Kontrahent Intel erst nächstes Jahr einen Computerprozessor für künstliche Intelligenz (KI) vorstellen will, verkauft Nvidia schon seit 2015 welche. Und seit sechs Jahren dienen herkömmliche Nvidia-Chips Entwicklern und Forschern als die Standard-Rechenplattform, um Maschinen das Sehen, Hören und Verstehen beizubringen.

„Nvidia hat als erster großer Hardwarekonzern den jungen Trend Deep Learning erkannt und darauf gesetzt“, sagt Alex Linden, Experte für Machine Learning beim IT-Berater Gartner. „Damit hat Nvidia gegenüber den Konkurrenten einen recht deutlichen Vorsprung.“ Was viel darüber sagt, wie dieser Huang tickt.

Er könne um die Ecke denken wie wenige, sagen die, die ihn gut kennen. Mitarbeiter nennen ihn detailorientiert, perfektionistisch, engagiert – und dabei zugänglich. Vor allem aber scheint ihn die Gegenwart zu langweilen. „In Meetings interessieren ihn keine Vorträge über Unternehmenszahlen, denn die kann er selbst lesen“, sagt sein Europachef Jaap Zuiderveld. „Er möchte lieber verstehen, wohin die Reise geht. Er schaut immer zehn Jahre voraus.“Es ist der Schlüssel zu seiner Ausnahmekarriere. Geboren 1963 in Taiwan, zieht Huang als Kind mit seinen Eltern nach Thailand. Als sich dort die politische Situation verschärft, senden seine Eltern 1973 den Neunjährigen mit seinem ein Jahr älteren Bruder zu Tante und Onkel, die gerade in die USA immigriert sind. Die wollen die Brüder auf die Highschool schicken, melden sie aber versehentlich auf einer Schule im ländlichen Kentucky an, die für ihre verhaltensauffälligen Schüler berüchtigt ist. Dort muss Huang jeden Nachmittag die Toilette schrubben. Die Mitschüler sind harte Burschen. Er lernt, wieder aufzustehen, wenn er hinfällt.

Der Mann, der Maschinen ein Gehirn gibt

Kannibalisiere dich selbst

Später ziehen Huangs Eltern in die USA nach und holen ihn nach Oregon. Dort studiert er Elektroingenieurwesen und schafft es bis ganz nach oben: An der renommierten Stanford-Universität macht er seinen Master-Abschluss. Nach dem Studium entwickelt er Mikrochips beim Branchenriesen AMD. Bis er im Alter von 30 Jahren zusammen mit zwei Gleichgesinnten, Chris Malachowsky und Curtis Priem, auf eine ganz eigene Idee kommt.

Es ist die Zeit, als Computer noch mit Windows 3.1 laufen, kaum jemand das Internet kennt und Videospiele aus zweidimensionalen Bildern bestehen. „Der schnellste Prozessor“, rekapituliert Huang, „hatte 66 Megahertz. So einen Rechner würde man heute nicht mal im vernetzten Tennisschuh nutzen.“ Huang aber will ein neues Universum schaffen, eine Welt im Computer, er denkt nicht in Schrittchen, sondern in Quantensprüngen. „Die Killer-Applikation“, so der Plan, „waren dreidimensionale Videospiele.“ Und den Rechner dafür würde Huang entwickeln.

Die Entwicklungsstufen Künstlicher Intelligenz

• 1950 - Alan Turing

• 1956 - Dartmouth-Konferenz

• 1974 - Erster KI-Winter

• 1997 - Deep Blue

• 2005 - Ray Kurzweil

• 2014 - KI-Boom

• 2045 - Roboter-Revolution

„Warum suchst du dir nicht lieber einen neuen Job?“, fragte seine Mutter. Huang hört auf seine eigene Stimme. 1993 gründet er mit seinen beiden Kompagnons Nvidia. Es ist der Beginn einer Karriere, die selbst für die Maßstäbe des Silicon Valley ziemlich steil verläuft.

1995 bringt Nvidia seinen ersten Grafikprozessor auf den Markt. Der ist, auch dank der Entwicklerkünste des Chefs, so sagenhaft, dass bald darauf Microsoftentscheidet, Nvidia-Chips in seine Spielkonsole Xbox einzubauen. KontrahentSony klopft wenig später an und bittet Huang um Mitarbeit an seiner Playstation-3-Konsole.

Ende der 2000er ist Nvidia unangefochtener König auf dem Milliardenmarkt der Grafikkarten für Videospiele. Zocker geben mehr für die Nvidia-Prozessoren aus als für den restlichen Computer. Es ist ein sehr profitables Geschäft: Die Nvidia-Aktie steigt von 1999 bis 2007 um das 27-Fache und damit stärker als die Apple-Papiere im gleichen Zeitraum.

Aber Huang ist keiner, der sich auf Erfolgen ausruht. „Wenn du dich nicht permanent neu erfindest“, predigte er schon vor einer Weile Studenten in Stanford, „liegst du in Wahrheit nur langsam im Sterben.“ Noch so eine Huang-Weisheit? „Und wenn du dich nicht selbst kannibalisiert, wird es jemand anderes tun.“

Ab 2012 kontaktieren ihn plötzlich Forscher, die entdeckt haben, dass seine Grafikkarten perfekt mit einer neuen Methode zusammenarbeiten, von der sie sich große Fortschritte in der Entwicklung künstlicher Intelligenz versprechen. Dem Vordenker wird wieder einmal klar, dass sich etwas Gewaltiges anbahnt in der Computertechnik.

Internet-Ethiker Luciano FloridiKünstliche Intelligenz macht arbeitslos - gut so

Jeder ein Rentner, ohne in Ruhestand gehen zu müssen. Der Netzphilosoph Luciano Floridi propagiert die Chancen künstlicher Intelligenz - und fordert eine fairere Verteilung der Gewinne durch neue Techniken.

Deep Learning, so das Verfahren, imitiert die Netzwerke menschlicher Gehirnzellen. Programmierer erzeugen Abertausende virtuelle Nervenzellen und teilen sie in Dutzende, gar Hunderte Ebenen ein. Unzählige dieser virtuellen Nervenzellen werden gleichzeitig aktiv, wenn sie etwa ein bestimmtes Muster in einem Foto erfassen. Die Signale durchlaufen Hunderte Ebenen, bis die Software beispielsweise ein menschliches Gesicht erkennt.

Der Mann, der Maschinen ein Gehirn gibt

„Wie eine Autobahn mit 8000 Spuren“

Es ist ein Verfahren, bei dem unzählige Berechnungen gleichzeitig laufen – ähnlich wie im Gehirn, wo Millionen Nervenzellen parallel feuern. Herkömmliche Prozessoren mit nur vier oder acht Rechenkernen arbeiten die Rechenschritte nacheinander ab – und werden zum Flaschenhals für Deep Learning. Nvidias Grafikkarten dagegen bestehen aus Tausenden Kernen, die parallel arbeiten. „Wie eine Autobahn mit 8000 Spuren“, sagt Europachef Zuiderveld. Ideal für die neue KI-Technik.

Huang zögert nicht: Er bildet ein Team, das neue Prozessoren entwickeln soll, die eigens auf künstliche Intelligenz ausgerichtet sind. Seit 2015 bringt Nvidia Deep-Learning-Rechner im Eiltempo auf den Markt: einen Chip für Roboter, die Sehen lernen; einen Supercomputer, auf dem Forscher neuronale Netze trainieren können und der 250 herkömmliche Server ersetzt; einen Rechner, schnell wie 150 Laptops, der in selbstfahrenden Autos die Daten von zwölf Kameras gleichzeitig auswertet.Start-ups und Konzerne reißen sie ihm aus den Händen, Facebook undGoogle nutzen sie in ihren Datenzentren. 55 000 Softwareentwickler haben sich bei Nvidia registriert, um auf Basis seiner Hardware Deep-Learning-Anwendungen zu programmieren. Der chinesische Internetkonzern Baidu nutzt sie, um selbstfahrende Autos zu bauen.

So lernen Maschinen das Denken

• Wahrnehmen

• Verstehen

• Agieren

Und Huang, ganz Pionier, durchdringt das Thema wie wenige andere Unternehmer. Zwei Stunden lang referiert er in Amsterdam frei über die Zukunft mit schlauen Maschinen. Auch im persönlichen Gespräch spricht er konzentriert und faktenreich. Und klingt mitunter prophetisch: „Deep Learning ist wie ein göttlicher Hammer, der vom Himmel gefallen ist.“ Er wolle die Technik „jedem auf der Welt zugänglich machen“.

1500 Start-ups weltweit arbeiten laut Huang inzwischen schon mit Deep Learning. Und viele davon nutzen die Chips von Nvidia. Auch der deutsche SoftwarekonzernSAP arbeitet seit Neuestem mit Nvidia zusammen, um künstliche Intelligenz in seine Software einzubauen.

Wieder einen Schritt voraus

Forscher schwärmen, wie massiv sich ihre Arbeit mit den neuen Chips beschleunige. Auch das Deutsche Forschungszentrum für Künstliche Intelligenz nutzt die Rechner von Nvidia und stattet etwa Roboter mit ihnen aus, die dadurch viel schneller lernen, sich zu bewegen und mit Objekten zu interagieren. Im August übergab Huang Tesla-Gründer Elon Musk einen Superrechner. Musks Forschungslabor OpenAI soll damit nun neue schlaue Programme entwickeln.

Huang habe „ein extrem großes Netzwerk“, sagt Nvidia-Europachef Zuiderveld, „er kennt viele Forscher an Universitäten, CEOs von Technikunternehmen und hat die Chefs aller großen Autokonzerne getroffen.“ Und die Verbindung zu Stanford hilft ihm, an Toptalente zu kommen.

Denn der Wettbewerb um KI-Talente ist brutal. Intel alleine hat in den vergangenen 13 Monaten drei Start-ups gekauft, die künstliche Intelligenz entwickeln, auchGoogle baut für seine KI-Plattform Tensorflow einen eigenen Chip. Ausruhen gibt es nicht.

Auf der Bühne in Amsterdam schwärmt er davon, wie künstliche Intelligenz bald Probleme lösen werde, die die Menschen schon immer beseitigen wollten. „Und da möchte ich dabei sein, bevor ich in Rente gehe.“ Das Publikum klatscht frenetisch. Vielleicht übergibt er seine Lederjacke dann ja an einen Roboter.Das wäre ohnehin Huangs Sache nicht, er denkt wieder einmal einen Schritt voraus: Neulich brachte er ein Betriebssystem für selbstfahrende Autos heraus. Ein Roboterfahrzeug aus dem Nvidia-Labor hat Huang gleich selbst getestet. „Es fährt auf Highways und Landstraßen“, erzählt er. Bis zur Marktreife reiche es noch nicht, „aber die grundlegende Technik funktioniert“. Mit mehr als 70 Mobilitätsunternehmen arbeitet Nvidia inzwischen zusammen. Audi,Volkswagen, Porsche, Volvo – in Amsterdam sind Entwickler der schillerndsten Marken mit dabei. Was will Huang noch erreichen?

Serie: Künstliche Intelligenz Teil I

Aufbruch in die Robo-Zukunft

Lange waren selbstlernende Maschinen Science Fiction. Experten erwarten nun, dass schon in 15 Jahren in nahezu jedem Haushalt Roboter für uns putzen und kochen. Welche Chancen und Gefahren birgt Künstliche Intelligenz?

Als sich Jürgen Heidemanns neulich sozusagen Auge in Auge einem Roboter gegenübersah, da war dem Industriemechaniker erst einmal ziemlich mulmig zumute. Der 58-Jährige war an die maschinellen Helfer in seiner Arbeitshalle nur aus sicherer Entfernung gewöhnt: Bisher standen sie stets hinter Gittern, damit sie ja niemanden mit ihren abrupten Bewegungen verletzen.

Doch nun wuseln um ihn in der Werkshalle von SEW-Eurodrive, einem Unternehmen, das sich mit Antriebstechnik beschäftigt, kleine blinkende Gefährte herum, die aussehen wie ein aufgemotztes Skateboard. Sie fahren brav Wellen und Zahnräder zu seiner Montagestation. Carmen, ein anderer Roboter – oder genauer gesagt, ein Roboterarm –, hebt das schwere Getriebegehäuse mit ihren Zangen und hält es für ihn in Position, wenn Heidemann es mit dem Elektromotor verschrauben will. Und Heidemanns Unsicherheit ist verflogen.

Denn die neuartigen Gehilfen sind dank künstlicher Intelligenz (KI) unter der Maschinenhaube so programmiert, dass sie sich nach seinem Tempo und seinen Bedürfnissen richten. Und sie lernen stets dazu, wie sich die Montage im Zusammenklang mit ihm, dem Menschen, optimieren lässt. Sein Fazit: Alles sei jetzt „genau da, wo ich es brauche“.

So lernen Maschinen das Denken

• Wahrnehmen

• Verstehen

• Agieren

Die Kooperation zwischen Mensch und Maschine funktioniert an Heidemanns Arbeitsplatz im Karlsruher Einzugsgebiet so gut, dass SEW-Eurodrive sie auf fünf weitere Montagestationen ausgeweitet hat. Auch Weltkonzerne wie VW,Airbus oder BMW erproben ähnliche Systeme. Und Wissenschaftler wie Manuela Veloso, Leiterin der Abteilung für Machine Learning an der Carnegie Mellon University, prophezeien, Mensch und smarte Roboter würden bald schon eine symbiotische Beziehung eingehen und „nicht mehr voneinander zu trennen“ sein. Sie alle zeugen vom Aufbruch in ein neues Zeitalter: Die Ära der künstlichen Intelligenz ist angebrochen. Profis kürzen den Begriff längst zu „KI“ ab.

Stimmen die Prognosen, so werden mit KI getunte Roboter nicht nur Werkshallen erobern. Kluge Softwaresysteme, in Maschinen verpackt, werden Radiologen helfen, Röntgenaufnahmen besser zu entziffern, und Ärzten, Krebs früher zu erkennen. Intelligente Software wird im Internet nach dem besten Versicherungstarif fahnden und uns persönlich beraten, welches Jobangebot wir annehmen sollten. Vor allem aber wird uns KI von jeglicher Routinearbeit befreien.

Schneller als jede Technologie zuvor wird KI unser Leben, Arbeiten und Wirtschaften umwälzen. Für das McKinsey Global Institute wird sie die Gesellschaft sogar „zehn Mal schneller und zu einem 300 Mal größeren Ausmaß oder grob gesagt mit den 3000-fachen Auswirkungen der industriellen Revolution“ verändern.Grund genug für die WirtschaftsWoche, in einer Serie die Auswirkungen des epochalen Umbruchs zu durchleuchten. Welches ökonomische Potenzial setzt KI frei? Welche Aussichten hat dabei die Industrienation Deutschland im Wettlauf mit den Techkonzernen aus dem Silicon Valley? Wo liegen die Gefahren? Können Carmen und Co. Heidemanns Job bald ganz übernehmen?

In einem Forschungsvorhaben hielten Wissenschaftler schon 1956 fest, die Menschheit könne gewaltige Fortschritte erzielen, wenn sie Maschinen dazu brächte, Probleme zu lösen, die bisher nur von ihr geknackt werden konnten. Und dies werde möglich, „wenn nur eine Gruppe erlesener Wissenschaftler einen Sommer daran arbeitet“.

Aufbruch in die Robo-Zukunft

Der Durchbruch ließ lange auf sich warten

Es dauerte länger. Erst seit Unmengen an Daten in digitalisierter Form vorliegen, können selbstlernende Systeme damit ständig angefüttert werden – und entwickeln sich seither rasend schnell weiter (siehe Kasten Seite 60). Für Wolfgang Wahlster, Chef des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), ist daher klar: „Intelligente Systeme sind die Speerspitze der digitalen Transformation.“

Je früher wir uns mit der Annäherung von Mensch und Maschine auseinandersetzen, desto wirkungsvoller können wir uns ihre disruptive Kraft zunutze machen. Das jedenfalls ist die Kernbotschaft einer Studie von Topwissenschaftlern unter Leitung der Universität Stanford. Darin skizzieren Vordenker wie der Roboterpionier Rodney Brooks das ganze Ausmaß des Wandels – und setzen Zeitmarken. Demnach wird es schon in 15 Jahren so weit sein, dass praktisch in jedem Haushalt Roboter für uns putzen, kochen und das Essen servieren.

Messgeräte überwachen dann unsere Körperfunktionen und schlagen Alarm, wenn diese abweichen. Die Daten werden samt erster Diagnose an den Arzt übermittelt. „Künstliche Intelligenz kann die Gesellschaft gründlich zum Besseren verändern“, so das Fazit der KI-Pioniere.

Die Entwicklungsstufen Künstlicher Intelligenz

• 1950 - Alan Turing

• 1956 - Dartmouth-Konferenz

• 1974 - Erster KI-Winter

• 1997 - Deep Blue

• 2005 - Ray Kurzweil

• 2014 - KI-Boom

• 2045 - Roboter-Revolution

Ökonomen sehen gar ein goldenes Wirtschaftszeitalter heraufziehen. Laut Prognosen der Berater von Accenture wird alleine die weltgrößte Volkswirtschaft, die USA, bis 2035 dank KI mit jährlich 4,6 Prozent fast doppelt so schnell wachsen wie ohne. KI könnte Japan aus der Stagnation reißen. Dort soll sie das jährliche Wachstum um mehr als das Dreifache auf 2,7 Prozent beschleunigen (siehe Grafik Seite 59), vor allem, weil die Technologie die Wettbewerbsfähigkeit der starken Roboter- und Elektronikindustrie des Landes puscht. In Deutschland soll das jährliche Wachstum von 1,4 auf 3,0 Prozent steigen. Bis 2035 würden rund eine Billion Euro zusätzlich an Staat, Unternehmen und Beschäftigte fließen.

Vier ungewöhnliche Einsatzgebiete für Roboter

• Museums-Mitarbeiter

• Operationen

• Landwirtschaft

• Altenheime

Die Ökonomen führen die positive Wirkung auf einen Dreifacheffekt zurück: KI hebe nicht einfach nur als technischer Fortschritt die Produktivität. Sie verbessere auch eklatant die Effizienz der klassischen Produktionsfaktoren Kapital und Arbeit. Wenn zum Beispiel die Plattform Amelia des US-Anbieters IPsoft selbstständig lernt, mit jedem Auftrag Servicetechnikern noch präziser und zuverlässiger vorzuschlagen, wie sie eine defekte Maschine schnell und preiswert reparieren können, steigert das beständig den Wert der Investition. Zugleich leisten die Techniker immer bessere Arbeit.

Künstliche Intelligenz werde so fast schon „die physikalischen Beschränkungen von Kapital und Arbeit überwinden“, schwärmt Accenture-Cheftechnologe Paul Daugherty. „Damit wird sie selbst zu einem Produktionsfaktor, statt nur ein Produktivitätsbeschleuniger zu sein wie frühere Basisinnovationen.“ Für den renommierten Professor David Autor vom Massachusetts Institute of Technology (MIT) widerlegen die rosigen Prognosen sogar die Angst, KI sei ein Jobkiller. „Die Leute denken, sie würde das Wachstum befeuern, indem sie Menschen verdrängt. Aber in Wirklichkeit ermöglicht sie neue Produkte, Dienstleistungen und Innovationen. Das ist ihr eigentlicher Wert“, so Autor.

Aufbruch in die Robo-Zukunft

Ein neuer Produktionsfaktor

Die Ökonomen stützen ihren Optimismus auf Einsichten aus der Geschichte. Als in der industriellen Revolution etwa der Webstuhl automatisiert wurde, rebellierten die Weber. Doch die Automatisierung führte dazu, dass die Arbeiter andere Tätigkeiten übernahmen, zum Beispiel die Steuerung der Webmaschinen. Die Produktion stieg massiv an, es wurden mehr und neue Produkte aus den industriell gewebten Stoffen hergestellt. Zwischen 1830 und 1900 vervierfachte sich so die Zahl der Arbeitskräfte in dem Gewerbe allein in den USA.

Bei Industriemechaniker Heidemann scheint sich Geschichte schon zu wiederholen: Seit 40 Jahren ist er in seinem Beruf tätig. Dass ausgerechnet die Roboter seine Lieblingskollegen würden, das hätte er im Traum nicht gedacht. Statt wie früher die ewig gleichen Handgriffe zu erledigen, helfen die Maschinen ihm aber nun dabei, ganze Antriebe alleine zu montieren. Das erleichtere nicht nur die Arbeit, „das ist viel befriedigender“, sagt Heidemann.

Mehr Jobs, Wirtschaftswachstum, besseres Leben – ausgerechnet Technologievordenker wie Elon Musk, der Tesla-Chef, glauben nicht uneingeschränkt an das Heilsversprechen. Musk warnt sogar, KI habe das Potenzial, die Menschheit auszulöschen. Und als sich neulich auf Europas größter Techmesse, dem Web Summit, über 50.000 ihrer Vertreter in Lissabon trafen, ergab eine Umfrage unter Topwagnisinvestoren: Die Mehrheit geht davon aus, dass „KI unweigerlich Millionen Jobs vernichten wird“.

Wahrscheinlichkeit, dass Menschen innerhalb von 20 Jahren ganz oder teilweise durch Maschinen ersetzt werden

• 0,02%

• 0,4%

• 0,4%

• 0,4%

• 0,4%

• 1,5%

• 1,8%

• 3,5%

• 3,8%

• 4,7%

• 4,7%

• 4,7%

• 8,4%

• 10,0%

• 17,0%

• 25,0%

• 35,0%

• 40,0%

• 48,0%

• 55,0%

• 66,0%

• 67,0%

• 78,0%

• 86,0%

• 92,0%

• 95,0%

• 96,0%

• 96,0%

• 96,0%

• 98,0%

• 98,0%

• 99,0%

Hans-Christian Boos, Chef des Frankfurter KI-Spezialisten Arago, sieht diese Entwicklung ziemlich schnell auf uns zurollen. In spätestens fünf Jahren werde schlaue Software jeden Prozess in einem Unternehmen steuern, der sich automatisieren lässt, sagt der KI-Pionier voraus.

Ob in Banken, Versicherungen, Anwaltsbüros: Zehntausende Sachbearbeiter, Buchhalter und Sekretärinnen seien betroffen. Boos findet, das sei eine begrüßenswerte Entwicklung. Denn die Beschäftigten könnten sich dann endlich dem widmen, worin sie immer noch weit stärker seien als die Maschinen: der Kreativität.

Kreative Computer

• ibmchefwatson.com

• jukedeck.com

• hackrod.com

• endlessforms.com

Nur welche kreative Arbeit könnten die Roboter uns übrig lassen? Auch die Forscher der Stanford-Studie haben darauf keine Antwort. Sie fordern eine Debatte, wie die Pfründe gerecht verteilt werden könnten. Und Techgrößen wie Musk wollen ein Grundeinkommen, um Menschen gegen die Umwälzungen zu „versichern“.

Zwischen Optimismus und Pessimismus bleibt so eine Erkenntnis: Am Ende wird es auf jeden Staat, jede Gesellschaft und jedes Unternehmen selbst ankommen, in welche Richtung sie die explosive Kraft der KI bündeln. Und sicher ist: Mehr denn je werden sie in Bildung und Fortbildung investieren, jeder Einzelne Lernen als lebenslange Aufgabe begreifen müssen. Für SEW-Mechaniker Heidemann in seiner Karlsruher Werkshalle kommt der Wandel zur rechten Zeit. Seit die Roboter ihm die körperlich schwere Arbeit abnehmen, ist er zuversichtlich, die Zeit bis zur Rente bestens zu überstehen.