1. KI muss der „Thermomix“ der Algorithmen werden

Deutsche Produkte genießen seit Jahrzehnten hohes Ansehen in der ganzen Welt. Trotz der guten Grundlagenforschung im Bereich KI fehlt uns der Transfer der Forschung in die Anwendung. Andere Nationen wie die USA und China liegen dort eindeutig weiter vorne. Ziel einer erfolgreichen Strategie muss es demnach sein, KI in Anwendungen zu bringen. „KI –  Made in Germany“ muss der neue „Thermomix“ werden: International begehrt, zuverlässig, qualitativ hochwertig – und deutsch. Dafür spielen etliche Faktoren eine Rolle.

Wir benötigen eine sogenannte Agentur für radikale Innovationen. Sie soll in gesellschaftlich relevanten Bereichen ambitionierte und für private Investoren zu risikobehaftete Herausforderungen identifizieren und Innovatoren starke Anreize dafür bieten, mittels Prototypen potenzielle Lösungen für diese Herausforderungen zu entwickeln.

Wir wollen eine technologieoffene, rechtssichere und bürokratiearme steuerliche Forschungsförderung für alle Unternehmen mit dem Fokus auf KMU einführen. Dadurch sollen die Unternehmen in Deutschland einen bestimmten Prozentsatz ihrer Personalaufwendungen für Forschung und Entwicklung (FuE) als Steuergutschrift (Forschungsprämie) erhalten. Es sollen sowohl interne (Eigenleistung) wie externe Forschungsausgaben (Auftragsforschung) über das Steuersystem gefördert werden.

Nur wenn alle Zutaten harmonieren, gelingt ein schmackhaftes Gericht im „Thermomix“.

2. KI benötigt Zielkriterien, die messbar sind

Damit wir überhaupt erst bewerten können, ob eine Strategie zu erfolgreichen KI-Produkten geführt hat, benötigen wir Messkriterien, die die Ziele nicht nur für alle sichtbar, sondern auch messbar machen müssen. Jedes Unternehmen arbeitet mit KPIs (Key Performance Indicator), anhand derer der Fortschritt oder der Erfüllungsgrad hinsichtlich wichtiger Zielsetzungen oder kritischer Erfolgsfaktoren innerhalb einer Organisation – hier einer umzusetzenden Strategie – gemessen oder ermittelt werden kann. Anfangen könnten wir mit einem einfachen Input/Output-Kriterium. Zum Beispiel: Wie viel (öffentliches) Geld hat wie viele Patente oder Gründungen hervorgebracht? Jede Strategie muss also anhand eindeutiger Kriterien evaluierbar sein. Die teils signifikante Eingangsinvestition muss sich messen lassen.

3. „Google“ für Industriedaten?

KI benötigt die qualitativ besten Daten. Dies gilt auch für Maschinen-, Produktions-, Prozess- und Sensordaten. Als eine der führenden Industrienationen hat Deutschland hier ein weltweites Alleinstellungsmerkmal. Ziel muss es sein, einen Pool beziehungsweise eigene Infrastrukturen für die gemeinsame Nutzung von Industriedaten sowie den aus Daten mittels Machine Learning gelernten Modellen zu entwickeln. Basierend auf dem zentralen Element digitaler Souveränität, ist die Hoheit über die eigenen Daten von immenser Bedeutung. Die Dateninfrastruktur soll deshalb in einem offenen Datenraum die sektorenübergreifende Vernetzung aller Akteure hin zu einer Datenökonomie beschleunigen. Der Staat könnte zum Beispiel ähnlich wie die Bundesnetzagentur als Schiedsrichter und Mittelsmann Vertrauen schaffen.

4. KI Entscheidungen müssen transparent sein

KI-Anwendungen verändern unsere Lebenswelt auf verschiedenste Art und Weise. Egal ob es die Websuche mit Google, ein virtueller Sprachassistent wie Alexa, Siri und Co., ein Chatbot auf der Webseite eines Dienstleistungsunternehmens oder die Auswertung einer MRT-Untersuchung ist: Verschiedene Formen „Künstlicher Intelligenz“ befinden sich längst in unserem Alltag. Um die Akzeptanz der Zukunftstechnologie KI innerhalb der deutschen Bevölkerung zu erreichen, sollten wir Wege finden, die die Entscheidung und Wirkung einer KI so nachvollziehbar und transparent wie möglich machen. Je stärker der mögliche Effekt eines algorithmischen Entscheidungssystems (ADM) auf die jeweilige Lebenswelt jedes Einzelnen ist, desto genauer und transparenter muss demnach das System sein.

5. Besser KI-Spartag als Weltspartag

Innovationen in die Zukunft kosten Geld. Wir fordern nicht den direkten Investitionsvergleich mit den USA und China in KI. Den können wir nicht gewinnen. Aber wir müssen anders investieren, als bisher von der Bundesregierung getan. Sie rühmt sich mit Projekten wie der „Plattform Lernende Systeme“, den „Big-Data-Zentren“, den „Kompetenzzentren Maschinelles Lernen“ sowie den zahlreichen Einzelprojekten der großen Forschungseinrichtungen Deutschlands. Eine Gesamtsumme öffentlicher Forschungsgelder für den Bereich KI ist deshalb nicht anzugeben. Geschätzt sind es rund 27 Millionen Euro jährlich. Wenn wir Expertinnen und Experten in Data Science in Deutschland halten wollen, und den „Thermomix“ möchten, dann benötigen wir eine sinnvolle Strategie. Sie muss attraktiv genug sein, um privaten Investoren – auch meiner Großmutter – den Zugang zur KI-Start-Up-Szene zu erleichtern. Europäische Werte wie Freiheit, das Recht auf Privatsphäre und die europäische Vielfalt gehören zu jenen Stärken, die Forscherinnen und Forschern sowie Gründerinnen und Gründern deutliche Anreize bieten, in Deutschland zu bleiben. Investitionen sowie Gehälter sind definitiv weitere wichtige Stellschrauben. Zukunftsinvestitionen müssen attraktiver sein, als das eigene Geld auf dem Sparbuch verfallen zu lassen.