{"id":2279,"date":"2019-03-24T12:52:30","date_gmt":"2019-03-24T11:52:30","guid":{"rendered":"https:\/\/recode.law\/?p=2279"},"modified":"2021-02-24T12:53:02","modified_gmt":"2021-02-24T11:53:02","slug":"kuenstliche-intelligenz-eine-einfuehrung","status":"publish","type":"post","link":"https:\/\/recode.law\/en\/kuenstliche-intelligenz-eine-einfuehrung\/","title":{"rendered":"K\u00fcnstliche Intelligenz – Eine Einf\u00fchrung"},"content":{"rendered":"

Es gibt wohl kaum ein Thema, was derzeit so intensiv diskutiert wird wie die K\u00fcnstliche Intelligenz von Algorithmen. Egal unter welcher Bezeichnung, ob \u201eK.I.\u201c, \u201eA.I.\u201c, \u201eK\u00fcnstlicher Intelligenz\u201c oder \u201eArtificial Intelligenz\u201c, das Thema polarisiert in Wissenschaft, Politik und gesellschaftlichem Diskurs. W\u00e4hrend auf der einen Seite dystopische Horrorszenarien a la \u201eMatrix\u201c beschworen werden[1]<\/a>, sieht die andere Seite in der Technologie eine Revolution in allen Lebensbereichen.<\/p>\n

Frei von jeglicher Wertung kann nur eines festgehalten werden. Bei der k\u00fcnstlichen Intelligenz handelt es sich keinesfalls um ein vor\u00fcbergehendes Ph\u00e4nomen. Dies beweist zum einen der enorme Anstieg an Investitionen in KI-Start-Ups, der zu einer Investitionssumme von 15 Milliarden USD im Jahr 2017 gef\u00fchrt hat, eine f\u00fcnfzigfache Steigerung in sechs Jahren. Erwartet wird ein Anstieg auf bis zu 70 Milliarden USD im n\u00e4chsten Jahr[2]<\/a>.<\/p>\n

Sp\u00e4testens sollte auch dem gr\u00f6\u00dften Kritiker die Zukunftsf\u00e4higkeit dieses Themas im Blick auf den Strategiewechsel von Google von \u201eMobile First\u201c (2011-2017) zu \u201eA.I. First\u201c[3]<\/a> auffallen, wenn er die Entwicklung der mobilen Technologien nicht auch als \u201eHype\u201c abtun will.<\/p>\n

K\u00fcnstliche Intelligenz im Hier und Jetzt<\/strong><\/p>\n

Doch woher kommt diese j\u00fcngste Entwicklung? Um diese Frage zu kl\u00e4ren, sollte zuerst verstanden werden, was sich hinter dem Begriff verbirgt.<\/p>\n

Schon die reine Begriffsbestimmung stellt die Diskussion schon vor erhebliche Schwierigkeiten, da das Gebiet zum einen sehr breit ist und (nicht-k\u00fcnstliche) Intelligenz an sich schon schwierig zu definieren ist. Einig ist man sich, dass die Technologie ein Teilgebiet der Informatik ist, die darauf abzielt, die menschliche Intelligenz digital zu rekonstruieren, um \u201eAgenten\u201c[4]<\/a> zu erschaffen, die Probleme selbstst\u00e4ndig l\u00f6sen k\u00f6nnen[5]<\/a>.<\/p>\n

Dabei unterscheidet man klassisch zwischen \u201estarker\u201c und \u201eschwacher\u201c K.I. Die \u201estarke\u201c K.I. soll eine m\u00f6glichst akkurate Abbildung und Imitation des Menschen bzw. der Vorg\u00e4nge in seinem Gehirn erreichen. Als konstituierende Merkmale werden hier das menschliche Bewusstsein und die menschliche Empathie angef\u00fchrt[6]<\/a>. Allerdings gibt es derzeit noch kein Forschungsprojekt, das dieser \u201evollendeten\u201c Form der k\u00fcnstlichen Intelligenz nah gekommen ist.[7]<\/a><\/p>\n

Viel weiter ist man allerdings im Bereich der \u201eschwachen\u201c K.I., die den meisten als \u201eNarrow A.I.\u201c wahrscheinlich schon einmal \u00fcber den Weg gelaufen ist. Hier handelt es sich eben nicht um eine Imitation des menschlichen Gehirns, sondern um Algorithmen, die eine bestimmte, abgegrenzte Problemstellung l\u00f6sen sollen[8]<\/a>. Zentrales Merkmal ist hier immer die Lernf\u00e4higkeit des Programms.<\/p>\n

K\u00fcnstliche Intelligenz ist grob also zun\u00e4chst als (versuchte) digitale Abbildung der menschlichen Intelligenz zusammenzufassen, die sich insbesondere mit der Lernf\u00e4higkeit des Menschen befasst.<\/p>\n

Gerade bei diesem Aspekt wird es interessant, denn mit dem Streben nach der gleichwertigen Lernf\u00e4higkeit von Algorithmen kommt ein neuer Begriff ins Spiel, der im Diskurs oft f\u00e4lschlicherweise neben der k\u00fcnstlichen Intelligenz eingeordnet wird, eigentlich aber ein Teilgebiet dieser Forschung ist: Das \u201emaschinelle Lernen\u201c.<\/p>\n

Dieses wird wohl nicht zu unrecht als \u201ewichtigste Basistechnologie unseres Zeitalters\u201c[9]<\/a> bezeichnet, denn es erm\u00f6glicht all die Anwendungen, die derzeit als disruptiv und revolution\u00e4r bezeichnet werden.<\/p>\n

Es bezeichnet Methoden, die mithilfe von Lernprozessen Zusammenh\u00e4nge in bestehenden Datens\u00e4tzen erkennen und Vorhersagen treffen k\u00f6nnen. Die F\u00e4higkeit, Probleme zu l\u00f6sen, beruht dabei auf einem Training mit Datens\u00e4tzen, sodass der Entwickler sein Wissen nicht mehr codieren und erl\u00e4utern muss. Dadurch entsteht eine Selbstst\u00e4ndigkeit des Algorithmus, der eine nie bekannte Komplexit\u00e4t und Breite von Anwendungen erlaubt[10]<\/a>.<\/p>\n

Einerseits dadurch, dass der Programmierer nicht mehr alle Arbeitsschritte vorgeben muss, andererseits dadurch, dass der Algorithmus komplexe Probleme und L\u00f6sungen erschlie\u00dfen kann, die der menschliche Programmierer zwar wei\u00df, aber nicht (im Code) ausdr\u00fccken kann (sog. Polanyi-Paradox)[11]<\/a>. Dabei entwickelt das Programm eigene, nicht vorgegebene, Parameter (z.B. \u201eein Hund hat vier Beine und Fell\u201c).<\/p>\n

Wie “lernt” die k\u00fcnstlische Intelligenz?<\/strong><\/p>\n

Dieses \u201eLernen\u201c kann auf drei verschiedene Arten stattfinden:<\/p>\n

Das \u201e\u00fcberwachte Lernen\u201c (\u201eSupervised Learning\u201c) steht dabei dem Lernprozess des Menschen am n\u00e4hesten, da es auf einem beschrifteten Trainingsdatensatz basiert. Dabei werden Inputs einem bestimmten Output zugeordnet (Bsp.: Fahrzeugposition und Fahrzeugtempo kombiniert mit dem Verkehrsfluss ergeben eine intelligente Ampelschaltung)[12]<\/a>. Besagter Trainingsdatensatz erfordert selbstredend eine arbeitsintensive Erstellung seitens des Programmierers.<\/p>\n

Das \u201eun\u00fcberwachte Lernen\u201c (\u201eUnsupervised Learning\u201c) dagegen findet eigenst\u00e4ndig Muster\/ Zusammenh\u00e4nge in bestehenden Datens\u00e4tzen, wobei der Algorithmus selbst Kategorien f\u00fcr die einzelnen Eigenschaften der Daten finden muss. Beispielsweise m\u00fcssten bei der Sortierung von Tierfotos nicht die Kategorisierung nach Tierarten geschehen, der Algorithmus k\u00f6nnte auch selbstst\u00e4ndig die Fotos in die verschiedenen Fellfarben unterteilen und so eine Kategorisierung vornehmen[13]<\/a>.<\/p>\n

Gro\u00dfe Hoffnung steckt auch in der M\u00f6glichkeit des \u201everst\u00e4rkenden Lernens\u201c (\u201eReinforcement Learning\u201c). Gegeben ist bei dieser Methode ein Problem f\u00fcr das eine Strategie zur L\u00f6sung erlernt werden soll. Dem Programm sind hierbei ein gewisser status-quo, bestimmte Handlungsalternativen und Umweltbedingungen des Problems bekannt, w\u00e4hrend die optimale Verhaltensweise unbekannt ist[14]<\/a>. Nimmt man das Beispiel eines Schachspiels so w\u00e4re die Position auf dem Schachfeld der jeweiligen Figur der status-quo, die Handlungsalternativen die m\u00f6glichen Schachz\u00fcge und die Umweltbedingungen die Regeln des Schachspiels. Das Programm spielt alle Handlungsalternativen im Rahmen der Spielregeln durch und trifft letztendlich auf Basis von Strafe (Figur wird geschlagen) und Belohnung (Figur schl\u00e4ft andere Figur) eine Entscheidung. Dabei sind heute schon Algorithmen in der Lage, professionelle Spieler zu schlagen (z.B. \u201eAlphaZero\u201c von Google Deep Mind). Ein st\u00e4rker kommerzialisiertes Beispiel w\u00e4re wohl MSN.com, bei der eine k\u00fcnstliche Intelligenz die Auflistung der Artikel steuert, basierend auf Klickzahlen als Belohnung[15]<\/a>.<\/p>\n

Weiterhin gibt es zus\u00e4tzlich das sogenannte \u201eDeep Learning\u201c, welches auf k\u00fcnstlichen neuronalen Netzen basiert, das hier aber nicht behandelt werden soll, da ihm noch ein zus\u00e4tzlicher Artikel gewidmet werden soll.<\/p>\n

Der Datenbestand als Kernelement<\/strong><\/p>\n

Dem aufmerksamen Leser mag schon aufgefallen sein, dass k\u00fcnstliche Intelligenz und maschinelles Lernen untrennbar mit Daten verbunden ist. Dies erkl\u00e4rt auch, warum sich die Technologie erst jetzt durchsetzen konnte.<\/p>\n

Forschungen am maschinellem Lernen ist n\u00e4mlich keineswegs ein aktuelles Thema. Schon seit den 1940er Jahren besteht diese, sodass bereits 1956 auf einer Konferenz am amerikanischen Dartmouth College Forscher \u00fcber dieses Thema referierten und diskutierten[16]<\/a>.<\/p>\n

Die M\u00f6glichkeiten, die Entwicklern heute zur Verf\u00fcgung stehen unterscheiden sich jedoch dramatisch von den damals vorherrschenden Rahmenbedingungen. Wie schon angesprochen ist heutzutage der Zugang zu Daten viel einfacher und diese sind in immensen Umfang vorhanden (Stichwort: \u201eBig Data\u201c), um die selbstlernenden Algorithmen zu trainieren. Auch ist die erforderte Rechenleistung und verf\u00fcgbarer Speicherplatz deutlich g\u00fcnstiger bereitgestellt, wobei die Anforderungen an die Hardware immer h\u00f6her werden und auch die Forschung nach immer gr\u00f6\u00dferen Errungenschaften greift (Stichwort: \u201eQuantencomputer\u201c). Zus\u00e4tzlich wird Entwicklern, die nicht auf gro\u00dfe Ressourcen zur\u00fcckgreifen k\u00f6nnen durch Cloud-Dienste f\u00fcr die Rechenleistung und einem vereinfachten Wissensaustausch durch Open-Source-Tools und Bibliotheken[17]<\/a> der Einstieg und die Arbeit in diesem Bereich erm\u00f6glicht.<\/p>\n

Probleme der Technologie<\/strong><\/p>\n

So viel zur Funktionsweise, zur Entwicklung und zum Stand der Dinge der k\u00fcnstlichen Intelligenz, doch vor welchen Problemen steht die Technologie und wie weit reichen die positiven und auch negativen Effekte der Technologie im Hinblick auf unser Leben?<\/p>\n

In Fachkreisen werden im Wesentlichen zwei gro\u00dfe Probleme diskutiert. Zum einen geht es um die gezielte Manipulation des Algorithmus. Wenn die Parameter eines Programms bekannt sind, so k\u00f6nnen durch wenige Handgriffe die Ergebnisse manipuliert werden. Nimmt man ein Bilderkennungsprogramm, das bestimmte Bildpunkte analysiert, um zu determinieren, ob auf dem Bild eine Katze abgebildet ist, so ist es gelungen, eben solches Programm davon zu \u00fcberzeugen, dass eine Katze auf dem Foto abgebildet ist, obwohl es sich um Guacamole handelte, allein durch Kenntnis und Manipulation der gescannten Bildpunkte (Katzen-Guacamole-Beispiel)[18]<\/a>.<\/p>\n

Ein weiteres Problem ist das sogenannte \u201eBlack-Box-Problem\u201c[19]<\/a>. Es beschreibt die Entscheidungsfindung der k\u00fcnstlichen Intelligenz als intransparent, da die Parameter auf denen die Entscheidung basiert, nicht bekannt sind, da sie selbst angelernt sind. Gerade in sensiblen Bereichen kann damit die jeweilige Entscheidung in Konflikt mit ethischen Grunds\u00e4tzen stehen. Denkbar ist ein Employment-Tool, welches faktisch nach Alter, Geschlecht und Rasse unterscheidet und diskriminiert. Warum sollte man einer k\u00fcnstlichen Intelligenz solches Entscheidungsverhalten zubilligen, w\u00e4hrend die selbe Entscheidung durch einen Menschen untersagt w\u00e4re?<\/p>\n

Zu diesen Problemen, die der Natur der Technologie geschuldet sind, ist die Gefahr des Missbrauchs, welcher durch die Technologie teilweise erst m\u00f6glich gemacht wird, wie zum Beispiel die Massen\u00fcberwachung durch Kameraaufnahmen in Verbindung mit Gesichtserkennung. \u00dcberwachung in diesem Stil w\u00e4re durch menschliche Hand nicht m\u00f6glich.<\/p>\n

Auch sind etwaige Erfolgsmeldungen \u00fcber die k\u00fcnstliche Intelligenz mit dem Hintergedanken zu genie\u00dfen, dass statistischer Erfolg keinesfalls bedeutet, dass keine Fehlentscheidungen mehr getroffen werden.<\/p>\n

Der wirtschaftliche Wert k\u00fcnstlicher Intelligenz<\/strong><\/p>\n

Nun aber zu den \u00f6konomischen Auswirkungen der Technologie:<\/p>\n

Grundlegend wird diskutiert, ob die k\u00fcnstliche Intelligenz \u00fcberhaupt die Produktivit\u00e4t von Arbeitsschritten f\u00f6rdern wird. Die meisten Akteure in der sogenannten \u201eBrynjolfson-Gordon-Debatte\u201c[20]<\/a> sehen dabei klar das Potential der Produktivit\u00e4tssteigerung, was die gro\u00dfe Investitionsbereitschaft in diesem Bereich (s.o) belegt. Konkret erwartet McKinsey einen KI-induzierten j\u00e4hrlichen Produktivit\u00e4tszuwachs von 0,8%-1,4%[21]<\/a>.<\/p>\n

Die gro\u00dfe Frage hierbei ist, ob der Produktionsfaktor Arbeit als solcher ersetzt wird, wobei der k\u00fcnstlichen Intelligenz bildlich die Rolle der \u201eneuen Elektrizit\u00e4t\u201c zugesprochen wird, oder ob die Produktivit\u00e4t des Arbeitsfaktors durch das Zusammenspiel von Mensch und K.I. gesteigert wird und die K.I. das \u201eneue \u00d6l\u201c darstellt[22]<\/a>.<\/p>\n

Bevor versucht wird diese Frage aufzukl\u00e4ren, ist festzuhalten, dass sich alle Akteure einig sind, dass Anwender entsprechend ausgebildet werden, um im Umgang mit der Technologie Produktivit\u00e4tsnachteile zu vermeiden[23]<\/a> (ein Wink mit dem Zaunpfahl f\u00fcr die juristische Bildung?)<\/p>\n

Zum jetzigen Zeitpunkt wird von den meisten Experten erwartet, dass die sogenannte Substitution als Einflussfaktor[24]<\/a>, also die v\u00f6llige Ersetzung des Menschen vorerst nur bei rein repetitiven Arbeiten eintreten wird. Gem\u00fcnzt auf die juristische Arbeit sind das vor allem die Recherche und Auswertung von Dokumenten.<\/p>\n

Aber auch hier stehen dem Durchbruch der Technologie zurzeit noch institutionelle H\u00fcrden im Weg: Kritisiert wird, dass Daten nicht in hinreichend verarbeiteter Form zur Verf\u00fcgung stehen, die zum Beispiel die Recherche von Gerichtsurteilen erschweren.<\/p>\n

Jedoch hemmt auch der technologische Forstschritt die Autonomie der Algorithmen und macht den Menschen (noch) unverzichtbar. So gelingt es bis heute keinem Programm einen freien Sachverhalt v\u00f6llig zu erfassen, da die Sprache von den Algorithmen zwar erkannt wird, das Geschehene aber nicht tiefgehend \u201everstanden\u201c wird[25]<\/a>.<\/p>\n

Nachdem dem Leser auf dem Weg zum Staatsexamen nun hoffentlich die Angst vor einer trostlosen Zukunft in Bedeutungslosigkeit genommen wurde, soll weiterhin ein Licht auf die positiven Einflussfaktoren gerichtet werden.<\/p>\n

W\u00e4hrend freie Sachverhalte nicht erfasst werden k\u00f6nnen, sind standardisierte Falltypen heute schon in Bearbeitung durch Algorithmen. Eindrucksvoll beweisen dies die Anbiete, die Flugrechte ihrer Nutzer durchsetzen. Hier sp\u00fcrt der Endnutzer heute schon die Auswirkungen der sogenannten Preiselastizit\u00e4t[26]<\/a>: Die Automatisierung senkt die Unkosten f\u00fcr diese Dienstleistungen, sodass bei einem funktionierendem Wettbewerb der Preis der Dienstleistung sinkt, sodass mehr potentielle Nutzer einen Zugang zu dieser haben und – bezogen auf den juristischen Bereich \u2013 zu ihrem Recht (Stichwort: #accesstojustice).<\/p>\n

Zusammenfassung<\/strong><\/p>\n

Um diesen ohnehin schon langen Artikel nicht noch weiter aufzubl\u00e4hen, soll der Leser an dieser Stelle mit einer kurzen Zusammenfassung entlassen werden:<\/p>\n

K\u00fcnstliche Intelligenz ist nicht gleich k\u00fcnstliche Intelligenz. Die Technologie, bei der zurzeit insbesondere das maschinelle Lernen immer wieder Subjekt technischer Durchbr\u00fcche ist, wird schon seit geraumer Zeit erforscht, erlebt im Moment aber vor allem durch die Bereitstellung gro\u00dfer Datenma\u00dfen und Rechenleistung eine steile Entwicklung. W\u00e4hrend die k\u00fcnstliche Intelligenz selbst technisch noch lange nicht ausgereift ist und die Auseinandersetzung mit einigen inh\u00e4renten (ethischen) Problemen unerl\u00e4sslich ist, m\u00fcssen auch die Umweltbedingungen angepasst werden.<\/p>\n

Findet diese Entwicklung statt, stehen Generationen von Juristen in Zukunft starke und effektive Anwendungen zu Seite, die sie keinesfalls ersetzen werden, bei richtiger Schulung aber eine vielseitigere, und f\u00fcr eine gr\u00f6\u00dfere Adressatengruppe erschwingliche, Arbeit erm\u00f6glichen wird.<\/p>\n

[1]<\/a> So z.B. Tesla-Gr\u00fcnder Elon Musk (abgerufen 02\/2019): https:\/\/medium.com\/@duncanjefferies\/elon-musks-neural-lace-vs-life-as-an-ai-s-pet-cat-e515c4707130<\/p>\n

[2]<\/a> CB Insights. (2018). Top Artificial Intelligence trends to watch in 2018 (abgerufen 02\/2019):<\/p>\n

https:\/\/www.cbinsights.com\/research\/report\/artificial-intelligence-trends-2018\/.<\/p>\n

[3]<\/a> Google-CEO Sundar Pichai bei einer Rede beim Google-Pixel Launch 2017. (abgerufen 02\/2019) https:\/\/www.youtube.com\/watch?v=5WRJYEA-mwY.<\/p>\n

[4]<\/a> Franklin, S., & Graesser, A. (1997). Is It an agent, or just a program?: A taxonomy for autonomous<\/p>\n

agents. In J. Mu\u0308ller, M. J. Wooldridge, & N. R. Jennings (Hrsg.), Intelligent Agents III Agent Theories, Architectures, and Languages (S. 1193).<\/p>\n

[5]<\/a> Carbonell, J. G., et al. (1983). An Overview of Machine Learning. In R. S. Michalski, J. G. Carbonell,<\/p>\n

& T. M. Mitchell (Hrsg.), Machine Learning: An Artificial Intelligence Approach (S. 3\u201323). Palo Alto, Kalifornien, USA: TIOGA Publishing Co.<\/p>\n

[6]<\/a> Pennachin, C., & Goertzel, B. (2007). Contemporary approaches to artificial general intelligence. In B. Goertzel & C. Pennachin (Hrsg.), Artificial General Intelligence: AGIRI \u2013 Artificial General Intelligence Research Institute (S. 1\u201328). Berlin: Springer.<\/p>\n

[7]<\/a> Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 6.<\/p>\n

[8]<\/a> Goertzel, B. (2010). Toward a formal characterization of real-world general intelligence. In E.<\/p>\n

Baum, M. Hutter, & E. Kitzelmann (Hrsg.), Proceedings of the 3rd Conference on Artificial General Intelligence, AGI (S. 19\u201324). Atlantis Press.<\/p>\n

[9]<\/a> Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard Business Review (abgerufen 02\/2019): https:\/\/hbr.org\/cover-story\/2017\/07\/the-business-of-artificial-intelligence.<\/p>\n

[10]<\/a> Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 8.<\/p>\n

[11]<\/a> Polanyi, M. (1966). The tecit dimension. Gloucester: Peter Smith.<\/p>\n

[12]<\/a>\u00a0 Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 10ff.<\/p>\n

[13]<\/a> Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 10.<\/p>\n

[14]<\/a> Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 10.<\/p>\n

[15]<\/a> Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard Business Review (abgerufen 02\/2019): https:\/\/hbr.org\/cover-story\/2017\/07\/the-business-of-artificial-intelligence.<\/p>\n

[16]<\/a> Dartmouth College. (1956). Summer research project on artificial intelligence (Vox of Dartmouth).<\/p>\n

[17]<\/a> Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 10.<\/p>\n

[18]<\/a> Anthalye, A., Engstrom, L., Ilyas, A., & Kwok, K. (2017). Fooling neural networks in the physical world with 3D adversarial objects (abgerufen 01\/2019):\u00a0 http:\/\/www.labsix.org\/physical-objects-that-fool-neuralnets\/.<\/p>\n

[19]<\/a> Buxmann (Hrsg.) in Ku\u0308nstliche Intelligenz: Mit Algorithmen zum wirtschaftlichen Erfolg (2018), Berlin: SpringerGabler, S. 17.<\/p>\n

[20]<\/a> Brynjolfsson, E., Rock, D., & Syverson, C. (2017). Artificial intelligence and the modern productivity paradox: A clash of expectations and statistics (abgerufen 01\/2019): http:\/\/www.nber.org\/papers\/w24001.<\/p>\n

[21]<\/a> OECD. (2017a). OECD compendium of productivity indicators 2017 (abgerufen 02\/2019) https:\/\/read.oecd-ilibrary<\/a>. org\/economics\/oecd-compendium-of-productivity-indicators-2017_pdtvy-2017-en.<\/p>\n

[22]<\/a> Vgl. B\u00fcnau im Interview mit Breidenbach in \u201eReThinking Law\u201c, Ausgabe Oktober 2018, D\u00fcsseldorf: Handelsblatt Fachmedien, S. 8.<\/p>\n

[23]<\/a> Choudhury, P., Starr, E., & Agarwal, R. (2018). Different strokes for different folks: Experimental evidence on complementarities between human capital and machine learning. Harvard Business School (abgerufen 02\/2019): http:\/\/www.hbs.edu\/faculty\/Publication%20Files\/18-065_d6c7b808-1a3e-4515-9852-<\/p>\n

9fb52d4be9a3.pdf.<\/p>\n

[24]<\/a> Brynjolfsson, E., & Mitchell, T. (2017). What can machine learning do? Workforce Implications. Science, 358(6370), 1530\u20131534 (abgerufen 02\/2019:) https:\/\/doi.org\/10.1126\/science.aap8062.<\/p>\n

[25]<\/a> Vgl. B\u00fcnau im Interview mit Breidenbach in \u201eReThinking Law\u201c, Ausgabe Oktober 2018, D\u00fcsseldorf: Handelsblatt Fachmedien, S. 7.<\/p>\n

[26]<\/a> Brynjolfsson, E., & Mitchell, T. (2017). What can machine learning do? Workforce Implications. Science, 358(6370), 1530\u20131534 (abgerufen 02\/2019:) https:\/\/doi.org\/10.1126\/science.aap8062.<\/p>","protected":false},"excerpt":{"rendered":"

Es gibt wohl kaum ein Thema, was derzeit so intensiv diskutiert wird wie die K\u00fcnstliche Intelligenz von Algorithmen. Egal unter welcher Bezeichnung, ob \u201eK.I.\u201c, \u201eA.I.\u201c, \u201eK\u00fcnstlicher Intelligenz\u201c oder \u201eArtificial Intelligenz\u201c, das Thema polarisiert in Wissenschaft, Politik und gesellschaftlichem Diskurs. W\u00e4hrend auf der einen Seite dystopische Horrorszenarien a la \u201eMatrix\u201c beschworen werden[1], sieht die andere Seite […]<\/p>","protected":false},"author":12,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_lmt_disableupdate":"","_lmt_disable":"","footnotes":""},"categories":[50,52],"tags":[],"class_list":["post-2279","post","type-post","status-publish","format-standard","hentry","category-magazin","category-technologie"],"acf":[],"modified_by":"Henrik Volkmann","_links":{"self":[{"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/posts\/2279","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/comments?post=2279"}],"version-history":[{"count":1,"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/posts\/2279\/revisions"}],"predecessor-version":[{"id":2280,"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/posts\/2279\/revisions\/2280"}],"wp:attachment":[{"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/media?parent=2279"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/categories?post=2279"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/recode.law\/en\/wp-json\/wp\/v2\/tags?post=2279"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}