The new spring in AI is the most significant development in computing in my lifetime. Every month, there are stunning new applications and transformative new techniques. But such powerful tools also bring with them new questions and responsibilities. – Sergey Brin
Über das Thema Künstliche Intelligenz (KI) oder Artificial Intelligence (AI) lesen wir zunehmend in den Schlagzeilen. Heute können Maschinen nicht nur Programme schreiben, die effizienter sind als die ihrer eigenen Entwickler:innen, sondern sie komponieren auch Musikstücke und erschaffen Kunstwerke. Gerade weil KI schon längst im Alltag der Menschen angekommen ist, bieten sich hier für Dich spannende Einsatzfelder bei Deiner Berufswahl als KI-Entwicklerin oder AI-Developer.
Wir haben das junge Trend-Berufsfeld unter die Lupe genommen. Ein Revival-Trend sozusagen, denn das Thema schlaue Maschinen, die uns Menschen die Arbeit abnehmen, ist inzwischen schon rund 60 Jahre alt. 1956 fiel der Startschuss, dann war es lange ein Nischenthema, aber seit 2010 erleben wir einen regelrechten KI-Boom.
Wir verraten Dir, welche Aufgaben auf Dich zukommen, welche Spezialisierungen sich lohnen und was Du als KI-Entwickler:in verdienen kannst. Doch zuerst ein kleiner Überblick zu KI, Machine Learning und Co., um die zur Zeit an jeder Ecke genannten Schlagworte einzuordnen:Was ist Künstliche Intelligenz?
Künstliche Intelligenz und Machine Learning
Was ist denn nun Künstliche Intelligenz genau? KI ist die Grundlage für smarte Maschinen, dabei dient das menschliche Gehirn als Vorbild: Die Software soll wie der Mensch in der Lage sein, dazuzulernen.
Auch wenn noch einige Fragen offen sind, wie genau menschliches Lernen funktioniert, so wissen wir heute, dass das Gehirn bereits im Mutterleib zahlreiche sensorische Informationen in neuronalen Netzen zusammenführt und darin speichert. Neurowissenschaftlich betrachtet ist Lernen ein autonomer Prozess: Sind zwei Neuronen gleichzeitig im Gehirn aktiv, können neue synaptische Verknüpfungen ausgebildet und bereits vorhandene verstärkt oder wieder abgeschwächt werden. Auf diese Weise ist es uns möglich, bereits vorhandenes Wissen auch wieder zu verlernen.
Manchmal, wenn wir von Künstlicher Intelligenz sprechen, meinen wir eigentlich Machine Learning, welches sich speziell damit befasst, wie Maschinen selbständig dazulernen können. Die Art und Weise, wie Menschen Muster erkennen, Aussagen widerlegen und Erfahrungen sammeln, wird durch Pattern Recognition, Model Training und riesige Datengrundlagen technologisch nachempfunden. Beim Machine Learning nutzen Algorithmen verschiedene Datensätze als “Trainingsgrundlage”, um neue Dinge zu lernen, für die sie ursprünglich nicht programmiert wurden.
Eine Möglichkeit, um das Prinzip hinter dem maschinellen Lernen zu verdeutlichen, ist eine Erweiterung des EVA-Prinzips (Eingabe-Verarbeitung-Ausgabe) bzw. IPO-Modells (input-process-output) aus der Datenverarbeitung. Sense (1) entspricht dabei dem Input, Comprehend (2) dem Process und Act (3) dem Output. Bei Artificial Intelligence kommt ein neuer Aspekt dazu: Learn oder Train (4). Die Process / Comprehend Komponente der Methode bleibt nicht statisch, sondern entwickelt sich anhand der "Ausgabe" weiter.
Quelle: Bitkom e.V., Künstliche Intelligenz, S. 32. , redaktionell bearbeitet durch get in IT
Jeder von uns greift täglich auf KI-getriebene Tools zurück, z.B. um sich die schnellste Route berechnen zu lassen, Mitfahrgelegenheiten zu finden, im Winter schon – im Kontext der Smart Home Devices – bevor man Heim kommt, die Heizung automatisch anzuschalten und bei Streaming Diensten. Unternehmen nutzen KI, um Risiken abzuschätzen, Kosten zu senken oder die Forschung voranzutreiben.
Die Entwicklungsstadien von Künstlicher Intelligenz
Seit 2010 erleben wir einen weltweiten KI-Boom. Gründe dafür sind die über Jahrzehnte exponentiell gewachsene Rechner- und Speicherleistung sowie verbesserte Methoden. Dank Social Media und Co. werden laufend gigantische Datenmengen generiert, die vorher noch nicht in dem Maße vorhanden waren.
Mit der Weiterentwicklung der zugrundeliegenden Technologien wurden immer wieder neue Meilensteine in der KI gesetzt: Die bisherigen Ansätze sind vielversprechend, doch die echte Welt ist oft deutlich komplexer als die spezifischen Problemstellungen der Forschenden. Ein kleiner Überblick über die verschiedenen Phasen:
Phase 1, Maschinelles Lernen: Intelligente Systeme nutzen Algorithmen, um aus Erfahrungen zu lernen.
Phase 2, Maschinelle Intelligenz: In diesem Stadium lernen Maschinen aus Erfahrung durch Falsifizierung. Diese Form ist eine Weiterentwicklung des Machine Learning mit verbesserten kognitiven Fähigkeiten.
- Phase 3, Maschinelles Bewusstsein: Hier kann das System selbst aus Erfahrungen lernen, ohne auf externe Daten angewiesen zu sein und erschafft eine Meta-Ebene, die den Prozess zusätzlich bewertet und betrachtet.
Einsatzfelder im Machine Learning
Das Berufsfeld Machine Learning beinhaltet inzwischen verschiedene Einsatzfelder, auf die Du Dich spezialisieren kannst:
Neuronale Netze (Neural Networks): Neuronale Netze sind ein wesentlicher Bestandteil, um Computern das Denken und Lernen beizubringen. Hierbei werden die physiologischen Abläufe des menschlichen Gehirns imitiert, etwa die Art und Weise, wie Sinneseindrücke abstrahiert und klassifiziert werden. Da erst die Klassifizierung realer Informationen eine geordnete Verarbeitung ermöglicht, ist sie zentral für die Mustererkennung. Mit Hilfe von neuronalen Netzen kann Software beispielsweise lernen, Bilder zu erkennen. Auf Basis einer qualitativ hochwertigen Dateneingabe und einer statistisch ausreichend großen Datenmenge können Computer außerdem mit hoher Genauigkeit Vorhersagen treffen und daraus Handlungsanweisungen ableiten.
Natürliche Sprachverarbeitung (Natural Language Processing, NLP): Beim Natural Language Processing lernen Maschinen, menschliche Sprache zu verarbeiten. Hieraus entstehen in Zukunft ganz neue Möglichkeiten, um User Interfaces für eine intuitive Sprachein- und ausgabe zu designen.
- Deep Learning: Deep Learning befindet sich an der Schwelle zur intelligenten Automatisierung. Es nutzt Machine Learning Tools, um Probleme zu lösen, indem es kontinuierlich Entscheidungen fällt. Beim Deep Learning verarbeitest Du ebenfalls Daten mit Hilfe von neuronalen Netzen. Der Computer kommt dem menschlichen Denken hier jedoch noch näher. Anwendungsfelder von Deep Learning sind beispielsweise Bilderkennung, Textanalyse, aber auch Spracherkennung, um anhand der Daten Schlussfolgerungen abzuleiten, die die menschliche Entscheidungsfindung nachahmen.
KI – der aktuelle Stand am Arbeitsmarkt
Obwohl der Startschuss für die KI-Forschung bereits 1956 fiel, entwickelte sich KI nach dem anfänglichen Boom zuerst schleppend. Ab den 70er Jahren wurde die Diskussion über das Potential wieder neu angestoßen und ab den 80ern gab es praktische Anwendungsfelder zum Beispiel bei der Schätzung von Kfz-Schäden. In den 90ern stand die Entwicklung von autonomen Fahrzeugen im Fokus der Forschung in Deutschland.
Die Entwicklung von Künstlicher Intelligenz nimmt seit 2010 weltweit immer mehr Fahrt auf. Sie wird in fast jeder Branche angewendet, vom Entertainment beim Streaming bis zum Transport mit Uber. Dadurch steigt die Nachfrage nach qualifizierten KI-Entwickler:innen – die Unternehmen benötigen für die neu entstehenden Jobs jede Menge Spezialist:innen. Ein kleines Paradoxon, denn das Berufsfeld ist noch recht jung und Spezialwissen durch jahrelange Berufserfahrung ist entsprechend selten. Zusätzlich entstehen aktuell zahlreiche neue Jobtitel wie KI-Engineer oder Data Scientist im Umfeld von KI, deren Jobprofile im Einzelnen sehr unterschiedlich aussehen können.
Auch ist die Fragestellung spannend, wie viele neue Jobs durch KI geschaffen werden und wie viele der herkömmlichen Berufe durch automatisierte Prozesse ersetzt werden. Für die Zukunft sagen Fachleute, dass neue Entwicklungen und Forschungsarbeit rund um die KI bis 2020 über 2.3 Millionen neue Jobs schaffen wird. Andererseits sollen aber auch bis zu 1.7 Millionen Arbeitsplätze durch KI wegfallen. Der amerikanische Autor Martin Ford meint: „Fast jeder Job, in dem jemand vor einem Bildschirm sitzt und Informationen verarbeitet, ist bedroht.“ Kreative Berufe wie Grafikdesigner:innen sind nicht stark gefährdet. Im Bankwesen hingegen sind in der Buchführung schon zahlreiche Jobs z.B. im Monitoring von Computern übernommen worden.Das sind Deine Aufgaben als KI-Entwickler:in
Dein Aufgabengebiet als KI-Entwickler hängt stark davon ab, in welchem Anwendungsfeld der KI Du durchstarten möchtest:
Willst Du Algorithmen für Künstliche Intelligenz schreiben und weiterentwickeln?
Möchtest Du eine hochwertige Datengrundlage für Künstliche Intelligenz in einem Unternehmen schaffen?
Liegt Dir die Analyse und Auswertung von KI-generierten Daten?
Oder willst Du im KI-Consulting loslegen und beratend tätig werden?
Unabhängig davon, wofür Du Dich entscheidest, kann es interessant sein, auf die Unternehmensgröße Deines zukünftigen Arbeitgebenden zu achten. Gerade in Großkonzernen sind die einzelnen Aufgabengebiete oft stärker ausdifferenziert, während Du in kleineren Unternehmen mehr Teilgebiete in Deinem Job kombinieren kannst.
Wo arbeitet ein AI-Developer?
Vorab: KI wird in vielen verschiedenen Anwendungsfeldern in den unterschiedlichsten Branchen genutzt. Ständig kommen neue Anwendungsfelder hinzu.
Das selbstfahrende Auto (Self-Driving Car) ist sicherlich eines der bekannteren Beispiele und ist neben der E-Mobilität ein Megatrend in der Automobilindustrie. Die erste Version, die dem selbstfahrenden Auto am nähesten kommt, machte sich in Deutschland bereits 1995 auf den Weg über die deutsche Autobahn. Der aktuelle Hype ist also mehr ein Revival. Predictive Maintenance ist ein weniger bekanntes Anwendungsgebiet – KI wird dabei in Form von Predictive Analytics genutzt, um vorherzusagen, wann z.B. bestimmte Wartungsarbeiten notwendig werden. In der herstellenden Industrie entstehen so durch proaktive Wartungsplanung hohe Kostenersparnisse. Aber auch die Finanzbranche bedient sich Predictive Analytics, um beispielsweise Kursschwankungen besser vorausberechnen zu können. Künstliche Intelligenz verbessert die Diagnostik in der Medizin, Therapien für Patient:innen und unterstützt chirurgische Eingriffe. KI überwindet mit Übersetzungsprogrammen Sprachbarrieren und verbessert so ganz generell die Qualität der Unternehmenskommunikation über die Landesgrenzen bzw. Sprachgrenzen hinaus.
KI wird intensiv in der Logistik und im Transport eingesetzt, um die kürzesten Routen für Züge zu bestimmen. Lieferdienste nutzen KI, um den schnellsten Weg zu ihrem Ziel – ohne Stau – zu ermitteln. Sogenannte Smart Cities – erste Modellstädte werden weltweit schon erprobt – bedienen sich Künstlicher Intelligenz, um energieeffizienter zu werden, die Kriminalitätsraten zu senken und hohes Verkehrsaufkommen in den Griff zu kriegen. Durch KI in der Robotik soll es möglich werden, gefährliche und risikoreiche, aber auch repetitive Jobs nicht mehr von Menschen, sondern von Maschinen ausführen zu lassen oder etwa massive Engpässe in bestimmten Berufen wie bei der Pflege, abmildern zu können.
Heute sind Jobs in der KI-Entwicklung nicht mehr nur in den Innovation Hubs der Großkonzerne zu finden, sondern auch mittelständische Unternehmen und Startups bedienen sich der neuen Technologie. Ständig kommen neue Anwendungsgebiete in komplett digitalisierten, aber auch “analogen” Branchen hinzu – von Produktion und Transport über Energie und Landwirtschaft bis hin zum Finanz- und Versicherungssektor.Kein Metaverse ohne KI
In den nächsten Jahren kannst Du als KI-Entwickler:in bei der nächsten digitalen Revolution, dem Metaverse dabei sein. Betreten statt Betrachten: Das immersive Upgrade des Internet 2.0 von heute eröffnet uns ganz neue Dimensionen. Wie wird das Metaversum aussehen? Im Web 3.0, dem dreidimensionalen digitalen Abbild unserer Welt, können wir in Zukunft dank VR-Brille mit Freund:innen Konzerte besuchen oder im virtuellen Meeting als Avatar neben unseren Kolleg:innen sitzen, die über den ganzen Globus verstreut arbeiten. Bei der Immersion tauchst Du komplett ein in die virtuelle Realität und empfindest sie als “real”. Während Du im Web 2.0, dem Social Web, zwar auch interagieren kannst, wirst Du im Metaverse selbst Teil des Ganzen und “erlebst” die perfekte Illusion.
Bis wir durch VR-Brillen in die virtuelle Welten eintauchen können, bist Du als KI-Entwickler:in gefragt. Denn der Schlüssel zum immersiven Internet, ist Künstliche Intelligenz. Sie muss dynamisch sein, Kontext verstehen und wie ein Mensch lernen, so Marc Zuckerberg. Das KI-Tool “Builder Bots” soll per Sprachbefehl Metaverse-Welten entstehen lassen.
Grundlage für realitätsnahe VR und AR ist eine sehr leistungsfähige KI. Um die ehrgeizigen Pläne von Meta “Realität” werden zu lassen, müssen die KI-Systeme mehrere Trillionen Operationen pro Sekunde durchführen können. Bisher sind in den Exaflop-Bereich erst 2 chinesische Computer vorgedrungen. Meta arbeitet mit Hochdruck an dem neuen KI-Supercomputer AI Research Supercluster (RSC). Für Dich als KI-Expert:in bietet das Metaversum viele spannende Bereiche. Du kannst Dein IT-Talent z.B. bei der Entwicklung von Echtzeit-Übersetzungen einsetzen.
Für sein ambitioniertes Metaverse-Projekt wird Meta in den kommenden Jahren KI-Spezialist:innen wie Dich brauchen. Aber auch andere große Konzerne aus der Konsumgüter-Branche und der Spieleindustrie suchen IT-Talente, die ihre Metaverse-Präsenz umsetzen.
Bist Du eine KI-Entwickler:in?
Ganz generell ist es für Dich wichtig, Deine Kommunikationsskills zu optimieren – vor allem im Bereich KI-Consulting. An der Schnittstelle zwischen Team, Kund:innen und Produkt präsentierst Du hochkomplexe Themen – wie verschiedene Sorting-Algorithmen – für Dein jeweiliges Gegenüber verständlich. Du hast bereits erste Erfahrungen im Bereich Machine Learning und Co. gesammelt. Du verfügst über ausgeprägte mathematische Fähigkeiten: Lineare Algebra, Infinitesimalrechnung, Stochastik und Statistik bilden das theoretische Grundgerüst für Deine Ideen, die Du dann mit Deinen Programmierkünsten umsetzt.
Diese Programmiersprachen, Tools und Frameworks kommen in der KI-Entwicklung häufig zum Einsatz:R
Hadoop
Java
Spark
SAS
TensorFlow
C++
Keras
Theano
Weiterbildung ist für Dich Daily Business, denn auch der Computer lernt im wahrsten Sinne des Wortes nicht aus.
Worauf kannst Du Dich spezialisieren?
Obwohl Künstliche Intelligenz ein extrem breites Feld ist, sind die bisher etablierten Berufsprofile noch recht übersichtlich. Wenn Du Dich für Jobs in der KI interessierst, solltest Du nach Jobtiteln wie diesen suchen:
Machine Learning Researcher
KI-Entwickler / AI Engineer
Data Mining and Analysis
Machine Learning Engineer
Data Scientist
Business Intelligence (BI) Developer
Risk Advisor
KI Consultant
Was verdienst Du als KI-Entwickler:in?
Wie in jedem Berufsfeld ist Dein Gehalt stark von verschiedenen Faktoren wie der Branche, dem Standort und der Größe des Unternehmens, in dem Du arbeitest, abhängig.
Dein jährliches Brutto-Einstiegsgehalt als KI-Entwickler:in startet im Durchschnitt bei 53.900 €. Der aktuelle durchschnittliche Jahresbruttoverdienst liegt bei Seniors bei 74.100 €. Neben Kryptolog:innen hast Du als KI-Entwickler:in das höchste Jahresbruttoeinkommen in den neuen IT-Trendberufen.- KI ist ein Trend-Thema mit Zeitverzögerung, denn überall liest man von neuen technologischen Durchbrüchen der KI, doch die Anfänge liegen bereits 60 Jahre zurück.
- Als KI-Entwickler:in kommen die Programmiersprachen, Tools und Frameworks Python, R, C++, Java, Hadoop, Spark, TensorFlow, SAS, Keras und Theano häufig zum Einsatz.
- Du steigst als KI-Entwickler:in mit 53.900 € als durchschnittliche Jahresbruttoeinkommen ziemlich hoch ein.