30.06.2020 Künstliche Intelligenz und Covid-19: Werkzeug, nicht Wundermittel

Nicht erst mit der „Corona-Krise“ wird künstliche Intelligenz (KI) als rettende Schlüsseltechnologie in Aussicht gestellt (Handelsblatt 3/2019).

Aber wo hilft KI tatsächlich, angesichts der Krisen gesellschaftlicher Naturverhältnisse und wo beschleunigen wir mit KI durch erneut gesteigerten Ressourcenverbrauch die Zerstörung unserer Lebensgrundlagen?

Hierzu haben wir die Philosophin und Wirtschaftsjournalistin Manuela Lenzen befragt:

Diesseits unrealistischer Diskussionen um Superintelligenzen und die Herrschaft der Maschinen ist die Künstliche Intelligenz vor allem ein Hoffnungsträger. Sie soll die Industrieproduktion effizienter, den Erkenntnisgewinn in der Wissenschaft schneller, die Landwirtschaft umweltfreundlicher, die Städte energieeffizienter, die Demokratie demokratischer und das Leben insgesamt besser machen. Auch in der aktuellen Pandemie sind die Erwartungen an die KI hoch. Doch wo kann sie sich wirklich nützlich machen?

Erst einmal: „Künstliche Intelligenz“ ist ein großes Wort. Tatsächlich sind wir von Maschinen, die alles tun können, was der Mensch tun kann, wie frühe Enthusiasten das Ziel der KI-Forschung formulierten, weit entfernt. „Künstliche Intelligenz“ steht bis heute vor allem für ein Projekt, das Projekt, intelligente Maschinen zu bauen. Und bis heute ist nicht klar, wie es gelingen kann. „Künstliche Intelligenz“ steht auch für einen ganzen Werkzeugkasten voller Verfahren, die Forscher bei den Versuchen, solche Maschinen zu bauen, entwickelt haben. Vor allem steht der Begriff seit einigen Jahren für das sogenannte maschinelle Lernen. Dabei werden Computer nicht auf klassische Weise Satz für Satz programmiert, stattdessen werden sie trainiert: Sie bekommen Beispieldaten und Rückmeldungen über die Qualität ihrer Lösungen. So könne sie lernen, in den Strukturen und Muster zu finden, die uns in der Fülle der Informationen verborgen bleiben.

Solche Verfahren kommen in der aktuellen Pandemie in verschiedenen Bereichen zum Einsatz: Etwa in der Pandemie-Analytik. Hier erproben Forscher, ob sich durch die von Algorithmen gestützte Analyse möglichst vieler Daten der Ausbruch von Infektionskrankheiten möglichst früh erkennen und ein Modell entwickeln lässt, das zeigt, wie und wohin sich das Infektionsgeschehen entwickeln wird.

In der Tat haben verschiedene Systeme den Ausbruch einer neuen Lungenkrankheit im chinesischen Wuhan bereite Ende Dezember 2019 erkannt, über eine Woche vor der Warnung der WHO, darunter HealthMap des Boston Childern’s Hospital und ein Programm der kanadischen Firma Bluedot. (Wobei auch die Meldung, ein Team aus Menschen sei nur eine halbe Stunde nach dem ersten Algorithmus auf den Ausbruch aufmerksam geworden, nicht lange auf sich warten ließ.)

Wie groß der Anteil der KI bei solchen Analysen im Einzelnen ist, ist allerdings nicht leicht festzustellen. Programme durchforsten das Internet nach einschlägigen Hinweisen: offizielle Verlautbarungen, Nachrichten in vielen Sprachen, aber auch Foren und Blogs. Sie schlagen Alarm, wenn einschlägige Begriffe vermehrt auftauchen. Bevor eine Warnmeldung an Kunden, Gesundheitsbehörden, Fluglinien oder Krankenhäuser geht, ist allerdings noch einige natürliche Intelligenz im Spiel: Fachleute prüfen, wie plausibel die Angaben sind, schätzen ihre Bedeutung ein und ergänzen fehlende Informationen.

Für maschinelle Lernverfahren sind die verfügbaren Daten oft ein Flaschenhals: Gibt es nicht genug, kann ein solches System nicht trainiert werden. Paradoxerweise wird die Lage für manche Algorithmen allerdings unübersichtlicher, wenn es mehr Daten gibt. Je mehr etwa über einen Ausbruch berichtet wird und je vielfältiger und auch widersprüchlicher die Meldungen werden, desto schwieriger ist es für ein Programm, das nach relevanten Begriffen sucht, die Lage einzuschätzen.

Ein anderer Einsatzbereich von KI-Verfahren ist die medizinische Diagnose: Algorithmen zur Bilderkennung sollen helfen, CT- oder Röntgenaufnahmen der Lungen von Patienten auf eine Infektion mit Covid-19 zu prüfen und so die Diagnose beschleunigen und die Ärzt*innen entlasten. Fortscher*innen arbeiten schon lange daran, Algorithmen auf ähnliche Aufgaben zu trainieren, etwa zur Analyse von Hautveränderungen oder Diagnose von Brustkrebs. In Studien erwiesen sich solche Programme als ebenso gut, teilweise als besser als Ärzt*innen. Allerdings müssen dazu erst einmal genug Trainingsdaten vorhanden sein. Und dann war die Erfolgsquote der Programme die längste Zeit stark davon abhängig, dass die zu analysierenden Daten den Trainingsdaten hinreichend ähnlich sind, die Bilder also etwa im selben Labor aufgenommen wurden. Der chinesische Konzern Alibaba behauptet nun, ein Programm entwickelt zu haben, das Covid-19-Infektionen in 96 Prozent der Fälle richtig erkennt, wissenschaftliche Studien geben bislang niedrigere Erkennungsraten an. Ob das Programm tatsächlich gut genug ist, um sich im Klinikalltag zu bewähren, ist bislang offen.

Ein weiteres Feld: Maschinelle Lernverfahren könnten helfen, die Struktur des Virus bis auf die molekulare Ebene zu entschlüsseln und so dabei helfen, Stellen zu finden, an denen das Virus mit Medikamenten angreifbar ist. Googles Forschungslabor Deep Mind etwa arbeitet daran, mit ihrem System AlphaFold die Faltung der Proteine des Virus zu entschlüsseln.

Auch bei der Suche nach Medikamenten sind maschinelle Lernverfahren im Einsatz: Zum einen gilt es, bestehende Medikamente daraufhin zu prüfen, ob sie auch gegen eine Infektion mit Covid-19 eingesetzt werden können, zum anderen muss eine riesige Anzahl von Stoffen und ihrer Kombinationen auf mögliche antivirale Eigenschaften getestet werden. Algorithmen können auch dabei helfen, die Eigenschaften solcher Kombinationen zu modellieren, sodass solche Wirkstoffe gezielter hergestellt und getestet werden können. Auch hier aber liefern Algorithmen keine fertigen Medikamente, sondern Hinweise, die dann mit natürlicher Intelligenz und viel Laborarbeit überprüft werden müssen. Vielleicht könnte mithilfe von Algorithmen auch modelliert werden, wie das Virus mutieren kann, vielleicht können sie helfen, Wirtsorganismen zu finden. Doch all das ist bislang Work in Progress, oft fehlen nötige Daten oder sie sind nur schwer zugänglich.

Die Wissenschaft setzt große Hoffnungen in Verfahren der Künstlichen Intelligenz: Sie sollen den Erkenntnisfortschritt ebenso wie die Suche nach Medikamenten oder Impfstoffen beschleunigen. Verfahren zur Mustererkennung in großen Datenmengen taugen allerdings bekanntlich auch als Überwachungstechnologie. Hierzulande wird diskutiert, ob eine App möglich ist, die hilft, Infektionsketten nachzuvollziehen und die zugleich Datenschutzkonform ist. In vielen Staaten befürchten Bürgerrechtler allerdings, dass der Kampf gegen das Virus auch dazu genutzt wird, die Überwachung der Bevölkerung zu perfektionieren.

Gesichtserkennung, Fiebermessen, Zuweisen eines Gesundheitszustands, der über Reisemöglichkeiten entscheidet: die Überwachungsmöglichkeiten des Staates werden, auch mithilfe maschineller Lernverfahren, immer weiter perfektioniert.
Verfahren aus dem Werkzeugkasten der KI-Forschung kommen auch im Kampf gegen die aktuelle Pandemie an vielen Stellen zum Einsatz. Wie groß ihr Anteil an der Entwicklung eines Impfstoffs, Medikaments oder der Diagnose sein kann, wird sich erst erweisen müssen. Generell gilt: Je sprunghafter sich eine Situation entwickelt, desto mehr ist nach wie vor die menschliche Intelligenz gefragt: Sie muss die künstliche überprüfen und ihr im Zweifel wieder in die Spur helfen. Die Verfahren der Künstlichen Intelligenz sind unsere Werkzeuge, sie sind kein Wundermittel.

Manuela Lenzen - Foto Martin Klaus  Foto Martin Klaus

Manuela Lenzen, Juni 2020