Anfang
In diesem letzten Kapitel wollen wir uns mit der Frage beschäftigen:
" Wie nutzen wir KI sinnvoll im Bereich Gesundheit & Pflege? "
Auch wenn es viele Einsatzmöglichkeiten von KI gibt, sind nicht alle für uns sinnvoll oder wünschenswert. Außerdem gibt es Aufgaben, für die sich der Einsatz von KI im Moment weniger eignet.
Haben wir uns für einen Einsatz von KI entschieden, stellt sich dann die Frage:
" Was eignet sich eher? Eine wissensbasierte oder eine datenbasierte KI? "
Abschließend werden wir uns auch noch mit einer anderen wichtigen Frage beschäftigen:
" Wie schaffen wir Vertrauen in KI-Systeme? "
Wann eignet sich künstliche Intelligenz?
Viele Meinungen gehen davon aus, dass künstliche Intelligenz das Potenzial hat, das Gesundheits- & Pflegesysteme verbessern zu können. Allerdings soll und kann KI nicht in jedem Bereich oder Aufgabenfeld eingesetzt werden.
Nachdem du jetzt verschiedene Formen von KI und einige Anwendungen von KI kennengelernt hast, hast du vermutlich schon ein paar Gedanken dazu:
Für welche Problemstellungen oder Aufgaben im Bereich Gesundheit & Pflege würdest du eine KI einsetzen? Für welche nicht?
Deine Eingaben werden nicht gespeichert und an keinen Server geschickt. Diese Aufgaben sollen dir nur beim Lernen helfen.
Nimm dir ein wenig Zeit für die Aufgabe. Wenn du fertig bist, klicke auf 'Weiter'.
Die Bewertung von Muttermalen aus dem letzten Kapitel scheint unserer Einschätzung nach, ein sehr sinnvoller Einsatzbereich für KI zu sein. In vielen Regionen gibt es nicht genug Arztpersonal und PatientInnen müssen häufig lange auf einen Termin warten. Deutlich effizienter wäre es, wenn PatientInnen selbst eine KI-gestützte App nutzen könnten, welche Fotos von Leberflecken bewertet. Sollte die KI einen Leberfleck als bedenklich einstufen, kann ein Termin bei einer Arztpraxis ausgemacht werden, wo die Bewertung nochmal überprüft wird. Dadurch würde der Aufwand für das Arztpersonal reduziert werden und Menschen würden vermutlich häufiger die eigenen Leberflecke testen. Für einen Einsatz von KI eignen sich also Aufgaben, bei denen folgendes möglich ist:
Die KI kann eine Voruntersuchung machen und verweist in bedenklichen Fällen an eine Arztpraxis.
Auf der anderen Seite ist unserer Einschätzung nach der Einsatz von KI weniger sinnvoll für Aufgaben, bei denen viel zwischenmenschlicher Kontakt notwendig ist. Zum Beispiel bei der Beratung im Anschluss an eine neue Diagnose. Diese Aufgabe erfordert Empathie und sollte unserer Einschätzung nach nicht von einer KI übernommen werden, sondern beim Menschen bleiben. Demnach eignen sich besonders Aufgaben mit folgender Eigenschaften für einen Einsatz von KI:
Die Aufgabe erfordert wenig oder keine zwischenmenschliche Interaktion.
Datenbasierte oder wissensbasierte KI?
Wollen wir eine KI für eine Aufgabe entwickeln, steht man vor der Wahl: Soll es eine datenbasierte KI oder eine wissensbasierte KI werden? Wir schauen uns jetzt an, welche Eigenschaften für das eine oder andere sprechen.
Datenbasierte KI (Wiederholung)
Diese KI hat aus Trainingsdaten gelernt und das Wissen liegt in einer oft nicht menschenverständlichen Form vor.
Wissenbasierte KI (Wiederholung)
Diese KI arbeitet mit Wissen, welches vom Menschen bereitgestellt wurden. Zum Beispiel konkrete Anweisungen oder Regeln.
Maschinelles Lernen (also Verfahren, mit denen man datenbasierte KI entwickelt) und insbesondere die Variante Deep Learning werden häufig in sensationellen Medienberichten als sehr mächtig dargestellt. Das weckt die Frage:
" Können wir maschinelles Lernen (oder Deep Learning) überall einsetzen? Oder gibt es Problemstellungen, die sich nicht eignen? "
Wann eignet sich deiner Meinung nach eine datenbasierte KI?
Deine Eingaben werden nicht gespeichert und an keinen Server geschickt. Diese Aufgaben sollen dir nur beim Lernen helfen.
Nimm dir ein wenig Zeit für die Aufgabe. Wenn du fertig bist, klicke auf 'Weiter'.
Allein der Name verrät schon, dass man für die Entwicklung einer datenbasierten KI auch Daten braucht. Haben wir hier keine oder nicht ausreichend, ist das schon mal ein Ausschlusskriterium. Stehen allerdings geeignete Daten zur Verfügung, kann das für eine datenbasierte KI sprechen. Es gibt aber noch eine Reihe an weiteren Eigenschaften, die für eine datenbasierte KI sprechen:
Die Daten, die als Eingabe verarbeitet werden sollen, haben eine Unsicherheit oder Varianz.
Denken wir beispielsweise zurück an die Bewertung der Leberflecke. Hier waren die Farbwerte jedes einzelnen Pixels im Bild die Eingabe für die KI. Die einzelnen Farbwerte variieren von Bild zu Bild, auch bei sehr ähnlichen Bildern. Das heißt, das System muss mit einer sehr großen Anzahl an unterschiedlichen Eingabewerten zurechtkommen. Haben wir eine solche Varianz in den Eingaben, kann sich maschinelles Lernen eignen, denn das trainierte Modell kann mit dieser Varianz umgehen. Haben wir stattdessen wenig Varianz in den Eingabedaten und damit auch nur eine geringe Anzahl an möglichen Eingaben, könnte sich eher eine wissensbasierte KI eignen, die wir mit konkreten Regeln umsetzen.
Die Problemstellung kann nur schwer durch vom Menschen bereitgestellte Regeln oder Wissen gelöst werden.
Versucht man beispielsweise Bilder von Muttermalen mit wissensbasierten Ansätzen zu bewerten, wird es schnell kompliziert, konkrete Regeln zu finden, nach denen man eine Bewertung berechnen könnte. Es gibt einfach so vielfältige Arten, welche Werte die Pixel haben können, wie die Form der Leberflecke variieren kann und so weiter. Hier haben Verfahren des maschinellen Lernens einen Vorteil, weil das Wissen in einer langen & komplizierten Berechnung repräsentiert sein kann und nicht in menschenverständlichen Regeln vorliegen muss. Kann man dagegen die Aufgabe mit vom Menschen bereitgestellten Regeln lösen, eignet sich oft eher eine wissensbasierte KI.
Eine große Menge an geeigneter Trainingsdaten ist verfügbar oder kann generiert werden.
Bei der Bewertung der Leberflecke mussten wir das Modell mit einem geeigneten Trainingsdatensatz trainieren. Für die Bilder im Trainingsdatensatz musste bereits eine Bewertung vorliegen, um dem Trainingsprozess zu zeigen, welches Verhalten gelernt werden soll. Außerdem musste der Trainingsdatensatz ausreichend umfangreich sein und möglichst frei von Bias sein, damit sich das Training auf die gewünschten Merkmale konzentriert. Für viele reale Problemstellungen gibt es keinen solchen Trainingsdatensatz oder die Erstellung ist mit hohem Aufwand verbunden. Ohne diesen kann kein Modell erfolgreich trainiert werden.
Datenbasierte KI (die heutzutage oft mit Deep Learning trainiert wird) eignet sich nicht für jede Problemstellung. Klassischere Ansätze, wie wissensbasierte KI, eignen sich nach wie vor in einigen Bereichen eher.
Vertrauen
Wenn wir mehr KI-Systeme im Bereich Gesundheit & Pflege nutzen wollen, geht das nur, wenn wir den Systemen vertrauen. Egal was wir als Menschheit entwickeln, wenn das Vertrauen fehlt, ist es unwahrscheinlich, dass diese Systeme weitreichend genutzt werden. Insbesondere, da es hier um das Wohlergehen von Menschen geht.
Die Erklärbarkeit ist hier ein wichtiger Faktor. Stellen wir uns vor, bei einem Arztbesuch wird eine Krankheit bei uns diagnostiziert durch eine KI und weder die KI selbst noch das Arztpersonal können erklären, wie diese Diagnose zustande kommt.
Was würde dein Vertrauen in die Einschätzung der KI erhöhen? Welchen anderen Systemen im Alltag vertraust du und warum?
Deine Eingaben werden nicht gespeichert und an keinen Server geschickt. Diese Aufgaben sollen dir nur beim Lernen helfen.
Nimm dir ein wenig Zeit für die Aufgabe. Wenn du fertig bist, klicke auf 'Weiter'.
Könnte uns die Ärztin oder der Arzt eine Erklärung geben, wie die KI zu der Entscheidung gekommen ist, würde das vermutlich unser Vertrauen in die Entscheidung erhöhen. Vermutlich wäre eine Erklärung von der KI selbst auch schon ausreichend für viele.
Zum Vertrauen gehören allerdings auch noch andere Aspekte. Beispielsweise vertrauen wir Arztpersonal, da wir wissen, dass diese Menschen in Deutschland einen sehr reglementierten Bildungsweg abgeschlossen haben. Genauso würde es unser Vertrauen in KI vermutlich ebenfalls erhöhen, gäbe es Reglementierungen, wie diese KI entwickelt oder getestet wurde.
Auf europäischer Ebene werden aktuell solche Reglementierungen von KI erarbeitet. Im April 2021 wurde beispielsweise ein Entwurf für eine mögliche zukünftige Regulierung von KI im Artificial Intelligence Act präsentiert. Darin werden Vorgaben hinsichtlich der Entwicklung von KI gemacht, zum Beispiel in Bezug auf die Trainingsdaten oder auf die Robustheit der KI-Systeme.
Das Vertrauen in KI-Syteme ist von großer Bedeutung für den Einsatz von KI. Reglementierungen und die Erklärbarkeit sind deshalb wichtige zukünftige Ziele.
Zusammenfassung: Was haben wir gelernt?
Wir hoffen, dass dir dieser Kurs einen Einblick gegeben hat, was künstliche Intelligenz ist und wie sie im Bereich Gesundheit & Pflege eingesetzt werden kann. Zum Schluss wollen wir ein paar wichtige Erkenntnisse des Kurses wiederholen und du hast die Möglichkeit selbst noch einmal zu reflektieren, was du aus dem Kurs mitgenommen hast.
Welche Vorstellung von KI hat sich bei dir im Laufe des Kurses verändert?
Deine Eingaben werden nicht gespeichert und an keinen Server geschickt. Diese Aufgaben sollen dir nur beim Lernen helfen.
Nimm dir ein wenig Zeit für die Aufgabe. Wenn du fertig bist, klicke auf 'Weiter'.
Wir haben einige weit verbreitete Vorstellungen von KI genannt und bei vielen erkannt, dass sie entweder nur zum Teil oder gar nicht richtig sind. Darunter zum Beispiel:
" Jede Form von KI hat aus Daten gelernt. "
Nein, es gibt auch noch die wissensbasierte KI, die nicht aus Daten gelernt hat und auf Grundlage von Wissen arbeitet, welches vom Menschen kommt. Genauso wie die zurzeit populäre datenbasierte KI (insbesondere über das Verfahren Deep Learning) ist die wissensbasierte KI immer noch eine wichtige Form von KI, die ihren eigenen Stärken und Schwächen hat.
" KI kann jede menschliche Aufgabe in naher Zukunft übernehmen. "
Nein, es gibt viele Aufgaben, welche die Fähigkeiten von heutiger KI übersteigen. Außerdem wollen wir KI vermutlich in bestimmten Bereichen nicht einsetzen.
" KI lernt komplett selbständig und der Mensch muss wenig tun. "
Nein, der Mensch spielt eine große Rolle und hat eine Vielzahl an Aufgaben bei der Entwicklung von KI.
Außerdem haben wir in Grundzügen verstanden:
Wie funktioniert Künstliche Intelligenz?
Welche Verfahren gibt es, KI zu entwickeln?
Welche Fähigkeiten und Grenzen hat KI?
Welche Fragen sind noch in deinem Kopf, die der Kurs nicht beantwortet hat?
Deine Eingaben werden nicht gespeichert und an keinen Server geschickt. Diese Aufgaben sollen dir nur beim Lernen helfen.
Nimm dir ein wenig Zeit für die Aufgabe. Wenn du fertig bist, klicke auf 'Weiter'.
Es ist wichtig, sich auch an die unbeantworteten Fragen zu erinnern. Mit diesen kannst du entweder diese Lernmaterialien noch einmal wiederholen oder dich über andere Wege auf die Suche nach einer Antwort machen. Zu KI gibt es einige hochwertige Angebote, die frei im Internet zur Verfügung stehen.
Die Webseite Teachable Machine kann auch noch weit mehr, als wir in den Aufgaben kennengelernt haben. Neben der Klassifizierung (also Einordnung in unterschiedliche Klassen) von Bildern kann man dort auch Audio und Körperhaltung klassifizieren. Zudem können die trainierten Modelle heruntergeladen werden und so in einem Projekt genutzt werden. Hier findest du ein paar Beispiele von Projekten mit Teachable Machine. Vielleicht hast du ja selbst eine Idee für ein kleines Projekt?
Wir würden uns freuen, wenn du dir die Zeit nimmst uns kurz Feedback zu geben.