Das Buch ist ein Must-Read für jeden, der sich mit der Digitalen Ökonomie beschäftigt. Auch wer sich zu Künstlicher Intelligenz anderweitig belesen hat, findet in dem Buch interessante ergänzende Perspektiven. Vor allem aber leitet der Autor schlüssig her, welche Faktoren aller Voraussicht nach dazu führen, dass China bis zum Jahr 2030 eine Vorherrschaft in der Digitalen Ökonomie etablieren wird. Mit dieser Perspektive und den Ursachen hierfür müssen sich politisches Personal sowie Wirtschaftsführer der Deutschland AG zwingend auseinandersetzen. Es stimmt hierbei kaum optimistisch, dass Europa bzw. Europäische Unternehmen KI-Talente kaum binden. Kai-Fu Lee bemerkt dazu nüchtern: „(…) zahlreiche europäische KI-Forscher und -Ingenieure [sind] auf der Suche nach lukrativen und herausfordernden Erwerbsmöglichkeiten in die Vereinigten Staaten ausgewandert – oder haben sich US-amerikanischen Unternehmen mit Büros auf dem europäischen Kontinent angeschlossen.“
Bevor ich auf die spezifische Dynamik der Digitalindustrie in China eingehe, vorab einige Perspektiven und Details des Autors Kai-Fu Lee auf die Geschichte der Künstlichen Intelligenz. Seine klarsichtige Perspektive rührt auch daher, dass er diese Geschichte in mehreren Rollen begleitet hat: Als KI-Wissenschaftler, IT Manager und Investor in KI-Geschäftsmodelle, und schließlich als gebürtiger Chinese mit einer jahrzehntelangen Karriere in den USA.
Bemerkenswerte Details aus der Geschichte der Künstlichen Intelligenz
Die Geschichte der Künstlichen Intelligenz lässt sich am besten verstehen, wenn man berücksichtigt, dass sich das Forschungsfeld in den 1980er Jahren in zwei Lager aufgespalten hatte: Es gab jene Forscher, die einen „regelbasierten“ Ansatz verfolgten und logische Regeln in Programmiercode umsetzten; da diese logischen Regeln häufig von Domänenexperten erhoben wurden, spricht man hier auch von Expertensystemen. Das zweite Lager folgte dem Ansatz „neuronaler Netze“, der sich bekannterweise durchgesetzt hat. Was dem Ansatz der „neuronalen Netze“ zum Durchbruch verhalf, sind vor allem drei Faktoren:
Ersten, mit dem Internet wurden (endlich) die erforderlichen großen Datenmengen verfügbar, die für das „Trainieren“ eines KI-Algorithmus erforderlich sind (damit beispielsweise ein KI-Algorithmus Hunde- und Katzenphotos zuverlässig voneinander unterscheiden kann, muss der Algorithmus mit Tausenden von Bildern trainiert werden). Zweitens, die Rechenkapazität von Computern erreichte die erforderliche Größenordnung, damit komputationale Modelle von Neuronen und Neuronalen Netzen in der Informatik umgesetzt werden konnten. Drittens, erst mit einem technischen Durchbruch Mitte der 2000er-Jahre war es möglich, Neuronale Netze auch effizient zu trainieren (Forscher: Geoffrey Hinton).
Keineswegs ist es so, dass die bekannten Meilensteine der Künstlichen Intelligenz (1997: Deep Blue schlägt Kasparow – 2011: Watson gewinnt bei Jeopardy – 2017: AlphaGo schlägt den Go-Spiegel Ke Jie) die sukzessive Weiterentwicklung jener Technologie widerspiegelt, die heute das Feld der KI dominiert. Nämlich Neuronale Netze. So schreibt Kai-Fu Lee zum Sieg von DeepBlue: “Deep Blue hatte sich letztlich auf brachiale Weise zum Sieg gekämpft, wobei es sich weitgehend auf eine maßgeschneiderte Hardware stützte, die es ihm ermöglichte, nach jedem Zug rasch verschiedene Positionen zu generieren und auszuwerten. Es war zudem auf die Hilfe echter Schachmeister angewiesen, die der Software lenkende Heuristiken hinzufügten. Der Sieg war zweifellos eine beeindruckende Leistung der Ingenieurskunst, doch er gründete auf einer seit Langem etablierten Technologie, die nur in sehr begrenzten Bereichen funktionierte.“
China: Die Erfolgsfaktoren für den Aufstieg zur KI Supermacht
Die technischen Durchbrüche auf dem Siegeszug der Neuronalen Netze im Feld der Künstlichen Intelligenz wurden ganz wesentlich in den USA, Kanada und Großbritannien erzielt. Weder China – und leider auch: weder Kontinentaleuropa – spielten hierbei eine wesentliche Rolle. China hat inzwischen massiv aufgeholt, was Forschung im Bereich Künstliche Intelligenz angeht, wobei der Autor China noch einen „Mangel an unkonventionellen Ansätzen in Forschungsfragen“ attestiert. Sei’s drum, wirklich entscheidend ist dies eigentlich nicht. Denn Quantensprünge in der Forschung werden nur einmal innerhalb mehrerer Jahrzehnte erzielt, für die erfolgreiche Anwendung (oder: Kommerzialisierung) von KI sind heute andere Faktoren entscheidend: Daten, Daten, Daten und politische Rahmenbedingungen zur Förderung von KI-basierten Geschäftsmodellen.
Entscheidung für die Qualität eines KI-Algorithmus ist gegenwärtig die Menge an Daten, mit denen ein Algorithmus trainiert wird. Und hier kann China einen entscheidenden Größenvorteil ausspielen, nämlich: „Die schiere Größe der chinesischen Bevölkerung und die Tatsache, dass die die Mobilfunktechnologie als Teil ihres täglichen Lebens akzeptiert (…)“ (S. 10). Hinzu kommt ein ehrgeiziger Plan der Zentralregierung (veröffentlicht in 2017), China bis 2030 in das weltweit führende Land der Innovation im Bereich KI zu machen. Demgegenüber steht etwa eine US-Regierung, die unter dem Strich die Mittel für die Grundlagenforschung gekürzt hat. Der Ehrgeiz Chinas lässt sich mit Zahlen leicht belegen. Noch im Jahr 2017 waren chinesische Wagniskapitalgeber für 48% aller Risikokapitalfinanzierungen im Bereich Künstliche Intelligenz verantwortlich. Und noch immer gilt: 90 Prozent der Investitionen in KI kommen heute aus den USA oder China.
Der Autor Kai-Fu Lee verweist zudem auf ein ehrgeiziges Arbeitsethos von Gründern in China: „Ich kann Ihnen verraten, dass das Silicon Valley im Vergleich zu seinem Konkurrenten jenseits des Pazifiks geradezu träge wirkt.“ (s. 33)
Fazit
Kurz: Die immense Bedeutung umfangreicher Daten für die Entwicklung (bzw. das Trainieren) von KI-Algorithmen ist ganz zweifelsohne ein plausibles Argument für die Prognose, dass China das gesetzte Ziel einer KI-Supermacht in 2030 erreichen kann.
Man darf dem Autor Kai-Fu Lee zugutehalten, dass er einfordert, eine solche KI-Überlegenheit weder militärisch noch in sonstiger Weise für nationalistische Zwecke zu missbrauchen. Als „Pendler“ zwischen den Kulturen (USA, China) ist er mit dieser Forderung glaubhaft. Vielmehr appelliert er, „Fortschritte miteinander zu teilen und sich über nationale Grenzen hinweg zu verständigen.“ (S. 292). „Bei richtigem Verständnis und sinnvoller Nutzung wird sie [KI] uns allen zu bislang nie gekanntem wirtschaftlichem Mehrwert und Wohlstand verhelfen.“ (S. 293).
Gleichzeitig ist auch dem Autor wohl bewusst, dass KI auf Arbeitsmärkten und in Sozialsystemen ein erhebliches Verwerfungs- und Zerstörungspotential besitzt. Es ist realistisch anzunehmen, dass sich die Gewinne einer KI-basierten globalen Wertschöpfung tendenziell zu den Unternehmen verschieben, die eben jene KI-Algorithmen kommerzialisiert haben. Nach der Lesart von Kai-Fu Lee sitzen diese Unternehmen zukünftig vor allem in den USA und China. Es stimmt wenig tröstlich, wenn der Autor formuliert: „Die Vereinigten Staaten und China werden führend bei der Entwicklung wirtschaftlich produktiver KI-Anwendungen sein, doch andere Länder und Kulturen werden zweifellos auch weiterhin unsere allgemeine gesellschaftliche Entwicklung mit wertvollen Beiträgen bereichern. (…) Bei der Umgestaltung unserer Bildungssysteme können wir viel von Südkorea lernen (…) Wenn wir unsere Herangehensweise an Arbeit verändern möchten, wären wir gut beraten, uns der in der Schweiz und Japan verbreiteten Handwerkskunst zuzuwenden (…).“ (S. 294).
Das Buch ist in gewisser Weise ein Weckruf an die Europäische Wirtschaft und Politik. Die Bedeutung von Daten für eine KI-basierte Ökonomie kann heute als unstrittig gelten. Das von Kai-Fu Lee beschriebene Szenario einer KI-Supermacht China wird damit sehr wahrscheinlich.
