Künstliche Intelligenz: Einsatzmöglichkeiten im Arbeitsschutz

Künstliche Intelligenz ist ein Fachgebiet der Informatik, das die Art und Weise, wie wir leben und arbeiten, in zunehmendem Maße verändert und prägt. Der Einfluss von künstlicher Intelligenz auf unser Leben ist in den letzten Jahren sukzessive gestiegen und dies nicht mehr nur im Hintergrund von technischen Anwendungen, sondern mittlerweile für alle sicht- und benutzbar.

Die Einführung von ChatGPT im November 2022, einem KI-Modell, das von der amerikanischen Firma OpenAI entwickelt wurde, bedeutete eine enorme Beschleunigung der Verbreitung von KI. Aufgrund der Fähigkeit menschenähnliche Antworten in natürlicher Sprache auf gestellte Fragen zu generieren, begann die breite Öffentlichkeit sich nicht nur durch ChatGPT für generative KI zu interessieren, sondern wurde in einfacher Weise in die Lage versetzt, mit einer "KI" zu arbeiten. KI gilt aus diesen Erfahrungen nicht mehr nur spezialisierten Technikern als zukunftsweisende Technologie. In einer vom Bundestag veröffentlichten Drucksache heißt es dazu: "Es wird erwartet, dass KI einen umfassenden und häufig sogar disruptiven Wandel in vielen Bereichen des öffentlichen Lebens, insbesondere in der Arbeitswelt, mit sich bringt".

Dieser Beitrag legt einen Fokus auf die Möglichkeiten der Verwendung von KI im Bereich des Arbeitsschutzes. Eine allgemeine Definition ordnet zunächst grundlegende Begriffe von KI im Kontext zueinander ein. Es werden existierenden KI-Anwendungen vorgestellt, um dann beispielhafte Anwendungen von KI im Arbeitsschutz vorzustellen.

Grundlegende Begriffe

Künstliche Intelligenz kann in verschiedene Fachgebiete eingeteilt werden, wie beispielsweise Sprachverarbeitung, Robotik oder das Maschinelle Lernen. So versucht die Robotik durch manipulative Intelligenz unbequeme Tätigkeiten wie Schweißen, Lackieren oder gar gefährliche Aufgaben wie Minensuche zu automatisieren, um Arbeiter zu entlasten. Das Ziel besteht darin, Systeme zu entwickeln, die in der Lage sind, die intelligenten Verhaltensweisen von Lebewesen nachzuahmen.

An dieser Stelle soll jedoch im Wesentlichen auf das Maschinelle Lernen (Machine Learning, ML) eingegangen werden. Dies bezeichnet die Fähigkeit von Computern, aus Daten zu lernen und sich zu verbessern, ohne – wie früher – für spezifische Aufgaben explizit programmiert werden zu müssen. Aus der Analyse von Mustern in Daten gilt es dabei eine allgemeine Regel abzuleiten. Auf dieser Basis können ML-Modelle dann Vorhersagen oder auf neuen, vorher nie gesehenen Daten Entscheidungen treffen.

Neuronale Netze als Anwendungen des Maschinellen Lernens sind von der Struktur und der Funktionsweise des menschlichen Gehirns inspiriert. Sie bestehen aus Neuronen (Knoten), die in Schichten angeordnet und miteinander verbunden sind. In ihnen werden Signale übertragen und entsprechend den Gewichtungen ihrer Verbindungen werden Vorhersagen und Entscheidungen getroffen.

Deep Learning schließlich basiert auf neuronalen Netzen mit vielen Schichten (Deep Neural Networks). Diese Technik ist besonders leistungsfähig in der Interpretation und Verarbeitung von großen und komplexen Datenstrukturen wie Text, Bildern oder auch Sprache.

Ein Large Language Modell (LLM), wie das oben erwähnte GPT, ist eine spezifische Anwendung von Deep Learning und neuronalen Netzen im Bereich der natürlichen Sprachverarbeitung (NLP). Ein LLM kann also natürliche Sprache verstehen, verarbeiten und generieren. GPT steht dabei für "Generative Pre-Trained Transformer". Es handelt sich also um generative KI, die für die Generierung von (Antwort-) Texten basierend auf eingegebenem Text (Fragen) entwickelt und vorab trainiert wurde.