Das Fermi Paradox

Das Fermi Paradox: Sind wir allein im All? (Antworten die kaum jemand kennt)

Ah ja das Fermi Paradox. Oder anders formuliert:

„Wenn es Abermilliarden von Sternen, Planeten und Monden gibt, wo sind dann all die anderen Lebensformen, Zivilisationen, Aliens?“ Wenn es nahezu unendlich viele Möglichkeiten gibt, Leben im Universum zu beherrbergen, muss doch zwangsläufig auch anderes Leben als das menschliche da draußen sein, richtig? Warum aber haben wir dann bisher absolut keine Spuren von diesem Leben irgendwo finden können? Sind wir allein in den Weiten des Alls?

Dieses vermeindliche Paradox, also der auf den ersten Blick offensichtliche Widerspruch zwischen unzählbar vielen Lebensräumen aber (bisher) exakt 0 gefundenen Lebensformen wird als „Fermi-Pradox“ bezeichnet. Warum Fermi? Weil die grundlegende Frage „Wo sind denn alle?“ Enrico Fermi, einen Physiker zugeschrieben wird. Ob und wie das stimmt oder nicht, führt dieser Artikel ganz gut weiter aus.

Mich interessiert allerdings weniger die Geschichte der Frage, als viel mehr die möglichen Antworten. Und hier gibt es einige, die fast überall übersehen werden.

Selbst Elon Musk, hauptberuflich Sternenerkunder, kennt diese nicht. (Wie er in Folge 1609 des Podcasts von Joe Rogan gesagt bzw. nicht gesagt hat)

 

Deshalb, vor allem weil ich diese weiteren Antwortmöglichkeiten für weitergebenswert halte, hier die weiteren Lösungsoptionen von David Deutsch, einem weiteren Physiker. Diese sind einem Podcast von David Deutsch und Chris Anderson entnommen und können hier nachgehört werden.

 

Die „klassischen“ Antworten zur Lösung des Fermi-Paradoxons:

Die meisten „Standard-Antworten“ auf dieses Paradox passen in eine von beiden Kategorien:

  1. Wir sind die Einzigen im All. –> Spooky, wenn man darüber nachdenkt.
  2. Es gibt Milliarden anderer Lebewesen im All, wir können diese nur nicht finden / sie wollen nicht gefunden werden / wir haben sie noch nicht gefunden etc. –> Auch spooky beim nachsinnieren, vielleicht sind sie ja schon unter uns und wir wissen es nur noch nicht?

Ausschließen kann man prinzipiell natürlich nichts, was nicht wohl falsifizierten Naturgesetzen widerspricht, dennoch gibt es auch noch andere Optionen neben diesem „Schwarz-Weiß-Schema“. Die schaffen es nur irgendwie relativ selten in die Gespräche. Schauen wir uns einige davon an:

 

Die unbekannte(re)n Antworten und Antwortmöglichkeiten rund um das Fermi Paradox:

  1. Wir sind die Ersten. Das Universum hat noch verflixt viel Zeit vor sich, warum sollten Menschen also nicht „Pioniere komplexen Lebens“ sein? Vielleicht bringen wir buchstäblich Leben in die interstellare Bude. Klingt meiner Meinung nach durchaus fancy.
  2. Andere Lebensformen haben sich „nach innen“ bzw. „unten“ entwickelt. Warum sollte sich eine / viele hinreichend entwickelte Zivilisationen nicht das Metermaß hinab- statt hinauf entwickelt haben? Als in Richtung der Nano- statt Makroskala? Raum ist nicht das Problem im Universum, davon gibt es mehr als genug. Zeit schon. Es ist einfach nicht einfach, eine Kultur über lange interstellare Distanzen aufrechtzuerhalten. Das macht ein Flug von Deutschland in die USA schon bewusst. Aber wenn buchstäblich Lichtjahre zwischen „Kolonien“ liegen, gibt es beim nächsten Geburtstagsbesuch die alten Vorfahren auf diese Weise möglicherweise schon gar nicht mehr. Wenn andere Planeten andere Gravitationen, Gezeiten etc. haben, entwickeln sich Spezies mit genügend Zeit voneinander weg. Möchte man das vermeiden, ist es naheliegend, ins Kleine zu gehen, statt ins Große. Schlüsselinformation bei diesem Szenario: Es gibt in Größenordnungen nach unten mehr zu entdecken als nach oben ins Universum.
  3. Andere Lebensformen sind einfach so glücklich. Das Konzept „permanenter statischer Glückseligkeit“ ist das vielleicht interessanteste: Was, wenn andere Lebensformen es einfach geschafft haben, permanent glücklich zu sein? Und anders als Menschen einfach mit dem Status Quo zufrieden sind? Sie quasi eine Art „kollektives Heroin“ gefunden haben, nur auf eine gute Art? Wir würden wahrscheinlich niemals von Ihnen hören, es sei denn wir würden mit dem Bug voraus in Ihren Vorgarten krachen. Denn diese Lebensform hat keine Notwendigkeit irgendetwas zu tun, sie ist ja bereits glücklich. Manchmal liegt das offensichtliche so weit entfernt 😉
  4. Im Universum übertrumpft die Zeit sogar den Raum, so dass sich jede andere Zivilisation mindestens 10 Millionen Jahre vor oder nach uns entwickelt haben müsste. Was mehr als genug Zeit lässt, Spuren zu verwischen, andere, nicht-detektierbare Entwicklungswege zu gehen usw. Was allerdings eine gewichtige Frage zurücklässt: Warum gibt es keine Hinweise auf Ingenieurwesen / Technik / Technologie im Universum außer uns? (Planeten die umgeformt wurden oder zumindest Spuren wie unsere Megastädte usw. Irgendwo) Egal in welche Richtung sich eine Zivilisation weiterentwickelt, von den „stepping stones“ sollten wir irgendwo Spuren sehen. (Und sei es in Form von Strahlung die durchs Universum fliegt)

 

Du siehst, ich habe auch keine finale „Antwort“ rund um das Fermi Paradox. Aber ich konnte vielleicht helfen aus dem vermeintlichen Paradox eher eine Frage zu machen.

Ich hoffe diese Inputs helfen dir weiter beim Grübeln über den Rest des Universums. Und ganz wichtig:

 

Welche Lösungsideen für das Fermi-Paradoxon hast du?

 

Bis dann

Ben

Internetrecherche und Online Recherche zur Informationsbeschaffung

Wie du mit richtiger Internetrecherche nie wieder übers Ohr gehauen wirst

Dieser Beitrag ist Teil meiner Reihe zum Thema Cybersicherheit. Alles auf einen Blick zum Thema Cybersecurity findest du hier. Außerdem habe ich Artikel geschrieben zu den Theman: Cyber Security allgemein, Security Awareness, Social Engineering, IT Security Lösungen und IT-Sicherheit allgemein, Informationssicherheit, Internetkriminalität und Cybercrime, Phishing und spezifischen Schutzwerkzeugen wie zum Beispiel VeraCrypt und Keepass. Mehr zum jeweiligen Artikel findest du beim Klick auf das jeweilige Wort. (Alle Schlagworte ohne Link darüber werden noch veröffentlicht und hier aktualisiert verlinkt) Viel Spaß mit diesem Artikel!

Internetrecherche, bzw. Online Recherche in Netzwerken abseits des Internets hat sich im Kontext von Cyberkriminalität – und Cybersecurity zu einem Damoklesschwert entwickelt. Warum? Nun:

Für Menschen die wissen, wo sie die richtigen Informationen herbekommen, ist das Internet ein einziges Schlaraffenland.

Für Menschen, die hingegen weder wissen, welche Informationen man frei zugänglich erhält und welche ungeahnte Langlebigkeit diese entwickeln können, kann das Internet zur tickenden Zeitbombe werden.

Es ist ein wenig wie mit Atommüll: Wenn ich Halbwertszeit und Gefahr nicht einschätzen kann, unterlaufen mir unter Umständen schwere Fehler.

Internetrecherche kann potenziell gefährliche Informationen sichtbar machen

 

Deshalb geht es in diesem Artikel um das Thema Internetrecherche. Bzw. noch etwas tiefer: die Informationsbeschaffung rund um komplexere, tiefergehende Themen.

Also nicht nur um das Herausfinden von Anleitungen und Hilfestellungen für kleinere Alltagsprobleme.

Sondern das systematische Erstellen von Profilen, Datenclustern und Interpretationsansätzen des Gefundenen.

Um den Schleier des mysteriösen zu lüften, potenzielle Angriffsvektoren zu negieren und deine Informationsbeschaffung im Internet besser zu gestalten, schauen wir uns dazu einige “Werkzeugkategorien” an.

 

Unter anderem gehen wir hier darauf ein:

  1. Die 7+1 besten, konkreten Tools / Plattformen für eine erfolgreiche und effiziente Online-Recherche
  2. Best Practises bei der Anwendung und Aussagekraft der Ergebnisse (Plus Erklärung der Triangulation)
  3. Wie du in windeseile, kostenlos und anonym die Technologie einer Webseite, deren Besucheranzahl und vieles mehr herausfindest
  4. Warum im Web Zeitmaschinen existieren und wie du diese einsetzen kannst
  5. Wie dir wenige Zeichen und Klicks an den richtigen Stellen mehr über deine Suchziele verraten
  6. Vieles mehr.

 

Wichtiger Hinweis vorab:

Da diese Informationen potenziell auch von Angreifern eingesetzt werden können, sende ich dir das im Artikel enthaltene Kurz-Webinar mit den entsprechenden Erklärungen erst nach einem kurzen Schnellcheck deines berechtigen Interesses an dich.

 

Legen wir los:

 

Internetrecherche – Wenn Zeit durch Wissen zu Macht wird

Ich arbeite seit einigen Jahren im Rahmen verschiedener Cybersecurity-Aufträge unter anderem als “low-level” Profiler. Ich suche also Informationen über bestimmte Zielpersonen- und Firmen zusammen, bereite diese auf, trianguliere diese wo möglich und sende das Ergebnis dann an meine Auftraggeber.

Mit „triangulieren“ meine ich dabei die drei- oder mehrfache Absicherung eines Ergebnisses durch verschiedene Quellen. Wenn mir also eine Quelle zum Beispiel „1.000“ als Ergebnis ausgibt, prüfe ich mit zwei weiteren Quellen diesen Wert. Wenn dabei von Quelle 2 und 3 „800“ und „1.200“ kommt, weiß ich, dass ich mit „1.000“ im Mittel recht nahe an der wahrscheinlichen Wahrheit liege.

(Wichtiger Unterschied zu “klassischen” Profilern: Ich nutze für meine Recherchen ausschließlich legale, kostenlose und anonyme Tools. Also weder große Geheimdienst-Datenbanken noch ähnliches. Deshalb “low-level”. Reicht aber für ein solides Bild meist schon mehr als aus)

 

Die Gründe für die Beauftragung eines solchen “Profilings” bzw. einer solch gezielten Internetrecherche sind vielfältig, lassen sich aber meist grob in folgende zwei Kategorien unterteilen:

  1. Ist der/die (potenzielle) Geschäftspartner/Firma zuverlässig und vertrauenswürdig? Im Internet stehen viele Sachen und mit ein wenig Ausdauer kann sich jeder eine professionell wirkende Webseite aufbauen und auf dieser alles erzählen, was er möchte. Ich prüfe, ob es bei einer Webaufstellung mit rechten Dingen zugeht.
  2. Finden sich über mich/meine Familie/meine Firma/ein mir wichtiges Thema Informationen, welche mich angreifbar/erpressbar/kompromittierbar etc. machen?

Zu jeder fundierten / erfolgreichen Cyberattacke gehört eine vorangestellte Recherche. Ohne diese kann ein Angreifer weder herausfinden

  • Ob sich der Angriff wirklich lohnt
  • Mit welchen Hürden und Gefahren er bei einem Angriff zu rechnen hat
  • Noch welche Angriffswege sich besonders lohnen und welche nicht.

Ich schaue im Auftrag des Auftraggebers, welche Informationen ich finde und wie diese möglicherweise gegen ihn verwendet werden können.

Wie so etwas aussehen kann, habe ich in einem kleinen Webinar mal exemplarisch aufgenommen:

Coming soon, du kannst dich hier in meinen Newsletter eintragen, dann erfährst du als Erster, sobald das Webinar online geht.

Abseits dieses konkreten Ablaufs, der Interpretation der dabei entstehenden Daten und dem Aufzeigen möglicher Angriffsvektoren habe ich dabei vor allem 7 Tools / Werkzeug-Kategorien genutzt. Schauen wir uns die verwendeten Werkzeuge an:

 

Der 80/20 Internetrecherche-Werkzeugkasten

Die Internetrecherche-Toolbox für schnelle Ergebnisse

Ich starte bei allgemein hilfreichen Tools und Tipps und gehe dann auf die spezielleren Werkzeuge bzw. Tipps zur Online Recherche ein.

 

 

 

1. Besser im Internet suchen: Der Einsatz von Suchoperatoren

Suchoperatoren ermöglichen es, ähnlich und meist sogar präziser als Hashtags, Internetsuchen “spitzer” zu machen. Das heißt die eigene Suchanfrage mithilfe ergänzender Informationen spezifischer zu formen. Und damit schneller und exakter zum gewünschten Ergebnis zu gelangen.

Wie kann so etwas aussehen? Das einfachste Beispiel ist eine „Suche nach Walt Disney“. Wenn ich einfach so nach der Keyword-Kombination „Walt Disney“ suche, bekomme ich alle Informationen zum Konzern, seinen Angeboten, seinem Gründer usw.

Wenn ich allerdings nur nach dem Gründer suche, kann ich Anführungszeichen um meinen Suchbegriff hinzufügen. Und damit die Suchergebnisse auf den Firmengründer beschränken.

Suchoperatoren helfen bei der Internetrecherche

Q: https://www.blogmojo.de/google-suchoperatoren/

Es gibt Dutzende derartige Suchoperatoren, die beste (mir bekannte) deutschsprachige Übersicht zum Einsatz dieser findest du hier.

 

2. Indirekt auf Fragen und Wissen anderer zugreifen: Autocomplete

Die Autocomplete-Funktion von Google ist eine weitere Möglichkeit die eigenen Suchergebnisse anzureichern. In diesem Fall nicht durch Präzision, sondern durch den Zugriff auf indirekte Daten des “Schwarmbewusstseins”.

Es gibt verschiedene Varianten dieser automatischen Vervollständigung, die zwei praktischsten sind diese beiden:

Verschiedene Autocomplete-Formen präzisieren die Online Recherche

 

Die obige findest du am unteren Ende jeder Google-Suchergebnis-Seiten.

Die untere findest du, wenn du eine Seite aus der Google-Suche heraus öffnest und dann direkt wieder zurück zur Suche gehst.

In diesem Fall werden dir weitere Suchen vorgeschlagen, welche andere User ausgeführt haben, nachdem sie ebenfalls wieder zurück zur Google-Suche geschickt wurden. Der Ablauf ist dabei meistens:

  1. Eingabe eines Suchbegriffs, zum Beispiel “Cybersecurity”
  2. Klick auf das erste organische Ergebnis.
  3. Unzufriedenheit mit dem Inhalt dieser Ergebnisseite.
  4. Klick zurück zur Google-Suche.
  5. Aufploppen der Autocomplete-Leiste unter dem angeklickten Ergebnis.

Sollte das bis hierhin noch immer zu abstrakt klingen, ich erläutere die Details in meinem Webinar zur Internetrecherche. Du kannst dich für dieses hier kostenfrei anmelden:

Coming soon, du kannst dich hier in meinen Newsletter eintragen, dann erfährst du als Erster, sobald das Webinar online geht.

Die Vorschläge dieser beiden Autocomplete-Widgets helfen, ein besseres Gefühl für das Thema zu bekommen. Und manchmal bringen Sie sogar bisher völlig unbeachtete Ideen und Verknüpfungen zum Vorschein.

Probier’s zwei- dreimal aus, dann verstehst du, was ich meine 😉

 

3. Über Bilder zu völlig neuen Verknüpfungen: Reverse Image Search

Reverse Image Search ist eine Informationssuche, nur mit Bildern statt Begriffen.

Heißt: Ich gebe keinen Schlüsselbegriff in den Suchschlitz ein, sondern ein “Schlüssel-Bild”.

Reverse Image Search ist eine der Grundlagen der Internetrecherche

 

Es gibt verschiedene Services und Varianten von Reverse Image Search Services und Algorithmen. Der Quasi-Standard allerdings ist Google.

Die Reverse Image Search eignet sich prinzipiell für alle Suchen, die auf einem Bild basieren. Im Besonderen allerdings für:

  • Die Quelle von Infografiken / Statistiken etc. Reverse Image Search findet dabei sogar Quell-PDF’s, aus welchen diese im Original stammen.
  • Ähnliche Bilder wie das Quellbild. Egal ob in verschiedenen Größen, anderen Farben oder zuweilen auch veränderten Strukturen: Mit Reverse Image Search findest du auf einen Klick den “digitalen Kontext” rund um dein Quellbild.
  • Artikel, Publikationen und generell den Kontext des Quellbildes. Mit der Rückwärts-Bilder-Suche findest du oftmals binnen weniger Sekunden Artikel und Webseiten, welche dein Quellbild eingebunden haben. Damit kennst du nicht nur die Originalquelle, sondern zeitgleich auch andere Medien, welche das Bild nutzen. Was dir wiederum hilft, deine Internetrecherche zu vertiefen und zu verbessern.

Eine kurze Anleitung der Reverse Image Search zeige ich in meinem Online Recherche Webinar. Du kannst dich hier dafür kostenfrei anmelden:

Coming soon, du kannst dich hier in meinen Newsletter eintragen, dann erfährst du als Erster, sobald das Webinar online geht.

 

4. Röntgenblick in den Maschinenraum: Die Technologie-Analyse

Es gibt verschiedene Online-Tools mit denen man die Rahmendaten einer Webseite analysieren kann.

Technologie-Analyse zur Internetrecherche

Mit diesen Tools findet man zum Beispiel heraus:

  • Das Content-Management-System (CMS)
  • Eingesetzte Plugins / Add-ons
  • Hoster
  • Frameworks
  • Content Delivery Networks (CDN’s)
  • Spezifische Mobile-Optimierungen
  • Kartierungsservices
  • Eingesetzte Zahlungsabwickler
  • Mediaplayer
  • Script-Bibliotheken
  • Werbeservices
  • Historie der meisten obigen Punkte
  • … Vieles mehr, je nach Webseite.

Trianguliert mit anderen Tools wie dem Webarchive kann man so sogar die verschiedenen Versionen der Seite anschauen, ohne bei deren Bau beteiligt gewesen zu sein.

Das hat verschiedene gravierende Vorteile:

  • Sollte ich am Bau einer Webseite beteiligt sein, kann ich so auf einen Blick ein Gefühl für die bisherigen Technologien, Stile etc. bekommen. Ohne mich abstimmen zu müssen. (Das hat manchmal einen leichten Hauch von Magie, wenn man einem Kunden sagen kann, wie seine Seite aufgebaut ist, war und basierend darauf Empfehlungen geben kann. Ohne überhaupt die Zugangsdaten zu haben)
  • Inspiration für eigene Einsätze von Tools und Plugins. (Wenn ich die Top-Seiten meiner Nische kenne, kann ich mich an deren Plugins orientieren, um stets up to date zu bleiben)
  • Das Herausfinden potenzieller Sicherheitsschwachstellen um diese schnell zu fixen. (Hilft vor allem bei der Prävention von Social Engineering Attacken. Mehr dazu im Webinar)

 

5. Reise in die Vergangenheit: Der Einsatz von Web-Archiven

Ich kann nicht nur mit Technologie-Analysen in die Vergangenheit einer Webseite schauen. Webarchiv-Lösungen erlauben mir dies nicht nur “unter der Haube”, sondern buchstäblich.

Online Recherche in die Webseiten-Vergangenheit

Die Seite des Spiegels sieht seit vielen Jahren nahezu gleich aus. So zum Beispiel im Jahr 2013. Q: WebArchive

So kann ich zum Beispiel vergangene Design-Entscheidungen auf den Tag genau nachvollziehen, Aktualisierungs-Schemas herausfinden und vieles mehr.

Auch dies hilft vor allem allen Branchen rund um Webdesign- und Entwicklung. Und im Bereich Social Engineering. Wieso letzteres, erläutere ich in meinem Webinar zum Thema.

Coming soon, du kannst dich hier in meinen Newsletter eintragen, dann erfährst du als Erster, sobald das Webinar online geht.

 

6. Webauftritte auf einen Blick analysieren: Der Traffic-Scan

Traffic ist die Summenbezeichung aller “Benutzer-Ströme”, die durch verschiedene Quellen auf meiner Webseite landen. Diese Quellen können zum Beispiel Social Media, Suchmaschinen, Newsletter oder andere sein.

Internetrecherche und Trafficscans

Q: Semrush

Ein schneller Scan dieses Traffics und seiner Zusammenstellung hilft, um Aussagen zu prüfen.

Zum Beispiel, wenn ein Kunde / potenzieller Geschäftspartner / Influencer etc. behauptet, er habe

  • Eine starke Präsenz in seiner Marktnische
  • Sehr viele Besucher im Monat, wodurch sich eine Werbepartnerschaft lohnt
  • Eine eigene Marke, welche stark in seiner Nische repräsentiert ist.
  • … Und so weiter und so ähnlich

Je nach Nische, Größe und einigen weiteren Faktoren kann man hierbei mit wenigen Klicks und einem geübten Auge die Aussagen der anderen Partei entweder validieren oder widerlegen.

Wie ich dabei vorgehe, was mir verschiedene Tools sagen und mehr erfährst du in meinem kostenlosen Webinar.

 

7. Wer mit wem seit wann wobei: Triangulation von Firmendaten

Web- und Webseitendaten sind hilfreich und wichtig. Gerade bei Geschäftspartnern und potenzieller Zusammenarbeit mit anderen Firmen reichen diese allerdings häufig nicht aus.

Für diese Spezial- und Vertiefungsfälle gibt es Werkzeuge, welche einem einen Einblick hinter die Kulissen geben.

Online Recherche in die Tiefe der Firmendaten

Q: Northdata

 

Gerade wenn man zum Beispiel das Netzwerk rund um einen Geschäftspartner kennenlernen möchte, helfen verschiedene Firmendaten-Tools schnell weiter.

Diese bringen einem unter anderem Informationen zu den Themen:

  • Firmenhistorie
  • Handelsregistereinträge
  • Involviertes Personal in Spitzenpositionen
  • Aufgekaufte Firmen
  • Und vieles weitere.

Auch hier gilt wie immer: Ein Tool allein bringt selten den Erfolg. Doch in Kombination ergibt sich oftmals ein detailliertes und aufschlussreiches Bild.

Mehr zu den konkreten Tools und deren Anwendungsfällen erfährst du in meinem kostenlosen Webinar.

Coming soon, du kannst dich hier in meinen Newsletter eintragen, dann erfährst du als Erster, sobald das Webinar online geht.

 

Bonus: Das Daten-Kaleidoskop Social Media

Wie oben bereits angesprochen, kann Social Media ein hervorragender Informationsstrom sein. Und das ist nicht auf Traffic begrenzt.

Mit Social Media-Plattformen findet man oftmals auch sehr detaillierte Informationen über konkrete Personen und Firmen heraus.

Das können zum Beispiel sein:

  • Gruppen
  • Gelikte Seiten
  • Postings und deren Historie
  • Verwendete & verlinkte Hashtags
  • Netzwerk
  • … Und vieles weitere.

Da verschiedene Netzwerke verschiedene Facetten einer Person in den Fokus stellen, bietet sich die Triangulation über alle zur Verfügung stehenden Plattformen an.

 

Das können zum Beispiel sein:

  • Die Klassiker wie Facebook, Xing und LinkedIn
  • Etwas exotischere / spezifischere wie zum Beispiel ResearchGate
  • In seltenen Fällen verknüpfte wie Pinterest oder Etsy

Besonders die Hashtag-Funktion vieler Social Media Netzwerke ermöglicht es dabei, auch aus einer völlig anderen Dimension heraus fündig zu werden. Und damit weitere relevante Informationen zur Internetrecherche zu gewinnen.

Mehr dazu findest du, du hast es vielleicht kommen sehen, in meinem kostenfreien Webinar zur vertieften Online Recherche und deren Implikationen für Cybersecurity & Co.

 

Internetrecherche und Online Recherche – Fazit:

Der richtige Umgang im Internet braucht ebenso Werkzeuge wie das klassische Handwerk. Ein Hammer tut andere Dinge als ein Schraubenzieher. Doch wenn ich eines von beiden nicht beim Einsatz dabei habe / nicht damit umzugehen weiß, bringt mir das alles nichts.

Ein Bereich mit vielen hilfreichen Werkzeugen ist die Online- / Internetrecherche. Ein paar Tools- bzw. Toolgruppen habe ich dir hier aufgezeigt und erklärt.

 

Jetzt bist du dran:

  • Welche Tools nutzt du zur Internetrecherche?
  • Wie nutzt du diese Tools?
  • Welche nutzt du explizit nicht und warum?

Ich freue mich von dir zu lesen!

 

Viele Grüße und bis zum nächsten Austausch,

Ben

Cyber Security ist Katz und Maus in digital

Cyber Security – Alles was du zu(deine)m Schutz im Digitalraum wissen musst

Dieser Beitrag ist Teil meiner Reihe zum Thema Cybersicherheit. Alles auf einen Blick zum Thema Cybersecurity findest du hier. Außerdem habe ich Artikel geschrieben zu den Theman: Security Awareness, Social Engineering, Internetrecherche, IT Security Lösungen und IT-Sicherheit allgemein, Informationssicherheit, Internetkriminalität und Cybercrime, Phishing und spezifischen Schutzwerkzeugen wie zum Beispiel VeraCrypt und Keepass. Mehr zum jeweiligen Artikel findest du beim Klick auf das jeweilige Wort. (Alle Schlagworte ohne Link darüber werden noch veröffentlicht und hier aktualisiert verlinkt) Viel Spaß mit diesem Artikel!

Cyber Security ist für deinen Ausflug in die weiten des Cyberspace ungefähr das, was Kleidung, die eigenen vier Wände und Schlösser in der echten Welt sind:

Cyber Security ist alles, was du brauchst, um den Launen der Natur dieser Dimension nicht schutzlos ausgesetzt zu sein.

Sie ist, richtig eingestellt, im virtuellen Alltag unsichtbar. Und bis etwas schiefgeht, bekommst du so oder so nichts davon mit.

Doch wie so oft gilt: Du merkst erst dann was dir fehlt, wenn es zu spät ist. Und dann umso schmerzhafter.

Nirgendwo sonst gilt das so intensiv wie im Bereich der Cyber Security:

Die Kosten mangelnder Cyber Security sind horrend

Q: https://de.statista.com/infografik/16825/geschaetzte-hoehe-des-durch-cyberattacken-entgangenen-umsatzes/

Ungesicherter Cyberspace ist ein Schlaraffenland für Kriminelle und sonstige Angreifer. Schätzungen zufolge sind mehr als 20 % aller Dateien im Netz ungeschützt. (Während zeitgleich der größte Schaden bei Angriffen durch den Verlust sensibler Informationen entsteht)

Cybercrime ist lukrativer als der weltweite Drogenhandel, und zwar um ein Vielfaches. (Was klar ist, denn bei skalierten Unternehmen skaliert sich der Schaden ebenfalls)

Weitere “Horrorstatistiken” wie diese finden sich hier zusammengestellt.

Kurzum: Wer nicht ausreichend auf seine Sicherheit im virtuellen Raum achtet, hat nur eine Alternative: Diesen zu verlassen. (Was, Digitalisierung Ahoj, seit langer Zeit keine Option mehr ist)

Aus diesen und weiteren Gründen schauen wir uns in diesem Artikel die wirkungsvollsten Mechanismen, besten Quellen und die Zukunft der Cyber Security an.

Konkret erfährst du in diesem „Rundum“-Artikel zum Thema Cyber Security:

  • Was ist Cyber Security?
  • Wie funktioniert Cyber Security nachhaltig?
  • Kann man Cyber Security messen?
  • Welche Voraussetzungen braucht Cyber Security?
  • Welche Gesetze gelten rund um diese?
  • Welche konkreten Maßnahmen kann man ergreifen um im Cyberraum sicher zu sein?
  • Was hat es mit dem NIST-Framework auf sich?
  • Wo geht die Zukunft der Cyber Security hin?
  • Vieles mehr…

Angeschnallt, die Fahrt geht los:

 

Was versteht man unter Cyber Security?

Fangen wir von vorn an: Was ist Cyber Security?

Ausführlicher habe ich diese Frage bereits in meiner Übersichtsseite zum Thema Cybersecurity beantwortet, doch eine einfache Definition zur Orientierung kann sein:

Cyber Security umfasst alle Maßnahmen um sicher in der digitalen Welt agieren zu können. (sicher zum Beispiel vor Datenverlusten oder Angriffen)

Es ist also ein wenig wie ein Picknickkorb, in welchem alle wichtigen Dinge eingepackt sind, damit das Picknick ein voller Erfolg wird.

Grundlagen der Cyber Security sind vor allem Informatik und Psychologie.

Ersteres, weil die digitale Welt aus Daten, Informationen besteht und Informatik daher Ihre “Naturgesetze” bestimmt.

Und zweiteres, weil der Cyberraum letzten Endes von Menschen bevölkert wird und sich daher um den Menschen dreht.

Es gibt natürlich noch viele weitere beteiligte Disziplinen wie Mathematik, Webdesign, künstliche Intelligenz etc. Aber diese beiden sind der Kern des ganzen.

 

Wie funktioniert Cyber Security?

Will man Cyber Security angemessen erklären, muss man zunächst die Mechanismen und den “Tanz” von Angreifer und Verteidiger erklären.

Dieser funktioniert im Kern genau wie das endlose Wettrüsten von Dieb und Detektiv in der echten Welt: Der Dieb versucht immer neue Methoden, setzt immer neue Techniken und Geräte ein, um den Detektiv zu überlisten. Und der Detektiv rüstet seinerseits immer weiter auf und bildet sich konstant weiter aus.

Im Wesentlichen ist Cybercrime- und Security genau dieser endlose Kreislauf aus Schwert und Schild, Kanone und Mauer.

Mit einem gewichtigen Unterschied: Im virtuellen Raum gibt es keine Identitäten, keine Möglichkeiten Angreifer zu identifizieren, besteht keine Notwendigkeit, tatsächlich den eigenen Computer zu verlassen. Ein Aggressor kann dich hacken und deine digitale Identität zum Pokerspielen auf den Philippinen nutzen, während er selbst in einem Bergcafé in Grönland sitzt.

Cybercrime ist theoretisch das perfekte Verbrechen. Es gibt keine Zeugen, keine Verletzten und keine Spuren. Alles ist verschlüsselt und verschleiert. Zumindest im Schlimmstfall. Oft sind die Angreifer nicht gut genug, um wirklich spurlos zu bleiben. Doch das ändert nichts an der Dimension dieser Gefahr: Gegen Cyberkriminalität helfen keine Türen und keine Schlösser. Du kannst eine Attacke weder spüren noch hören.

Cyberkriminalität ist die “dunkle” Seite der Digitalisierung: von überall aus einsetzbar, ohne große Teams und Organisationen effektiv und mit Skaleneffekten in jede mögliche Richtung.

Digital ist es egal, ob du 10 oder 10.000 Kunden hast. Und für Angreifer ist es egal, ob sie 10 oder 10.000 Datensätze erbeuten.

Deswegen ist Cyber Security von solch enormer Bedeutung. Sie ist wie ein Lichtschalter für deine digitalen Aktivitäten. Egal ob privat oder beruflich. Wenn du gehackt bist, kannst du virtuell prinzipiell ausgeschaltet werden und bist auf die Gnade / Langeweile deines Angreifers angewiesen.

Kein schöner Gedanke, oder?

 

Welche Herausforderungen tun sich im Zusammenhang mit Cyber Security auf?

Cyber Security ist, wie oben angesprochen, ein wirklich umfangreiches und komplexes Thema. Daraus entsteht bereits die erste Hürde: Zu überblicken, was wichtig ist und wie man es einsetzen kann.

Doch es gibt noch einige weitere Hürden / Herausforderungen:

  • Die Frage der Angemessenheit: Sollte ich als Privatperson meine Daten mit einem militärischen Verschlüsselungsstandard sichern, oder reicht da auch weniger?
  • Die Frage des richtigen Starts: Welche der zahlreichen Maßnahmen sollte die erste, zweite und dritte sein, um mich angemessen abzusichern?
  • Die Frage des Zeitpunktes: Welche Lösungen brauche ich heute und welche morgen? Und welche brauche ich gar nicht mehr, weil sie Schnee von gestern sind?
  • Die Frage der richtigen Wahl: Welches Programm, welchen Anbieter sollte ich wofür nehmen? Und wann reicht dessen Service nicht mehr aus?

Wie gesagt, das sind nur einige der Herausforderungen wirklich wasserdichter Cybersicherheit. Doch diese zeigen gut, warum zumindest ein solides Grundverständnis unersetzlich ist.

 

Kann man Cyber Security messen?

Eine Frage kommt immer wieder im Bereich der digitalen Sicherheit auf:

Gibt es einen objektiven “cyber security index”? Also eine Möglichkeit die eigene Firmensicherheit ungetrübt zu messen? Und wenn, gibt es diesen auch noch länderübergreifend? Gar weltweit?

Die Kurzantwort: Ja und nein. Ja, es gibt einen “offiziellen” Cyber Security Index der internationalen Telekommunikations-Union (ITU), der Agentur für Informations- und Kommunikationstechnologien der vereinten Nationen. Dieser wurde zuletzt 2018 veröffentlicht und sieht “von oben” betrachtet so aus:

Einer der vielen global Cyber Security Indizes

Quelle: https://www.itu.int/dms_pub/itu-d/opb/str/D-STR-GCI.01-2018-PDF-E.pdf

Etwas weiter aufgeschlüsselt sieht dieser Index so aus:

Cyber Security Index II

Quelle: https://www.itu.int/dms_pub/itu-d/opb/str/D-STR-GCI.01-2018-PDF-E.pdf

Insofern: Grob, ja.

 

Aber auch zeitgleich nein. Warum? Weil es mindestens so viele “objektive Indizes” gibt, wie es Cyber Security-Firmen auf der Welt gibt. Denn jede Firma möchte natürlich besser als die anderen nachweisen und dem Kunden Vormessen können, dass seine Leistung die beste ist.

Solche Indizes können zum Beispiel so aussehen.

Heißt: Es gibt Möglichkeiten, gute wie weniger gute, objektive wie subjektive, Cyber Security zu messen. Doch welche davon besser als andere sind, in welchem Maßstab etc. ist eine andere Frage, welche sich nahezu nicht pauschal beantworten lässt.

 

Welche Voraussetzungen braucht Cyber Security?

Um Cyber Security richtig einsetzen zu können, braucht man gewisse grundlegende Informationen. Man sollte vor einer Cyber Security-Strategie zum  Beispiel

  • sein System kennen
  • seine Anforderungen kennen
  • sein Budget kennen
  • den Rahmen der Umsetzung grob verstehen und vorgeben können.

 

Warum ist Cyber Security wichtig?

Nachdem wir die Grundlagen erörtert haben, noch eine kleine Geschichte zur Verdeutlichung der Wichtigkeit von Cybersicherheit in zwei Bildern:

Q: https://www.gutjahr.biz/2013/05/identity-theft/

Q: https://www.gutjahr.biz/2013/05/identity-theft/

 

Weitere Angriffsszenarien etc. findest du auf meiner Hub-Seite zum Thema Cybersecurity.

 

Welche Gesetze gelten für Cyber Security in Deutschland?

Abseits der offensichtlichen Bedrohungslage und permanenter Angriffsflächen ungeschützter Systeme kann auch der gesetzliche Druck bestehen, die eigenen Systeme zu sichern.

Vor allem bei systemkritischen Infrastruktur-Betreibern ist dies der Fall.

Cyber Security Gesetze

Quelle: https://www.bsi.bund.de/SharedDocs/Downloads/DE/BSI/Publikationen/Broschueren/Schutz-Kritischer-Infrastrukturen-ITSig-u-UP-KRITIS.pdf?__blob=publicationFile&v=7

In den meisten Fällen gelten das IT-Sicherheitsgesetz bzw. die NIS-Richtlinie. (NIS steht dabei für Netz und Informations-Sicherheit)

 

Mehr dazu findest du auf den offiziellen Seiten der Bundesregierung dazu:

 

Cyber Security, Team und Management

Cyber Security ist vor allem auf Team- und Management-Level extrem wichtig. Warum? Weil nur mit einer offenen, vertrauensvollen Struktur und Kultur destruktive Szenarien vermieden werden können. Wie zum Beispiel:

  1. Das Ausspielen des / der Teams gegeneinander (weil diese keine Informationen miteinander teilen, weil sie zerstritten sind oder dergleichen)
  2. Das Ausnutzen von Informationslücken zwischen den Teams (Weil das eine Team das andere nicht informiert über Fortschritte, Planung etc.)
  3. Das Missbrauchen von strengen Hierarchien (indem die nicht hinterfragte Hörigkeit nach “Oben” dazu führt, dass sensible Daten in die Hände von Angreifern gelangen)

Es gibt noch Dutzende, wenn nicht hunderte weitere Angriffsszenarien wie diese. Und alle basieren auf Firmenkultur- bzw. Struktur.

Deswegen sind Team und Management welche diese vorlebt so wichtig.

Mehr dazu findest du auf meiner Seite zu Security Awareness.

 

Angriffsziel Deutschland: Cyber Security für den Mittelstand

Was uns direkt zum nächsten Punkt bringt: Da wir in Deutschland sehr viele Hidden Champions, Weltmarktführer in spezifischen Nischen und technisch exzellente Mittelstandsfirmen haben, bieten sich für Angreifer hier sehr lukrative Ziele.

Da diese Firmen wie gesagt oftmals technisch sehr fit und Angriffe gegen unsichere Mitarbeiter viel einfacher sind, attackieren Aggressoren dementsprechend auch eher den Menschen hinter dem Bildschirm.

Mehr dazu inklusive konkreten Schutz-Strategien findest du auch auf meiner Seite zur Security Awareness.

 

Cyber Security Maßnahmen

Nachdem wir jetzt die verschiedenen Blickwinkel rund um die Grundlagen der Cybersicherheit kennen, kommen wir zur konkreten Umsetzung.

Welche Cyber Security Maßnahmen bringen den meisten “Bang per Buck”, den größten Effekt pro eingesetzter Ressource?

Im Wesentlichen lassen sich Cyber Security Maßnahmen grob kategorisieren in:

  1. Strategie: Ein individuelles, einsatz- geprüftes Cyber Security Konzept.
  2. Taktik: Permanent verbesserte Cyber Security Awareness, also das Sicherheitsbewusstsein aller beteiligter Personen
  3. Backup: Dem Cyber Security Notfallplan, für den Fall eines Angriffs und
  4. Rahmen: Der Kenntnis des Cyber Security NIST-Frameworks als Grundlage und Ergänzung dieser Pfeiler.

Schauen wir uns die wichtigsten Cyber Security Maßnahmen nachfolgend etwas genauer an:

 

Cyber Security Awareness: Sicherheitsbewusstsein als beste Waffe gegen jede Attacke

Wie bereits mehrfach angesprochen, ist Security Awareness eine der wichtigsten Verteidigungsstrategien gegen jeden digitalen Angriff. Denn diese ist die direkte Antwort auf das größte Einfallstor von Cyber-Kriminellen.

Deswegen sollte Cyber Security Awareness immer ganz oben auf jeder Maßnahmen-Liste stehen.

Mehr zur Cyber Security Awareness findest du hier.

 

Der Cyber Security Notfallplan:

Oftmals wird hier an die BSI-Seite bzw. die Seite der Allianz für Cybersicherheit mit Ihren hilfreichen Dokumenten verwiesen:

Mit diesen Grundlagen kommt man schon sehr weit. Doch wie sieht ein eigener Cyber Security Notfallplan aus? Exemplarisch zum Beispiel so: https://konbriefing.com/de-files/it-notfallplan/IT-Notfallplan-0.2.pdf

Der Cyber Security Notfallplan hilft wenn alles sonst zu spät ist

 

Was ist das Cyber Security NIST Framework? – Und warum ist es so wichtig?

Vom Notfallplan zu einem der wichtigsten Dokumente der gesamten Cybersicherheit: Dem Cyber Security NIST Framework.

Was ist das Cyber Security NIST Framework, was tut es und warum ist es so wichtig?

Das “Framework for Improving Critical Infrastructure Cybersecurity” des National Institute of Standards and Technology – oder kurz “NIST Framework” ist so etwas wie die Leitplanke der Cybersicherheit.

Warum? Weil es keine so kompakte, so wohl gewählte Alternative zu diesem gibt.

Es ist insgesamt 48 Seiten lang, wobei die ersten und letzten 4 Seiten Intro und Begriffserklärungen sind.

Es ist allein schon für seinen Kern wichtig:

Cyber Security NIST Framework Core

Q: https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.04162018.pdf

Zusätzlich gibt es in diesem Struktur-Dokument Hinweise zur Implementierung, Koordination, Kommunikation mit relevanten Stakeholdern und vielem mehr.

Risk Management mit dem NIST Framework

Q: https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.04162018.pdf

 

Mehr “Bang per Buck” gibt es in kaum einem anderen Werk in diesem Bereich.

Meiner Meinung nach ist das Cyber Security NIST Framework eines der Grundlagenwerke eines jeden Experten in diesem Bereich.

Zu finden ist die stets aktuelle Version des NIST Frameworks hier: https://www.nist.gov/cyberframework/framework

 

Die Zukunft der Cyber Security

Wir haben jetzt also die Grundlagen, Dringlichkeit und Maßnahmen rund um das Thema Cyber Security näher beleuchtet.

Bleibt nur noch ein wichtiger Punkt: Die Zukunft dieses komplexen Feldes.

Und die bleibt spannend!

In absehbarer Zeit gibt es drei zentrale Trends, welche sich massiv und grundlegend auf die Cyber Security auswirken werden:

Die Zukunft der Cyber Security

Cyber Security Trend #1: Stärkerer Einsatz künstlicher Intelligenz

“Künstliche Intelligenz (KI) ist die letzte Erfindung, welche die Menschheit machen muss. Ab dann übernimmt den Rest die KI selbst.”

So oder so ähnlich geht die aktuelle Diskussion rund um dieses gigantische Gebiet in Kurzform.

Die Idee dahinter, wieder in kurz, geht ungefähr so: Künstliche Intelligenz kann automatisiert schneller und besser im Digitalraum navigieren, als es ein Mensch je könnte.

Heißt: Alles von Innovation über Testing und Kundenmanagement bis hin zur Auslieferung übernimmt zum Großteil die KI.

Abgesehen davon, dass wir uns aktuell mit Höchstgeschwindigkeit in genau diese Richtung entwickeln, birgt diese “erweiterte Virtualisierung” noch weitere, eklatante Herausforderungen:

Wenn sich alles schneller und besser automatisieren lässt, gilt dies auch für Cyberattacken? Und, hoffentlich auch für Cyber Security?

Die Kurzantwort: Wahrscheinlich. Sehr wahrscheinlich. Viele Cybersecurity-Experten sehen ein großes Automatisierungspotenzial sowohl in den Anwendungen, als auch in Ihren Aufgabenbereichen.

Vielleicht haben wir also bald virtuelle Assistenten, die miteinander sprechen. Und die Sicherheit erledigen diese direkt von selbst in diesem Schritt mit.

Das kann in vielen verschiedenen Teilbereichen geschehen, aber auch “am Stück”.

Zum Beispiel in Form von “AI Sandboxes”, wie ich in einem Artikel 2019 bereits geschrieben habe. Mehr zu KI + Cyber Security an anderer Stelle.

 

Cyber Security Trend #2: (Stärkerer) Einsatz von Quantencomputern

Quantencomputer arbeiten grundlegend anders als “herkömmliche” Computer.

Aus diesem Grund müssen Systeme auch fundamental anders gesichert werden.

Und da selbst in Deutschland so langsam die Quanten-Welle losrollt, wird das auch keine Jahrzehnte mehr dauern.

Heißt: In Quanten-”harten” Systemen wird in absehbarer Zeit mehr und mehr Fokus und Geld liegen. (müssen)+

Hier wird vor allem die sogenannte “Post-Quanten-Kryptografie” immer stärker zum Tragen kommen.

 

Cyber Security Trend #3: Immer perfidere und ausgeklügeltere Social Engineering-Strategien

Der letzte große, absehbare Trend in der Cyber Security sind immer komplexere Angriffe gegen die Anwender. Diese Attacken werden immer

  • Individueller
  • Präziser
  • Kontextsensitiver und
  • Datenunterfütterter

Es wird also immer herausfordernder für User zum Beispiel Spam- und Phishingmails effektiv zu erkennen und zu filtern.

Auch hier werden mehr und mehr technische Hilfen auf den Markt kommen. Doch am sichersten bleibt nach wie vor eines: das Grundverständnis der relevanten Angriffspunkte.

Wie eine solche fortgeschrittene Attacke begonnen werden kann und welche Daten dabei herausgefunden werden können, zeige ich in meiner Mikro-Schulung zum Thema:

Coming soon. Wenn du up to date bleiben möchtest, trage dich in meinen Newsletter ein.

 

Das soll es hierzu erstmal gewesen sein, ich hoffe dieser Artikel konnte etwas Licht ins Dunkel bringen.

Mehr von mir zum Thema findest du auf meiner Cybersecurity Übersichtsseite oder direkt bei meinen Angeboten.

 

Viel Erfolg und stay safe!

Mensch gegen Maschine und künstliche Intelligenz vs Mensch

Mensch vs. Maschine / Mensch vs. künstliche Intelligenz

Mensch gegen Maschine. Ein Kampf nahezu so alt wie die Menschheit selbst.

Von den alten Griechen noch größtenteils philosophisch betrachtet ist der Wettbewerb Mensch vs. Maschine spätestens seit der industriellen Revolution in vollem Gange.

Erst wurde Muskelkraft durch Dampf, Stahl und Elektrizität überflüssig gemacht.

Jetzt jedoch geht der Kampf in seine nächste Runde:

 

Künstliche Intelligenz vs. Mensch: Algorithmus gegen Gehirn

Seit dem Aufkommen immer intelligenterer Algorithmen, immer größerer Datenmengen und Erfindungen wie dem Machine Learning stellt sich die alte Frage so dringlich wie nie zuvor:

Kann der Mensch den Kampf gegen die Maschine gewinnen?

… Bzw. ihn überhaupt führen? Länger als eine Runde?

Wie eine Reihe kluger Analysten anmerken, ist die Frage bereits schwierig bis falsch. Doch darum soll es hier und heute nicht gehen. Ich habe im Rahmen einer meiner Kurse endlich aus vielen Büchern, Tabellen und anderen Quellen ein paar Infografiken gebaut, welche Antworten auf einige Aspekte dieses epischen Kampfes geben können.

 

Hier kannst du dir diese Infografiken anschauen:

(Klick auf das Bild führt zur Version in maximaler Auflösung)

#1:

#2:

#3:

#4:

#5:

Wenn du diese Grafiken lieber ausdrucken möchtest, hast du sie hier auch nochmal in einer handlichen PDF zusammengefasst:

(Klick auf den Link führt zur PDF)

Biologische und künstliche Intelligenz im Direktvergleich

Wichtiger Hinweis zur Interpretation der Bilder und darin enthaltenen Daten:

Einige der Daten auf Maschinenseite sind Schätzungen, Extrapolationen oder Daten spezifischer Zeitpunkte aus der Vergangenheit. Doch selbst wenn die tatsächlichen Daten um mehrere Zehnerpotenzen nach oben oder unten abweichen sollten, spielt dies keine Rolle. Der Unterschied ist in jedem Szenario zu groß.

 

Mensch gegen Maschine: Und die Hardware?

Zur Physis muss an dieser Stelle wahrscheinlich nicht viel gesagt werden. In den Infografiken habe ich diesen Punkt außerdem bereits angesprochen. Es gibt keine denkbare Dimension, in der Menschen Maschinen noch rein mechanisch im direkten, vordefinierten Wettbewerb besiegen können.

Maschinen sind schneller, stärker, präziser, ausdauernder etc.

Von daher heißt es hier ganz klar: 2:0 für die Maschine.

 

Mensch gegen Maschine: Und was bleibt dann noch?

Das klingt, so gegeneinander aufgetragen möglicherweise etwas ernüchternd. Was bleibt dann noch für den Menschen über, wenn Maschinen alles besser können?

Das wichtigste: Das menschliche selbst. Das soziale. Das gemeinsame. Das emotionale, das abenteuerliche, das aufregende, das spannende, spaßige, großartig intensive. Das Leben.

Wenn wir Maschinen richtig einsetzen, bieten diese uns die Möglichkeit, in exakt der Welt zu leben, in der wir leben möchten. Alle von uns. Frei, Sicher, Glücklich und nur zur Entfaltung auf der Welt.

Und dann heißt es nicht mehr Mensch gegen Maschine. Sondern Mensch dank Maschine.

 

Das ist eine Aussicht, dank der mir Automatisierung nicht schnell genug gehen kann.

 

Wie siehst du das?

Social Engineering Beispiel - Business as usual

Social Engineering: Verstehst du es, ist dein Unternehmen (digital) sicher

Dieser Beitrag ist Teil meiner Reihe zum Thema Cybersicherheit. Alles auf einen Blick zum Thema Cybersecurity findest du hier. Außerdem habe ich Artikel geschrieben zu den Theman: Security Awareness, Cyber Security generell, Internetrecherche, IT Security Lösungen und IT-Sicherheit allgemein, Informationssicherheit, Internetkriminalität und Cybercrime, Phishing und spezifischen Schutzwerkzeugen wie zum Beispiel VeraCrypt und Keepass. Mehr zum jeweiligen Artikel findest du beim Klick auf das jeweilige Wort. (Alle Schlagworte ohne Link darüber werden noch veröffentlicht und hier aktualisiert verlinkt) Viel Spaß mit diesem Artikel!

Social Engineering ist eine der gefährlichsten Entwicklungen des Digitalzeitalters. Denn mit Social Engineering können kriminelle Angreifer in Systeme eindringen und Daten missbrauchen, nahezu egal, wie hoch die technischen Hürden auch sein mögen.

Denn es gibt im Wesentlichen zwei Angriffsmöglichkeiten auf digitale Systeme:

  1. Den Angriff auf das System selbst. Dies umfasst Hacking im “klassischen” Sinne. Also Manipulation von Rechnern, lokalen Netzwerken, Sensoren etc.
  2. Den Angriff auf den Benutzer des Systems / Menschen, die mit dem System in Kontakt stehen. Diese Angriffe zielen darauf ab, Nutzer von Systemen so zu beeinflussen, dass diese den Angreifern einen direkten Zugriff zum Ziel öffnen. Vorbei an sämtlichen Sicherheitsmaßnahmen.
Cybercrime und Social Engineering Statistik

Social Engineering ist eine der Top 3 Angriffsszenarien auf Firmen weltweit.
Quelle: https://de.statista.com/statistik/daten/studie/499324/umfrage/vorfaelle-von-cybercrime-in-unternehmen-weltweit/#professional

Ich nutze zur Veranschaulichung dieser zwei Optionen gern die Metapher einer Burg:

Ich kann in eine Burg einfallen, indem ich die Mauern durchbreche, den Burggraben überwinde und die Wachen besiege.

Oder, wie es im Falle von Social Engineering geschieht, einfach den Koch, den Bogenschützen oder im schlimmsten Fall die Wache am Tor davon überzeugen, mich hineinzulassen. Oder mir zumindest den Schlüssel für die Tore zu geben.

Im letzten Fall helfen auch die dicksten Mauern und die höchsten Zinnen nichts.

Deshalb ist Social Engineering einerseits so beliebt und zeitgleich so gefährlich.

Doch das ist noch nicht alles!

Es kommt noch dicker: Social Engineering ist nicht nur leichter für Angreifer, es ist auch lukrativer und die effizienteste Methode in ein System einzumarschieren.

Leichter, weil das Wettrüsten zwischen Cybersecurity-Firma und Hacker verhältnismäßig viele Ressourcen auf der Seite der Angreifer benötigt.

Doch lukrativer und effizienter vor allem deshalb, weil Social Engineering im schlimmsten Falle nicht einmal Hackingskills voraussetzt.

Alles, was ein Angreifer braucht, ist der Zugang zu sensiblen Bereichen. Und der lässt sich ungleich schneller und problemloser direkt vom Nutzer erlangen.

Das geht so weit, dass einige Hacker seit geraumer Zeit folgende These vertreten:

“Social Engineering sei die bei weitem effektivste Methode, um an ein Passwort zu gelangen, und schlage rein technische Ansätze in Sachen Geschwindigkeit um Längen.”

That’s it.

Social Engineering ist also

  1. Schneller
  2. Leichter
  3. Lukrativer und
  4. Effizienter

Als (die meisten komplexeren) technische Angriffe.

Social Engineering Attacken sind oft ungleich einfacher als klassisches HackingEin Mensch lässt sich im Vergleich zu einem gehärteten System oft nahezu kinderleicht “knacken”.

Was uns zum Thema führt: Was ist Social Engineering, wie sehen Angriffe aus, welche Tools gibt es zur Verteidigung und wie kann man sich davor effektiv schützen?

Heißt, in diesem Artikel lernst du unter anderem:

  1. Eine einfache und leicht verständliche Social Engineering Definition
  2. Die 3 gängigsten Social Engineering Attacken- / Social Engineering Angriffe
  3. Einige der eindrucksvollsten Social Engineering Beispiele
  4. Wirkungsvolle Maßnahmen, mit denen man sich / seine Firma / seine Mitarbeiter vor Social Engineering schützen kann

Gehen wir systematisch vor:

Die Social Engineering Definition – Womit haben wir es hier zu tun?

Wir wissen jetzt warum das Thema Social Engineering auf jedes Cybersecurity-Radar gehört.

Doch was genau ist Social Engineering überhaupt?

In meinem Artikel zum Thema Security Awareness Training habe ich Social Engineering indirekt wie folgt definiert:

“…gezielte, geplante und systematisch realisierte soziale Manipulationen mit dem Ziel Schaden zu verursachen.”

Social Engineering ist also der Versuch, durch Manipulation von Menschen in ein fremdes, meist digitales, System einzudringen.

Dieses Feld hat derart viele Facetten, dass es schwer ist, hier trennschärfer vorzugehen und diese Definition präziser zu formulieren.

Man hört immer wieder von Grobabstraktionen wie den “3 Typen des Social Engineerings” oder den “5 Formen des Social Hackings”.

Zu diesen gehören meistens

  • Phishing
  • Vishing
  • Pretexting
  • Baiting
  • Quid Pro Quo und
  • Tailgaiting

Diese Abstraktionen sind generell hilfreich, aber im “echten Leben” kommen meist Kombinationsangriffe zum Tragen, welche diese Trennschärfe aufweichen.

Social Engineering Formen und Kategorien

Um das etwas klarer zu machen, hilft es vielleicht, das Ganze mal anhand eines konkreten Beispiels durchzuspielen und ein weiteres live zu zeigen:

Zwei einfache Social Engineering Beispiele

Angenommen, ein Angreifer möchte den Zugriff zu den Kontodaten eines Unternehmens erhalten und sich 1.000.000 € überweisen.

Er weiß durch einen kurzen Technologie-Check, das ein Angriff über die technische Seite zu aufwändig wird. Weshalb er die menschliche Seite ins Visier nimmt.

Um dies zu erreichen braucht er lediglich zwei Informationen. Er muss wissen;

  1. Wer die Rechte / die Zugangsdaten zum Firmenkonto besitzt und
  2. Unter welchen Bedingungen Überweisungen von diesem ausgeführt werden. (Überweist das Konto in Echtzeit? Auch an Wochenenden? Gibt es eine maximale Überweisungssumme pro Tag? etc.)

Außerdem braucht er ein nicht zu ihm rückverfolgbares Konto / mehrere Konten, welche automatisch bei Geldeingang untereinander Geld transferieren / ein “Waschprogramm”, welches aus dem Geld einen nicht nachvollziehbaren Wert macht. Also das Geld z.B. in Bitcoins oder Gutscheinkarten umwandelt.

Alternativ kann er es auch noch einfacher machen und sich das Geld direkt vom Unternehmen selbst, aber nicht nachvollziehbar überweisen lassen. Wie das geht, wird in diesem englischsprachigen Video eindrucksvoll live demonstriert:

Ich gehe hier exemplarisch auf den ersten der beiden Fälle ein. Vor allem deshalb, weil der zweite schwieriger an Firmen einsetzbar ist. Warum? Weil dort die Wahrscheinlichkeit höher ist, dass eine oder mehrere zusätzliche Personen involviert werden, was den Angriff “unnötig” kompliziert machen kann.

Gehen wir also systematisch vor. Wie kann ein solcher Social Engineering Angriff am Beispiel aussehen? Chronologisch:

Chronologie einer Social Engineering Attacke

Wie kann eine Social Engineering Attacke Schritt für Schritt ablaufen? Ich skizziere nachfolgend eine von unzählbar vielen Möglichkeiten. Ohne dabei nachvollziehbarerweise zu sehr ins Detail zu gehen. Denn dieser Artikel soll sensibilisieren und zu einer besseren Verteidigung beitragen. Und nicht Social Engineering Angriffe leichter machen.

Was uns zu folgendem Grob-Plan führt:

  1. Der Angreifer fokussiert sich auf sein genaues Angriffsziel, wählt also die Zielfirma aus. Hierbei kann er nach verschiedenen Variablen vorgehen; Wie gut er die Firma bereits kennt, ob er schon Vorerfahrung mit Firmen dieser Art hat, ob er ein persönliches Motiv hat, genau diese Firma zu attackieren etc.
  2. Er recherchiert jetzt grob mögliche Angriffsmöglichkeiten, fragt ggf. andere (Social) Hacker um Rat oder ggf. bereits im Umlauf befindliche Zugangsdaten etc.
  3. Aus den sich ergebenden Angriffsvektoren filtert der Angreifer die lukrativsten aus und bereitet sich entsprechend vor. Hierbei sammelt er gezielt möglichst viele und möglichst wichtige Daten, welche ihn so weit wie möglich in Richtung seines Ziels bringen. Wenn notwendig, kann dies offline ebenso wie online geschehen, indem zum Beispiel Routinen von relevanten Mitarbeitern ausspioniert werden. (Was per Handyortung automatisch genau so wie mit “klassischer Beschattung” passieren kann. Ziel hierbei ist es, an Zugangsdaten zu gelangen. Das kann geschehen, indem der Angreifer in die Wohnung eines Schlüssel-Mitarbeiters eindringt, während dieser nicht daheim ist um Passwörter zu suchen etc.)
  4. Basierend auf den Ergebnissen aus Schritt 3 startet der Angreifer seine Social Engineering Attacke. Oftmals, indem er per E-Mail-Anhang eine Spionage-Software installiert und sich abseits des Mitarbeiterwissens an die notwendigen Programme begibt.

Je nach Notwendigkeit werden hier auch “klassische” Hackinggeschütze neben den Social Engineering-Waffen zu einem (halb)digitalen Großangriff kombiniert:

Social Engineering als Grossangriff

5. Nachdem der Angriff geschehen und der Schaden angerichtet ist, gibt es 3 Möglichkeiten:

    1. Der Angreifer zieht von dannen und lässt die Firma in Ruhe. Je nach “ethischem Verständnis” und Persönlichkeit des Aggressors verwischt dieser dabei seine Spuren oder lässt einfach alles stehen und liegen und zieht weiter. Das ist oftmals der Best-Case.
    2. Der Angreifer beginnt mit der Zerstörung der Firmensysteme. Das geschieht vor allem bei Auftragsangriffen. Hierbei verschlüsselt der Angreifer zum Beispiel sämtliche Festplatten und Backups, betreibt automatisierten Rufmord, indem er vorkonfigurierte E-Mails an wichtige Geschäftspartner versendet etc. Das ist der kurz- und mittelfristig schlimmste Fall. Zumal man den Verlust des Geldes in diesem Fall zunächst gar nicht bemerkt, da die Firmen-Infrastruktur zunächst gerettet werden muss.
    3. Der Aggressor verlässt scheinbar den Tatort, ohne neben dem Geldverlust Schaden zu hinterlassen. In Wahrheit verkauft er Firmendaten, Zugänge, Gebäudepläne etc. im Darknet für den Meistbietenden, welcher mit diesen Daten viel leichter einen eigenen Angriff planen und ausführen kann. All das Gelernte aus den Schritten 1. – 3. kann dabei, je nach Firma, viel Geld wert sein. Dieser Fall ist der langfristig verheerendste. Denn die angegriffene Firma wähnt sich in Sicherheit, obwohl sie bereits erneut ins Visier gerät.
Social Engineering Beispiel - Business as usual

Business as usual – oder doch nicht?

Schauen wir uns Schritt 3 des oben beschriebenen Szenarios etwas ausführlicher an.

Wie kommt ein Angreifer an welche Informationen?

Die einfachste Variante ist die Informationsbeschaffung durch kostenlose, für jeden zugängliche Tools. Ich gehe an dieser Stelle nicht näher auf diese und das genaue Vorgehen ein, da die daraus erwachsende Gefahr meines Erachtens größer als der hier gelieferte Mehrwert ist.

In meinen Trainings zeige ich diese allerdings live.

Es gibt noch viele weitere Möglichkeiten, einige leicht, andere schwer, einige schnell, andere zeitintensiv.

Eine Variante des Social “Hackings” zeigt dieses Video:

Angriffsszenario: Buchstäblich “social” Engineering

Eine Möglichkeit, die schwer genug ist, dass sie auch nach einer Beschreibung wahrscheinlich nicht sofort nachgemacht wird, ist der “Frontalangriff” mitten ins Herz der Zielfirma. Dieser kann zum Beispiel so ablaufen:

Ein Angreifer nimmt die Identität eines Paketdienstmitarbeiters an. Er liefert ein Paket zur Sekretärin seiner Zielfirma und filmt den gesamten Weg vom Eingang bis ins Büro.

Er stellt ihr während der Übergabe einige wenige, harmlos wirkende aber speziell vorbereitete Fragen um an weitere wichtige Daten zu gelangen. Diese Fragen können zum Beispiel den aktuellen Aufenthaltsort des Geschäftsführers betreffen und in etwa so gestellt sein:

“Guten Tag, ich habe hier ein Paket für Herrn Müller, er ist hier der Geschäftsführer, richtig? Ist er gerade zu sprechen? Nicht? Wann erreiche ich Ihn denn wieder? Ah, in einer Woche, ist er gerade im Urlaub? Ok, danke. Dann lasse ich das Paket einfach bei Ihnen, Frau Schulze, ok? Das Foto auf Ihrem Schreibtisch ist schön, sind das Ihre Familie und Sie?

Alles Gute Ihnen noch! Ah, eine letzte Frage habe ich noch, gibt es hier noch einen anderen Ausgang, als den Fahrstuhl vorn links? Ich danke Ihnen! Bis zum nächsten Mal und einen schönen Tag Ihnen noch!”

Klingt wie die Seite eines harmlosen Gesprächs, oder?

Doch der Angreifer hat so kinderleicht mehrere Informationen auf einmal erhalten, welche seinen späteren Angriff erleichtern können:

  • Die Bestätigung des aktuellen Geschäftsführers
  • Die Verfügbarkeiten des Geschäftsführers
  • Der Aufenthaltsort des Geschäftsführers
  • Die Familie der Assistentin / Sekretärin des Geschäftsführers, also wahrscheinlich der Person, bei welcher alle relevanten Informationen zusammenlaufen
  • Mögliche Zugangswege zu den Büroräumlichkeiten
  • Ein Gefühl dafür, wie stark Sicherheitsvorkehrungen wie Kameras oder Sicherheitspersonal im Gebäude vorhanden sind
  • Ein Gefühl dafür, wie lang er bis zu welchem Raum im Gebäude braucht und welche Schritte er dabei gehen muss
  • Usw.

Weitere Beispiele und Informationen hat DATEV in dieser handlichen PDF zusammengetragen.

Effektiver, nachhaltiger Schutz vor Social Engineering

Das Problem hierbei ist das folgende: Es sind so viele verschiedene Disziplinen zur effektiven Abwehr eines solchen Angriffs notwendig, dass der Ansatz über das Meistern dieser von vornherein zum Scheitern verurteilt ist. Wie meine ich das?

  • Um den Paketboten nonverbal zu prüfen braucht man Körpersprachewissen
  • Um richtig reagieren zu können, braucht man (Verhandlungs)psychologisches Wissen
  • Um den Kontext verstehen zu können, braucht man informatisches Wissen.
  • Und so weiter. Diese Liste lässt sich lang und ausführlich weiterführen.

Deshalb ist dieser Ansatz, “den Eimer zu flicken” meiner Meinung nach unmöglich realisierbar.

Weshalb ich einen grundlegend anderen, viel fundamentaleren wähle:

Zu einem gewissen Grad muss man Social Engineering lernen, um sich davor schützen zu können.

Was heißt das? Man muss verstehen, wie menschliche Gewohnheiten, Routinen, Denkweisen und Handlungen grundlegend vonstattengehen. Dann muss man dieses Wissen in den Kontext der digitalen Welt setzen.

Und am Ende aus diesen losen Enden eine sichere Schutzweste stricken.

Und genau das mache ich in meinen Cybersecurity-Webinaren.

Mehr zu diesen findet sich hier.

Das soll es so weit auch zum Thema Social Engineering erstmal gewesen sein. Möge dieses Wissen helfen, um Schaden zu vermeiden. Wie stehst du zu Social Engineering, lieber Leser? Hast du bereits (schmerzhafte) Erfahrung damit machen müssen? Wie schützt du dich? Ich freue mich von dir zu lesen!

100 year in one

How to create the progress of the next 100 years in just one year.

Ich bin zum Jahresausklang über das neueste Video von Boston Dynamics gestolpert. Und wie die meisten Zuschauer hat auch mich dieses Video zum Nachdenken angeregt.

 

Konkret habe ich mir die Frage gestellt, warum wir nicht den (extrapolierten) Fortschritt der nächsten ~100 Jahre einfach in diesem Jahr, in 2021 „vorziehen“. Konkret ging mir folgendes durch den Kopf, welches ich unformatiert hier wiedergebe:

 

Motivation: first company who does it right, will dominante its niche and others more and more.
Recipe:
  1. A low code / no code Version like Zapier of a
  2. „Basic AGI“ like MuZero
  3. Open Source it on github
  4. Promote it through a few key influencer in the right fields
  5. Give a manual on how to implement the AI like the one from Andrew Ng.
  6. Optional: combine it with a open source blueprint of a 3D printed robot like the one from the MIT (and/or a open source of atlas from Boston dynamics)
There we have it.
So my question is: why are we not just doing this? And: what am i missing? (As it seems so obvious to do this to me)
Wenn du, lieber Leser, eine Antwort und / oder einen spannenden Gedanken dazu hast, schreib mir gern einen Kommentar.
In any case:
Let’s have a blast of a new year 🙂
Das ist Fortschritt

Alles was du zu Fortschritt wissen musst. (Und wie du zu ihm beitragen kannst)

Evolve or die – Entwickle dich oder sterbe. Oder in anderen Worten: Es gibt keine Alternative zum Fortschritt.

Was ist das (hypothetische) Maximum / Optimum? Ich liebe diese Frage. Und mittlerweile bin ich überzeugt, dass die Antwort “Unendlichkeit” ist. (Warum legt David Deutsch in seinem grandiosen Buch “Beginning of Infinity” so gut dar wie kein anderer)

Aber gehen wir systematisch vor:

Was ist Fortschritt?

Fortschritt lässt sich meiner Meinung nach recht einfach definieren. Und zwar in einer simplen Gleichung:

Die einfachste Definition von Fortschritt der Welt

Fortschritt = 1. Mehr Lösungen + 2. Bessere Lösungen

Mehr und bessere Lösungen? Warum? Weil in kurz gilt:

  1. Lösung(en) = > Frieden, Gesundheit, Freiheit, Leben, Wohlstand etc.
  2. Frieden, Gesundheit, Freiheit, Leben, Wohlstand etc. = > Glück
Mit den Grundlagen:
  • Wissen = Mehr / Bessere Lösungen
  • Wissen = Information mit kausaler Kraft.
  • = Mehr Wissen = mehr / bessere Lösungen = Fortschritt = Glück.

Oder anders formuliert:

Fortschritt = gut / positiv / besser + Zeit
Rückschritt = schlecht / negativ / schlechter + Zeit
Stillstand = egal / neutral / keine Veränderung + Zeit

(Natürlich abhängig von der Perspektive, in diesem Fall aus der des Betrachters)

Warum? Weil jede nur denkbare, negative Situation gleich einem Problem ist. Dir tut der Fuß weh? Das ist ein Problem. Das Klima brennt? Ist auch ein Problem.

Und was ist die Lösung für Probleme? Richtig, Lösungen sind die Lösungen für Probleme. Klingt komisch, ist aber glücklicherweise so einfach.

Und was braucht man, um Lösungen umzusetzen?

  1. Eine Lösung (Also Wissen)
  2. Die Anwendung der Lösung (Also die Motivation, dieses Wissen zur Lösung des Problems einzusetzen)

Dein Fuß tut weh? Eine kalte Kompresse hilft.

Das Klima brennt? Eine freudenbegleitete Umstellung des eigenen Lebensstils hilft.

Und wie passt das zum Fortschritt im umgangssprachlichen Sinne? Hör dich einfach mal um:

  1. Du schaffst seit 4 Wochen mehr Liegestütze? Ein Fortschritt!
  2. Die Weltwirtschaft fällt zurück auf den Stand von 2013? Ein Rückschritt!
Wissen ist dabei so elementar, dass man es als Synonym für Fortschritt nutzen kann. Denn mehr Wissen führt zwangsläufig zu Innovationen, welche Probleme (besser) lösen und damit manifestierter Fortschritt sind.
 

Es gibt also zusätzlich zum Wissen und der Motivation zu dessen Anwendung noch einen dritten elementaren Bestandteil des Fortschritts: Einen Fixpunkt, anhand dessen Veränderungen überhaupt sicht- und spürbar gemacht werden können.

Damit haben wir die Grundlagen.

Doch es wird noch etwas interessanter. Denn Fortschritt ist oft die emergente Summe seiner Teile.

Emergent meint dabei einfach das 1+1 mehr als 2 ergibt. Also dass das Ergebnis mehr ist, als die Summe seiner Teile.

Also (a+b+a)+x.

  1. Individuen und deren Interaktion formen eine Gesellschaft.
  2. Gesellschaften und deren Interaktion formen eine Zivilisation.

Deshalb halte ich eine Betrachtung von Fortschritt aus 4 Flughöhen für sinnvoll:

 Bezeichnung Betrachtungslevel Zentrale Frage dieser StufeZeitrahmen / Lebensdauer der LösungRelations- Rahmen / SkalaVisualisierungsoption für Levelfortschritt
KosmologischGesamtheit (Zivilisation)Wie kann ich das Problem meiner LEBENSFORM (BESSER) lösen?Kein Zeitrahmen, Lösung ist also potentiell zeitlos hilfreich.Kardashow-Skala, Bottom Skala

Tribe -> Dorf -> Stadt -> Land -> Kontinent -> Planet -> Sonnensystem -> Interstellar

Fortschritt der Zivilisation visualisiert von Ian Morris

Big History / Komplexitätsschwellen

SoziologischGroßgruppe (Gesellschaft / Staat etc.)Wie kann ich das Problem der ALLGEMEINHEIT (Einer spezifischen Menschenmasse) (BESSER) lösen?

Potentiell kein Zeitrahmen

Max. bis zur Veränderung der Gesellschaftsform

Zivilisationsfortschritt nach Ian Morris, Bevölkerungswachstum (Fähigkeit mehr Menschen länger am Leben zu halten)Kondratjew-Zyklen, Human Development Index & ähnlich Indizes
ÖkonomischGruppe (Unternehmen / Start-Up etc.)Wie kann ich das Problem meiner KUNDEN (BESSER) lösen?

Potentiell kein Zeitrahmen

Max. bis zur nächsten Disruption

Kontratjew-ZyklusHype CycleProduktlebenszyklen / BCG-Portfolio
PsychologischIndividuum (Ich)Wie kann ich MEIN Problem (BESSER) lösen?

Potentiell kein Zeitrahmen

Max. Lebenserwartung

GTD-Schema, Design-Sprints

Kompetenzzustände,

Fortschrittsmessung per Lebensrad

Ich werde zu jeder dieser Fortschrittsebenen auch noch eigene Artikel veröffentlichen, keine Sorge 😉

Grundlagen von Fortschritt sind im Wesentlichen:

  1. Physik (Naturgesetze, welche die Rahmen für sämtliche Aktionen setzen)
  2. Mathematik (Werkzeug für exakte Messung, Definition und Ausführung der meisten fortschritts-fördernden Aktionen) und
  3. Biologie (Menschen und Ihre „Basics“ sind allesamt biologisch, daher ergibt es Sinn, die Biologie mit einzubeziehen)

Aber gehen wir systematisch vor. Von „oben“ nach „unten“:

Fortschritt + Alles = Big History

Ziel (Wie es scheint): Komplexität.

Warum? Weil sich seit dem Urknall vor 13.8 Milliarden Jahren alles immer weiter, in 8 Komplexitätsschwellen, in Richtung höherer Komplexität entwickelt hat:

Big History ist Fortschritt
Quelle: Big History Project

Fortschritt + Leben = Evolution

Wie es Richard Dawkins in seinem Buch „River out of Eden“ so hervorragend runterbricht:

„…the true Darwinian Utility Function: maximizing DNA Survival.“

Das Ziel des Lebens ist es also, dass DNA überlebt und weitergegeben wird.

Nachvollziehbar.

Und so scheint auch jeder Fortschritt im Leben eines Menschen in irgendeiner Form der großen Kraft der Evolution zu unterliegen. Denn oftmals sind unsere Motivationen evolutionsgetrieben – Du möchtest besser aussehen, fitter sein, mehr Geld verdienen? Sehr wahrscheinlich ist dein Antrieb ein Partner bzw. dein (potenzieller) Nachwuchs. Und das ist Evolution in Reinform.

Fortschritt + Menschheitsgeschichte = Exponentielle Trends + Tipping Points

Fortschritt aus der Vogelperspektive sah für die Menschheit bisher vereinfacht gemalt so aus: (Zivilisation begann zwar vor mehr als 12.000 Jahren, aber in der absoluten Mehrzahl davon ist neben der neolithischen Revolution nicht viel spektakuläres passiert. Daher reicht diese Zoom-Stufe für unsere Zwecke aus)

Es gibt buchstäblich hunderte Grafiken und Statistiken, welche unseren Fortschritt zeigen. Die drei besten Quellen zum Start sind die Bücher „Enlightment Now“ von Steven Pinker, „Progress“ von Johann Norberg und die wundervolle Webseite OurWorldInData.

Oder, um es mit den Worten Barack Obamas zu sagen:

„If you had to choose one moment in history in which to be born, and you didn’t know in advance whether you were going to be male or female, which country you were going to be from, what your status was, you’d choose right now,“

Quelle

Das geht natürlich auch mit Kosten einher, die ebenfalls exponentiell wachsen:

Die Kosten des Menschheits-Fortschritts

Im Wesentlichen lassen sich die negativen Folgen auf die Umweltkosten verursacht durch Energieproduktion reduzieren. Und dieses Problem lässt sich durch bessere Technologie lösen. Zum Beispiel Kernfusion oder bessere regenerative Energien. Wir müssen dazu in beiden Bereichen nur größere Fortschritte machen.

Fortschritt + Eigeninitiative = Die Ziele der WHO

Nachdem wir jetzt die Grundlagen, Geschichte und Auswirkungen von Fortschritt betrachtet haben, kommen wir zur Gegenwart und Zukunft. Wie oben bereits gezeigt, hat die Menschheit durch gezielte Anstrengungen und immer bessere Technologien das Leben von nahezu jedem Menschen dieser Erde bereits dramatisch verbessert. Doch damit nicht genug denn noch profitieren nicht alle gleich davon. Daher sind die folgenden Ziele gute Fixsterne für weitere Fortschritts-Entwicklungen:

1024px-Sustainable_Development_Goals
Quelle: https://de.wikipedia.org/wiki/Ziele_f%C3%BCr_nachhaltige_Entwicklung

Fortschritt + Deutschland = ?

Jetzt kennen wir also auch globale, sinnvolle Ziele für Fortschritts-Anstrengungen. Was schnell zur Frage führt: Und was ist mit Deutschland?

Hier muss man ja leider sagen, ist aus der Politik weder aktuell noch absehbar irgendetwas zielführendes zu erwarten. Daher orientiere ich mich an den Fortschrittsvektoren von Steven Pinker, versehe diese mit möglichen konkreten Zielen und einigen möglichen Messpunkten.

Die resultierende Tabelle kann gern als Inspiration genutzt werden und wird in kommenden Updates weiter vervollständigt:

  Fortschrittsvektor SMARTes Ziel Messoptionen
1 Gesundheit ist besser als Krankheit.

0 kranke Menschen in Deutschland bis bis 31.12.2030 oder eher.

Unterziele:

  1. Zuckersteuer einführen
  2. Intervallfasten pushen
  3. Vegane Ernährung unterstützen / subventionieren
  4. Fleischsteuer (Generell co2 Steuer)
  1. Umfragen
  2. Echtzeitüberwachung von Gesundheitsdaten
  3. Freiwillige Datenbanken (Apps etc.)
2 Leben ist besser als Tod. Nur noch „freiwillige“ Tote -> 0 unfreiwillig verstorbene Menschen in Deutschland bis 31.12.2030 oder eher. Unfallberichte, Krankenhausberichte, Pflegeberichte, Umfragen, Echtzeitüberwachung von Gesundheitsdaten, freiwillige Datenbanken
3 Nahrung ist besser als Hunger. 0 Mangel- oder unterernährte Menschen bis 31.12.2030 oder eher. Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
4

Wohlstand ist besser als Armut.

Unterziel: Autarkielösungen subventionieren & Gesetze dafür anpassen.  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
5 Frieden ist besser als Krieg.

Unterziele:

  1. Atomwaffenabrüstung & Stationierungsverbot
 Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
6 Sicherheit ist besser als Gefahr.  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
7 Freiheit ist besser als Tyranei.  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
8 Gleiche Rechte sind besser als Engstirnigkeit und Diskriminierung. (gut formuliert?)  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
9 Alphabetismus ist besser als Analphabetismus. 0 Analphabeten in Deutschland bis 31.12.2030.  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
10

Wissen ist besser als Ignoranz.

Besseres Gesamtbestehen im PISA-Test? Anzahl der Nobelpreise in Deutschland um x% erhöhen?

Unterziele:

  • Subventionen und Steuern für Religionen auf 0 setzen und stattdessen in Forschung und Bildung investieren.
 Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
11 Intelligenz ist besser als Dummheit.

Mindestens 2 Tage in der 6. Klasse finanzielle Bildung + kostenlose jederzeit für alle aufrufbare Aufzeichnungen zum nachschauen (diversifizieren + ETF’s etc.)

Generell gesamtes Bildungskonzept mit Tim Ferriss abgleichen. Bildung auf superhumans ausrichten. 80/20 completely.

 Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
12 Glück ist besser als Leid.  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃
13 Gelegenheiten, Familie, Freunde, Kultur und Natur zu genießen, sind besser als Schufterei und Monotonie.  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃  Wird aktualisiert / Ich freue mich auf deine Inspirationen 😃

Fortschritt + Geschwindigkeit = Disruption

Mehr dazu in meinem entsprechenden Artikel zum Thema Disruption.

Gibt es ein Ende des Fortschritts?

Fortschritt ist prinzipiell nahezu unbegrenzt möglich. Die einzigen Grenzen sind (wahrscheinlich)

  1. Naturgesetze
  2. Expansionsgeschwindigkeit des Universums

Alle anderen Grenzen liegen nur in unseren Köpfen.

Ist das nicht die beste Nachricht, die man sich wünschen kann?

Die Theorie der langen Wellen pendelt den Fortschritt der Menschheit

Die Theorie der langen Wellen – Der Kondratjew Zyklus

Du möchtest mehr zu Fortschritt und Verbesserung als Person, Unternehmen, Gesellschaft und Zivilisation erfahren? Dann trage Dich in meinen Newsletter ein:

Du sitzt / liegst / stehst unter der Dusche. Eine kolossale Grundfrage trifft dich wie aus dem Nichts:

Ist die Menschheit seit Anbeginn der Zeit überhaupt vom Fleck gekommen? Und wenn ja, wie misst man den Fortschritt der Menschheit?

Keine Sorge, ich lasse dich nicht allein bei der Suche nach einer Antwort darauf.
Eine Möglichkeit dazu ist die Theorie der langen Wellen, manifestiert in den Kondratjew Zyklen. Was es mit denen auf sich hat, erfährst du im nachfolgenden Artikel. Außerdem:

Das lernst du im Artikel zur Theorie der langen Wellen / Kondratjew-Zyklen:

  • Was die Idee hinter dem Kondratjew Zyklus ist
  • Wie viele Zyklen es gibt und warum es genau diese sind
  • In welchem Zyklus wir uns gerade befinden
  • Warum es gar nicht so einfach ist, den 6. Kondratjew Zyklus genau zu bestimmen
  • Welche Tools und Blickwinkel dir links und rechts neben der Theorie der langen Wellen bei der Beantwortung der Eingangsfrage helfen

Genug des Vorworts springen wir rein ins Vergnügen!

Was sagt die Theorie der langen Wellen aus? Was sind Kondratjew Zyklen?

Die Kondratjew-Zyklen und die dahinter liegende “Theorie der langen Wellen”, sind ein Theoriegebäude zur Betrachtung von Wirtschaftsentwicklungen. , welches im Jahr 1926 von Wirtschaftswissenschaftler Nikolai Kondratjew als Ergänzung bzw. Gegenstück der bis dahin vorherrschenden kurzfristigen Schweinezyklen erdacht wurden.

Ziel der Theorie der langen Wellen ist es, Paradigmenwechsel und damit verbundene Investitionsmöglichkeiten zu prognostizieren bzw. einzuordnen.

Jeder Kondratjew Zyklus hat dabei einen viergeteilten Lebenslauf:

  1. Wachstum
  2. Rückgang
  3. Talsohle
  4. Verbesserung

Da diese Abfolge so etwas wie ein “Naturgesetz der Wirtschaft” darstellt, findet sich diese „Vita“ auch in anderen Schablonen wie z.B. dem Hype Cycle wieder. (Naturgesetz deshalb, weil jede Lösung neue Probleme nach sich zieht, welche wiederum Lösungen produziert usw. Siehe dazu auch das Buch „The Beginning of Infinity„* von Quantenphysiker David Deutsch)

So sehen diese „vier Jahreszeiten“ des Kondratjew Zyklus aus: (Die blauen Striche teilen jeweils einen Bereich vom anderen ab)

Der Kondraatjew Zyklus und seine Jahreszeiten
Quelle: https://de.wikipedia.org/wiki/Datei:Kondratieff_Wave.svg

Aktuell wird die technologische Entwicklung seit der Erfindung der Dampfmaschine in 5 Zyklen eingeteilt, wobei wir uns sehr wahrscheinlich mittlerweile ein einer sechsten befinden.

Warum genau 5 bzw. aktuell 6 Zyklen und nicht 12 oder 349?

Bei allen Kondratjew Zyklen geht es dabei um epochen-prägende Basistechnologien. Was es damit auf sich hat und welche davon die einflussreichsten sind, habe ich in meinem Artikel “Die wichtigsten Erfindungen der Welt” auch näher behandelt.

Und diese epochen-prägenden Fundamental-Technologien gibt es, wie der Name schon vermuten lässt, nicht im Zyklus neuer Smartphones aller paar Monate. Genau diese Betrachtungsweise macht die Kondratjew Zyklen auch so spannend. Denn sie zoomen weit genug heraus, um Muster erkennbar zu machen. Und bleiben doch nah genug am technologischen Geschehen, um konkrete Schlüsse ziehen zu können.

Was einen solchen Kondratjew auszeichnet, hat diese Grafik gut näherungsweise zusammengefasst:

Kondratjew Zyklen und Ihre Eigenschaften
Quelle: https://www.gevestor.de/wp-content/uploads/2013/03/Voraussetzungen-f%C3%BCr-einen-Kontratieff-Zyklus.png.webp

Was waren die bisherigen Kondratjew Zyklen? Und welcher Kondratjew Zyklus ist der nächste?

Kondratjew hat die bisherige technologische Entwicklung der Menschheit aus der Vogelperspektive wie folgt eingeteilt: (Er hat es vor allem aus ökonomischer Sicht betrachtet, ich sehe das Ganze durch die Brille technologischer Entwicklung)

  1. Zyklus (1780-1850): Die Dampfmaschine
  2. Zyklus (1850-1890): Eisenbahn und Dampfschiffe
  3. Zyklus (1890-1940): Elektrotechnik- und Schwermaschinen, Chemie
  4. Zyklus (1940-1990): Integrierter Schaltkreis, Kernenergie, Transistor
  5. Zyklus (1990-?): Informations- und Kommunikations-Technik, aber auch Technologien die Kernspaltung und die Raumfahrt
  6. Zyklus (?): ???

Bei den genauen Rahmendaten der jeweiligen Zyklen sowie den zentralen Basisinnovationen sind sich die Experten insgesamt uneins.

Das kann man, je nach gewählter Relations-Dimension entweder als konstante Abfolge oder stetige Steigung der Entwicklung betrachten. Was zu verschiedenen Darstellungen auf der vertikalen y-Achse führt:

Rückwirkend ergibt die Theorie der langen Wellen absolut Sinn. Erfindungen sind manifestierte Problemlösungen. Dank Ihres rekombinativen Charakters erreichen sie irgendwann einen Punkt, an dem viele kleine Verbesserungen den Weg ebnen für einen neuen, großen Knall. Disruption ist angesagt. Das Ganze verläuft dabei mit einer beinahe gespenstischen Exaktheit exponentiell, spätestens seit den Grundlagen der Rechnertechnik, wie dieses Bild schön zeigt:

Quelle: http://avid.cs.umass.edu/courses/645/s2020/lectures/Lec1-Overview.pdf

Rekombination von Technologien
= Die Eigenschaft, jede Erfindung mit jeder anderen prinzipiell kombinieren und damit neues erschaffen zu können, was bei mehr Erfindungen zu immer schneller immer mehr Erfindungen führt. Siehe dazu auch diesen exzellenten TED-Talk, in welchem dies weiter ausgeführt wird.

So weit, so nachvollziehbar. Die Kondratjew-Zyklen geben also eine Betrachtung akkumulierter Entwicklung. Sehr reduziert und sehr zusammengefasst aber damit auch sehr schnell einsetzbar. Sie siedeln sich quasi zwischen dem Hype-Cycle und vergleichbaren Tools einerseits und Betrachtungen aus dem Orbit wie der Kardaschow-Skala andererseits an.

Doch anders als diese beiden Werkzeuge bietet der Kondratjew-Zyklus keine leichte Extrapolation in die Zukunft. Was zur großen Preisfrage führt, für alle denen Geschichte allein zu langweilig ist:

Welcher ist der 6. Kondratjew Zyklus?

Wir wissen also, in welchen “Entwicklungsschüben” sich die Menschheit technologisch in den letzten ein- bis dreihundert Jahren verändert hat.

Doch jetzt die große Frage: Befinden wir aktuell in einem neuen Kondratjew (Zyklus)?

Und wenn ja, in welchem?

Welche Basistechnologie prägt unsere Zeit entscheidend? Das lässt sich nicht aus dem Hut beantworten. Denn anders als bisher sind zwei entscheidende Faktoren anders:

  1. Die Anzahl der kombinierbaren Technologien: Diese haben spätestens seit dem Ende des zweiten Weltkrieges einen Tipping-Point erreicht, welcher zu bisher unbekannten (Entwicklungs)Geschwindigkeiten geführt hat.
  2. Kommunikation und Information global und in Lichtgeschwindigkeit: Die Zahl der “wissensschaffenden Punkte”, also Entwickler, Ingenieure, Crowd Scientists, Forscher etc. die miteinander in Echtzeit kommunizieren können, ist explodiert. Und zwar richtig wirklich schnell:
Quelle: https://de.wikipedia.org/wiki/Chronologie_des_Internets#/media/Datei:Internet_Hosts_Count_log.svg

Doch nicht nur, dass die Welt (des Fortschritts) damit zu einer einzigen verschmolzen ist. Sie hat zeitgleich auch ihre Interaktions- und Austauschrate (nahezu) maximiert. Tage, Wochen und Monate der Briefe, Postwurfsendungen und Pakete sind flächendeckend Echtzeit gewichen. Und mit immer ausgeklügelteren digitalen Tools werden die letzten Prozente der so massiv dazugewonnenen Effizient herausgeholt. (Slack, Asana, Zoom, die Google-Suite, soziale Netze etc. – prinzipiell alles was skalierbar ist und Mehrwert bietet)

Heißt? Die Entwicklung geht derart schnell, dass es unter Umständen sinnvoll ist, bereits jetzt mehrere “Mikro-Kondratjew-Zyklen” auszurufen, als einen überspannenden.

Vergleichen wir es auf einen Blick:

Durchschnittsdauer eines Kondratjew Zyklus bisher: 40-60 Jahre
Aktuelle Entwicklungsdauer potenzieller Basistechnologien: < 30 Jahre.

Wir haben also entweder bisherige Kondratjew Zyklen nahezu halbiert, oder wir brauchen eine andere Betrachtung. Doch warum meine ich das? Schauen wir uns die letzten 30 Jahre technologisch an.

Diese haben uns gebracht:

Oder, bildlich gesprochen: (Die Geschwindigkeit von Entwicklungen pro Zeit nimmt seit Anbeginn der Menschheit konstant zu. Rekombination und so)

Quelle: http://www.agrotic.com.br/wp-content/uploads/2019/08/MARCOS-SCALABRIN.pdf

Heißt: Ich glaube es gibt weniger die eine Antwort auf die Frage nach dem 6. Kondratjew-Zyklus im “klassischen” Rahmen der Theorie der langen Wellen. Ich denke es wird eher auf eine Verständnis-Anpassung des Gesamtkonzeptes hinauslaufen.

Was soll ich sagen, wir leben nunmal in einer wirklich spannenden Zeit. So spannend, dass selbst Klassifizierungen und Einordnungen manchmal an Ihre Grenzen stoßen.

Was mich zu den Vor- und Nachteilen dieser Betrachtungsweise und dem abschließenden Fazit bringt:

Kondratjew Zyklen und die Theorie der langen Wellen – Fazit

Vorteile des Kondratjew Zyklus:

  • Ermöglicht schnellen „Draufblick“ von „oben“ auf technologische Entwicklungen und deren Richtung.
  • Bietet schnelle Investitionsansätze, da man Entwicklungen grob abschätzen kann.
  • Ermöglicht gezielte Forschung und Entwicklung hin zu aussichtsreichen Technologie-Kandidaten, da die grobe Richtung absehbar ist.

Nachteile der Theorie der langen Wellen:

  • Die Y-Achse ist oft schwer definierbar.
  • Führt Mangel als Grundlage für Innovation aus. Ich gehe dahingehend wie gesagt eher mit Quantenphysiker David Deutsch dàccord*, dass Wissen die Grundlage dafür ist. Not macht zugegebenermaßen erfinderisch. Eine Vielzahl neuer Erfinder sowie besserer Zugriff zu Technologien, mehr Freizeit, bessere Bildung etc. allerdings auch.
  • Wie bei vielen ähnlichen Ansätzen gilt leider auch hier wieder: Er ist nicht wissenschaftlich basiert. Es gibt bei der Theorie der langen Wellen keine konkreten Messpunkte und reproduzierbaren Daten. Was nicht heißt, dass er nicht durchaus hilfreich sein kann, wie diese Darstellung leicht zeigt:
Die Theorie der langen Wellen und Kondratjew Zyklen gemessen an Jahresrenditen
Quelle: https://www.allianz.com/content/dam/onemarketing/azcom/Allianz_com/migration/media/press/document/other/kondratieff.pdf

Wenn du mehr zur Theorie der langen Wellen und den Kondratjew Zyklen wissen möchtest, findest du hier ein spannendes Buch zum Thema*:

Was denkst du zur Theorie der langen Wellen und dem Kondratjew Zyklus? Hilfreiches Tool oder haltlose Abstraktion? Ich bin auf deinen Kommentar gespannt!

*Affiliate-Link. Wenn du Produkte über diese Links bestellst, bekomme ich einen Teil des Geldes. Natürlich ohne, dass du dadurch mehr bezahlst! Hierfür werden lokal Cookies gesetzt.
 
Der Hype Cycle von Gartner

Wie misst man Innovationen? Der Hype Cycle von Gartner

Du möchtest mehr zu Fortschritt und Verbesserung als Person, Unternehmen, Gesellschaft und Zivilisation erfahren? Dann trage Dich in meinen Newsletter ein:

Was haben Helden und Technologien gemeinsam?

Sie durchleben die gleiche Entwicklung.

Aber der Reihe nach. Die Frage ganz oben Beginn war ja: Wie misst man Innovationen? (Und Disruptionen in diesem Sinne ebenfalls)

Also nicht deren Anzahl, Impakt oder Verweildauer, sondern den Innovationsgrad von neuen Entwicklungen. Den Grad der “Vorfreude” des Marktes und die anschließende Marktdurchdringung gewissermaßen. Denn eine Innovation, die keinen kolossalen Mehrwert bietet, wird wahrscheinlich keine wirkliche Innovation sein. Und eine Innovation ohne eine breite, im Optimalfall skalierte Adaption am Markt ebenfalls kaum.

Wie misst man nun aber diese Innovationen und Ihren Lebenszyklus vom Prototypen im Labor bis hin zur letzten graduellen Verbesserung bis die nächste sie ablösende Innovation Ihren Platz einnimmt?

Aus der Satellitenperspektive betrachtet: am besten mit Annäherungen wie den Kondratjew-Zyklen. Aber ganz konkret und sofort handlungsweisend?

Vorhang auf für den Hype Cycle von Gartner.

Was ist der Hype Cycle (von Gartner)?

Das Buch zum Hype Cycle von Jackie Fenn

Der Hype Cycle, “Hype Zyklus” oder auch “hype cycle for emerging technologies”, wie der bekannteste Vertreter dieser Art heißt, zeigt dem Betrachter auf einen Blick handlich aufbereitet die aktuellen technologischen (Meta)Trends und deren jeweiliger Status Quo.

Er wird jährlich vom Analyseunternehmen Gartner herausgegeben und wurde von der Analystin Jackie Fenn aus den eigenen Reihen das erste Mal in den späten Neunzigern öffentlich eingesetzt. Er umfasst dabei laut Unternehmensaussage mehr als 2.000 Technologien welche zusammengefasst und in Metakategorien eingedampft werden.

Je nachdem, was der Fokus des jeweiligen Hype Cycle ist, wird darauf in der ersten Hälfte des Graphen am meisten Wert gelegt. Beim Hype Cycle for emerging technologies – also dem Graphen für „aktuell anbrandende Innovationen“ – wird logischerweise der Schwerpunkt auf brandneue Entwicklungen aus den wichtigsten Bereichen gelegt.

Passenderweise heißt das Buch von seiner Erdenkerin dann auch im Untertitel “How to choose the right innovation at the right time”* – Wie du die richtige Innovation zur richtigen Zeit auswählst.

Der Hype Cycle besteht in seiner bekanntesten Form aus drei Teilen, dem namensgebenden Zyklus und einer ergänzenden Zusammenfassungsgrafik. Flankiert werden die beiden durch ergänzende und erklärende Texte. Der Hype Cycle folgt dabei immer diesem einfachen Grundmuster:

Das Schema des Hype Cycle von Gartner
Quelle: https://de.wikipedia.org/wiki/Hype-Zyklus#/media/Datei:Gartner_Hype_Zyklus.svg

Die Darstellung des Cycles erfolgt in einem zweidimensionalen Koordinatensystem. Auf der y-Achse ist die Aufmerksamkeit (Erwartungen) für die neue(n) Technologie(n) aufgetragen, auf der x-Achse die Zeit seit Bekanntgabe bzw. Ankündigung bzw. erstem Auftritt.
Wieso dieser Graph dabei aussieht wie ein wild gewordener Seismograf, dazu weiter unten mehr.

Die zusammenfassende Grafik bereitet die gewonnen Erkenntnisse dann nochmal leicht verdaulich und richtungsweisend auf. Hier das Ganze mal am Beispiel des Hype Cycle 2019:

Quelle: https://blogs.gartner.com/smarterwithgartner/files/2019/08/CTMKT_741609_CTMKT_for_Emerging_Tech_Hype_Cycle_Infographic_r1d.png

Für all die, die es noch etwas ausführlicher mögen, folgt daraufhin noch eine Beschreibung der einzelnen Gebiete und am Ende die Möglichkeit für Klienten von Gartner sich den vollen Report zum Hype Cycle herunterzuladen.

Gartner selbst bezeichnet den Hype Cycle in seinem “Information Technology Glossary” als

“…a graphical depiction of a common pattern that arises with each new technology or other innovation. Each year, Gartner creates more than 90 Hype Cycles in various domains as a way for clients to track technology maturity and future potential. The five phases in the Hype Cycle are Technology Trigger, Peak of Inflated Expectations, Trough of Disillusionment, Slope of Enlightenment and Plateau of Productivity.”

 

“Der Gartner’s Hype Cycle ist eine grafische Darstellung eines gemeinsamen Musters, das mit jeder neuen Technologie oder anderen Innovation entsteht. Jedes Jahr erstellt Gartner mehr als 90 Hype-Zyklen in verschiedenen Bereichen, um den Kunden die Möglichkeit zu geben, die technologische Reife und das zukünftige Potenzial zu verfolgen. Die fünf Phasen im Hype-Zyklus sind Technologieauslöser, Höhepunkt der überhöhten Erwartungen, Tiefpunkt der Ernüchterung, Neigung zur Aufklärung und Plateau der Produktivität.”

 

Quelle: https://www.gartner.com/en/information-technology/glossary/hype-cycle Übersetzung: DeepL und eigene Ergänzung.

In kurz: Der Hype cycle ist quasi der Produktlebenszyklus von oben. Ein Technologie-Lebenszyklus.

Schön und gut. Aber was macht man damit?

Wie / wozu setzt man den Hype Cycle ein?

Du kannst es dir mittlerweile sicherlich denken, daher hier in aller Kürze: Der Hype Cycle dient Analysten, Beratern, Investoren und Unternehmen zur Bewertung in der Einführung neuer Technologien.

Also der Einordnung dieser Innovationen in den aktuellen Entwicklungs- und Marktkontext.
Also als Unterstützung der Antwortsuche auf die Frage: “Was machen wir als Nächstes und was lassen wir lieber?”
Wenn es die neueste Idee der Entwicklungsabteilung bereits auf dem Weg zur Marktreife gibt, kann ich mir Zeit und Geld sparen. Logisch, oder?

War aber vor dem Hype Cycle und anderen Visualisierungsformen nie so einfach und umsetzbar. Wie dieser kleine Vergleich mit anderen Optionen zeigt:

Das hat zwar auch seine Schwächen, wie jedes Tool, hilft aber bei schnellen bzw. 80/20 abgewogenen Entscheidungen. Das kann auf den Bereich Bildung und Lernen angewandt zum Beispiel so aussehen und für KI zum Beispiel so.

Es gibt denn auch nicht nur den einen Hype Cycle, sondern eine ganze Reihe von verschiedenen.

Es gibt ihn für Human Capital Management Technology, Digital Government Technology, CRM Sales Technology und natürlich auch den Hype Cycle für Artificial Intelligence. Insgesamt sind es knapp 100 verschiedene pro Jahr.

Immer up to date auf der Originalseite findest du alle Hype Cycle hier.

Was sagen die verschiedenen Phasen des Hype Cycles aus?

Der Hype Cycle unterteilt sich in fünf Schlüsselbereiche:

#1: Der technologische Trigger / Auslöser

Im Optimalfall steht hier eine bahnbrechende Ankündigung, ein Durchbruch sondergleichen. 

Praktisch ist es leider oftmals fast schon egal was den Kreislauf in Gang setzt. Alles was im engen Fachkreis aufhorchen lässt und auch weitere Pressekreise in Aufruhr versetzt, ist gut.

Oftmals zieht diese Stufe direkt Imitatoren und Trittbrettfahrer an, da diese das große Geschäft wittern.

#2: Spitze / Gipfel / Höhepunkt der überzogenen Erwartungen

Was klingt wie der schlechte Name einer Hafenbar ist der Punkt, welchem der Hype Cycle seinen Namen verdankt: Der Siedepunkt des Rummels um die Entwicklung.

Das Telefon steht hier bei den Entwicklern nicht mehr still, das E-Mail-Postfach quillt über. Jeder aus der Branche will jetzt ein Stück vom Kuchen und so entsteht zu einem gewissen Maße eine selbstverstärkende Schleife. Oftmals auch unabhängig vom tatsächlichen Durchbruch. Was unweigerlich zu #3 führt:

#3: Tal der Enttäuschungen

Auch dieser beinahe theatralisch gewählte Name ist ein essenzieller Bestandteil des Hype Cycle. Wie bei einer ausgelassenen Feier sieht am nächsten Morgen bei Licht betrachtet das Ganze doch nicht ganz so rosig aus, wie in der Nacht zuvor. Die Technologie hat entscheidende Probleme, Kinderkrankheiten oder Engpässe bei der Massenfertigung. So oder so: Dem unerreichbaren Hype kann sie nicht gerecht werden, also wird sie fallengelassen und Enttäuschung macht sich breit.

Hier hilft es, einen harten Kern an Unterstützern um sich gescharrt zu haben, um den Einbruch möglichst gut abzufedern und zu überstehen. Und genau damit geht es auch weiter:

#4: Der Pfad der Erleuchtung

Warum die Abschnitte des Hype Cycles benannt sind wie die Kapitel einer japanischen Kurzgeschichte ist mir nicht bekannt, in jedem Fall geht es hier wieder aufwärts. Und zwar oftmals mit voller Kraft. Und ebenso oft nahezu unbemerkt.

Hier werden die entscheidenden Schwachstellen korrigiert, Probleme behoben und stetige Verbesserungen eingewoben.

Und damit die bereits verloren geglaubte Technologie auf den direkten Weg zur Marktreife gehoben. Zum letzten Akt dieses spannenden Innovations-Abenteuers:

#5: Das Plateau der Produktivität

Die Innovation hat es geschafft! Sie hat den müßigen Aufstieg geschafft und ist endlich am Massenmarkt angekommen. Sie wird weiterentwickelt und amortisiert sich. Damit hat sie ihre Reise abgeschlossen. Sie ist von der Innovation zur Alltags-Technologie geworden. Das Happy End einer jeden Erfindung.

Oder anders, in einem Rutsch formuliert:

Zu Beginn des Hype Cycle sieht man einen extremen Anstieg, denn News gehen immer.
Du kennst das, der Start-Transfer von Wissen aus dem Labor auf die Titelseiten läuft meist ungefähr so:
“Es wurde eine Studie veröffentlicht, in welcher eine geringe Wahrscheinlichkeit auf die Möglichkeit besteht, schwere Arten von Krebs durch Nanosilber zu heilen? Mittel gegen Krebs gefunden! Sattelt die Pferde und lockert die Geldbörsen!”

Genau diese unerreichbare Euphorie, dieser buchstäbliche Hype wird im Berg, im Gipfel zu Beginn des Zyklus beschrieben.

Nachdem dieser Flug zum Höhepunkt früher oder später unweigerlich vorbeigeht, geht es unvermeidlich bergab. Das geht dabei ungefähr wie folgt ab:
“Krebs wurde durch die Erfindung nicht vollständig ausgelöscht und die Menschheit zu unsterblichen Göttern welche auf den äußeren Saturnmonden leben?! Kündigt den Entwicklern die Stellen, verstaatlicht das Unternehmen und lasst sie alle eine Lehre zum Floristen machen! Eine Unverschämtheit ist das, schämen sollten sie sich allesamt!”

Und so weiter.

Meist sind die Unternehmen daran selbst nicht ganz unschuldig, bekommt doch derjenige mit dem größten Disruptionspotenzial, der nächsten Durchbruchs-Technologie, dem nächsten “big thing” Geld, Aufmerksamkeit und Verbindungen.
Es ist also sehr verlockend, den neuen Anstrich als weltbewegend zu verkaufen.

Dazu muss man nicht einmal in die Innovationsabteilungen dieser Welt gehen. Ein Blick auf YouTube oder Facebook reicht dazu bereits. Das Schema ist immer das gleiche. Eine Kultur die Extreme liebt, bekommt rund um die Uhr Extreme. Ob es diese gibt oder nicht.

Und selbst wenn die Erfinder, Erdenker und Entwickler selbst gar nichts dafür können, Presse und Journalisten sind durch ununterbrochenen Update-Zwang kombiniert mit der globalen “höher-schneller-weiter” Mentalität unter Androhung ihres Jobverlusts gezwungen, unentwegt die nächste Technologie-Sau durchs Dorf zu treiben.

Der Fall folgt also nahezu alternativlos.

Der wahrscheinlich interessanteste Teil des Hype Cycle kommt allerdings jetzt erst. Denn nachdem bereits alles aus Sicht der Öffentlichkeit verloren scheint und die Aufmerksamkeit dem nächsten Hype zufliegt, wird die Technologie ihrer Erwartung gerecht. Langsam aber sicher wird sie weiterentwickelt, Protototypen werden in erste Serien gegossen und Alpha- und Betaversionen werden zum Testen freigegeben. Und über diesen “Pfad der Erleuchtung”, also kontinuierlicher Verbesserung und Verfeinerung kommt die Technologie irgendwann dann am Ziel an. Dem Tal der Produktivität. Ab hier kann sie serienmäßig eingesetzt werden und alle Welt ist völlig überrollt von dieser “plötzlichen” und bahnbrechenden neuen Entwicklung. (Plötzlich, da der Hype am Ursprung zu diesem Zeitpunkt ja bereits lang vergessen ist. “Innovations-Demenz” in diesem Ausmaß gibt es auch noch gar nicht so lang. Aber das ist eine andere Diskussion)

Es ist ein bisschen wie die klassische Heldenreise. Erst geht es steil bergauf, dann klatscht man auf den Boden der Tatsachen. Und dann rappelt man sich wieder auf und schafft es.

Quelle: https://www.hanseatisches-institut.de/heldenreise/

Du kannst dir den Hype Cycle auch ein wenig wie eine Gamepad-Kombi merken: Hoch-Runter-Rechts. ⬆️⬇️➡️. Schaltet keine Charaktere oder Fähigkeiten frei, führt aber (mehr oder minder) verlässlich zu technologischem Fortschritt.

Beispiele für Hype Cycle Technologien

Es gibt eine Vielzahl von Technologien, welche dem Hype Cycle wie der von Schienen geleitete Wagen einer Achterbahn gefolgt sind. Einige davon sind:

Schön zusammengefasst finden sich diese in dieser passenden Zitatsammlung.

Wie man weniger stark danebenliegt bei seinen Prognosen erläutere ich am Ende meines Disruptions-Artikels.

Ein weiteres Beispiel ist die Robotik. Oft schon wurde die „Robocalypse“ ausgerufen. Dann gerieten die Roboter wieder in Vergessenheit. Nur um sich dann, nicht gänzlich unbeobachtet und doch am Ende völlig überwältigend, aus dem Off auf die Bühne zu entwickeln.

Jetzt weißt du also was die verschiedenen Teile bedeuten. Doch wie wendest du dieses Wissen am besten an?

Wie interpretiere ich den Hype Cycle von Gartner und welche Maßnahmen leiten sich aus ihm ab?

Es gibt drei zentrale Einsatzszenarien des Hype Cycle:

  1. Die Möglichkeit hinter den Hype zu schauen und das tatsächliche Potenzial einer Technologie einschätzen zu können.
  2. Grundlage besserer Entscheidungen durch Risikoreduktion und Richtungsweisung.
  3. Abgleich eigener Einschätzungen und dadurch mehr Sicherheit und Fundament bei Schlussfolgerungen.
Wichtig dabei: Der Hype Cycle allein vermag dabei keines dieser Kunststücke zu vollbringen. Er hilft aber sehr dabei, entsprechend Fahrt aufzunehmen. Wie ich weiter unten auch weiter ausführe.
Hype Cycle Indikatoren
Quelle: https://medium.com/10x-curiosity/the-6ds-of-progress-3823eeb3e77c

Diese Ergänzungen zum Beispiel helfen den Hype Cycle besser interpretieren und einordnen zu können…

Quelle: https://www.logicdata.net/wp-content/uploads/2018/02/graphic_curve.png

…Und wenn man den Hype Cycle mit dem Produktlebenszyklus abgleicht, hat man auf einen Blick eine Einschätzung für Innovation und Adaption(swahrscheinlichkeit) einer Technologie…

… Was ich hier sehr amateurhaft mal beispielhaft gemacht habe. Du siehst: Die zweite Hälfte des Hype Cycle wird für die Marketingabteilung relevant, während die erste für die Entwicklungs- und Forschungsabteilung spannend ist.

Klingt alles in allem nach einem rundum praktischen Tool. Doch wie alles im Leben hat auch der Hype Cycle von Gartner seine Schwachstellen. Doch welche?

Kritikpunkte des Hype Cycle

Wie jedes Werkzeug hat natürlich auch der Hype Cycle seine Schwächen und begründeten Kritikpunkte. Die wichtigsten:

  • Der Hype Cycle basiert auf keiner fundierten, wissenschaftlichen Methode. Er wird trotz verschiedener akkumulierender und entzerrender Zwischenschritte beim Erstellen letzten Endes subjektiv gefertigt. Das sollte man auf keinen Fall vergessen!
  • Was direkt zum zweitschwersten Kritikpunkt führt: So schön und hilfreich der Hype Cycle manchmal auch ist, manchmal ist er schlicht komplett nutzlos. Denn wie weiter unten näher ausgeführt klassifiziert er nicht nur Technologien und deren Entwicklungsstadium. Auch Marketing, Marktentwicklung und die Wahrnehmung der erstellenden Analysten spielen hier gewichtige Rollen. 
  • Obwohl er Zyklus heißt, ist er kein tatsächlicher Kreislauf. Zwar folgen immer auf Lösungen (neue Technologien) neue Probleme, welche neue Lösungen (in Form von Technologien) nach sich ziehen. Dennoch ist dies keine zwingende, kausaler Abfolge. Und vor allem lässt sich diese nicht vorhersehen. Folgt auf die Klimaverbrennung als Folge der Industrialisierung Kernfusion oder Solarenergie? Oder eher Autarkie-Technologien?
  • Aus den beiden obigen Punkten ergibt sich zu einem gewissen Punkt eine weitere Schwachstelle: Die individuelle Technologie ist für den Hype Cycle egal. Ebenso ihre Klassifizierung, potenzieller Impakt etc. Durch die Akkumulation werden individuelle Merkmale zwangsläufig verwaschen.
  • Wie bereits weiter oben leicht scherzhaft angesprochen, sind die Bezeichnungen der einzelnen Stationen relativ nichtssagend und im schlimmsten Fall manipulierend. In jedem Fall sagen sie kaum etwas über den tatsächlichen Entwicklungsstand einer Technologie aus. Für Anwender ist das sogar noch schlimmer: Warum sollte ich mir etwas kaufen, was indirekt als Enttäuschung vermarktet wird? Aus Techno-Masochismus? Auch hier kann sich so die Schleife selbst verstärken und die Prophezeiung selbst erfüllen. Nur in diesem Fall negativ.
  • Für den Technologieentwickler gibt der Hype Cycle nur indirekte Handlungsempfehlungen. Er kann zwar ablesen „Technologie x ist ungefähr auf Stand y“, was er basierend auf dieser Information aber konkret machen kann / soll, ist nicht erkennbar. Ins Marketing investieren? Wichtige Keyfeatures weiterentwickeln? Das Produkt eher in Richtung eines blauen Ozeans ausbauen? Der Hype Cycle dient hier eher als Leitplanke, denn als Navigationssystem.
  • Ein weiterer wichtiger Punkt ist die faktische Technologie-Unabhängigkeit der aufgetragenen Technologien. Um überhaupt in den Cycle aufgenommen zu werden, muss zunächst öffentliches Interesse bestehen. Was unterbunden werden kann, wenn die Technologie vollständig verschwiegen entwickelt wird. Doch damit nicht genug: Um dann weiter auf dem Graphen zu wandern, muss sich die Technologie aus Anwendersicht entsprechend entwickeln. Das aber ist nicht nur von der Technologie, sondern auch von seiner Vermarktung abhängig. Die Technologie eines Unternehmens welches eine kontraintuitive Marketingstrategie verfolgt, wird auf dem Hype Cycle vielleicht hin- und herspringen oder lange gar nicht und dann spontan am Ende auftauchen. Was dann so aussehen kann, wie in diesem sehr lesenswerten Artikel dazu erläutert wurde:
Auch der Hype Cycle hat nicht nur Stärken
Quelle: https://www.linkedin.com/pulse/8-lessons-from-20-years-hype-cycles-michael-mullany

Lösungen für einige dieser Probleme kann der Einsatz alternierender Bewertungsmöglichkeiten- und Schablonen sein. Wie die des „Technology Readiness Leveles“, des TRL’s der NASA. (Hier auf Deutsch beschrieben) Oder dem „Technologie-Lebenszyklus„, dem TLC bzw. dem CMMI, der „Capability Maturity Model Integration“ als spezifischere Alternativen zum Hype Cycle.

In jedem Fall ergibt meiner Erfahrung nach dieser Ablauf Sinn:

  1. Betrachtung aus der Satellitenperspektive. Wo auf der Landkarte befinden wir uns überhaupt? Also grundlagentechnologisch – was flankiert unsere eigene Innovation aktuell und kommend? Hier helfen wie weiter oben angesprochen zum Beispiel die Kontratjew-Zyklen oder abstrakter die Kardashow-Skala. Bzw. die Betrachtung der Disruptionsprinzipien.
  2. Betrachtung aus der Vogelperspektive. Hier zoomen wir etwas weiter rein, um marktspezifischer zu werden. Hier helfen auch Tools wie der Hype Cycle und aktuelle Berichte und Analysen zur Validierung.
  3. Betrachtung aus der Ego-Perspektive. Am Ende des Ganzen wird konkret ausschließlich die entsprechende Technologie und Ihre direkten und indirekten Einflüsse betrachtet und auf dieser Basis entschieden.

Das erfindet das Rad nicht neu, zumindest bis zur Marktreife des Teleporters, funktioniert aber. Und darauf kommt es am Ende des Tages schließlich an.

Hype Cycle 2005, … 2017, 2018 und Hype Cycle 2019 im Vergleich

Wie bereits an anderen Stellen angesprochen gibt es den Hype Cycle von Gartner mittlerweile mehr als zwei Jahrzehnten. Du möchtest auf einen Blick sehen, wie sich der Hype Cycle 2019 von denen der letzten Jahre unterscheidet?
Zum Glück gibt es dazu bereits eine kleine Bildergalerie im Netz, angefangen beim Hype Cycle von 2005. Diese findest Du hier. Viel Spaß beim Durchleben der Technologie-Nostalgie 😉
Den Hype Cycle 2019 (for emerging technologies) findest Du hier.

Hype Cycle: Fazit

Der Hype Cycle von Gartner ist ein praktisches Werkzeug, welches leicht verdaulich Entscheidungen ermöglicht.

Allerdings gilt wie bei jedem Werkzeug auch hier: Blindes Vertrauen kann ziemlich in die Hose gehen. Im Kontext und flankiert von individuell passenden Alternativ-Tools allerdings kann der Hype Cycle durchaus hilfreich sein.

Wie stehst Du zum Hype Cylce und wie setzt Du ihn vielleicht sogar aktuell ein? Lass es mich in den Kommentaren wissen!

*Affiliate-Link. Wenn du Produkte über diese Links bestellst, bekomme ich einen Teil des Geldes. Natürlich ohne, dass du dadurch mehr bezahlst! Hierfür werden lokal Cookies gesetzt.
 
Auf der Suche nach der EINEN künstliche Intelligenz Definition

Die EINE künstliche Intelligenz Definition die du brauchst. (Und die 63 anderen)

Künstliche Intelligenz Definition Option 1
Du möchtest mehr zu Fortschritt und Verbesserung als Person, Unternehmen, Gesellschaft und Zivilisation erfahren? Dann trage Dich in meinen Newsletter ein:

Die EINE künstliche Intelligenz Definition - wird gesucht

Eine vernünftige, nachvollziehbare, allgemeine künstliche Intelligenz Definition.
Man sollte meinen, dass es eine solche Definition
a) lang- und
b) einhellig akzeptiert gibt.

Ist doch das Feld mit den Grundzügen seiner heutigen Energie und Umfang
a) bereits mehr als ein halbes Jahrhundert alt,
b) seit Jahren und Jahrzehnten eines der am schnellsten wachsenden und am intensivsten bearbeiteten Gebiete der Menschheit, wie diese kleine Slideshow zeigt:

Und
c) Mittlerweile in der Breite und Praxis angekommen und angenommen, was diese Grafik gut veranschaulicht:

künstliche Intelligenz Definitionen Breitenadaption
Quelle: https://de.statista.com/infografik/16992/umsatz-der-in-deutschland-durch-ki-anwendungen-beeinflusst-wird/

Künstliche Intelligenz Definition ✅ also? Weiß jeder der damit zu tun bekommt also nach einem kurzen Post-It auf seinem Schreibtisch was mit künstlicher Intelligenz gemeint ist?

Weit gefehlt.

Es ist mehr als das Gegenteil der Fall: Es gibt so viele beteiligte Disziplinen, Ansätze, Verständnispunkte und Perspektiven, dass es nicht einmal nicht eine Definition gibt.

Der Status Quo ist der, dass es keine Definition gibt, sich aber dennoch nahezu jede Disziplin an einer versucht, welche weder innerhalb dieser Disziplin, noch von anderen Disziplinen in der Breite anerkannt wird.

Ein ziemliches Wollknäuel, ich weiß.

Daher nehme ich hier wie so gern die Vogelperspektive, bzw. die eines Wettersatelliten ein. Und schaue mir das komplexe Thema von weit oben an.
Am besten gelingt eine Künstliche Intelligenz Definition von weit oben

Gehen wir also systematisch und mit Blick aus dem Orbit vor und nähern uns der Herausforderung “künstliche Intelligenz Definition”.

Mein Ziel ist es hierbei, soweit möglich, abseits der “trockenen Theorie” zu sein und künstliche Intelligenz mit Spaß und Freude zu erklären.
Daher habe ich nicht nur die “hochakademischen” KI Definitionen eingebaut, sondern auch viele User in sozialen Netzen gefragt und mir angeschaut was Suchmaschinen für die besten Angebote für die Nutzer halten. Quasi was künstliche Intelligenzen zum Thema künstliche Intelligenzen menschlichen Intelligenzen vorschlagen

Irgendwie mag ich den Gedanken.

Also: Hast du deinen Rucksack gepackt und den Proviant griffbereit? Dann fangen wir dort an, wo die meisten Suchenden noch immer starten: Im Duden.

Alles gepackt für die Reise zur KI Definition
Auf zur Reise durch den Disziplin-Dschungel!

Eine letzte Sache noch vor dem Start: Damit du gemeinsam mit deinen Freunden über künstliche Intelligenz und Ihre Definition nachsinnieren kannst, habe ich ein kleines Spiel zum Thema gebaut: Das „künstliche Intelligenz Definitions-Bingo“. Du findest es in Deutsch und Englisch. Wenn du es teilen möchtest, teile einfach diese Seite, der Rest ist scrollen. Viel Spaß!

Das künstliche Intelligenz Definitions-Bingo zum ausdrucken
Click for the .PDF-Version to print.
The artificial Intelligence Definition-Bingo
Auf das Bild klicken um zur .PDF zu kommen

Die künstliche Intelligenz Definition des Duden

#1: Der Duden trennt die Definition von künstlicher Intelligenz auf in

1. Künstlich: “nicht natürlich, sondern mit chemischen …b. natürliche Vorgänge nachahmend, nicht auf …c. gekünstelt, unnatürlich”

2. Intelligent: Fähigkeit [des Menschen], abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten

Heißt eine künstliche Intelligenz Definition gemäß dem Duden wäre ungefähr das:

“Eine künstliche Intelligenz ist die nicht natürliche, bzw. natürliche Vorgänge nachahmende Fähigkeit, abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten.”

Wir halten als zentral definierte Kernkomponenten fest: Nicht natürlich, nachahmend, denkend und zweckvoll handelnd. Ein solider Start.

Was sagen andere Wörterbücher und Enzyklopädien?

#2: Das English Oxford Living Dictionary

“The theory and development of computer systems able to perform tasks normally requiring human intelligence, such as visual perception, speech recognition, decision-making, and translation between languages.”

Theorie und Entwicklung von Coputersystemen die fähig sind Aufgaben zu erledigen, die normalerweise menschliche Intelligenz benötigen.

Künstliche Intelligenz ist laut dieser Definition also sowohl ein Feld, als auch eine konkrete Anwendung, bzw. deren Entwicklung. Ich mag diesen Ansatz, denn er betrachtet das Feld nicht einseitig sondern mehr von „oben“.

Um bei der Humananalogie zu bleiben: beim Menschen wäre in ähnlichen Termen gesprochen wahrscheinlich Anthropologie / Soziologie das Feld. Und Medizin und Kognitionsforschung die Anwendung. Bzw. die Disziplinen, die sich mit der Anwendung auseinandersetzen. Diese Betrachtungsweise ist eine wichtige Facette!

#3: Merriam-Webster

1. A branch of computer science dealing with the simulation of intelligent behavior in computers.

2. The capability of a machine to imitate intelligent human behavior.

Ein Zweig der Computerwissenschaften welcher sich mit der Simulation intelligenten Verhaltens in Computern auseinandersetzt. Bzw. Die Fähigkeit einer Machine intelligentes menschliches Verhalten nachzuahmen.

Da haben wir wieder den Nachahm-Aspekt. Anstatt generell intelligent zu sein, ahmt der Computer den Menschen nach. Dieser Ansatz ist verständlich, kennen wir im Universum bisher doch nur eine höherentwickelte Intelligenz, die unsere. Aber sie muss nicht der richtige sein. So wie sich Lebewesen nicht nur auf Kohlenstoff- sondern z.B. auch auf Siliziumbasis entwickeln könnten. (Zumindest theoretisch)

Interessant finde ich hier das Ende des zweiten Teiles: “imitate intelligent human behaviour” Womit wir direkt bei einem der Grundprobleme sind:

Was ist Intelligenz? Im Teil der medizinischen Definition schauen wir uns zwei mögliche Ansätze an.

#4: Die altehrwürdige Encyclopedia Britannica

“artificial intelligence (AI), the ability of a digital computer or computer-controlled robot to perform tasks commonly associated with intelligent beings.”

Die Fähigkeit eines digitalen Computers bzw. computergesteuerten Roboters Aufgaben auszuführen die gemeinhin mit intelligenten Lebewesen assoziiert werden.

Und auch bei diesem Definitionsansatz haben wir den Fokus auf Fähigkeiten, Aufgaben bzw. Lösungen und Assoziation, also Nachahmung im weitesten Sinne. Haben wir damit bei all den Widersprüchen vielleicht doch einen gemeinsamen Kern gefunden?

Oder sehen wir es hier direkt und destilliert: Wo einem für gewöhnlich eine Mischung aus Wörterbüchern und Enzyklopädien schnell weiterhilft, ist es bei einer brauchbaren künstlichen Intelligenz Definition nicht der Fall.

  • Ist KI nun das imitieren intelligenten Verhaltens?
  • Das ausführen von Aufgaben, die für gewöhnlich mit intelligenten Wesen assoziert sind?
  • Handelt es sich um Maschinen, Computer, digitale Computer aka. Software oder Roboter?
  • Ahmt es nach oder ist es intelligent?

Ich glaube aus den Antworten bisher werde weder ich, noch du, noch eine Maschine richtig schlau. Doch eines vorweg: Es hilft uns bereits jetzt, uns der einen Definition anzunähern.

Mein Vorgehen zur Lösung ist viergeteilt und sieht wie folgt aus:

Mein Ansatz zum Finden einer künstlichen Intelligenz Definition

Ich habe dabei die relevantesten Bestandteile jeder Definition fett markiert und, wie oben, die Quellen blau hervorgehoben.

Ready? Dann kommen wir zur zweiten Etappe unserer Reise: Für diejenigen unter euch, die auf schnelle Ergebnisse aus sind, das ist euer Teil. Hier geht es um ein Forschungsprojekt welches die KI Definition zum Ziel hat. Und die zentralen Bestandteile in direkter Gegenüberstellung.

Legen wir los!

Die künstliche Intelligenz Definition: Ein schnell bewegliches Ziel

Eine künstliche Intelligenz Definition zu finden ist wie gesagt bereits für sich allein ein Mammutunterfangen.

    1. Zum einen, da Intelligenz selbst noch weder verstanden noch vernünftig definiert ist.
    2. Zum anderen weil bei Ihrer Entwicklung eine Vielzahl von sonst oftmals weit voneinander entfernten Disziplinen zusammentreffen. Und es werden auch noch ständig mehr!
    3. Zum dritten entwickelt sich künstliche Intelligenz derart schnell, dass ein Ansatz und ein Verständnis von heute mittag bereits am Abendbrottisch veraltet sein kann.
    4. Und dann ist das Thema auch noch von solch grundlegender Relevanz für jeden Menschen, nicht nur Forscher, Entwickler, Politiker etc. Denn KI hat bereits heute direkten Einfluss in verschiedenen Formen auf eine wachsende Zahl von Milliarden von Menschen. Da will man natürlich nicht bereits in den fundamentalen Grundlagen irgendeinen Fehler machen und hat sehr viele Meinungen zu berücksichtigen.
Die 4 Hürden einer künstlichen Intelligenz Definition

Klingt also eher nach einem multidimensionalen Rubics-Cube, als nach einem Wollknäuel, wie siehst du das?

Eine künstliche Intelligenz Definition ist herausfordernd

Zum Glück gibt es das Forschungsprojekt “AGISI” von Professor Dr. Dagmar Monett. Diese befragt seit geraumer Zeit zum Thema KI Definition Experten und Laien mit den verschiedensten Hintergründen. Das Ergebnis ist so etwas wie ein Bewegungsmelder für KI-Entwicklung, ein interaktives Zielsuchsystem.

Ich finde diese Arbeit so wichtig, dass ich vor geraumer Zeit ein Podcastinterview mit Prof. Monett aufgenommen habe. Sobald dieses online geht, verlinke ich es dir hier.

Wenn du mehr zu Projekt AGISI und Prof. Monett wissen möchtest, kann ich dir dieses Video sehr empfehlen:

Der Facettenregenbogen künstliche Intelligenz Definition

Exkurs: Künstliche Intelligenz Definitionen in Zahlen

Bevor wir jetzt endlich direkt ins Geschehen eintauchen und uns die verschiedenen Facetten anschauen, hier direkt ein Überblick.

Die Definitionen enthalten allesamt einen oder mehrere der hier gesammelten Aspekte.

Achte gern darauf, wenn du sie dir durchliest.

Wer das Spiel “1,2 oder 3” noch kennt, wird sich hier wie zu Hause fühlen.

Fangen wir also an:

Binäre künstliche Intelligenz Definitionen

1. Strong vs. weak:

Bei diesem Definitionsansatz wird künstliche Intelligenz einerseits eingeteilt in eine schwache, „schmale“ (narrow) Intelligenz, welche in einem sehr eng definierten Gebiet besser ist als jeder Mensch. Zum Beispiel im Erkennen von Katzen. Und andererseits in eine starke, „generelle“ KI, welche jede Aufgabe besser und schneller lösen kann als jeder Mensch und die Menschheit gemeinsam. Die schwache haben wir bereits, bei der generellen wird es schwieriger.

2. Simulation vs. Phänomenologie:

Dieser Ansatz teilt KI einerseits auf in „künstliche nachgebaute Intelligenz“, also der möglichst exakten Replikation menschlicher Intelligenz auf allen beteiligten Ebenen. Also einem Nachbau / einer Simulation des menschlichen Gehirns. Und andererseits ins Ergebnis, also den Output. Es ist egal was im Hintergrund passiert, das Ergebnis ist intelligent.

3. Virtuell vs. physisch:

Eine künstliche Intelligenz ist entweder dann zur Entwicklung von Intelligenz fähig, wenn sie einen Körper, eine physische Repräsenz bzw. Manifestation hat. Oder die Entwicklung von künstlicher Intelligenz ist unabhängig von Ihrer materiellen Gestalt, es reicht auch, wenn sie ein reines „Programm“ bleibt, um Intelligenz zu entwickeln. Wer mehr zu dieser interessanten Banden-Debatte erfahren möchte, findet im Embodidment-Teil meiner KI-Übersicht mehr dazu.

4. Problem- vs. Lösungsorientiert / zentriert:

Dieser Ansatzbaum definiert KI entweder über den Fokus auf Probleme, also ob die künstliche Intelligenz fähig ist Problem x zu lösen. Oder, konträr dazu, im Hinblick auf die Lösung. Also ob und welche Lösungen eine KI findet, egal um welches Problem es geht.

5. Schafft den Turing Test vs. besteht den Turing Test nicht:

Nach dieser Dichotomie ist eine künstliche Intelligenz alles das, was nichthuman den Turing Test, bzw. seine Varianten besteht. Es gibt auch eine kleinere gegenteilige Community, welche Intelligenz unabhängig vom Turing Test sieht. Diese stützt sich vor allem auf das Argument der Intelligenzlevel: Im Vergleich zu einer Ameise ist der Mensch intelligent, im selben Verhältnis wie Mensch zu Ameise ist eine KI allerdings ebenfalls intelligent, ohne jedoch „Trivialitäten“ wie den Turing Test bestehen zu müssen, um dies zu beweisen. (Die meisten) Menschen haben ja auch keinen „Ameisentest“ bestanden, bevor Ameisen sie als intelligent anerkannt haben. (Wobei ich hier auch niemanden diskriminieren möchte, falls doch. In diesem Fall: gut gemacht!)

6. Emergenz vs. Training:

Diese Argumentpole definieren künstliche Intelligenz entweder…

…Aus einer emergenten Entwicklung zu einem Komplexitäts-Schwellenpunkt. Also der Theorie das genügend Daten + passende Algorithmen + genügend Hardware automatisch ab einem Punkt x zur Entwicklung künstlicher Intelligenz führen. Ähnlich wie ein oder zwei Dutzend Fische keine großen Fressfeinde abwehren können, mehrere hundert bis tausend im Schwarm allerdings schon. Die Vexierfrage ist hier nur: Wann? Und lässt sich dies irgendwie vorhersagen?

…Oder der „Gegenseite“, welche künstliche Intelligenz nur durch Training von außen mit intelligenten Akteuren sieht. Also zum Beispiel im „AI Kindergarten“.

7. Vorgegeben vs. Selbstentwickelt:

Nach diesem kontrastiven Duopol ist KI entweder das, was dank dem Input von Menschen ab einem Punkt x intelligent ist. Oder aber völlig unabhängig von menschlichem Bemühen ausschließlich durch selbstständiges Lernen und Agieren intelligent wird.

KI Definitionen im Trivium

Einige Definitionen und Definitionsansätze für künstliche Intelligenz unterteilen KI in drei wesentliche Bereiche:

 

1. Stark, schwach und menschlich:

Hier werden KI’s grob unterteit in „stark“, „schwach“ und „alles dazwischen“ – Was, da wir bisher nur die menschliche Intelligenz auf diesem Planeten kennen, im Wesentlichen die menschliche Intelligenz ist.

Ähnlich unterteilt auch Tim Urban, der Content-Prophet komplexer Themen, seine AI-Unterteilung, in dem er in drei “Kalibern” argumentiert:

 

2. Narrow, General und Super:

Er schreibt:

ANI (Artificial Narrow Intelligence), AGI (Artificial General Intelligence), ASI (Artificial Superintelligence)

– Wobei mir hierbei nicht so richtig klar ist, warum eine Grenze zwischen AGI und ASI gezogen wird. Eine Intelligenz die alles besser als alle Menschen kann, ist a) entweder bereits an diesem Punkt eine ASI oder b) wenige Sekunden später. Anders wäre sie gar nicht dort hin gekommen. Was zur Einteilung bzw. Einordnung von Nick Bostrom in die Kinetik einer Intelligenzexplosion passt. Aber gut, weiter im Text:

 

3. Daten, Algorithmus und Schnittstelle:

Hier brauche ich nicht viel zu schreiben, das folgende Zitat bringt es hervorragend auf den Punkt:

„artificial intelligence requires the following components: The data set : A of data examples that can be used to train a statistical or machine learning model to make predictions. The algorithm : An algorithm that can be trained based on the data examples to take a new example and execute a human-like task. The interface : An interface for the trained algorithm to receive a data input and execute the human like task in the real world.“

4. Intention, Intelligenz und Adaption:

Auch dieses Trivium lasse ich am besten vom Erdenker selbst ausführen. Die Quelle hast du für weitere eigene Recherche in der Überschrift ja direkt verlinkt. (Wobei ich hierzu auf den ersten Blick kritisch meinen ehemaligen Physiklehrer zitieren muss: „Ein Wort mit sich selbst zu erklären ist keine Erklärung“ – künstliche Intelligenz zum Teil mit Intelligenz zu erklären ist also vielleicht nicht optimal. Aber lies den Artikel am besten einfach selbst 😉

„Allen and myself in an April 2018 paper, such systems have three qualities that constitute the essence of artificial intelligence: intentionality, intelligence, and adaptability.“

5. Menschenabbild, Menschenignorant, Menschengerüst

Und dann gibt es da noch die antropozentrierte Sichtweise – Hier dreht sich künstliche in irgendeiner Art und Weise immer um menschliche Intelligenz.

Und zwar indem künstliche Intelligenz entweder definiert wird als „System, das exakt so wie ein Mensch denkt„, als „System, dass intelligent arbeitet und handelt ohne das man dazu wissen muss, wie der menschliche Geist funktioniert„, und / oder als „Menschliches Denken als Modell nutzend aber nicht als Ziel gedacht„.

Damit kommen wir zur letzten Meta-Einteilung von künstlichen Intelligenz Definitionen:

 

KI Definitionen im Quartett

Eine der häufigsten Definitionsansätze künstlicher Intelligenz unterteilt KI in vier Bereiche:
 

1. Menschlich und rational:

  1. Acting humanly
  2. thinking humanly
  3. Acting rationally
  4. thinking rationally

Weiter ausgeführt findest du diesen praktischen Ansatz auf Deutsch auch in dieser Uni-Unterlage.

Diese gegenüberstellenden, bzw. reduzierenden Ansätze sind gut um einen Abgleich für die folgenden, ausführlicheren Definitionen zu haben. Doch einen letzten Punkt gilt es noch anzubringen, bevor wir dahin aufbrechen:

Künstliche Intelligenz definieren: Das Kofferwortproblem

„Künstliche Intelligenz“ scheint laut einigen Experten ein sogenanntes „Kofferwort“ zu sein – jeder packt hinein, was er für richtig hält. Und tatsächlich sind die Definitionen noch nicht klar und einheitlich akzeptiert. (Wie du spätestens jetzt sicherlich festgestellt hast 😉

Das Abenteuer künstliche Intelligenz Definition ist also ein wenig wie die Geschichte mit dem Elephanten und den Blinden. Derjenige, der den Rüssel hält, denkt es wäre eine Schlange. Derjenige, der den Stampfer tastet, denkt es wäre ein Nashorn. Etcetera. 

Wie lösen wir dieses kleine Problem daher am besten?

Indem wir einfach jeden relevanten der „Blinden“ fragen. Schauen wir uns also an, was die beteiligten / betroffenen Disziplinen an künstlichen Intelligenz Definitionen auf Lager haben:

Eine künstliche Intelligenz Definition aus Wirtschaftssicht

#15: Die Definition des Gabler Wirtschaftslexikons:

“Erforschung „intelligenten” Problemlösungsverhaltens sowie die Erstellung „intelligenter” Computersysteme. Künstliche Intelligenz (KI) beschäftigt sich mit Methoden, die es einem Computer ermöglichen, solche Aufgaben zu lösen, die, wenn sie vom Menschen gelöst werden, Intelligenz erfordern.”

Wer hätte es gedacht: Aus Sicht der Wirtschaft ist KI also vor allem ein praktisches, Computernahes Problem. Natürlich immer streng am Menschen orientiert. Ergibt ja auch Sinn, immerhin ist die Wirtschaft für praktische Lösungen zuständig. Und auch wenn es logischerweise verkürzt ist, auf Basis eines Lexikonzitates auf die Haltung eines Zweiges zu schließen, gibt dies doch eine gute Richtungsweisung wie ich finde. Wenn hierzu mehr Interesse besteht, ergänze ich natürlich auch gern weiter. Apropo Wirtschaft: Was sagt der Teil der Wirtschaft, welcher künstliche Intelligenz gerade „gebiert“? Schauen wir es uns im Schlaglicht an:

Die künstliche Intelligenz Definition aus Sicht von Big Tech

#16: Amazon

“the field of computer science dedicated to solving cognitive problems commonly associated with human intelligence, such as learning, problem solving, and pattern recognition.”

#17: Aus Sicht von Google AI:

 “create smarter, more useful technology and help as many people as possible” 

#18: Facebook AI Research:

“advancing the file of machine intelligence and are creating new technologies to give people better ways to communicate.”

#19: IBM:

three areas of focus include AI Engineering, building scalable AI models and tools; AI Tech where the core capabilities of AI such as natural language processing, speech and image recognition and reasoning are explored and AI Science, where expanding the frontiers of AI is the focus.

#20: Oracle

“…refers to systems or machines that mimic human intelligence to perform tasks and can iteratively improve themselves based on the information they collect.”

Auch hier, wer hätte das für möglich gehalten, vor allem Ansätze aus dem Umsetzungs-Blickwinkel der jeweiligen Firma. Wo beim „sozialen“ Netzwerk Facebook Kommunikation im Vordergrund steht, stehen bei IBM Ingenieurwesen und Werkzeuge im Spotlight. Künstliche Intelligenz ist hier also offenbar all das, was intelligent und vor allem effizienter und besser Kundenprobleme löst. Und letztenendes mehr Gewinn bringt. Nicht sonderlich überraschend aber gut um blinde Flecke bei der Gesamtbetrachtung zu füllen.

Und was sagen diejenigen, welche all diese Techunternehmungen finanzieren?

KI Definition aus Investorensicht

#21: Investopedia

“Artificial intelligence (AI) refers to the simulation of human intelligence in machines that are programmed to think like humans and mimic their actions.”

Ich habe mit nicht genügend Investoren im KI-Bereich bisher dazu gesprochen, aber für mich ist auch diese Definition naheliegend und nachvollziehbar. Menschenzentriert, da Menschen letztenendes diejenigen sind, welche das Risikokapital wieder einfahren. Intelligenz-Simulationszentriert um genug Spielraum in der Entwicklung potenziell investierenswerter Projekte zu lassen.

Ergibt Sinn.

Und was denken diejenigen, welche am Ende die Algorithmen schreiben und künstliche Intelligenz tatsächlich bauen?

Künstliche Intelligenz definiert aus Ingenieurssicht

#22: Produktion.de

“Bei der Entwicklung von Systemen mit künstlicher Intelligenz versuchen Forscher und Entwickler die menschliche Wahrnehmung und das menschliche Handeln mittels Maschinen nachzubilden.”

#23: Statista

“Unter künstlicher Intelligenz (KI) ist unter anderem eine Nachbildung sowie Automatisierung intelligenten Verhaltens zu verstehen.”

Auch hier scheint sich ein eher praktisches herangehen herauszukristallisieren. So grob nach dem Plan „Mensch verstehen -> Maschine danach bauen“.

Und wie wir eingangs bereits gesehen haben, ist dies ein valider Ansatzpunkt. Nur leider nicht der Einzige. Ein zu enger Fokus könnte hier zur Verschwendung von Möglichkeiten bzw. einer Fehlinvestition von Ressourcen führen. Zumindest wenn man ausschließlich so „eng“ arbeiten würde. Was glücklicherweise praktisch nicht (immer) der Fall ist. (Hier geht’s zum Original-Paper der These)

Wie wir aber mittlerweile wissen, sind nicht nur die Ingenieurswissenschaften mit der Herausforderung künstliche Intelligenz beschäftigt. Da Intelligenz bis jetzt vor allem etwas in Gehirnen ist, gibt es hier noch eine andere, wichtige Disziplin zu beachten: 

Eine künstliche Intelligenz Definition aus Sicht der Neurowissenschaften

#24: Spektrum Lexikon der Neurowissenschaften

“Die künstliche Intelligenz (Abk. KI, E artificial intelligence, Abk. AI) ist ein Teilgebiet der Informatik, welches sich mit der Erforschung von Mechanismen des intelligenten menschlichen Verhaltens befaßt (Intelligenz).”

Die Neurowissenschaften sehen künstliche Intelligenz also vor allem als ein informatisches Problem. Lustig, wo die Informatik KI vor allem als am menschlichen Gehirn / Verhalten orientiert sieht. Aber auch hier: Nachvollziehbar und stimmig.

Auch hier gilt natürlich: Eine Definition ist bei weitem nicht aussagekräftig über die Haltung einer ganzen Disziplin. Zumal zunehmend unterteilt und spezialisiert.

Doch auch wie bei der Wirtschaft glaube ich: Ein Blickwinkel hilft hier weiter als ein Wust Dutzender oder Hunderter Ansätze. (Sollte ich mich irren und weiterer hilfreicher Ansätze habhaft werden, trage ich diese natürlich gern nach – Dazu hilft mir zum Beispiel DEIN Kommentar 😉

Zwei von drei großen „Praxisgebieten“ der künstlichen Intelligenz haben wir damit. Ingenieurwesen und Kognitions- / Neurowissenschaften. (Auch wenn mich sicher der eine oder die andere mit Wasserbomben bewerfen möchte, da ich beide Disziplinen hier zusammenwerfe)

Fehlt noch die Dritte. Die praktische „Leitplanke“ der KI-Entwicklung. Die Philosophie:

KI definiert aus Sicht der Philosophie

#25: Stanford Encyclopedia of Philosophy

“Artificial intelligence (AI) is the field devoted to building artificial animals (or at least artificial creatures that – in suitable contexts – appear to be animals) and, for many, artificial persons (or at least artificial creatures that – in suitable contexts – appear to be persons)”

Ich habe hierbei die Definition der Stanford Enzyklopädie gewählt, da die Universität Stanford einen der besten Kurse zum Thema künstliche Intelligenz der Welt hat. Und dementsprechend auch weitere hochkarätige Ressourcen und Professoren. Und auch hier gilt: Wie zu erwarten war, spiegelt die Definition die Disziplin wieder. Abstrakter und „herausgezoomter“ als die Praxisdisziplinen und am stärksten daran orientiert, was die Disziplin seit Jahrtausenden kennt: Dem Menschen.

Und was sagen die „Gegenteile der Philosophen“, die, die direkt umsetzen statt zu diskutieren dazu?

Eine künstliche Intelligenz Definition aus Gründerpespektive

#26: Gründerszene

“Bei der Künstlichen Intelligenz oder der englischen Bezeichnung Artificial Intelligence (AI) handelt es sich um einen Bestandteil, der sich in den meisten Softwares befindet, auch wenn diese nicht deutlich erkennbar ist. … Künstliche Intelligenz meint die Erforschung eines „intelligenten” Problemlösungsverhaltens und die Erstellung von „intelligenten“ Computersystemen.”

Hier sieht man die bisher mit Abstand drastischste Reduktion von KI. Künstliche Intelligenz ist hier vor allem Code, Algorithmen und automatische Aktionen und Reaktionen. So schnell kann man vom Weitwinkel- zum Teleobjektiv wechseln.

Und was meint die Basis dieses schon beinahe puristischen Ansatzes dazu?

Eine künstliche Intelligenz Definition vom Standpunkt der Informatik

Informatik ist die vertretbarer Weise wichtigste Disziplin wenn es um künstliche Intelligenz geht, hat sie die gesamte Entwicklung doch überhaupt erst ermöglicht. Ich gehe daher hier auf ein paar mehr Ansätze ein, um einen Einblick in die Sichtweise dieser Perspektive zu gewinnen:

#27: ComputerWeekly

“Künstliche Intelligenz (KI) beziehungsweise Artificial Intelligence (AI) simuliert menschliche Intelligenz mit Maschinen, insbesondere Computersystemen.”

#28: SAP

“Künstliche Intelligenz ist der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen wie Lernen, Urteilen und Problemlösen erbringen.”

#29: Mindsquare

“Künstliche Intelligenz beschreibt Maschinen, die mithilfe von Algorithmen agieren, Aufgaben ausführen und dabei autonom und anpassungsfähig auf unbekannte Situationen reagieren, sodass sie dem Menschen ähnliches Verhalten aufzeigen.”

#30: Hackr.io

“… can be described as a system or a machine that can be made to stimulate such features of intelligence thus, having the capability to solve and evaluate problems that were reserved for us, humans with natural intelligence.”

Interessant, dass sich alle einig sind, menschliche Intelligenz zu imitieren. Nachvollziehbar, da es wie gesagt die einzige bekannte Orientierung ist. Dennoch bemerkenswert, gibt es doch eine Vielzahl alternativer Ansätze. (Erkenne ich so langsam ein Muster oder habe ich einfach nicht weit genug heraus- / hereingezoomt? Schreib‘ es mir gern in die Kommentare!)

Eine künstliche Intelligenz Definition aus Sicht der Forschung

Auch hier wieder ein wenig ausführlicher. Denn da künstliche Intelligenz alles andere als alltäglich ist, spielt die Forschung hier gerade die wichtigste Rolle.

Die wichtigste Definition daher auch direkt zu Beginn, die des Deutschen Forschungszentrums für künstliche Intelligenz:

#31: DFKI

“Künstliche Intelligenz ist die Eigenschaft eines IT-Systems, »menschenähnliche«, intelligente Verhaltensweisen zu zeigen. … Künstliche Intelligenz beschreibt Informatik-Anwendungen, deren Ziel es ist, intelligentes Verhalten zu zeigen. Dazu sind in unterschiedlichen Anteilen bestimmte Kernfähigkeiten notwendig: Wahrnehmen, Verstehen, Handeln und Lernen. Diese vier Kernfähigkeiten stellen die größtmögliche Vereinfachung eines Modells zur modernen KI dar: Wahrnehmen – Verstehen – Handeln erweitern das Grundprinzip aller EDV Systeme: Eingabe – Verarbeitung – Ausgabe.”

#32: Fraunhofer Institut

“Als Künstliche Intelligenz (KI) bezeichnen wir … IT-Lösungen und Methoden, die selbstständig Aufgaben erledigen, wobei die der Verarbeitung zugrundeliegenden Regeln nicht explizit durch den Menschen vorgegeben sind.”

#33: ScienceDaily

„the study and design of intelligent agents“ where an intelligent agent is a system that perceives its environment and takes actions which maximizes its chances of success.”

Und hier sehen wir das erste Mal systematisch – oha! – eine praktische Abstrahierung auf die sich alle einigen können. Es geht mehr um Agenten als konkrete Vorgaben. Und um Lösungstypen- bzw. Lösungsbereiche. Dieser Abschnitt ist bisher mein Favorit 😉

Künstliche Intelligenz Definition vom Standpunkt des Marketing

#34: Deutsches Institut für Marketing

“Künstliche Intelligenz setzt sich damit auseinander, wie Computer Wahrnehmungen verarbeiten, mit erlernten Algorithmen abgleichen und dadurch eine zielgerichtete Response / Handlung auslösen.”

Da Marketing maßgeblichen Einfluss auf die Wahrnehmung von KI hat, (Terminator vs. Sprachassistent lässt grüßen) darf natürlich auch eine stellvertretende Antwort dieser Disziplin nicht fehlen. Hier geht es eher um die Antwort, das Resultat auf KI als die KI selbst. So wie es eher um den Verkauf von x geht, als die Ware selbst. (So zumindest meine Theorie des Blickwinkels dahinter) Wobei mir der Dreiklang „Interpretation -> Abgleich -> Reaktion“ prinzipiell ganz gut gefällt.

Künstliche Intelligenz Definitionen aus politischer Perspektive

#35: Europäische Kommission

“Künstliche Intelligenz (KI) bezeichnet Systeme mit einem „intelligenten“ Verhalten, die ihre Umgebung analysieren und mit einem gewissen Grad an Autonomie handeln, um bestimmte Ziele zu erreichen.”

#36: Öffentliche Verwaltung

Systeme, die selbstständig effizient Probleme lösen“ können.”

#37: Aus der Strategie der Bundesregierung

“KI ist fokussiert auf die Lösung konkreter Anwendungsprobleme auf Basis der Methoden aus der Mathematik und Informatik, wobei die entwickelten Systeme zur Selbstoptimierung fähig sind.”

Die politische Perspektive scheint die Autonomie künstlicher Intelligenz in den Vordergrund zu stellen. Was ich gut finde. Und zeitgleich hoffe, dass dieser Ansatz auch für die menschliche Intelligenz Ihrer Wähler gilt.

Eine künstliche Intelligenz Definition aus Sicht der Bildung

#38: Edukatico

“Als Künstliche Intelligenz wird heute bezeichnet, wenn Computersysteme eigenständig Probleme lösen.”

KI bzw. Intelligenz generell als wandelnde Problemlösung zu betrachten, ist ein gängiger und guter Ansatz sich an künstliche Intelligenz anzunähern. Daher kann ich diesen Standpunkt aus Sicht eines Bildungsanbieters zum Einordnen gut verstehen.

Wenn wir schon bei der Bildung selbst sind, dem manifestierten Erleuchten des menschlichen Geistes, ist vielleicht ein guter Zeitpunkt gekommen, sich genau mit diesem Geist näher auseinanderzusetzen:

Künstliche Intelligenz Definition aus medizinischer Sicht: Startpunkt menschliche Intelligenz

Kurzes Vorwort zu diesem etwas in die Tiefe gehenden Absatz:
Intelligenzdefinitionen wird hier jene von W. Stern (1912, Leipzig) aufgeführt: „Intelligenz ist die Fähigkeit des Individuums, sein Denken bewusst auf neue Forderungen einzustellen, die allgemeine geistige Anpassungsfähigkeit an neue Aufgaben und Bedingungen des Lebens.“ Das ist für den Sammelbegriff „Intelligenz“ (lat. Einsicht, Erkenntnisvermögen) noch heute gültig, also die kognitive Fähigkeit, Zusammenhänge zu erkennen, Problemlösungen zu finden und in vernünftiges Handeln umzusetzen.

Eine künstliche Intelligenz Definition beginnt mit Intelligenz
Quelle: https://d-nb.info/998830119/34

Diese Übersicht bietet meiner Meinung nach eine brauchbare Mischung aus Abstraktion und Tiefe um mit einer konkreten Vorstellung weiterzumachen. Basierend darauf kann man aus Sicht der Medizin vielleicht folgendes ableiten:

#39: Ärztezeitung / Techniker Krankenkasse

“Bei Künstlicher Intelligenz handelt es sich um die künstliche, maschinelle Generierung von datenbasiertem Wissen.”

Da man mobile Speicher nicht behandeln und klassisch analysieren kann, ergibt der Fokus auf die maschinelle statt menschliche, daten- statt gedankengestützte Betrachtung meiner Meinung nach absolut Sinn. Und diese kleine Facette rundet unser bisheriges Spektrum zeitgleich sinnvoll ab.

Künstliche Intelligenz Definition aus der Psychologie

#40: Dorsch, Lexikon der Psychologie

“(= K. I.) [engl. artificial intelligence], [KOG], K.I. stellt in den Vordergrund, Intelligenz in technischen Systemen zu erzeugen … K. I. versteht unter I. die Fähigkeit, durch effiziente Informationsverarbeitung herausragende Problemlösungen bzw. Anpassungen an die Umwelt zu ermöglichen.”

Im Kontext der medizinischen Betrachtung finde ich die psychologische besonders spannend. Ist ihr Schwerpunkt doch zeitgleich abstrakt und doch konkret. Und vor allem werfen die Schlüsselwörter „effiziente Informationsverarbeitung“ auch nochmal ein klein wenig anderes Licht auf unsere bisherigen Ansätze von Problemlösung bis Gehirnimitation.

Historische Definitionen von künstlicher Intelligenz

#41: Russell und Norvig 1995

„KI-Technologien sind als Methoden und Verfahren zu verstehen, die es technischen Systemen ermöglichen, ihre Umwelt wahrzunehmen, das Wahrgenommene zu verarbeiten und selbständig Probleme zu lösen, Entscheidungen zu treffen, zu handeln und aus den Konsequenzen dieser Entscheidungen und Handlungen zu lernen.“

Diese Definition ist von besonderer Bedeutung, entspringt sie doch den Köpfen der Autoren des populärsten Grundlagenwerkes der Welt in der Akademie rund um künstliche Intelligenz. Interessanterweise geht es hier auch primär um die „Methoden und Verfahren“ mit denen alles weite passiert, als um Informationsverarbeitung, Problemlösung etc. Es mag nach Haarspalterei klingen aber ich finde so langsam verdichten sich die Startpunkte.

#42: John McCarthy im Rahmen des Dartmouth Workshops, der “Grundsteinlegung” für künstliche Intelligenz

thinking machines

Dieser, allen anderen durch seine enorme Kürze herausragende, ist der möglicherweise wichtigste Ansatz von allem. Warum? Weil er im Rahmen der Grundsteinlegung der künstlichen Intelligenz gelegt wurde. Denn im Sommer 1956 wurde das Feld der KI erst offiziell begründet. Mit diesen beiden Worten als Definitionsansatz.

Ist das nicht faszinierend?

Und entsprechend interessant ist auch sein Ansatz. Denken + Maschine = künstliche Intelligenz.

Was uns zu einem anderen Pionier der künstlichen Intelligenz führt:

#43: Eine künstliche Intelligenz Definition die nicht fehlen darf: Der Turing Test

Eine künstliche Intelligenz Definition schreiben zu wollen, ohne Alan Turing zumindest zu erwähnen, halte ich für schwierig. Daher, auch wenn keine Definition explizit auf ihn eingeht, hier ein kurzer Absatz zum Turing-Test. Zum Auffrischen, was war der Turing Test nochmal?

In kurz: Eine Jury kommuniziert indirekt, also zum Beispiel durch einen Computer mit einer KI auf der einen und einem Menschen auf der anderen Seite. Dabei versucht der Juror durch gezielte Fragen herauszufinden, wer der Mensch und wer der Algorithmus ist. Wenn die KI es schafft den Juror von seiner „Menschlichkeit“ zu überzeugen, haben wir die erste „starke“ KI.

Abgeleitet daraus könnte man also sagen:

Eine künstliche Intelligenz ist jeder intelligente Algorithmus / Programm, welches / welcher den Turing Test besteht.

Den Turing Test gibt es mittlerweile in Dutzenden, wenn nicht Hunderten verschiedenen Varianten. Und täglich bestehen künstliche Intelligenzen mehr und mehr dieser Varianten. Egal ob sie besser Bilder interpretieren können, Kunstwerke zeichnen und Musikstücke komponieren oder feinere Klänge und Frequenzen wahrnehmen. Jeden Tag wird eine künstliche Intelligenz besser in einem kleinen Spezialgebiet, welcher bisher vom Menschen „dominiert“ wurde.

Auch eine Art langsamer technologischer Singularität, oder?

KI Definitionen von Praktikern und Experten

#44: NewDirection

“Oberbegriff für alle Technologie, die sich mit der Intelligenz, wie sie bisher nur dem Menschen vorbehalten war, beschäftigt.”

…Und wieder eine neue Facette im KI-Bingo! Diese ist interessant, denn hier liegt der Schwerpunkt auf Technologie im allgemeinen, nicht auf Computern, Programmen oder sonstigen Systemen. Sondern hier geht es um materialisierte, intelligente Lösungen jeder Art.

#45: BM Experts

“Künstliche Intelligenz ist die Simulation menschlicher Intelligenzprozesse durch Maschinen, insbesondere durch Computersysteme.”

Hier geht es um Simulation, anders als Imitation wie vormals. Dennoch ist die Vorlage auch hier wieder der Mensch. Nachvollziehbar aber so langsam auch etwas eintönig, oder wie geht’s dir?

#46: Lernen wie Maschinen

“Künstliche Intelligenz (KI) bedeutet, dass ein Computer Aufgaben löst, die sonst nur durch einen Menschen bewältigt werden können.”

Bei LwM geht es mehr um die Aufgaben, welche die Maschine löst, als den Menschen oder die Intelligenz oder die Lösung des Problems selbst. Kann man machen, führt aber schnell zu der Frage: Ist etwas intelligent, nur weil es intelligent wirkt? Ab hier verweise ich nach oben zur Philosophie, denn genau diese stellt sich diese Frage. (Stichwort chinesisches Zimmer)

#47: W&V

“…maschinelles Lernen und die Fähigkeit von Computern, eigenständig Probleme zu bearbeiten.”

Bei diesem Ansatz kommt nicht viel Neues hinzu, außer das explizit auf maschinelles Lernen hingewiesen wird. Hier lernt nichts Abstraktes, nichts einfach nur „künstliches“, hier lernt explizit die Maschine. Warum ist das relevant? Weil maschinelles Lernen mittlerweile sogar eine eigene Sparte im Forschungsfeld künstlicher Intelligenz ist.

#48: Brookings

machines that respond to stimulation consistent with traditional responses from humans, given the human capacity for contemplation, judgment, and intention.

In diesem künstliche Intelligenz Definitions-Ansatz steht die Art der Reaktion auf Input im Vordergrund. Erfrischend, aber alles andere als neu an diesem Punkt.

#49: DeepAI

„Artificial intelligence is the application of rapid data processing, machine learning, predictive analysis, and automation to simulate intelligent behavior and problem solving capabilities with machines and software.“

Bei diesem Ansatz steht die Art der Anwendung verschiedener Werkzeuge um ein intelligentes Ergebnis zu erzielen im Fokus.

Quasi Zucker + Mehl + Wasser = Kuchen.

Interessant ist hierbei auch, dass zwischen Maschinen und Software unterschieden wird. Kurz vorm Schluss kommt immer noch etwas neues hinzu. Schön, oder?

#50: Gartner

„Artificial intelligence (AI) applies advanced analysis and logic-based techniques, including machine learning, to interpret events, support and automate decisions, and take actions.“

Auch diese künstliche Intelligenz Definition geht nach dem Ablauf „Anwendung von Hacke und Schaufel“ „mit dem Ziel x“ vor. Praktisch und ergebnisorientiert zugleich.

Mit am besten gefällt mir persönlich ja die mehr kontextuell gemeinte Definition von DeepMind-Gründer Demis Hassabis:

#51: Demis Hassabis / DeepMind

No matter what the question is, AI is the answer.“

Künstliche Intelligenz ist wahrscheinlich die letzte Erfindung, die der Mensch noch selbst kreieren muss. Sobald sie, in „starker“ Form zumindest, existiert, übernimmt sie die Innovation dann. Schneller und effizienter als jeder Mensch es jemals könnte.

Von daher ist dieser Ansatz lösungs-zentriert aus der Vogelperspektive. Und erfrischend „exotisch“ wie ich finde.

#52: Andrew Ng

„AI is automation on steroids.“

Andrew Ng hat Google und Baidu, also respektive die USA und China ins KI-Zeitalter geführt. Und damit die gesamte Welt gleich mit. Daher halte ich seine Sichtweise bzw. seinen Definitionsansatz für besonders interessant. Die Automatisierung hat uns in ein Zeitalter des Material-Überflusses katapultiert. Wird künstliche Intelligenz jetzt das Zeitalter des Lösungs- bzw. Wissensüberflusses einleiten?

Künstliche Intelligenz Definitionen aus der Community

Damit haben wir einen für den Anfang erschöpfenden Überblick denke ich. Doch Entwickler und Erschaffer sind nur ein Teil der involvierten Gruppe bei künstlicher Intelligenz. KI geht jeden an. Daher folgerichtig die Frage:

Was sagen Hobbyinteressierte, Bastler und Coder, Ethiker und Ingenieure zum Thema?

Ich habe mich in einigen der größten Gruppen, die ich dazu finden konnte umgehört. Das sind die besten Antworten:

#53: Wikipedia

Wikipedia als Schnittstelle zwischen Disziplinen und Community sagt dazu:

Teilgebiet der Informatik, welches sich mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst.”

Teil der Informatik, Automatisierung und maschinelles Lernen. Alles schon mehrfach gehört, klingt nach einer vertretbaren künstliche Intelligenz Definition.

#54: Die Social Media Community

  • “To me Artificial Intelligence is just simulation of Human Intelligence, and all the techniques we have ML, DL, NLP, RL etc push us towards the goal of achieving AI.”

  • “AI is a process…”

  • “Artificial Intelligence is more or less the digital experience the system gains over a period of time via different modes of interaction with the real world.”

  • “AI is enhancing the power of humans through artificialy enhancing their understanding of big data sets.”

  • “The process of self learning by machines over the period of time to improvise on their functionality is AI…”

  • “AI is a computer that uses data on past successes and failures to improve future results.”

  • “Ai is the next gen calculator.”

  • Machine Automated Multi-Dimensional Curve Fitting„“Artificial Intelligence is ‚enabling computers to help us ( humans ) do our jobs faster with minimum repetition.”

  • “Künstliche Intelligenz ist erst dann intelligent, wenn sie Intuition beherrscht.”

  • “Artificial intelligence is a man made intelligence for computers to have the ability to make decisions on their own using machine learning, deep neural networks, computer vision etc.”

    Wir sehen auch hier gehen die Meinungen und Ansätze stark auseinander. Von Orientierung an Relationen wie Vorgängern und Nachfolgern bis hin zu konkreten Anforderungen ans Verhalten, also Turing-Test-esk.

Eine Künstliche Intelligenz Definition mit Humor & eine emergente

#55: Derick Bailey

“If it looks like a duck and quacks like a duck but it needs batteries, you probably have the wrong abstraction”

Dieses kleine Bonmot nimmt den „Humanozentrismus“ einiger KI-Forschung bzw. deren Orientierung auf die Schippe. Nur weil es bisher niemand außer dem Menschen zu Intelligenz geschafft hat heißt das nicht, dass wir KI automatisch an ihr orientieren müssen.

#56: Emergenz

„Künstliche Intelligenz ist das emergente Verhalten hinreichend komplexer Systeme

Diesen Ansatz finde ich sehr spannend. Denn er ist anders als alle bisherigen und geht doch in eine ähnliche Richtung.

Emergenz habe ich eingangs ja schon erläutert. Aber die drastische Veränderung des Verhaltens von Einzelteilen wenn genügend von Ihnen zusammenkommen ist im Kontext von künstlicher Intelligenz außerordentlich spannend.

Denn während es oftmals heißt „Genug Speicher, genug Rechenleistung, bessere Algorithmen und mehr neuronale Netze und wir knacken AGI früher oder später“, geht dieser Ansatz noch ein wenig anders vor. Und zwar a la genügend „schwache“ künstliche Intelligenzen vereint erzeugen eine „starke“ künstliche Intelligenz.

Mit menschlicher Intelligenz geht dies ja schon.

Unanimous geht zum Beispiel in eine solche Richtung, wenn auch ganz anders umgesetzt, als du es dir jetzt wahrscheinlich vorgestellt hast.

In anderen Worten: künstliche Intelligenz ist das, was passiert, wenn ein System genügend Komponenten hat. Weshalb einige Physiker es für möglich halten, dass das Internet irgendwann ein Bewusstsein entwickelt. Was ja auch eine künstliche Intelligenz wäre, wenn auch anders, als gedacht.

Künstliche Intelligenz definiert: Fazit

Das soll es fürs Erste mit Ansätzen für eine künstliche Intelligenz Definition gewesen sein. Wahrscheinlich raucht dir jetzt auch schon ein wenig der Kopf. (Meiner tut es nach diesen vielen Zeilen und Ansätzen jedenfalls)

Oder, wie es dieser Artikel zusammenfasst, welcher ebenfalls einige gebräuchliche Ansätze miteinander vergleicht:

„All the definitions above are correct, but what it really boils down to is “how close or how well a computer can imitate or go beyond, when compared to human being”“

Zum Abschluss nochmal die gängigsten Vektoren auf einen Blick:

Die perfekte künstliche Intelligenz Definition enthält wahrscheinlich die Wörter:

  • „Methoden und Verfahren“ 
  • Menschen / Tiere / Kreaturen
  • Turing Test
  • Computer
  • Imitation / Simulation
  • Denken
  • Intelligenz
  • Problem(e)
  • Lösung(en) / Ziele / Erfolg
  • Information(en)
  • Verarbeitung
  • Autonomie
  • Akteure / Agenten
  • Technologie / System(e)
  • Aufgaben
  • (Maschinelles) Lernen
  • Algorithmus
  • Automatisiert / Automatisch
  • Emergenz
  • Werkzeug(e)
  • Vergleich(bar)
  • Reaktion / Adaption
  • Software / Informatik
  • Input / Output

Wenn du das Ganze handlich zum Bingo-Spielen mit deinen Freunden nutzen willst, findest du hier die deutsche und hier die englische Version meines „künstliche Intelligenz Definitions-Bingos. Viel Freude!

Welche ist nun aber die eine? Ich schätze die einzig richtige künstliche Intelligenz Definition ist die, welche eine starke künstliche Intelligenz am Ende tatsächlich auf die Welt bringt.

Wie siehst du das? Wie definierst du KI? Und gibt es Definitionsansätze, die ich vielleicht übersehen habe?

Schreib‘ mir deine Gedanken gern in die Kommentare, ich bin gespannt!