Trends 2021: „Das Ende der Technologie“

Künstliche Intelligenz – Die Zukunft der Medizin?

Inhaltsverzeichnis

Mit der fortschreitenden Digitalisierung und dem flächendeckenden Aufbau von 5G verändert sich nicht nur das alltägliche Leben eines Jeden, es verändert sich auch viel in der Medizin und Medizintechnik. Eine der wohl bedeutsamsten dieser Entwicklungen ist der Einbezug künstlicher Intelligenz in immer mehr Bereiche der Medizin. Doch wo ist die Anwendung von KI-Technologie noch Zukunftsmusik und wo findet sich artifizielle Intelligenz tatsächlich schon als unterstützende Kraft in der Praxis/Klinik?

KI in der Medizin: Ist das die Zukunft?

Infos und Angebote zu Medizintechnik! Angebote einholen

Definition: Was ist KI in der Medizin?

KI steht für künstliche Intelligenz, oft auch AI (artifizielle Intelligenz) genannt, und beschreibt sowohl die Automatisierung intelligenten Verhaltens, als auch das eigenständige, maschinelle Lernen.

Dabei basiert die Fähigkeit des maschinellen Lernens auf bestimmten Algorithmen, die sich grob in die Segmente überwachtes und unüberwachtes Lernen einteilen lassen. Beim überwachten Lernen wird die Software unter menschlicher Aufsicht mit Daten versorgt, aus denen das System Muster erkennen und nach Abschluss der Lernphase verallgemeinert anwenden kann. Das unüberwachte Lernen beschreibt hingegen einen fortlaufenden Lernprozess, der sich aus der wiederholten Anwendung ergibt. Dieses selbstständige Lernen bedingt eine Optimierung des Systems und eine immer präzisere Erfüllung der zugeteilten Aufgabe. An dieser Stelle ist auch der Begriff Deep Learning zu nennen. Deep Learning fußt nicht nur auf der Anwendung bestimmter Algorithmen, sondern bringt ein künstlich erschaffenes neuronales Netz mit ins Spiel, das eine tiefgreifende, mehrschichtige Datenverarbeitung ermöglicht. Dabei werden kleinere Einheiten mit einfachen Aufgaben miteinander verwoben, wodurch das Lösen komplexerer Aufgaben möglich wird. Ein Beispiel für die Anwendung von Deep Learning in der Praxis, mit dem nahezu jeder Mensch in den hochtechnologisierten Industrienationen schon einmal in Kontakt gekommen ist, ist die automatische Gesichtserkennung, die beispielsweise bei der Zugangssicherung von Smartphones und anderer High-End-Elektronik Anwendung findet.

Einstmals Element aus Science-Fiction-Filmen, kommt KI heutzutage in immer mehr Bereichen des menschlichen Lebens zum Einsatz. Intelligente Sprachassistenten und Systeme wie Siri, Cortana und Alexa begleiten eine Vielzahl an Menschen durch den Alltag. Diese Entwicklung schlägt sich auch in der Medizin und Medizintechnik nieder. So finden sich verschiedenste KI-Anwendungen beispielsweise in der Bildgebung und Diagnostik.

Allerdings bedeutet künstliche Intelligenz auf dem aktuellen Stand der Technik noch nicht, dass ein Computer, eine Maschine oder ein Programm in der Lage wäre, selbstständig und vollumfänglich zu denken und Informationen auf die gleiche Weise zu verarbeiten, wie es das menschliche Hirn zu tun vermag. Wohl aber ist das selbstständige Lernen und die darauf basierende Optimierung von Arbeitsprozessen der immer gleichen Art und Weise längst Alltag geworden, so dass viele Anwendungen nicht nur dauerhaft gute, sondern sich stetig verbessernde Ergebnisse liefern. Besonders effizient lässt sich KI so beispielsweise auch im Bereich der Praxissoftware anwenden, wo die Übernahme kleiner Arbeitsschritte durch maschinelle Systeme dem Arzt viel Zeit und händische Arbeit erspart.

Vorteile und Nachteile des Einsatzes von KI in der Medizin

Die Vorteile des Einsatzes von künstlicher Intelligenz in der Medizin liegen auf der Hand. Wie in sämtlichen Branchen vermag es intelligente Software auch hier, Aufgaben und Probleme zu lösen, ohne dadurch unnötig menschliche Ressourcen zu binden. Doch sind die Ersparnis von Zeit und die Schonung des Personals nicht die einzigen Vorteile der Nutzung von künstlicher Intelligenz. Durch maschinelles Lernen kann in manchen Fällen eine steigende Genauigkeit mit der Zahl der Anwendungen erzielt werden, die den Menschen an Präzision übersteigt. Dies kommt insbesondere in Bereichen der bildgestützten Diagnostik zum Tragen.

Als besonders vorteilhaft hat sich die Anwendung von KI so zum Beispiel in der Früherkennung von schwarzem Hautkrebs erwiesen. Auch andere Anwendungsgebiete, in denen Auffälligkeiten in EKGs erkannt oder krankhafte Veränderungen des menschlichen Auges identifiziert werden müssen, hat sich der Einsatz von KI bereits bewährt.

Allerdings kennt die heutige Technik noch viele Grenzen, so dass der Mensch als Kontroll- und Entscheidungsinstanz in keinster Weise verzichtbar ist. Der auf der Hand liegende Nachteil, dass Personal durch Maschinen nicht entlastet, sondern ersetzt werden könnte, kommt somit noch nicht zum Tragen. Viel mehr ist die künstliche Intelligenz in ihrer gegenwärtigen Ausprägung eine starke Unterstützung des medizinischen Personals und hilft hier, große Datenmengen in kürzester Zeit zu verarbeiten oder medizinische Leistungen in optimaler Weise anzubieten, wo die Kapazitäten des menschlichen Gehirns begrenzt sind. Im Endeffekt verschafft der Einsatz von KI in der Medizin mehr Raum für die menschliche Betreuung des Patienten durch den Arzt und ermöglicht stellenweise den Zugang zu Fachmedizin in Regionen, die von einem Fachkräftemangel geprägt sind.

Doch selbstverständlich ist die Anwendung künstlicher Intelligenz nicht frei von Nachteilen. Insbesondere die großen gesetzlichen Hürden bei der Zulassung von KI-Produkten, aber auch der Datenschutz sind ein empfindliches Thema. Die Sammlung und Auswertung von Daten steht im Zentrum des maschinellen Lernens und ist unerlässlich für diese Art von Software, allerdings bringt vor allem die selbstständige, sich dem menschlichen Zugriff entziehende Natur dieses Verhaltens ein hohes Risikopotential mit sich. Dass so empfindliche Sicherheitslücken entstehen können, liegt auf der Hand. Nicht nur der Datenschutz, sondern auch die generelle Sicherheit der Anwendungen vor Cyberkriminalität sind elementar in der Forschung und Entwicklung rund um KI.

Einen weiteren Nachteil stellt das Unbehagen dar, das der Gedanke an eigenständig denkende und lernende Systeme in vielen Menschen auslöst. So begegnet längst nicht jeder der fortschreitenden Entwicklung von künstlicher Intelligenz ohne Misstrauen. Dem Potenzial von KI stehen insbesondere ethische Grundsatzfragen wie etwa die Sicherheit von Jobs vor dem Hintergrund der zunehmenden Digitalisierung und Robotisierung auch des Gesundheitswesens, die Zweckentfremdung und Sensibilität von durch KI generierten Daten und die generelle Sicherheit einer zunehmenden Autonomisierung von maschinellen Prozessen gegenüber.

Wo wird KI in der Medizin eingesetzt?

Die potenziellen Anwendungsmöglichkeiten von künstlicher Intelligenz in der Medizin und Medizintechnik sind vielfältig und umfassen weitaus mehr Punkte als die oben genannte bildgebende Diagnostik. So sind beispielsweise autonome KI-basierte Arbeiten direkt am Patienten wie Diagnose und Behandlung, wie man sie aus Science-Fiction-Filmen gewohnt ist, denkbar. Allerdings handelt es sich in vielen Bereichen noch um Zukunftsmusik und bestenfalls laufende Forschungsprojekte. Die Anwendung komplexer Aufgaben, die eine Datenbankabfrage bei weitem übersteigen, erscheint in der alltäglichen Praxis noch fern. An anderer Stelle ist KI hingegen schon heute nicht mehr wegzudenken.

KI in der Medizintechnik

Insbesondere in der Medizintechnik ist die Einbindung von artifizieller Intelligenz in die Entwicklung von Maschinen und Medizingeräten von großer Bedeutung. Denn automatisierte und im Idealfall auf den individuellen Patienten abgestimmte maschinelle Prozesse entlasten den Arzt in der Klinik enorm und verschaffen Unternehmen einen Wettbewerbsvorteil. Allerdings ist die flächendeckende Einbindung von künstlicher Intelligenz noch fern.

Vielfach fehlen belastbare Daten, mit denen Maschinen trainiert werden können. Da diese in der klinischen Praxis oder in extrem realitätsnahen Szenarien gewonnen werden müssen, ist der Aufwand für Unternehmen in der Entwicklung sehr hoch, oftmals zu hoch, um in einer klassischen Kosten-Nutzen-Rechnung zu bestehen, so dass das Potenzial, das durch KI geboten wird, unerschlossen bleibt.

Anders sieht dies in Bereichen wie der Bildgebung und Bilderkennung aus, in denen sich das Training der Maschinen und das maschinelle Lernen leichter gestaltet, als im Rahmen autonomer Mensch-Maschine-Interaktion. So sind gerade im Bereich bildgebender Verfahren und bildgestützter Diagnostik Unmengen an Daten in digitalisierter Form verfügbar, mit denen die Maschinen trainiert werden können. Dies erspart Zeit in der Entwicklung und treibt die Einbindung von KI in Bereichen voran, in der der Stand von Forschung und Digitalisierung bereits ein hohes Maß erreicht hat.

Die Art der Technik, in der aktuell KI zugelassen ist, weist KI in der heutigen Ausprägung eine rein unterstützende Rolle zu. So werden Ärzte spielend leicht durch die Untersuchungen geführt. Bilder müssen nicht manuell nachbearbeitet werden, um ein Maximum an Schärfe und Detailgetreue zu gewinnen, weil die Maschine das technische Potenzial von selbst ausschöpft. Auch der Abgleich mit bereits vorhandenen Daten erfolgt mit enormer Geschwindigkeit, was eine schnelle Diagnostik bekannter Krankheitsbilder, die sich optisch klar erkennbar zeigen, ermöglicht.

KI-unterstützte MRT-, Röntgen- oder EKG-Geräte sind richtungsweisende Elemente, die in der medizinischen Praxis täglich Anwendung finden.

KI in der Bildgebung

Die Anwendung von KI in der Bildgebung und -erkennung stellt einen der heute ausgereiftesten und wichtigsten Aspekte des Einsatzes von künstlicher Intelligenz in der Medizin dar. Viele moderne Systeme aus dem bildgebenden Bereich wie MRT- oder Röntgengeräte arbeiten mit intelligenter Software, um das Maximum der technischen Möglichkeiten auszuschöpfen. Dabei leistet die künstliche Intelligenz vor allem eine Optimierung der Arbeitsabläufe, so dass der Anwender mit Hilfe der Maschine zeitsparend und effektiv durch die Untersuchung geführt wird. Gepaart mit Hilfestellungen, um das Gerät auf die konkrete Untersuchungssituation passend einzustellen und einer späteren digitalen Optimierung der aufgenommenen Schicht- und Schnittbilder entstehen bei der Anwendung von Software wie beispielsweise Canon Medicals AiCE glasklare Bilder ohne störendes Rauschen. Je klarer diese Bilder, desto höher ist die Wertigkeit für die medizinische Diagnostik, was genauere Ergebnisse der Untersuchungen garantiert.

Die Erstellung optimierter Aufnahmen ist nicht der einzige Bereich der bildgebenden Verfahren, in dem KI zum Einsatz kommt. Auch die Auswertung der gewonnenen Bilder (Bildinterpretation) kann zumindest im Rahmen von Forschungsprojekten vollständig von künstlicher Intelligenz übernommen werden. Dabei werden die gewonnen Bilder durch die Anwendung bestimmter Algorithmen und unter Rückbezug auf Deep Learning Mechanismen mit den dem System bekannten Daten abgeglichen. Sobald ein schadhaftes oder durch seine unbekannte Ausprägung auffälliges Merkmal identifiziert werden kann, gibt das System entweder einen Hinweis an den behandelnden Arzt oder sogar eine Diagnose aus. Die Diagnosestellung durch KI ist hierbei ein besonders empfindlicher Bereich.

KI in der medizinischen Diagnostik

Auf Basis bereits bestehender Daten und über die lange Geschichte der modernen Medizin hinweg gewonnen Erkenntnisse lassen sich Maschinen gezielt auf die Identifikation bestimmter Merkmale und somit auch bestimmter Krankheiten und deren symptomatischer Ausprägung trainieren. Diese Art von KI lässt sich in der Diagnostik nutzen, um eine bestimmte Ausprägung eines Merkmals von anderen, ähnlich gearteten Ausprägungen zu unterscheiden. So ist es in der Praxis möglich, dass schwarzer Hautkrebs mit hoher Genauigkeit von anderen Veränderungen der Haut wie Pigmentflecken abgegrenzt werden kann. Tatsächlich liegt die Genauigkeit der künstlichen Intelligenz in diesem Feld höher, als die darauf ausgebildeter Menschen. Dies zeigen zumindest aktuelle Studienergebnisse aus einer Kooperation des Deutschen Krebsforschungszentrums, der Universitäts-Hautklinik und des Nationalen Centrums für Tumorerkrankungen Heidelberg.

Der große Vorteil des Einsatzes von KI in der medizinischen Diagnostik ist zugleich einer ihrer Nachteile. Der exakte Vergleich der aktuellen Probe mit den bereits bekannten Daten ohne die Einbindung persönlicher, menschlicher Entscheidungskriterien kann auf der einen Seite eine hohe, objektive Genauigkeit ermöglichen. Denn die Komplexität des maschinellen “Denkens” ist noch begrenzt. Auf der anderen Seite sorgt dies auch dafür, dass eben jene Entscheidungskriterien, die sich auf der menschlichen Ebene abspielen, von der Maschine nicht erfasst werden können. Sie arbeitet mit den Daten, die ihr in dem konkreten Moment zur Verfügung stehen, während der behandelnde Arzt Lücken oder Unstimmigkeiten in der Krankengeschichte oder in der Ausprägung in der Situation erkennen und darauf eingehen kann. Die menschliche Dynamik kann durch KI noch nicht ersetzt werden.

Um eine Diagnose rein anhand vorliegender Bilddaten, Blutwerte oder anderen Fakten durchzuführen, ist künstliche Intelligenz allerdings ein nützlicher Helfer, wenn nicht sogar ein Mittel zur Optimierung von Genauigkeit und Zuverlässigkeit der Diagnostik.

KI in der medizinischen Forschung

Künstliche Intelligenz ist für die medizinische Forschung in zweierlei Hinsicht relevant. Zum einen als unterstützendes Element, das Forschung und hier konkret die Erhebung und Auswertung von Daten erleichtert, zum anderen im Rahmen von Projekten, bei denen die Anwendungsmöglichkeiten künstlicher Intelligenz untersucht oder Software für konkrete Problemlösungen entwickelt wird.

Unterstützend zeigt der Einsatz künstlicher Intelligenz in der Medikamentenentwicklung sein Potenzial, denn dort kann die Anwendung von KI nicht nur für eine besonders präzise Auswahl der Studienteilnehmer genutzt werden, sondern auch als Frühwarnsystem dienen, wenn die Studie keine belastbaren Daten liefert oder anderweitige Mängel aufweist. So erhöht sich die Reaktionsfähigkeit der Forschenden und die Zeit der Medikamentenentwicklung kann sich deutlich verkürzen. Die Auswertung der gewonnenen Daten wird zudem durch den Einsatz darauf spezialisierter KI-Technologie erleichtert und nimmt einen Bruchteil der Zeit in Anspruch, die die manuelle Auswertung brauchen würde.

Ein weiteres Feld, in dem KI in der Forschung bereits erfolgreich zur Anwendung kommt, ist die Identifikation geeigneter Stoffe für die Medikamentenentwicklung. Hier macht sich der positive Effekt maschinellen Lernens besonders bemerkbar, da er zur Eingrenzung so genannter False Positives, also fälschlicherweise als passend identifizierter Stoffe genutzt werden kann. Das System erkennt mit der Häufigkeit der Anwendungen und der wachsenden zur Verfügung stehenden Datenmenge immer genauer Fehler in den Vorschlägen und hilft somit, eine Forschung in die falsche Richtung zu vermeiden und die Entwicklung von Medikamenten schneller und sicherer voranzutreiben. Dabei dient es vor allem der Überwachung anderer Systeme und der Fehlerbehebung in Datensätzen, die ebenfalls durch Software und nicht durch den Menschen selbst generiert wurden.

Als Forschungsprojekt kommt KI im Bereich der Medikamentenentwicklung ebenso zum Einsatz, denn nur durch das Durchführen valider Studien kann gesichert werden, dass die KI später in der Praxis wirklich sicher und präzise Arbeitsabläufe unterstützen oder sogar vollständig übernehmen kann.

Dies ist allerdings nicht der einzige Bereich, in dem gegenwärtig geforscht wird.

So liegen große Hoffnungen in dem Bereich durch artifizielle Intelligenz unterstützter Operationen. Insbesondere im Segment der Neurochirurgie, wo Merkmale des Schädels eines Patienten und auch dessen Gehirns durch den Chirurgen ertastet werden müssen, könnte die Einbindung von KI in die Behandlung ein richtungsweisender Fortschritt sein. Ein Beispiel für die konkrete Forschung ist das Projekt HoloMed, bei dem eine spezialisierte Software entwickelt wird, die während der Operation mittels Augmented Reality, also erweiterter Realität über eine dafür speziell angefertigte Brille ausgeführt wird. Die Software bezieht ihre Daten aus ohnehin vorhandenen Patientendaten wie CT- und MRT-Aufnahmen und erstellt einen auf der Basis der jeweiligen anatomischen und pathologischen Besonderheiten aufbauenden Operationsplan. Erstes Ziel ist es, die Punktion von Ventrikeln im Gehirn mit dieser Methode zu optimieren. Zukünftig könnte HoloMed allerdings auch in anderen Bereichen der Medizin während Operationen und insbesondere in der Ausbildung Anwendung finden.

Neben der Unterstützung von Operationen sind weitere Anwendungsfelder in der Medizin denkbar und werden zum Teil aktiv erforscht. Eines dieser Anwendungsgebiete ist der Einsatz von künstlicher Intelligenz in der Notfallversorgung und hier insbesondere in der Behandlung schwerverletzter Personen.

Zu nennen wäre hier das Projekt “Leitsystem zur Optimierung der Therapie traumatisierter Patienten bei der Erstbehandlung”, kurz LOTTE, das vom Fraunhofer IAIS in Kooperation mit diversen Partnern aus dem Gesundheitswesen und den Rechtswissenschaften ins Leben gerufen wurde. Ziel des Systems ist es, die Datenweitergabe vom ersten Anruf bei der Leitstelle bis hin zum Eintreffen des Patienten im Schockraum so genau und vollumfänglich zu gestalten, wie nur möglich. Die automatische Umwandlung aller erhaltenen Informationen in Datensätze, aus denen sich wiederum Informationen über den Zustand des Patienten und notwendige Erstversorgungsmaßnahmen ergeben, die durch Maschinen ausgewertet und dem Fachpersonal optimal aufbereitet mitgeteilt werden können, bildet das Zentrum des Projekts. Ziel ist es, Zeit zu sparen und lebensnotwendige Behandlungen schneller einleiten zu können, als das unter normalen Umständen der Fall wäre. Die Technik bildet an dieser Stelle eine wertvolle Unterstützung des menschlichen Teams.

Die Forschung rund um artifizielle Intelligenz in Medizin und Medizintechnik hält noch einiges mehr bereit: von Bot-Systemen, die bei der Einordnung von Patienten in der Notaufnahme helfen sollen und technischen Unterstützern für Hausärzte und Therapeuten, deren Ziel es ist, die zwischenmenschliche Interaktion effizienter zu gestalten und Kapazitäten für die wesentlichen Aspekte in der Therapie bereitzustellen, über diverse andere, an Sci-Fi grenzende Ideen. Wobei Kosten, Nutzen und moralische Vertretbarkeit des jeweiligen Projektes jedes Mal aufs Neue abgewogen werden müssen. Denn neben den finanziellen Aspekten ist es vor allem die Ethik, die begrenzenden Einfluss auf die Entwicklung intelligenter Technologien nimmt.

KI bei der Unterstützung von Operationen

Neben HoloMed gibt es viele weitere Projekte rund um den zukünftigen Einsatz von KI bei Operationen. Auch, wenn sie alle gemeinsam haben, dass es sich um Systeme in der Testphase handelt, offenbaren sie das Potenzial, das der Einsatz von künstlicher Intelligenz in der Chirurgie mit sich bringt.

So soll das mit 1,5 Millionen Euro geförderte Projekt Arailis beispielsweise Informationen, die vor der Operation bereits vorhanden sind, wie etwa die Lage von Tumoren, für den Operateur nutzbar machen und im Rahmen einer Livekamerasicht verschmelzen. Weiterhin soll so die gleichzeitige Nutzung von Navigationssensoren, bildgebenden Verfahren wie dem Ultraschall und weiterem Bild- und Videomaterial ermöglicht werden. Neben der KI-basierten Unterstützung des Operierenden steht bei Arailis auch die Ermöglichung minimalinvasiver Operationen im Fokus, so dass im Endeffekt nicht nur der Anwender, sondern auch der Patient im hohen Maße von dem System profitieren könnte.

Weitere aktuelle Projekte beschäftigen sich ganz ähnlich wie Arailis mit der Optimierung von operativen Eingriffen und dem Ausschöpfen des vollen Potenzials der KI, um minimalinvasive Operationen in sämtlichen Bereichen der Chirurgie zu ermöglichen. Auch die Genauigkeit der durchgeführten Operationen steht im Fokus der Entwickler, so sollen zuvor berechnete 3D Modelle von Organen und krankhaften Strukturen dem medizinischen Personal die Möglichkeit geben, sich noch genauer zu orientieren. Andere Systeme berechnen die Bewegung der Organe im Bauchraum und leiten den Operateur auf Basis dieser Daten ganz gezielt durch Operationen im Bauchraum.

KI in der medizinischen Robotik

Nicht nur in der Industrie, sondern auch in der Medizin spielen Roboter eine immer größere Rolle. Die Königsdisziplin stellt dabei die Verbindung medizinischer Roboter mit künstlicher Intelligenz dar, die es ermöglichen soll, eigenständiger und sicherer agierende Systeme zu erschaffen, die das menschliche Team unterstützen, optimale Ergebnisse zu erzielen.

Ein Beispiel für den erfolgreichen Einsatz von Robotern in der Medizin, in diesem Falle der Chirurgie, ist der Da Vinci-Roboter. Das mit Kameras gespickte Modell unterstützt bereits heute Ärzte bei schwierigen Krebs-OPs, da es dem Anwender einen dreidimensionalen Blick auf den Tumor ermöglicht. Durch die Zuverlässigkeit der Maschine konnte sich die Erfolgsquote von Tumor-Operationen am Uniklinikum Dresden beispielsweise sichtbar verbessern.

Woran es dem Roboter mangelt, ist jedoch das Gefühl für den Operationsbereich, denn anders als ein Mensch reagiert die Maschine nicht eigenständig darauf, wenn sie eine Struktur im Körper des Patienten berührt. Die Forschung im Bereich KI und Robotik setzt an dieser Stelle an. So wird ebenfalls wieder im Rahmen des Projektes Arailis daran geforscht, Maschinen zu intelligenteren Untersützern im Operationssaal zu machen. Mit Hilfe von Daten aus bildgebenden Verfahren, daraus generierten 3D Modellen und maschinellem Lernen sollen Roboter und andere KI-basierte Hilfssysteme im OP eigenständig erkennen und den Operateur warnen, wenn sie einem Nerv zu nahe kommen oder ein Blutgefäß zu verletzen drohen. Bereits heute unterstützen Systeme wie der Da Vinci-Roboter oder das CorPath GRX von Corindus die Ärzte erfolgreich in der Praxis und ermöglichen es im Falle des Corindus, für den Patienten neben einer gesteigerten Präzision während der Operation auch weitere Vorteile, wie eine verringerte Strahlendosis während notwendiger bildgebender Verfahren zu erzielen.

Durch KI personalisierte Medizin

Neben der praktischen Anwendung kann KI Mediziner auch in der Theorie unterstützen, um den praktischen Umgang mit dem Patienten und dessen Behandlung durch den Arzt zu optimieren. Auf Basis von maschinellem Lernen und großen Datenmengen soll es beispielsweise ermöglicht werden, für jeden Patienten individuell zugeschnittene Behandlungspläne und optimale Medikationsempfehlungen zu generieren. Da es sich hier vor allem um Aufgaben aus dem statistischen Bereich, die Berechnung von Wahrscheinlichkeiten für das bestmögliche Ergebnis unter bestimmten Voraussetzungen und die Verarbeitung enormer Datenmengen handelt, liegt der Einsatz künstlicher Intelligenz in diesem Segment besonders nahe, da die für den Menschen enorm komplizierte Arbeit an dieser Stelle automatisiert werden kann. So vergleicht das System ihm bekannte, dem konkreten Fall ähnliche Fälle, deren Behandlungen und Ergebnisse miteinander und identifiziert auf Basis dessen Merkmale, die zum bestmöglichen Ergebnis geführt haben. Im Endeffekt kann der Arzt so entlastet und die Lebenserwartung des Patienten erhöht werden, da die Wahrscheinlichkeit von nicht optimal zu den individuellen Bedürfnissen des Einzelnen passenden Medikation und Behandlungsmethoden minimiert wird.

Förderung von KI in der Medizin

Das große Potenzial, das die Anwendung künstlicher Intelligenz im Bereich der Medizin und Medizintechnik bietet, steht der aktuellen Limitierung durch den Kostenaufwand in der Forschung und dem unternehmerischen Gewinn durch Investition in diese Kostendeckung entgegen.

Eine Übernahme von Untersuchungs- und Pflegeprozessen durch einen maschinellen Unterstützer ist in der Praxis zum gegenwärtigen Zeitpunkt nicht möglich. Dabei könnte gerade dieses Anwendungsgebiet Ärzte und Pfleger massiv entlasten und ihnen mehr Zeit für den Umgang mit den Patienten an genau den Stellen schaffen, an denen sie bitter benötigt wird. Um den Fortschritt im Bereich der Forschung rund um künstliche Intelligenz von unternehmerischen Interessen und Überlegungen zu entkoppeln, gibt es eine Reihe staatlicher Förderungsprogramme.

Zu nennen wäre an dieser Stelle insbesondere die KI-Strategie der Bundesregierung, die sich nicht alleine auf die Forschung und Entwicklung von künstlicher Intelligenz in der Medizin, sondern ganz allgemein bezieht. Ziel ist es, Deutschland in diesem Bereich wettbewerbsfähig zu halten und als attraktiver Standort während und nach der Coronapandemie bestehen zu können. Zu diesem Zweck stellt die Bundesregierung Gelder in Höhe von 5 Milliarden Euro zur Verfügung, um die drei wesentlichen Ziele der Bundesregierung zu verfolgen:

Deutschland und Europa in eine führende Position im Wettbewerb um Entwicklung und Anwendung von KI-Technologien zu bringen und die Wettbewerbsfähigkeit des Standortes Deutschland zu sichern Die Sicherung eines verantwortungsvollen und dem Gemeinwohl dienlichen Umgangs mit künstlicher Intelligenz, deren Entwicklung und Nutzung Einbettung von KI in die Gesellschaft und den gesellschaftlichen Dialog unter Einbezug ethischer, rechtlicher, kultureller und institutioneller Gesichtspunkte

Konkrete Anwendung finden diese Gelder beispielsweise in der Schaffung neuer Lehrstellen an Hochschulen.

Eine Förderung von KI speziell in der Medizintechnik erfolgt beispielsweise in Baden-Wüttemberg. Hier werden im Rahmen des Forums Gesundheitsstandort Baden-Wüttemberg Projekte wie das Anwendungszentrum für intelligente Maschinen in der Medizintechnik, kurz ANIMMED, gefördert. Die Fördersumme beträgt dabei rund 14 Millionen Euro. Förderziel ist, die Anwendung von KI in der Medizintechnik unabhängig von unternehmerischen Überlegungen voranzutreiben und das Potenzial weiter auszuschöpfen, als es zum gegenwärtigen Zeitpunkt geschieht.

Datenschutz und KI in der Medizin

Das Thema Datenschutz trägt ein besonderes Gewicht, wenn der Bereich der künstlichen Intelligenz betrachtet wird. Schon aus dem Grund, dass das maschinelle Lernen nicht ohne erhebliche Datenmengen funktioniert, muss der Datenerhebung, -speicherung und -verarbeitung besondere Aufmerksamkeit zukommen. Dies gilt sowohl im allgemeinen Umgang mit KI als auch im medizinischen Bereich, wo mit der Verarbeitung von Patientendaten sehr sensible Informationen betroffen sind.

Ein Bereich von großer Sensibilität umfasst den Prozess jenes maschinellen Lernens, das auf eigenständiger Basis abläuft und eine äußere Kontrolle und Nachvollziehbarkeit der Datenverarbeitung nur bedingt möglich macht. Rechtliche Fragen, die den Datenschutz betreffen, sind an dieser Stelle auch eng mit ethischen Überlegungen verwoben. Die Frage danach, was KI können darf, sollte deshalb der Frage übergeordnet werden, welches Potenzial den technischen Möglichkeiten entspricht.

Jenseits dieser Grundsatzdiskussion gibt es aber auch heute schon einen gewissen rechtlichen Rahmen, der den Datenschutz in Bezug auf künstliche Intelligenz umfasst. Zu nennen wäre an dieser Stelle vor allem die DSGVO, vor deren Hintergrund eine Pseudonymisierung und eine dadurch einhergehende Anonymisierung aller personenbezogenen Daten von entscheidender Bedeutung ist. So kann der Anwendungsbereich der DSGVO im Idealfall mittels einer erfolgreichen Anonymisierung der verwendeten Daten verlassen werden, was den rechtlichen Umgang mit der Materie erheblich erleichtert.

Ist ein Verlassen des Anwendungsbereiches der DSGVO nicht möglich, bleibt in der Regel die Notwendigkeit einer Datenschutz-Folgeabschätzung bestehen. Bei einem solchen Datenschutz-Folgeabschätzung werden datenschutzrelevante Aspekte schon in die Planungsphase des KI-Projektes einbezogen, so dass spätere Problemfelder frühzeitig eliminiert werden können.

Eine Unterscheidung ist an dieser Stelle in die Optionen Privacy by Design, also eine datenschutzkonforme Gestaltung der Technik und Privacy by Default, sprich datenschutzfreundliche Voreinstellungen, möglich.

Ergänzt werden diese dem Datenschutz entsprechenden Grundlagen durch eine gewisse Transparenz des eingesetzten Algorithmus. Ein Hindernis kann hierbei das komplexe, von außen nicht mehr nachvollziehbare maschinelle Lernen mittels neuronaler Netze, das so genannte Deep Learning, darstellen. Durch den Blackbox-Effekt, der sich auf Grund der Komplexität und der schwindenden Nachvollziehbarkeit der Abläufe ergibt, die zu einem bestimmten Ergebnis führen, ist die eigentlich notwendige Transparenz zum Teil nicht mehr zu gewährleisten.

Zwar gibt es die Möglichkeit, die inneren Prozesse mittels Blackbox-Tickering, also einer Form des operativen Monitorings, nachvollziehbar zu machen, indem man den Algorithmus mit Rohdaten füttert und das ursprüngliche Ergebnis mit dem Ergebnis vergleicht, das man erhält, wenn man nur ein Merkmal verändert. Im Falle hochkomplexer Abläufe gerät allerdings auch diese Methodik an ihre Grenzen.

Die verwendeten Algorithmen können zudem noch anderweitig zu einem Interessenkonflikt mit der DSGVO führen. Nämlich dann, wenn Nachvollziehbarkeit und Gewährleistung des Datenschutzes die Offenlegung eines Algorithmus, bei dem es sich um ein geschütztes Gut handelt, verlangen.

Um hinsichtlich des Datenschutzes und der Gesetzeslage auf der sicheren Seite zu sein, bleibt Entwicklern von künstlicher Intelligenz sowohl im medizinischen Bereich als auch allgemein letztendlich nur die Beratung durch Fachanwälte, die sich genauestens in den konkret vorliegenden Fall einzudenken vermögen.

Rechtliches rund um KI in der Medizin

Neben dem Feld des Datenschutzes gibt es weitere rechtliche Faktoren, die sich auf die Entwicklung und die praktische Anwendung künstlicher Intelligenz in der Medizin auswirken.

Besonders wichtig ist es an dieser Stelle zu erwähnen, dass es sich bei der künstlichen Intelligenz um Technologie handelt, an der zwar schon viel geforscht wird, die aber trotzdem noch in den Kinderschuhen steckt. Dadurch, dass KI an sich eine neue Errungenschaft unserer Zeit ist, sind rechtliche Rahmenbedingungen für den Umgang mit künstlicher Intelligenz, insbesondere aber mit eigenständig lernenden Systemen, nicht in ausgereifter Form gegeben.

Vielfach besteht Nachbesserungsbedarf. Dieser Zustand betrifft nicht nur die Segmente Datenschutz und Schutz der Grundrechte eines jeden Bürgers, sondern bezieht sich auch auf den juristischen Rahmen für die Zulassung von Medizintechnik und anderen Produkten, die mit künstlicher Intelligenz ausgestattet sind und das Gesundheitswesen bedienen.

Im Zeitraum von 2014 bis Ende 2020 wurden zwar mehr als 40 KI-basierte Produkte durch die Food and Drug Administration für den US-Markt zugelassen und einige dieser Produkte auch in Europa unter Anwendung der Richtlinie 93/42/EWG für Medizinprodukte in den Verkehr gebracht. Allerdings werden die Zulassungsbedingungen in der Allgemeinheit oft als schwammig bezeichnet, da die rechtliche Basis durch die technologische Entwicklung überholt wurde.

Diese Tatsache führt auch dazu, dass KI-Algorithmen für die Zulassung oftmals eingefroren und ihres vollen Potenzials beraubt werden. Die Schaffung eines soliden, auf die Problemfelder, die die Anwendung künstlicher Intelligenz in der Medizin mitbringt, abgestimmten Rahmens, der der angewendeten Technologie dennoch den größtmöglichen Raum lässt, um ihr volles Potenzial zu entfalten, ist zwingend erforderlich.

Ethische Betrachtung von KI in der Medizin

Der Trend hin zu einem vermehrten Einsatz von künstlicher Intelligenz in der Medizin ist klar erkennbar. Allerdings bedeutet der Fortschritt der Technik in diesem Bereich auch, dass ein besonderes Maß an Vorsicht von Nöten ist. Auf diese Entwicklung haben beispielsweise der Deutsche Ethikrat und die High-Level Expert Group on Artificial Intelligence der EU-Komission reagiert.

Dabei spielt vor allem die ethische Betrachtung in der Entwicklung von KI-Technologien, auch als Embedded Ethics bezeichnet, eine entscheidende Rolle. Denn insbesondere in diesem Feld der Forschung und Digitalisierung des medizinischen Sektors ist es wichtig, darauf zu achten, welche weitreichenderen Auswirkungen als nur die Erfüllung einer konkreten Aufgabe die Entwicklung von künstlicher Intelligenz und auf ihr basierender Maschinen und Systeme mit sich bringt und welche Konsequenzen sich daraus ergeben.

Die Dreiecksbeziehung aus medizinischem Personal, künstlicher Intelligenz und dem Patienten bringt neue Spannungsfelder mit sich. Insbesondere stellt sich die Frage, wie viel Verantwortung artifizielle Intelligenz tragen kann, darf und sollte. Welche Entscheidungen kann der Arzt der Maschine überlassen, welche muss er selbst treffen? Ab wann ist es vertretbar, dass die Entscheidung der Maschine über der des Arztes steht, oder schließt die menschliche Komponente diese Verschiebung der Machtverhältnisse aus, da die Beziehung zwischen Arzt und Patient und das menschliche Vertrauensverhältnis als entscheidend für die Genesung bewertet werden kann?

Die Aufgabe von Ethikern, die die Entwicklung künstlicher Intelligenz betreuen, ist es nicht nur, diese und ähnliche Fragen zu beantworten.

Sie reicht von der Betrachtung der menschlichen Bedürfnisse von Probanden und später Patienten, die mit den zu testenden Systemen konfrontiert sind, in manchen Forschungsgebieten sogar mit ihnen leben, bis hin zu der Fragestellung, wie viel echte Intelligenz der künstlichen Intelligenz überhaupt vertretbar ist und wie viel Verantwortung ein nichtmenschliches System tragen darf. Auch beschäftigt sich die ethische Betrachtung von artifizieller Intelligenz mit Grundsatzfragen wie das Ausmaß, das eigenständiges, maschinelles Denken annehmen sollte, damit es sich bei den Systemen weiterhin um Hilfssysteme handelt, die den Menschen unterstützen und nicht irgendwann, wie in einigen Sci-Fi-Dystopien bereits thematisiert, um Systeme, die den Menschen bei weitem übertreffen. Denn ab wann denken Maschinen wirklich, ab wann sind sie zu höheren kognitiven Leistungen in der Lage und müssten somit anders behandelt und bewertet werden, als es zur gegebenen Zeit noch der Fall ist?

Gerade bei einer revolutionären Technik wie der Erschaffung künstlicher Intelligenz sind dies zentrale Fragen. Nicht nur um reale Problemen zuvor zu kommen, sondern auch, um die Akzeptanz für die Systeme zu erhöhen. Die Grenze zwischen faszinierender und hilfreicher Technik und dem Unwohlsein verursachenden Unberechenbaren erscheinen für viele Menschen fließend. Die Ethische Betreuung nicht nur von Forschungsprojekten, die sich dem Einsatz künstlicher Intelligenz in der Medizin verschrieben haben, sondern von allen Projekten, die mit der Entwicklung künstlicher Intelligenz arbeiten, ist insbesondere mit Blick auf die Zukunft ein entscheidender Faktor.

Infos und Angebote zu Medizintechnik! Angebote einholen

Die 10 wichtigsten Tech-Trends 2022

Im Einzelnen identifiziert die Alibaba DAMO Academy folgende zehn Technologietrends für die nächsten zwei bis fünf Jahre:

1. Konvergenz von Cloud, Netzwerk und Geräten

Die rasante Entwicklung neuer Netzwerktechnologien beschleunigt die Evolution des Cloud Computings hin zu einem neuen Computersystem - der Konvergenz von Cloud, Netzwerk und Geräten mit klarer Arbeitsteilung. Es wirkt als Katalysator für anspruchsvollere Anwendungen wie etwa hochpräzise Industrie-Simulationen– sowie Qualitätsprüfungen in Echtzeit und Mixed Reality. Schon in den nächsten zwei Jahren soll eine Flut von Use Cases auf dem neuen Computersystem laufen.

2. KI für die Wissenschaft

Maschinelles Lernen kann riesige Mengen multidimensionaler und multimodaler Daten verarbeiten sowie komplexe wissenschaftliche Probleme lösen. Damit beschleunigt es nicht nur die wissenschaftliche Forschung, sondern trägt sogar zur Entdeckung neuer wissenschaftlicher Gesetze bei. In den nächsten drei Jahren wird KI eine breite Anwendung in der Forschung und einigen Grundlagenwissenschaften finden.

3. Photonische Siliziumchips

Beim High Performance Computing (HPC) stoßen elektronische Chips an ihre physikalischen Grenzen. Einen Ausweg eröffnet die Silizium-Photonik-Technologie, die durch Cloud Computing und KI eine rasante Entwicklung erfährt. Sodass schon in den nächsten drei Jahren Hochgeschwindigkeits-Datenübertragungen in großen Rechenzentren zum Teil über photonische Siliziumchips laufen könnten.

4. KI für erneuerbare Energien

Die größten Herausforderungen bei der Erschließung erneuerbarer Energien sind nach wie vor die Netzintegration, Energienutzungsrate und die Speicherung. Neben Effizienzsteigerungen auf vielen Ebenen unterstützt Künstliche Intelligenz die Automatisierung von Stromsystemen sowie eine bessere Ressourcennutzung und Stabilität. In den nächsten drei Jahren trägt sie damit maßgeblich zur Integration erneuerbarer Energiequellen in das Stromnetz bei.

5. „Hochpräzise“ Medizin

Mit Künstlicher Intelligenz können Ärzte Krankheiten genauer und schneller diagnostizieren, behandeln, prognostizieren und möglicherweise sogar verhindern. Deshalb wird patientenzentrierte Präzisionsmedizin mit KI-Unterstützung in den nächsten Jahren viele Bereiche des Gesundheitswesens ganz erheblich beeinflussen.

6. Geschützte Datenverarbeitung

Dedizierte Chips, Krypto-Algorithmen und Whitebox-Implementierungen sorgen für Datenschutz auch bei großen Datenmengen und bei der Integration von Daten aus verschiedenen Quellen. In den nächsten drei Jahren sind bahnbrechende Verbesserungen in der Leistung und Interpretierbarkeit von Ergebnissen unter Wahrung der Privatsphäre zu erwarten.

7. Erweiterte Realität (XR)

Mixed Reality legt den Grundstein für ein neues industrielles Ökosystem mit elektronischen Komponenten, Betriebssystemen und Anwendungen. Es revolutioniert die Art und Weise, wie Menschen mit Technologien im privaten und beruflichen Umfeld interagieren. In den nächsten drei Jahren wird eine neue Generation von XR-Brillen, die sich in Aussehen und Haptik nicht von gewöhnlichen Brillen unterscheiden, den Einstieg in die nächste Generation des Internets erlauben.

8. Soft-Robotik

Nachgiebigere Materialien sowie Fortschritte bei der Umgebungs- und Selbstwahrnehmung unterscheiden Soft Robots von ihren „starren“ Verwandten. Basis dafür sind modernste Technologien wie flexible Elektronik, druckadaptive Stoffe und KI. Damit stellt die Soft-Robotik einen wichtigen Baustein für die Fertigungsindustrie auf ihrem Weg hin zur Kleinserienproduktion dar. In den nächsten fünf Jahren wird sie herkömmliche Roboter in der Fertigungsindustrie ablösen und zu einem breiteren Einsatz von Servicerobotern in Alltag führen.

9. Satellitengestütztes und terrestrisches Computing

Ein integriertes System verbindet Satelliten in der hohen (HEO) sowie niedrigen Erdumlaufbahn (LEO) mit terrestrischen Mobilfunknetzen und erreicht so eine nahtlose, multidimensionale Abdeckung. Damit kommen dünn besiedelte Gebiete wie Wüsten, Meere und selbst der Weltraum in den Genuss digitaler Dienste. In den nächsten fünf Jahren werden Satelliten und terrestrische Systeme ein integriertes Netzsystem für eine allgegenwärtige „Verbundenheit“ bilden.

10. Co-Evolution von KI-Modellen im großen und kleinen Maßstab

Modelle für das Large Scale Pre-training sind ein zentraler Faktor für den Übergang von schwacher zu allgemeiner KI. Höhere Leistungsfähigkeit wird jedoch mit einem hohen Stromverbrauch erkauft. Deshalb liegt die KI-Zukunft eher in der Co-Existenz von großen und kleinen Modellen über Clouds, Edges und Devices hinweg.

Trends 2021: „Das Ende der Technologie“

Ausblick 2021 Trends 2021: „Das Ende der Technologie“

Physikalische Grenzen bei Halbleitern, zunehmender Protektionismus, unterbrochene Lieferketten, Wettlauf um Ressourcen, Konfliktmineralien, Umweltprobleme, Corona etc. – globale, gigantische Probleme kommen auf uns zu. Nur mit Mut zu Veränderungen werden wir sie meistern.

Die Zukunft fordert Grüne Elektronik: Aktuelle Hightech-Produkte hinterlassen einen zu großen CO2-Fußabdruck. (Bild: clipdealer)

Das Jahr 2020 wird überraschenderweise, zumindest vom allgemeinen Standpunkt des Komponentenmarktes aus betrachtet, nicht negativ enden, sondern um einige Prozent wachsen. Bei der Distribution sieht es bedauerlicherweise etwas anders aus.

Tatsächlich haben sich die Vorlaufzeiten für viele Produkte verlängert, und wenn wir nicht durch eine weitere Welle weitreichender Lockdowns zu Fall gebracht werden, sind die Aussichten für 2021 eher positiv als negativ. Laut den renommierten Marktforschern IC Insights und VLSI Research (2018) sind die längerfristigen Aussichten für den Komponentenmarkt mit einem Marktvolumen von mehr als 1000 Mrd. US-$ bis 2030 sehr positiv. Wenn es nicht einige große „ifs“ gäbe.

Bedenkt man, dass trotz Covid-19 einige große gesellschaftliche Probleme – insbesondere der Klimawandel – nach wie vor sehr präsent sind, und berücksichtigt man die weit verbreitete Vorstellung, dass der Wendepunkt zur Klimaregulierung nach Ansicht vieler Experten weniger als zehn Jahre entfernt ist, liegt es nahe, die Trends in der Hightech-Industrie zu betrachten. Denn diese Branche verspricht Innovation zum Wohle der Allgemeinheit und vermittelt den Mythos, dass nur die Technologie das Spiel verändern kann. Ist das wirklich wahr? Und wenn nicht, was muss dann geschehen? Was muss die Industrie tun, um das Versprechen in eine glaubwürdige Realität umzuwandeln?

Beginnen wir mit der Auflistung einiger wichtiger Fakten und Herausforderungen für unsere Branche. Ich nenne dies – provokativ – das Ende der Technologie.

Physikalische Grenzen der Halbleiterfertigung

Die ständige Verkleinerung der Halbleitergeometrien, und die Nutzung neuer Halbleiterdesigns wie GAAFETs und FinFETs – und was auch immer danach kommt – haben die Industrie an einen Punkt gebracht, an dem Innovationen zur Wirklichkeit wurden, die unsere kühnsten Träume übertrafen: Die Massenfertigung von 5-nm-Bauelementen hat begonnen, und Pläne für 3 nm und 2 nm sind in der Pipeline. Jeder neue Knoten ist ein Durchbruch, der vor zehn Jahren sowohl in punkto Design/Funktionalität als auch Herstellbarkeit her unmöglich schien.

Es gibt Anzeichen dafür, dass das Jahr 2030 einen Wendepunkt markieren wird, denn man erwartet 1,5-nm-Chips auf dem Markt, möglicherweise die letzte Geometrie, bevor physikalische Grenzen eine weitere Verkleinerung verhindern. Schon heute spaltet die Einführung neuer Geometrien den Markt in „Habende“ und „Habenichtse“.

Es sieht so aus, dass derzeit nur Samsung, TSMC und Intel die Investitionen aufbringen, um diesen superteuren Weg zu beschreiten. Intel hat die Massenproduktion seiner 7-nm-Produkte auf 2021 verschoben, was verdeutlicht, wie komplex die On-Chip-Geschwindigkeit, die Produktionserträge, der Stromverbrauch, die Tests usw. sind. Die anderen zwei sind auf dem Vormarsch, könnten (werden?) aber auf ähnliche Probleme stoßen wie Intel.

(Bild: Thomas Kuther)

Produktionskosten

In 2020 kündigte TSMC ein 15-Mrd.-US-$ Investment in eine neue Produktionslinie für 5-nm-Halbleiter an. Geht man davon aus, dass diese Summe für andere Foundries oder Hersteller gleich hoch sein wird, ist die 20-Mrd.-US-$-Marke für 3-nm-Chips oder darunter klar in Sicht. Man kann sich nur wundern, was das für 1,5-nm bedeutet – 30 Mrd. US-$ für eine einzige Fabrik. Es stellt sich die Frage: Wo liegt der Return on Investment?

Bei einem Markt, der von Covid-19 überrascht wurde und weltweit auf etwa 400 Mrd. US-$ im Jahr 2020 zurückgefallen ist, erscheint selbst bei einem Wachstum auf 1000 Mrd. US-$ im Jahr 2030 unwahrscheinlich, dass die letzten drei Musketiere ihre Investitionen leicht wieder hereinholen können. Samsung ist großartig in Speichern, die stark preisvolatil sind, TSMC ist eine Foundry, also muss sie an Fabless-Unternehmen zu einem realistischen Marktwert verkaufen, mit dem die Fabless-Firmen ihren Designwert verdienen können. Und Intels Kerngeschäft, die Mikroprozessoren, gerät langsam unter Druck durch eine neue Welle an KI-Chips, die zum neuen Standard werden könnten. Woher der Gewinn kommt, wenn er überhaupt kommt, bleibt abzuwarten.

(Bild: gemeinfrei / Pixabay

Protektionismus

Eine kürzlich durchgeführte Studie des deutschen Think-Tanks ‘Stiftung Neue Verantwortung’ vermittelt Einblicke in die Halbleiter-Wertschöpfungskette – vom geistigen Eigentum bis zur Fertigung. Das Ziel war, herauszufinden, wie belastbar diese Wertschöpfungskette aus monopolistischer und politischer Sicht ist, wobei der Fokus speziell auf China 2025 lag, und dem Programm der chinesischen Regierung, in führenden Technologien unabhängiger zu werden.

Die Studie kommt zu dem Schluss, dass viele Marktparameter ein Monopol in der gesamten Wertschöpfungskette nicht zulassen (IP, Wafer, Fertigungsanlagen, Chemikalien, Produktion, Montage ...), dass aber auch diverse Engpässe oder „Choke-points“ zu politischen Störungen führen könnten. Wir haben bereits Auseinandersetzungen zwischen den USA und China wegen der Zurückhaltung von Technologie oder der Ablehnung von Fusionen erlebt (Qualcomm/NXP, Broadcom/Qualcomm), und dies könnte sich noch verschlimmern. Insbesondere Taiwan mit TSMC als führende Foundry sowie Taiwans Anteil von 53% an der Chipmontage könnte ein Brennpunkt dieses bilateralen Handelskriegs sein.

Die EU, Korea und Japan werden zwischen den Fronten stehen, sich aber wahrscheinlich auf die Seite der USA stellen, um den „Drachen“ zu zähmen. Da liegt viel Spaß vor uns. Eine unbekannte Kraft in diesem Spiel sind große Konzerne, groß genug in ihrem Verbrauch, um im Alleingang Allokationssituationen zu schaffen (Foxconn für Apple und dergleichen...).

Rohstoffe

Es ist kein Geheimnis, dass führende Technologie viele, aus technischer Sicht kritische Rohstoffe verbraucht, aber hinsichtlich deren Verfügbarkeit vor massiven Herausforderungen steht – sowohl politisch als auch geologisch. Die bekannten Konfliktmineralien (3TG) sind nur die Spitze des Eisbergs. Sie befinden sich nicht nur im Ostkongo, der mit einem andauernden Bürgerkrieg konfrontiert ist, sondern sie werden auch teils unter schrecklichen Umständen abgebaut und verkauft, die sich jeglichen Menschenrechtsbemühungen verweigern, die notwendig sein könnten.

Darüber hinaus schwelt ein anhaltender Konflikt über Seltene-Erden-Materialien, von denen 90% aus China kommen (2018). Obwohl die Reserven weltweit auf über 100 Mio. t (35% in China) geschätzt werden und die derzeitige Produktion weniger als 200.000 t beträgt, bedeutet dies nicht eine sofortige Verknappung. Allerdings ist ihre Förderung schwierig und kostspielig, und Reserven bedeuten nicht automatisch eine leichte Ausbeutung bei Erreichen der Gewinnschwelle. China hat bereits in der Vergangenheit damit gedroht, die Verfügbarkeit zu verkürzen, dadurch ist der Wettlauf um Ressourcen und die damit verbundene Schnäppchenqualität gut vorstellbar.

(Bild: Amnesty International)

Schließlich die in Batterien verwendeten Materialien Kobalt und Lithium. Mit der wachsenden Attraktivität der E-Mobilität und der Verfügbarkeit von Elektroautos mit riesigen Batterien ist der Bedarf an beiden Materialien gestiegen, und damit auch die Preise (insbesondere für Kobalt, das größtenteils aus der Demokratischen Republik Kongo stammt). Stellen Sie sich eine Vervielfachung des Elektroautoverkaufs in den nächsten Jahren vor, und Sie können den Druck für die Branche spüren – entweder teurer abgebautes Kobalt oder Alternativen, die ebenfalls Geld kosten. So oder so, Ärger am Straßenrand, der die Grenzen unserer Bemühungen, die fossile Mobilität zu ersetzen, aufzeigen wird.

Elektro- und Elektronik-Altgeräte

Neben Plastik ist Elektronikschrott eines der größten Abfallprobleme der Welt. Weil so viele verschiedene Materialien in elektronischen Produkten verwendet werden, ist das Wegwerfen (wie es seit 60 Jahren passiert) nicht nur gefährlich für unseren Planeten und uns, sondern auch eine Verschwendung von Ressourcen. Mehr als 50 Mio. t Elektronikprodukte stehen jedes Jahr vor der Entsorgung, und nur 12,5% werden recycelt – offiziell, und das hängt davon ab, ob „betrügerisches“ Recycling oder „Umwidmung“ in Gebrauchtgeräte Teil der offiziellen Statistiken ist.

(Bild: gemeinfrei / Pixabay

Produkte sind nicht zwangsläufig für das Recycling konzipiert, und Hersteller haben kein Interesse daran, ihre Produkte länger haltbar zu machen. Die Verbraucher sollen sie weiterhin wegwerfen und etwas Neues kaufen – schlimmer noch, Mobiltelefone werden insgeheim durch Software verlangsamt, sodass die Unzufriedenheit der Nutzer steigt. Kurz gesagt, die Nutzungsdauer der Produkte sinkt, jedes Jahr landen sie schneller im Müll. High-Tech verspricht zwar, unser Leben besser zu machen, aber sie ist Teil derselben Wegwerfwirtschaft wie alles andere und trägt dazu bei, den Wendepunkt näher zu bringen.

Stabilität der globalen Lieferkette und Nachhaltigkeit

Covid-19 hat perfekt gezeigt, wie leicht die globale Produktionslieferkette gestört werden kann, mit enormen Folgen wie u.a. Wirtschaftsabschwung, Produktionsverzögerungen, Transportengpässen. Wir haben das Ende der Covid-19-Unterbrechungen noch nicht erreicht, und Sie können sicher sein, dass wir nach wie vor im Dunkeln tappen.

Neben der Verwundbarkeit bedeutet diese gesamte globale Lieferkette den CO 2 -Fußabdruck. Jedes Hightech-Produkt hat einen riesigen Kohlenstoff-Fußabdruck, bevor es beim Konsumenten landet. Wenn also große Konzerne, die Wegwerfprodukte mit einer „Million Flugkilometer" produzieren und durch ihren Bergbau zu großen Narben auf dem Planeten beitragen, ankündigen, sie werden umweltfreundlich, oder wenn sie ihre Lieferkette zur Nutzung erneuerbarer Energien auffordern, dann kann man das schon als Heuchelei und „Greenwashing" betrachten.

Was müssen wir bis 2030 getan haben?

Also, wie geht es jetzt weiter? Wenn wir einen wirklichen Beitrag zur Verbesserung der Lage der Menschen und des Planeten leisten wollen, müssen wir viele Folgen, die unsere Industrie jedes Jahr verursacht, neu überdenken. Wenn wir bis 2030 unseren Umsatz von 400 Mrd. auf 1000 Mrd. US-$ steigern, ohne etwas zu verändern, werden wir unsere negativen Auswirkungen um das Zweieinhalbfache erhöhen.

Die gigantische gemeinsame Anstrengung muss darin bestehen, die High-Tech-Industrie so kreislauffähig wie möglich zu machen und dies schneller als die übrige Industriewelt, um weiterhin einen echten Beitrag zu leisten. Auch ich habe keine Ahnung, wie man dorthin gelangt. Aber ich weiß, dass es jetzt beginnen muss – mit Ehrlichkeit, Transparenz und dem Willen zur Veränderung.

* Georg Steinberger ist Vorstandsvorsitzender FBDi e.V. und DMASS, Präsident IDEA.

(ID:47028794)