Das sogenannte Polanyi Paradoxon wurde vor allem im Umfeld des Wissensmangements bekannt. Es ist nach dem ungarisch-britischen Universalgelehrten Michael Polanyi benannt. Dieser ist für sein Statement „Wir wissen mehr als wir sagen können!“ (We know more than we can tell!) bekannt. Dieser einfache Satz beschreibt das sogenannte Tacit Knowledge. Die ist unspezifisches Wissen, das i.d.R. nicht in Büchern vollständig niedergeschrieben, sondern nur durch Erfahrung, Übung und Weitergabe von Meistern vollständig erlernt werden können. So sind dies beispielsweise bestimmte handwerkliche Fähigkeiten, Kampfkunst oder medizinische Operationstechniken.

Von Bedeutung war dies von vor allem für die Entwicklung der Künstlichen Intelligenz (KI). So galt es aufgrund des Paradoxons bis vor kurzem als unmöglich, einen menschlichen Go Spieler mit einem Computerprogramm zu schlagen. So lassen sich zwar die Go Regeln einfach in einem Computerprogramm abbilden, die Intelligenz von Go Meistern liegt jedoch in ihrer Erfahrung, da das Spiel 2 mal 10 hoch 170 mögliche Spielpositionen zulässt. Fragt man Go Meister warum sie diesen oder jenen Zug getan haben, antworten sie häufig mit ihrem Bauchgefühl, dass dieser Zug der richtige war. (McAfee/Brynjolfsson, 2017)

Die Lösung war in der Informatik dann nicht der Versuch, Programme auf regelbasierte Algorithmen zu entwickeln, sondern mit sogenannten lernenden „neuronalen Netzen“ zu arbeiten. Diese versuchen, in gewisser Art und Weise die Arbeitsweise der Neuronen im menschlichen Gehirn nachzubilden. Diese lernen aus Daten und der Rückmeldung, ob sie mit ihrer Entscheidung richtig gelegen haben oder nicht, ohne dass ein Programmierer hinter einer Entscheidung liegende Regeln vollständig verstanden und abgebildet haben muss.

Anstelle dem System zu bei der Spracherkennung und Übersetzung alle Sprachregeln beizubringen, füttert man es stattdessen mit Unmengen von Text und lässt es selbstständig Muster erkennen.

Neurone Netze gibt es bereits in ihrer Idee seit den 70er Jahren. Ihren Boom erleben sie heute vor allem aufgrund der gesteigerten Rechnerleistung und der digital vorhandenen Datenmengen/ -sätze im Internet, aus dem die Systeme lernen können. Im Business wird dies im Zusammenhang mit Polanyi’s Paradoxon an Bedeutung gewinnen, da zunehmend nicht mehr nur triviale, regelbasierte und einfache Tätigkeiten automatisierter werden, sondern auch zunehmend komplexere, bei denen das zur Umsetzung nötige Wissen nicht vollständig explizierter ist. Dabei lernen die Maschinen von den Entscheidungen der bisherigen menschlichen Experten, bevor sie diese überflüssig machen, indem sie eine ausreichende Entscheidungsgenauigkeit erreicht haben (initiales überwachtes Lernen) um dann anstelle von menschlichen Arbeitskräften eingesetzt zu werden. Wird ein Feedbackmechanismus eingebaut, lernen dann die Systeme mit jedem neuen Fall ständig weiter und optimieren sich. So werden sie i.d.R. über die Zeit deutlich besser, als einzelne menschliche Experten.

So werden sich immer mehr Aufgaben in den kommenden Jahren besser durch automatisierte KI Systeme abwickeln lassen.

McAfee, A./ Brynjolfsson, E. (2017): Machine, Platform, Crowd, W. W. Norton & Company 2017.