Unter maschinellem Lernen versteht man intelligente Systeme, die Aufgaben im Zusammenhang mit der Mustererkennung übernehmen, beispielsweise Bilderkennung, Spracherkennung und Verarbeitung natürlicher Sprache. Diese Systeme unterstützen Unternehmen dabei, große Datenmengen zu analysieren, um konkrete Empfehlungen zu generieren. Durch den Einsatz von maschinellem Lernen können Softwaresysteme genaue Vorhersagen mit minimaler Unsicherheit liefern.
Allerdings bleiben die internen Algorithmen, die den Entscheidungsprozess in Systemen des maschinellen Lernens vorantreiben, den Mitarbeitern des Unternehmens häufig verborgen, sodass diese Systeme zu undurchsichtigen „Black Boxes“ werden. Dieser Mangel an Transparenz führt dazu, dass Unternehmen zögern, wichtige Entscheidungen vollständig den Maschinen anzuvertrauen, da dies das Risiko schlechter Urteile und damit verbundener Kosten birgt.
Untersuchungen deuten darauf hin, dass Maschinen in naher Zukunft tiefergehende Erklärungen für ihre Überlegungen und Empfehlungen liefern müssen. Diese nächste Stufe der Mensch-Maschine-Augmentation zielt darauf ab, ein besseres Verständnis für den Einzelnen zu fördern und verantwortungsvolles Handeln zu ermöglichen. Letztlich geht es darum, eine effektive Zusammenarbeit zwischen Mensch und Maschine zu etablieren und ein zusammenhängendes Team zu bilden.
