Künstliche Intelligenz (KI) ist ein Bereich der Informatik und trainiert Computer aus großen Datenmengen heraus, um eigenständig Muster Vorhersagen zu generieren. Roboter energieeffizienter zu steuern, Krankheiten früher zu erkennen, Texte schneller zu generieren und vieles mehr. 

Als Maschinelles Lernen (ML als Teil der KI) bezeichnet man Computer mit bestimmten KI-Algorithmen. Sie können nun spezifische Muster aus großen einschlägigen Datenmengen erkennen, die dann zu produktspezifischen Vorhersagen und Lösungsangeboten führen. Wie beispielsweise für einen bestimmten manuellen Arbeitsvorgang mit Hilfe von passenden Exoskeletten die geringstmögliche Belastung für den menschlichen Körper vorzuschlagen. Bisher waren semantische Suchvorgänge bevorzugt, kommen aber an eine ML-Generation nicht mehr heran.

Deep Learning, hier kommen wir der NI schon näher, indem dies ein komplexer Teil des ML darstellt und z.B. Datenstrukturen von neuronalen Netzen aus dem menschlichen Gehirn abgeleitet werden. Und dies führt zur Grundlage einer generativen KI, dazu gehören auch Large Language Models (LLMs).

Halluzinationen sind Nebenwirkungen (Fake News) der Vorhersagen, die man aktuell noch in Kauf nimmt - wenn man sich beispielsweise mit CHATGPT einlässt - und die auf dem statistischen Konzept der KI beruhen. Zu geringe oder zu große Datenmengen oder unqualifizierte Datenquellen tragen ihres gleichen dazu bei. Das heißt, die scheinbar qualifizierten Lösungsvorschläge, die aufgrund mangelndem Eigenwissen, als dienlich erscheinen, werden nun als Entscheidungsparameter hergenommen und weitere Vorgänge und Prozesse angestoßen. Somit kann eine KI angeleitete Lösungsfindung in einem Error enden, da zu viele Extrapolationen und falsche Quellinterpretationen stattgefunden haben. Kritisch wird es dann, wenn große Mengen von KI-Lösungsvorschläge zurück ins Web gespeist werden und weitere Lösungssuchen auf bereits halluzinierten Vor-Lösungen beruhen. Das kann zu kritischen Entscheidungen im Verkehr, in der Logistik, in Produktionsprozessen führen, wenn Software nicht ausreichend penetriert wird, und das braucht Experten und Budgets. Der AI-Act und neue Quellnachweisverpflichtungen starten nun ein Regulierungsprozedere. 

Rechtsanwaltskanzleien beschäftigen sich gerade mit KI und Rechtsprechung, bzw. Dokumentenzulassungen, Hochschulen mit KI Eingaben der Student: innen in Hausarbeiten.

Antonio Krüger, Leiter des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) weist ausdrücklich darauf hin: "..außerdem stößt KI bislang an die Grenzen der realen, physischen Welt". 

Bionische Lösungsansätze beruhen nun ausschließlich auf biologische Prozesse, reale Informationen und evolutionär entwickelten Produkten und deren Genese.  Namhafte Vordenker, sehr erfolgreiche Menschen in unserer Generation waren mehrheitlich der Meinung, dass eine Biologische Transformationsära noch vor einer Digitalen Transformation genannt werden sollte, da es schlichtweg um unser menschliches Überleben auf dieser Erde gehen wird, respektive unser Leben für die nächsten Generationen lebenswert bleiben soll. Digitales scheint scharmanter als Biologisches in der Vermarktung. Aber nun gilt es das Eine zu tun, ohne das Andere zu unterlassen. Steven Jobs, der die Digitalisierung bereits verstanden hat, hoffte 2011 schon, dass die nächste Transformation eine "Biologische" ist.

Mit großem Dank des Club of Rome, der Akteure auf europäischer wie nationaler Ebene, BIONIK in den Roadmaps 2023 von Circular Economy, Bioökonomie und Kreislaufwirtschaft namhaft zu platziert zu haben.

Exformation folgt Information.
Dazu brauchen Sie Experten, Experten brauchen Erfahrung, Erfahrung braucht Wissen und Wissensgenerierung ist mit KI-Unterstützung ein effektiver Beschleuniger. 
"Der Anwender bleibt der Experte, die KI wird zum Assistenten".

Effizienz folgt Effektivität.
Effizienz ist nicht gleichzusetzen mit Optimierung, Effizienz ist gerade mal der Wettbewerbsvorsprung, der das eigene (fremde) Überleben einer Spezies nachhaltig absichert.

Mit bionischen Modellansätzen gibt es nun zusätzliche große Optimierungssprünge zur bisherigen Performance von Produkten, wie zu Unternehmens-Entwicklungen selbst. Die richtigen Symbiosen und Kooperationen formen erst mögliche langfristige Alleinstellungsmerkmale und führen zu einem größerem Wettbewerbsvorsprung als gedacht.
Beispielsweise eine Grundregel aus den natürlichen Algorithmen heißt: Funktionsorientierung vor Produktabhängigkeit. Die Natur stellt in keinster Form die Produkt-Entwicklung selbst in den Vordergrund, vielmehr deren aktuellen Funktionsnutzen und dieser unterliegt einer täglichen Evolutionstauglichkeitsprüfung. 

Experten überprüfen, ergänzen und führen ihren KI-Ansatz zu evolutionärer Effizienz.