Читать книгу Digitalisierung und Lernen (E-Book) - Erik Haberzeth - Страница 11

Bei der Diskussion von Grenzen der Digitalisierung ist zu unterscheiden zwischen dem, was durch diese Technik «noch nicht», aber potenziell und in absehbarer Zeit bewältigt werden kann, und dem, was durch diese Technik und die ihr zugrunde liegende «Logik» nicht erfasst werden kann (vgl. Huchler 2018).

Die Digitalisierung beruht auf einer formalen «Zeichenlogik» (Rammert 2009), bei der Eigenschaften und Verhaltensweisen konkreter Gegebenheiten sowie Wissen in einer «Zeichensprache» erfasst werden bzw. werden müssen. In der Praxis sind jedoch die für die Erreichung von Zielen und Lösungen von Problemen relevanten Informationen keineswegs immer umstandslos in dieser Weise verfügbar. Allgemein lässt sich dies als Problem der informationstechnischen Beschreibung und datentechnischen Erfassung realer Gegebenheiten formulieren. Dabei zeigt sich, dass die Digitalisierung vor allem dort erfolgreich ist, wo (bereits) explizite Informationen über reale Gegebenheiten vorliegen und es im Wesentlichen darum geht, diese aufzugreifen und zu verarbeiten. Ein Beispiel hierfür sind das Internet oder Expertensysteme, die im Wesentlichen auf dokumentiertes Wissen und in Datenbanken abgelegte Informationen zugreifen. Eine grundlegend andere Konstellation besteht jedoch, wenn die mit virtuellen Objekten agierende «Welt der Software» mit der «Welt realer physischer Objekte» verbunden wird (vgl. Lee 2008, Huchler 2016), so wie dies bei den cyber-physical systems (CPS)[1] der Fall ist und angestrebt wird (Song et al. 2016). In der virtuellen Welt der Software hängen die Erfolge der Technisierung im Wesentlichen vom Umfang und der Geschwindigkeit der Rechenleistungen sowie der Identifizierung von Algorithmen ab. Die Frage, wie die Informationen, die dabei erfasst und verarbeitet werden, zustande kommen, erscheint sekundär. Bei der Verbindung der virtuellen Welt der Informationen mit realen Gegebenheiten, so wie dies beispielsweise bei der Steuerung, Regulierung und Überwachung komplexer technischer Systeme der Fall ist, erweisen sich demgegenüber jedoch die Bereitstellung und Erfassung von Informationen über die realen Gegebenheiten als ein wesentlicher Erfolgsfaktor und zugleich als sehr voraussetzungsvoll. Vergleichsweise einfach ist die Bereitstellung von Informationen, wenn die jeweils in Frage stehenden Sachverhalte durch exakt und eindeutig bestimmbare Merkmale beschreibbar sind. Exemplarisch hierfür sind physikalische Messgrößen. Weit schwieriger wird dies jedoch, wenn die realen Gegebenheiten Eigenschaften und Verhaltensweisen aufweisen, die sich nicht exakt beschreiben und erfassen lassen. In der Praxis stellt sich hier das Problem der Komplexität, der Unvollständigkeit und Mehrdeutigkeit von Informationen (vgl. Huchler, Rhein 2017). Lenkt man den Blick hierauf, so zeigt sich, dass die viel zitierten Beispiele für die Erfolge künstlicher Intelligenz, wie der Schachcomputer und neuerdings das Go-Spiel, in – informationstechnisch gesehen – vergleichsweise einfachen Umwelten agieren. Schachfiguren oder Go-Steine sowie deren jeweilige Stellung und Bewegung sind durch vergleichsweise wenig und eindeutige Informationen erfassbar. Die Komplexität ergibt sich erst durch die möglichen Spielzüge und Strategien. Beim Schachspiel bestehen zudem eindeutig beschreibbare Regeln, nach denen sich das Spiel zu richten hat.[2] Das selbstfahrende Auto ist im Unterschied zum Schachspiel oder Go-Spiel mit einer grundlegend anderen Umwelt konfrontiert und Gleiches ist auch im Bereich der industriellen Produktion, der Verwaltung sowie bei Dienstleistungen der Fall. Komplexität, Unvollständigkeit und Uneindeutigkeit von Informationen über reale Gegebenheiten sind hier kein Sonderfall und die Ausnahme, sondern vielfach die Normalität – und zwar gerade auch bei physikalisch-technischen Gegebenheiten. Im Folgenden sei dies exemplarisch an der Uneindeutigkeit von Informationen näher erläutert.