Interview 1 | 20

"KI wird unsere Gesellschaft verändern"

Experteninterview mit Prof. Dr. Kristian Kersting, Computer Science Department and Centre for Cognitive Science, TU Darmstadt

Welche Aufgaben kann KI lösen?

Den Begriff „Artificial Intelligence“ hat John McCarthy 1956 auf dem ersten Workshop zur künstlichen Intelligenz in Dartmouth geprägt. Er selbst hat dafür eine recht einfache Definition gefunden, nämlich die eines Computerprogramms, das intelligentes Verhalten erzeugt. Damit meinte er nicht speziell menschliches Verhalten, sondern intelligentes Verhalten an sich. Würde ein KI-System nur menschliches Verhalten reproduzieren, würde es zum Beispiel im Bereich des autonomen Fahrens auch alle Staus und Unfälle weiterhin verursachen – was ja nicht gerade intelligent wäre. KI muss nicht biologisch beobachtbare Vorgänge kopieren, sondern stellt generell die Frage nach intelligentem Verhalten. Dazu gehören zum Beispiel denken und planen, verstehen von Texten und Bildern, Zusammenhänge herstellen und daraus lernen. Der Phantasie der KI-Forschung sind also keine Grenzen gesetzt. Das hat zu Durchbrüchen in Anwendungen geführt, die noch vor wenigen Jahren als Science-Fiction galten. Beispielsweise sind in den vergangenen Jahren sprachgesteuerte Assistenten alltäglich geworden, Bilderkennungssysteme haben eine vielleicht menschenähnliche Präzision erreicht und autonome Fahrzeuge werden immer mehr Realität. Angesichts dieser Erfolge besteht kein Zweifel daran, dass KI viele Bereiche unserer Wirtschaft und Gesellschaft verändern wird.

Wo steht Deutschland auf dem Feld von KI, insbesondere im Vergleich mit USA und China?

KI wurde von Industrie, Politik und anderen Forschungsdisziplinen in Deutschland lange nicht so recht wahrgenommen. Zwar ist die Bundesrepublik heute auf vielen Gebieten der KI sehr gut vertreten, gleichzeitig zeigt sich, dass KI in andere Länder mehr im Fokus steht, etwa bei den aktuellen Durchbrüchen in der Teildisziplin Maschinelles Lernen, also bei lernfähigen Computerprogrammen, die sich durch Daten und Erfahrungen selbst verbessern. Die Technologien dafür haben jedoch viele Deutsche mitentwickelt. Es ist nur die Frage, ob sie auch in Deutschland ansässig waren oder sind. Die Leute bewegen sich dahin, wo es für sie am spannendsten ist. Deutschland darf hier nicht abgehängt werden. Vor allem in den Bereichen Maschinelles Lernen und Tiefes Lernen sind daher weitere Investitionen in die Spitzenforschung nötig. Zudem muss die Spitzenforschung auf ein breiteres Fundament gestellt werden. Darüber hinaus gilt es, den Weg zur industriellen Umsetzung zu erleichtern und die Expertise in den Unternehmen zu stärken.  Aber wir können es schaffen. Das zeigen auch vielversprechende Startups aus Deutschland: Eines ist zum Beispiel DeepL, ein Anbieter von Online-Übersetzungen, die besser sind als die von Google. Von den größeren Firmen hat zum Beispiel die Autoindustrie früh an das autonome Fahren gedacht – Deutschland hat in dem Bereich viele Patente. Aber dann entstanden Lücken durch das Tiefe Lernen, das in der deutschen Industrie nicht so ankam. Deutschland hat aber einen Standortvorteil, da früh in Sensorik investiert wurde. Auch setzen wir viel Wert auf Datenschutz und Ethik. Das sind Standortvorteile, wenn wir die richtige Balance finden.

Inwiefern ist KI eine entscheidende Technologie für die digitalisierte Industrie der Zukunft?

Die Leistungsfähigkeit der deutschen Volkswirtschaft ist stark vom Maschinen- und Anlagenbau, der Elektrotechnik und den Schwerpunkten Automobil, Industrie und Automatisierung geprägt. Für zukünftige KI-Systeme bedeutet dies, dass sie eingebettet auf energie- und kostenbeschränkten Plattformen ausführbar sind und notwendige Sicherheitsanforderungen einhalten. Gleichzeitig müssen sie sowohl auf Datenströmen von Sensorsignalen funktionieren als auch Steuerungssignale für Starkstrom- und Hochspannungsanlagen liefern können. Außerdem ist die Sammlung von ausreichend vielen Lerndaten in vielen Fällen sehr aufwendig, wenn dies mit physikalischen Experimenten verbunden ist. Aus diesem Grund werden Lerndaten in Zukunft immer mehr mithilfe von Simulationen und (Whitebox-)Modellen erzeugt. Diese Koppelung von KI und Abbildungen entsprechender physikalischer Systeme im virtuellen Raum — dem digitalen Zwilling — erschließt einen zukunftsweisenden Ansatz für die deutsche Industrie mit ihrem starken Mittelstand. Das können wir gemeinsam schaffen. Ich sehe den Weg hin zu mehr KI als einen 5.000-Meter-Lauf, weder als Spurt noch als Marathon mit langen Durststrecken. Wir haben einen guten Startpunkt.

Worin bestehen noch größere Herausforderungen oder Schwierigkeiten auf dem Weg zu KI-gestützten Systemen?

Moderne KI-Anwendungen sind beeindruckend. Allerdings sind sie in der Entwicklung auch sehr kostenintensiv. Jedes aktuelle KI-Produkt — wie etwa Apple Siri, Amazon Alexa oder Tesla Autopilot — erfordert große und kostspielige Teams von Domain- und KI-Fachleuten, Datenwissenschaftlerinnen und -wissenschaftlern und Softwareentwicklerinnen und -entwicklern. Selbst in Unternehmen, die bereits erfolgreich KI-Technologien einsetzen, bleibt KI ein seltenes und teures Gut, das oftmals einem kleinen Kreis von Nutzern vorbehalten bleibt. Darüber hinaus erfordern viele KI-Ansätze — wie das Deep Learning (Tiefe Lernen) — meist gelabelte Trainingsdaten, deren Beschaffung schwierig, wenn nicht gar unmöglich ist. Es ist ein wichtiges Ziel der Forschung, diese Entwicklungsprozesse zu vereinfachen. Gleichzeitig müssen wir an der Akzeptanz von KI-Systemen in der breiten Öffentlichkeit arbeiten. Dazu müssen wir die Öffentlichkeit aufklären. Denn damit nehmen wir unbegründete Ängste und können über Chancen und Risiken aufgeklärt diskutieren. Bis jetzt hat KI aus meiner Sicht mehr Leben gerettet als gefährdet.

Welche Rolle spielt Maschinelles Lernen, um immer autonomere Systeme zu schaffen?

Smarte Lösungen wurden und werden oftmals manuell programmiert: Ein Smartphone beispielsweise beinhaltet heute mehr als 10 Millionen Codezeilen. Die aktuellen Entwicklungen auf dem Gebiet der KI markieren einen Paradigmenwechsel: Statt Verarbeitungsschritte manuell zu kodieren, wird den Maschinen die Fähigkeit zu lernen programmiert. Mithilfe des Maschinellen Lernens können Maschinen aus sehr vielen Beispielsituationen Muster erlernen und auf neue, ähnliche Situationen übertragen. Die größten KI-Erfolge basieren zurzeit auf tiefen neuronalen Netzen, bei denen eine große Zahl an künstlichen Neuronen Eingangsinformation in mehreren Schichten verarbeiten und am Ausgang das Ergebnis bereitstellen. Viele Experten und Expertinnen stimmen überein, dass Maschinelles Lernen auch in Zukunft der Schlüssel zur Künstlichen Intelligenz sein wird. Allerdings: Sowie es keine Künstliche Intelligenz ohne Maschinelles Lernen gibt, so gibt es jedoch auch keine Künstliche Intelligenz nur mit Maschinellem Lernen.

Ein Blick voraus: Wie werden sich durch den Einsatz von KI und autonomen Systemen unser Alltagsleben und unsere Arbeitswelt in den kommenden 25 Jahren verändern?

In Zukunft sind immer mehr synergetische KI-Lösungen zu erwarten, die unterschiedliche Fähigkeiten verknüpfen. KI-Systeme werden komplexe Probleme viel selbstständiger lösen. Sie werden sich auf neue Situationen einstellen. Sie werden lernen, denken, sehen und planen, und unsere Sprache verwenden. Sie verstehen uns und stellen sich auf uns und unsere Probleme ein. Sie werden zu Partnern der Menschen. Das ist die „dritte Welle“ (third wave) der KI — nach der ersten Welle der KI, der Programmierung aller Eventualitäten (1980), und der aktuellen Welle, dem Maschinellen Lernen (2010). Die dritte Welle der KI benötigt aber einen Paradigmenwechsel. Es muss eine systemische Sicht auf die KI etabliert werden, die das funktionierende Zusammenwirken einzelner KI-Bausteine in ihrer Gesamtheit mathematisch und algorithmisch erfasst und behandelt. Logik, Wissen, Programmiersprachen, Methoden zum Denken, Planen und Handeln unter Unsicherheiten, Sicherheit und das Maschinelle Lernen verschmelzen. Viele Kollegen und Kolleginnen arbeiten bereits daran, diesen Paradigmenwechsel zu gestalten. Er bedarf einer integrativen Forschung in der Informatik und den Kognitionswissenschaften mit Ausstrahlung in andere Disziplinen. Allerdings wird noch sehr viel Zeit vergehen, bevor KI-Systeme „menschengleich“ oder „übermenschlich“ werden — das werde ich wohl nicht mehr erleben.  Auch in Zukunft werden Menschen so viel mehr als Maschinen können. Menschen sind viel flexibler als ein einzelne KI-Systeme in absehbarer Zukunft sein werden.