„Ein Roboter-Kollege ist auch nur ein Mensch“
Reinhard Karger vom Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) über den Einsatz von KI im Weiterbildungskontext.
Inwieweit kann KI künftig adaptive Lernsysteme unterstützen? Was hat es mit dieser Singularität auf sich? Und stehen wir bald vor menschenleeren Fabriken? Antworten auf diese spannenden Fragen liefert Reinhard Karger, theoretischer Linguist und Philosoph am DFKI, im Gespräch mit dem eLearning Journal, um dem bestehendem Orientierungsbedarf zu dieser Schlüsseltechnologie im Corporate Learning gerecht zu werden.
eLearning Journal: Guten Tag Herr Karger, Sie sind der Unternehmenssprecher vom DFKI. Wofür steht das DFKI und womit beschäftigen Sie sich?
Reinhard Karger: DFKI ist das Deutsche Forschungszentrum für Künstliche Intelligenz. Uns gibt es bereits seit 1988. Wir sind eine gemeinnützige GmbH mit aktuell 1100 Mitarbeitern und einem jährlichen Forschungsprojektvolumen von 57 Millionen Euro. Wir haben mehrere Standorte. Wenn Sie mit uns zusammenarbeiten wollen, empfehle ich Saarbrücken, Kaiserslautern, Oldenburg, Osnabrück, Bremen und Berlin.
eLearning Journal: Wer es aufmerksam mitverfolgt hat: Das DFKI wird ja häufig verbunden mit selbstfahrenden Autos, mit Robotern… – aber Sie beschäftigen sich unter anderem auch mit der betrieblichen und der beruflichen Bildung. Aber fangen wir erst mal mit den Grundlagen an: Wie definieren Sie KI? Wo fängt KI an – und wo hört sie auf?
Reinhard Karger: Ich hätte ein Definitionsangebot: „Künstliche Intelligenz ist die Digitalisierung menschlicher Wissensfähigkeiten“. Das ist sehr knapp und ist in dieser Kürze selbstverständlich angreifbar: Aber ich würde das gerne als eine handhabbare Formel etablieren wollen, die Orientierung bietet und Desorientierung vermeidet.
eLearning Journal: Die Akteure werden dann aber zusätzlich mit weiteren Begriffen wie schwache KI, Deep Learning und Machine Learning konfrontiert. Können Sie hier auch Orientierung stiften?
Reinhard Karger: Um das ein wenig zu präzisieren: Schwache und starke KI sind die beiden Pole, über die man spricht – schon seit Jahrzehnten. Bei der schwachen KI meint man Werkzeuge und bei der starken KI meint man eigentlich ein integriertes System, das in sämtlichen Dimensionen menschlicher Intelligenz die Leistung des Menschen erreicht oder überschreitet. Und dieser Punkt wird dann normalerweise Singularität genannt. Bei der Singularität wäre es tatsächlich so, dass ein System in diesem Moment einen Zustand erreicht hat, wo es in all diesen Wissensfähigkeiten den menschlichen Stand erreicht hat und aber von dem Moment an sehr schnell, sehr viel besser und sehr viel leistungsfähiger als ein Mensch ist. Das ist in der Theorie sehr interessant, aber sehr weit weg von dem, was man heutzutage kann und drückt eine fehlende Wertschätzung für das menschliche Vermögen aus. Bei der schwachen KI geht es um einzelne Werkzeuge. Da gibt es beispielsweise Werkzeuge, die dazu führen, dass man Worte ausspricht und wie von Zauberhand sieht man den gesprochenen Text mittels eines Diktiersystems auf dem Bildschirm, als hätte man ihn selbst getippt. Eine unglaubliche Erleichterung – für alle. Bei der Verschriftlichung gesprochener Sprache hat man heutzutage eine Erkennungsrate von 99 % – das ist wirklich gut. Aber das Problem ist, dass verschriftlichte mündliche Sprache anhand von Mustererkennung leider noch kein guter Text ist. Denn zu einem guten Text gehört die Interpunktion. Ein anderes sensationelles Werkzeug könnte der Text sein, der mit einer künstlichen Stimme gesprochen wird. Auch das ist an und für sich eine sensationelle Leistung der Technik. Man kann quasi Zeitungsartikel anhören, während man Auto fährt. Die entsprechenden Systeme sind zwar deutlich besser geworden in den letzten fünf Jahren. Aber sie erreichen bei weitem nicht das menschliche Niveau, weil sehr viel mehr Weltwissen notwendig ist, um einen Text so zu sprechen, dass man diesem Sprecher wirklich zuhören möchte.
Deep Learning war ebenfalls ein in der Frage genanntes Stichwort. Bei Deep Learning geht es darum, dass man außerordentlich leistungsfähige Rechner braucht und dadurch in großen Datenmengen tatsächlich Muster erkennen kann – diese Daten können von beliebiger Art sein. Und diese Muster – was erkennt man da letztlich? Man erkennt eine Klassifikation. Zum Beispiel könnte man dann auf Fotos einzelne Objekte erkennen – ob das nun Katzen sind oder Elefanten oder Haie – ganz egal. Das bedeutet, man wertet Sensoren aus. Das können Kameras sein, dass können aber auch ganz viele andere Eingabemöglichkeiten sein. Doch es ist immer lediglich eine Klassifikation – eine Wiedererkennung von etwas, dass das System vorher in den Trainingsdaten gesehen haben muss. Nichts Neues also und nicht ein System, das räsoniert und sich überlegt: „Huch, was ist denn das? Das sieht ein bisschen so aus wie eine Katze. Aber vielleicht ist es ja doch in diesem Fall ein Fuchs“, wie es der Mensch tun würde. Das Räsonieren findet bei der KI-Anwendung nicht statt, stattdessen ist jede Aussage lediglich mit einer Wahrscheinlichkeit behaftet. Folgerichtig spuckt die Anwendung mit einem bestimmten Wahrscheinlichkeitsgrad Katze als Ergebnis aus.
eLearning Journal: Bevor wir näher an die Einsatzmöglichkeiten ran gehen, an die konkreten Werkzeuge und virtuellen Assistentensysteme für die betriebliche Bildung – lassen Sie uns noch einmal das Big Picture anschauen, in dem das Ganze stattfindet. Stichwort: Industrie 4.0. Was ist heute hier State of the Art? Was sind die großen Einsatzfelder, wo künstliche Intelligenz und zugehörige Forschung und Entwicklung konkrete Anwendungen für die Wirtschaft liefert?
Reinhard Karger: Industrie 4.0 ist ein Programm bzw. ein Thema, mit dem wir uns jetzt seit über 9 Jahren beschäftigen. Industrie 4.0 wurde als Wortmarke das erste Mal veröffentlicht am 1. April 2011 in den VDI-Nachrichten – das war damals für die Hannover-Messe 2011. Und es geht bei Industrie 4.0 um die vierte industrielle Revolution. Aber eigentlich geht es hier letztlich schlicht darum, dass eine durchgehende Vernetzung von Unternehmenssoftware mit Maschinendaten, mit Maschinensteuerung, mit der ganzen Supply Chain dazu führt, dass man sehr flexibel produzieren kann. Und, weil einige Maschinen heutzutage so gesehen Universalmaschinen sind – man denke nur an den 3D-Drucker -, muss man produzentenübergreifende Produktionsketten neu definieren. Das würde heißen, der Handwerker bekommt in dem Moment, wo er einen Auftrag ausführen soll, genau die Unterstützung, die er braucht, um diesen Auftrag auch ausführen zu können. Da kann man Augmented Reality einsetzen – was wir als Institution auch machen. Wir arbeiten mit Mixed Reality, sodass man, auch wenn man an verschiedenen Orten ist, zusammenarbeiten kann, indem man letztendlich in der gleichen virtuellen Umgebung kollaboriert. Das sind alles Aspekte von Industrie 4.0 und das alles wird künftig noch sehr viel weiter gehen. Und wird dann aber glücklicherweise auch bedeuten, dass man Fertigungen einfacher wieder nach Deutschland zurückholen kann, weil individualisierte Produkte hergestellt werden können. Und die kann man am besten mit vielen Partnern zusammen in Produktionsverbünden herstellen, sodass man den Klein- und Mittelstand zusammenbringt, die dann in einer digitalen Wertschöpfungskette an diesen Produkten arbeiten und Kleinstserien tatsächlich umsetzen können. Dieser Plan für solch eine zukünftige Produktion ist sensationell. Was sind jetzt aber konkrete Anwendungsprobleme, die sich dabei ergeben? Ein konkretes Problem ist die Mensch-Roboter-Kollaboration. Wie können Menschen und Roboter in der Produktion tatsächlich zusammenarbeiten? Die Roboter müssen nämlich die Pläne des Menschen erkennen und alles mögliche adäquat und zügig umsetzen. Zuallererst geht es aber auch darum, dass diese Zusammenarbeit sicher ist. Also: Safety first. Was wir dafür gemacht haben, ist relativ einfach. Wir haben ein Versuchslabor eingerichtet – betreiben das zusammen mit Partnern, unter anderem in Prag. Und in diesem Versuchslabor hat man Leichtbauroboter, die nicht hinter Käfigen sind, sondern mit denen man direkt zusammenarbeitet. Wenn ein Mensch sich ihnen nähert, dann möchte man natürlich nicht, dass der Mensch verletzt wird. Das Problem haben wir dadurch gelöst, dass wir die Situation mit einer Kamera beobachten – einer Webcam. Und diese Webcam setzt neuronale Netze oder Deep Learning ein und kann jetzt ermitteln, dass ein Mensch diesem Roboter so nahekommt, dass eine Berührung nicht mehr auszuschließen ist. Es stoppt diesen Roboter aber nicht komplett, sondern reduziert die Geschwindigkeit des Roboters entscheidend auf eine Art Zeitlupe herab. Das wiederum bedeutet, dass Sicherheitsbedenken ausgeräumt sind und die Mitarbeiter, die das ausprobieren, sogar gerne mit diesem Roboter zusammenarbeiten wollen. Warum nun das? Weil der Mensch so eben merkt, dass die Maschine beim Näherkommen auf ihn reagiert und der Mensch so gesehen zum Herrn und Gebieter über die Maschine wird. Das ist für uns emotional befriedigend und wir müssen tatsächlich immer darauf achten, dass diese Zusammenarbeit zwischen Mensch und Machine nicht erzwungen wird, sondern gewollt wird. Hierzu muss der Mensch den Mehrwert des Maschineneinsatzes kennen.
eLearning Journal: Ein Schwerpunktthema der LEARNTEC 2020 war Künstliche Intelligenz. Hierzu gab es eine ganze Menge Marketing-Getöse. Insbesondere das Thema Lernbots ist verhandelt worden. Welchen Eindruck haben Sie: Wie groß ist die Marktreife der Lernbots bereits und welche Funktion sehen Sie, die damit in der betrieblichen und beruflichen Bildung abgebildet werden könnte?
Reinhard Karger: Also, mein Eindruck ist: Diese ganzen Werkzeuge haben letztendlich ein gigantisches Potenzial. Aber wir werden dieses Potenzial nur heben, wenn in den Betrieben klar ist, warum man jetzt diese Systeme einsetzt und was wirklich die Ziele und Ergebnisse sein sollen und wie man jetzt diese neue Form des Lernens in den beruflichen Alltag integrieren kann. Wie und wo man also quasi Nano-Degrees nebenbei erwerben kann, indem hier und da eine kleine Wissenslücke geschlossen werden kann. Und da glaube ich wirklich, dass diese Systeme helfen können. Aber was nicht passieren wird ist, dass das Verstehen so letztendlich bei der Maschine angesiedelt werden wird. Denn A versteht die Maschine per se nichts und B brauchen wir unbedingt das menschliche Verstehen. So viel KI wir auch immer einsetzen werden, wenn es um das Lernen geht, gilt Folgendes: Es wird nicht gehen ohne das Engagement und ohne die Arbeit des Lerners. Er kann nicht zum Lernen gezwungen werden, sondern muss aus eigener Motivation mitmachen. Und wenn das der Fall ist, sind Lernbots tolle Systeme. Ich bin kein Spezialist für Lernbots, aber ich habe mir so einiges angesehen und mein Eindruck ist: Da ist für den, der sich interessiert, ganz viel im Angebot.
eLearning Journal: Betrachten wir einmal eines der Forschungs- und Entwicklungsprojekte vom DFKI näher. Professor Niels Pinkwart gestaltet gemeinsam mit weiteren Projektpartnern den „KI Campus“ mit. Worum geht es dabei?
Reinhard Karger: Bei KI Campus geht es darum, dass man KI-Bildung in Form von WBTs in einem LMS – zur Verfügung stellen möchte. Wenn Firmen sich also damit beschäftigen möchten, ob und wenn ja wie sie möglicherweise KI einsetzen möchten, können sie nun ihre daran interessierten Mitarbeiter entsprechend sachkundig weiterbilden. Der entscheidende Vorteil der Teilhabe von Unternehmen am Projekt ist, dass die Lerner anders als extern hinzugezogene KI-Fachleute genau wissen, welche Form von KI-Anwendungen tatsächlich für ihr Unternehmen Sinn machen könnten und welche nicht. In vielen Fällen kommen die Lerner voller Tatendrang aus dem Kurs und fordern als Erstes eine bessere Form des unternehmensinternen Informationsflusses ein, um eine Datenanamnese in Vorbereitung auf den Einsatz von KI-Tools vorzunehmen. So können nämlich die richtigen Daten aggregiert werden und die Auswertungen davon helfen, das Unternehmen erfolgreicher als bisher am Markt aufzustellen.
eLearning Journal: Lassen Sie uns noch ein weiteres Feld bearbeiten: Die Unternehmen konzentrieren sich dem allgemeinen Trend nach künftig zunehmend auf Kompetenzentwicklung der Mitarbeiter Just-In-Time. Dabei geht es darum, Kompetenzbedarfe sichtbar zu machen und Angebote informeller Art oder formeller Art entsprechend individualisiert unterstützend einzusetzen, sogenannte Adaptive Lernsysteme. Inwieweit kann KI künftig bei adaptiven Lernsystemen unterstützen?
Reinhard Karger: Auch adaptives Lernen ist ein Thema, mit dem man sich bereits seit 20 Jahren beschäftigt. Bei uns ging es in der Vergangenheit intensiv um Systeme, die den Mathematikunterricht unterstützt haben. Man löste also eine mathematische Aufgabe und das System verfolgte, welchen Lösungsweg man wählte. Und wenn man am Ende mit einem Ergebnis falsch lag, konnte das System in Ansätzen sagen, welche grundsätzlichen Fehler man begangen hat. Das war interessant. Aber das Lernen ist nun mal eine komplexe Sache. Also, das seamless eLearning sehe ich und das ist auch durchaus realistisch. Und das würde aber heißen, dass ich sehr schnell im Kontext meiner Arbeit Zugriff habe auf vorbereitete Lerninhalte. Das tatsächlich adaptive Lernen, wie man es sich im Ideal vorstellen würde, dass jetzt das System mein Lerntutor ist und tatsächlich von mir über Jahre hinweg eingesetzt wird, sodass es zurückgreifen kann auf Vorerfahrungen, die ich habe, das ist meiner Einschätzung nach noch Zukunftsmusik.
eLearning Journal: Das wäre eigentlich schon ein supertolles Schlusswort, Herr Karger. Aber ein Thema müssen wir unbedingt noch aufgreifen: Wo sehen Sie konkret die Gefahren und die Stolpersteine beim Einsatz von Künstlichen Intelligenzen in der betrieblichen Weiterbildung?
Reinhard Karger: Ich sehe wirklich große Gefahren, aber diese großen Gefahren haben nichts mit der Technologie zu tun, sondern mit der Überschätzung und den Erwartungen an diese Technologie und der Annahme, man könnte jetzt möglicherweise eigentlich auf betriebliche Bildung verzichten, weil es bald Systeme gibt, die mehr oder minder diese Arbeit der Kollegen doch tatsächlich viel besser machen. Da kann man durch alle Bereiche durchgehen. Man hat diese Vermutung zum Beispiel in der Produktion. Da geht es darum: „Oh, gibt es vielleicht bald menschenleere Fabriken, weil Roboter sich selber bauen und nachdem sie sich selber gebaut haben, beliebige Produkte bauen und so weiter?“ – Und das wird alles nicht der Fall sein. Ich meine, in zehn Jahren, niemand weiß wie die Situation in zehn Jahren tatsächlich ist: Aber ich kann mir nicht vorstellen, dass man diese Durchbrüche in den nächsten zehn Jahren hat, dass Produkte tatsächlich nur so von Maschinen hergestellt würden, dass die Services einfach nur so von Maschinen geleistet werden. Und ich glaube, die größte Gefahr, die man jetzt hat, ist die Überschätzung der Technologie. Und was kann man dagegen tun? Immer selber ausprobieren, was bereits möglich ist! Und was sollte man tun, bevor man überhaupt etwas ausprobiert? Es mag wirklich trivial sein: Es geht darum, die Digitale Transformation zunächst ernst zu nehmen, zu überprüfen, ob der Informationsfluss im Unternehmen stimmt. Sobald man Zugriff auf Informationen hat, kann man anfangen zu aggregieren. Und wenn man aggregieren kann, dann kann man auswerten und dann wird man mit den besten Systemen auf genau die Fragen, die man stellt, irgendwann genau die Antwort bekommen, die man auch bekommen muss, um sein Geschäft weiter zu optimieren. Mitarbeitern wird es so erleichtert, ihre Ziele zu erreichen und die Geschäftstätigkeit von Unternehmen nimmt in datenbasiert optimierter Weise auch so richtig Fahrt auf.
eLearning Journal: Danke, Herr Karger, für dieses Gespräch.
Redaktion: Jacob Sablotny
Profil
Reinhard Karger
studierte theoretische Linguistik und Philosophie in Wuppertal und war lange Zeit Assistent am Lehrstuhl „Computerlinguistik“ der Universität des Saarlandes. Im Jahre 1993 wechselte er zum Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Saarbrücken, wo er seit 11 Jahren die Unternehmenskommunikation leitet und seit 2011 als Unternehmenssprecher fungiert. Karger sitzt ebenso in der Jury des „Ausgezeichnete Orte”-Wettbewerbs und wurde im März 2018 zu einem der 100 Fellows des „Kompetenzzentrums für Kultur- und Kreativwirtschaft des Bundes“ ernannt.
Literatur
Joanne Capstick / Thierry Declerck / Gregor Erbach / Anthony Jameson / Brigitte Jörg / Reinhard Karger / Hans Uszkoreit / Wolfgang Wahlster /
Tillmann Wegst:
Collate: Competence Center in Speech and Language Technology
Das auf der International Conference on Language Resources and Evaluation auf Las Palmas vorgestellte Paper beschäftigt sich maßgeblich mit der Vorstellung der Struktur und der Aktivitäten des zum DFKI gehörenden Deutschen Kompetenzzentrums für Sprachtechnologien (Competence Center in Speech and Language Technology) in Saarbrücken. Hierzu zählen unter anderem das Virtual Information Center namens „Language Technology World“ und das Demonstration Center, ebenfalls in Saarbrücken beheimatet ist und Interessierten die Möglichkeit gibt, sowohl an Führungen teil zu nehmen, als auch diverse Sprachtechnologien live auszuprobieren. Das Bundesministerium für Bildung und Forschung förderte das Projekt COLLATE, das gemeinsam mit der Universität Saarland und dem DFKI umgesetzt wurde und das in vorliegendem Paper beschrieben wird.
Kontakt
Reinhard Karger
DFKI
Stuhlsatzenhausweg 3
D-66123 Saarbrücke
Tel.: +49 (0) 681 / 857 755 253
