Clever gründen: Mit Künstlicher Intelligenz auf die Überholspur

Die Route ist berechnet. Ziel 2030.

 

Roland Schäffer: Hallo und herzlich willkommen zu einer neuen Folge auf der Road to 2030, dem Podcast zu Technologie und Gesellschaft von Dell Technologies. Unser heutiger Gast ist Dr. Denise Vandeweijer, Director of AI Engineering Operations bei Applied AI, einer Initiative für Applied Artificial Intelligence, mit der wir uns heute über angewandte Künstliche Intelligenz unterhalten wollen. Ich bin Roland und auf der heutigen Fahrt als Snack-Beauftragter mit dabei, um euch unterwegs mit ein paar leckeren Infobissen zu versorgen. Ich hoffe, ihr seid bereit. Anschnallen nicht vergessen! #00:00:44.1#

 

Heute sitzt wieder mein Kollege Benny am Steuer auf unserer Reise ins Jahr 2030. Hi Benny! Wie geht’s dir? #00:00:53.3#

 

Benjamin Krebs: Hallo Roland! Mir geht’s gut, vielen Dank! Auch von meiner Seite ein herzliches Willkommen an unsere Zuhörer und natürlich unserem heutigen Gast Dr. Denise Vandeweijer. Denise, mit dir wollen wir uns heute über den praktischen Einsatz von Künstlicher Intelligenz unterhalten, und darüber, wie Unternehmen KI dafür nutzen können, ihr zukünftiges Geschäftsmodell noch weiter zu verbessern oder sogar überhaupt erst auszubauen. Denise, herzlich willkommen! Ich hoffe, du sitzt bequem? #00:01:21.9#

 

Dr. Denise Vandeweijer: Ja, ich sitze bequem. Danke! #00:01:24.1#

 

Benjamin Krebs: Perfekt! Wir führen mit unseren neuen Gästen und Beifahrern immer am Anfang einen kleinen Speed-Test durch. Das würden wir auch gerne mit dir heute tun. Der Speed-Test läuft folgendermaßen ab. Du bekommst zwei Begriffe genannt und antwortest einfach spontan mit dem Begriff, der dir in dem Moment mehr zusagt oder dich mehr anspricht. #00:01:46.4#

 

Dr. Denise Vandeweijer: Alles klar! Klingt spannend, auf jeden Fall. #00:01:48.3#

 

Benjamin Krebs: Dann fangen wir jetzt an. Kaffee oder Tee? #00:01:50.6#

 

Dr. Denise Vandeweijer: Kaffee. #00:01:51.4#

 

Benjamin Krebs: Eule oder Lerche? Beziehungsweise Tag oder Nacht? #00:01:54.2#

 

Dr. Denise Vandeweijer: Eule. #00:01:55.1#

 

Benjamin Krebs: Sehr schön! Fahrrad oder Auto? #00:01:57.1#

 

Dr. Denise Vandeweijer: Fahrrad. #00:01:57.6#

 

Benjamin Krebs: Berge oder Meer? #00:01:58.7#

 

Dr. Denise Vandeweijer: Berge. #00:01:59.3#

 

Benjamin Krebs: Film oder Buch? #00:02:00.3#

 

Dr. Denise Vandeweijer: Buch. #00:02:01.1#

 

Benjamin Krebs: Expertin oder Allrounder? #00:02:02.7#

 

Dr. Denise Vandeweijer: Allrounder. #00:02:03.4#

 

Benjamin Krebs: Routine oder Abenteuer? #00:02:04.8#

 

Dr. Denise Vandeweijer: Abenteuer. #00:02:05.9#

 

Benjamin Krebs: Büro oder Homeoffice? #00:02:06.9#

 

Dr. Denise Vandeweijer: Homeoffice. #00:02:08.0#

 

Benjamin Krebs: Mensch oder Roboter? #00:02:09.1#

 

Dr. Denise Vandeweijer: Kommt auf die Aufgabe an, aber ich würde zu Mensch tendieren natürlich. #00:02:13.0#

 

Benjamin Krebs: Und last but not least: Algorithmus oder Intuition? #00:02:16.8#

 

Dr. Denise Vandeweijer: Auch das ist schwer zu beantworten, weil es wieder auf die Aufgabe ankommt und wie man beides definiert natürlich, vor allem Intuition, aber ich würde dann zu Intuition tendieren. #00:02:26.1#

 

Benjamin Krebs: Vielen Dank! Ich denke, damit haben wir den Speed-Test bestanden und unsere Hörerinnen und Hörer haben einen ersten Eindruck von dir bekommen. Hat sehr viel Spaß gemacht, dieser Start schon. Motor läuft, ich denke, wir können los. Zunächst mal, Denise, für alle diejenigen, die dich nicht kennen, beziehungsweise vielleicht auch Applied AI noch nicht kennen, kannst du uns in kurzen Worten beschreiben, was genau du machst und was Applied AI macht? #00:02:55.4#

 

Dr. Denise Vandeweijer: Ja, sehr gern natürlich. Vielleicht ganz kurz zu mir. Ich habe ursprünglich mal eine Kombination aus Maschinenbau und BWL studiert an der TU München und bin dann über Umwege an die Universität der Bundeswehr gekommen und habe da an einem Lehrstuhl für Informatik meine Promotion gemacht. Und danach dann bei BMW angefangen und da verschiedene Stationen gehabt, ganz viel Bezug auf Vorentwicklungen und Innovationen und neue Technologien gemacht. Und war dann zum Schluss im Kontext autonomes Fahren und Machine Learning dort eben tätig. Und für mich war dann irgendwann so die Frage: KI, Machine Learning, das sind genau die Technologien, mit denen ich mich beschäftigen will. Das sind auch genau die Leute, wo ich gern dabei sein möchte, wo ich mich irgendwie wiederfinde, aber nur Autos ist dann, irgendwann war es das dann auch nicht mehr. Ich möchte eigentlich noch mehr sehen, was eigentlich diese Technologie kann und ich möchte da auch dabei sein, wirklich die Dinge auch umzusetzen und wirklich die Sachen dann auf die Straße zu kriegen. Und habe mich dann für meine jetzige Funktion entschieden bei Applied AI. Und Applied AI ist eine Initiative und wir sind Teil der gemeinnützigen GmbH, der Unternehmertum, das ist ein An-Institut der TU München. Und unsere Mission und Vision ist, Deutschland auf dem Weg ins KI-Zeitalter zu begleiten. Wir haben da 3 Angebotsblöcke sozusagen, die auch genau das abdecken, was Unternehmen brauchen, um in Richtung KI fit zu werden. Der 1. Block bei uns ist Strategie. Das heißt, was will ich eigentlich tun mit dieser Technologie, wo möchte ich eigentlich hin als Unternehmen? Der 2. Block ist Academy. Also wenn ich eine neue Technologie in ein Unternehmen einführe, muss ich natürlich sicherstellen, dass alle Entscheidungsträger, alle Mitarbeiter auch tatsächlich das notwendige Wissen haben dazu. Und der 3. Block ist Engineering. Also weg von der Theorie tatsächlich dann hin zur Umsetzung. Die Unternehmen finden Use Cases und wir haben die Engineers, die das dann entsprechend auch wirklich umsetzen können und entsprechend die Unternehmen da unterstützen. Engineering sind bei uns die meisten Mitarbeiter, dementsprechend haben wir da zwei Teams. Eins davon leite ich, und das zweite wird geleitet von meinem Kollegen. #00:05:04.8#

 

Benjamin Krebs: Sehr schön! Wie bist du eigentlich dazu gekommen, dich mit dem Thema Künstliche Intelligenz so auseinander zu setzen? Ich habe zwar den Werdegang ein bisschen gehört, aber wann kam dieses Thema in deinen Lebenslauf und was hat dich daran so begeistert? #00:05:19.4#

 

Dr. Denise Vandeweijer: Es ist eigentlich, im Zuge meiner Promotion bin ich auf das Thema aufmerksam geworden. Also ich habe mich ja mit intelligenten Agenten in sozioökonomischen oder soziotechnischen Netzwerken beschäftigt, und das ist so ein Gebiet, wo man relativ schnell, wenn man anfängt, so die ersten Papers zu recherchieren, wo man einfach in dieses Feld kommt. Und ich habe vom ersten Kontakt den Eindruck gehabt, dass es mich einfach extrem interessiert, und mich dann entsprechend da eingearbeitet und dann natürlich auch bei BMW die Chance ergriffen, als die Bereiche Richtung autonomes Fahren aufgebaut wurden, entsprechend dann auch mich beruflich in diese Richtung zu entwickeln. #00:05:59.2#

 

Benjamin Krebs: Das heißt, quasi Liebe auf den ersten Blick mit KI? #00:06:03.1#

 

Dr. Denise Vandeweijer: Ja genau. #00:06:03.4#

 

Benjamin Krebs: Sehr gut! #00:06:04.6#

 

Dr. Denise Vandeweijer: Genau, genau! #00:06:05.3#

 

Benjamin Krebs: Applied AI als Teil von Unternehmertum, so wie du es vorhin schon gesagt hast, hat sich auch zum Ziel gesetzt, den Austausch und die Zusammenarbeit zwischen Unternehmen und Start-ups zu fördern, und dann vor allen Dingen auch den Outcome von erfolgreichen KI-Projekten zu teilen beziehungsweise natürlich auch neu zu initiieren. Wie kam es denn zu dieser Gründung überhaupt und warum ist aus deiner Sicht so eine Initiative überhaupt wichtig? #00:06:30.8#

 

Dr. Denise Vandeweijer: Gegründet sind wir, wir wurden gegründet vor zweieinhalb Jahren ungefähr von Andreas Liebl und Alexander Waldmann, das sind unser CEO und unser COO aktuell, und die sind immer noch am Start natürlich. Und die Historie ist eigentlich relativ einfach. Wenn man jetzt ein Unternehmen ist oder eine Organisation ist wie die Unternehmertum, die sich in erster Linie damit beschäftigt, Start-ups zu fördern und diese Netzwerke herzustellen und auch Unternehmen dabei hilft, also etablierten Unternehmen dabei hilft, Innovationen, neue Arbeitsweisen und so weiter auch bei sich zu etablieren und diesen Change zu begleiten, dann kommt man an dem Thema KI irgendwann nicht vorbei. Und dann stellt man irgendwann auch fest, der Impact dieser Technologie ist so groß, dass wir das nicht, ich sag mal, nebenbei mit erfüllen können, nicht nebenbei irgendwie mit abhaken können, sondern dass man wirklich dafür sorgen muss, dass entsprechende Expertise aufgebaut wird und ein entsprechend breites Angebot auch zur Verfügung steht. #00:07:27.4#

 

Benjamin Krebs: Und an wen richtet sich das, also wer ist genau die Zielgruppe dieser Initiative? #00:07:33.5#

 

Dr. Denise Vandeweijer: Wir haben bei uns verschiedene Partner. Wir haben zum einen Technologiepartner, das sind Partner wie zum Beispiel Dell, die entsprechend das Wissen und die Expertise in Bezug auf die Hardware oder auch die Software mitbringen. Also wir haben auch, zum Beispiel Google ist auch einer unserer Tech-Partner, Nvidia, also die Unternehmen, die man sozusagen erwarten würde, die auf so einer Tech-Partner-Liste für KI stehen, sind dabei. Und wir haben auf der anderen Seite Industriepartner, das sind tatsächlich die Unternehmen, die sagen, wir haben für uns erkannt, KI ist das nächste große Ding und wir müssen da einfach aufholen und wir müssen da entsprechend Expertise aufbauen. Und da haben wir sowohl große Unternehmen dabei, also wirklich Weltkonzerne, aber auch Mittelständler sind da mit angesprochen. #00:08:20.0#

 

Benjamin Krebs: Ich denke mal, wir haben ja schon gehört, Dell Technologies ist auch Partner dieser Initiative, es macht uns sehr viel Spaß, auch was wir sehen, was dort für Projekte gemeinsam mit euch gestaltet werden. Ich glaube, es gibt einen interessanten Unterschied und vielleicht auch eine Sichtweise, die unsere Hörerinnen und Hörer interessiert. Ihr seid ja als Non-Profit-Organisation aufgebaut. Und auch wenn wir bei uns in den Moonshot Goals bis 2030 ein großes Ziel haben, nämlich das Leben von einer Milliarde Menschen positiv zu beeinflussen, ist es trotzdem noch was anderes, ob man an so ein Thema als Unternehmung rangeht oder als Non-Profit-Organisation. Welche Vorteile beziehungsweise vielleicht auch Nachteile siehst du denn darin, dass Applied AI das in der Form macht? #00:09:08.3#

 

Dr. Denise Vandeweijer: Der große Vorteil, den wir natürlich haben, ist, dass wir jetzt nicht den, ich sage mal, den Zwang haben, irgendwie möglichst viel zu verkaufen oder möglichst jedes Projekt irgendwie anzunehmen oder weiter zu treiben. Das ist vor allem bei uns im Engineering ganz toll, wir starten immer mit einer Explorationsphase, wenn ein Kunde jetzt auf uns zukommt. Das heißt, die Leute sagen: Hey! Ich habe Daten und ich glaube, da kann man mit KI irgendwie was machen und alles wird besser. Legt mal bitte KI darüber. Und ganz oft ist es so, dass die Leute nicht einschätzen können, ob die Daten wirklich das hergeben oder nicht, ob es genug sind, ob die Qualität passt und so weiter. Deswegen fangen wir immer an mit einer Explorationsphase, das heißt, wir nehmen uns zwei bis vier Wochen Zeit und gucken uns das ganz genau an und geben eine objektive Einschätzung ab, ob es Sinn macht, das weiter zu verfolgen. Da haben wir natürlich die Möglichkeit dadurch, dass wir eben Non-Profit sind, da auch sehr, sehr ehrlich zu sein, wirklich den Partnern und Kunden auch Empfehlungen aussprechen zu können und sagen zu können, da gibt’s einen Chatbot draußen, kauft euch den einfach ein, oder ihr braucht keine Computer Version, ihr könnt das Problem mit einer Waage lösen oder was auch immer. Das ist auf jeden Fall ein sehr, sehr großer Vorteil. Ein Stück weit ein Nachteil ist natürlich, wenn man das Thema Scaling und Wachstum sich anschaut, also eine Non-Profit-Organisation kann nicht wie jetzt ein wachstumsorientiertes Start-up in jeder Form Kapital aufnehmen und ein risikoreiches Wachstum einfach mal vorfinanzieren. Das geht nicht. Wenn wir jetzt sagen, wir gehen davon aus, dass wir nächstes Jahr 100 Engineers brauchen, dann können wir die nicht einfach so einstellen und uns einen Investor ins Boot holen. Das ist natürlich ein Nachteil. Aber dafür haben wir ein nachhaltiges Wachstum und sind halt dann vielleicht nicht ganz so schnell ganz so groß, aber dann im Lauf der Zeit natürlich gleicht sich das dann auch wieder aus. #00:10:56.7#

 

Roland Schäffer: Jetzt habe ich einen kleinen Snack für euch. Ihr seid bestimmt schon ganz hungrig. Wir haben schon ein Teil unserer Strecke zurückgelegt. Und zwar: „Künstliche Intelligenz wird keine eigene Branche sein, sondern Teil jeder Branche.“ Das hat Alex White, das ist der Vice President Enterprise bei Nvidia. Das unterstreicht auch den Abschlussbericht der Enquete Commision des Bundestags zur Künstlichen Intelligenz, der gerade vorgelegt wurde. Unternehmen aller Größenordnungen sollen bis 2030 Künstliche-Intelligenz-Technologien verwenden, entwickeln und verstehen. Denise, ist das auch eure Vision bei Applied AI? #00:11:32.5#

 

Dr. Denise Vandeweijer: Ich würde dem auf jeden Fall zustimmen, und ich würde nicht sagen, dass es eine Vision ist, sondern ich würde so weit gehen, dass es eine Tatsache ist. Wenn man sich vorstellt, man hätte irgendwie 98 oder 95 oder 2000 gesagt, das Internet wird eine eigene Branche sein, ist es ähnlich vergleichbar. Also KI ist tatsächlich in so vielen Branchen und so vielen auch Wertschöpfungsbereichen von Unternehmen einsetzbar, dass ich dem sofort zustimmen würde. #00:11:59.9#

 

Benjamin Krebs: Der Bitkom-Präsident Achim Berg hat gesagt: „Künstliche Intelligenz ist eine, wenn nicht die entscheidende Zukunftstechnologie.“ Und jetzt liegt’s an uns, KI dorthin zu bringen, wo es auch wirklich die vollen Potenziale entfalten kann. Dafür wäre es, glaube ich, für uns alle gut, liebe Denise, wenn wir noch mal zurück zu dem Thema kommen, was ist denn Künstliche Intelligenz eigentlich? Wie lernen denn Maschinen? Kannst du uns und auch den Hörerinnen und Hörern einen Eindruck vermitteln in ein paar Worten? #00:12:35.0#

 

Dr. Denise Vandeweijer: Ja klar, gerne. Künstliche Intelligenz, wenn man versuchen möchte, das zu definieren, dann ist es immer ein bisschen schwierig, weil man sich natürlich zunächst mal überlegen muss, was ist denn eigentlich Intelligenz? Und selbst bei Menschen ist es nicht wirklich leicht, das zu definieren, es gibt da keine eindeutige Definition. Ihr könnt gerne mal Wikipedia bemühen, da steht auch, Intelligenz definieren, schwierige Sache. Und dementsprechend ist es natürlich auch schwer zu sagen, was ist denn jetzt eigentlich Künstliche Intelligenz? Im Grunde kann man sagen, wenn Systeme oder Programme anfangen, Aufgaben zu übernehmen, die normalerweise der Mensch übernimmt, und zwar mindestens genauso gut. So kann man sich ein bisschen annähern an die Definition von Künstlicher Intelligenz. Und wie funktioniert das, wie funktioniert das Ganze jetzt? Wir machen immer so ein bisschen die Analogie auf zum zu menschlichen Lernen und auch zum, ich sag mal, normalen Programmieren. Und beim menschlichen Lernen ist es ja so, wir Menschen, wir beobachten unsere Umwelt und wir fangen an, aus dem, was wir sehen, Regeln abzuleiten. Das kann man sich ganz einfach vorstellen bei einem Kind, das lässt irgendwie was fallen und es fällt immer runter. In 100 % der Fälle fällt das runter und das hat relativ schnell raus, wenn ich irgendwas in der Hand habe, was kaputtgehen kann, dann lasse ich es besser nicht runterfallen, weil das wird immer runterfallen. Das ist eine Regel, die wir erkannt haben und irgendwann verinnerlicht haben. Wenn wir jetzt, ich sage mal, ganz normal programmieren, dann nehmen wir uns genau diese Regeln und fangen die an, sozusagen in Systeme einzubauen. Also ganz klassisch „Wenn, dann …“ ist so ein Klassiker. Wenn wir jetzt aber vor dem Problem stehen, dass wir diese Regeln in der Form überhaupt nicht kennen oder die einfach viel zu komplex sind, dass wir sie sozusagen hart irgendwo reinprogrammieren können, dann kommen wir an den Punkt, wo wir anfangen, mit maschinellem Lernen zu arbeiten, ein Teilbereich der Künstlichen Intelligenz. Das ist im Wesentlichen das Lernen aus Daten. Um das vielleicht noch ein bisschen plastischer zu machen, mal an einem Beispiel noch mal erklärt. Ich habe ja gesagt, ich habe im Kontext autonomes Fahren gearbeitet, deswegen, ich nehme da ganz gern Beispiele, weil einfach jeder Auto fährt und das kann man sich gut vorstellen. Und mal ein Beispiel. Jeder kennt die Situation, man fährt irgendwie auf der Autobahn und man ist in der mittleren Spur, und man überlegt sich jetzt, ob man nach links rüberfährt oder nach rechts rüberfährt. Und bevor man das tut, muss man natürlich wissen: Wird sich da jetzt jemand bewegen? Also wird jemand vor mir zum Beispiel einscheren oder wird jemand die Spur wechseln? Das bringt uns so ein bisschen auch zu dem Begriff Intuition, den du vorhin gebracht hast. Erfahrene Fahrer haben natürlich irgendwann so ein Gefühl. Die sagen, ich habe das Gefühl, der wird gleich rüberfahren. Es gibt natürlich auch Regeln dazu, also zum Beispiel, wenn man die Spur wechselt, dann sollte man blinken. Das ist eine Regel, die es dazu gibt. Wir wissen aber alle, wenn wir ein bisschen Erfahrung haben, dass es eben nicht jeder macht. Weil unsere Welt ist halt nicht so, wie wir sie gerne hätten, wenn wir alles in Regeln runterprogrammieren wollen würden. Also diese Relation, wenn Blinker, dann Einscherer, die funktioniert halt leider nicht immer, weil Leute sich nicht immer an diese Regeln halten. Und wir als erfahrene Fahrer haben aber trotzdem irgendwann so ein Gefühl, man fährt und man merkt dann, der wird bestimmt gleich rüberfahren, ohne dass der blinkt. Und wir können aber nicht wirklich festmachen, woran liegt das? Ist das irgendwie eine Kopfbewegung? Ist das eine leichte Bewegung vom Fahrzeug? Ist das irgendwie, dass der schon mal runterbremst oder Gas gibt oder irgendwas in die Richtung? Das ist das, was wir als Intuition bezeichnen. Und beim maschinellen Lernen, im Endeffekt nutzen wir genau diese Daten, um dann entsprechend diese Features rauslernen zu können. Also um das noch mal ein bisschen klarer zu erklären. Was wir tun, ist, wir haben dann im Fall der Einscherer-Prädiktion, also der Vorhersage von Einscherern, haben wir Videodaten, zum Beispiel 5000 Videos, auf denen einfach nur eine volle Abfahrt zu sehen ist. Wir haben dann zum Beispiel 4000 Videos, wo ein Einscherer von rechts zu sehen ist, und 4000 Videos, wo ein Einscherer von links zu sehen ist. Und was die Systeme jetzt machen, ist, die gucken sich sozusagen an, was sind denn in diesen Videosequenzen die Merkmale, die darauf hinweisen, dass mit einer Wahrscheinlichkeit von X jetzt gleich ein Einscherer passieren wird. Das sind dann Dinge wie eben diese leichte Null-Komma-Whatever Grad-Bewegung des Kopfes plus irgendwas mit der Geschwindigkeit. Das sind eben Regeln, die wir in der Form nicht hart reinprogrammieren können. Und genau deswegen brauchen wir das maschinelle Lernen, weil wir sonst so etwas wie eine Einscherer-Prädiktion überhaupt nicht realisieren könnten. #00:17:23.8#

 

Benjamin Krebs: Verstehe. Das klingt, als ob man wirklich Maschinen auch ganz schön beschäftigen muss, damit die dann lernen können. Also die brauchen, glaube ich, auch ganz schön viel Material, um das zu lernen. #00:17:34.7#

 

Dr. Denise Vandeweijer: Ja, auf jeden Fall. #00:17:35.6#

 

Benjamin Krebs: Wahrscheinlich ein bisschen ähnlich wie wir auch. #00:17:37.9#

 

Dr. Denise Vandeweijer: Ja, es kommt auch immer darauf an, welches Ziel man hat. Wenn man jetzt sagt, mir reicht irgendwie, dass ich eine 80 % Wahrscheinlichkeit habe für die Vorhersage, dann komme ich vielleicht mit weniger Daten zurecht. Wenn ich jetzt aber noch mal das Beispiel mit dem Einscherer nehme, … #00:17:54.1#

 

Benjamin Krebs: Der auf der Autobahn … #00:17:54.9#

 

Dr. Denise Vandeweijer: … dann bin ich vielleicht eher bei 99,9 irgendwas, und da brauche ich dann entsprechend auch mehr Daten oder höhere Qualität der Daten. #00:18:01.4#

 

Benjamin Krebs: Ah okay! Das ist echt, also ich glaube, eine tolle Analogie. Auch in einer der vorherigen Folgen haben wir uns mit der Mobilität der Zukunft beschäftigt, unter anderem auch mit dem Thema autonomem Fahren, und haben aber da weniger den Aspekt der Künstlichen Intelligenz beleuchtet. Von daher eine klasse Ergänzung dazu. Vielen Dank, Denise! Ich habe noch mal eine Frage über dieses Thema autonomes Fahren hinaus. Aus deiner Sicht, für wen ist denn künstliche Intelligenz interessant, für welche Branchen, Firmen? Wie kann man das aus deiner Sicht kategorisieren? #00:18:35.8#

 

Dr. Denise Vandeweijer: Ich denke, dass Künstliche Intelligenz tatsächlich für alle Branchen und alle Firmengrößen interessant und wichtig ist. Und ich würde sogar so weit gehen, dass es nicht nur interessant ist für alle Firmen, sondern dass es tatsächlich für viele Firmen überlebensnotwendig sein wird, sich mit diesen Themen zu beschäftigen. Zum Beispiel mal, wenn wir mal ein anderes Anwendungsbeispiel heranziehen. Also man kann Künstliche Intelligenz einsetzen, um zum Beispiel Produktionsprozesse zu optimieren. Also beispielsweise den Energieverbrauch zu reduzieren in bestimmten Kontexten. Wenn man sich jetzt vorstellt, dass viele Unternehmen anfangen, diese Technologien einzusetzen und ein paar wenige nicht, dann sind die natürlich irgendwann nicht mehr wettbewerbsfähig. Das sind genau die Folgen, die dann entstehen, wenn man nicht rechtzeitig anfängt, sich mit der Technologie zu beschäftigen. #00:19:28.0#

 

Benjamin Krebs: Also ganz klar, KI als Competitive Advantage für alle Firmen und alle Branchen. Wow! Das bringt uns natürlich gerade in Deutschland noch mal in eine Position, verstärkt auf das Rennen oder das Wettrennen um die KI zu schauen. Und Peter Altmaier, unser Bundeswirtschaftsminister, sagte dazu: „Aber auch wir können mehr als viele glauben. Mit Bezug auf Deutschland im Hinblick auf das internationale Rennen mit großen Playern wie den USA oder natürlich auch China.“ Wie siehst du das, wie ist deine Position dazu? Nachdem du ja auch viel mit deutschen Unternehmen arbeitest? #00:20:05.3#

 

Dr. Denise Vandeweijer: Natürlich ist es so, die große Expertise zum Thema KI sitzt natürlich im Silicon Valley, also da, wo man sie auch erwarten würde. Das ist klar. Und was, glaube ich, auch jedem bekannt ist, ist, dass China natürlich ein sehr starkes Gewicht auch auf diese Technologie legt. Die investieren extrem viel Geld und die stecken natürlich auch extrem viel Workforce in das ganze Thema Entwicklung von KI rein, und sind da natürlich wie immer sehr konsequent. Also mein Eindruck ist immer, China wird eher so geführt wie ein Unternehmen und nicht wie ein Land oder dergleichen. Also wenn die sagen, wir hauen da jetzt Geld rein, dann ziehen die das wirklich durch. Natürlich ist das etwas, was man auf dem Schirm haben muss. Ich denke aber nicht, dass wir an einem Punkt sind, und da würde ich auch Herrn Altmaier zustimmen, dass wir sagen müssten, wir geben das jetzt auf, weil die ganzen Köpfe sitzen im Silicon Valley, China schmeißt da jede Menge Geld rein, und natürlich eine gute Ausgangssituation mit der ganzen Workforce, die entsprechend da ausgebildet wird. Und zwar aus dem einfachen Grund, dass wir extrem viel Wissen haben, zum Beispiel über Produktionsprozesse. Warum ist das so ein Vorteil, wenn man sich die Entwicklung von KI anschaut? Dafür muss man verstehen, wie eigentlich KI-Projekte entwickelt werden. Ich habe vorhin ein Beispiel genommen aus dem Autofahren. Warum mache ich das? Weil jeder die Domäne Autofahren kennt, der einen Führerschein hat. Wenn man jetzt aber zum Beispiel über beispielsweise sehr komplexe Prozesse in der Fertigung von Kunststoffen nachdenkt, da gibt es dann vielleicht eine Handvoll Experten, die wirklich dieses Domänenwissen haben, und ohne dieses Domänenwissen kann man keine KI entwickeln. Also ein Mathematiker, den man auf die Daten loslässt alleine, kriegt das Thema nicht gelöst, weil der am Ende gar nicht beurteilen kann, ist jetzt das Ergebnis, das das System liefert, richtig oder nahe an richtig dran oder nicht. Dafür braucht es genau dieses Domäne-Wissen. Und das haben wir in sehr vielen Feldern sehr stark in Deutschland, und das gilt es halt jetzt zu nutzen und entsprechend auch für die Entwicklung dieser Systeme einzusetzen. #00:22:13.1#

 

Benjamin Krebs: Das heißt für den Wirtschaftsstandort Deutschland kommt es eigentlich darauf an, dass wir dieses Know-how und den Wissensvorsprung, den wir in vielen Feldern haben, jetzt mit der Künstlichen Intelligenz noch zu kombinieren, um den Vorsprung dann auch zu halten in dem Rennen? #00:22:27.1#

 

Dr. Denise Vandeweijer: Genau. Im Wesentlichen stehen wir vor einer Welle der Automatisierung. Und zwar nicht in einer Form, wie wir das in der Industrialisierung zum Beispiel hatten, wo ja ganz viel körperliche Arbeit automatisiert wurde. Sondern wir stehen eigentlich vor dem Punkt, dass jetzt sehr viel geistige Arbeit automatisiert wird. Und wenn man natürlich in einem Land lebt, das sehr viel Wissen angehäuft hat, das sehr viel Erfahrungswerte hat, dann hat man natürlich auch einen Vorsprung, wenn es darum geht, dieses Wissen entsprechend zu automatisieren. #00:22:54.4#

 

Benjamin Krebs: Verstehe. Das ist wirklich ein guter Ausblick, glaube ich, für den Wirtschaftsstandort Deutschland. Vielen Dank, Denise! Wir haben jetzt über einige Dinge im Bereich von Unternehmen gesprochen, wie wir das anwenden können das Thema Künstliche Intelligenz, auch dass es über lebensnotwendig ist für Unternehmen. Ist denn auch der Einsatz von Künstlicher Intelligenz in gesellschaftlichen Bereichen überlebensnotwendig für uns? #00:23:20.3#

 

Dr. Denise Vandeweijer: Das kommt, wie man gesellschaftliche Bereiche definiert. Also wenn man jetzt zum Beispiel mal das Thema Medizin heranzieht, das könnte man vielleicht in diesem Kontext verorten, dann gibt es da natürlich auch einige Use Cases, wo man einfach sagen muss, dass wirklich Dinge sich verbessern auch durch den Einsatz von Künstlicher Intelligenz. Und um mal ein Beispiel heranzuziehen, ist zum Beispiel die Identifikation von Krebsleiden. Also oft ist es ja so, dass man zum Beispiel Röntgenbilder macht oder diverse Aufnahmen, und dann geht es eben darum zu erkennen, ist da eine krankhafte Veränderung, ja oder nein. Und für den Menschen, für einen erfahrenen Menschen, der auf so ein Bild draufguckt, ist natürlich erst ab einer bestimmten Größe dieser Veränderung wirklich etwas zu erkennen. Wenn wir jetzt aber dieselbe Logik mit dem maschinellen Lernen heranziehen und einen Algorithmus trainieren, den wir mit Tausenden von diesen Bildern füttern, dann ist der auch in der Lage, bereits sehr, sehr kleine Veränderungen zu erkennen. Also Dinge, die jetzt selbst ein Experte einfach mit bloßem Auge noch nicht sehen kann, und hier eben zu sagen, da sollte man mal draufgucken, da ist mit 80 % Wahrscheinlichkeit vielleicht etwas im Gange, was man entsprechend frühzeitig beheben kann. Das ist natürlich … #00:24:35.0#

 

Benjamin Krebs: Das heißt also auch, es kann tatsächlich auch zur Überlebensfrage in der gesellschaftlichen Anwendung werden? #00:24:42.5#

 

Dr. Denise Vandeweijer: Ja. #00:24:41.9#

 

Benjamin Krebs: Sehr spannend! #00:24:43.4#

 

Dr. Denise Vandeweijer: Ja. Kann ich was trinken zwischendurch eigentlich, oder? #00:24:46.0#

 

Roland Schäffer: Natürlich! Wenn du zu deinem Drink auch noch einen kleinen Snack möchtest, dann schalte ich mich gleich ein. #00:24:53.1#

 

Dr. Denise Vandeweijer: Perfekt! #00:24:53.8#

 

Roland Schäffer: Und zwar hat Sam Altman, der CEO von OpenAI, 2015 auf einer Konferenz etwas Pessimistisches gesagt. Und zwar vielleicht den nicht ganz ernst gemeinten Satz: „KI wird wahrscheinlich das Ende der Welt einleiten, aber bis dahin wird es ein paar tolle Unternehmen geben.“ Bei Künstlicher Intelligenz denken ja viele zunächst jetzt so an Roboter, die Aufgaben übernehmen, die bisher von Menschen ausgeführt wurden. Das haben wir gerade schon gehört. Damit geht auch ein bisschen eine Sorge einher, dass dadurch Jobs wegfallen, dass wir letztendlich vielleicht alle von Künstlicher Intelligenz bestimmt werden, Künstliche Intelligenz sogar Entscheidungen für den Menschen übernimmt, wie zum Beispiel autonomes Fahrzeug, aber auch Waffen steuern. Hast du solche Bedenken schon öfter gehört und hast du eine klare Antwort da drauf? #00:25:42.2#

 

Dr. Denise Vandeweijer: Ich glaube, das ist eine Frage, die ich nur persönlich beantworten kann, also wenig objektiv, sondern nur, was meine persönliche Einschätzung ist dazu. #00:25:54.1#

 

Roland Schäffer: Dann gerne deine subjektive Meinung. #00:25:55.7#

 

Dr. Denise Vandeweijer: Okay. Cool! Für mich ist es so, ja, ich denke auch, dass viele Jobs wegfallen werden, einfach dadurch, dass Dinge automatisiert werden. Aber die Frage ist, ist das notwendigerweise etwas Schlechtes? Ich persönlich bin der Überzeugung, dass der große Vorteil, den wir als Menschen haben, ist, dass wir extrem anpassungsfähig sind. Das heißt, wir sind in der Lage, uns entsprechend und unsere Gesellschaften weiter zu entwickeln auf Basis auch von neuen Technologien. Ich meine, wenn man sich mal überlegt, wie viele Kutscher arbeitslos geworden sind, als die Autos eingeführt wurden. Das haben wir auch irgendwie auf die Reihe gekriegt. Oder wenn man sich mal die Workforce anschaut, die in der Landwirtschaft tätig war noch vor 100 Jahren, das waren irgendwie 95 % der Menschen, die da beschäftigt waren, und durch Automatisierung, durch Prozessverbesserungen sind wir jetzt, ich glaube, in Deutschland von zwei, drei Prozent der Menschen, die noch für die Landwirtschaft arbeiten. Natürlich bringt das einen Umbruch mit sich, aber es bringt auch Chancen mit sich. Und es heißt natürlich auch, dass viele Jobs wegfallen, die aktuell vielleicht auch die Leute gar nicht so gerne machen, wenn man das mal so salopp formulieren darf. Ich glaube, dass es unsere Aufgabe ist, diesen Wandel zu gestalten. Es ist keine Option, jetzt zu sagen: Durch KI werden irgendwie Jobs wegfallen, ich beschäftige mich nicht mit KI. Weil die Welt um uns herum wird sich damit beschäftigen und wir sind gezwungen, da Antworten zu finden. Und ich denke auch, ich habe es ja gerade gesagt, die Frage, wie gehen wir mit diesem Wandel um, das ist eine Entscheidung, die wir als Gemeinschaft und als Gesellschaft treffen müssen. Und genauso ist es auch beim Thema Waffen zu sehen. Also natürlich steht diese Gefahr im Raum, dass man diese Technologien auch nutzt, um zum Beispiel autonome Waffen herzustellen oder was auch immer. Aber das ist auch wieder die Frage, das sind Dinge, die nicht einfach vom Himmel fallen, sondern das sind Leute, die sowas entwickeln. Und wir zum Beispiel bei Applied AI, wir arbeiten aus Prinzip in keinerlei Kontext, der irgendwie mit militärischen Anwendungen zu tun hat. Und es gibt auch viele Entwickler, die diese Meinung teilen. Zum Beispiel Google ist das entsprechend auch auf die Füße gefallen, wo wirklich viele fähige Leute einfach gekündigt haben und gesagt haben, und auch diesen offenen Brief, eine Petition, geschickt haben und gesagt haben: Wir wollen damit nicht in Verbindung sein und wir verlassen das Unternehmen, wenn hier nicht entsprechend die Strategien angepasst werden. Und dadurch, dass einfach Talente im Kontext KI aktuell noch so selten sind und so schwer zu finden sind, hat man da natürlich als Entwickler auch oder als Entwicklungsabteilung, als Entwicklungsgemeinschaft einen sehr großen Hebel da dran. #00:28:33.0#

 

Benjamin Krebs: Da hast du natürlich recht, und das ist ein gutes Beispiel mit Google gerade auch. Ich denke mal, das Thema kann man vielleicht unter dem Oberbegriff digitale Ethik zusammenfassen. Der Bundestag betont auch in einem Bericht, dass das Leitbild einer menschenzentrierten KI eigentlich das bestimmende sein soll und dass auch eine Arbeit Hand in Hand zwischen Mensch und Maschine eigentlich ermöglicht werden soll, sodass auch die Akzeptanz bei den Menschen und in der Gesellschaft tatsächlich entsteht. Und dafür brauchen wir natürlich eine vertrauenswürdige KI, die auch den Menschen tatsächlich in den Mittelpunkt stellt. Und da ist jetzt meine Frage an dich, Denise: Wie stellt man das denn sicher, dass diese Künstliche Intelligenz tatsächlich diese ethischen Leitplanken auch einhält? Und vielleicht ein ganz pragmatisches Beispiel auch dazu, inwieweit passt es denn zu Dingen wie der DSGVO? #00:29:30.3#

 

Dr. Denise Vandeweijer: Wie stellt man das sicher? Im Endeffekt ist es einfacher zunächst mal, als man denkt. Weil man entwickelt ja ein System immer mit einem gewissen Ziel. Also ich hatte vorher das Beispiel genannt mit der Energieeinsparung, mit der Optimierung von Produktionsprozessen. Da habe ich ja ein klares Ziel. Das ist ja nicht eine KI, die dann entscheidet, irgendwas anderes zu tun und sich plötzlich unethisch zu verhalten und irgendwie, was weiß ich, für hunderte Millionen irgendwelche Sachen zu bestellen im Namen dieses Unternehmens oder was weiß ich, was man so einer KI da unterstellen könnte, keine Ahnung. Das ist also ein System, das von Menschen entwickelt wurde zu einem Ziel, das auch Menschen sich gestellt haben, das Menschen gesetzt haben. Das heißt, hier ist schon mal die erste ethische Barriere sozusagen. Also die KI macht das, was der Mensch ihr beibringt. Das ist mal die einfache Antwort. Es gibt natürlich dann Schwierigkeiten, die sich so auf dem Weg ergeben können. Man hat eigentlich ein hehres Ziel, aber man stellt dann fest, die KI lernt dann irgendwie Dinge, die wir vielleicht so gar nicht vorgesehen hatten. Um vielleicht das auch noch mal an einem Beispiel deutlich zu machen. Amazon hat mal versucht, im Thema Recruiting eine KI einzusetzen. Was haben die gemacht? Die haben alle CVs von ihren Mitarbeitern hochgeladen, das waren dann die Daten, aus denen gelernt wurde, und haben der KI gesagt, lern doch mal bitte, was sind denn Merkmale in einem CV, die eine Wahrscheinlichkeit, eine hohe Wahrscheinlichkeit mit sich bringen, dass ein Mitarbeiter in unserem Unternehmen erfolgreich ist? Und was ist passiert? Die haben ein Bias sozusagen reingelernt, der automatisch dazu führte, dass Frauen diskriminiert wurden. Nicht weil irgendjemand bei Amazon entschieden hat, wir diskriminieren jetzt Frauen, sondern einfach, weil die historischen Daten … #00:31:18.7#

 

Benjamin Krebs: Die historische Datenbasis. #00:31:19.7#

 

Dr. Denise Vandeweijer: … das einzige ist, was die KI hatte zu lernen. Und man kann es eigentlich so sagen, dass die KI in dem Moment nur aufzeigt, dass es vorher schon wohl in den Daten diesen Bias gab. Aber das ist natürlich was, und da kommen wir wieder mit dem Domänen-Experten sozusagen um die Ecke, weil das dann zu erkennen, das kann nur jemand, der wirklich sich auch mit der Thematik auskennt. Das kann die KI nicht selbst. Die KI hat die Merkmale gelernt aus den Daten, die sie bekommen hat, und gibt jetzt eine Empfehlung ab. Das ist ganz einfach. #00:31:49.2#

 

Roland Schäffer: Jetzt habt ihr schon gegessen, aber ich würde noch mal nachlegen. Ich habe noch ein bisschen, das beides noch versorgt werden muss, wir wollen ja auch keinen Snack-Bit schlechtwerden lassen. Applied AI ist Dach-Initiative AI for Germany, in dem Partner aus verschiedenen Bundesländern zusammengeschlossen sind, um gemeinsam aktiv die Umsetzung von KI-Projekten zu fördern. Als eine der Stärken Deutschlands nennt die Arbeitsgruppe KI und Wirtschaft der Enquete Kommission der Kooperation der Industrie mit Start-ups, KMUs und die regionale Vernetzung. Dazu habe ich einen Snack für euch, und zwar das Zitat von Thomas Edison, dem Mitbegründer von General Electric, und das finde ich sehr herausragend: „Der Wert einer Idee liegt in ihrer Anwendung.“ Ich glaube, das bestätigt noch mal so ein bisschen das, über was wir auch gerade gesprochen haben. #00:32:34.2#

 

Dr. Denise Vandeweijer: Ja. Auf jeden Fall. Das ist auch was, was wir oft mit Unternehmen erleben. Viele Unternehmen oder viele Mitarbeiter auch von Unternehmen oder Leiter von Innovationsabteilungen, die haben irgendwie von KI gehört und Machine Learning und neuronale Netze und Deep Learning und diese ganzen coolen Buzzwords. Und die sagen dann: Hey! Ich möchte auch sowas in meinem Unternehmen haben. Wir brauchen das jetzt auch. Das ist irgendwie eine coole Sache. Die fangen dann an, irgendwie einen Use Case sich rauszupicken, der irgendwie, da haben wir doch Daten, das können wir doch mal probieren, das ist doch genau das Ding, wo wir anfangen sollen. Aber das Problem ist, wenn man sich nicht im Vorfeld Gedanken macht, ob es wirklich einen Nutzen bringt, diesen Use Case umzusetzen, ob auch die Relation zwischen Aufwand, den ich reinstecke, und Nutzen, den ich raushole, ob das sozusagen in einem guten Verhältnis steht, da kommt man ganz schnell an den Punkt, dass man Dinge entwickelt, die dann eben am Ende nicht angewandt werden. Und das ist zum einen natürlich Aufwand, den man betrieben hat, der am Ende umsonst ist. Es ist zum anderen aber auch natürlich schädlich für die Annahme einer solchen neuen Technologie innerhalb der Belegschaft zum Beispiel. Wenn man einfach zwei, drei Mal da Zeit und Geld reingesteckt hat, und es am Ende nicht fliegt, nicht in die Anwendung kommt, dann verliert natürlich auch das Unternehmen irgendwann oder die Belegschaft des Unternehmens irgendwann das Interesse, sich mit diesen Techniken zu beschäftigen. #00:33:54.3#

 

Benjamin Krebs: Extrem nachvollziehbar! Ich denke auch, du hast einen wichtigen Punkt angesprochen. Man braucht, glaube ich, einen Plan, wie man das Ganze einsetzt. Die Frage deswegen auch an dich, vielleicht kannst du unseren Hörerinnen und Hörern mal an einem Beispiel sagen oder zeigen, wie Applied AI arbeitet. Also wie sieht denn so eine typische AI Journey aus, wenn ihr die mit Unternehmen angeht? #00:34:17.2#

 

Dr. Denise Vandeweijer: Es kommt immer ein bisschen darauf an, wir haben Unternehmen, mit welchem Ziel auch die Unternehmen auf uns zukommen. Es gibt natürlich Unternehmen und Kunden, die sagen: Ich habe jetzt hier einen Use Case identifiziert, ich habe mich auch damit beschäftigt, ob der wirklich den entsprechenden Wert bringt in meinem Unternehmen. Ich habe Daten. Aber ich sitze halt irgendwie im Bayerischen Wald und ich habe hier keine ML Engineers sitzen, ich habe keinen, der mir das machen kann. Können wir euch als Partner mit dazu holen? Das ist natürlich die eine Variante. Dann gibt es Unternehmen, und vor allem trifft das zu für unsere Partnerunternehmen, also Unternehmen, die sich tatsächlich über einen längeren Zeitraum committen, mit uns zusammenzuarbeiten, die für sich wirklich entschieden haben, wir möchten die Technologie nachhaltig und grundlegend bei uns im Unternehmen verankern. Und was wir zunächst machen, ist einmal zu schauen gemeinsam mit den Ansprechpartnern, wie ist denn eigentlich der aktuelle Stand der Umsetzung von KI bereits im Unternehmen? Es gibt Firmen, die haben noch überhaupt nichts dazu gemacht, wenn die bei uns aufschlagen. Es gibt auch Unternehmen, die haben einzelne Abteilungen, die bereits sehr viel KI nutzen, aber der Rest überhaupt nicht. Es gibt auch Unternehmen, die das so ein bisschen mehr gleich verteilt haben. Und so weiter. Gibt’s alle möglichen Ausgangssituation. Und was für uns immer ganz wichtig ist, dass man tatsächlich am Anfang schaut, dass man ein, zwei, drei Use Cases, je nach Größe des Unternehmens findet, die wirklich machbar sind und die auch das Potenzial haben, am Ende wirklich einen Mehrwert für das Unternehmen zu bringen. Einfach, um, ich sag mal, einen Pflock zu setzen, dass man einfach sagt: Hey! … #00:35:51.8#

 

Benjamin Krebs: Positives Erlebnis. #00:35:53.0#

 

Dr. Denise Vandeweijer: Ja, ganz genau. Wir haben die Qualität irgendwie steigern können im Produktionsprozess oder wie auch immer. Und wenn man das gefunden hat oder vielleicht sogar auch parallel dazu, muss man sich natürlich Gedanken machen, wo will ich denn eigentlich hin mit dieser Technologie? Also was ist denn eigentlich meine Vision, meine Strategie mit dieser Technologie? Und da gibt es dann zwei verschiedene Weisen, wie man da drauf gucken kann. Das eine ist natürlich, sich damit zu beschäftigen, gibt es irgendwie Produkte, die ich mit KI anreichern kann? Gibt es irgendwie neue Produkte, die ich auf den Markt bringen kann, die erst ermöglicht wurden durch diese Technologie? Und die zweite Sicht ist das Thema Prozesse. Also gibt es Prozesse, die ich verbessern, vereinfachen, was auch immer kann, einfach mit der Unterstützung von KI. Und über allem drüber natürlich die Frage: Wo will ich eigentlich hin mit meinem Unternehmen? Also nicht jedes Unternehmen, nicht jeder Mittelständler aus dem Bayerischen Wald möchte der nächste Google werden oder sollte der nächste Google werden, wo wirklich KI einfach im Kern dessen ist, was das Unternehmen tut. Es kann auch sein, dass man sagt, es gibt diese zwei, drei Kernprozesse, das sind meine Haupt-Wertschöpfungstreiber, die möchte ich so optimal wie möglich haben, und genau da will ich KI zum Beispiel einsetzen. #00:37:02.8#

 

Benjamin Krebs: Es kommt wieder zu dem Thema Domänen, Know-how, dass man einfach auch die Stärke richtig kombiniert mit der Künstlichen Intelligenz, … #00:37:10.3#

 

Dr. Denise Vandeweijer: Genau. Ganz genau. #00:37:10.9#

 

Benjamin Krebs: … die man auch schon mitbringt, um sich weiterzuentwickeln. Sehr cool! Kannst du uns vielleicht auch ein paar Beispiele nennen von Dingen, wo ihr schon dabei wart oder was wir vielleicht auch selber aus dem praktischen Leben kennen, wo ihr mitgemacht habt, was schon ein Einfluss von euch war? #00:37:26.2#

 

Dr. Denise Vandeweijer: Wir haben sehr viele Projekte gemacht bereits innerhalb von Unternehmen natürlich. Wir haben jetzt, ich glaube, wir haben kein Projekt, wo man sagt, das … #00:37:34.9#

 

Benjamin Krebs: Das kann man kaufen oder so. #00:37:36.1#

 

Dr. Denise Vandeweijer: … erlebt irgendwie jeder im täglichen Doing. Genau, oder das kann man kaufen. Also das eher nicht. Also dadurch, dass wir halt wirklich sehr stark B2B auch unterwegs sind. Wir haben an zwei, drei Produkten auch mitgearbeitet, aber auch selbst die sind B2B, also auch nur Spezialisten sozusagen dann bekannt. Es ist natürlich unserem Geschäftsmodell auch ein Stück weit geschuldet. Klar. Also Beispiele, wir haben wirklich querbeet schon uns mit Themen beschäftigt. Also zum Beispiel haben wir einige Themen, die sich damit beschäftigen, eine Empfehlung zu machen für eine Preisgestaltung. Das heißt, wenn man einen komplexen Markt hat, muss man sich ja überlegen: Was ist jetzt ein guter Preis? Also ist der Kunde noch bereit zu zahlen? Oder ist es zu niedrig und ich hätte eigentlich einen anderen Preis machen können? Kann man sehr gut Empfehlungen lernen aus historischen Daten auch heraus. Dann hatten wir mal ein Thema im Kontext Robotik. Da ging es darum, sehr komplexe Bauteile zu händeln. Normalerweise ist ja Robotik, die haben irgendwie so ihre XY-Achsen und die machen dann ihr Ding und greifen, diese klassischen KUKAs. Wenn ich jetzt aber die Situation habe, dass ein Teil ankommt, das sehr viele Ecken, Kanten hat, das vielleicht auch Bereiche hat, die nicht verkratzt werden dürfen, das kommt immer irgendwie anders heraus, dann brauche ich ein System, das sozusagen lernt, dieses Ding richtig zu greifen und sich immer wieder anpasst. Auch das ist ein Beispiel für KI. #00:39:01.8#

 

Benjamin Krebs: Wow! Da gibt’s ja echt ganz viele Anwendungsbereiche. Wir freuen uns schon, wenn dann mal das ein oder andere Beispiel auch da ist, was wir vielleicht im täglichen Leben noch miterleben können. #00:39:12.5#

 

Dr. Denise Vandeweijer: Ja. #00:39:12.9#

 

Benjamin Krebs: Ich habe noch eine Frage zum Thema Start-ups und Gründungen auch in Deutschland. In einer unserer früheren Podcast-Folgen haben wir uns schon intensiver auch damit beschäftigt, unter anderem hatten wir auch die Aya Jaff da, die selber auch Gründerin ist und Programmiererin. Aber in Deutschland haben wir in 2019 6,2 Milliarden an Wagniskapital bekommen oder Investmentkapital. Das ist zwar so viel wie noch nie zuvor, aber in den USA waren es in einem Quartal, also nur dem Viertel der Zeit, schon über 30 Milliarden. Also das heißt, da sind natürlich ganz andere Summen da. Deswegen die Frage: Ist Teil eurer Aufgabe für dich auch zu sagen, wir möchten Start-ups fördern, wir möchten auch in Deutschland diese Gründungen in dem Bereich Artificial Intelligence mit supporten und unterstützen? #00:40:04.2#

 

Dr. Denise Vandeweijer: Ja, auf jeden Fall. Also Unternehmertum als solches natürlich, das ist die Hauptaufgabe von Unternehmertum, Start-ups zu fördern. Wir haben mit UVC auch einen Venture Capital Arm und so weiter und so fort. Wenn wir jetzt aber speziell auf Applied AI eingehen, ist unsere Rolle hier, das Matching herzustellen zwischen Start-ups und potenziellen Kunden. Also wir sind jetzt kein Venture Capital Geber oder irgendwas in die Richtung, aber was wir schon machen, ist, und da kommt wieder das Thema Gemeinnützigkeit ein Stück weit mit rein, wenn jetzt ein Kunde auf uns zukommt und sagt, ich habe genau das und das Problem, und wir wissen, es gibt ein Start-up da draußen, das diesem Kunden helfen kann, dass es ein Angebot hat oder ein Angebot modifizieren kann, um genau dieses Problem zu lösen, dann stellen wir da entsprechend den Kontakt her, anstatt jetzt selber noch mal ein Projekt sozusagen zu verkaufen. Und das ist so unser Beitrag, um hier entsprechend auch die Start-ups in Deutschland zu fördern. Ich war jetzt gestern erst sehr überrascht, weil wir machen jedes Jahr eine AI Start-ups Landscape für Deutschland, und ich habe erst gestern die Rohdaten bekommen für die aktuelle Recherche. Und es sind um die 700 Start-ups drin. Und natürlich, es sind deutlich mehr als in der Vergangenheit, und natürlich müssen wir die jetzt noch prüfen und da sind bestimmt auch ein paar dabei, die irgendwie behaupten, sie machen KI, aber sie machen keine KI und so weiter. Das wird sich bestimmt noch ein bisschen eindampfen, aber allein die Menge ist schon aussagekräftig, finde ich. Also ich habe schon den Eindruck, dass wirklich da auch tatsächlich sich was bewegt in Deutschland.  #00:41:34.9#

 

Roland Schäffer: Mir ist die Frage gekommen, und zwar, wenn du einen Themenbereich hast oder ein Projekt mit Künstlicher Intelligenz oder Machine Learning, an dem du einfach, das du jetzt kreieren darfst, an welchem würdest du gern mitarbeiten wollen? Was ist so, gibt’s ein Steckenpferd von dir? Gibt’s irgendein Thema, wo du gerne sagst, wenn das auf den Tisch kommen würde, würde ich sofort Ja sagen? #00:41:52.9#

 

Dr. Denise Vandeweijer: Ganz spontan, was ich total gut finde, ich wohne auf dem Land draußen, muss ich sagen, also ich reite, ich habe viel Kontakt mit Pferden, wir haben auch hier einen Hund und Hasen und so weiter. Und wenn es irgendein Projekt geben würde im Kontext Landwirtschaft, da wäre ich sofort am Start. Also wir wohnen hier in Niederbayern und wir kaufen regional ein und so weiter, und wenn es da irgendwie was gäbe, das fände ich richtig cool. #00:42:18.8#

 

Roland Schäffer: Das freut mich. Da wäre ich auch dabei. #00:42:21.3#

 

Benjamin Krebs: Das klingt auf jeden Fall nach einem total sinnvollen Einsatz. Schauen wir mal, was uns da für Ideen noch über den Weg laufen oder vielleicht selber kommen. Dann lass uns mal einen Blick in die Zukunft werfen gemeinsam, Denise. Unser Podcast ist ja mit Namen schon Road to 2030, also wir blicken ins Jahr 2030, wenn du mal diesen Blick nach vorne wagst oder wagen möchtest, wie verändert sich unser Verständnis von KI und wie verändert sich unser Umgang mit KI? Welche Einsatzmöglichkeiten sind vielleicht heute noch Utopie, aber in zehn Jahren eben schon Realität? #00:43:00.6#

 

Dr. Denise Vandeweijer: Ich kann mir gut vorstellen, dass wir immer mehr mit diesen Technologien zu tun haben werden und wir werden es immer weniger wahrnehmen. Um da vielleicht auch noch mal ein Beispiel anzubringen. Ich habe mal ein Training gegeben in China für ein chinesisches Unternehmen, und das war für uns extrem interessant, weil wir die Möglichkeit hatten, mit den Leuten dort sehr, sehr viele Themen auch zu diskutieren, auch im politischen Kontext. Also echt, das war ein großartiger Ausflug, um es mal kurz zu fassen. Und in unserem Training haben wir immer so Beispiele drin, ein Thema ist Gesichtserkennung und Emotionserkennung. Und wir haben das dann in unserem Training vorgeführt und die waren dann so, das ist doch kein KI, das ist doch normal, das gibt’s doch schon, Gesichtserkennung, das gibt’s doch bei uns am Flughafen. Und wir dann so: Ja, ja doch. Und wir haben denen dann erklärt, warum das KI ist, und das ist Computer Vision und da wird aus diesen Bildern gelernt, und was glaubt ihr denn, wie das sonst geht. Das war so die Diskussion, die wir hatten. Und für die war wirklich so: Nein, das ist doch normal, das ist doch nicht KI. Und ich glaube, dass sich im Laufe der Zeit das immer mehr dahin entwickeln wird, dass wir immer mehr mit diesen Technologien zu tun haben werden, dass wir immer mehr Dinge auch tatsächlich optimieren werden und automatisieren werden und sich das für uns auch immer natürlicher anfühlen wird. Das ist, womit ich rechne. Und was meine Hoffnung ist für jetzt Deutschland und Europa im Speziellen, dass wir tatsächlich in der Lage sind, dieses ganze Wissen, diese ganze Erfahrung und Expertise, die wir haben, auch für uns gewinnbringend einzusetzen. Und auch Dinge auf den Markt zu bringen. Und du hattest vorhin mal das Thema Datenschutz zum Beispiel angesprochen, wo wir wirklich sagen, wir haben hier eine Automatisierung, wir haben hier ein Produkt, wir haben hier was geschafft, das auf der einen Seite diesen Nutzen reinholt, auf der anderen Seite aber auch zum Beispiel die privaten Daten oder die Daten der Nutzer entsprechend respektiert. Und dass wir das wirklich als einen Vorteil verstehen und nutzen konnten, das wäre so meine Hoffnung dann für uns so als Wirtschaftsstandort. #00:44:55.8#

 

Benjamin Krebs: Sehr gut! Ich glaube da auch, dass das tatsächlich ein Unterscheidungsmerkmal sein kann, ein Differentiator für uns, wenn wir es richtig kombinieren und richtig einsetzen. Sehr spannende Erfahrung. Ich möchte, bevor ich in die allerletzte Frage komme, noch ein Zitat von Stephen Hawking zitieren hier: „KI ist wahrscheinlich das Beste oder das Schlimmste, was der Menschheit passieren kann.“ Was können wir aus deiner Sicht tun, damit es das Beste ist? #00:45:27.2#

 

Dr. Denise Vandeweijer: Wir müssen uns mit den Technologien beschäftigen. Also wir dürfen auf gar keinen Fall jetzt den Kopf in den Sand stecken und irgendwie, ich sag mal, die böse KI wird hier die Weltherrschaft an sich reißen und irgendwie in diesen Fantasien schwelgen und uns dieser Technik irgendwie verweigern. Sondern was wir machen müssen, ist, wir müssen unserer Aufgabe gerecht werden und unserer Verantwortung gerecht werden und die Entscheidungen treffen, die anstehen. Und dafür müssen wir alle dafür sorgen, dass wir entsprechend informiert sind, dass wir wirklich wissen, wo gilt es, Entscheidungen zu treffen. Wir hatten vorher das Thema Waffen. Das ist etwas, was wir Menschen entscheiden können. Wir haben eine Entscheidung getroffen im Kontext Atombombe und wir können auch Entscheidungen treffen im Kontext autonome Waffen. Und je mehr wir sagen, wir beschäftigen uns nicht damit, oder es ist mir alles Matte oder ich habe davon keine Ahnung, das machen irgendwelche Nerds und Experten, je mehr wir sagen, wir beschäftigen uns nicht damit, es betrifft uns nicht, je größer die Gefahr wird, dass wir genau diese Entscheidungsbedarfe ein Stück weit versäumen. Und insofern kann ich ihm da schon recht geben. Und es hängt aber davon ab, wie wir das Ganze gestalten, wie wir den Umgang mit der Technologie gestalten. #00:46:36.8#

 

Benjamin Krebs: Sehr gut! Dann wollen wir mal hoffen, dass wir mit dem Podcast, den wir heute hatten, auch einen großen Beitrag dazu leisten können, den einen oder anderen mit Künstlicher Intelligenz noch mehr vertraut zu machen und vielleicht auch dieses Wissen zu schaffen oder zumindest die Neugier anzustoßen, sich auch etwas mehr mit dem Thema zu beschäftigen. Last but not least würde mich noch ein ganz persönlicher Ausblick von dir interessieren, Denise, und zwar: Was wäre deine persönliche Utopie für das Jahr 2030? #00:47:10.1#

 

Dr. Denise Vandeweijer: Meine persönliche Utopie? Ich fände es toll, wenn wir diese kritischen Bereiche, wir hatten das Thema Waffen, wenn wir da wirklich Entscheidungen getroffen haben, wo ich sage, ja, das ist etwas, wo ich auch ein gutes Gefühl habe, auch in Bezug auf meine Kinder. Das fände ich super. Und ich fände es gut, wenn wir es geschafft hätten, auch tatsächlich Prozesse und Arbeiten für die Menschen eigentlich, aber das ist eine persönliche Meinung, aber es ist auch eine persönliche Frage, für die der Einsatz von menschlicher Lebenszeit eigentlich Verschwendung ist. Wenn wir es schaffen, diese Prozesse und Aufgaben tatsächlich zu automatisieren, und wenn wir es als Gesellschaft schaffen, auch Antworten zu finden auf die Frage, was machen wir denn mit der Zeit, die jetzt frei wird? Und zwar sinnvolle Antworten. Und das ist ein bisschen viel für die nächsten zehn Jahres, ist mir klar, aber ich habe jetzt auch bewusst mal den Bogen ein bisschen größer gespannt. #00:48:04.4#

 

Benjamin Krebs: Eine Utopie ist eine Utopie. Das ist schon okay. #00:48:07.0#

 

Dr. Denise Vandeweijer: Ja, ja, eben. #00:48:07.7#

 

Benjamin Krebs: So ist es. Perfekt! Vielen Dank, Denise! #00:48:11.4#

 

Dr. Denise Vandeweijer: Danke auch! #00:48:12.6#

 

Roland Schäffer: Eine absolut spannende Diskussion heute. Danke dir, Denise fürs Dasein und danke dir, Benny, für den Ausflug. Vielen Dank, dass ihr mich mitgenommen habt. Zum Abschluss würde ich unseren Hörern gerne noch ein Zitat von Walt Disney mit auf den Weg geben: „Der Weg, um anzufangen, ist, mit dem Reden aufzuhören und mit dem Tun zu beginnen.“ #00:48:29.3#

 

Sie haben Ihr Ziel erreicht.

 

S: Wow! Was für ein starkes Zitat. Podcasts haben es zwar in sich, dass man redet, aber meistens lernt man dann auch was und kann vielleicht danach mit dem Tun anfangen. Ich glaube, wir haben heute eine fantastische Grundlage für unsere Hörerinnen und Hörer gelegt. Wir haben gelernt, wie Denise von der TU München, dem Studium über verschiedene Stationen zur TU München mit dem Unternehmertum und Applied AI gekommen ist, in dem, was sie jetzt heute tut. Wir haben gelernt, warum du, Denise und KI, warum das Liebe auf den ersten Blick war. Wir haben gesehen, dass es tolle Vorteile gibt, in einer Non-Profit-Organisation zu arbeiten und sich mit dem Thema zu beschäftigen. Wir haben von sehr vielen Organisationen und auch Persönlichkeiten in Deutschland Zitate gehört zum Thema Künstliche Intelligenz. Wir haben außerdem verstanden, dass es für Unternehmen nicht nur darum geht, es interessant zu finden, sondern dass es tatsächlich überlebensnotwendig ist, auch auf der gesellschaftlichen Seite kann Künstliche Intelligenz unternehmensnotwendig sein. Wir haben darüber hinaus gesehen, Ethik ist etwas, das der Mensch macht, und auch die Künstliche Intelligenz ist etwas, das der Mensch macht oder ausmacht. Und wenn man beides kombiniert, dann ist es die Aufgabe des Menschen, dort auch dafür zu sorgen, dass die ethischen Grundlagen eingehalten werden. Des Weiteren ist der Wirtschaftsstandort Deutschland sehr gut aufgestellt. Wenn wir es schaffen, unser Domänen-Know-how, die Dinge, wo wir heute gut sind, noch mit der Künstlichen Intelligenz sinnvoll zu verknüpfen. Denn nur, wenn man weiß, worüber man redet und womit man sich beschäftigt, kann man Künstliche Intelligenz sinnvoll einsetzen. Und dann haben wir positive Nachrichten aus der Start-up Landscape bekommen mit über 700 Unternehmen genau in dem Bereich. Und last but not least werden wir, glaube ich, alle dafür sorgen, dass wir aus Künstlicher Intelligenz das Beste machen, was der Menschheit passiert ist, damit dann jemand wie Mona, die wir vorhin gesehen haben, in zehn Jahren damit selbstverständlich und wunderbar umgehen kann und wir alle auf der Road to 2030 noch viele schöne Erlebnisse mit Künstlicher Intelligenz verbuchen können. Vielen Dank! #00:50:54.4#

 

Dr. Denise Vandeweijer: Danke auch! #00:50:55.7#

 

Roland Schäffer: Damit sind wir für heute schon leider wieder am Ende unseres Technologie-Dialogs. Vielen Dank an unsere heutige Mitfahrerin Denise für das spannende Gespräch. Und wenn euch die Folge gefallen hat, dann würden wir uns freuen, wenn ihr unseren Podcast abonniert. Das könnt ihr auf Spotify, SoundCloud, der Dell Technologies Mediathek und jetzt neu auf dem Apple Podcast und Deezer tun. In der nächsten Folge in zwei Wochen haben wir Gerhard Lesch von Intel zu Gast, mit dem wir über die Digitalisierung im Gesundheitswesen sprechen werden. Ich freue mich drauf, ich freue mich auf euch. Bis dahin! Gute Fahrt! Und bleibt safe! #00:51:31.4#