Was muss passieren, um künstliche Intelligenz in Deutschland zum Erfolgsmodell zu machen?
Professor Claus Oetter: Zu allererst müssen wir endlich etwas tun und uns nicht durch die oft heraufbeschworene German Angst lähmen lassen. Wir sollten nicht versuchen, an runden Tischen alles zu prüfen und alle Möglichkeiten sowie Eventualitäten in der Theorie im Detail auszuarbeiten. Wenn wir alle Risiken im Vorfeld erkennen wollen, um uns vorauseilend gegen sämtliche Horrorszenarien abzusichern, werden wir – wie so oft in der Vergangenheit – zu langsam sein.
In einigen Bereichen bauen wir bereits auf bestehende KI-Anwendungen auf und können damit weitere Anwender überzeugen. Wo sehen Sie die größten Erfolge?
Prof. Oetter: Die Initialzündung und zugleich Mutter aller KI-Anwendungen stammt aus der Bildverarbeitung, etwa in der Robotik beim Pick&Place, die mittels KI umgesetzt wird. Hier hat sich eine akzeptierte Technologie entwickelt und diese kann in andere Bereiche diffundieren. Im Maschinen- und Anlagenbau sehen wir sehr gute Voraussetzungen für KI-Anwendungen durch Machine Learning. Ich trainiere das System auf bestimmte Fähigkeiten. Und nach der Trainingsphase wendet die Maschine das Erlernte im Produktivbetrieb an. Das Wissen des Systems bleibt allerdings genau auf den antrainierten Umfang begrenzt und kann nicht einfach erweitert werden. Das ist für viele Bereiche absolut ausreichend. Machine Learning ersetzt die traditionelle Programmierung, die in Folge der Datenflut an ihre Grenzen stößt.
Was muss man wissen, um Machine Learning richtig einzusetzen?
Prof. Oetter: Hier genügt eine einfache Regel: Je besser trainiert wird, umso besser ist das Ergebnis. Dafür sind jedoch viele Daten notwendig. Und genau hier liegt der Knackpunkt, der zwei zentrale Probleme mit sich bringt: Wie kann ich die Qualität der Daten überprüfen und gegebenenfalls verbessern? Wie lässt sich eine hinreichend große Menge hochwertiger Daten erzeugen? Für die Unternehmen stellt das die größte Herausforderung dar, denn es bedeutet eine intensive Einarbeitung und kostet sehr viel Zeit. Die Daten können selbstverständlich auch durch eine Simulation erzeugt werden. Aber auch eine Simulation muss der Realität entsprechen. Gerade das ist bei komplexen Produktionsprozessen problematisch.
