WEBVTT

00:00.000 --> 00:03.860
Der Einsatz künstlicher Intelligenz scheint keine Grenzen zu kennen.

00:04.320 --> 00:07.860
Überall entstehen riesige Datenmengen, mit denen man sogenannte KI

00:07.860 --> 00:09.520
-Systeme trainieren kann.

00:09.960 --> 00:13.520
Dadurch werden ganz neue Dienstleistungen und Produkte möglich.

00:14.080 --> 00:17.640
Wer auf den globalen Märkten der Zukunft die Nase vorn haben will,

00:17.920 --> 00:21.560
muss mit den KI-Technologien kreativ umgehen können.

00:21.980 --> 00:25.720
Das aber erfordert mehr als nur Kenntnisse im Programmieren von

00:25.720 --> 00:26.480
Algorithmen.

00:26.480 --> 00:30.620
Im Rahmen der Bund-Länder-Initiative Künstliche Intelligenz in der

00:30.620 --> 00:34.480
Hochschulbildung hat das Karlsruher Institut für Technologie jetzt

00:34.480 --> 00:38.240
gemeinsam mit den Hochschulen in Hohenheim, Bayreuth und Frankfurt den

00:38.240 --> 00:42.060
Auftrag erhalten, eine KI-Werkstatt zu entwickeln.

00:42.600 --> 00:46.420
In ihr werden Studierende der Wirtschaftswissenschaften lernen, wie

00:46.420 --> 00:50.420
man künstliche Intelligenz in der Praxis gewinnbringend einsetzen

00:50.420 --> 00:50.780
kann.

00:50.780 --> 00:55.380
Der Wirtschaftsinformatiker Prof. Alexander Mädche ist sich sicher,

00:55.780 --> 00:59.600
die Mehrzahl der Unternehmen hierzulande tut sich schwer, die enormen

00:59.600 --> 01:02.860
wirtschaftlichen Chancen der neuen Algorithmen zu erkennen.

01:03.120 --> 01:06.400
Alle reden über KI, aber wenn man dann wirklich fragt, was macht er

01:06.400 --> 01:10.060
denn jetzt ganz wirklich und vor allem was ist produktiv im Einsatz,

01:10.180 --> 01:11.960
dann gibt es manchmal Überraschungen.

01:12.460 --> 01:16.300
Ich glaube schon, dass dieses Thema alle Unternehmen betrifft, sowohl

01:16.300 --> 01:20.160
die mittleren, kleinen als auch die großen, nämlich die Frage und auch

01:20.160 --> 01:23.380
die Notwendigkeit, Kompetenz aufzubauen, die Potenziale zu erkennen.

01:23.540 --> 01:24.680
Das ist ja die hohe Kunst.

01:24.820 --> 01:28.500
Daten haben alle irgendwie, aber dann diesen Schritt zu gehen von den

01:28.500 --> 01:31.880
Daten zu einer innovativen Lösung, ist gar nicht so einfach.

01:32.040 --> 01:35.940
Ziel des ABBA-Projekts, Studierende der Wirtschaftswissenschaften und

01:35.940 --> 01:39.440
Verwandter Studiengänge so ausbilden, dass sie sowohl die zur

01:39.440 --> 01:43.240
Verfügung stehenden Technologien kennen, als auch das Geschehen auf

01:43.240 --> 01:46.400
den Märkten und in den Unternehmen im Blick haben.

01:46.940 --> 01:51.220
Eine am KIT entwickelte KI-Werkstatt soll das möglich machen.

01:51.420 --> 01:53.940
Das kann man sich jetzt nicht so vorstellen wie eine echte Werkstatt,

01:54.060 --> 01:56.620
wo gehobelt wird und genagelt, sondern das ist natürlich eine

01:56.620 --> 01:59.360
softwarebasierte Werkstatt, wobei wir eigentlich da schon einen

01:59.360 --> 02:02.700
Schritt weiter gehen wollen und neue Formen des hybriden Lernens

02:02.700 --> 02:05.940
ausprobieren wollen, also zum Beispiel mit Augmented und Mixed

02:05.940 --> 02:09.860
Reality, zu sagen, man kann sich in diese Modelle reindenken, man

02:09.860 --> 02:14.300
bekommt tiefere Einblicke und arbeitet mit den Daten, mit den Modellen

02:14.300 --> 02:17.300
und dann auch mit der Fragestellung, wie bringe ich die zum Benutzer.

02:17.420 --> 02:20.240
Also die Idee ist hier, dass man nicht allein vor seinem Rechner

02:20.240 --> 02:23.480
daheim sitzt, sondern dass man eben gemeinsam in Gruppen,

02:23.780 --> 02:28.340
interdisziplinär, diese Fragestellungen bearbeitet, an realen Daten

02:28.340 --> 02:31.700
die Herausforderungen auch kennenlernt, was es zum Beispiel bedeutet,

02:31.800 --> 02:34.360
Daten in eine Form zu bringen, dass sie dann wirklich vernünftig

02:34.360 --> 02:37.780
verarbeitbar sind, die Modelle zu interpretieren und dann auch zu

02:37.780 --> 02:40.680
überlegen, wie bringen wir die Modelle zum Beispiel in betriebliche

02:40.680 --> 02:43.080
Abläufe oder in irgendwelche neuen Geschäftsmodelle.

02:43.200 --> 02:46.760
Die enge Vernetzung mit Unternehmen ermöglicht realistische

02:46.760 --> 02:48.100
Aufgabenstellungen.

02:48.240 --> 02:51.940
Wir machen jetzt im kommenden Semester mit Bosch, mit den Power Tools,

02:52.060 --> 02:54.840
das sind ja diese Bohrmaschinen, und so eine Bohrmaschine produziert

02:54.840 --> 02:58.400
heutzutage ganz, ganz viele Daten in der Nutzung und diese Daten, wenn

02:58.400 --> 03:01.220
man die ausliest, also wenn ein Handwerker so eine Bohrmaschine mal

03:01.220 --> 03:04.600
zwei Monate benutzt hat, aus denen kann man relativ viel lernen und

03:04.600 --> 03:07.200
dann ist natürlich die Frage, okay, wenn ich daraus was gelernt habe,

03:07.280 --> 03:08.400
was mache ich mit diesen Daten?

03:08.520 --> 03:10.800
Biete ich da einen Dienst an oder, oder, oder?

03:10.900 --> 03:14.120
Wo wir mit Studierenden zusammen in der Werkstatt dann solche Daten

03:14.120 --> 03:17.060
auswerten und uns überlegen, was könnte man damit tun?

03:17.240 --> 03:20.100
Es wird aber nicht allein um die Entwicklung datenbasierter

03:20.100 --> 03:21.500
Dienstleistungen gehen.

03:21.840 --> 03:26.160
KI ist nicht immer gleich Data Science und Datenauswertung bei uns im

03:26.160 --> 03:26.460
Projekt.

03:26.600 --> 03:29.540
Also wir gehen ein bisschen breiter, wir gucken uns auch zum Beispiel

03:29.540 --> 03:33.760
natürlichsprachliche Dialogsysteme an, also diese Chatbots, auch ein

03:33.760 --> 03:37.700
prominenter Use Case im Kundenservice, wo wir eben versuchen, die

03:37.700 --> 03:41.440
Mensch -Maschine-Interaktion neu zu gestalten und teilweise Aufgaben

03:41.440 --> 03:43.640
an sogenannte Softwareroboter zu übergeben.

03:43.780 --> 03:46.740
Auch hier ist wieder die Frage, wie gestalte ich so einen

03:46.740 --> 03:47.640
Softwareroboter?

03:47.720 --> 03:49.340
Wie bette ich den vernünftig ein?

03:49.460 --> 03:52.400
Da gibt es ganz, ganz viele Designvarianten und da geht es dann eben

03:52.400 --> 03:56.440
nicht um Algorithmen im Sinne von Datenauswertung, sondern eben

03:56.440 --> 03:58.660
Algorithmen zur Sprachverarbeitung.

03:58.660 --> 04:01.620
Da ist eben die hohe Kunst, die zu trainieren und die dann auch

04:01.620 --> 04:05.500
vernünftig domainspezifisch einzubetten, weil je nach Chatbot und

04:05.500 --> 04:08.120
Kontext brauche ich eben unterschiedliche Trainingsdaten.

04:08.220 --> 04:11.320
Und hier wieder diese Herausforderung, den Kontext zu verstehen, die

04:11.320 --> 04:15.160
Daten zu identifizieren, die Daten in ein Modell zu bringen und das

04:15.160 --> 04:16.880
Modell dann zum Menschen zu bringen.

04:17.000 --> 04:21.400
Die Studierenden werden auch mit den Datenschutzproblemen von Big Data

04:21.400 --> 04:23.980
und künstlicher Intelligenz vertraut gemacht.

04:23.980 --> 04:27.020
Auch die ethische Dimension spielt eine sehr große Rolle.

04:27.160 --> 04:30.520
Wir haben alle ausreichend davon gehört, dass KI-Systeme, wenn sie mit

04:30.520 --> 04:34.140
den falschen Daten gefüttert werden, ein Bias produzieren, dass sie

04:34.140 --> 04:35.400
diskriminierend sind.

04:35.540 --> 04:38.300
Und auch hier geht es wieder eben darum, nicht nur technisch das

04:38.300 --> 04:40.960
Problem zu verstehen, sondern auch ein bisschen zu reflektieren.

04:41.100 --> 04:41.880
Was will ich eigentlich?

04:42.060 --> 04:44.200
Was passt zu den Werten eines Unternehmens?

04:44.340 --> 04:45.200
Wie weit geht man?

04:45.320 --> 04:46.240
Was will man auch nicht?

04:46.440 --> 04:49.540
Und genau hier sind auch Skills gefragt, die dann diese Trade-offs,

04:49.680 --> 04:51.760
diese Pros und Cons abwägen.

04:51.760 --> 04:54.060
Und da gibt es sicherlich noch einiges zu tun.

04:54.160 --> 04:58.140
Es gibt mittlerweile einiges an Prinzipien der ethischen Gestaltung

04:58.140 --> 04:58.740
von KI.

04:58.880 --> 05:02.280
Die aber zu übersetzen in das tägliche Geschäft, das ist natürlich gar

05:02.280 --> 05:03.000
nicht so einfach.

05:03.220 --> 05:07.680
Und das üben wir eben hands-on an realen Datensätzen und an realen

05:07.680 --> 05:08.460
Fragestellungen.

05:08.700 --> 05:12.740
Auf längere Frist könnte aus dem ABBA-Projekt auch ein Online-Angebot

05:12.740 --> 05:17.420
entstehen, um Firmenmitarbeitende für die KI-Welt der Zukunft fit zu

05:17.420 --> 05:17.760
machen.

05:17.760 --> 05:21.200
Lernen ist ja nichts, was nur für einen bestimmten Zeitraum heutzutage

05:21.200 --> 05:23.420
gemacht wird, sondern es gibt ja das lebenslange Lernen.

05:23.620 --> 05:26.000
Und tatsächlich haben wir jetzt auch schon Anfragen von Firmen, die

05:26.000 --> 05:28.400
gesagt haben, Mensch, das wäre doch auch was für Mitarbeiter und

05:28.400 --> 05:30.980
Mitarbeiterinnen, hier zum Beispiel ein Zertifikat zu erwerben.

05:31.060 --> 05:32.820
Und das ist tatsächlich auch eine Diskussion, wobei wir ein bisschen

05:32.820 --> 05:34.500
aufpassen müssen, wie weit wir da gehen.

05:34.580 --> 05:35.880
Das ist ja auch eine Ressourcenfrage.

05:36.040 --> 05:39.600
Aber es könnte durchaus eine Möglichkeit sein zu sagen, Menschen, die

05:39.600 --> 05:43.000
das gar nicht nur curricular im Rahmen ihres Studiums machen wollen,

05:43.000 --> 05:46.560
sondern nebenbei oder vielleicht studieren, die gar nicht mehr können,

05:46.720 --> 05:47.980
vielleicht auch davon profitieren.

05:48.120 --> 05:52.060
Ich meine, es gibt heutzutage ganz, ganz viele MOOCs, Online-Kurse und

05:52.060 --> 05:54.940
es spricht eigentlich nichts dagegen, in diese Formate auch zu gehen

05:54.940 --> 05:58.040
und damit auch die Sichtbarkeit oder die Skalierbarkeit zu erhöhen.

05:58.100 --> 06:02.060
Schon im Sommersemester 2022 wird es am KIT die ersten

06:02.060 --> 06:05.240
Lehrveranstaltungen im Rahmen des Projekts geben.

06:05.600 --> 06:08.840
Stefan Fuchs, Karlsruher Institut für Technologie