Sie hilft uns Unmengen an Fotos, Dokumenten und anderen Informationen zu verwalten, steuert Autos ohne Fahrer oder hilft Ärztinnen bei der Diagnose. Künstliche Intelligenz (KI) hat längst Einzug in den Alltag gefunden.
KI beruht auf Machine Learning. Dabei lernen die Programme, Roboter und selbstfahrenden Autos aus ihren eigenen Entscheidungen und verbessern sich damit ständig selbst.
Um diese Entwicklung mitgestalten zu können, müssen auch Menschen neue Dinge lernen. Einer der sich dazu entschlossen hat, ist Matthias Wallner. Der 38jährige Niederösterreicher ist seit einigen Jahren im internationalen Vertrieb einer Fruchtsaftfirma angestellt, hat einen Magister in Wirtschaftsinformatik und nebenbei ein eigenes Unternehmen aufgebaut. Er entspricht also nicht unbedingt dem klassischen Bild eines Studenten. Doch gerade deshalb ist er ein spannendes Beispiel für die gut 450 Studierenden, die im vergangenen Herbst einen Bachelor oder, in seinem Fall, einen Master für Artificial Intelligence am Linz Institute of Technologie (LIT) der Johannes Kepler Universität Linz (JKU) begonnen haben.
Für Wallner standen am Anfang Unzufriedenheit und ein Zeitungsbericht: "Ich habe einen Artikel darüber gelesen, wie in Linz einer der ersten AI-Studiengänge in Europa aufgebaut wird. Dieses Thema interessiert mich wahnsinnig, und weil ich beruflich ohnehin etwas ändern wollte, habe ich mich dafür entschieden", sagt er.
Der erwartete Umbruch durch die Digitalisierung und im Speziellen durch künstliche Intelligenz stellt nicht nur Einzelpersonen vor Herausforderungen. Er verlangt von Unternehmen, Personal zu finden, das die neuen Technologien beherrscht. Hochschulen treiben einerseits Forschung und Entwicklung voran, müssen andererseits aber auch Fachkräfte dafür und den höheren Bedarf in der Wirtschaft ausbilden. Und nicht zuletzt muss die Politik diese Vorgänge koordinieren und gleichzeitig einen Ausgleich von Interessen schaffen. Denn neben organisatorischen Fragen birgt künstliche Intelligenz rechtliche, ethische und gesellschaftliche Fragen.
Fernlehre als Trumpf
Obwohl Matthias Wallner an der Universität in Linz eingeschrieben ist, absolviert er einen Großteil des Studiums bei sich zuhause in Pressbaum. Mit den Einschränkungen durch das Coronavirus im Sommersemester hat dies nichts zu tun: "Unsere Studiengänge sind rein englischsprachig und setzen stark auf Fernlehre, weil wir so mehr Leute erreichen können", erklärt der stellvertretende Institutsvorstand des Instituts für Machine Learning an der JKU Linz, Johannes Kofler. Fast alle Lehrveranstaltungen dort werden auch per Videoübertragung angeboten. Prüfungen können in einem Fernlehrzentrum der JKU in Wien abgelegt werden. Diese Möglichkeit nutzt auch Wallner.
Generell gilt das Online-Informationsangebot über künstliche Intelligenz als ausgesprochen gut: "Über AI gibt es perfekte Videos von Top-Universitäten und Wissenschaftlern für wenig Geld oder sogar kostenlos. Disziplinierte Menschen können heutzutage im Selbststudium unglaublich viel im Internet lernen", sagt Johannes Kofler, der maßgeblich an den Curricula der Linzer Studiengänge mitgearbeitet hat.
Darüber hinaus gab es dem Bundesministerium für Bildung, Wissenschaft und Forschung zufolge bereits vor den neuen Studiengängen an der JKU ein breites hochschulisches Angebot in diesem Bereich: "Künstliche Intelligenz, Deep Learning, Maschinenlernen, Robotics – all das sind Aspekte, die mitten in der Informatik, ebenso im Feld Data Science, liegen. Es gibt bereits sehr viele gute Studienangebote in denen künstliche Intelligenz mit unterschiedlichen Bezeichnungen – ob auf Deutsch oder Englisch – schon länger fester Bestandteil sind," sagt der Leiter der Hochschulsektion des Bildungsministeriums, Elmar Pichl.
Der Wert des Studiums
Bei Unternehmen erfreuen sich Absolventen und Absolventinnen einschlägiger Studiengänge durchaus hoher Beliebtheit. Dabei scheint nicht wichtig, woher potenzielle Mitarbeiterinnen und Mitarbeiter ihr Know-how beziehen: "Haben sich Jobanwärter ihr Wissen in AI anderwärtig aneignen können, spielt das Studium eine nicht mehr so große Rolle", sagt etwa Sinan Tankaz, Head of Artificial Intelligence beim Technologiekonzern Kapsch. Ein einschlägiger Studienabschluss ist auch Tobias Hann, CEO vom Startup Mostly AI, das sich mit der KI-basierten Anonymisierung und dem Schutz riesiger Datenmengen beschäftigt, zufolge "nicht zwingend notwendig". Einen Mangel an KI-Fachkräften sehen weder er noch Sinan Tankaz von Kapsch.
Warum braucht es dennoch "verstärkt spezifische Ausbildungsprogramme von Seiten der Universitäten", wie etwa eine Studie des Austrian Institute of Technologie (AIT) im Auftrag des Bundesministeriums für Bildung, Wissenschaft und Forschung attestiert? Dafür gibt es verschiedene Argumente.
In Linz will man zunächst möglichst vielen sehr kompakt die benötigte Basis vermitteln: "Einerseits sind das die mathematischen Grundlagen, Statistik und die Programmiersprache Python. Wir achten aber auch darauf, von Anfang an mit Hands-on-Kursen die Praxis zu vermitteln und den Studierenden die modernen Anwendungsmöglichkeiten zu zeigen", erklärt Johannes Kofler. Die Präsentation von Grundlagenwissen und fundamentalen Konzepten seien aufgrund der Komplexität von KI-Methoden zentrale Herausforderungen in der Lehre: "Es ist oft nicht leicht zu verstehen, wie sich beispielsweise neuronale Netze verhalten und was bei Deep Learning eigentlich passiert. Daher müssen wir besonderes Augenmerk darauf richten, wie wir unsere Arbeit dokumentieren und kommunizieren", sagt er.
Die Studierenden lernen nicht nur Programmieren und die Entwicklungsgeschichte der künstlichen Intelligenz, die bis in die 1950er Jahre zurückreicht. Sie erarbeiten auch in praktischen Projekten Lösungen für konkrete Probleme. Ein beliebtes Beispiel sind die Experimente mit einem maßstabgetreuen Modellauto zum autonomen Fahren, die in Zusammenarbeit mit einem Autokonzern durchgeführt werden.
"Die Einstiegsbarriere ist bei KI sicher höher als bei anderen Themen", sagt Matthias Wallner. Daher schätzt er die Verbindung fundierter Grundlagen mit Anwendungsbeispielen. Argumente, die sowohl er als auch die Verantwortlichen anführen, sind einerseits der Austausch mit Kommilitonen und andererseits die Kontaktmöglichkeiten mit hochkarätigen Vortragenden: "Mit dem Institutsleiter Sepp Hochreiter haben wir in Linz einen der absolut führenden Deep-Learning-Experten weltweit." sagt Kofler.
Sepp Hochreiter legte Ende der 1990er Jahre gemeinsam mit Jürgen Schmidhuber mit einer Arbeit zur "LSTM"-Technik einen Meilenstein in der Entwicklung der modernen künstlichen Intelligenz. LSTM steht für Long short-term memory und hat neuronale Netze, die für das Maschinenlernen zentral sind, entscheidend leistungsfähiger gemacht. Es hat viele der heutigen KI-Anwendungen erst möglich gemacht. Dass dieser prominente Wissenschaftler weiterhin in Linz forsche, sei ein Glücksfall, weil so an einer relativ kleinen Universität ein modernes AI-Studium vor dem Hintergrund von Spitzenforschung geboten werden könne, so Kofler. Auch für Student Wallner war dieser Umstand bei der Studienwahl mitentscheidend.
Wie hältst du’s mit der Ethik?
Ein weiterer Punkt, der für spezielle Studiengänge für künstliche Intelligenz spricht, ist, dass dort die Auseinandersetzung mit ethischen Fragen der neuen Technologie institutionalisiert werden kann: "Die Verwendung von Gesichtserkennung zu Überwachungszwecken oder rassistisch voreingenommene Algorithmen haben eine rege Diskussion ausgelöst", sagt Mark Coeckelbergh, Professor für Medien- und Technologiephilosophie an der Universität Wien. Seiner Einschätzung nach behandeln die meisten AI-Ausbildungsprogramme noch recht wenig ethische Aspekte. Dies ändere sich zwar, es würde aber mehr Anstrengungen benötigen, um Ethik fest in der Auseinandersetzung mit der neuen Technologie zu verankern: "Die Ethik und Politik dürfen nicht hinter der Technologie herlaufen. Sie müssen diese proaktive mitgestalten", fordert Coeckelbergh, der auch in einer Arbeitsgruppe der EU-Kommission zu dem Thema sitzt. Um dies zu erreichen, solle Ethik nicht als isoliertes zusätzliches Fach unterrichtet, sondern direkt in die Technikveranstaltungen integriert werden: "Wir müssen Tech wieder mehr mit der Gesellschaft verbinden. Neben den Naturwissenschaften sollten die Philosophie, Kulturwissenschaft und Soziologie eingebunden werden, um mehr Betroffene ins Boot zu holen", so Coeckelbergh. In Österreich ist aus seiner Sicht eine Initiative des Wiener Wissenschafts-, Forschungs- und Technologiefonds (WWTF), die Projekte zu "Digitalem Humanismus" fördert, ein guter Anfang. Im Zuge dessen soll erforscht werden, wie die Gesellschaft mit dem Wandel durch die Digitalisierung umgeht und wie möglichst viele Menschen von der Transformation profitieren können.
Am Institut für Machine Learning in Linz sieht man sich bei ethischen Fragen bereits gut aufgestellt: "Die Folgen von AI sind für die gesamte Gesellschaft so zentral und weitreichend, dass wir über den Tellerrand der Technik hinausschauen müssen. Daher stehen auf unserem Lehrplan beispielsweise auch Inhalte aus der Psychologie, der Sozial- und der Rechtswissenschaft", sagt Johannes Kofler. Im Studienplan soll sich dies in Lehrveranstaltungen wie Responsible AI, Technology and Society, AI and Law oder Communicating AI widerspiegeln. Dort geht es neben Haftungs- und Datenschutzfragen auch darum, wie man mit den disruptiven Folgen umgeht und wie negative Auswirkungen, etwa strukturelle Arbeitslosigkeit, verhindert bzw. minimiert werden können.
Matthias Wallner versteht, dass Menschen unterschiedlichen Anwendungen künstlicher Intelligenz kritisch gegenüberstehen und sieht eine gewisse Verantwortung: "Es ist wichtig, für Risiken neuer Entwicklungen Aufmerksamkeit zu schaffen. Einige der Fragen, etwa zu Folgen von vorurteilsbelasteten Datensätzen stellen sich jedoch nicht erst seit dem Fortschritt von KI, sondern schon viel länger", sagt er. Das Ausmaß, in dem er im Zuge seines neuen Studiums mit ethischen und gesellschaftlichen Fragen konfrontiert wird, sieht er als absolut ausreichend.
KI-Wissen für alle
Dass die rasante gesellschaftliche Transformation Berufsbilder, Einkommensmöglichkeiten, Privatsphäre und tägliche Routinen verändert, spricht nicht nur für spezielle Ausbildungen in künstlicher Intelligenz. Sie begründet vielmehr auch eine ganz andere Richtung. Geht es nach Sektionschef Pichl, sollen wegen der disruptiven Wirkung der künstlichen Intelligenz in den nächsten Jahren möglichst alle Studienpläne um KI-Inhalte und ethische Fragen in diesem Zusammenhang angereichert werden: "Wir versuchen einerseits die spezialisierten Angebote in der Informatik, in Data Science und künstliche Intelligenz in Österreich anzubieten, aber auch die Curricula aller anderen Studien mit Computational Thinking, mit Basiswissen, zu versehen, damit hier neue interdisziplinäre Möglichkeiten entstehen", sagt er. Auf Schnittstellen zu anderen Bereichen setzt auch der Master für Artificial Intelligence der JKU Linz. Neben einer Spezialisierung auf AI in der Robotik oder autonomen Systemen gibt es etwa auch einen Schwerpunkt auf Anwendungen in Life Sciences.
Hier sieht der Bericht des AIT Potentiale für die heimischen Universitäten. Zwar gebe es keine expliziten Spezialisierungen, aber in anwendungsbezogenen Bereichen wie der Robotik habe man Stärken. Eine "traditionelle Schwäche" attestiert die Studie im Auftrag des BMBWF hingegen der grundlagenorientierten Forschung in den Ingenieurswissenschaften.
Im internationalen Vergleich lasse Österreich vor allem eine offizielle Strategie für Forschung und Ausbildung in künstlicher Intelligenz vermissen. Die Bundesregierung hat die Vorlage einer solchen Strategie für Herbst 2020 angekündigt. Die Zeit drängt, denn angesichts immer stärker werdender IT-Konzerne und den massiven Investitionen Chinas in KI-Anwendungen droht Österreich den Anschluss zu verlieren. Dies liegt nicht nur an einer fehlenden Strategie, sondern auch an Einschränkungen bei der Infrastruktur, zu diesem Schluss kommt nicht nur das AIT: Wie Johannes Kofler erzählt, hat das Institut für Machine Learning in Linz insgesamt etwa 150 Rechnereinheiten (GPU), um künstliche neuronale Netzwerke zu trainieren. Bei Google stünden selbst einem Praktikanten mit einem guten Projekt 10.000 dieser rechenstarken Einheiten zur Verfügung: "Hier müsste man in Österreich einmal Geld in die Hand nehmen und für die Bildungseinrichtungen vielleicht gemeinsame Rechenkapazitäten schaffen", sagt er.
Experten sehen jedoch bei weitem nicht nur in Österreich Handlungsbedarf. Die Europäische Union will mit einer gemeinsamen Strategie dafür sorgen, dass der europäische Forschungsraum nicht gänzlich abgehängt wird. Dies soll vor allem durch Kooperationen einzelner Einrichtungen erreicht werden. Um die Anstrengungen zu bündeln und einander zu ergänzen, wurden Forschungsnetzwerke wie das European Laboratory for Learning and Intelligent Sytems (Ellis) angestoßen. Neben dem Institut für Machine Learning der JKU Linz ist das Institute of Science and Technology Austria (IST Austria) in Klosterneuburg Teil von Ellis. Damit stellen heimische Forschungseinrichtungen zwei der 27, die in diesem Bereich als die Besten Europas gelten. Doch die massiven Investitionen Chinas haben längst dafür gesorgt, dass die Volksrepublik neben den USA zum wichtigsten Akteur in der Erforschung und Implementierung von KI-Technologie aufgestiegen ist.
Wie hart es sein kann, mit China zu konkurrieren, musste Matthias Wallner mit seiner kleinen Firma erleben. Sein Unternehmen stellte Sportgeräte für Kraft- und Akrobatiktraining aus Holz her und lief gut. Doch dann haben chinesische Produzenten diese Marktlücke entdeckt. Der folgende Preisdruck vergällte Wallner die unternehmerische Freude. Gerade als sich abzeichnete, dass er sich von seinem Unternehmen trennen würde, las er den Artikel über Sepp Hochreiter und den neuen Studiengang Artificial Intelligence, der in Linz entstehen sollte. Diese Geschichte kann einerseits als Lehrstück für die Ökonomie der Globalisierung und den harten Wettbewerb eines weltweiten Marktes gesehen werden. Andererseits verkörpert sie ein wenig die Idealvorstellung von Innovation und lebenslangem Lernen in einer Informationsgesellschaft.
Matthias Wallner möchte sobald wie möglich nach Abschluss der ersten beiden Semester in die neue Branche umsteigen und sich mittelfristig in Richtung Data Engineering und AI-Projektmanagement weiterentwickeln, um dann zu sehen, "wohin die Reise geht". Möglichkeiten gäbe es unbegrenzt, meint er.