Wir nutzen wir KI für den Verkehr?
Rasmus Adler, Fraunhofer-Institut für Experimentelles Software Engineering IESE: „Trotz aller euphorischer Ankündigungen – vom autonomen Fahren sind wir noch sehr weit entfernt. Derzeit versuchen wir das mit zwei Arten von KI zu erreichen, die wir immer mehr kombinieren wollen. Die eine Art von KIs nennen wir datengetriebene Modelle. Sie arbeiten meist mit neuronalen Netzen, die wir mit Millionen von Beispielen füttern: Das ist ein Kind, das ein Erwachsener, das ein Fahrrad, ein Auto, ein Mülleimer. Doch zum einen gibt es in einer wimmelnden Stadt so unendlich viele Formen und Gegenstände, dass wir Systeme gar nicht mit allem trainieren könnten. Zum anderen ist das System schon bei der kleinsten Abweichung rat- los. Fußgänger:innen tragen plötzlich Masken? Ein Stoppschild ist voller Matsch oder die Sonne spiegelt sich darin? Die KI ist verloren.
Solche Systeme klassifizieren nach Mustern, nach Gemeinsamkeiten. Welche Gemeinsamkeiten die neuronalen Netzwerke für relevant halten, wissen wir schlicht nicht. Wir trainieren sie nur mit Daten und schauen, was die KI danach kann. In einem Versuch hat man mal einer KI beigebracht, Pferde von Eseln zu unterscheiden. Das klappte wunderbar. Bis man merkte: Auf allen Eselsbildern des Trainings war unten rechts ein Copyright-Zeichen, bei den Pferdebildern nicht.
Die zweite Art von KIs nennen wir Expertensysteme. Wir füttern Algorithmen mit Verhaltensregeln, damit sie lernen, mit den Informationen der ersten KI das Auto sicher durch die Stadt zu lenken. Wir versuchen ihnen also beizubringen, eine Situation zu verstehen. Läuft da ein erwachsener Mensch oder ein Kind, das womöglich gleich auf die Straße springt? Schnell bremsen oder lieber ausweichen? Bislang verstehen die Systeme solche Situationen noch lange nicht gut genug, schon gar nicht bei hoher Geschwindigkeit. Es wird nicht reichen, selbstfahrende Autos mit Kameras auszustatten wie bisher oft. Sie brauchen Sensoren für viele unterschiedliche Informationsquellen, müssen etwa auch hören können, um Situationen umfassend einzuschätzen.
Denkbar sind selbstfahrende Autos im Stadtverkehr daher höchstens auf sehr einfachen Strecken und wenn sie sehr langsam fahren. Beim Sightseeing etwa. In der Logistik dagegen sind selbstfahrende Lieferfahrzeuge schon jetzt eine Chance. Zum Beispiel bei der Verteilung der Materialien auf einem Werksgelände. Dort ist die Umgebung nicht so komplex. Recht gut funktioniert autonomes Fahren bereits in der Landwirtschaft. Auf Feldern laufen ja meist keine Leute herum, selbstfahrende Feldroboter können übernehmen. Es gibt lernende Systeme, die dabei Unkraut beseitigen, das spart Düngemittel. Auch im Schienenverkehr kann KI viel voranbringen. Mit automatisierten, vernetzten Systemen würden Züge flexibler, Anschlüsse besser, Wartezeiten geringer – ein wichtiger Hebel für die Verkehrswende.“
Rasmus Adler
Der Informatiker beschäftigt sich seit 2006 mit Sicherheitsstandards und Zuverlässigkeit von autonomen Systemen vor allem in den Bereichen Automobil, Landwirtschaft und Eisenbahn. Am Fraunhofer IESE in Kaiserslautern koordiniert er dazu die Forschung, den Austausch mit anderen Organisationen und in internationalen Arbeitsgruppen.Wie nutzen wir KI für die Naturwissenschaften?
Fabian Theis, Helmholtz-Gemeinschaft Deutscher Forschungszentren: „Machine Learning ist definitiv ein Gamechanger für die Forschung in ganz vielen Bereichen. Riesige Datensätze, Fortschritte in der Programmierung von Algorithmen und viel leistungsfähigere Hardware ermöglichen es uns, unglaublich große Modelle zu trainieren.
In der Biologie etwa kommen wir mit klassischen Methoden nicht weiter, viel zu komplex sind die Systeme der Natur, als dass sie sich mit mathematischen Gleichungen oder Experimenten entschlüsseln ließen. Wie sich etwa eine Zelle entwickelt, hängt von einer Unmenge von Faktoren ab: Temperatur, Zeitpunkt, Gene und vielem mehr. Wie trifft eine Zelle Entscheidungen? Wie reagiert sie auf Wirkstoffe und warum? Wir brauchen etliche Messdaten und statistische Machinenlernmodelle, um das besser zu verstehen. Bei der Entwicklung von Medikamenten lassen sich die vielen und teuren Schritte im Zeitraffer in Computermodellen mithilfe von KI simulieren – das spart Milliarden Euro.
Oder in der Plasmaphysik: Um in der Zukunft durch Kernfusion Energie erzeugen zu können, untersuchen Kolleg:innen gerade, wie sich Plasma bei Hitze und Störungen verhält. Dabei entstehen so viele Partikel, dass sich die Reaktionen unmöglich mit den Gleichungen der Strömungsmechanik allein beschreiben lassen. Es braucht ergänzend ein Maschinenlernmodell, um die Prozesse zu erfassen. Auf dieser Basis können Forschende Schritt für Schritt Modelle entwickeln, um eine Kernfusion zu steuern und zu kontrollieren.
Auch die Erdbeobachtung hat KI enorm weitergebracht. Im Deutschen Zentrum für Luft- und Raumfahrt in Oberpfaffenhofen werten Wissenschaftler:innen mit KI riesige Mengen von Satellitendaten aus. Inzwischen kann man jeden Fleck der Erde unglaublich gut dechiffrieren. Satellitenbilder sagen erst mal gar nichts, sondern sind ein Datenbrei, in dem man keine Details erkennt. KI-Modelle können filtern: Straßen, die Zahl der Bewohner:innen, Baumsorten in Wäldern, Erträge auf Äckern. Ein wenig wie Google Earth, nur krasser. Das ist besonders für Länder des Globalen Südens wichtig, wo viele Daten fehlen, um Stadtplanung, Landwirtschaft oder Entwicklungszusammenarbeit voranzubringen.
KI hilft bisher vor allem, wenn es eine spezifische Frage gibt und dazu aussagekräftige Datensätze. Forschende müssen sich daher sowohl in ihrem Fachgebiet als auch in Datenwissenschaften sehr gut auskennen. Spannend ist derzeit die Kombination von Methoden, es wird immer komplexer. KI lernt dabei mit vielen verschiedenen Datentypen. Das braucht es, wenn sie sich wirklich mal Richtung breiter, genereller Intelligenz entwickeln soll. Menschen können alles auf einmal: sehen, hören, fühlen, reden, reflektieren, Schlüsse ziehen, handeln. Das macht uns intelligent. Für KI ist das noch sehr schwer.“
Fabian Theis
Der Professor für „Mathematische Modellierung biologischer Systeme“ an der Technischen Universität München leitet in der Helmholtz-Gemeinschaft, die bundesweit 18 Forschungszentren aus Naturwissenschaft, Technik, Medizin, Biologie vereint als wissenschaftlicher Direktor der Plattform Helmholtz AI die Koordination KI-basierter Forschung.Wie nutzen wir KI für die Medizin?
Narges Ahmidi, Fraunhofer-Institut für Kognitive Systeme IKS München: „Durch KI haben wir in der Medizin ungeheure Fortschritte bei der Diagnose von Bildern und Laborwerten gemacht. Sie hilft Ärzt:innen, Größe und Lage eines Tumors genau zu bestimmen oder die Anzahl von Tumorzellen im Blut präzise zu erfassen. Einen Tumor allerdings, von dem sie noch nie ein Bild gesehen hat, könnte sie nicht einordnen. Auch ist KI nicht gut darin, kleine Abweichungen einzuordnen. Schon Bilder von Scannern anderer Hersteller können sie ins Straucheln bringen. Aber wenn das ausgeschlossen ist, erkennen die Systeme Krebsarten, auf die sie trainiert wurden, extrem zuverlässig. Das verschafft Mediziner:innen Luft, sich um die komplizierten Fälle zu kümmern, für die es mehr Weitblick und menschliche Erfahrung braucht. Außerdem dürfen wir nicht vergessen: Nicht alle Ärzt:innen haben jahrelange Expertise. In Standardfällen liegt KI besser. Ein Problem ist allerdings der KI-Hype im Markt: Jeder, der zwei und zwei zusammenzählen kann, schmeißt halbgare KI-Lösungen auf den Markt – mit unvollständigen Daten, unklaren Bildern.
Extrem nützlich können KI-Systeme außerdem in der plastischen Chirurgie sein. Wenn etwa durch einen Unfall ein Knochen im Gesicht zerstört wurde, kann eine KI genau analysieren, wie die optimale Rekonstruktion aussehen muss. Dafür analysiert sie zuvor viele Scans von Gesichts- und Kopfmodellen sowie Bilder des Patienten und entwickelt daraus eine genaue 3D-Skizze, nach der das OP-Team aus einem anderen Körperknochen den Ersatz formen kann. Zudem haben KI-gestützte OP-Roboter die Operationstechnik gewaltig vorangebracht. Wenn man etwa bei minimalinvasiven Tumor-OPs mit Schlauch und KI-Kameras in den Bauchraum eindringt, überprüfen solche Systeme sehr effizient, ob wirklich alles entfernt wurde. Dafür gleichen sie während der OP das gesunde Gewebe mit der erkrankten Struktur ab. Das menschliche Auge kann solche feinen Unterschiede gar nicht erkennen.
Ich glaube, in Zukunft werden wir KI viel nutzen, um Menschen länger gesund zu halten. Zum einen zur Prävention, um Risikofaktoren zu bestimmen und Krankheiten zu erkennen, bevor sie Symptome zeigen – dann ist es, gerade bei Tumoren, oft zu spät. Zum anderen, um Patient:innen individuell optimal behandeln zu können. Wir arbeiten an riesigen Datenbanken mit Fachwissen, Bildern, Publikationen, Patient:innendaten aus aller Welt, die eine KI mit detaillierten persönlichen Patient:innen-Akten statistisch abgleicht. Welche Vorerkrankungen, Lebensgewohnheiten hat Patientin X, wie wird sie wohl auf Medikament Y anspringen, was genau verraten Vergleichsgruppen mit ähnlichen Parametern? In zehn Jahren vielleicht könnte KI eine Art ,Super expert doctor‘ sein.“
Nagres Ahmidi
Sie wuchs in Teheran auf, studierte KI und Medizinrobotik an der Johns Hopkins University, USA, wo Ahmidi heute Healthcare unterrichtet. Seit 2021 leitet sie die Unit Reasoned AI Decisions am Fraunhofer IKS. Sie forscht an KI-Modellen, um Patient:innenrisiken vorherzusagen und Entscheidungen bei der Mensch-KI-Zusammenarbeit zu verbessern.Unsere Anweisung an die Kreativ-KI DALL-E war knapp: „layout of a magazine with futuristic AI pages“. Der Vorschlag soll stellvertretend zeigen, was eine Kunst-KI vermag. Foto/Illustration: DALL-E
