Transkript Staffel 1, Folge 07 Flohr
00:00:00
SPEAKER_00
Willkommen bei KI Insights, ein Podcast vom Projekt ZAKKI an der Hochschule
Magdeburg-Stendal. Hier teilen ExpertInnen verschiedenster Disziplinen ihre Einblicke
in die facettenreiche Welt der künstlichen Intelligenz. In der ersten Staffel erwarten Sie
Beiträge rund um das Thema KI Technologien und Anwendung, moderiert von David
Weigert und Prof. Dr. Fabian Behrendt.
00:00:28
SPEAKER_01
Herzlich willkommen zu unserem Podcast-Format KI Insights, wo wir mit spannenden
Expertinnen und Experten aktuelle Einblicke in die Welt der künstlichen Intelligenz
bekommen wollen. Mein Name ist David Weigert und ich begleite Sie heute durch diese
Folge. Mein heutiger Gast ist Nico Flohr, aktuell Leiter Business Intelligence einer großen
gesetzlichen Krankenkasse hier in Sachsen-Anhalt. Er hat ein umfassendes praktisches
Wissen in datenbasierter Entscheidungsfindung, ML und Business Intelligence und sieht
sich mit seiner Expertise als Bindeglied zwischen strategischen, taktischen und
operativen Managementaufgaben. Hallo Nico. Hallo grüß David, dich. Du hast eine so
umfangreiche Palette an Soft- und Hardskills. Wir können so viel dazu sagen.
00:01:13
SPEAKER_02
Ich würde dich stell bitten, dich doch nochmal kurz selbst vor.
00:01:19
SPEAKER_02
Genau, Nico Flohr, mein Name, wurde 1974 geboren, hier in der schönen Gegend und
habe ein Informatikstudium absolviert. Bin dann über verschiedene Freiberuflichkeiten,
Selbstständigkeiten im Bereich BI, datenbasierte Entscheidungsfindung, strategisches
Controlling auch ein Stück weit und jetzt wieder auch ins BI gegangen unter
Einbeziehung MLKI. Großer Begriff, kommen wir auch noch gleich darauf zu sprechen
wahrscheinlich. Genau, bin ich jetzt dort gelandet, wo du gesagt hast, als Leiter einer
großen Krankenkasse, gesetzlichen Krankenkasse. Du bist ja viel
00:01:49
SPEAKER_01
ja viel rumgekommen, sage ich mal. Du hast ja viel zum Thema KI auch erlebt und
gemacht. Es ist immer wieder spannend, dass sich die Frage aufträgt, hat KI etwas mit
dem Berufszweig zu tun? Das heißt also, wenn du jetzt in einer Krankenkasse arbeitest,
ist da eine andere Form oder ein anderer Umgang mit KI notwendig, als was du vielleicht
vorher gemacht hast?
00:02:11
SPEAKER_02
Der Begriff KI ist ja auch in der Gesellschaft oder auch im Geschäftsleben doch eher ein
neuer Begriff, möchte ich mal sagen. Der ist ja vor zehn Jahren, wenn da jemand jetzt
gesagt hätte, dann hätten wahrscheinlich nur wenige Experten gewusst, was das
überhaupt ist. Ich glaube, auch heute wissen das nur wenige Experten, was das
überhaupt ist, womit sich eigentlich gleich so ein Stück weit, ich nenne das jetzt einmal
eine Problemstellung ergibt, nämlich wovon reden wir, wovon sprechen wir, wenn ich
von KI rede, wenn du von KI redest, wenn vielleicht meine Chefin oder der Vorstand von
KI redet. Ich glaube, wir haben sehr unterschiedliche Vorstellungen und damit
verbunden, auf deine Frage hin antwortend, damit verbunden natürlich auch sehr
unterschiedliche Herangehensweisen in Firmen. Aber wenn es sozusagen dort vielleicht
eine Tech-Firma ist, die auch schon ein ganz klares Verständnis davon hat, was KI für sie
bedeutet und vielleicht Unternehmen wie eine gesetzliche Krankenkasse, die von dem
Thema vielleicht anfänglich noch ein bisschen stärker entfernt sind, gibt es sehr
unterschiedliche Vorstellungen, deshalb auch sehr unterschiedliche Bereiche, wo es
eingesetzt werden kann, Hoffnungen. Also ich glaube, KI grundsätzlich als Thema ist
auch noch sehr unscharf definiert und damit ergeben sich auch viele Fragestellungen
automatisch. Das ist etwas, was ich immer wieder erlebe. Dann natürlich die
Gegenfrage, was ist KI für dich? Ich sage mal, was KI für mich nicht ist, um das
sozusagen mal runterzubrechen. Also Chat-GPT beispielsweise ist eine Form eines
sozusagen high-up-bestimmten Large-Language-Models, wie das heute so schön heißt.
Und das ist ein ganz, ganz kleiner Teil von AI. Darüber würden beispielsweise neuronale
Netze liegen, darüber würde maschinelles Lärm liegen und darüber würde AI liegen.
Techniken und Technologien, die dazu beitragen, mal menschenähnliche
Entscheidungen oder Handlungen durchzuführen, auszulösen. Das ist AI und das kann
was ganz Primitives sein. Das kann auch, also ich sag mal rein theoretisch, stellt auch
lineare Regressionen in den Bereich der AI, weil AI halt der Oberbegriff ist. Was heute
darunter verstanden wird, das sind in erster Linie, sag ich mal, ganz stark large
language-models oder tiefe neuronale Netze. Das ist das, was man heute aus meiner
Sicht ganz klassischerweise darunter versteht.
00:04:31
SPEAKER_01
Das wird ja gerne heutzutage unter dem Thema generative KI zusammengefasst. Siehst
du da zum Thema generative KI einen gewissen Hype oder ist das für dich eine
Entwicklung, die weiter voranschreiten
00:04:47
SPEAKER_02
wird? es gibt ja so den klassischen sage ich mal. Naja, Hype-Zyklus, Ich wir sind noch
gerade so ein Stück weit auf der Berg-nach-oben-Fahrt. glaube, Also wir glauben aktuell
noch alles damit lösen zu können. Oder wir haben, glaube ich, gerade die Idee, dass es
ein wahnsinnig mächtiges Werkzeug ist und dass es ganz viel kann. Also das heißt, der
Halbzyklus ist für mich noch nicht oben angekommen. Ich glaube, es wird danach auch
eine große, große Ernüchterung geben. Ich habe am Wochenende mit einem Freund, der
ist sozusagen auch PO von einem größeren internationalen Produkt und auch mit ihm
über Kaltnie gesprochen. Er hat gesagt, dass es wahnsinnig faszinierend ist, Chat
Gigantier und diese ganzen Tools können, aber er hat noch keine Killer-Applikation. Er
hat noch nichts, wo er jetzt sagt, wow, da ist es der Hammer und das Spannende, das
hunderte von Arbeitskräften oder, also das ist glaube ich so gerade der spannende Teil.
Man staunt so ein Stück weit Wahnsinn, was das Ding kann. Das ist ja wirklich auch
erstaunlich. Und auf der anderen Seite fehlt aber noch ein Stück weit, also gerade in
diesen großen Sprachmodellen, fehlt aber auch noch ein Stück weit diese Killer
Applikation, diese Killer-Anwendung, wo man jetzt wirklich sagt, dafür kann man es
einsetzen und da ersetzt es jetzt auch tatsächlich harte Tätigkeiten. Und es wird auch
noch eine Ernüchterung kommen. Aus meiner Sicht kurzfristig, so in einem, anderthalb
Jahren, dann wird es noch eine ganz große. Es wird auch so ein KI-Winter meiner
Meinung nach noch geben, vielleicht so in fünf bis zehn Jahren.
00:06:08
SPEAKER_01
KI-Winter, das ist ja immer, den gab es ja bereits schon mal, also diese Ernüchterung gab
es ja schon mal. Jetzt ist natürlich die Frage, wo denkst du, woran liegt es? Woran wird
es liegen oder woran liegt es, dass wir keine Killer-Applikation haben, dass wir noch
nicht den, in Anführungszeichen, Durchbruch haben? Wir aber ständig darüber
sprechen, dass das ja der Durchbruch ist und uns Arbeitskräfte nimmt und woran liegt
diese Diskrepanz?
00:06:32
SPEAKER_02
Meine Sichtweise, ich glaube, die Diskrepanz liegt daran, dass wenn man das
jemandem zeigt, der das noch nie vorher gesehen hat, dann gibt es eine Zuschreibung
des Menschen an die Maschine. Nämlich die Zuschreibung, der versteht oder die
versteht da irgendwas, die kann da irgendwas was vielleicht so unique ist, generieren,
die ich sage ich weiß für mich ganz klar, möglicherweise, mal, dass es kein Bewusstsein
aber ist, es wird ja auch eine Zuschreibung vom Bewusstsein gemacht, von Intelligenz.
Und ich glaube, die Faszination rührt daher, dass die Maschine etwas kann, von dem
man wahrscheinlich bis dahin geglaubt hätte, das wäre nicht möglich. Das ist, glaube
ich, in erster Linie eine Faszination der Technik gegenüber, nicht mal die Faszination der
Anwendung gegenüber, sondern die Faszination der Technik gegenüber, dass das
überhaupt möglich ist.
00:07:20
SPEAKER_01
ist. überhaupt möglich Jetzt würde mich ist. natürlich interessieren, da ich ja weiß, dass
du sehr fortschrittlich bist, was ist denn aktuell eigentlich in der Pipeline? Was sind so
Tools, die man mitnehmen muss? Was mich quasi gerade triggert oder was mich abtürnt
an Chat-GPT oder
00:07:31
SPEAKER_02
mich quasi gerade triggert oder was mich abtürnt an Chat-GPT oder GPT ist
beispielsweise das relativ kleine Window. Also die, sag ich mal, früher 4K-Token, 8K
Token, jetzt 32. Also das Cloud AI beispielsweise ist ein Tool, was ich nutze, was 100K
Token hat, wo man dann auch wirklich ganze Paper reinpacken kann. Also wo einfach
der Kontext der Verarbeitung wesentlich größer ist. Früher hieß es ja Content is King. Ich
glaube, bei KI würde ich sagen, Kontext ist King, weil die KI selber ja doch sehr nackt und
pur ist und sehr generisch antwortet, wenn sie keinen Kontext hat. Und von daher ist
Cloud AI beispielsweise so ein Tool, was ich nehme, um jetzt noch ein bisschen von
ChatGPT wegzukommen. Ich habe Midjourney probiert, ist auch ein wahnsinnig cooles
Tool. Also erst da die Midjourney, jetzt bin ich gerade bei Leonardo AI gelandet. Das ist
auch so ein Tool, Chirp beispielsweise fürgenerationen, läuft über Discord. Also das ist
auch ein richtig spannendes Tool. Also Chirp sollte man sich mal angucken. Mega, mega
interessant. Das sind so drei Tools, sage ich mal, die ich jetzt aktuell nutze. Und dann
natürlich ein paar Entwicklungs-, kleiner Entwicklungsumgebungen, so Low-Code, No
Code-Umgebungen, mit denen ich dann so Sachen generiere. Ja, aber Cloud ist gut, weil
der Kontext sehr groß ist beispielsweise. Also Leonardo hat für mich bessere Feintuning
Möglichkeiten, was Kunstwerke angeht oder Kunstwerke zu schweren ist. Da wird schon
wieder was zugeschrieben der Maschine, dass die das generiert. Aber generierter Kunst,
nennen wir es jetzt einfach mal kurz so. Also Turf kann ich wirklich jedem empfehlen,
einfach der mal in Richtung Musik gehen möchte, was da geht. Musik mit Gesang,
wirklich schräg. Deutscher Rap, einfach mal einen Text generieren lassen von Chet
Gibity, den da reinschmeißen und sich mal was rappen lassen oder Metal oder
00:09:09
SPEAKER_01
oder Metal oder Fork. Gerade Musik ist ja immer der Vorwurf, KI lernt ja nur aus
bestehenden Daten erst einmal und die Lieder, die es dann generiert, das kennen wir
alles schon. Haben wir alles schon mal gehört. Es ist so ähnlich. Ist da etwas anderes
dabei? Macht es das anders? Also diese
00:09:26
SPEAKER_02
Frage habe ich auch schon mit Künstlern. Ich bin ja selber sozusagen, habe ja selber
auch mal Musik komponiert und damit Geld verdient. Das heißt, bei Musik mag ich mir
jetzt auch noch ein bisschen eine konkretere Meinung bilden. Da ist die Schwierigkeit für
mich überhaupt, was ist Originalität? Ja, und das fängt ja im Endeffekt an, auch bei
menschengemachter Musik, wo ich denke, okay, wenn ich mir jetzt das Radio
einschalte, wo ich denke, wenn ich jetzt einen Top-40-Sender in einer Heavy-Rotation
irgendwie habe, wo ich denke, okay, das hört sich auch alles gleich an, da kommt es,
glaube ich, noch ein Stück weit darauf an, was wird da gefüttert, wie wird das gefüttert,
also das ist ja so der klassische Fall grundsätzlich, was gebe ich dort für Informationen
ein, Welche Daten? Und was kommt daraus? Ja, das hört sich alles nach Musik an. Das
hört sich auch alles nach Musik an, wie es sie hätte geben können. Das ist ja auch
logisch, weil das ist das Wort ein. Der macht dort keine neuen Musikstile. Das generiert
er nicht. Ob das originell ist oder nicht, das ist eine Frage. Was ist Schöpfungshöhe?
Würde man in den Zuhörerrecht gehen und so weiter und so fort? Es ist lustig. Es ist
witzig, es macht Spaß, man kann damit rum experimentieren. Was mir fehlte, vielleicht
auch moralisch ist falsch, aber was mir fehlte, ich war am Wochenende auf einem
Konzert in Berlin und da standen zwei tolle Musiker oben mit zwei Gitarren und die
haben Songs gesungen. Dann habe ich natürlich auch gedacht, ja, rein theoretisch hätte
auch eine Maschine diese Songs schreiben können. Ja, rein theoretisch hätte auch
Jejebiti den Text schreiben können. Und ich glaube, der große Unterschied ist, es gab
jemanden, der etwas zu sagen hatte und der etwas ausdrücken wollte. Und ich glaube,
diese Verbindung, die ist unik. Und das ist für mich vielleicht auch Originalität im Sinne
von der Versuch, etwas auszudrücken, was in der Form noch nicht da war. Und das kann
eine Maschine natürlich nicht, weil die keinen Willen hatte oder auch den Wunsch
überhaupt etwas zu sagen. Das heißt
00:11:07
SPEAKER_01
also, das sind dann stellenweise die überzogenen Erwartungen vielleicht, die es dann
vielleicht auch zu einem Winter kommen lassen oder zumindest zu einer Ernüchterung,
nennen wir es erstmal
00:11:19
SPEAKER_02
so. Genau, also zwei Dinge, also die überzogenen Erwartungen im Sinne von jetzt schaut
man sich etwas an und spricht dem, wie gesagt, eine Intelligenz zu. Weil Sprache bei
uns natürlich in der Vorstellung ganz viel mit Intelligenz zu tun hat. Also das
Sprachwissen, sprachliche Anwendungsfähigkeiten, nenne ich das jetzt einfach mal, bei
Menschen sehr stark mit Intelligenz korreliert. Das ist im Endeffekt ein stochastischer
großer, sage ich mal, Algorithmus. Im Endeffekt ein stochastischer großer Algorithmus.
00:11:47
SPEAKER_02
Aber wir sehen oder interpretieren dort Fähigkeiten hinein, die eigentlich gar nicht da
sind. Und diese die Differenz, werden wir irgendwann auflösen. Wir werden irgendwann
glaube ich, erkennen, dass die Maschine primär erstmal nichts wirklich kann, sondern
im dass Endeffekt, die die Sprache, wir entwickelt haben, das ist die Grandiosität. Also
die Grandiosität ist, dass in der Spr verstehen, dass da nichts verstanden wird, sondern
dass da im Endeffekt nur um Wahrscheinlichkeiten geht, aber die Sprache so cool ist,
dass das funktioniert und dass da trotzdem was rauskommt, was für uns
00:12:32
SPEAKER_01
Sinn macht. Ja, das muss man ein bisschen sacken lassen. Also, weil es ist ja, sehr oft
wird man halt damit konfrontiert. Wie wir es ja vorhin schon bei der Musikthema hatten,
es wird ja erstmal etwas aus Lerndaten bereits reproduziert und wir schreiben dem als
Mensch dann etwas Eigenschaften zu, die vielleicht überzogen sind, die völlig falsch
sind. Wo man das gut sehen
00:12:54
man das
00:12:54
SPEAKER_02
SPEAKER_01
gut sehen kann, ist dieses Thema
00:12:55
SPEAKER_02
ist dieses Thema Halluzination. Ich habe irgendwo, wollte ich mal was, mein kleiner
Sohn sollte irgendwas über Sachsen-Anhalt schreiben. Ich frag mal, was hier die
interessanten Themen in Sachsen-Anhalt worüber sind, man schreiben Und könnte.
dann sprungt er so Sachsen-Anhalt aus, schreiben. Ich sagte, wir fragen naja, was hier
mal, die interessanten Themen in Sachsen-Anhalt worüber sind, man schreiben Und
könnte. dann sprung das so aus, hier Sachsen-Anhalt, das themische Stonehenge und
so weiter. Also die ganze Himmelsscheibe, Nebbra, Bauhaus und so weiter, das sprung
das alles raus. Und irgendwann war auch was mit Altmark und da bin ich mal tiefer
reingeschickt. Erzähl mal mehr über die Altmark. Da war irgendwie ein Salzwedefest.
Erzähl mal mehr über das Salzwedefest. Und der schrieb und schrieb und schrieb. Und
irgendwann waren es dann kulinarische Spezialitäten auf dem Salz-Wedelfest. Und ich
habe mir irgendwie gedacht, also du hast da steht, sorry, das kann doch nie sein. Also
das hört sich in sich alles wahnsinnig schlüssig und logisch an, aber das stimmt nicht.
Dann habe ich das auch sozusagen nachgeguckt. Es gab es alles gar nicht, aber das ist
eine große Gefahr, durch diese Schlüssigkeit der Antworten immer den kritischen Blick
zu haben, das ist nur generierte und sozusagen Wahrscheinlichkeit und das hat mit der
Realität oder mit der Wirklichkeit oder mit der Wahrheit nichts zu
00:13:55
SPEAKER_01
nichts zu tun. Korrekt, völlig richtig. Jetzt bist du ja in einer Branche unterwegs oder
zumindest hatte ich dich ja vorgestellt mit einer datenbasierten Entscheidungsfindung.
Du bist ja im Unternehmen dabei, wirklich Managemententscheidungen zu stützen oder
auch entscheidbar zu machen. Wie handelst du diesen Konflikt? Wie können
Managemententscheidungen, vielleicht auch BI unterstützt, erzeugt werden? Und wie
kann der Mensch das noch hinterfragen? Oder wie hinterfragst du das?
00:14:27
SPEAKER_02
Aus meiner also ich würde mal KI kurz Sicht, weglassen, sondern wirklich BI im Sinne
von datenbasierter oder datenfundierter Entscheidungsfindung. Und ich würde auch
mal ein ganz einfaches Beispiel nehmen, was ich hier auch gerne in Zeitungen lese. Das
Beispiel, der Durchschnitt Sachsen-Anhalter verdient 3.658 Euro. Das ist ja jetzt etwas
genau, da geht es jetzt um Daten. Da geht es jetzt irgendwie darum, ich habe irgendwas
gemacht. Die Schwierigkeit aus meiner Sicht auch auf Management-Ebenen ist erstmal
ein Verständnis dafür herzustellen, beispielsweise, was drückt denn der Mittelwert aus?
Was drückt denn der Median aus? Ist der da überhaupt besser anzuwenden? Wäre das
sinnvoller? Oder vielleicht sogar Quartile? Also KI ist ja schon ganz, ganz weit nach
hinten gelegt. Oftmals fehlt aus meiner Sicht auch auf Management-Ebenen auch ein
grundsätzliches Verständnis davon, wie werden denn die Geschäftsprozesse, die ja
reduziert werden, weil ein KPI oder ich sage mal irgendein Wert ist ja nichts anderes als
ein reduzierter Geschäftsprozess, wenn man das so möchte. Ja, ich reduziere den
Umsatz auf Durchschnitt oder was auch immer oder Prozesslaufzeiten auf etwas und
die Fähigkeit zu verstehen, was da passiert, ist bei einer Aggregation noch relativ
einfach. Ja, wenn man jetzt ein bisschen, sag ich mal, kompliziertere Mechanismen
reinrückt wie vielleicht eine nicht-lineare Regression, also eine Fortschreibung, wird es
schon ein bisschen komplizierter. Wenn ich Entscheidungsbäume nehme, also ich gehe
jetzt mal in den Bereich des maschinellen Lernens, der wird ein bisschen größer, dann
sind Entscheidungsbäume auch noch etwas, was sich in dem Management irgendwie
erklären kann. Deshalb werden die beispielsweise sehr gerne genommen.
Entscheidungsbäume sind tolle Tools aus dem ML-Bereich, weil die nachvollziehbar
sind. Sobald ich anfange mit neuronalen Netzen, kann ich Entscheidungen nicht mehr
darauf, aus meiner Sicht, nicht mehr darauf für ein Unternehmen, sondern das mir als
Management hilft, also sowas wie ein Junior-Spirings-Partner, würde ich jetzt mal sagen,
oder kann man jetzt auch ein Senior-Spirings-Partner, der mir vielleicht Informationen
gibt, die ich aber trotzdem kritisch betrachte. Das ist aus meiner Sicht die Schwierigkeit
im Management-Bereich ist, keine datenbasierten Entscheidungen können getroffen
werden, ohne dass ein Datenverständnis da ist. Und das ist etwas, wo es glaube ich und
sehe ich noch große Thematiken gibt. Also ich meine wirklich, mein Lieblingsbeispiel ist
Median und Mittelwert, weil das ist so einfach, wo ich sage, es gibt 10 Leute, die
verdienen nichts und 10 Leute, die verdienen 10 Euro. Im Median verdienen die, gut in
dem Fall ist ein schlechter machen Wert, wir mal 5 Leute verdienen dann verdienen 0,
die halt 0 und im Mittelwert verdienen in die, dem Fall gut, ist es ein schlechter Wert,
machen wir mal, fünf Leute verdienen null, dann verdienen die halt null und im
Mittelwert verdienen die halt schon Euro und so. Und der sagt mir dann nichts aus. Also
das Verständnis, das muss, das ist, glaube ich, auch eure Aufgabe, auch als
Hochschule, auch schon den Schülern und den Studenten, schon den Studenten das zu
vermitteln, überhaupt ein Verständnis davon herzustellen. Das sind Prozesse, die wir
jetzt nachziehen müssen und insbesondere auch für die KI nachziehen müssen, weil
viele Manager oder Managerinnen haben dieses Wissen gar nicht, weil woher soll das
kommen? Da gibt es auch eine große Kluft zwischen den Entscheidern und der zur
Verfügung gestellten Grundlagen. Wenn man
00:17:44
SPEAKER_01
so will, die Basics stimmen nicht. Die statistischen, grundlegenden Verständnisse
markerst du jetzt an und sagst, es wäre ratsamer, wenn wir wirklich ein
Grundverständnis zur Statistik haben, zum Verständnis, welche unterschiedlichen
Maßgaben es gibt, welche unterschiedlichen Funktionen und so weiter. Weil KI letzten
Endes ja nur eine gewisse Art On-Top-Automatismus dahinter ist. Vielleicht nochmal ein
Ausreizen, eine 120-Prozent-Lösung. Das gibt viele Manager und Managerinnen,
00:18:11
SPEAKER_02
gibt viele Manager und Managerinnen, die können das auch, also das möchte ich jetzt
nicht großsätzlich abschlagen, insbesondere auch so im Controlling-Bereich, die haben
natürlich schon viele, aber auf vielen Ebenen ist dieses Wissen halt noch nicht
vorhanden und damit auch das Verständnis, und ich glaube, das ist eines der
grundlegenden Themen, die wir gerade stoßen, das Verständnis, wo macht denn KI
Sinn? Das ist, glaube ich, eine ganz große Frage, die kann man aus meiner Sicht nur
wirklich beantworten, wenn man KI auch verstanden hat, was irgendwie die sozusagen
arbeitet. Wir hatten ja vorhin diese Überzonen-Erwartung.
00:18:43
SPEAKER_01
diese Überzonen-Erwartung. Da ist die Frage natürlich, möchte man ein Stück weit auch
in dieser Blase leben, Überzonen-Erwartung. Also möchte man in diesem
wahrgewordenen Science-Fiction leben und ist dann der Fall, die Ernüchterung,
beziehungsweise wir hatten es ja so dezent Winter gesagt, nicht dann folgerichtig, weil
die Leute dann irgendwann resettet werden, erkennen, so wie wir es uns vorstellen, ist
es am Ende nicht. Jetzt haben wir natürlich aber auch viele Unternehmen, die das
natürlich gerne nutzen. Die Unternehmen sagen sich lieber haben als brauchen. Siehst
du das auch so oder sagst du, nein, nein, da kommt noch was. Die machen damit was
ganz Gutes mit und da kommen auf einmal dann die Rocket Science, beziehungsweise
die, wie hast du das vorhin so schön genannt, Granaten, nee, Killer-Applikationen,
genau. Kommen die irgendwann oder wohin geht das alles?
00:19:38
SPEAKER_02
Ich glaube, genau da muss die Justierung stattfinden. Jedes Unternehmen hat
Herausforderungen, ja, heute schon, immer schon und auch in Zukunft. Und die Frage,
die sich dort stellt, ist ja auch eine klassische Unternehmensfrage, ist, was nehmen wir
jetzt zum Beispiel bei Prozessen. Ja, ich habe jetzt einen Prozess und der läuft jetzt aus
meiner Sicht irgendwie nicht gut. Ich muss jetzt erst mal anfangen zu untersuchen, was
kostet der Prozess mich gerade? Und dann kann ich gucken, was sind teure Prozesse?
Wie können die sozusagen mit KI oder mit ML oder was auch immer oder auch
einfachen statistischen Methoden verbessert werden? Und das ist die Hauptarbeit. Also
besteht jetzt aus meiner Sicht für Unternehmen nicht darin, zu gucken, wo kann KI ihnen
überhaupt helfen? Weil das muss man tatsächlich auch ein Stück weit so sagen, KI,
wenn man jetzt alle Methoden damit reinrechnet, wirklich alle maschinellen
Lernmethoden, kann fast überall eine Unterstützung bringen. Das muss man ganz
ehrlicherweise sagen. Also jetzt vom Hype weg gesehen, aber KI oder maschinelle
Lernmethoden können fast überall eine Unterstützung bringen. Und deshalb ist es eher
wichtig, zu gucken, aus Unternehmenssicht, welche Prozesse haben wir, was kosten
diese Prozesse, wie beeinflusst das die Kundenzufriedenheit und dann ranzugehen, eine
Priorisierung vorzunehmen, zu schauen, das sind die teuren Prozesse, das sind
sozusagen die dauerhaften langen Kosten etc. pp. Und zu sehen und dann sich ein ganz
konkretes Thema zu nehmen, das mit Spezialisten zu bearbeiten, weil verbessern kann
man mit maschinellem Lernen, mit KI, mit Sprachmodellen ganz, ganz, ganz, ganz viele
Dinge. Ob das Vorhersagen, wir haben zum Beispiel auch Vorhersagen
Telefonaufkommen gemacht, wo man sagt, man möchte ja vorhersagen, man möchte ja
wissen, wie es wird. Das ist ja der Einsatz, der Unterschied zwischen so prädiktiv oder
deskriptiv, wo man halt irgendwie nach vorne guckt oder nach hinten guckt. Man möchte
nach vorne gucken, man möchte wissen, wie es wird. Und da kann man sozusagen ganz
viel machen, auch im Bereich Automatisierung. Und ich würde Unternehmen raten, also
wenn Unternehmen sich fragen, kann mir KI helfen oder nicht, würde ich eigentlich eine
ganz einfache Frage stellen. Und zwar nehmen wir mal es gäbe irgendwie eine
Zaubermaschine, an, die kann dir zwei ein, oder drei Prozesse wegrationalisieren,
komplett.
00:21:56
SPEAKER_02
Welche würdest du nehmen? Und dann würde ich mir diese Prozesse
Prozessaufnahmen machen pp. angucken, etc. und würde an welchen gucken, Stellen
kann dort KI eingesetzt werden. Und heute glaubt man man nimmt eine Gießkerne, halt,
kippt das drüber und dann wird das schon. Aber die eigentliche Arbeit liegt in der
Prozessbeschreibung, in der Auswertung, in vielen Untersuchungen und nachher
natürlich in der Implementierung.
00:22:17
SPEAKER_01
Ja, das ist so dieser Grundsatz, ein schlechter Prozess wird durch KI nicht besser,
sondern es ist halt ein schlechter KI-gestützter Prozess wird durch KI nicht besser,
sondern es ist halt ein schlechter, KI-gestützter Prozess. Das ist halt, also von daher ist
das Prozessverständnis oder die tiefgreifenden Basics dazu natürlich von großer
Bedeutung.
00:22:34
SPEAKER_02
Der CRISP-DM beispielsweise, das ist ein Standard, ja ein Standard, sag ich mal,
Prozessbeschreibung für Daten, der sagt, das Wichtigste, das Erste in diesem
Prozessschritt ist Business Understanding. Das heißt, bevor man sich mit Daten, KI,
Maschinen, Lärm etc. Algorithmen auseinandersetzt, muss man ein sehr, sehr gutes und
tiefes Business Understanding haben. Das ist sozusagen die Essenz. Also, das möchte
ich ganz kurz zusammen mit dem Chris BM grundsätzlich auch ein gutes tun. Ich würde
noch ein ganz kurzes Wort zum KI-Winter sagen, weil der KI-Winter, mit dem meine ich
noch ein bisschen was anderes. Mit dem KI-Winter, der aus meiner Sicht in drei Jahren,
vielleicht vier Jahren, ich weiß nicht, kommen würde, ist, alles, was wir jetzt in diese
Maschine reingeschüttet haben, ist menschengemacht. Und deshalb ist das alles so
großartig, was da rauskommt. Das darf man nicht vergessen. Der Output ist deshalb so
großartig, weil der Input so großartig ist. Wenn wir anfangen, generierte Texte, generierte
Bilder wieder in den Lernprozess mit einzuspielen, dann ergibt sich sowas wie so ein
digitaler Abriss irgendwann. Ja, also dann im Prinzip gibt es dann so eine
Selbstreproduktion, die dann so Feedback-Mechanismen, das meine ich quasi, also wir
stehen jetzt an so einem Punkt, wo wir sagen, wow, das ist so grandios und das ist halt
so grandios mit alles, was da reingegangen ist und auch gut ist. Das heißt
00:23:49
SPEAKER_01
also, sofern wir frische Informationen zukommen lassen, von Menschen gemacht, sind
wir überrascht, was da hinten am Ende rauskommt.
00:24:20
SPEAKER_01
Aber sobald es jetzt wenn, so ein Hybrid aus diesen schon wird, bereits generierten
werden wir ein Texten, ganz anderes Level Ob das jetzt erleben. gut oder schlecht das
werden wir ja ist, dann Aber das meinst sehen. du um das auch nochmal halt, zu genau
relativieren, das meinst du halt mit diesem mit dieser Winter, dass wir Ernüchterung,
dann auf einmal für für unseren jetzigen uns, Standpunkte uns zurückgeworfen weil die
Texte fühlen, nicht mehr so brillant sind und so flüssig und so schön und so intellektuell,
wie wir es vielleicht vorstellen.
00:24:31
SPEAKER_02
Genau, wir werden halt den Wert des vom Menschen gemachten, der wird immens
steigen, weil das halt der Input sein muss. Es kann gar nicht anders sein, dass das der
Input ist. Das ist der Input, der sozusagen der das auch befeuert. Und das heißt, das,
was Menschen machen, das wird immer aus meiner Sicht auch im KI-Bereich einen
immer höheren Wert bekommen. Deine Meinung
00:24:56
SPEAKER_01
Meinung dazu, ob KI uns die Arbeitskräfte wegnimmt oder für Arbeitslosigkeit sorgt. Wie
stehst du dazu?
00:25:06
SPEAKER_02
Für mich gibt es zwei Analogien dazu. Die Analogie, die Einführung der Fotografie. Als die
Fotografie eingeführt war, haben alle Maler gesagt, Katastrophe. Niemand kauft mehr
Bilder. Niemand kauft mehr Kunst, Selbstgemachtes und so weiter. Und Fotografie, das
ist ja alles nur Abklatschen. Das ist alles nichts Richtiges. Fotografie ist eine Ergänzung.
Es ist ein Hinzufügen von etwas, das hat nichts weggenommen, das hat erstmal nichts
kaputt gemacht, das hat hinzugefügt. Das ist so ein Stück weit die Analogie, die ich
verwende. Das heißt, wir brauchen aus meiner Sicht keine Angst davor zu haben, dass
sie etwas wegnimmt. Sie wird in vielen Bereichen die Arbeit ganz immens erleichtern.
Sie wird Prozesse unterstützen. Sie wird Dinge auch automatisieren können. Ich habe
aber noch nie gehört, dass ein Unternehmen zu wenig Arbeit hat. Selbst wenn ich jetzt
fast alles wegrationalisiert habe, gibt es neue Herausforderungen, für die wieder
Menschen da sein müssen und es muss ja auch geführt werden, ein Unternehmen und
eine Führung würde ich in der KI nicht überlassen. Also das Thema Führung und KI, das
würde ich mal ganz nach hinten stellen. Also von Verantwortung über Vertrauen, über
Innovationsfähigkeit und da sei mal ganz… Also ich glaube, das ist etwas, was
hinzukommt, wie die Fotografie zur Malerei. Die Malerei ist nicht ausgestorben durch die
Fotografie, so wird auch der menschengemachte Text nicht ausgestorben, sondern das
Kunstwerk hat heute einen höheren Wert als das Foto. Und so wird es aus meiner Sicht
eine ähnliche Entwicklung sein. Ich will keine Angst haben, sondern sagen, wir schauen,
wie wir das Gute einsetzen.
00:26:40
SPEAKER_01
Vielen Dank, Nico. Wir könnten sicherlich noch etliche Minuten mehr füllen. Von daher
bedanke ich mich ganz herzlich bei den Einblicken, die du uns zum Thema KI gegeben
hast, auch wenn das jetzt hier nur eine Spitze des Eisberges war, mit der wir dir heute
unterhalten haben. Ich danke dir für deine Zeit. Gerne. Ich bedanke mich auch bei
unseren Zuhörerinnen und Zuhörern und wünsche uns allen eine angenehme Zeit. Bis
bald.
00:27:08
SPEAKER_00
Der KI-Insights-Podcast ist eine Initiative des Projekts ZAKI, der zentralen Anlaufstelle für
innovatives Lehren und Lernen interdisziplinärer Kompetenzen der KI der Hochschule
Magdeburg-Stendal. Gefördert vom Bundesministerium für Bildung und Forschung.