„KI ist kein Zauber, sondern viel Mathe und Statistik“

Herr Professor Klinkhammer, Ihre Spezialgebiete sind eigentlich die empirische Sozialforschung und Statistik. Mittlerweile beschäftigen Sie sich aber seit Jahren auch mit Künstlicher Intelligenz – wie kam es dazu? 
Ich habe 2017 ein Paper über sogenannte Transformer gelesen – das ist die Schlüsseltechnologie hinter heutigen KI-Systemen wie ChatGPT. Ich verstand damals kaum ein Wort, obwohl ich mich sehr gut mit Statistik auskenne. Das hat meinen Ehrgeiz geweckt. Ich habe angefangen, mir Wissen über die Funktionsweise neuronaler Netzwerke durch kleine Lerneinheiten anzueignen. Das Gelernte habe ich gleich in der Praxis getestet – und was funktionierte, habe ich in meine Lehre übertragen. 

 

Was genau sind Transformer und was macht sie so besonders?
Sie ermöglichen es KI-Systemen, Sprache auf eine ganz neue Weise zu verarbeiten. Früher wurden Sätze Wort für Wort übersetzt – zum Beispiel beim Google Translator. Die Folge war, dass die Ergebnisse häufig schlecht waren. Bei einem Transformer handelt es sich um einen Multi-Head-Attention Mechanismus, der mehrere Satzteile gleichzeitig betrachten kann. Dieser ermöglicht bei jedem Wort in einem Satz zu berücksichtigen, wie stark es mit anderen Wörtern zusammenhängt. Wenn das System zum Beispiel die Wörter „Ich gehe Hund“ aus dem Satz „Ich gehe mit meinem Hund spazieren“ sieht, gibt es nur noch wenige Sätze, die in diesem Zusammenhang Sinn machen. Die Wahrscheinlichkeit für eine korrekte Übersetzung des Satzes ist demnach viel größer. 

 

Warum ist aus Ihrer Sicht so wichtig, auch die Technologie hinter Tools wie ChatGPT zu verstehen? 
Ich finde es wichtig, dass wir nicht nur KI-Tools vorstellen und nutzen, sondern auch unter die Motorhaube schauen und uns fragen: Wie funktioniert das Tool? Was muss ich machen, um bessere Ergebnisse zu erhalten? Und mit welchen Fehlern muss ich rechnen? Wenn ich gebeten werde, etwas zu Künstlicher Intelligenz zu sagen, bin ich schnell auf dem Mathematik- und Statistik-Gleis. Das wollen viele zunächst nicht hören, es ist aber die Grundlage. 

 

Können Sie das an einem Beispiel verdeutlichen?
Viele kennen aus dem Mathematik-Unterricht in der Schule bestimmt noch Vektoren – und ohne diese Vektoren würden Sprachmodelle wie ChatGPT nicht funktionieren. Sie müssen sich das so vorstellen: Einzelne Wörter können durch einen Datenpunkt repräsentiert werden. Zum Beispiel würden der König und die Königin nah beieinander liegen, während der Bundeskanzler weiter weg wäre. Wenn man dies auf Vektoren überträgt, wäre der Winkel zwischen dem König und der Königin viel kleiner als der zwischen dem König und dem Bundeskanzler. So lässt sich über Vektoren eine Logik aufbauen, welche Wörter zusammenpassen. Mit dem Wissen und Verständnis lassen sich eigene KI-Modelle bauen und bestehende besser nutzen.

 

Sie wollen Ihr Wissen weitergeben und haben mit „KI-ENNA“ ein eigenes Bildungsprojekt ins Leben gerufen. Damit haben Sie beim Innovationspreis des Verbands der Privaten Hochschulen den dritten Platz belegt. Was steckt dahinter?
Ich möchte KI für alle verständlich und erlebbar machen – auch außerhalb von MINT-Fächern. „KI-ENNA“ ist ein neuronales Netz zum Ausprobieren und somit ein didaktisches Tool, mit dem Schülerinnen und Schüler und Studierende selbst erleben können, wie KI funktioniert. Anfangs bin ich dafür in Schulen gegangen. Dort haben Schulklassen mit Mini-Computern herausgefunden, wie sie auf ganz einfache Weise eine KI trainieren können. Mittlerweile gibt es eine Online-Demo für Schulen: Bei meinem Beispiel „Voice Recognition“ vermessen Schülerinnen und Schüler bspw. Bilder von Wellenformen, die über die Amplitude und Wellenlänge Aufschluss über die dahintersteckende Stimme oder das gesprochene Wort geben können. Die Schülerinnen und Schüler geben diese Daten dann online ein – und erleben live, wie ein KI-System daraus lernt. So wird deutlich: KI ist kein Zauber, sondern hat viel mit Mathematik und Statistik zu tun. 

 

KI ist in unserem Alltag schon sehr präsent. Welche Rolle wird sie aus Ihrer Sicht in der Zukunft spielen?
Eine sehr große – und das oft ungefragt. Sprachmodelle sind schon heute in Tools wie WhatsApp oder Microsoft Office integriert, ohne dass wir als Nutzer großartig gefragt wurden. Daher ist es umso wichtiger, die Funktionsweise zu verstehen und den Nutzen kritisch zu hinterfragen. KI kann viele Prozesse vereinfachen, wenn ich weiß, wie. Und da legt die FOM mit ihrer Lehre – vor allem durch die Vermittlung der Programmiersprachen R und Python in vielen Studiengängen – einen guten Grundstein.

 

Das Interview führte Nils Jewko.