Thema: Künstliche Intelligenz 
„KI ist ein mächtiges Werkzeug“
Herr Professor Dengel, was verstehen Sie unter Künstlicher Intelligenz (KI)?
KI ist eine große Werkzeugbox an mathematisch fundierten Methoden, die Computer in die Lage versetzen, Dinge zu tun, wofür wir Menschen Intelligenz brauchen.“
Was unterscheidet denn künstliche von menschlicher Intelligenz?
In der Regel lesen wir Intelligenz bei Menschen ab: Wir können sie zwar via IQ-Tests messen, erfassen dabei aber nur einen Teil der Intelligenz, vor allem den sprachlichen und mathematischen. Intelligenz zeigt sich aber auch im Verhalten und im Umgang mit anderen Menschen. Im Gegensatz zu KI-Programmen nehmen wir die Welt und die Dinge darin ganzheitlich wahr – über all unsere Sinne. Auch in der Reflexion. Wenn wir mit jemandem reden, erkenne wir an der Reaktion Empfindungen und passen Antworten darauf an. Das macht uns Menschen aus: Im Handeln beziehen wir unser Gegenüber mit ein und sind uns möglicher Folgen bewusst – für Gesprächspartner, Umfeld, Umwelt und Gesellschaft.
Aber auch KI-Systeme kommunizieren inzwischen miteinander, zum Beispiel auf der Plattform „Moltbook“.
Es sind Dinge im Fluss, die versuchen, Grenzen zu sprengen. Schon die alten Philosophen hatten eigene Weltbilder entworfen, das aristotelische Kategoriensystem oder Platons Schattenwelt. Bei KI-Systemen ist man so weit, dass man auch Rollen trainieren kann. Man könnte also das aristotelische Weltbild und das von Platon KI-Agenten antrainieren und diese sich unterhalten lassen. Dabei ist das ein geführter Dialog. Das Wort „führen“ ist ganz wichtig: Als Mensch führe ich einen Chatbot, der nicht selbstkritisch und mit einem eigenen Standpunkt reagiert, sondern immer auf mich eingeht. Ein Chatbot kann nicht kritisch zurückfragen und kann die Perspektive nicht wechseln. Das ist der große Unterschied: Menschen haben eine eigene Identität, eigenes Denken, Meinungen, an denen sie sich reiben. Das hat uns vorangebracht, weil wir uns immer wieder Reizen aussetzen, die uns anspornen, im Kollektiv Neues weiterzudenken.
Wie passen da selbstlernende Systeme ins Bild?
Es gibt bereits Systeme, die man nicht mehr immer neu trainiert, sondern die selbst dazulernen. Das sind Ansätze, die man stark verfolgt, auch mit kommerziellem Interesse. Diese Systeme haben tatsächlich so viel Fachwissen, dass sie uns in dieser Beziehung kognitiv übertreffen können.
Aber doch nur mit dem Wissen, mit dem wir sie gefüttert haben, oder?
Ja, mit der Schlüssigkeit der Muster, die in diesen Daten abgelegt sind und sie so neue Dinge wahrscheinlich viel besser entdecken können als wir. Beispielsweise in der Medizin. Dort fangen wir erst an, die weltweit großen Datenmengen nutzbar zu machen, weil sie nicht harmonisiert sind. Das heißt, die sind mit unterschiedlichen Formaten, Probandengruppen und Annahmen erhoben worden. Es ist nicht einfach, für solche Gebiete Datenmengen zu generieren, die den KI-Einsatz möglich machen.
Und was könnte KI damit tun?
Die KI kann Zusammenhänge und Muster erkennen, also Wiederkehrendes oder Dinge, die durch Kombinationen zusammengehören oder gehören könnten. So entstehen auch neue Strukturen, die in der Medizin verwendet werden können.
Können Sie ein Beispiel nennen?
Betrachten wir die Pharmaforschung: Wirkstoffe haben lange Sensorpfade in unserem biologischen System. Sie steuern die Genexpression, wodurch Proteine gebildet werden, die Enzyme beeinflussen, um positiv auf eine Krankheit zu wirken. Solche Pfade sind so mannigfaltig, dass wir sie nicht alle kennen. Aber man kann solche Beziehungen durch KI herleiten und neue entdecken. Wir machen das etwa bei der Weiterentwicklung zugelassener Medikamente. Mit gesammelten Zusammenhängen können wir Wahrscheinlichkeiten berechnen, wie gut ein Medikament noch für eine andere Krankheit eingesetzt werden kann. Bei Darm-Mikrobiomen und deren Beziehungen zu Krankheiten kann man ähnlich vorgehen. Das Mikrobiom ist sehr stark von der Ernährung abhängig. Wir suchen am DFKI Wege, damit wir Medikamente ersetzen können, etwa durch Kombinationen von Lebensmitteln, bei denen Mikrobiome positive Auswirkung auf bestimmte Erkrankungen haben.
KI-Systeme werden also darauf trainiert, in großen Datenmengen Muster und Verbindungen zu erkennen, die ein Mensch so nicht finden könnte?
Genau. Das lässt sich mit unserer Sprachausbildung erklären, egal ob Deutsch oder Fremdsprache, wo wir in quälenden Stunden Grammatik auswendig lernen mussten. Moderne Sprachmodelle funktionieren jedoch anders: Generative KI lernt aus riesigen Mengen gelesener Texte und berechnet Wahrscheinlichkeiten dafür, welches Wort als nächstes folgt. Die Folge ist, dass schon kleine Nuancen beim Prompten – bei der Anfrage an solche Systeme – zu unterschiedlichen Antworten führen können, weil Menschen automatisch Kontext mitdenken, Sprachmodelle jedoch probabilistisch arbeiten (auf Basis von Wahrscheinlichkeiten, die Red.).
Auf welcher Basis sucht KI Antworten? Und wie verlässlich sind die?
Daten sind wesentlich dafür, wie sich ein System verhält. Früher wurden Medikamente entwickelt, wobei Probanden überwiegend männlich waren, und die bei Frauen deshalb nicht so wirken. Ähnlich verhält es sich mit dem Antwortverhalten von Chatbots: Es hängt vom vorgegebenen „Lesestoff“ ab. Verantwortlich dafür sind Menschen, die hinter deren Entwicklung stehen. Wie Elon Musk, der zulässt, dass seine Systeme sexualisierte Inhalte produzieren. Ganz wichtig sind also Datenauswahl und -umfang oder Vollständigkeit, Ausgewogenheit und Diversität von Themen beim Training der Chatbots. Und das hängt ab vom Wertesystem oder von politischen und wirtschaftlichen Interessen der Anbieter.
Die EU arbeitet an einem Regelwerk. Sind da aber weltweit nicht schon viele Pflöcke gesetzt?
Ein schwieriges Thema. Die Entwicklung schreitet sehr schnell voran und wir haben es als Volkswirtschaft versäumt, rechtzeitig KI so zu sehen, dass wir ihren ökonomischen Wert erkennen. 65 Prozent des weltweiten Cloud-Marktes werden von US-Anbietern wie AWS, Microsoft Azure oder Google Cloud dominiert. Wir haben Souveränität ein Stück weit abgegeben, müssen dringend eigene Strukturen aufbauen.
Da tut sich aber doch was. Die EU fördert den Aufbau von KI-Fabriken und in Deutschland investieren Unternehmen wie Telekom in Rechenzentren.
Das stimmt, allerdings fehlen bei Gigafactories noch tragfähige Geschäftsmodelle. Selbst in den USA wird mit KI bislang nur begrenzt Geld verdient, und viele KI-Systeme basieren dort auf umfangreichen Konsumentendaten, die es in Europa nicht gibt. Wir müssen daher überlegen, wie wir Gigafactories gezielt für unsere Industrie nutzbar machen.
Wie denn?
Wir haben viele Unternehmen mit Spezialdaten. Die sind oft nicht homogen und umfangreich. Da kommen Small Language Models, die mit weniger Daten als große Modelle trainiert werden, ins Spiel. Sie werden im begrenzten Datenraum oder mit spezieller Funktion eingesetzt. Zusätzlich gibt es bereits gut funktionierende, vortrainierte Open Source-Sprachmodelle, die man mit verhältnismäßigem Aufwand spezialisieren kann.
Und wie werden die eingesetzt?
In Unternehmen gibt es verschiedene Datenquellen. Ob das Dokumentsammlungen, Datenbanken, Archive oder Netzlaufwerke sind, also unternehmerisches Wissen in unterschiedlich strukturierter Form. Wissen steckt etwa in Attributen, was ein Kunde ist, was ein Produkt. Solches zusätzlich nutzbar zu machen, ist ein großer Trend. Weil man die Stärke von Chatbots nutzen kann und zugleich wahrheitsbezogene Fakten für ein KI-Modell nutzt.
Wie sieht das in der Praxis aus?
Wir bauen für einen großen Energiedienstleister ein Unternehmensgedächtnis. Dafür überführen wir Metadaten aus verschiedenen Datenquellen, Geoinfo-Systemen, SAP, Excel in einen Wissensgraphen und beschreiben ihre Zusammenhänge. Wir legen eine Art Metaebene über Daten, ohne ihren Speicherort zu verändern. Über einen spezialisierten Chatbot können Nutzer in natürlicher Sprache Anfragen stellen. Diese werden in eine Sprache für Wissensgraphen übersetzt. Das System sucht dort nach Antworten und übersetzt diese in verständliche Sätze oder Tabellen. So lassen sich Vorteile von Chatbots mit Wissen aus den verschiedenen Quellen kombinieren. Gleichzeitig bleiben die Daten sicher, weil sie nicht extern verarbeitet werden.
Also liegt der Vorteil kleinerer Systeme in der Kontrolle der Daten.
Und in der Spezialisierung. Datenzugänge sind kontrollierter, weil ich im Unternehmen vertrauliche Daten nicht ins Netz geben will, aber lokal einem Chatbot anvertraue. Der kann etwa die Rolle einer Justiziarin einnehmen, weil er Verträge im Unternehmenskodex kennt, oder die eines Sachbearbeiters.
Ist eine solche KI vertrauenswürdig?
Vertrauenswürdigkeit und Transparenz sind ganz wichtig. Wer in welchem Zusammenhang auf was zugreifen darf, ist definiert. Zudem arbeiten wir am Thema Erklärbarkeit. Das heißt, dass Systeme sich rechtfertigen, wenn sie Lösungen vorschlagen oder sogar initiieren. Und zwar in einer verständlichen Art und Weise.
Also, dass sie erklären, wie sie zu ihren Entscheidungen kommen?
Genau. In der Medizin gibt es beispielsweise seit vielen Jahren Systeme, die Hautläsionen als gutartig oder bösartig klassifizieren. Die werden in der Dermatologie bereits erfolgreich eingesetzt. Dennoch fehlt vielen Anwendern das Vertrauen in die Ergebnisse. Deshalb haben wir Verfahren entwickelt, die sichtbar machen, auf welchen Merkmalen die Entscheidung beruht und zugleich in Textform erklären, warum die Einordnung so erfolgt ist.
Sie entwickeln in Kaiserslautern auch selbst KI-Systeme für Unternehmen. Sind das spezialisierte Sprachmodelle?
Nicht nur. Da geht es auch um das Finden von Anomalien in großen Datenströmen. Oder die visuelle Inspektion, also Qualitätssicherung von Produkten. Oder die Vorhersage von Erntemengen auf Feldern. Wir haben auch ein großes Projekt mit der Deutschen Bundesbank, wo es um Cybersicherheit geht. Für die Polizei haben wir Methoden für eine „Cold case“-Sendung entwickelt, die 2025 lief. Darin ging es um einen Fall von 1984, als in Dresden der kleine Felix aus dem Kinderwagen entführt wurde. Mithilfe von KI und Fotos, von Felix sowie vom Bruder und Vater, haben wir einen Avatar erstellt, wie er heute aussehen könnte. Ein positiver Fake.
Wo liegen für Sie denn die größten Vorteile und wo die Nachteile von KI?
Die Vorteile liegen in der Übernahme von aufwendigen Routinetätigkeiten, der Reduzierung von Komplexität, im Beschleunigen von Entscheidungen. Große Gefahren liegen darin, dass KI ein mächtiges Werkzeug ist, das je nach Handhabung großen Schaden anrichten kann. Wir merken das bei Wahlen oder Enkeltrickbetrug. Manchmal besteht auch die Gefahr, dass wir KI zu stark vermenschlichen, also glauben, sie verstünde unsere Sorgen und Ängste. Dabei ist sie nur eine „Echokammer“, die einen Dialog mit auf Wahrscheinlichkeit berechneten Wortfolgen führt.
Überschätzen wir also KI?
Manche überschätzen KI, aber man muss aufpassen, dass man sie auch nicht unterschätzt, denn wir leben in einer sehr komplexen Welt. Ob das unsere Infrastrukturen sind oder der Smart Home-Haushalt ist. KI nimmt uns viel ab, was aber auch Abhängigkeit schafft. Mit dem Navigationssystem im Auto merke ich mir nicht mehr, wie ich fahre; ich gucke nur darauf, was das Auto vorgibt. Ich merke mir nicht mehr den Turm, an dem ich vorbeigefahren bin. Die räumliche Orientierung geht verloren.
Wir müssen also nicht KI fürchten, sondern unseren Umgang damit?
Das sehe ich so. Wenn man KI-Investments, statt für Kriege und Macht, für die Menschheit nutzen würde, könnte man sehr viel bewegen, etwa seltene Krankheiten heilen oder das Klima besser verstehen.
Ist eine allmächtige KI, von der etwa Elon Musk träumt, realistisch?
Das ist leider so. Denn der Mensch will das ja tun. Bei Musk ist es ein lautes Ankündigen. Bei den Chinesen ein leiseres, aber nicht weniger zielgerichtetes Streben. Man muss den großen Zusammenhang verstehen. Es geht nicht nur um KI-Recheninfrastruktur, sondern auch um Kontrolle im Weltraum. Da muss man in Europa ganzheitlich denken. Es ist eben nicht nur die Wehrhaftigkeit einer Bundeswehr, sondern auch die gute Ausstattung unserer Dienste und die Fähigkeit der Kommunikation, ob terrestrisch oder satellitenbasiert. Wir müssen in die Zukunft denken mit allen Dimensionen, die KI ausmachen.
Was heißt das für Deutschland?
Deutschland verfügt über relevante KI-Spitzenforschung. Die ist allerdings weniger sichtbar als in USA oder China, nicht zuletzt wegen geringerer Investitionen. In Deutschland schauen Firmenlenker oft allzu stark ins Silicon Valley und unterschätzen eigene Stärken. Für die Wissenschaft wird es dadurch zunehmend schwieriger, Aufmerksamkeit zu bekommen. Deshalb braucht es eine nationale Anstrengung, um Kompetenzen stärker zu bündeln. Denn Deutschland hat das Potenzial, im KI-Bereich mehr zu bewegen.
Info
Dieser Artikel stammt aus der RHEINPFALZ am SONNTAG, der Wochenzeitung der RHEINPFALZ. Digital lesen Sie die vollständige Ausgabe bereits samstags im E-Paper in der RHEINPFALZ-App (Android, iOS). Sonntags ab 5 Uhr erhalten Sie dort eine aktualisierte Version mit den Nachrichten vom Samstag aus der Pfalz, Deutschland und der Welt sowie besonders ausführlich vom Sport.
