Künstliche Intelligenz verstehen lernen Künstliche Intelligenz verstehen lernen

Am Anfang stehen Daten, und zwar bearbeitete. „Ohne gut strukturierte oder annotierte Daten fällt jedes Machine-Learning- und KI-Projekt in sich zusammen“, stellt Moritz Wolter vom BnTrAInee-Projektteam fest. „Denn nur so können wir eine KI darin schulen, die Muster zu erkennen und hilfreich zu sein.

Was das bedeutet, zeigt sich am Zeitungsprojekt von PD. Dr. Felix Selgert,  Institut für Geschichtswissenschaften (Siehe Link rechts). „Wir wollen herausfinden, wie die wirtschaftliche Lage in vielen Bereichen war. Dafür sehen wir uns Stellenangebote der Kölnische Zeitung an“, berichtet er. Nur: Anders als heute waren Zeitungen um die Jahrhundertwende vergleichsweise unstrukturiert gesetzt: Unterschiedliche Schriftgrößen, Zeilenabstände oder unerwartete Spaltenumbrüche machen es für Menschen heute bereits schwer, Artikel ohne Übung zu lesen.

Für Computer ist es erst einmal ein Ding der Unmöglichkeit. „Wie wir Menschen benötigen die Rechner Übung“, so Wolter. „Ohne korrekte Daten können die Systeme keine Muster erkennen und sich weiterentwickeln.“  Sonst liefe man schnell in die KI-Falle hinein. Das bedeutet: Menschen gehen in Vorarbeit, korrigieren die Daten, weisen auf Fehler und Fehlerquellen hin.

 "Für Informatiker aus dem Bereich KI geht es erst einmal um Daten. Aber das Verstehen von ganz speziellen Forschungsfragen und Anforderungen spielen bei der Auswertung ja auch eine Rolle", so Wolter. Aus den Daten und den Aufgaben entwickeln sie selbst Modelle oder passen bestehende an - und leisten damit einen Vorschub für nachfolgende Teams. "Wenn einmal eine Lösung entwickelt wurde, lässt sie sich oftmals auch einfach auf andere Herausforderungen anwenden, berichtet Informatikerin Elena Trunz vom Projektteam “Es gibt Methoden aus dem Machine Learning , die wahnsinnig vielseitig sind." 

Auch die Informatikstudierenden profitieren. Sie müssen im Rahmen ihres Studiums eine praktische Programmierarbeit ableisten. Bei BN-Trainee werden sie mit Herausforderungen und Forschungsfragen unterschiedlicher Fachdisziplinen in Kontakt gebracht - ein Gewinn und zugleich eine Herausforderung für beide Seiten. Sie müssen ein gemeinsames Verständnis von fachspezifischen Herausforderungen entwickeln.

So  lässt Dr. Barbara Wichtmann von der Medizinischen Fakultät mithilfe Künstlicher Intelligenz Magnetresonanzbilder von Prostatakrebs auswerten. Es ist das selbe Modell, mit dem Prof. Dr. Matthias Lang von den Digital Humanities archäologische Strukturen wie Meiler, Bombentrichter oder Grabhügel aus Luftaufnahmen erkennen lässt. Ein anderes Projekt, dass im Rahmen von BnTrAInee umgesetzt  wurde, ist die Analyse von Medikamentenabgaben und ihre Wirksamkeit. 

Studierende begeistern für Machine Learning und KI

Dabei ist der Aspekt der Kooperation aber nur einer von insgesamt drei Zielen bei BnTrAInee. Zugleich geht es darum, Studierende aus dem Fachbereich Informatik zu gewinnen und im Austausch mit Forschenden andere Fachsysteme zu schulen. "Informatikstudierende sind ja nicht von sich aus auf den KI-Bereich fokussiert.  Und nicht jeder kann nach einer Ausbildung in Bonn per se mit KI- und Machine Learning umgehen", so Elena Trunz vom Projektteam.  Daher möchte man sie auch für diesen Bereich und die vielfältigen Anwendungsmöglichkeiten gewinnen. 

Fachleute fit machen für KI

Und drittens: Anderen KI-fachfremden Wissenschaftler selbst das Wissen rund um KI und Machine Learning zu vermitteln. Learning by doing ist hier ein Ansatz. Gemeinsam sitzen erfahrene Forschende aus dem Bereich Medizin, Neurobiologie, Geschichte oder Linguistik drei Wochen lang zusammen, und bekommen Mathegrundlagen, Verfahrensweisen und auch die Programmiersprache Python in kürzester Zeit nahegebracht.

Gemeinsam lösen sie die gestellten Aufgaben, diskutieren und analysieren Best-Practice Ansätze der anderen Teilnehmenden. Begleitet werden sie dabei von kompetenten Ansprechpersonen aus der IT, was ein Vorteil ist. „Das ist auch der Unterscheid zum normalen Studium, wo man mit Übungsaufgaben oft alleine ist“, so Trunz. „Und es zeigt sich, dass die Kurse extrem gut ankommen. “Auch die Teilnehmenden profitieren: Sie entwickeln ein Verständnis fürs Programmieren, Machine Learning und KI-Funktionalitäten und können somit selbst Projekte und Daten auf Hochleistungsrechnern wie dem neuen Großrechner der Uni Bonn, „Marvin“, fahren.

Projektleiter Prof. Dr. Reinhard Klein sieht jedenfalls enormes Potenzial. „Ich bin fest überzeugt, dass wir das Wissen um KI in allen Facetten in die Uni hineintragen können. Und wir können durch die Kooperation auch kleineren Forschungsprojekten ohne großen finanziellen Spielraum helfen, extrem kostenneutral aus unseren Projektgeldern solche Datenanalysen durchzuführen.