DBT Newsletter #21/2019

Forscher und Studenten zeigen "Wie Maschinen lernen"

Neues Buch gibt alltagsverständliche Einführung; Foto: Springer 2019

Künstliche Intelligenz (KI) ist eines der großen Themen unserer Zeit. Zwar wird das Buzzwort oft ventiliert, doch nicht jeder, der es mehr oder weniger gelassen ausspricht, könnte es auch erklären. Forscher und Studenten tun das nun gemeinsam unter dem Titel "Wie Maschinen lernen" in Buchform. Ko-Herausgeber Christoph Lampert ortet viel Bedarf für ein "alltagsverständliches Einführungsbuch".

Von der Verheißung der automatischen Erledigung unliebsamer Tätigkeiten durch "intelligente" Systeme, über das freihändige Fahren und die ultimativ passende musikalische Playlist bis zur Angst vorm Obsoletwerden des eigenen Jobs oder gar vor dem ums Eck wartenden "Terminator" reichen Bilder, die mit KI, Maschinellem Lernen oder Deep Learning verbunden sind. Mehr Wissen könnte den mitunter recht emotional geführten Debatten durchaus gut tun, so vielfach der Eindruck.

Für den Einstieg müsse man auch sicher kein Experte sein, denn die grundlegenden Mechanismen seien gar nicht schwer zu verstehen, so der am Institute of Science and Technology (IST) Austria in Klosterneuburg (NÖ) tätige Lampert vor Journalisten in Wien. Auch bei weitem nicht alle der 25 Studenten, die im Rahmen des von der Studienstiftung des deutschen Volkes unterstützten Buchprojekts im Tandem mit Wissenschaftern zu Autoren wurden, hatten davor umfassendes Vorwissen über KI und Co.

Verzicht auf Fachbegriffe und Formeln

Die Herausforderung für das Buch war, möglichst auf Fachjargon und Formeln zu verzichten und die Erklärungen trotzdem nicht zu verwässern. "Wir haben versucht, einen Mittelweg zu finden", sagte Lampert, der darauf hinwies, dass es bisher kein derartiges Sachbuch auf Deutsch gebe. Als Hauptperson in "Wie Maschinen lernen" fungiert die Studentin Lisa, die mit verschiedenen mehr oder weniger alltäglichen Situationen und Problemen konfrontiert ist, die mit dem Themenkreis zu tun haben.

So geht es von grundlegenden Themen wie "Algorithmen", "Daten" oder "Maschinelles Lernen" langsam in Richtung mathematischer Methoden oder um die momentan so präsenten "Künstlichen neuronalen Netzwerke" bis zu ethischen und gesellschaftlichen Fragen. Auch wenn all das in eher jugendlicher Sprache ausgeführt wird, "ist die Zielgruppe im Prinzip jeder, der sich auf einem gewissen Niveau von logischem Denken damit beschäftigen will", so Lampert, der am IST Professor für Computer Vision und Machine Learning ist.

Auch abseits der größeren philosophischen und gesellschaftspolitischen Fragen, die alleine schon der Terminus "Künstliche Intelligenz" mit sich bringt, täte eine Auseinandersetzung mit dem gut, was sich schon seit geraumer Zeit etwa im Bereich der personalisierten Werbung tut. Hier handelt es sich um den kommerziell mit Abstand größten Anwendungsbereich mit weltweiten Jahresumsätzen von rund 350 Milliarden Dollar. Alleine in Österreich geht man laut Lampert von einem derzeitigen Marktvolumen von rund einer Milliarde Euro aus. Der Rohstoff dafür sind Daten über das Verhalten von realen Menschen im Internet, anhand derer Systeme maschinell lernen.

"Was vor und hinter den Kulissen passiert"

Mehr Mündigkeit im Umgang mit Daten und eine ungefähre Vorstellung davon, "was vor und hinter den Kulissen passiert", wären laut Lampert daher wünschenswert. Sehr viele Menschen benützten das Internet momentan ein wenig nach dem Motto "das ist mein Gerät", aber die Mechanismen der Vernetzung dahinter seien meistens unbekannt, auch weil man sie nicht sieht. Ein gewisses Verständnis dafür, wie Algorithmen funktionieren und wie sie aus diesen ungeheuren Datenmengen sehr spezifische Schlüsse ziehen, würde hier helfen. Ein Stück weit brauche es einfach Bewusstsein dafür, "dass ein Computer keine magische Kiste ist".

Davon ist auch KI noch weit entfernt, so der Experte. Ein System, das tatsächlich so weit entwickelt und flexibel ist, um sich autonom neuen Problemen zuzuwenden und vielleicht sogar eine Art Bewusstsein entwickelt, ist für Lampert noch tief im Bereich der Science Fiction anzusiedeln. Auch Visionen in Richtung einer künstlichen "generellen Intelligenz" oder "starken KI" sieht der KI-Experte skeptisch. Hier werde momentan vieles versprochen - auch mit eindeutigen Marketing-Hintergedanken.

Service: Kristian Kersting, Christoph Lampert, Constantin Rothkopf (Hrsg.): "Wie Maschinen lernen", Springer Verlag, 259 Seiten, 20,55 Euro

IT-Konsolidierung des Bundes könnte 46 Mio. Euro sparen

Machbarkeitsstudie legt enormes Potenzial offen; Foto: APA (AFP)

Eine Machbarkeitsstudie zur IT-Konsolidierung des Bundes sieht ein Einsparungspotenzial in Höhe von 32 bis 46 Millionen Euro pro Jahr bei einem jährlichen Gesamtbudget von 561 Millionen. Die Studie wurde von der türkis-blauen Bundesregierung begonnen, nun legten sie Finanzminister Eduard Müller und Digitalisierungsministerin Elisabeth Udolf-Strobl dem Ministerrat vor.


Die Erhebung nahm den vollen Umfang der gesamten IT-Landschaft im Bund sowie die damit verbundenen Kosten unter die Lupe. Dabei habe sich etwa gezeigt, dass die einzelnen Ressorts unterschiedliche Rechenzentren, Soft- und Hardware sowie Service-Provider nutzen. Die Uneinheitlichkeit der Systeme und Organisationsstrukturen sei zum Teil historisch gewachsen. Hohe Kosten, schwankende Qualität und vor allem geringere Sicherheit seien die Konsequenz.

Um die Dimension greifbar zu machen: Die IT-Landschaft der österreichischen Bundesregierung umfasst 18 Rechenzentren, 678 Serverräume, fast 2.000 standard- und ressortübergreifende Anwendungen plus 1.000 Fachanwendungen. Es existieren laut Erhebung etwa 92.000 Arbeitsplatzrechner, knapp 96.000 Telefone und gut 33.000 Smartphones. In den IT-Organisationen der Zentralstellen der Ressorts arbeiten mehr als 1.700 Mitarbeiter sowie weitere im Bundesrechenzentrum.

Umfassende Handlungsanleitung

Neben der Analyse der Ist-Situation wurden auch ein mögliches Zielbild und  Potenzialabschätzungen erstellt. Der Bericht enthalte zudem eine umfassende Handlungsanleitung zur IT-Konsolidierung und biete einen möglichen Umsetzungspfad für die künftige Bundesregierung. Die Empfehlung der Übergangsregierung: eine Konsolidierung sämtlicher Infrastrukturressourcen und Standard- sowie ausgesuchter Fachanwendungen. Etwa brauche es ein E-Mailsystem für alle Mitarbeiter, eine Vereinheitlichung der IT-Arbeitsplätze, Smartphones, Telefone und eine deutliche Reduktion der Rechenzentren und Serverräume.

"Mit diesem Bericht geben wir klare Handlungsempfehlungen für die Zukunft, um Österreichs Verwaltung weiterhin auf dem aktuellen hohen Niveau zu positionieren und das Serviceangebot für die Bürgerinnen und Bürger laufend zu verbessern", erklärte Udolf-Strobl. Müller hob hervor, dass es erstmals volle Kostentransparenz in diesem Bereich gebe und betonte, dass das Ziel eine "schnelle, effiziente und damit serviceorientierte Verwaltung" sei.

Learning Analytics: Wie Daten das Lernen an Hochschulen verändern

Lernvideos, Online-Tests und Co. digitalisieren den Lernprozess; Foto: APA (AFP)

Mit dem Einzug digitaler Technologien an den Hochschulen fallen auch eine Unmenge an Daten an - etwa wenn Studenten online lernen, Lernspiele spielen oder ein Lernmanagementsystem nutzen. Wie man mittels dieser Daten wiederum das Lernen ändern kann, damit befassen sich "Learning Analytics". Dazu gibt es nun erstmals ein sogenanntes Whitepaper von Hochschulen und Bildungsministerium.

Beispiele für den möglichen Einsatz von Learning Analytics gibt es zuhauf: Aufgrund einer Logfile-Analyse können innerhalb eines Lernvideos jene Stellen identifiziert werden, an denen das Video häufig abgebrochen oder oft wiederholt wird - ein deutlicher Hinweis an die Vortragenden, diese Passagen neu zu gestalten.

Wie gut sitzt der Stoff?

Analysen von informellen Online-Tests zeigen den Studenten, welche Teile des Lernstoffs schon gut sitzen und welche nicht - gleichzeitig erhalten sie auch einen Vergleich mit dem Schnitt ihrer Kommilitonen. Uni-Lehrer wiederum können daraus ersehen, welche Teile ihres Vortrags besser und welche schlechter verstanden wurden.

Oder: Im Rahmen einer mobilen Applikation sehen Studenten, wie viel Prozent ihrer Kollegen erforderliche Übungen bereits über das Lernmanagementsystem abgegeben haben - das könnte motivierend wirken bzw. "wachrütteln". Auch "Zuckerl" sind möglich: Durch laufende Darstellung von Teilergebnissen sollen Studenten im Lauf einer Lehrveranstaltung immer wieder zum Selbstlernen motiviert werden - wer dabei eine bestimmte Summe an Gesamtpunkten erreicht, spart sich die schriftliche Gesamtprüfung.

Studienangebot verbessern

Hochschulen wiederum können aus diversen Daten herauslesen, wie das Studienangebot verbessert werden kann und in welchen Gebieten eventuell zusätzliche Lehrveranstaltungen nötig sind. Eventuell lassen sich außerdem durch die Motivation der Studenten durch obige Maßnahmen die Prüfungsaktivitäten steigern beziehungsweise Drop-Outs vermeiden.

Der Leiter der Hochschulsektion im Bildungsministerium, Elmar Pichl, zog gegenüber der APA eine Analogie zum Sport: "Dort werden Trainingsprozesse und Wettbewerbsleistungen - sowohl die eigenen als auch die anderer Sportler - seit Jahrzehnten aufgenommen. Dann werden Videoanalysen erstellt, und man versucht daraus zu lernen. Die Existenz von Daten ermöglicht jetzt ein ähnliches Vorgehen bei Lernsettings."

Datenschutz: Wo sind die Grenzen?

In dem Whitepaper wird auch die Frage des Datenschutzes angesprochen. "Es muss einen klaren Rahmen geben, in dem sich alle bewegen", meinte Pichl. "Zum Diskurs gehört auch die Frage: Was soll man verwenden und wo sind die Grenzen?" Auf der anderen Seite habe man aber enorm viele wertvolle nicht-personalisierte Daten, deren Nutzung erst durch die heute zur Verfügung stehenden Technologien und Rechnerleistungen möglich wird. Damit arbeite man weit genug weg von Daten, die personenbezogen sind.

Zahlreiche Hochschulen nutzen Learning Analytics bereits. So gibt es etwa an der Wirtschaftsuniversität (WU) Student Rankings, bei denen die Studierenden ihre eigenen Leistungen in Sachen Studienerfolg und -geschwindigkeit mit denen ihrer Kommilitonen vergleichen können. Auch die Technische Universität (TU) Graz, die Uni Innsbruck sowie diverse Fachhochschulen gehören zu den Vorreitern.

"Wir wollen das Rad nicht neu erfinden, weil es schon eine Community dazu gibt", betonte Pichl. "Wir wollen aber, dass diese Methodik größere Aufmerksamkeit bekommt und Normalität an österreichischen Hochschulen wird." Demnächst werden zum Thema Digitalisierung an Hochschulen Projektmittel an die Hochschulen vergeben - dort wurden im Rahmen einer Ausschreibung etwa zahlreiche Vorhaben zu Learning Analytics eingereicht.

Service: Das Whitepaper ist hier abrufbar.

Aus der Wissenschaft: 

Startschuss für den Supercomputer VSC-4

Prof. Ernst Bauer im Labor; Foto: TU Wien


Österreichs leistungsfähigster Computer ist nun in Betrieb. Der „Vienna Scientific Cluster 4“ (VSC-4), ein Gemeinschaftsprojekt mehrerer Universitäten, ist der erste Großrechner des Landes, der die Petaflop-Schallmauer durchbricht. Er zählt zu den Top-100-Rechnern weltweit. Mit dem VSC-4 steht der österreichischen Wissenschaft nun ein Supercomputer auf Weltklasseniveau zur Verfügung. 

Genutzt wird er für ganz unterschiedliche Forschungsfragen – von der Simulation des frühen Universums kurz nach dem Urknall bis hin zu aktuellen Gesundheitsthemen. Am 2.12.2019 wurde der Großrechner offiziell in Betrieb genommen.

Mehr Infos


Empfehlen & Verbreiten Facebook Twitter
Load more