Forschung:Wie Computer denken

Lesezeit: 4 min

Forschung: Die Professoren Daniel Cremers (links) und Bernd Bischl sind Teil des Forschungsteams am Munich Center for Machine Learning.

Die Professoren Daniel Cremers (links) und Bernd Bischl sind Teil des Forschungsteams am Munich Center for Machine Learning.

(Foto: Stephan Rumpf)

Der Bund steckt Millionen Euro in das Münchner Kompetenzzentrum für maschinelles Lernen. Die gemeinsame Einrichtung von TU und LMU soll den Menschen helfen, Krebs zu erkennen, Shitstorms vorherzusagen und den Klimawandel zu verstehen.

Von Melanie Strobl

Fast jeder hat damit im Alltag zu tun: Künstliche Intelligenz (KI) mag auf den ersten Blick nicht sichtbar sein, doch sie umgibt uns und erweist sich in vielen Bereichen des Lebens als wertvolle Hilfe. Sie steckt zum Beispiel in Smartphones, wo sie sich zum Diktieren von Nachrichten oder Erkennen von Gesichtern nutzen lässt.

Um deutsche Forschung und Anwendung im Bereich KI zu stärken, fördert die Bundesregierung seit 2018 sechs Kompetenzzentren mit hohen Geldsummen. Eines davon ist das MCML - kurz für "Munich Center for Machine Learning". In der gemeinsamen Einrichtung der beiden Münchner Universitäten LMU und TU forschen mehr als fünfzig Gruppen von Wissenschaftlerinnen und Wissenschaftlern auf dem Gebiet der künstlichen Intelligenz und des maschinellen Lernens.

"Künstliche Intelligenz ist ein Thema, das in aller Munde ist, welches die Öffentlichkeit aber oft gar nicht so richtig versteht. Naiv denken die Leute da manchmal an schachspielende Computer - KI ist aber viel mehr als das", sagt Daniel Cremers. Er ist Professor für Computer Vision und Künstliche Intelligenz an der TU München und Teil des Teams am MCML. "Bei KI geht es darum, der Maschine, also dem Computer beizubringen, die Welt zu verstehen", erklärt er.

Der Computer macht präzisere Vorhersagen als der Mensch

Wie das funktioniert? Zum Beispiel über Bilder, wie sie Kameraaufnahmen liefern. Mit ihrer Hilfe werde etwa autonomes Fahren ermöglicht oder personalisierte Medizin entwickelt. Computer könnten Radiologinnen und Radiologen bei der Analyse von Bildaufnahmen unterstützen, um Krebs zu erkennen, sagt der TU-Professor. Und es soll noch einen Schritt weitergehen: Maschinen sollen künftig berechnen, wie wahrscheinlich es ist, dass eine bestimmte Therapie bei einem Patienten anschlägt. "Wenn es eines gibt, was Menschen nicht so gut können, ist es Wahrscheinlichkeiten zu berechnen", so Cremers. Computer hingegen seien in der Lage, Daten so genau zu erfassen und zu analysieren, dass Patientinnen und Patienten eine optimale Therapie ermöglicht wird.

Neben dem Bereich Bild- und Sprachverarbeitung erforschen die Wissenschaftlerinnen und Wissenschaftler des MCML auch die Grundlagen maschinellen Lernens sowie gesellschaftlich relevante Anwendungsfelder. Darunter fällt nicht nur die Medizin, dazu gehören auch die Geistes- und Sozialwissenschaften. Wie verhalten sich Wählerinnen und Wähler? Was tun Menschen in sozialen Medien und ist es möglich, Shitstorms zu prognostizieren? Das alles sind Cremers zufolge Fragen, die mit künstlicher Intelligenz beantwortet werden können. Dabei werde stets sichergestellt, dass die Algorithmen auch ethischen Anforderungen genügten, sagt Cremers.

Bernd Bischl, Professor am statistischen Institut der LMU, ist ebenfalls Teil des MCML-Teams. Er erklärt, worum es beim "maschinellen Lernen" eigentlich geht: gemeint sei damit das Lernen aus Daten. "Das ist ein wichtiger Teil von künstlicher Intelligenz - wahrscheinlich der erfolgreichste", so Bischl. Maschinelles Lernen habe nichts mit Robotern zu tun, ergänzt Cremers. Das werde wegen des Begriffes "Maschine" häufig so angenommen. Mit dem Wort sei aber ganz einfach der Computer gemeint.

Einen eigenen Standort hat das MCML, das 2018 gegründet wurde, noch nicht. Die TU sitzt in Garching, die LMU in der Münchner Innenstadt, eine Zusammenführung der beiden Forschungsgruppen an einem zentralen Ort sei schwierig, sagt Cremers. Das Kompetenzzentrum startete zunächst als dezentrales Projekt. Doch jetzt haben sich Bund und Freistaat dazu entschieden, das MCML dauerhaft zu fördern. Jedes Jahr sollen 19,6 Millionen Euro bereitstehen. Die stetige Förderung ermögliche es, auch langfristige Forschungsprojekte anzugehen, und sie sichere attraktive Arbeitsplätze, so die beiden Forscher. "Man kann gar nicht überschätzen, wie brutal der Wettbewerb um die nächste Generation an klugen, jungen Menschen ist", sagt Bischl. Vor allem die Industrie könne Nachwuchstalenten viel höhere Gehälter bieten.

Das eine, große Forschungsprojekt gebe es am MCML nicht. Doch das habe auch seine Vorzüge, sagt Bischl: "Mit dem Zentrum bringen wir eine Menge Menschen und viele interessante Themen zusammen." Der Wissenschaftler wünscht sich, dass schon in der Schule mehr über Künstliche Intelligenzen und ihre Anwendungsfelder gesprochen wird. "Dabei geht es nicht darum, dass wir mit den Schülerinnen und Schülern besprechen, wie autonomes Fahren und Schachspielen funktioniert", sagt er. "Sondern es geht darum, ein Gefühl dafür zu bekommen: Was sind Daten, was ist Unsicherheit?"

Forschung: Während der Mensch bei Hitze in der Isar Erfrischung sucht, leiden die Fische unter dem warmem Wasser. Computer können helfen, den Klimawandel und seine Folgen besser vorherzusagen.

Während der Mensch bei Hitze in der Isar Erfrischung sucht, leiden die Fische unter dem warmem Wasser. Computer können helfen, den Klimawandel und seine Folgen besser vorherzusagen.

(Foto: Robert Haas)

Auch Daniel Cremers von der TU München glaubt, dass es der Bevölkerung an einer klaren Vorstellung davon fehle, wie groß das Feld der Künstlichen Intelligenz ist. Die Corona-Pandemie, der Klimawandel, die Abholzung der Regenwälder - über diese Themen werde zwar viel gesprochen. "Was die Leute oft nicht wissen, ist, dass der zentrale Baustein, um diese Phänomene zu verstehen und vorherzusagen, künstliche Intelligenzen sind."

So arbeitet zum Beispiel die Wissenschaftlerin Xiaoxiang Zhu am MCML unter anderem mit Luft- und Satellitenbildern, um die Abholzung der Regenwälder zu erfassen. Und die Professorin Frauke Kreuter hat ein Modell entwickelt, das anhand von Daten vorhersagen soll, wie sich die Pandemie in verschiedenen Ländern ausbreiten wird.

Cremers sagt, dass Maschinen vor allem konkrete Fragestellungen erstaunlich gut beantworten könnten. In der Medizin komme das häufig vor - zum Beispiel: "Hat ein Patient Krebs oder nicht?" Auch im Bereich autonomes Fahren seien Aufgaben wie Stoppschilder oder Ampeln zu erkennen, schon längst gelöst. Eine viel größere Herausforderung sei es, Vorhersagen zu treffen - zum Beispiel wie sich der Verkehr um einen Menschen herum verhält oder was die anderen Verkehrsteilnehmer als nächstes tun werden.

Der Mensch habe sich die Fähigkeit, Dinge vorherzusehen, über Jahrtausende angeeignet, erzählt Cremers. Als Generalist sei er deshalb bis heute immer besser als jede Maschine. Ob das auch in den kommenden Jahren so bleibt, wird sich zeigen.

Zur SZ-Startseite

Lesen Sie mehr zum Thema

Süddeutsche Zeitung
  • Twitter-Seite der SZ
  • Facebook-Seite der SZ
  • Instagram-Seite der SZ
  • Mediadaten
  • Newsletter
  • Eilmeldungen
  • RSS
  • Apps
  • Jobs
  • Datenschutz
  • Abo kündigen
  • Kontakt und Impressum
  • AGB