Während wir in 2024 vor allem ein starkes Anwachsen von Anwendungen generativer KI im Bereich Marketing und Kundenkommunikation erlebt haben, hoffe ich für 2025 auf mehr Entwicklungen in den Bereichen Produktion, Wissenschaft und Software-Entwicklung. Aktuelle Forschung im Bereich Large Action Models (LAMs) könnte dazu beitragen, dass die Steuerung von Robotern und komplexen Anlagen über natürliche Sprache möglich wird. Scientific LLMs können zu hilfreichen Werkzeugen in der Forschung, etwa in der Medikamentenentwicklung, werden.

In einem aktuellen Projekt am Bayerischen Institut für Digitale Transformation (bidt) untersuchen wir LLMs für die Generierung von Code aus natürlich-sprachigen Spezifikationen. Zum einen besteht hier die Herausforderung, wie die Qualität von generiertem Code evaluiert werden kann, zum anderen adressieren wir das Problem des möglichen Kompetenzverlusts von Informatik-Studierenden. Wir müssen darauf achten, dass generative KI und menschliche Expertise sinnvoll in einem Co-Creations-Prozess zusammenspielen. Dass ein von einem System generierter Inhalt von einem anderen generativen KI-System ohne menschliche Überprüfung genutzt oder bewertet wird, kann zu einer gefährlichen und absurden Loslösung von der Realität führen.

Geht es um sehr spezifische Produkte wie Maschinensteuerung, Medikamente oder Programmcode, kann eine kritische Prüfung generierter Inhalte nur stattfinden, wenn die prüfenden Menschen selbst hoch-kompetent im jeweiligen Bereich sind. Entsprechend werden neue didaktische Konzepte in allen Studiengängen relevant, die Kompetenzerwerb im Kontext der Nutzung von generativen Werkzeugen sinnvoll unterstützen. Menschliche Expertise und die Fähigkeit zur kritischen Beurteilung und Korrektur von generierten Inhalten ist unverzichtbar. Dies ist eine riesige Herausforderung für unser Bildungssystem.

Open Source ist wichtig für den Entwicklungsfortschritt. Aber nicht im Hinblick auf Daten. Europa und insbesondere Deutschland sollte seine Daten im Blick behalten. Aufgrund der Vielsprachigkeit und auch dank der starken industriellen Produktion hat Europa - hat Deutschland - einen entscheidenden Vorteil, den wir nicht aus der Hand geben sollten.

Der AI Act kann ein Alleinstellungsmerkmal sein, das für EU-Produkte spricht. In puncto Erklärbarkeit und Vertrauenswürdigkeit von KI ist Deutschland und auch Europa sehr gut aufgestellt. Es kommt nun darauf an, dass schnell und praxisnah Zertifizierungen realisiert werden. Hierzu gibt es bereits sehr gut ausgearbeitete Ablaufmodelle für Firmen beispielsweise bei Fraunhofer IAIS. Für die einzelnen Schritte in diesem Ablauf gibt es Bibliotheken zur Robustheit oder zum Energy-Scoring. Für die automatische Erzeugung von Tests gelernter Modelle und die verständliche Darstellung der Testergebnisse gibt es etwa das Care-Label Framework vom Lamarr-Institut. Wichtig ist hier die weitere Skalierung, und damit die Entwicklung vieler Best Practice Beispiele.

Die Förderung des maschinellen Lernens braucht bessere Strukturen.

Die Idee, eine europäische Vernetzung der Talente aufzubauen ist nicht neu. Es begann mit den Exzellenznetzwerken, in denen sich die Labore des maschinellen Lernens zu gezielten Diskussionen über Forschungsthemen, Projekte, Lehre und Ausbildung treffen konnten - etwa bei der ECML und dann ECMLPKDD. Die Exzellenznetzwerke waren ein Anschub zum Community Building.

Der nächste Schritt war die Idee von Zentren für maschinelles Lernen. Jedes Zentrum vereint exzellente Forschung, internationale Vernetzung, Best Practice, Graduiertenschulen und Computerressourcen für Experimente. Die enge Zusammenarbeit mit Unternehmen soll zu neuen industriellen Anwendungen und Neugründungen inspirieren. Auch werden hier Talente ausgebildet und in vielfältigen Karrieren als Leistungsträger – nicht zuletzt durch gute unbefristete Arbeitsverträge - gefördert. Eine Vernetzung dieser Hubs soll dem Austausch von Studenten und Vorlesungen dienen, die Zusammenarbeit in der Forschung fördern und eine gemeinsame Nutzung von Algorithmen, Codes und Daten ermöglichen.  Diese Idee wurde mit den KI-Zentren in Deutschland und Frankreich 2018 begonnen.

Allerdings hemmen diverse Rahmenbedingungen den weiteren Fortschritt, noch bevor die eigentlichen Ziele erreicht wurden: Zum einen müssen für einen weiteren Ausbau der Hubs ausreichend Computerressourcen zur Verfügung stehen und in vielfältigen Rechnerarchitekturen vorhanden sein, die Experimentierumgebungen ermöglichen. Die Einbindung in vernetzte Hubs wäre das viel berufene CERN der KI.

Zum anderen ist die Einbindung von Unternehmen für Best Practice Studien und die Förderung von Start-Ups nicht ausreichend unterstützt und zu kleinteilig in der Antragstellung. Hier werden langfristige Perspektiven und entsprechende Stellen benötigt. Dies betrifft auch Schulungen bei Unternehmen, Schulen und Lehrwerkstätten, die zum Aufgabenbereich eines Hubs zählen. KI.NRW ist ein Beispiel für eine Anlaufstelle, wie es sie an vielen Orten schon gibt – häufig aber nur als befristete Einzelprojekte.   

Schließlich müssen die internationalen und regionalen Vernetzungen, die jeder Hub aufgebaut hat, ausreichend und agil gefördert werden. Es geht um mehr als nette Treffen und Fotos für die Presse!

Wenn Europa jetzt die Dringlichkeit versteht, das Netzwerk der KI-Zentren in Europa erheblich zu verbessern und zu erweitern, und in Human- und Computerressourcen investiert - dann könnte der vermutlich von den meisten KI-Forscherinnnen und -Forschern lang gehegte Traum wahr werden und Europa sich gut zwischen USA und China platzieren.

Vernünftige KI ermöglicht die intelligente Kombination verschiedener KI-Methoden zu multiparadigmatischen Systemen. Vernünftige KI-Systeme nutzt eine angemessene Menge an Ressourcen und basiert auf hochwertigen Daten. Sie ist nicht nur leistungsfähig, sondern auch in der Lage, sich an neue Situationen anzupassen. Ähnlich wie ein köstlicher Kuchen nicht nur durch viele Zutaten (Daten) und einen großartigen Backofen (Modell und Infrastruktur) entsteht, sondern durch ein durchdachtes Rezept (das Zusammenspiel intelligenter Algorithmen), müssen auch KI-Systeme sinnvoll orchestriert werden.

Deutschland und Europa haben in dieser Entwicklung große Chancen. Während Firmen in den USA und China aktuell auf Skalierung setzen, könnte Europa mit einer „vernünftigen” KI einen eigenen Weg beschreiten. Eine solche Strategie wäre nicht nur wirtschaftlich sinnvoll, sondern würde auch der wachsenden Kritik an den ökologischen und sozialen Kosten der KI-Industrie Rechnung tragen. Der steigende Energieverbrauch von Rechenzentren ist längst nicht mehr zu ignorieren. Gleichzeitig zeigt sich, dass nicht nur riesige Sprachmodelle, sondern auch spezialisierte KI-Algorithmen enormen Nutzen in Wissenschaft, Medizin und Industrie bringen. Hier könnten europäische Unternehmen und Forschungseinrichtungen mit innovativen, hochspezialisierten Technologien punkten.

Investitionen sollten gezielt in Schlüsselbereiche wie neurosymbolische KI, adaptive Lernverfahren und hybride Modelle gelenkt werden. Die Kombination aus symbolischen Systemen und neuronalen Netzen verbessert Erklärbarkeit und Nachvollziehbarkeit von KI-Entscheidungen – essenziell für regulatorische Anforderungen und gesellschaftliche Akzeptanz. Multimodale Systeme, die verschiedene Datenquellen verknüpfen, bieten zudem vielversprechende Möglichkeiten. Die Zukunft liegt in der intelligenten Kombination bestehender Technologien, um ressourcenschonend zu besseren Ergebnissen zu kommen.

Der KI-Wettbewerb ist noch nicht entschieden. Es liegt an Deutschland und Europa, eine Strategie zu verfolgen, die nicht nur auf kurzfristige Effekte durch Skalierungen setzt, sondern auf nachhaltige, durchdachte und langfristig tragfähige KI-Technologien. Die Zukunft der KI liegt nicht in Gigantomanie, sondern in Vernunft.

Aktuelle Dynamik der KI-Forschung und -Entwicklung

Fortschritte im Skalieren von KI, insbesondere Maschinelles Lernen auf Grundlage von neuronalen Netzen wie Transformern, hat in den letzten Jahren zu beeindruckenden Ergebnissen in Bereichen wie der Bilderkennung, der Sprachverarbeitung und der Robotik geführt. Große Sprachmodelle, wie ChatGPT, Llama, Gemini oder Le Chat von Mistral, haben gezeigt, dass KI in der Lage ist, menschenähnliche Texte zu generieren und erstaunlich komplexe Aufgaben zu lösen.

Die Popularität und Bedeutung von AutoML ist in den letzten Jahren durch verschiedene open-source Packages und Cloud-Services stark gestiegen. Während es noch vor ein paar Jahren eines der Hypethemen war, sieht man, dass es nun in den Produktivitätsumgebungen angekommen ist. AutoML ermöglicht es, die Entwicklung von KI-Modellen zu automatisieren und damit die Effizienz in der Entwicklung zu steigern. Es unterstützt Entwicklerinnen und Entwickler mit wenig KI-Fachwissen ebenso wie hochqualifizierte KI-Experten, mühsame und aufwendige Aufgaben zu automatisieren, um schneller, bessere Lösungen zu finden.

Ein wichtiger Aspekt und Trend, den die Forschung in Deutschland darüber hinaus im Fokus hat, ist die Mensch-zentrierte KI. Sie stellt den Menschen in den Mittelpunkt der KI-Entwicklung und zielt darauf ab, KI-Systeme zu schaffen, die transparent, nachhaltig und nutzerfreundlich sind. Mensch-zentrierte KI erfordert ein Umdenken in der KI-Entwicklung, weg von der reinen Automatisierung hin zur Augmentierung und Erweiterung menschlicher Fähigkeiten. Auch im Sinne des europäischen Werteverständnis ist das der Weg, den KI in Zukunft nehmen muss.

Deutsche KI-Forschung im internationalen Vergleich

Im internationalen Vergleich ist die KI-Forschung in Deutschland gut aufgestellt, insbesondere im Bereich der Grundlagenforschung. Deutschland belegt bei der Anzahl der KI-Publikationen einen Spitzenplatz im Verhältnis zu der Anzahl an Forschenden. Deutschland hat eine lange Tradition in der KI-Forschung und verfügt über exzellente Universitäten und Forschungsinstitute, wie die KI-Exzellenzzentren, aber auch andere starke Zentren, wie hessian.ai, das KI-Zentrum an der RWTH Aachen oder das L3S KI-Zentrum in der Region Hannover und Braunschweig. In Deutschland wird zudem ein Fokus auf die ethischen und nachhaltigen Aspekte von KI gelegt, was essenziell sein wird, damit KI in der Breite auf Akzeptanz stoßen wird. Darüber hinaus verfügt Deutschland über eine starke Industrie und eine führende Position im Medizinsektor - Bereiche, in denen KI-Lösungen schon heute eingesetzt werden. In diesen Sektoren hat Deutschland im Vergleich zu den USA und China Vorteile, da hier große Mengen an Daten und Expertise vorhanden sind. Dieses Potenzial gilt es zu heben.

Dagegen zeigen sich die Schwächen Deutschlands im internationalen Vergleich vor allem bei Investitionen, Risikobereitschaft und Bürokratie. Im Vergleich zu den USA und China investiert Deutschland weniger in KI-Forschung und -Infrastruktur. Darüber hinaus ist die deutsche Kultur zu oft von einer hohen Risiko- und Fehleraversion geprägt, was die Entwicklung und Anwendung von KI-Innovationen hemmt. Und nicht zuletzt erschwert die Bürokratie in Deutschland die Gründung und das Wachstum von KI-Startups.

Vor allem müssen die Investitionen in KI-Forschung und -Entwicklung deutlich erhöht werden, um international Schritt halten zu können, beispielsweise durch die Förderung von KI-Clustern und die Bereitstellung von Risikokapital für KI-Startups. Auch die Aus- und Weiterbildung im Bereich KI müssen disziplinübergreifend in allen Fachbereiten ausgebaut werden, um den Bedarf an KI-Experten zu decken.  Letztendlich müssen auch die ethischen und nachhaltigen Aspekte von KI in allen Phasen der Entwicklung und Anwendung berücksichtigt werden. Dies kann zum Beispiel durch die weitere Entwicklung und Umsetzung von KI-Standards und die Förderung von Forschung im Bereich der ethischen und nachhaltigen KI geschehen.

Das Potenzial von AutoML, Mensch-zentrierter KI und Nachhaltigkeit nutzen

Um im weltweiten KI-Wettrennen nach vorne zu kommen, sollte Deutschland gezielte Maßnahmen ergreifen und seine Potenziale richtig nutzen. Automatisiertes Maschinelles Lernen (AutoML), Mensch-zentrierte KI und Nachhaltigkeit sind wichtige Aspekte der KI-Zukunft in Deutschland.

AutoML kann die Entwicklung von KI-Modellen beschleunigen und vereinfachen, was insbesondere für kleine und mittlere Unternehmen von Vorteil ist, da nicht riesige KI-Teams aufgebaut werden müssen. Durch die Automatisierung von Aufgaben wie der Modellauswahl und der Hyperparameteroptimierung können Unternehmen KI-Lösungen schneller und kostengünstiger entwickeln und einsetzen.

Mensch-zentrierte KI stellt sicher, dass KI-Systeme den Bedürfnissen und Werten der Menschen entsprechen und zu einer Verbesserung der Lebensqualität beitragen, sowohl auf der Basis des Individuums, als auch für die gesamte Gesellschaft. Anstatt Menschen durch Maschinen zu ersetzen, geht es darum, KI-Systeme zu entwickeln, die menschliche Fähigkeiten ergänzen und erweitern.

Nachhaltige KI-Lösungen können dazu beitragen, die ökologischen, ökonomischen und sozialen Herausforderungen unserer Zeit zu bewältigen. KI kann z.B. eingesetzt werden, um den Energieverbrauch zu optimieren, die Ressourceneffizienz zu steigern und nachhaltige Lieferketten zu schaffen.

Die Zukunft der KI in Deutschland ist vielversprechend. Durch gezielte Maßnahmen und die Nutzung des Potenzials von AutoML, Mensch-zentrierter KI und Nachhaltigkeit kann Deutschland im weltweiten KI-Wettrennen eine führende Rolle einnehmen und die KI-Technologie zum Wohl der Gesellschaft einsetzen. Eine nationale KI-Strategie, die die Zusammenarbeit von Politik, Wirtschaft und Gesellschaft fördert, ist der Schlüssel zur Verwirklichung dieser Vision. Nur durch gemeinsames Handeln können wir sicherstellen, dass KI in Deutschland verantwortungsvoll und zum Nutzen aller eingesetzt wird.