Fakt: Künstliche Intelligenz ist die Zukunftstechnologie, die schon heute und noch viel mehr in Zukunft die Grundlage für den Wohlstand von Volkswirtschaften bildet. Aus der Sicht von Staatenlenkern kann es darum nur naheliegend sein, in der Bildungspolitik und bei Gestaltung des nationalen Diskurses eine positive Haltung zu Digitalisierung einerseits und die Digitalkompetenz andererseits zu verankern. Wer die Medien verfolgt, ahnt bereits, dass Deutschland hier Nachholbedarf hat.

So schreiben die Autoren des Buches “Titelverteidiger. Wie die deutsche Industrie ihre Spitzenposition auch im digitalen Zeitalter sichert” etwa: “90 Prozent der in Deutschland lebenden Menschen haben zum Beispiel keine genaue Vorstellung, was sich hinter einem Algorithmus verbirgt und wozu er im Alltag dient (…)” Und: „Laut einer Bitkom-Studie sieht jeder dritte Bundesbürger in der Digitalisierung eine Gefahr, jeder zweite befürchtet den Verlust von Arbeitsplätzen.“

Wenn es um Best Practices geht, wie sich ein Land auf diesen Strukturwandel vorbereiten kann, lohnt ein Blick über den Gartenzaun zu unseren europäischen Nachbarn. Dänemark etwa ist nach dem Digital Economy und Society Index der Europäischen Kommission die am weitesten digital entwickelte Nation der EU. In Estland lernen Kinder bereits in der 2ten Klasse Robotics, später Programmieren. Und Finnland verordnete sich 2017 eine klare KI-Strategie, das Land ist bereits bei E-Health eines der fortschrittlichsten Länder der Welt. Und das Handelsblatt beschreibt in einem jüngsten Artikel eindrücklich, wie eine ganze Nation gemeinsam den Versuch unternimmt, sich mit Zukunftsthemen wie Künstliche Intelligenz auseinander zu setzen: Die digitale Transformation macht ganz Finnland zum KI-Testlabor

An der Reaktor-Universität von Helsinki wurde ein Online-Kurs zu KI entwickelt, der die Grundlagen von Machinenlernen, Robotik und neuronalen Netzen vermittelt. Der Kurs ist kostenlos, zu Marketingzwecken wurde eine nationale Challenge ausgerufen, um mit dem Kurs mindestens 1 Prozent der Bevölkerung (55.000 Finn*innen) zu erreichen; dieses Ziel wurde innerhalb von nur 5 Monaten erreicht. Mittlerweile haben sich 170.000 Menschen aus 110 Ländern registriert. Anfang 2019 rief sogar der finnische Wirtschaftsminister per Videobotschaft das Nachbarland Schweden auf, an diesem Kurs teilzunehmen.

Der Kurs ist auf Englisch, er ist angelegt auf 6 Wochen (das lässt sich auch klar unterbieten), hier kann man sich anmelden: Welcome to the Elements of AI free online course! Nachfolgend mein Fazit, wobei ich den Kurs der Reaktor-Universität mit einem Video-eLearningkurs der udemy Academy vergleiche, der sich ebenfalls als Crashkurs für Maschinenlernen, Künstliche Intelligenz versteht – allerdings mit dem weitergehenden Anspruch, die Methoden in Python oder R umzusetzen (Artikelserie: Maschinenlernen für Product Owner, IT Projektmanager).

Der Kurs ist didaktisch sehr gut aufgebaut und vermittelt für einige ausgewählte Anwendungsbereiche von Künstlicher Intelligenz ein gutes Verständnis davon, wie ein Problem analytisch aufbereitet wird, damit es von Maschinen bearbeitet werden kann. Beispielsweise Suchanfragen (z.B. auf Google Maps) oder Spiele wie Schach oder Go. Im Bereich Spiele wird die Spielbaumanalyse (Game Tree) vorgestellt:

Künstliche Intelligenz. Universität Reaktor Finnland. Game TreeAbbildung: Spielbaumanalyse (Game Tree) als Basis für den Einsatz von Künstlicher Intelligenz in Spielen wie Schach

Zumindest theoretisch ist diese Spielbaumanalyse eine Möglichkeit, ausgehend von einer Konstellation auf dem Spielbrett alle potentiellen Spielzüge zu bewerten. Hierbei wird für jeden Spielzug ein Entscheidungsbaum bis zum endgültigen Sieg eine der beiden Spielparteien ermittelt, auf dieser Basis wird die Vorteilhaftigkeit eines Spielzugs bewertet. In der Praxis ergeben sich freilich Beschränkungen, da sich die schiere Menge kombinatorischer Möglichkeiten nicht bewältigen lässt (hier kommen Schätz-/Näherungsalgorithmen zum Einsatz), aber es entsteht ein Verständnis für das, was in einer Maschine tatsächlich passiert.

Was diesem Online-Kurs gut gelingt, ist die Integration von interaktiven Elementen, die den Kursteilnehmer/die Kursteilnehmerin in spielerischer Weise herausfordern. Mal muss der Kursteilnehmer eine Spielbaumanalyse vervollständigen. Mal muss er/sie Wahrscheinlichkeiten berechnen. Ein anderes Beispiel für eine Übung ist nachfolgend dargestellt:

Künstliche Intelligenz. Universität Reaktor Finnland. Übung zu Klassifizierung mit Künstlichen Neuronalen NetzwerkenAbbildung: Spiel zum Experimentieren mit Klassifizierungsregeln bei der Bilderkennung mit Künstlichen Neuronalen Netzwerken

Bei der Einführung in die Bildanalyse (Bilderkennung) wird das einfachste hier denkbare Verfahren vorgestellt: Es gibt ein Set von Bildern mit einer Größe von 5X5 Pixel. Es gibt 16 zu bewertende Bilder, die entweder ein fröhliches oder ein trauriges Gesicht zeigen. Für den Bewertungsalgorithmus (Gesicht fröhlich oder Gesicht traurig) kann man jedem einzelnen Pixel (für den Fall: Pixel ist nicht “grau”) in dem 5X5 Bildraster einen Wert zuweisen: „+1“, „0“ oder „-1“. Wenn für ein analysiertes Bild die Summe der Werte „größer 0“ ist, dann handelt es sich um ein fröhliches Gesicht; wenn die Summe der zugewiesenen Pixelwerte „kleiner 0“ ist, dann handelt es sich um ein trauriges Gesicht. Das ist der Bewertungsalgorithmus.

Nun kann man als Nutzer in dem oberen Pixelbereich die zugewiesenen Werte (das bildet ja den Bewertungsalgorithmus) selbst spielerisch verändern (blau = „+1“, grün = „-1“). Es lässt sich sofort erkennen, welche der fröhlichen und traurigen Gesichter in den insgesamt 16 Gesichtsbildern darunter mit diesem eigenhändig definierten Bewertungsalgorithmus richtig erkannt werden. Das ist zwar ein sehr einfacher Algorithmus. Aber er verdeutlicht spielerisch sehr eindrucksvoll, welche Art von Herausforderungen auch in der realen Bilderkennung bestehen.

Der Kurs ist didaktisch also insgesamt gut aufbereitet, die Übungen ergänzen die Lerninhalte zudem um spielerische Elemente. Es wird klar, wieso dieser Kurs auf eine so breite Resonanz gestoßen ist.

In einem entscheidenden Punkt hat dieser Kurs sogar noch Potential zur Verbesserung: Für eine noch größere Breitenwirkung sollte der Kurs als Video-Lernkurs aufbereitet sein; wer einmal in den vorgenannten Kurs der udemy Academy hineinschnuppert, für den wird nachvollziehbar, dass dieses Format die mediale Spannbreite zur Vermittlung auch komplexer Inhalte deutlich erhöht; die Nutzungsschwelle bei Erklärvideos ist auch deutlich niedriger als bei einem rein textbasierten Kurs. Dem Kurs der udemy Academy gelingt es im Übrigen deutlich besser, ein gutes Verständnis für Künstliche Neuronale Netzwerke zu vermitteln, die zentral sind für die Zukunftstechnologie KI (weit mehr als Regressionsverfahren oder Spielbaumanalyse).

Da meiner Beobachtung nach die Diskussion um Künstliche Intelligenz und Maschinenlernen ohnehin auf einem viel zu abstrakten Niveau geführt wird, würde ich allen Beteiligten an diesem (öffentlichen) Diskurs empfehlen, den umfangreicheren Kurs inklusive erster (einfacher) Schritte mit der Programmiersprache Python zu machen (zumindest: anzusehen): Dieser Kurs vermittelt gut nachvollziehbar eine Vorstellung davon, wie sich KI-Methoden in der Praxis umsetzen lassen und auf welchen mathematischen Grundlagen diese Technologie aufsetzt. Pflicht für Politiker, zumal Bildungspolitiker. Und natürlich Pflicht für jeden, der beruflich im technischen Umfeld tätig ist.

Sebastian Zang
Author

Der Autor ist Manager in der Softwareindustrie mit internationaler Expertise: Prokurist bei einem der großen Beratungshäuser - Verantwortung für den Aufbau eines IT Entwicklungszentrums am Offshore-Standort Bangalore - Director M&A bei einem Softwarehaus in Berlin.