„Bald wird keiner mehr fragen: Sollen wir KI benutzen?“

Für Carsten Welsch, Professor an der Universität Liverpool und Leiter einer Forschungsgruppe am CERN, ist KI heute ein selbstverständliches Werkzeug in der Wissenschaft. Im Interview spricht er über Forschung mit einem Horizont von Jahrzehnten, Europas Chancen im globalen Technologiewettbewerb und das Potenzial und die Grenzen Künstlicher Intelligenz.

Fotos: QuasarGroup

In der Grundlagenforschung reicht der Blick weit über die nächsten Produktzyklen hinaus. Forschungsroadmaps erstrecken sich über zehn oder 20 Jahre. „Universitäten denken teilweise 15, 20 oder sogar 50 Jahre voraus", sagt Carsten Welsch, Professor und Head of Accelerator Science an der Universität von Liverpool. „Aus dieser dieser Forschung entstehen Technologien, die nun auch zeitnah wirtschaftlich relevant werden können." Im Gespräch erklärt Welsch, warum Europa dafür Universitäten, Großforschung und Industrie enger verzahnen muss – und weshalb KI zwar für erhebliche Beschleunigung sorgen wird, aus einer für 20 Jahre erwarteten Technologie aber nicht plötzlich eine Entwicklung für die nächsten fünf Jahre macht.

Herr Professor Welsch, Europa gilt als stark in der Forschung. Erfolgreiche Technologieunternehmen entstehen trotzdem häufig in anderen Teilen der Welt. Was fehlt beim Transfer aus der Wissenschaft in die Wirtschaft?

Zum einen denke ich, muss man darüber reden: Was macht überhaupt erfolgreiche Forschung aus? Wie kann ich die beste Forschung ermöglichen? Meiner Meinung nach braucht es immer drei verschiedene Zutaten. Auf der einen Seite Universitäten, wo Professoren sitzen und kreativ denken, zum Teil eben 15, 20, 50 Jahre in die Zukunft und mit diesen verrückten Ideen aufkommen und denen dann nachgehen, einfach angetrieben mit dem Wunsch, neues Wissen zu schaffen.

Auf der anderen Seite braucht man natürlich Großforschungseinrichtungen. Bei uns im Beschleunigerbereich ist das extrem deutlich.

Es gibt kein Land auf der Erde, das Anlagen wie den Large Hadron Collider oder zukünftige Beschleuniger alleine bauen und betreiben kann. Man braucht internationale Kollaborationen,

um diese Großforschungseinrichtungen zu entwickeln und zu betreiben und den Universitäten Zugang zu diesen weltweit einmaligen Einrichtungen zu geben.

Und zum Dritten braucht man die Industrie. Irgendjemand muss den Professoren auch wieder die Realität zurückliefern und die Tatsache, dass man Anwendungen braucht – nicht nur in zehn und 20 Jahren, sondern auch im nächsten oder übernächsten Jahr – und dass neue Entwicklungen helfen müssen, aktuelle Probleme zu lösen. Dieser dreigeteilte Ansatz gibt meiner Meinung nach die beste Forschung.

KI gilt als großer Beschleuniger. Wie stark verändert sie bereits heute die wissenschaftliche Arbeit?

Es gibt riesige Möglichkeiten. KI wird von vielen als Möglichkeit oder Chance gesehen, von einigen als Bedrohung. Wichtig ist, Klarheit darüber zu bekommen, wie und wann KI eingesetzt werden sollte oder muss, wann sie eingesetzt werden kann und auch wann sie nicht eingesetzt werden darf.

Wenn wir heute Doktorandenausbildungen betreiben, gibt es Bereiche, in denen die Verwendung von KI absolut unumgänglich ist.

Man muss wirklich sagen, dass ein Wissenschaftler KI verwenden muss, um zum Beispiel Literatur zu managen oder Datenanalyse zu betreiben. Gerade wenn man große Datenmengen aus verschiedenen Quellen hat, ist KI sehr, sehr viel stärker als andere Methoden, damit umzugehen.

Ich sehe sie in diesem Bereich als neues Tool, als Werkzeug, wie ein neues Instrument im Labor, mit dem man Dinge viel schneller, effizienter und produktiver machen kann, als es bisher möglich war. Man wäre schlecht beraten, wenn man es nicht machen würde. Auch Prompt Engineering – also wie gebe ich guten Input in diese Tools und wie sorge ich dafür, dass ich den Output bekomme, den ich brauche – sollte zur Grundausbildung gehören.

Wo ziehen Sie die Grenze?

Es gibt einen relativ großen Bereich, in dem KI eingesetzt werden kann und wahrscheinlich auch sollte, aber nur, wenn man sich darüber im Klaren ist, was man tatsächlich macht und transparent damit umgeht. Man muss deklarieren, wie man KI eingesetzt hat, welche Tools verwendet wurden, und man muss sich insbesondere darüber im Klaren sein, wo die Grenzen der KI liegen. Die Daten müssen überprüft werden.

Wenn ich an meine eigene Universität denke, würde ich erwarten, dass es für sämtliche Bachelor-, Master- und Doktorarbeiten ein standardisiertes Statement gibt, dass KI beispielsweise verwendet wurde, um die Sprache zu optimieren. Meine Universität hat kein standardisiertes Statement und die meisten Universitäten haben das nicht. Hier hinken die Universitäten der realen Entwicklung um Jahre hinterher. Das muss dringend geklärt werden.

Und dann gibt es einen Bereich, wo KI einfach nicht eingesetzt werden darf. Hier müssen wir ganz klar sein.

Man muss sehr vorsichtig sein mit vertraulichen Daten, persönlichen Daten, medizinischen Daten und mit fabrizierten Daten.

Es gibt Modelle, bei denen eine KI Daten generiert, die es überhaupt nicht gibt, und daraus Schlüsse zieht, die reale Konsequenzen haben könnten. Solche Sachen dürfen schlicht nicht erlaubt sein.

Ich glaube, diesen Rahmen haben wir in Europa und andere Bereiche der Welt nicht in der gleichen Art. Das ist meiner Ansicht nach ein Wettbewerbsvorteil. Es kann dazu führen, dass bestimmte Entwicklungen vielleicht nicht genauso schnell von Anfang an betrieben werden können. Gleichzeitig können wir aber sicher sein, dass Entwicklungen nachhaltig und verlässlich sind. Das ist sehr viel wichtiger, als einen Schnellschuss zu machen.

Kann KI Forschungsroadmaps massiv verkürzen? Wird aus einer Technologie, die für 20 Jahre erwartet wird, plötzlich eine für fünf Jahre?

Wir sehen in jedem Fall eine Beschleunigung der Produktivität, und die Entwicklung wird sicherlich schneller vorangehen. Wie viel schneller, ist eine offene Frage. Denn im Bereich KI stoßen wir momentan auch an Grenzen der Expansion – allein durch die Kosten der Daten und den Energieaufwand.

Wenn wir heute die KI in der gleichen Art und Weise in sämtlichen kleinen und mittelständischen Unternehmen einsetzen würden, würde die Energieversorgung sofort an Grenzen stoßen. Wir wissen: Wir können es nicht einfach beliebig ausweiten.

In gewisser Art und Weise ist der technologische Fortschritt bereits in den Entwicklungsroadmaps berücksichtigt. Es wird davon ausgegangen, dass Entwicklungen jedes Jahr ein wenig effizienter gemacht werden können. Wie groß die Sprünge sind, ist schwierig abzuschätzen. Wenn man zehn Jahre in die Zukunft geht, sind wir momentan in einer Balance: Es gibt Entwicklungen, die uns sehr schnell voranbringen könnten, die wir aber in der Breite nicht ausrollen können, weil uns das Energieproblem oder die Kostenfrage um die Ohren fliegt.

Erwarte ich, dass neue Entwicklungen aufgrund von KI schneller gemacht werden können? Ja. Erwarte ich, dass es auf dem Weg Probleme gibt, die Zeit kosten werden? Ebenfalls ein klares Ja. Insofern glaube ich nicht, dass die Entwicklungsroadmaps, die wir momentan haben, grundsätzlich auf den Kopf gestellt werden. Ich glaube nicht, dass wir Technologien, von denen wir momentan denken, wir haben sie in 20 Jahren, plötzlich in fünf Jahren haben werden.

Damit wird Energie zu einem entscheidenden Faktor. Wie lässt sich Spitzenforschung mit Nachhaltigkeit vereinbaren?

Das ist ein super spannendes Thema und eines, mit dem sich meine Gruppe sehr stark befasst. Wir sind uns dieses Energieproblems sehr bewusst. Wir wissen, dass wir neue Technologien brauchen – nicht nur für die Beschleunigung, sondern auch für die Diagnose von Teilchenstrahlen und für neue Experimente –, die sehr viel energieeffizienter sein müssen.

Wir müssen auch sehr viel mehr über die Technologien und die Hardware wissen, die in Großforschungsanlagen eingebaut werden. Eine Lifecycle-Analyse, also eine Gesamtanalyse des Energie- und Materialverbrauchs neuer Komponenten, gibt es faktisch nicht.

Es gibt keinen Standard und keinen Prozess, bei dem ich sagen kann: Ich baue diesen Monitor ein und das ist der CO₂-Fußabdruck dieses Geräts über seine gesamte Lebensdauer. Das sind Hausaufgaben, die wir machen müssen. Wir müssen deutlich besser werden und viel mehr über die gesamte Nachhaltigkeit unserer Technologien wissen und darüber, wie wir den Energieverbrauch aktiv senken können.

Wo sehen Sie in den kommenden Jahren das größte Potenzial für europäische Unternehmen?

Ich denke, momentan gibt es keine Konkurrenz zum Einsatz von KI zur Produktivitätssteigerung.

Da ist eine Menge Bodenarbeit nötig, denn viele Unternehmen, speziell kleine Unternehmen, haben nicht die Ressourcen, um gezielt diese Technologie einzuführen und Mitarbeiter weiterzubilden.

Es braucht Fallstudien und konkrete Beispiele. Wenn mir jemand erzählt, dass es eine neue Technologie gibt, ich sie aber noch nicht mit eigenen Augen gesehen habe oder nicht gesehen habe, dass sie bei einer Firma, die mit meiner vergleichbar ist, wirklich etwas bringt, dann lasse ich erst einmal die Finger davon.

Es braucht Beispiele, bei denen man plötzlich sieht: Jetzt bin ich derjenige, der hinterherhinkt. Meine Firma ist nicht mehr konkurrenzfähig, weil die anderen sehr viel schneller und produktiver sind. Das wird zu einem größeren Umdenken führen.

Wir müssen dahin kommen, dass diese Technologie adaptiert wird und Firmen sie in der Breite einsetzen. Länder und auch die Europäische Union können dabei helfen, Dinge zu standardisieren und ein Tool, das beispielsweise in Spanien sehr gut funktioniert, auch nach Österreich, Polen oder in die Niederlande zu bringen. Hier wird in den nächsten Jahren sehr viel passieren.

Wenn wir dieses Gespräch in zehn Jahren noch einmal führen: Was wird dann aus heutiger Sicht ganz normal sein?

Ich glaube, in zehn Jahren wird bei KI keiner mehr fragen: Sollen wir KI benutzen? KI wird voll integriert sein in unsere Routinearbeit und man wird sich fragen, warum man jemals ohne KI gearbeitet hat, weil es ohne sie so viel langsamer war.

Ich denke aber auch, wir werden das alles in einer Art und Weise machen, die energiebewusster sein wird als heute.

Ich denke nicht, dass es sehr sinnvoll ist, Supercomputer und Hochleistungsrechenzentren zu verwenden, um KI-Filme zu generieren, in denen Tiere reden oder irgendwelche Babys die Fußball-Weltmeisterschaft kommentieren.

Ich glaube, da wird es Einschränkungen geben müssen, wo man sagt: Bestimmte Anwendungen sind einfach nicht sinnvoll, oder man muss dafür bezahlen, wenn man so etwas macht.

Die neue Generation wird in den nächsten zehn Jahren mehr lernen müssen, dass neue Technologien wie mobile Geräte und KI auch Umwelteinflüsse haben, die kontrolliert werden müssen. Ich glaube schon, dass man damit verantwortungsvoller umgehen wird, als das momentan der Fall ist.

it&d business Redaktion