Wie können Low Code-/No Code-Strategien die Resilienz von Unternehmen steigern?
Low-Code und No-Code-Umgebungen vereinfachen das Programmieren. Grafische Oberflächen, auf denen sich vorgefertigte Code-Bausteine zusammensetzen lassen, können einerseits von anwendungsnäherem Personal bedient werden. Andererseits erleichtern sie IT-Fachleuten die Arbeit, so dass sie mehr Zeit gewinnen für anspruchsvollere Aufgaben, die dem Unternehmen mehr Handlungsspielräume eröffnen.
Zu den Pionieren einer No-Code-Strategie zählt übrigens unsere digitale Bildungsinitiative „Roberta“, die im vergangenen Jahr ihr 20-jähriges Bestehen gefeiert hat. Als innovatives Ausbildungskonzept für den Informatikunterricht an Schulen entwickelten wir mit dem „Open Roberta Lab“ eine frei verfügbare grafische Umgebung, die das Programmieren lernen kinderleicht macht – von den ersten Schritten bis hin zur Programmierung intelligenter Roboter mit vielerlei Sensoren und Fähigkeiten. Inzwischen wird das Lab auch in der Berufsausbildung und zu professionellen Zwecken eingesetzt. Mittlerweile verbucht „Open Roberta“ mehr als zehn Millionen Nutzerinnen und Nutzer aus mehr als 120 Ländern weltweit.
Übrigens wird an dieser Stelle auch die Künstliche Intelligenz (KI) massiv an Bedeutung gewinnen. In den letzten Monaten haben die GPT-Modelle von OpenAI zum Beispiel für Furore gesorgt. Solche großen KI-Modelle können Texte und sogar Bilder von beachtlicher Qualität generieren. Dies ist auch mit Code möglich, indem die Modelle zu einer Programmieraufgabe selbst Codevorschläge erzeugen oder vorgelegten Code verbessern. Auch wenn man sich der Qualität der Vorschläge rückversichern sollte, ist dies eine Entwicklung, die man unbedingt im Blick behalten muss.

Wie können Unternehmen durch “Digitale Zwillinge” mehr Resilienz und Wettbewerbsfähigkeit generieren?
Digitale Zwillinge sind digitale Abbilder von realen Objekten, die durch Datenverbindungen synchronisiert werden. Sensoren und das Internet of Things (IoT) spielen hier eine große Rolle. Durch Simulationen und den Einsatz von KI können mit digitalen Zwillingen Prognosen erstellt, also auch Veränderungen, Gefahren und Chancen vorhergesehen werden. So kann man entsprechend präventiv agieren. Digitale Zwillinge können also Resilienz und Wettbewerbsfähigkeit stärken. Es ist jedoch zu beachten, dass die Erstellung eines komplexen digitalen Zwillings mit vielen Attributen komplex und kostenintensiv sein kann. Wichtige Faktoren sind hier die Verfügbarkeit von Daten und ihre Qualität, die Wahl der richtigen Plattform und die Zusammenstellung eines interdisziplinären Teams aus Ingenieur*innen, Datenwissenschaftler*innen, Informatiker*innen, etc.

Mit welchen Thematiken beschäftigen Sie sich im Kontext von ML und KI?
Mit Maschinellem Lernen (ML) und Künstlicher Intelligenz (KI) beschäftigen wir uns am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS seit vielen Jahrzehnten. Die Spannbreite reicht hier vom Data Mining über Big Data Analytics und Deep Learning bis hin zu den großen KI-Modellen, deren Fähigkeiten Inhalte verschiedenster Art zu generieren oder zu transformieren in Medien und sozialen Netzen derzeit breites Interesse, Verblüffung und Sorgen auslösen.
In diesem Themenspektrum von Data Science bieten wir seit nunmehr zehn Jahren ein Fortbildungsprogramm mit Zertifikatsabschlüssen für Anwender*innen, Entwickler*innen und Entscheider*innen an. Die Schulungen sind anbieterübergreifend und stark durch die Einbindung von Open-Source-Produkten geprägt. Wir zeigen, wie man mit MLOps-Werkzeugen und -Methoden die technische Integration von ML-Lösungen in Unternehmensprozesse und -produkte vereinfachen und automatisieren kann.
Wir sind immer noch überrascht, wie heterogen die Teilnehmerschaft in den Schulungen ist. Es gibt eigentlich keine Branche, die noch nicht vertreten war und sehr kreative Ideen für die Umsetzung von ersten Use Cases entwickelte. Aus meiner Sicht ist es ganz wichtig, sich als Unternehmen frühzeitig den neuen Technologien zu stellen und zu überlegen, welche Möglichkeiten sie bieten, entweder im Effizienzgewinn oder im Aufbau neuer Geschäftsmodelle.
Darüber hinaus beschäftigen wir uns auch mit der Integrität der KI-Systeme. 2021 haben wir als Pioniere einen umfangreichen Katalog publiziert, mit dem man KI-Anwendungen systematisch auf Vertrauenswürdigkeit prüfen kann. Vertrauenswürdigkeit bezieht sich einerseits auf Verlässlichkeit, Datenschutz und Sicherheit, aber auch auf Fairness, Transparenz, Autonomie und Kontrolle. Der Prüfaufwand sollte sich nach den Risiken in diesen Dimensionen richten und kann Maßnahmen bei Entwurf, Entwicklung und Betrieb betreffen. Für die Prüfung entwickeln und nutzen wir Software-Werkzeuge, um sicherzustellen, dass eine Anwendung möglichst fehlerfrei und zuverlässig arbeitet und so bedienbar ist, wie wir es von ihr erwarten.
Mit den oben erwähnten großen KI-Modellen beschäftigen wir uns vorwiegend im Kontext der Verarbeitung und Produktion von Sprache, Text und Dokumenten. Angesichts des atemberaubenden Wettrennens, den sich US-amerikanische und chinesische Tech-Giganten gerade liefern, darf es nicht passieren, dass deutsche und europäische Unternehmen auf deren Angebote angewiesen sind und keine europäische Alternative haben. Modelle wie aktuell ChatGPT schrauben die Erwartungen sehr hoch, aber sie können per se keine Informationen und kein Wissen aus unternehmenseigenen Dokumentbeständen ziehen.
Für den Einsatz als Assistent mit Unternehmenswissen müsste ein Modell wie ChatGPT modular auf solchen, oft sensiblen Daten, nachtrainiert werden. Und diese Module sollten unter der Kontrolle des Unternehmens betrieben werden. Eine weitere Möglichkeit sind hybride KI-Lösungen, zum Beispiel die Integration eines Dokumenten-Retrievals in das KI-Modell. Retrieval-fähige Lösungen, die aus einer großen Menge von unsortierten Dokumenten spezielle Informationen bereitstellen können, haben zudem den Charme größerer Aktualität und reduzieren die Wahrscheinlichkeit der Generierung von Fehlinformationen. Wir begleiten Unternehmen bei der individuellen Weiterentwicklung von Sprachmodellen und Dialogsystemen für domänenspezifische Anwendungen.