Im Rahmen des Projekts „#KI50: Künstliche Intelligenz in Deutschland – gestern, heute morgen“, der Gesellschaft für Informatik e.V. (GI), hat eine mit insgesamt 18 KI-Expertinnen und -Experten besetzte Jury „zehn bedeutende Technologien“ der deutschen KI-Geschichte ausgewählt. Die fast siebenstündige Beratung fand Mitte Mai 2019 im Weizenbaum-Institut für die vernetzte Gesellschaft in Berlin statt. Mit #KI50 will die GI in Anlehnung an ihr 50-jähriges Bestehen und das das Wissenschaftsjahres 2019 – Künstliche Intelligenz dazu anregen, über die deutsche KI-Geschichte zu reflektieren, einen Blick nach vorne zu werfen und das Thema einer breiten Öffentlichkeit besser zugänglich machen. Das Projekt wird durch das Bundesministerium für Bildung und Forschung gefördert.
Erfahrungsbasierte Systeme
Würdigung der #KI50-Jury
Im amerikanischen Rechtssystem spielt die Recherche passender Präzidenzfälle eine besondere Rolle. Daher wurde in den USA ein KI-Ansatz für das fallbasierte Schließen entwickelt, mit dem sich die Recherchen maschinell unterstützen lassen. In Deutschland wurde das Potential dieses Konzepts für industrielle Anwendungen von Michael M. Richter bereits früh erkannt. Er hat mit seinen Arbeiten und denen seiner Gruppe das Gebiet des Fallbasierten Schließens (Case-Based Reasoning) bzw. der erfahrungsbasierten Systeme international weiterentwickelt. Beispielhaft sei hier das von ihm vorgeschlagene Modell der „Wissenscontainer“ genannt, das maßgeblich zum Verständnis und zur Gestaltung von Anwendungen beigetragen hat. Als Ergebnis hat sich eine in der Praxis etablierte Technologie ergeben, die sich beispielsweise auch in der Gründung des Unternehmens Empolis (in 1991 zuerst als tec:inno) niedergeschlagen hat, das heute führend in diesem KI-Umfeld ist.
Entwicklungsorte waren, unter anderen:
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
- Fraunhofer, ehemals GMD
- TU Kaiserslautern
Beteiligte Personen waren, unter anderen:
- Klaus-Dieter Althoff
- Ralph Bergmann
- Michael M. Richter
- Stefan Wess
Beteiligte Unternehmen waren, unter anderen:
- empolis
Weiterführende Links:
Autonome Systeme / Autonomes Fahren
Würdigung der #KI50-Jury
Auch wenn viele heute beim Thema 'Autonome Straßenfahrzeuge' auf Waymo, Apple, Uber und Co. verweisen, so ist dieses Themenfeld ganz stark von der Forschung in Deutschland geprägt worden. Bereits in den späten 1980er und 1990er Jahren arbeiteten die Gruppen von Ernst Dickmanns und Hans-Hellmut Nagel am autonomen Fahren und hatten trotz der beschränkten Leistung damaliger Rechner bereits beachtliche Erfolge (zum Beispiel: VaMoRs und VaMP, beides Versuchsfahrzeuge für autonome Mobilität und Rechnersehen). Seit 2011 fährt Raúl Rojas mit seinem Team im autonomen Fahrzeug regelmäßig in Berlin und hat dieses bereits in Süd- und Mittelamerika erfolgreich getestet. Bis heute sind deutsche Forschungseinrichtungen, Automobilhersteller und -zulieferer in diesem Bereich äußerst aktiv, wie beispielsweise die Anzahl der Beiträge aus Deutschland bei den internationalen Fachtagungen (z.B. IEEE Intelligent Vehicles Symposium, IEEE International Conference on Intelligent Transportation Systems) zeigen.
Im Rahmen von internationalen Wettbewerben, wie dem RoboCup, haben ebenfalls zahlreiche deutsche Forschungs- und Entwicklungsgruppen teilgenommen und beachtliche Erfolge feiern können, beispielsweise wurde Burkhard mit seinem Team einer der ersten Weltmeister in der RoboCup Simulation League.
Entwicklungsorte waren, unter anderen:
- Bundeswehr Universität München
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
- Fraunhofer Institut IITB
- Freie Universität Berlin
- Karlsruher Institut für Technologie (KIT)
- Technische Universität Braunschweig
- Technische Universität Chemnitz
- Technische Universität Darmstadt
- Universität Ulm
Beteiligte Personen waren, unter anderen:
- Hans-Dieter Burkhard (Autonome Systeme)
- Thomas Christaller (Autonome Systeme)
- Ernst D. Dickmanns (Autonomes Fahren)
- Frank Kirchner (Autonome Systeme / Robotik)
- Hans-Hellmut Nagel (Autonomes Fahren)
- Raúl Rojas (Autonomes Fahren)
Evolutionäre Algorithmen und Evolutionsstrategien
Würdigung der #KI50-Jury
Evolutionsstrategien stellen eine wichtige Technik im Bereich der nichtlinearen Optimierung und des maschinellen Lernens dar. 1970 überträgt Ingo Rechenberg in seiner Dissertation das Prinzip der biologischen Evolution auf die Entwicklung sogenannter Evolutionsstrategien, die er in den nächsten Jahren mit Hans Paul Schwefel zusammen international etabliert. Die grundlegenden Mechanismen sind dabei ausgehend von einer Menge von Lösungen (Population), wiederholend Nachfolger durch (Re-) Kombination und Mutation zu generieren. Dabei werden von Generation zu Generation jeweils die „besten“ Lösungen weiterberücksichtigt. Mit der Entwicklung immer leistungsfähigerer Computer – insbesondere in den letzten drei Jahrzehnten – haben sich die evolutionären Algorithmen massiv ausgebreitet. Beinahe überall, wo Optimierung und Suche benötigt werden, bspw. in der Transportplanung oder in der Produktionsplanung, stellen sie mögliche Lösungsansätze dar und haben sich als wichtige Werkzeuge für Industrie und Forschung durchgesetzt. Das resultierende Teilgebiet der KI wird als Computational Intelligence bezeichnet. In der letzten Dekade werden diesem Beispiel folgend Lösungsverfahren untersucht, die sich an biologischen Vorbildern orientieren, bspw. Ameisen. Das Ziel ist die Entwicklung und Gestaltung von Systemen, die über selbstorganisierende Eigenschaften verfügen und so robuste Lösungsansätze für die Praxis zur Verfügung stellen sollen. Dieses Ziel wird u.a. in dem von Hartmut Schmeck mit initiierten Forschungsfeld „organic computing“ verfolgt.
Entwicklungsorte waren, unter anderen:
- Karlsruher Institut für Technologie (KIT)
- Technische Universität Berlin
- Technische Universität Dortmund
- Universität Magdeburg
Beteiligte Personen waren, unter anderen:
- Rudolf Kruse
- Ingo Rechenberg
- Hartmut Schmeck
- Hans-Paul Schwefel
Weiterführende Links:
Strategien für das Maschinelle Lernen
Würdigung der #KI50-Jury
Ein wichtiges Teilgebiet der KI ist das sogenannte Maschinelle Lernen, das einerseits einen Erklärungsbeitrag zum menschlichen Lernen leisten und andererseits adaptive KI-Systeme ermöglichen soll. Dabei beruhen viele der aktuell sehr erfolgreichen Lernansätzen auf prägenden Strategien aus der deutschen KI-Forschung. Martin Riedmiller hat sich beispielsweise zu einer Zeit mit neuronalen Ansätzen für das sogenannte verstärkende Lernen (reinforcement learning) beschäftigt, als dieses noch nicht en vogue war. Seit Ende der 90er Jahre hat er substanzielle Beiträge und titelgekrönte Anwendungen im Bereich des Roboterfußballs erreicht. Als wichtigster Vertreter kann hier das Long-Short-Term-Memory (LSTM) genannt werden, welches von Jürgen Schmidhuber und Sepp Hochreiter in ihrer Münchener Zeit entwickelt wurde. LSTM zeichnet sich dadurch aus, dass es „konventionelle“ Ansätze um eine Erinnerungskomponente erweitert (Kurzzeitgedächtnis). Im Zuge des zunehmenden Einsatzes von Graphikkarten für Berechnungen (GPU-Computing) erfreut sich LSTM steigender Beliebtheit. Seit einigen Jahren setzen große Technologieunternehmen wie Amazon, Google und Apple LSTM beispielsweise für ihre Sprachassistenten ein. Eine weitere bahnbrechende Errungenschaft, die durch LSTM ermöglicht wurde, ist der Sieg der von Google DeepMind entwickelten Software AlphaGo über einen der stärksten Go-Spieler der Welt (Lee Sedol).
Entwicklungsorte waren, unter anderen:
- Technische Universität München
- Universität Freiburg
Beteiligte Personen waren, unter anderen:
- Sepp Hochreiter
- Martin Riedmiller
- Jürgen Schmidhuber
Weiterführende Links:
Data Mining Toolbox
Würdigung der #KI50-Jury
RapidMiner ist eine Toolbox für Data Mining und Maschinelles Lernen. Sie ist ab 2001 als „Yet Another Learning Environment“ am Lehrstuhl für künstliche Intelligenz der TU Dortmund entwickelt worden und hat sich beinahe sofort sehr großer Beliebtheit erfreut. 2006 wurde die Firma RapidMiner von Mierswa und Klinkenberg gegründet und mittlerweile bestehen weitere Standorte in Großbritannien und den USA. RapidMiner zeichnet sich insbesondere dadurch aus, dass die Benutzer Erweiterungen, Operatoren und Datenanalyseprozesse spezifizieren können. RapidMiner verfügt über rund 500 Operatoren beispielswiese aus den Bereichen Text-, Web- und Data-Mining sowie für Stimmungs- und Zeitreihenanalyse. So hat es sich zu einem der führenden Systeme für die Vorverarbeitung und Datenanalyse entwickelt und wird sowohl in vielen Hochschulen als auch in Unternehmen genutzt.
Entwicklungsorte waren, unter anderen:
- Technische Universität Dortmund
Beteiligte Personen waren, unter anderen:
- Ralf Klinkenberg
- Ingo Mierswa
- Katharina Morik
Beteiligte Unternehmen waren, unter anderen:
- RapidMiner GmbH, Germany
Weiterführende Links:
- https://de.wikipedia.org/wiki/RapidMiner
- https://rapidminer.com
Wissensbasierte Konfiguration
Würdigung der #KI50-Jury
In der KI wird seit den 70er Jahren an Expertensystemen und wissensbasierten Assistenzsystemen geforscht. Expertensysteme sollten nicht die kognitiven Fähigkeiten eines Menschen nachbilden, sondern Menschen problemspezifisch unterstützen. Ähnlich wie das Maschinelle Lernen heute, konnten Expertensysteme in vielfältigen Anwendungen und Problembereichen eingesetzt werden. Dabei war die wissensbasierte Konfiguration eine „Paradedisziplin“ für Expertensysteme, da sie eine hohe Anwendungsrelevanz u.a. in industriellen Kontexten hat. Gerade heute, in Zeiten kundenindividueller Produktion und Lieferung, sind wissensbasierte Konfigurationen wesentliche Bestandteile moderner ERP-Systeme. Diese Entwicklung der Konfiguration wurde in Deutschland mit den erfolgreichen Workshops „Planung und Konfigurieren (PuK)“ mitgestaltet, die seit 1987 jährlich ausgerichtet werden. Es gibt eine Reihe von mittelständischen Software-Unternehmen, die die Produktkonfiguration - neudeutsch CPQ - zur Marktreife gebracht haben. Die auf Konfigurationssoftware spezialisierte encoway GmbH hat beispielsweise mit engcon ein „industriereifes“ Produkt auf den Erkenntnissen des Hamburger Konfigurationssystems KonWerk entwickelt, welches in unterschiedlichsten Anwendungen eingesetzt wird und international wettbewerbsfähig ist. Zusätzlich sind Ansätze zur wissensbasierten Konfiguration auch in kommerzielle ERP-Systeme, wie SAP, eingeflossen.
Entwicklungsorte waren, unter anderen:
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
- Fraunhofer FIRST
- RWTH Aachen
- Technische Universität Chemnitz
- Technische Universität Kaiserslautern
- Universität Halle
- Universität Hamburg
- Universität Oldenburg
- WHZ Zwickau
Beteiligte Personen waren, unter anderen:
- Andreas Günter
- Albert Haag
- Lothar Hotz
- Ulrich John
- Bernd Neumann
- K. Christoph Ranze
- Michael M. Richter
- Jürgen Sauer
- Joachim Schneeberger
Beteiligte Unternehmen waren, unter anderen:
- Encoway
- SAP
Web-Links:
Automatisches Beweisen / Deduktionssysteme
Würdigung der #KI50-Jury
Ein wichtiges Ziel der KI-Forschung ist es, Wissen für den Computer zugänglich zu machen, so dass informierte Entscheidungen automatisiert getroffen werden können. In der Deduktion kommen mathematische Logiken zur Wissensrepräsentation zum Einsatz mit dem Ziel, dass das so axiomatisierte Wissen automatisierbar zum Herleiten von Schlüssen und Theoremen (automatisches Beweisen) genutzt werden kann. In jahrzehntelanger intensiver Forschung, insbesondere auch im deutschsprachigen Raum, sind leistungsfähige Deduktionssysteme entstanden, die eine hohe Praxisrelevanz aufweisen. So hat Wolfgang Bibel beispielsweise mit der „Connection Method“ eine Alternative zur Resolution in der klassischen Logik vorgeschlagen oder mit seiner Arbeitsgruppe das SETHEO Deduktionssystem entwickelt, welches zu seiner Zeit zu den weltweit führenden Systemen gehörte und 1996 den ersten Platz im seither jährlich stattfindenden internationalen Wettbewerb CASC derartiger Systeme gewonnen hat. Große Beachtung fanden auch die Ansätze und Methoden, die von Jörg Siekmann und seiner Arbeitsgruppe entwickelt wurden, etwa im Bereich der Unifikation, einem Herzstück des automatischen Beweisens. In der ehemaligen DDR hat Herbert Stoyan die erste LISP-Implementierung als Deduktionssystem in Dresden realisiert und sich um die Geschichte von LISP (Dialekte, Implementierungen) hoch verdient gemacht. Die Anwendungen von Deduktionssystemen finden sich beispielsweise in dem Lösen offener mathematischer Probleme, der Programmverifikation und -synthese, dem Schaltkreisentwurf und der Inferenz in Expertensystemen.
Entwicklungsorte waren, unter anderen:
- Karlsruher Institut für Technologie (KIT)
- Technische Universität Darmstadt
- Technische Universität Dresden
- Technische Universität Kaiserslautern
- Technische Universität München
- Universität Erlangen-Nürnberg
- Universität des Saarlandes
Beteiligte Personenwaren, unter anderen:
- Franz Baader
- Wolfgang Bibel
- Karl-Hans Bläsius
- Hans-Jürgen Bürckert
- Peter Deussen
- Ulrich Furbach
- Jörg Siekmann
- Herbert Stoyan
Weiterführende Links:
Dokumentenanalyse
Würdigung der #KI50-Jury
Von besonderer Bedeutung für die Praxis ist die KI-gestützte Dokumentenanalyse. Dabei reicht das Spektrum relevanter Arbeiten von der Text- und Handschrifterkennung über die Annotation digital vorliegender Informationen bis zur automatischen Analyse, Interpretation und ggf. Verarbeitung von Dokumenten. An zahlreichen Hochschulen, Forschungsinstituten und Unternehmen wird an diesen Themen gearbeitet. Beispielsweise hat Siemens in Kooperation mit der FU Berlin Ende der 90er Jahre an einer effizienten und sehr schnellen Erkennung von handgeschriebenen Postleitzahlen auf Großbriefen gearbeitet. Die besondere Herausforderung bestand in der besonderen Geschwindigkeit (6 Briefe / Sekunde), in der die Erkennung verarbeitet werden mussten. Das entstandene System wurde in über 80 Briefverteilzentren der Deutschen Post eingesetzt. Auch wenn für viele Anwendungen kommerzielle Erkennungssysteme (OCR) für Texte zur Verfügung stehen, sind im Bereich der Geisteswissenschaften zunehmend innovative KI-Verfahren erforderlich, um die zahlreichen antiquarischen und häufig handschriftlich erstellten Dokumente und Bücher digital zu erschließen. Der Schwerpunkt der Forschung in der Datenanalyse liegt auf der Wissensarbeit, die beispielsweise am DFKI oder dem Fraunhofer in speziellen Kompetenzzentren untersucht wird. Eine Stärke der deutschen Forschung zum Wissensmanagement ist ihre (internationale) Vernetzung mit den Forschungsgebieten der Wirtschaftsinformatik, dem Maschinellen Lernen und dem erfahrungsbasierten Lernen.
Entwicklungsorte waren, unter anderen:
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
- Freie Universität Berlin
- Technische Universität Kaiserslautern
Beteiligte Personen waren, unter anderen:
- Andreas Dengel
- Raúl Rojas
- Marcus Pfister
Beteiligte Unternehmen waren, unter anderen:
- Daimler Research Center Ulm
- Siemens AG
Weiterführende Links:
- https://link.springer.com/content/pdf/10.1023%2FA%3A1008316121543.pdf
- https://www.iais.fraunhofer.de/de/geschaeftsfelder/content-technologies-and-services/uebersicht.html
- https://www.dfki.de/web/news/detail/News/any-ocr/
- https://fgwm.de/index.php/events
Wissensrepräsentation
Würdigung der #KI50-Jury
In dem KI-Teilgebiet der Wissensrepräsentation wird untersucht, wie Wissen formal abgebildet werden kann. Es werden dazu unterschiedliche formale Sprachen und Notationen entwickelt. In der deutschen KI-Landschaft gibt es eine Tradition, sich mit Logiken und Deduktionssystemen zu beschäftigen (vgl. Deduktionssysteme und automatisches Beweisen). Das in den USA entworfene Wissensrepräsentationssystem KL-ONE wurde bspw. intensiv von Forschern im Rahmen von Sprachdialogsystemen in Deutschland untersucht und erweitert. Da bei der Wissensrepräsentation der Aufwand bzw. die Kosten der Modellierung teilweise unverhältnismäßig hoch waren, gab es zunehmend den Trend zur Wiederverwendung von Wissen. Daneben wurden Ansätze zur Abbildung von vagem oder unsicherem Wissen untersucht. Kruse hat wesentlich dazu beigetragen, Fuzzy-Logic, bayessche Netze und probabilistische Wissensrepräsentationen in Deutschland zu etablieren und weiterzuentwickeln, die z.B. kommerziell erfolgreich in Fahrzeugen von Volkswagen Anwendung gefunden haben. In den 90er Jahren haben sich Beschreibungslogiken etabliert, die insbesondere im aufkommenden Semantic Web
von Wissenschaftlern wie Studer oder Staab intensiv erforscht und erfolgreich in unterschiedlichsten Anwendungen eingesetzt wurden und werden. Durch die Verbreitung von mobilen Computern und Smartphones wird es immer wichtiger, ortsbezogen Wissen zu repräsentieren. So können ortsbezogene Dienste angeboten werden. Im Rahmen eines großen Forschungsprojektes haben Freksa und Kollegen Ansätze zur Einschätzung komplexer räumlicher Situationen und zur Handlungsantizipation entwickelt (Spatial Cognition), welches auch international Beachtung gefunden hat.
Entwicklungsorte waren, unter anderen:
- Universität Bremen
- Universität Magdeburg
- Technische Universität Braunschweig
- Karlsruher Institut für Technologie
- Technische Universität Darmstadt
- Technische Universität München
- Technische Universität Dresden
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
Beteiligte Personen waren, unter anderen:
- Franz Baader
- Wolfgang Bibel
- Gerhard Brewka
- Christoph Freksa
- Günther Görz
- Kai von Luck
- Rudolf Kruse
- Jörg Siekmann
- Wolfgang Spohn
- Steffen Staab
- Rudi Studer
- Bernhard Nebel
Weiterführende Links:
Automatische Sprachverarbeitung: Dialogsysteme, Übersetzung, Verstehen
Würdigung der #KI50-Jury
Automatische Sprachverarbeitung ist als Forschungsgebiet insbesondere in Deutschland bereits in den Anfängen der deutschen KI-Forschung untersucht worden. Zunächst entstanden unter der Leitung von von Walther von Hahn mit Mitarbeit von Wolfgang Wahlster in Hamburg einflussreiche Pionierbeiträge, das sogenannte Hamburger Redepartnermodell (HAM-RPM) und das Hamburger System für anwendungsorientierte natürlichen Sprache (HAM-ANS). Diese wurden von Wahlster in den nächsten Jahrzenten substantiell in Saarbrücken ausgebaut. Hier sollte ein adhocSprachdialogsystem entwickelt werden, welches sprecherunabhängig eingesetzt werden kann. In den 90er Jahren wurde diese Initiative mit einem Langfrist-Forschungsprojekt (verbmobil) vorangetrieben. Die hier generierten Forschungsergebnisse sind eine wichtige Grundlage für die in den letzten Jahren etablierten Sprachassistenten gewesen. In Verbmobil wurde auch an einem zweiten Schwerpunkt in der automatischen Sprachverarbeitung gearbeitet: an der Übersetzung. Hier war insbesondere Alexander Waibel prägend, der erfolgreich automatische Simulationübersetzungen realisiert hat.
Neben Dialogsystemen wurde in Deutschland insbesondere auch an der automatischen Übersetzung gearbeitet. Obwohl in den 2000er Jahren ein kostenloses Übersetzungssystem von Google angeboten wurde, wurde 2017 ein neues, in Deutschland entwickeltes System mit außergewöhnlichem Erfolg in Konkurrenz zu den bestehenden Lösungen auf den Markt gebracht. Da DeepL als Lernbasis auf qualitätsgeprüfte Übersetzungen gesetzt hat, waren die Ergebnisse so überzeugend (auch in doppelt-blind Studien), dass sich DeepL in kürzester Zeit am Markt etablieren konnte. Auch im Sprachverstehen gehen wichtige Erkenntnisse auf Forschung und Entwicklung in Deutschland aus: Beispielsweise entwickelte Helbig und Mitarbeiter das Paradigma der Mehrschichtigen Erweiterten Semantischen Netze (MultiNet-Paradigma) und eine darauf aufbauende Sprachverarbeitungstechnologie. Diese sind ein bedeutender Beitrag für ein kognitiv orientiertes Sprachverstehen durch den Computer gewesen. Ein wichtiges Merkmal dieser Technologie ist ihre Multilingualität. Das heißt, dass der semantische Kern der erarbeiteten Computerlexika und der lexikalisch-semantischen Analyse über mehrere Sprachen hinweg in gleicher Weise verwendet werden kann und lediglich die syntaktischen Eigenheiten der jeweiligen Sprachen unterschiedlich zu behandeln sind.
Entwicklungsorte waren, unter anderen:
- Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI)
- Karlsruher Institut für Technologie
- Technische Universität Kaiserslautern
- Universität des Saarlandes
- Universität Erlangen-Nürnberg
- Universität Hamburg
- Universität Osnabrück
- Fernuniversität in Hagen
Beteiligte Personen waren, unter anderen:
- Walther von Hahn
- Sven Hartrumpf
- Hermann Helbig
- Wolfgang Wahlster
- Alexander Waibel
Beteiligte Unternehmen waren, unter anderen:
- DeepL GmbH Köln
- IBM
Weiterführende Links: