Was macht ein Entwickler für maschinelles Lernen?
Maschinen werden zunehmend intelligenter, weil es Menschen gibt, die ihnen das Lernen beibringen. Was diese Software-Versteher mitbringen müssen und warum sie selbst wissbegierig sein müssen, klären wir mit Damian Borth vom DFKI.
Foto: panthermedia.net/ Kittipong Jirasukhanont
Wenn Siri in unserem Smartphone unser Sprachmuster versteht, die Autovervollständigung von Chat-Programmen immer früher erkennt, was wir zu tippen beabsichtigen oder unser E-Mail-Programm zuverlässig Spam von erwünschten Nachrichten trennt, dann haben wir es mit maschinellem Lernen zu tun. Die Teildisziplin der künstlichen Intelligenz begegnet uns heute schon auf Schritt und Tritt und macht dabei rasante Fortschritte. Wie aber sieht das Berufsbild eines Entwicklers für maschinelles Lernen aus? Darüber haben wir haben mit Damian Borth vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern gesprochen.
ingenieur.de: Herr Borth, wie beurteilen Sie den Forschungsstand der künstlichen Intelligenz und des maschinellen Lernens?
Damian Borth ist Informatiker und Direktor des Kompetenzzentrums Deep Learning am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI) in Kaiserslautern. Seine Promotion verfasste er am Fachbereich Informatik der TU Kaiserslautern und am Kompetenzzentrum Multimedia-Analyse und Data Mining (MADM) des DFKI.
Quelle: DFKI
Damian Borth: Als sehr gut. Vor allem im Bereich des Deep Learning, also dem Bereich des maschinellen Lernens, das auf tiefen, neuronalen Netzen beruht, gibt es seit dem Jahr 2012 große Fortschritte. Wo es um Sehen, Übersetzen und Spracherkennung geht, ist die Technologie sehr erfolgreich. Es ist heute zum Beispiel vorhersehbar, welche Emotionen ein Bild auslösen und welche Popularität es erreichen wird.
Haben Forschung und Wirtschaft denn genug Entwickler für maschinelles Lernen?
Momentan noch nicht, deshalb sind sie ja so heiß begehrt. Dabei gehört der Datenanalyst zu den wichtigsten Berufen der Zukunft. Nicht umsonst gilt er heute schon als „Sexiest Job des Jahrhunderts.“
Uns umgeben heute schon überall algorithmenbasierte Modelle der künstlichen Intelligenz. Wenn wir zum Beispiel eine Suchmaschine befragen, Gesichtserkennung für Bilder verwenden oder uns in einer Bank nach einem Kredit erkundigen und unser Rating aufgerufen wird. All das ist mit künstlicher Intelligenz angereichert, auch wenn wir uns dessen nicht immer bewusst sind. Und die Anwendungsbereiche werden immer mehr. Die künstliche Intelligenz gilt als die Informatik der Zukunft.
Das hört sich nach einem krisensicheren Arbeitsplatz an. Was muss jemand können, der die notwendigen Algorithmen und Simulationen entwickeln soll?
Ideal ist ein Studium der Informatik mit Schwerpunkt Mathematik oder umgekehrt Mathematik mit Schwerpunkt Informatik. Das ist deshalb so wichtig, weil die Algorithmenentwicklung sehr formellastig ist. Denkbar ist auch ein Neurowissenschaftler, der versteht, wie das menschliche Gehirn aufgebaut ist und dieses Wissen einbringen kann.
Aber es ich möglich quer eizusteigen, wie zum Beispiel aus der Physik oder anderen Disziplinen.
Wo steige ich dann mit diesem Wissen ein?
Wo Sie wollen. Data Science ist die beste Disziplin, um in der Wirtschaft Karriere zu machen. Die Finanzindustrie braucht Entwickler, der Einzelhandel, der Maschinenbau mit seiner Robotertechnik und Mensch-Maschine-Kommunikation. Einfach alles bewegt sich in Richtung digitale Sphären. Wir stehen noch am Anfang, Daten und Informationen in Serviceprodukte zu verwandeln. Das Umdenken, dass Informationen nutzbar sind, beginnt erst.
Und dann verbringe ich mein Berufsleben damit, Algorithmen zu programmieren?
Aber nein. Gerade in der Forschung ist Kollaboration gefragt. Der Austausch innerhalb von Arbeitsgruppen oder mit mit Studenten. Je mehr Leute an einem Projekt beteiligt sind, desto mehr Feedback und Beratung sind notwendig. Dazu kommt, dass die Forschung gerade in so einem Tempo vorankommt, dass viele wissenschaftliche Papiere publiziert werden. Es gibt viel zu lesen, zu lernen und zu besprechen. Aber natürlich gibt es auch Phasen vor dem Computer, in denen man versucht, seine Netzwerke zu implementieren und zum Laufen zu bringen.
Das hört sich nach Aufbruchsstimmung und spannend an. Wie verhält es sich außerhalb der Forschung in einem Unternehmen?
Das hängt davon ab, wie viel Sie experimentieren dürfen. Kluge Unternehmen setzen auf die IT der zwei Geschwindigkeiten. Einerseits die IT, die Produktion und Prozesse in der Praxis begleitet, und daneben isolierte Inseln, wo sich neue Dinge ausprobieren lassen. Wenn ein Entwickler das zu ihm passende Unternehmen gefunden hat, ist sogar noch mehr Zusammenarbeit als in der Forschung gefragt: Über alle Fachgrenzen von der Produktentwicklung über die Rechtsabteilung und das Marketing. Dafür brauchen wir Menschen, die über alle Bereiche, Ebenen und Detailstufen hinweg kommunizieren können.
Welche Eigenschaften sind noch wichtig?
Ein gutes Team verträgt jeden Archetypen vom Genius bis zum Eigenbrötler – solange er nur einmal pro Team vertreten ist. Erfolgreich wird aber sein, wer fähig ist, um die Technologie herum ein Narrativ zu finden, eine Erklärung, wohin sie führt und was sie Unternehmen Gutes bringen wird. Technologie ist immer auch ein Versprechen an die Zukunft. Wer die Vorteile erkennt, ein Lab aufbauen kann, Anwendungsfälle sucht und findet und dazu noch Unternehmergeist hat, wird seinen Weg gehen.
Hinweis aus der Redaktion: Gemeinsam mit acatech – der Deutschen Akademie der Technikwissenschaften, hat das DFKI übrigens den ersten deutschsprachigen, kostenfreien Onlinekurs für maschinelles Lernen ins Leben gerufen.
Mehr Berufsbilder:
Ingenieure und IT – Berufe mit Zukunft
Was macht ein Testmanager?
Was macht ein Embedded Systems Engineer?
Wie wird man BIM-Manager?
Ein Beitrag von:
