Interviews

1.) Sudmann: Die Frage der Anwendung von KI speziell die Nutzung von KI für die akademische Forschung scheint immer mehr an Relevanz zu gewinnen. Als Medienwissenschaftler ist Dir die Kritik der künstlichen Intelligenz, vielleicht auch hier besser mit großem KI geschrieben, ein wichtiges Anliegen. Was bedeutet diese Programmatik eigentlich für die Auseinandersetzung mit angewandter KI und dies speziell im Kontext der akademischen Forschung?

Dotzler: Also, bei angewandter KI fällt mir als erstes das Beispiel der Proteinfaltung ein, das in jüngerer Zeit ja einige öffentliche Aufmerksamkeit auf sich gezogen hat. Nicht, dass ich von der Molekularbiologie viel verstünde. Aber wie dieses Problem in den letzten 20 Jahren erforscht wurde, ist doch eine faszinierende Geschichte. Ich meine, mich zu erinnern, dass Werner Herzog in seiner Doku Lo And Behold: Reveries of the Connected World (Wovon träumt das Internet?) darüber berichtet, weil es ein wichtiges Beispiel dafür ist, wie man das Internet nutzen kann, um Lösungen durch Crowdsourcing und verteiltes Rechnen zu finden bzw. finden zu lassen. Da gibt es seit 2000 das Projekt „Folding@home“, dann gab es „POEM@home“, „Rosetta@home“ ist noch am Laufen, ebenso das Online-Spiel „Folding“, bei dem zudem das Moment der Gamification am deutlichsten hervortritt. 

Seit kurzem hat nun aber auch „AlphaFold“ die Szene betreten, eine KI, der Proteinstrukturvorhersagen in einer Präzision und Geschwindigkeit gelingen, die bisher undenkbar war. Und das ist doch ein fast schon ironischer Vorgang. Man versucht es zuerst mit einer ‒ von Schwarmintelligenz will ich nicht reden ‒ kollektiven Anstrengung, dann leistet eine KI den Job, und leistet ihn besser. Aber diese KI ist ihrerseits nicht etwa eine für sich bestehende Entität, kein irgendwie kluges Ding, sondern Ergebnis und fortgesetzte Funktionalität derselben Infrastruktur wie die der Crowdsourcing-Projekte. Alle heutige KI, also die des Machine Learning, der Künstlichen Neuronalen Netze, beruht auf hochvernetzten Big Data-Systemen. Zugespitzt könnte man sagen: Alle heutige KI ist Plattform-gestützte und deshalb diese Plattformen stützende KI. Im Falle von „AlphaFold“ ist das eine nützliche Sache. Deshalb fiel mir als erstes dieses Beispiel ein, und es gäbe, gerade in der Medizin, aber auch in der Materialforschung, in den Digital Humanities usw., zahlreiche weitere Beispielen für diesen Aspekt: angewandte KI, die der Forschung hilft und deren Entwicklung selber ein grundlegender Forschungsgegenstand ist.

Aber auch der ganze Bereich der Suchmaschinen, der Empfehlungssysteme, der Personalisierung ist angewandte KI, und die bringt vorab die bekannte Fluch-und-Segen-Thematik ins Spiel. Ohne solche KI ließen sich die riesigen Informationsmengen gar nicht mehr erschließen („der Speer nur schließt die Wunde, der sie schlug“), sie zieht jedoch auch die ganze Filterblasen- und Echokammern-Problematik nach sich. Darüber weiß man nun längst Bescheid. Gleichzeitig steht dieser Bereich aber auch für eine Verschiebung, wie sie zumal einen dritten Bereich angewandter KI kennzeichnet, die neuerdings regelrecht popkulturell gewordene, massiv in den Alltag eindringende generative KI wie beispielsweise ‒ als die wohl bekanntesten OpenAI-Produkte ‒ ChatGPT und Dall-E. Womöglich (und ich sage sogar: wahrscheinlich) wird deren Release viel mehr eine „Singularität“ gewesen sein als die, die von manchen KI-Propheten immer noch erst erwartet wird. Mit dieser Freigabe verwandelte sich KI von einem Forschungsgegenstand und Forschungsinstrument in einen Massenkonsumartikel. Auch die Verbreitung und Nutzung dieser Massenware treibt zum einen die KI-Entwicklung voran und kann zum anderen auf interessante Forschungsideen bringen. Und doch rückt das genuine Forschungsinteresse am Machine Learning, am Natural Language Processing usw. in den Hintergrund zugunsten einer Befeuerung von bloßem KI-Konsum.