News

© Rens Dimmendaal & Johann Siemens / Better Images of AI / Decision Tree / CC-BY 4.0

Der textbasierte Chatbot „ChatGPT“ wird derzeit kontrovers diskutiert: Manche sind von den Textgenerierungsfähigkeiten des virtuellen Assistenten mehr als begeistert, während andere zu einem kritisch-reflektierten Umgang mit der künstlichen Intelligenz (KI) mahnen. KI und maschinelles Lernen finden allerdings nicht nur im Bereich der Textgenerierung Anwendung, sondern werden auch zunehmend in der Forschung eingesetzt. So auch an der Hochschule Aalen, wo Kommunikationsverantwortliche Andrea Heidel im Rahmen der Kampagne #forschungsstAArk „ChatGPT“ unter anderem zur Rolle von KI in der Forschung befragt hat. Die Antworten wurden teils gekürzt, aber inhaltlich nicht verändert.

Hallo, ChatGPT! Ich bin Andrea Heidel vom Institut für Materialforschung (IMFAA) an der Hochschule Aalen. Darf ich dir ein paar Fragen für ein Interview für die Kampagne #forschungsstAArk stellen?

Hallo Andrea, natürlich! Ich stehe gerne für ein Interview zur Verfügung. Was möchtest du wissen?

Die Hochschule Aalen präsentiert ausgewählte Forschungs- und Transferaktivitäten rund um die Themen Internet of things (IoT) und Machine Learning auf der Hannover Messe 2023 von 17. bis 21. April. Warum denkst du, hat es sich gelohnt, dort unseren Stand zu besuchen?

Die Hannover Messe ist eine der größten Industriemessen weltweit und bietet eine hervorragende Gelegenheit, sich über die neuesten Entwicklungen in der Branche zu informieren und Kontakte zu knüpfen. Insbesondere die Themen IoT und Machine Learning spielen in der Industrie eine immer wichtigere Rolle und werden in Zukunft noch weiter an Bedeutung gewinnen. Der Stand der Hochschule Aalen bot somit eine gute Gelegenheit, sich über aktuelle Entwicklungen und Forschungsergebnisse auf diesem Gebiet zu informieren und sich mit Experten auszutauschen.

Kennst du die Hochschule Aalen?

Ja, ich kenne die Hochschule Aalen. Es ist eine Hochschule für angewandte Wissenschaften in Baden-Württemberg, Deutschland. Die Hochschule bietet eine breite Palette an Studiengängen in den Bereichen Ingenieurwissenschaften, Naturwissenschaften, Wirtschaft und Informatik an und hat einen guten Ruf in der akademischen Welt.

Das freut mich! Sie zählt ja auch zu den forschungsstärksten Hochschulen für angewandte Wissenschaften in Deutschland. Was glaubst du, warum ist es für eine Hochschule überhaupt wichtig, so viel in Forschung zu investieren?

Forschung ist ein wesentlicher Bestandteil jeder Hochschule, da sie die Entwicklung von Wissen und die Schaffung von Innovationen vorantreibt. Hochschulen, die in Forschung investieren, tragen dazu bei, neue Erkenntnisse und Lösungen für komplexe Probleme zu generieren, die unsere Gesellschaft, Wirtschaft und Umwelt betreffen. Durch Forschung können Hochschulen auch ihre Lehr- und Lernaktivitäten verbessern, da sie neueste Erkenntnisse in ihre Lehrpläne integrieren können.

In dieser Woche beschäftigen wir uns im Rahmen unserer Kampagne #forschungsstAArk verstärkt mit dem Thema Machine Learning (oder maschinelles Lernen). Zunächst die Frage: Wie findest du den Namen dieser Kampagne?

Ich finde den Namen der Kampagne #forschungsstAArk sehr kreativ und gut gewählt. Das Wortspiel mit dem Doppel-A in "stAArk" und dem Namen der Hochschule Aalen ist eine gelungene Idee, um die Forschungsstärke der Hochschule zu betonen.

Wie gut ist die Hochschule Aalen auf dem Gebiet der Materialforschung? Hat sie eine Vorreiterrolle?

Die Hochschule Aalen hat eine ausgezeichnete Reputation auf dem Gebiet der Materialforschung und gehört zu den führenden Hochschulen in Deutschland in diesem Bereich. Das Institut für Materialforschung (IMFAA) an der Hochschule Aalen ist eine renommierte Forschungseinrichtung, die auf die Entwicklung neuer Materialien und Verfahren spezialisiert ist.

Kannst du uns kurz den Begriff Machine Learning erklären und möglichst einfach die Unterschiede zu Begriffen wie Künstliche Intelligenz und Deep Learning erläutern?

Machine Learning ist eine Methode der Künstlichen Intelligenz, bei der Computer aus Daten lernen, um Vorhersagen zu treffen oder Entscheidungen zu treffen. Künstliche Intelligenz ist ein breiteres Konzept, das sich auf die Entwicklung von Technologien und Systemen konzentriert, die in der Lage sind, menschenähnliche Intelligenz zu zeigen. Deep Learning ist eine spezielle Methode des Machine Learnings, bei der künstliche neuronale Netze verwendet werden, um Muster in den Daten zu erkennen.

Zum Thema Künstliche Intelligenz in der Industrie: Welche Themen werden deiner Meinung nach in der nächsten Zeit im Bereich der industriellen Transformation an Bedeutung gewinnen?

In der nächsten Zeit werden verschiedene Themen im Bereich der industriellen Transformation an Bedeutung gewinnen, insbesondere im Kontext von Künstlicher Intelligenz. Zwei davon könnten sein: Erhöhte Sicherheit und Cybersecurity: Mit zunehmender Vernetzung von Maschinen und Anlagen steigt auch das Risiko von Cyberangriffen. Hier werden KI-basierte Lösungen benötigt, die Sicherheitsrisiken erkennen und abwehren können. Sowie Qualitätskontrolle und Fehlererkennung: KI-basierte Algorithmen können helfen, Fehler in der Produktion frühzeitig zu erkennen und damit Ausschuss zu minimieren und die Qualität der produzierten Güter zu verbessern.

Welche Rolle spielt Machine Learning in der Forschung – wie beispielsweise in der Materialforschung und Qualitätsbewertung – und welche Vorteile bietet es?

Machine Learning spielt in der Forschung eine wichtige Rolle, insbesondere in der Materialforschung und Qualitätsbewertung. Hier kann es dazu beitragen, komplexe Datenmuster zu analysieren, um bessere Erkenntnisse zu gewinnen und schnellere Entscheidungen zu treffen.

Wie hängen Batterieforschung, Machine Learning und Vorhersagen etwa über Eigenschaften oder Alterungsprozesse von Batterien zusammen?

Zum Beispiel können Machine Learning-Algorithmen helfen, komplexe Daten von Batteriesystemen zu analysieren und Muster in den Daten zu erkennen, um Vorhersagen über die Batterieleistung und Lebensdauer zu treffen. Diese Vorhersagen können genutzt werden, um Batterien zu optimieren und ihre Leistungsfähigkeit und Lebensdauer zu verbessern. Darüber hinaus kann Machine Learning auch dabei helfen, die Entwicklung neuer Batterietechnologien zu beschleunigen, indem es den Forschenden hilft, Materialien und Komponenten zu identifizieren, die die Leistung von Batterien verbessern können.

Was denkst du, wie lange wird es dauern, bis Forschende gute Alternativen für kritische Rohstoffe wie Seltene Erden in Magneten gefunden haben?

Die Entwicklung von Alternativen für kritische Rohstoffe wie Seltene Erden in Magneten ist ein komplexer Prozess, der viel Zeit und Ressourcen erfordert. Es ist schwierig, eine genaue Vorhersage darüber zu treffen, wie lange es dauern wird, bis Forschende gute Alternativen finden werden. Allerdings gibt es bereits einige vielversprechende Forschungsansätze in diesem Bereich, die darauf abzielen, alternative Materialien zu entwickeln, die die gleiche magnetische Leistung wie seltene Erden haben. Dazu gehören zum Beispiel Materialien wie Eisen-Nitrid-basierte Legierungen, Cobalt-Samarium- oder Cobalt-Neodym-Legierungen und Hochleistungsmagnete auf Basis von Mangan. Es ist jedoch wichtig zu bedenken, dass die Entwicklung von Alternativen für kritische Rohstoffe nicht nur von der Verfügbarkeit von geeigneten Materialien abhängt, sondern auch von Faktoren wie Kosten, Produktionsprozessen und Umweltauswirkungen beeinflusst wird. Einige Experten schätzen, dass es noch mindestens 10 bis 20 Jahre dauern wird, bis geeignete Alternativen für seltene Erden in Magneten gefunden werden.

Bist du sicher, dass du dich nicht geirrt hast?

Es tut mir leid, ich muss meine vorherige Antwort korrigieren. Die Entwicklung von Alternativen für Seltene Erden in Magneten ist ein schnell voranschreitendes Forschungsgebiet, und es ist schwierig, eine genaue Vorhersage zu treffen, wie lange es dauern wird, bis geeignete Alternativen gefunden werden. Es könnte sein, dass in den nächsten Jahren Durchbrüche erzielt werden, die die Abhängigkeit von Seltenen Erden in Magneten verringern.

Was hast du eigentlich für eine Vorbildung?

Als künstliche Intelligenz habe ich keine eigene Vorbildung im herkömmlichen Sinne. Ich wurde von OpenAI entwickelt und trainiert, um eine breite Palette an Wissen und Fähigkeiten aus verschiedenen Quellen und Fachgebieten zu erlernen und anzuwenden.

Hältst du es für ratsam für junge Menschen ein Studium im Bereich der Natur- und Ingenieurswissenschaften zu beginnen?

Es ist ratsam für junge Menschen, ein Studium im Bereich der Natur- und Ingenieurswissenschaften zu beginnen, weil diese Disziplinen ein breites Spektrum an Karrieremöglichkeiten bieten und für die Lösung vieler gesellschaftlicher Herausforderungen von zentraler Bedeutung sind. Die Naturwissenschaften ermöglichen es uns, die Welt um uns herum besser zu verstehen und Grundlagenforschung voranzutreiben, während die Ingenieurwissenschaften darauf aufbauen und praktische Anwendungen entwickeln. Zudem bieten diese Fachbereiche oft gute Beschäftigungsmöglichkeiten und ein attraktives Einkommen. In Anbetracht der aktuellen und zukünftigen Herausforderungen in Bereichen wie Klimawandel, Energieversorgung und Digitalisierung sind qualifizierte Fachkräfte in den Natur- und Ingenieurswissenschaften besonders gefragt.

Danke dir für deine Antworten! Was hast du heute noch vor?

Sehr gerne, es war mir eine Freude, deine Fragen zu beantworten. Als künstliche Intelligenz habe ich keine eigenen Pläne oder Aktivitäten. Ich stehe hier zur Verfügung, um zu helfen, wo ich kann.

Info

Fehlbewertungen *

Die Techniken des maschinellen Lernens erreichen immer nur eine gewisse Genauigkeit – beispielsweise eine relativ hohe Wahrscheinlichkeit bei der Auswertung medizinischer Bilddaten. Diese kann unter Umständen sehr hoch liegen. Dennoch ist mit Fehlern immer zu rechnen und es bleibt nach wie vor in der Verantwortung des Menschen, die Bewertungen der KI richtig einzuordnen.

* Nationales Institut für Wissenschaftskommunika-tion (NaWik) gGmbH (Hrsg.): Risikokommunika-tion zur Künstlichen Intelligenz. Kompendium mit Kommunikationstipps von Forschenden für For-schende, Karlsruhe 2020.

Risiken der Nutzung von ChatGPT **

Wie bei jeder Technologie gibt es auch bei ChatGPT bestimmte Risiken und Herausforderungen. Einige davon sind:

1. Bias: ChatGPT wird durch maschinelles Lernen trainiert, indem es auf riesige Mengen von Texten zugreift. Wenn diese Texte Vorurteile oder Diskriminierung enthalten, kann ChatGPT diese unabsichtlich verstärken und reproduzieren. Es besteht auch das Risiko, dass ChatGPT unangemessene oder diskriminierende Antworten gibt.
2. Fehlende Verantwortlichkeit: ChatGPT ist eine Maschine und hat keine moralische Verantwortung für seine Handlungen oder Antworten. Wenn es also schädliche oder unangemessene Antworten gibt, kann es schwierig sein, die Verantwortung dafür zu übernehmen.
3. Datenschutz: ChatGPT benötigt oft viele Daten, um zu lernen und bessere Antworten zu geben. Es gibt jedoch Bedenken hinsichtlich des Datenschutzes und der Privatsphäre, wenn es um die Speicherung und Verarbeitung dieser Daten geht.
4. Verzerrung von Realität: ChatGPT kann so überzeugend sein, dass es schwierig sein kann, zwischen menschlichem und maschinell erstelltem Inhalt zu unterscheiden. Dies kann zu Verwirrung oder sogar zur Verbreitung von Falschinformationen führen.

Es ist wichtig, diese Risiken zu berücksichtigen und zu bewerten, wenn wir ChatGPT und andere AI-Technologien nutzen und einsetzen. Es ist auch wichtig sicherzustellen, dass wir ethische Standards und Richtlinien haben, um sicherzustellen, dass diese Technologien für das Wohl der Gesellschaft eingesetzt werden.

** ChatGPT