So ist das manchmal. Du sitzt auf dem Sofa und denkst darüber nach wie Du in einer Sache, die Dir am Herzen liegt, voran kommst. Durch Zufall bin ich mal wieder auf die Meetups gestoßen und entdeckte das Event AI in Healthcare – AI Meetup #12 @Wunder Mobility. Auch wenn ich mit Medizin beruflich noch so gar nichts zu tun hatte, hat mich das Thema sofort getriggert. Es ist halt schon ein anderer Schnack, wenn Du mit dem Einsatz von Technologie dabei hilfst Menschenleben zu retten.

Also raffte ich mich auf und machte mich auf den Weg in die Hafencity zu den Räumlichkeiten von WunderCar – einem Startup, das vor ein paar Jahren damit angetreten ist, das Uber in Deutschland und Europa zu werden. Von den politischen Rahmenbedingungen in Deutschland ausgebremst, bietet das Unternehmen mittlerweile seine Expertise und Technologie für B2B Kunden im Mobilitätssektor an.

Vor Ort angekommen war ich dann einerseits fasziniert von den Menschen – alle waren offen, sehr authentisch und interessiert an den Themen und machten auf mich einen kompetenten Eindruck – sogar die Vertreter großer Beratungshäuser. Andererseits war ich etwas frustriert, weil ich von den Vorträgen nur gefühlt 20% verstanden habe. Zwischen all den medizinischen, fachlichen und technischen Begriffen war es wie ein Lückentext in der Schule, den man versuchte ohne gelernt zu haben auszufüllen.

Einer dieser Vorträge war von Felix Faber, den ich an dem Abend noch kennenlernen sollte. Und da begann es wirklich interessant zu werden. Felix schaffte es bei aller Komplexität der Technologie den Anwendungsbezug deutlich zu machen. In den Wochen danach trafen wir uns ein paar Mal, ich lernte auch das Team kennen und begann mehr und mehr zu verstehen was Mindpeak im Hintergrund bereits geleistet hat. Und auch wie ernst die Crew es damit meint, weltweit zu den ersten Anbietern zu gehören, die ein konkretes Produkt an den Markt bringen, um eine der am weitesten verbreiteten Geißel der Menschen zu bekämpfen – den Krebs.

Umso mehr wurde mir auch bewusst, wie sehr die „simple“ Erkennung von Krebszellen die Arbeit der Pathologen verändern wird und welchen Impact das mit sich bringen wird – die Anzahl an Krebserkrankungen steigt, die Anzahl an befähigten Pathologen zur Analyse und Diagnostizierung der Krebszellen stagniert allerdings. Die KI an dieser Stelle einzusetzen, setzt folgerichtig an einem Engpass mit entsprechendem Hebel an.

Also genau das, was uns bei WEGOFIVE beschäftigt. Und so kam es, dass Felix und ich uns getroffen haben und wir uns über verschiedene Facetten der Gründung von MINDPEAK und dem zielgerichteten Einsatz von künstlicher Intelligenz unterhalten haben.

Der erfahrene Seriengründer zeigt sich schon gleich am Anfang: Felix pitcht konzentriert, souverän und anschaulich die Mission der Unternehmung, beschreibt die Zielgruppe und erläutert das Produkt – Ohne Chartschlachten und mit wenigen Sätzen lässt er Bilder im Kopf entstehen.

MINDPEAK entwickelt eine Software, die Pathologen dabei unterstützt Krebszellen zu erkennen. Dazu werden die Präparate eingescannt und können anschließend am Monitor angesehen werden. Mit Hilfe Künstlicher Intelligenz kann der Arzt jetzt unterstützt werden, um schneller zu seinem Ergebnis – seiner Diagnose – zu kommen. Das dadurch in Zukunft letztendlich Menschenleben gerettet werden können, wird dann schnell klar.

Wie reagieren Menschen auf KI?

Im zweiten Teil unseres Interviews beschreibt Felix seine Erfahrungen wie Menschen auf KI reagieren, ob KI die Weltherrschaft übernimmt und die heutigen Möglichkeiten, aber auch Grenzen der KI.
Nach seiner Beobachtung besteht gerade ein großes Interesse an Künstlicher Intelligenz. Die Mehrheit der Ärzte sind neugierig, wollen wissen was in dem Bereich passiert und welche Möglichkeiten es gibt. Ein anderer Teil der Zielgruppe, die teilweise über Jahrzehnte diese hochkomplexe Aufgabe der Krebserkennung gelernt haben, glauben nicht, dass diese Technologie einen Nutzen bringen kann. Ein weiterer Teil möchte sich einfach nicht damit beschäftigen, nichts verändern, sondern zufrieden sind mit dem wie es heute läuft. Also im Grunde genau das was die meisten unter uns auch von ihrem Büroalltag kennen.

Typen in Veränderungsprozessen

Daraus lässt sich ablesen, dass Felix in der Regel mit Menschen in Berührung kommt, die sich vermutlich in die Gruppe der „Innovatoren“ sowie „frühen und späten Folgern“ einordnen lassen. Diese Gruppe zeichnet sich nach Vahs/Leadion [1] dadurch aus, dass sie neuen Entwicklungen grundsätzlich positiv gegenüberstehen, sich aber teilweise opportunistisch verhalten, zwischen Skepsis und Überzeugung schwanken.
Wie bei vielen Veränderungsprozessen finden sich die meisten Menschen in der Gruppe der „Abwartenden“ wieder. Die Menschen in dieser Gruppe haben demnach eine gering ausgeprägte Bereitschaft für Veränderungen. Erst wenn sich Veränderungen positiv entwickeln, kann es sein, dass sie sich im weiteren Verlauf offen für Veränderung zeigen.
Interessant ist, dass sich offenbar noch keine Kritiker gezeigt haben, ob nun als „offene Gegner“ oder als „Untergrundkämpfer“, die es gilt argumentativ in den Prozess einzubinden. Vermutlich liegt das daran, dass es sich aus Sicht der Nutzer um eine „inkrementelle Innovation“ handelt, also eine Optimierung eines bestehenden Prozesses, die nicht an den Grundfesten wackelt. [2] Damit lassen sich „Gegner“ vermutlich zunächst auf Abstand halten.Hier zeigt sich aber einmal mehr das Dilemma, in dem Innovatoren stecken: Wenn sie zu früh dran sind und noch keine oder zu geringe Erfolge ohne für die Anwender spürbare Mehrwerte aufweisen, kann es mitunter zu lange dauern bis diese Neuerungen angenommen werden. Von daher kann es durchaus eine sinnvolle Strategie sein nicht von Beginn an eine „radikale Innovation“ anzustreben.

Auch wird hier die potentielle Rolle von KI deutlich. Allein der Einsatz dieser Technologien als Werkzeug an der richtigen Stelle, kann dafür sorgen Innovationen – inkrementelle als auch radikale – zu schaffen.

[1] https://www.leadion.de/2015/04/10/Mitarbeitertypen-und-haltungen-in-Veraenderungsprozessen/
[2] http://jens-uwe-meyer.de/wp-content/uploads/2015/10/MiniBook_Radikale_Innovation_867.pdf

KI übernimmt die Weltherrschaft?

Im privaten Bereich sieht das oft noch anders aus. Hier macht Felix die Erfahrung, dass sich unter Freunden und Bekannten in Bezug auf die Möglichkeiten künstlicher Intelligenz die Frage oft darum dreht wann KI die Weltherrschaft übernimmt. Dabei, führt Felix aus, sind noch große Hürden zu nehmen bis zu einer selbstlernenden KI, die selbstständig denkt – wenn es überhaupt jemals der Fall sein wird. Was KI aktuell kann, ist komplexe, sich wiederholende Muster erkennen, sie sichtbar machen, zählen oder ähnliches. Alles darüberhinaus Gehende, wenn es darum geht ein „Weltwissen“ zu haben, wird mit KI nicht funktionieren – also zum Beispiel ein sich im Regen auf der Straße spiegelndes Auto zu erkennen. Die Übernahme der Weltherrschaft durch die KI scheint also noch in weiter Ferne.

Das Produkt

Auf die Frage wie arbeitet eure #Technologie beginnt Felix Faber von MindPeak im dritten Teil unseres Interviews mit der Arbeitsweise eines Pathologen als Ausgangspunkt. Was sich so simpel und logisch anhört, ist nach meiner Erfahrung in diversen Projekten selten gängige Praxis. Oft läuft Produktentwicklung doch so, dass Einzelne oder Gruppen entscheiden, ob und wie ein bestimmtes Produkt rauszubringen ist. Dann wird geschaut was rechts und links der Wettbewerb so macht, und fertig ist das Konzept. In wenigen Fällen steht konsequent die Analyse der Ausgangssituation und der Bedürfnisse und Engpässe der anvisierten Zielgruppe im Vordergrund. Dafür „fehlt“ oft die Zeit oder das Budget „gibt das nicht her“. Genau das wäre aber der notwendige Mindshift, um sich den neuen Anforderungen der Digitalisierung anzupassen.

Zurück zu MINDPEAK und deren Vorgehensweise bei der Produktentwicklung:

Ganz zu Beginn stand für Felix und dem Team an erster Stelle Pathologen zu finden, die sich bereit erklären an der Entwicklung des Produktes mitzuwirken. Anschließend wurde im Rahmen von vielen Workshops die Arbeitsweise der Ärzte bei der Identifizierung von Krebszellen beobachtet, aufgenommen und in einzelne Abschnitte zerlegt, um daraus übergreifende Muster zu erkennen.
Diese Muster bewerteten sie anschließend hinsichtlich des Optimierungspotentials durch den Einsatz von Algorithmen. Auch dabei wurden die Ärzte intensiv einbezogen, um die um die Arbeitsschritte zu identifizieren, die aus deren Sicht einen großen, wenn auch eher gefühlten, Engpass- oder Nerv-Faktor im Alltag darstellten.

Mit diesen Teilprozessen und Mustern wurde dann Schritt für Schritt ein Convolutional Neural Net aufgebaut und mit großen Mengen an Test Daten trainiert. Daraufhin begann der Algorithmus eigene Muster und Verbindungen zu erkennen, mit denen die Wahrscheinlichkeit Krebszellen korrekt zu erkennen stetig verbessert wurde. Auf diese Weise formt sich nach und nach ein neuronales Netz, sozusagen ein „internes Regelwerk“, das die Qualität der Erkennung von Krebszellen nach und nach steigert. Zugrunde liegende Kriterien könnten beispielsweise die Größe, Farbe oder Form von Zellen darstellen. Die KI ist dadurch in der Lage eigene Muster und Verbindungen zu erkennen und zu erlernen. Wird dann ein neues Bild eingespeist und das Netz hat richtig generalisiert, können diese Muster auch in neuen Kontexten richtig interpretiert werden.

Die Annahme hinter dieser auf die Arbeitsweise der Pathologen ausgerichteten Vorgehensweise: Dadurch lernt das Neuronale Netz ähnlich wie der Pathologe. Denn so wie sich im menschlichen Gehirn ein Gedanke formiert, entsteht auch in einem künstlichen neuronalen Netz ein „Gedanke“ durch unzählige Verbindungen zwischen Neuronen. Diese Parallelität der Vorgehensweisen ist allerdings nicht verwunderlich, da das Vorbild zur Entwicklungen von KI Algorithmen ursprünglich das menschliche Gehirn mit seinen hoch parallelisierten Prozessen und Verbindungen zwischen den Neuronen darstellte.

Dieses Vorgehen erinnert zudem wenig an „klassisches“ Programmieren, das im wesentlichen darauf beruht aus Regeln und Daten Antworten oder einen Output zu generieren. Auf KI beruhende Vorgehensweisen kehren diese Gleichung um: Auf Basis von gewünschten Antworten und Daten werden als Output die zugrunde liegenden Muster und Regeln herausgearbeitet, um damit Vorhersagen für die Zukunft zu treffen.

Eine weitere, sehr einprägsame und anschauliche Unterscheidung, die den kommenden Wandel durch KI auch in der Arbeitswelt beschreibt, habe ich in einem umfangreichen und intensiven KI Grundlagen Seminar von Software Factories mitgenommen:

Machine Learning, also das Anwenden von statistischen Modellen zur Berechnung von Wahrscheinlichkeiten, ist vergleichbar mit der Arbeitsweise eines Ingenieurs. Die Arbeit an und mit Neuronalen Netzen ist vergleichbar mit der eines Wissenschaftlers. Oder wie Felix sinngemäß sagt: Eine Website kann man mit einem mittelmäßigen Programmierer erstellen – dauert nur länger. Um ein wirksames neuronales Netz aufzubauen brauchst Du die weltweit besten Wissenschaftler – da gibt es nur 0 oder 1…

Der eigentliche Paradigmenwechsel durch KI: Das Zeitalter der exponentiellen Prognosen und Vorhersagen hat begonnen

Genau den Kern dieser Entwicklung beschreiben Ajay Agrawal, Joshua Gans, und Avi Goldfarb in ihrem Buch „Prediction Machines“. Sie beschreiben sehr eindrücklich was in allen Lebensbereichen passieren wird, wenn die Qualität und die Schnelligkeit von Vorhersagen und Wahrscheinlichkeiten durch KI Methoden in für uns Menschen unvorstellbare Dimensionen und zu sehr billigen Kosten bereitstehen wird. Amazon schreibt dazu:

„What does AI mean for your business? Read this book to find out.“ — Hal Varian, Chief Economist, Google

Artificial intelligence does the seemingly impossible, magically bringing machines to life–driving cars, trading stocks, and teaching children. But facing the sea change that AI will bring can be paralyzing. How should companies set strategies, governments design policies, and people plan their lives for a world so different from what we know? In the face of such uncertainty, many analysts either cower in fear or predict an impossibly sunny future.

But in Prediction Machines, three eminent economists recast the rise of AI as a drop in the cost of prediction. With this single, masterful stroke, they lift the curtain on the AI-is-magic hype and show how basic tools from economics provide clarity about the AI revolution and a basis for action by CEOs, managers, policy makers, investors, and entrepreneurs.

When AI is framed as cheap prediction, its extraordinary potential becomes clear:
* Prediction is at the heart of making decisions under uncertainty. Our businesses and personal lives are riddled with such decisions.
* Prediction tools increase productivity–operating machines, handling documents, communicating with customers.
* Uncertainty constrains strategy. Better prediction creates opportunities for new business structures and strategies to compete.

Penetrating, fun, and always insightful and practical, Prediction Machines follows its inescapable logic to explain how to navigate the changes on the horizon. The impact of AI will be profound, but the economic framework for understanding it is surprisingly simple.

Die Produktentwicklung

Einen großen Teil der Zeit verbrachte man bei Mindpeak damit die Pathologen bei ihrer Arbeit zu beobachten. Das bedeutete Wochenlang in die Labore gehen, reinhören und sich mit den Menschen auseinandersetzen, die auch später mit den Tools arbeiten sollen, um herauszufinden welche Prozesschritte genau ihnen im Alltag wirklich helfen würden.

Um die Handlungsfelder mit dem größten Impact herauszufinden, wurden alle Ideen und Ansätze einem Ranking mit unterschiedlichen Kriterien herangezogen, Darunter fielen die Umsetzbarkeit, die erwartete Größe des Marktes, die mögliche Zeitersparnis für den Pathologen und der gefühlte zu lösende „Pain“. Dabei unterstützten rund 30 Menschen bei der Entwicklung.

Ein Leitmotiv dabei war „der Arzt muss der Anwendung vertrauen“, damit sie akzeptiert und adoptiert wird. Daher wurden folgende Prämissen verfolgt:

• Hohe Transparenz und Kontrolle beim Menschen belassen
• Verständliche Präsentation der Ergebnisse
• Zeigen weshalb das Netz zu seinem Schluß kommt

Die Technologie wäre in der Lage einen höheren Grad an Autonomisierung abzubilden. Darauf hat man aber erstmal aus o.g. Gründen verzichtet.

Die größten Herausforderungen

Felix beschreibt im Wesentlich drei große Herausforderungen für MINDPEAK

1. Die „echte“ (praktische) Welt ist vielfältiger und undankbarer
Künstliche Intelligenz wird seit einigen Jahrzehnten erforscht, genauso wie die verschiedenen Anwendungsgebiete in der Medizin. Werden durch diese Forschungen und Studien Durchbrüche erzielt, sind diese einerseits zwar ein großer, wichtiger Schritt. Allerdings sieht die Anwendung in der Praxis oft noch ganz anders aus. So beschreibt Felix, dass sich die Erkenntnisse in der Krebsforschung nur mit viel Mühe und Aufwand in die Praxis umsetzen lassen. Erst in der praktischen Anwendung zeigt sich die hohe Varianz und die noch ungeklärten Einzelfälle, die gelöst werden müssen. Und hier kommen dann die Unternehmer ins Spiel, die an der Schnittstelle zur Wissenschaft den Staffelstab übernehmen, den Weg durch unsicheres Terrain auf sich nehmen, um auch diese offenen Flecken zu erforschen und zugänglich zu machen.

2. Extrem gute Daten werden benötigt
Künstliche Intelligenz ist nur so gut wie die zugrunde liegenden Daten. Die Bedeutung einer entsprechenden Datenqualität für die Entwicklung von wirksamen KI Modellen und auch was es heisst eine solche Qualität sicherzustellen, wird in dem Artikel „KI braucht gute Daten als Fundament!“ der Zeitschrift COM! etwas ausführlicher beschrieben.

„Im Gegensatz zu anderen Business-Intelligence-Analysen sind bei kognitiven Systemen und Big-Data-Anwendungen fehlerhafte Daten im Nachhinein nur noch schwer auffindbar und zu filtern.“

Aber auch die Anforderungen an die Infrastruktur sind nicht zu unterschätzen, da unterschiedlichste strukturierte, unstrukturierte und Metadaten teils in Echtzeit, teils als Batch verarbeitet werden müssen. Einen ersten Ausblick darauf welche neuen Aufgaben und Jobs alleine für die Aufbereitung der Daten entstehen können, zeigt das Unternehmen Clickworker aus Essen und den USA:

„Wir unterstützen Sie beim Training Ihrer Systeme der künstlichen Intelligenz (KI). Unsere Workforce von über 1,9 Mio. Clickworkern liefert Ihnen benötigte Trainingsdaten zum maschinellen Lernen der Systeme, bearbeitet vorhandene Daten, führt Systemübungen durch und validiert Ergebnisse.“

Im ersten Moment wirkt es auf mich etwas befremdlich die Fähigkeiten eines Menschen auf einen „Click“ zu reduzieren. Auf den zweiten Blick bestätigt es doch sehr anschaulich, dass Künstliche Intelligenz nicht aus dem luftleeren Raum entsteht, sondern sowohl in der Programmierung, als auch in der Datenquantität und -Qualität teils große Anstrengungen erfordert. Das wiederum führt dazu, dass neue Jobprofile entstehen, die den Einsatz und die Fähigkeiten von Menschen auch in größerem Umfang erfordern.
Bei Mindpeak ist man daher stark auf die Zusammenarbeit mit den Partnerlaboren angewiesen, um die erforderliche Datenqualität zu erhalten.

3. War for talents im Recruiting – Mittelmäßigkeit bringt kein Ergebnis
Künstliche Intelligenz ist eine sehr theorielastige Disziplin für die sehr viel umfassendes Statistik Know-How benötigt wird. Felix nennt diese Disziplin auch eher eine Wissenschaft, als eine Programmiersprache. Wir können uns daher grob ausmalen was das für die Rekrutierung von ausgebildeten Spezialisten bedeutet – der globale War for talents verschärft sich durch diese Zuspitzung nochmal wesentlich.Hinzu kommt, dass nur Top KI Wissenschaftler das benötigte, hervorragende Ergebnis bringen. Zum Vergleich beschreibt Felix: Eine Website kann man mit einem mittelmäßigen Programmierer erstellen – dauert nur länger. Um ein wirksames neuronales Netz aufzubauen brauchst Du die weltweit besten Wissenschaftler – da gibt es nur 0 oder 1…Was auf den ersten Blick banal klingt, beschreibt wie erfolgs- und vielleicht sogar überlebenskritisch der war for talents für Startups aber auch Corporates sein kann.

Wenn ich mir jetzt den langen Artikel anschaue, die Zeit für das Schneiden der Videos, das Posten der einzelnen Teile, wäre ich mal besser auf dem Sofa geblieben. Nein, im Ernst, hätte ich mich nicht aufgerafft, hätte ich nicht interessante, inspirierende Menschen kennengelernt. Auch das Interview, die zeitlich intensive Aufarbeitung des Gesprächs haben viel Spaß gemacht. Felix ist ein sehr sympatischer Mensch mit klarem Verstand, schnell denkend und kombinierend, bodenständig und fokussiert.

Eine beeindruckende Leistung von Felix Faber, Tobias Lang und dem gesamten Team von MindPeak GmbH! Wo andere reden, hat die Crew in nur 1,5 Jahren ein erstaunliches Ergebnis erreicht und gezeigt was mit #KI heute möglich ist und welcher #Impact erzielt werden kann.

Mit einer der innovativsten Technologien arbeitet MINDPEAK daran eine der etabliertesten Branchen zu transformieren und liefert damit ein beeindruckendes Beispiel was Digitalisierung und Agilität bedeutet:  Absoluter Kundenfokus, konstant und konsequent „Learn & Adapt“ angewendet, Schnelligkeit vor „Größe“ oder „Stärke“ bewiesen.

Für alle, die in irgendeinerweise an dem Aufbau von Startups, digitaler Geschäftsmodelle oder auch nur digitaler Projekte interessiert oder darin involviert sind – das hier ist ein Lehrstück! Respekt vor dieser Leistung!!!

Genau das ist es was Gunter Dueck in seinem Buch (aus 2011!) unter „Kompetenzen eines Professionals“ beschreibt:

Gunter Dueck, Professionelle Intelligenz, Eichborn, S 109-111

Da ich gerade bei diesem Buch bin – ich kann es nur jeder Person empfehlen, die spürt, dass der Wandel der letzten 10-20 Jahre nicht vorbei geht sondern im Gegenteil immer weiter zunimmt und vielfältiger wird. Das Buch ist vollgepackt mit verdichteten Ableitungen, Impulsen und Erkenntnissen wie man sich darauf einstellen kann.

Zum Beispiel das Kapitel „Die Verschiebung aller Werte“ . Auf gut 5  Seiten hat Gunther Dueck anhand des Modells „Grundformen der Angst“ des Psychanalytikers Fritz Riemann aus dem Jahr 1961 derart kompakt die aktuellen Spannungen der verschiedenen gesellschaftlichen Pole im „neurotischen Bereich des Zuviel“ beschrieben, dass ich einen Moment brauchte, um die Übertragung dieses Modells auf die heutige Zeit nicht nur intellektuell zu verstehen, sondern die Gesamtheit dieser Erkenntnis zu erfassen.

Gunter Dueck, Professionelle Intelligenz, Eichborn, S 62-67

Weitere Beispiele könnten jetzt folgen, was den Rahmen und den Scope dieses Beitrags komplett sprengen würde. Bei weitergehendem Interesse bestellt Euch das Buch einfach als Kindle, signiert als Paperback oder leiht es Euch gerne bei mir aus.