KI bei der BWI und der Bundeswehr | DEEP MINDS #16

Herzlich willkommen zu einer neuen Folge Deep Minds dem Podcast über künstliche Intelligenz. Heute sprechen wir über KI bei der BWI, die BWI ist der primäre Digitalisierungspartner der Bundeswehr und er bringt verschiedene IT-Sortses im In- und Ausland und trägt, so sagt sie selbst, so kontinuierlich in Erhöhung, der Führungs- und Einsatzfähigkeit sowie Kampfkraft der Streitkräfte bei. Dazu gehört natürlich auch technische Innovationen wie künstliche Intelligenz und darüber haben wir mit Dennis Meier gesprochen, Dennis studierte Informatik mit Schwerpunkt Data Science und promoviert aktuell im Bereich künstliche Intelligenz. Er ist Tech-Lead AI bei der BWI, wo er sich im City-O-Office mit Technologie, Triebner, Innovation, Text-Gouting, technische Begleitung von Projekten und der Evaluierung von Neuen und zukünftigen Technologien beschäftigt. Max, wobei haben wir gesprochen mit Dennis? Ja, mit Dennis haben wir natürlich über künstliche Intelligenz bei der BWI und der Bundeswehr gesprochen, wie die Technologie eingesetzt werden kann, welche besondere Herausforderungen es für KI-Modelle, aber auch für KI-Hartware eigentlich gibt und wie sich das Feld in Zukunft entwickeln wird. Super, dann viel Spaß beim Gespräch, viel Spaß. Ja, Dennis, hallo. Freut mich sehr und max bestimmt auch, dass du hier bei uns im Vortrags bist und ein bisschen darüber erzählst, was die BWI mit künstliche Intelligenz so macht und erlebt. Ihr seid ja in einer wichtigen Rolle als IT-Dienstleister, speziell für die Bundeswehr und die Bundesregierung und da stellt sich ja mal von natürlich die Frage, in welchem Feld bewegt ihr euch überhaupt, wenn ihr künstliche Intelligenz nachdenkt und euch damit befasst habt, gibt es also Tymadschoberbegriffe oder? Also ja, also zunächst muss man sagen, als IT-Dienstleister der Bundeswehr unterstützen ja allgemein die digitale Transformation der Bundeswehr, also auch hauptsächlich, also nicht nur hauptsächlich, aber auch in der Großateil ist dabei natürlich KI-Technologie und gerade deswegen weil der Erfolg von militärischen Einsätzen zunehmend auch mit den Einsatzmöglichkeiten von KI abhängt oder zusammenhängt. Das zeigt sich zum Beispiel aktuell im Krieg zwischen der Ukraine und und Russland, wo wir unter anderem massiv KI-Einsatz sehen, ja, hauptsächlich auch bei der Desinformation und das sehen wir zum Beispiel im Bereich von der Generation von Social Media Posts oder auch Deepfake Videos. Das Problem bei KI ist ja eigentlich, oder sagen wir, eigentlich ist es was tolles, dass es diese Demokratisierung, dass jeder dieses Tool benutzen kann, aber es ist wirklich sehr einfach geworden, dieses Tool auch für, sag ich mal, böse Zwecke einzusetzen. Also, gerade wenn man das Social Media Posts oder Deepfakes macht, hat man da doch einen sehr großen Hebel, was das angeht und hier ist auch so, dass die Bundeswehr das auch erkannt hat und selbst die KI als Schlüssel-Technologie sieht und natürlich auch für die Erhöhung der eigenen Einsatzfähigkeit, der Streitkäfte. Also wir haben hier KI als sehr, sehr wichtige Rolle für die Bundeswehr und natürlich deswegen auch Respektive für die BVI. Und zusammen, also die BVI und die Bundeswehr erproben dann auch zusammen KI-basierte Anwendungen, also neue Innovationen in KI-Modelle oder Services direkt, wie man sie vielleicht für die Bundeswehr zum späteren Zeitpunkt auch einsetzen kann. Ich finde es interessant, dass du gerade jetzt schon Deepfakes eingesperrt hast. Man fährt mal, ich hatte gerade die Tage Ausschreibung von der Sokum, vor der Nase, ich weiß nicht, ob du das auch gesehen hast, wo speziell diese Art von Technologien gesucht wurden, also Deepfake war sogar als Begriff namentlicher. Während in dieser Ausschreibung für informations- oder gestern Desinformationskampagnen in Pirtu-Pi-Netzen, also Social Media-Halt und auch der Einsatz von Ukraine Kontext, du hast jetzt auch gerade die Deepfakes genannt. Ich glaube, da gab es ja mal so einen Fall mit so einer Ansprache von Selinsky, aber das war so ein bisschen etwas, was jetzt wirklich Deepfake oder was irgendwas anderes. Aber auf jeden Fall ist der Einsatz von synthetischen Medien, das da ein großer Anwendungsbereich ist. Und gibt es dann darüber hinaus noch weitere Anwendungsbereiche, also jetzt, ich sage mal, die näher dran sind am eigentlichen, jetzt nicht am Informationskrieg, sondern am tatsächlichen Krieg fort. Ja, die gibt es natürlich, aber das sind halt Themen da, da geht man wirklich schon in die Richtung Bundeswehr selbst. Das muss man natürlich mit denen mal besprechen, dass das ich sagen kann, ist in dem Kontext gibt es natürlich ein paar abgeschwächte Varianten. Zum Beispiel nehmen wir mal das zum Beispiel von Zadlitenbilder auswerten. Also das hat jetzt nichts mit irgendwelchen aktiven Systemen, denn ich sitze mal zu tun, sondern es geht hier um die Aufklärung. Und unser Auftrag ist es ja Probleme und ein Bedarf, die zu erkennen und dafür einen Lösung zu finden. Und wenn wir jetzt in dem Bereich von Zadlitenbildern mal bleiben, dann kann man sich zum Beispiel so vorstellen, wenn man eine Aufklärung auf mit Zadlitenbildern macht, dann fallen der massive Datenmengen an. Ja, wirklich, man hat ja ganze Landstriche, die müssen dann abgesucht werden, ob da irgendwelche militärische Fahrzeuge beispielsweise sind. Das geht auch bis dahin, dass man vielleicht auch Kettenspuren analysieren möchte. Also man muss der wirklich ganz genau hinschauen. Und das bindet natürlich sehr viel Personal, wenn es alles manuell stattfindet. Und da passieren natürlich ab und an auch mal Fehler, das ist ganz klar. Und dann, wenn mehrere Leute darüber schauen, hat man natürlich auch weniger Fehler. Jetzt kann man darüber legen, hey, da könnt man doch auch KI einsetzen. Das heißt nicht unbedingt, um die Leute zu ersetzen, sondern einfach als zusätzliche Sicherheitslehr. Das ist nichts verloren geht, oder einfach auch die Arbeit etwas zu erleichtern, weil KI kann man auch so verstehen, wie ein Werkzeug zur Vereinfachung von Daten. Damit meine ich jetzt zum Beispiel, wenn man wirklich mal so ein Bild anschauen, auf so ein Bild, bisschen eher pixel, ja. Und das heißt, wir haben einen sehr komplexen Datenraum. Und wenn jetzt wir so ein Bild anschauen und müssen da irgendetwas kleines Suchen, fällest uns west schwer oder wir brauchen lange dafür. Und was der KI macht, ist ja, sie übersetzt diesen komplexen Datenraum, wenn sie der Schicht dafür programmiert ist, und übersetzt diesen in einen einfachen Datenraum. Das heißt, KI zeigt an, pass auf, da ist ein Fahrzeug. Mit diese Informationen kann ein Mensch sehr viel schneller etwas anfangen als wenn er erst selbst dieses Fahrzeug suchen müsste. Und das ist jetzt ein ganz einfach Prozess, den wir mit KI verbessern oder einfach verschnellen können. Und das ist jetzt nur ein plakatives Beispiel, wie wir versuchen, mit neuen Technologien solche Prozesse zu verbessern, oder eben auch den Bedarf aufzudecken, oder wenn wir den Bedarf mitgeteilt bekommen, eine Lösung dafür zu finden. Jetzt respektive mit KI-Technologie. Technisch betrachtet ist das dann Computer Vision Build Analyse. Ja, genau. Ihr habt dann Systeme, wo ihr Zugriff auf viele sate Litten Bilder habt und dann entsprechend trainieren könnt oder wie macht ihr das? Ja, genau. Da müssen wir auch nochmal unterscheiden zwischen Baby EU und Bundeswehr. Also wir haben nicht per See Zugriff auf alle Daten. Wir machen unsere Arbeit ist vorgelagert. Das heißt, wir schauen uns in dem Fall ganz neue Technologien an. Man kann sich so vorstellen, wie es gibt jetzt oder einen Start-Up beispielsweise, hat jetzt einen richtigen Game-Changer-Entwickler. So eine richtig tolle KI, die jetzt eine super hohe Accuracy hat bei der Object Detection. Und die sind jetzt kurz davor, das Ganze zu releasing. Und unser Job ist es dann, die überhaupt erstmal ausfindig zu machen, dieses Modell vorher mal zu beschaffen und anzuschauen, zu evaluieren. Und zu schauen, ist das denn überhaupt gut? Ist das nicht? Oder wo sind da vielleicht Probleme? Und dann, also das machen wir jetzt dafür da, um die direkte Satzitenauswertung zu machen. Sondern wir schauen, funktioniert das. Wir sammeln wissen. Und wir können damit dann später die Bundeswehr beraten, wenn die dann auf uns zukommen und sagen, "Hey, wir brauchen hier, zum Beispiel, so einen Bedarf, könnt ihr uns da helfen oder vielleicht auch mal beraten, dann können wir genau da liefern." Und das mache ich damit, wir sind vorgeschaltet. Wir schauen uns wirklich die ganz neuen Sachen an und helfen damit auch der Bundeswehr, immer auf einem Stand der Technik zu bleiben oder wirklich ganz vorne dabei zu sein, weil die KI, wir sehen sie alle, die entwickelt sich mal momentan mit so einem Tempo. Und genau da setzen wir an, wir wollen helfen oder das wir uns auftragt, wir helfen, da wirklich immer vorne mit dabei zu sein. Also ja, wenn ich so richtig verstehe, seid ihr wie so ein vorgeschaltet Stück weit auch Evaluationseinheit, die sozusagen "Check, guck das Potenzial evaluiert" und dann einen beratenen oder auch weitergibt und zur Umsetzung unterstützt. Wir haben da verschiedene Abteilungen. Klar, also der normale Gang ist, wir kriegen Probleme oder den Bedarf gemeldet und dann ist bei uns die Einheit Enox, die kümmert sich dann genau darum, dann wird mit Experimenten, aber mit dem Fokus auf den neuen Technologien. Also wie kann man eben diese neuen Technologien einsetzen, um dieses Problem oder diesen Bedarf zu decken? haben auch andere Einheiten, die anderen weggehen, die schauen sich die Technologien an, also man hätte es auch Technologie getrieben in Innovation und wir bauen dann einen Wissenspool auf, auf dem man dann danach zurückgreifen kann. Das heißt, wir klassizieren dann direkt die Technologien, die Partner, die Vor- und Nachteile und wie hat sich das vielleicht bewährt und wie in unserer Einschätzung wie entwickelt sich das vielleicht weiter und da können wir dann auch darauf zurückgreifen. Also wir haben hier zwei verschiedene Arten von Innovationen. Aber es ist genau so, es ist, es ist, es ist, es ist, es ist, es ist, es ist, es ist, es ist, es ist, es ist, es ist, es ist, So eine Art Vorreiter in diesem Feldzeit, dass es uns in dem einen Bereich KI-Modelle validiert für einen konkreten Einsatz, was für mich ein interessantes Feld halt einfach, also jetzt mal unabhängig von dem Einsatzbereich, in dem ihr es jetzt macht, weil ich glaube, dass er eine gesellschaftliche Herausforderung auch ist und auch für viele Industrien relevant ist, deshalb die ganzen Modelle, die jetzt entstehen, auf dem Markt kommen wir auch irgendwie im Idealfall unabhängig von denen diese Anbiet nochmal getestet werden. Ja, aber TÜV darf mir jetzt nicht falsch verstehen, also das ist nicht so, dass wir dann vorschreiben, fast mal auf, dieses Modell hat die Plakette nicht bekommen, das TÜV, die ich verwenden, es ist tatsächlich alles nur beratend, also nicht falsch verstehen. Und der TÜV guckt ja erst mal hinterher und entwickelt ja auch nicht selber, ihr entwickelt ja auch durch auch selber oder? Nein, nein, nein, nein. Das muss man dann auch mal klarstellen, also der Auftrag an die BVI ist ganz klar, dass wir nicht forschen, da fangen wir sich vielleicht auch, ja, das macht überhaupt keinen Sinn, weil eigentlich wir müssen doch forschen um die neuesten Technologien auch überhaupt, dass das ja überhaupt einsetzen könnte. Nein, eben nicht, weil unser Auftrag ist es nicht zu forschen, sondern man kann so sagen, es ist Evolution, Adaption und Migration, also die drei Sachen, das ist das, was wir machen, mit dem Fokus auf der Evolution, das heißt, wenn wir sagen, oder die Texte aus bei uns, jetzt eine neue Technologie ausmachen und entsprechend schon auf die Partner zugehen und da in den Kontakt sind, dann evaluieren wir das mit den und schauen dann, wie würden wir das denn in den Kontext der Bundeswehr rein bekommen? Also mit welchen, wir haben ja auch ganz viele verschiedene Anforderungen, also individuelle Anforderungen, die man sonst nirgendwo hat, kann man vielleicht auch mal darüber reden, das ist auch ganz interessant. Aber hauptsächlich geht es darum, dass wir nicht forschen, sondern auf externen Player, hauptsächlich auch Start-ups zu gehen und die dann mit einbinden. Wir haben kein Forschungsauftrag, ja, auch wenn wir mit universitären Einrichtungen zusammenarbeiten, ja, aber forschen tun wir nicht selbst. Ja, ich habe mich darum ein bisschen umgedacht, wenn ich entwickele, meine ich jetzt nicht hier sitze da und im Programm mit den ganzen Tag, weil meine Wahrnehmung war, dass die schon auch Sachen, Komponenten ja markt existieren. Ich würde sagen, die Projektidee oder eine Anwendung entwickelt, die dann auch inspiriert und die dann virtuell von den Leuten, die später für einen sollen, aufgegriffen und weiterentwickelt werden kann. Jetzt das dann schon, also das kommt aber dann auch wieder darauf an, also welchen Weg wir da gehen. Wenn wir jetzt über den Bedarf gehen, dann ist es so, dass die Innovationsanheiten dann schauen, welche Technologien würden da jetzt zu passen, klar, dann ist es dieser Weg. Wenn wir aber von der Technologie getriebenen Innovation ausgehen, wo wir hauptsächlich den Fokus drauf haben, diese Technologien zu verstehen werden, sie noch in der Entwicklung sind, dann muss man natürlich auch selbst überlegen, okay, wie könnten dann potentielle Anwendungsfälle aussehen? Und da bin ich dann bei dir, also da muss man dann tatsächlich auch selbst überlegen, bisschen kreativ vielleicht auch sein, welche Probleme gibt es denn, die ich damit lösen kann. Das ist ein bisschen das Prinzip "Lösung sucht Problem". Das ist eigentlich ein super cooles Feld, weil man sehr oft auch eine grüne Wiese hat. Aber es ist auch sehr, sehr fordert, weil man natürlich sehr, sehr viel Technologien evaluieren muss. Aber genau da entstehen dann auch komplett neue Ideen, die wir dann auch so der Bundeswehr dann auch zur Verfügung stellen. Manchmal auch ohne Bedarf. Das könnte man vielleicht so ein bisschen in Forschung vielleicht rein sortieren, aber es ist keine Forschung. Es ist dann eher eine Anwendung von diesen Technologien zu hören. So will ich das verstehen. Kannst du denn ein bisschen was zu den, das ist ja schon so ein bisschen angedeutet, dass dieser drei Punkte genannte hier macht. Und da haben die eben jetzt die E-Bole, die wir gesprochen haben, spielt auch die Migration etwas zu den, das soll auch eine Herausforderung sagen, die in diesem Bereich entstehen. Ja, da gibt es zwei, also einmal ist es wirklich hardwarebezogen, es ist andere Softwarebezogen. Gerade wenn man im Bereich der Software erst mal sind, haben wir ja sehr oft das Problem oder allgemein, sagen wir mal so. Allgemein hat man ja bei im Data Science Bereich und im Machine Learning das Problem, dass das immer ein Daten fehlt. Das hat jeder. Das hat auch, haben auch wir, das ist einfach so. Und da, da müssen wir natürlich noch ein Problem ist noch ein bisschen kabieren. Da ist es wegen, weil wenn wir jetzt solche Statilitenbildern arbeiten, die auch erstmal zu bekommen, ist natürlich auch so eine Sache. Natürlich kann man die einkaufen, ganz klar. Aber da muss man auch wieder trennen zwischen BVI und Bundeswehr. Die Bundeswehr hat ganz andere Möglichkeiten. Die haben natürlich ihre Statiliten. Die sind wahrscheinlich auch sehr, sehr viel besser als als die commercialen Statiliten. Aber wir können mit denen zum Beispiel nicht einfach so ohne weiteres arbeiten. Und da haben wir natürlich eine besondere Herausforderung. Das heißt, wir schauen uns die KI-Modelle beispielsweise an und müssen dann eroeren. Ja, die würden die Ergebnisse dann jetzt mit nochmals anderen Daten aussehen. Natürlich kann man in einer späteren Kooperation mit der Bundeswehr dann vielleicht auch dann diese eingestuften Daten dann auch verwenden. Und das dann nochmal validieren und sagen, okay, das funktioniert auch mit diesen Daten. Aber das ist natürlich ein zeitlicher Aufwand. Und da kann man dann zu diesen advertischlichen Problemen. Wenn wir mit solchen Daten arbeiten, dann kann das nicht überall geschehen. Also wir können nicht einfach sagen, wir haben mit Statiliten-Daten von der Bundeswehr aufschicken wir in die Cloud. Zum Rechnen. Das funktioniert nicht, darf man nicht. Das ist ja klar. Das heißt, wir müssen hier auf ganz spezielle Rechnzettrenn zurückgreifen. Die hat die Bundeswehr, ich bin ganz besonders zertifiziert und umgeschützt. Und da kann man solche Sachen dann auch umsetzen. Und jetzt erzähle ich dir bestimmt auch nichts Neues. He nach KI-Modelle hat man auch entsprechend große Parameterraum. Das heißt, man braucht auch ordentlich Power dahinter. Das heißt, wir müssen natürlich auch schauen, dass die Rechnzentren alle selbst jahrt sind. Und auch entsprechend Leistung vorgehalten ist, um solche Experimente auch dann zusammen durchführen zu können. Und das sind so diese beiden besonderen Herausforderungen, die wir jetzt haben, wenn es um solche KI-Projekte geht. Wir müssen also sehr viel abstrahieren mit öffentlichen Daten arbeiten. Und dann überlegen, hey, wie kann das in Zukunft denn bei der Bundeswehr funktionieren? Wenn wir also seit der Meinung sind das funktioniert gut, dann schauen wir, ob wir da dann entsprechend noch viel in einer Kooperation mit einsteigen. Aber das sind also die Probleme, die haben. Ich denke, die mit dem meisten Unternehmen haben wir halt nicht. Oder noch was, da finden wir auch bei der Hardware waren. Was ist denn zum Beispiel, wenn wir in den Feld einsatz gehen? Also wenn man so eine KI zum Beispiel, wenn man so Drohnauswertungen beispielsweise machen wollten. Und bei grad beim Inferencing ist es so klar, man braucht nicht so viel Leistungen für was so was angeht. Aber stellt euch mal vor, wie sind jetzt im Feld? Und die Drohne macht ihre Aufnahmen von irgendwelchen Fahrzeugen. Und jetzt kommt die Gegenseite auf die Idee her, kommen wir, wir ändern mal unser Tarnmuster. Dann nehmen sie einfach eine Plane, legen die über ihre Fahrzeuge drüber. Und dann erkennt die Drohne möglicherweise diese Fahrzeuge nicht mehr. Was macht man denn dann an der Stelle? Und eine Lösung ist, dass die Drohne dann doch manuell die gefunden worden sind. Also diese Fahrzeuge dennoch Videos macht, das zurückschickt an das Feldlager. Und dort dann ein mobiles KI-Backend, diese Modelle Feintune. Und dafür braucht man natürlich auch wieder enorm viel Leistung. Und das kann man jetzt auch nicht mit mit 100 GPUs oder 1000 machen. Sondern da geht es dann auch dann tatsächlich um das eine spezielle Geräte mitnimmt. Und da müssen wir dann auch schauen, welche Geräte, welche KI-Beschleuniger können wir denn da jetzt nehmen. Gerade in dem Kraft für die Bundeswehr, die halt eben hier ganz individuelle Anforderungen hat. Weil es jetzt auch schlecht ist nicht einfach ein ganz KI-Backend einfach mal durch das Land. Nein, die stehen in einem Server-Centrum und da bleiben die auch. Da kommt keiner auf die Idee, das Ding auf dem Lasswagen zu nehmen. Und dann mobil irgendwo aufzustellen. Das sind natürlich ganz spannende Use-Cases, die wir da haben. Aber die muss man immer denken, wenn man hier Innovation betreibt. Ich finde die ganze Daten-Thema auch, weil du gerade gesprochen hast natürlich spezielles Feld. Und da kämpft man besonders mit Datenmangel. Ich finde es interessant, wie sich das in Zukunft entwickelt, wie sich auch diese Ukraine konflikt auf diese Situation auswirkt. Weil da gab es jetzt auch schon ein Stimmen, dass dieser Krieg und die Daten, die da jetzt gezielt gesammelt werden können, auch die KI-Entwicklung im militärischen Kontext stark beeinflussen könnte. Also ich mag so, hat das mal gesehen, das war so ein ukrainischer Ton Soldat. Der hat sich profitiert. Genau, und er dann halt erzählt hat es, wie sie die. Bilder, die sie mit ihren Drohnen aufzeichnen, gleichzeitig wieder benutzen, um Computervision neu und alles zu trainieren, um dann die Zieleerkennung zu verbessern, solche Sachen. Jetzt ist ja genau das, wenn das dann und die Edge direkt funktioniert, ist natürlich ein Vorteil. Und da sehen wir natürlich, dass das KI und auch die KI Hardware eigentlich ein mächtiger Hebel sind für solche Sachen und das hat die Bundeswehr ja auch erkannt. Ich habe ja gesagt, das ist eine Schlüsseltechnologie und da versuchen wir natürlich bestmöglich, zu unterstützen. Ich hatte noch mal so die Frage jetzt, weil wir mehr zu dazu roll als PV zurückgehen, wo ja erst zu sagen kein Zugriff auf solche Daten oder nur schwer und selten vielleicht Zugriff diese Daten bekommt. Wenn ihr solche Modelle evaluiert, was ihr gesagt ihr versuchts mit zivilen Daten, experimentiert ihr denn auch mit synthetischen Daten, also weil das Herz und Trend auch jetzt mit Stability Fusion und so auch im medizinischen Kontext, dass man dort halt irgendwelter quasi generiert und versucht, guckt ob die Modelle das vom besten. Was könnte schön? Ja. Aber man weiß, dass KI besonders gut ist mit menschlichen Kletmaßchen. Das liegt ja beim Datenmaterial. Aber ja, das ist tatsächlich ein Thema, aber nicht nur wegen dem Datenmangel selbst, also wir haben momentan ein Experiment am Laufen, wo wir auch schauen, also ob es bw-seitig muss man natürlich sagen, haben wir da was am Laufen. Wie wir genau, dieses Problem angehen zum einen, natürlich diesen Datenmangel, aber zum anderen auch, wenn wir Daten haben, was ist denn mit verschiedenen Umwelt-Einflissen beispielsweise? Bei den Satelitenbildern, jetzt sind die Satelitenbilder vom Sommer. Super tolle Sache, jetzt ist der Einsatz allerdings im Winter, dann sehen die Bilder einfach anders aus, alles ist plötzlich weiß. Was macht man denn da jetzt an der Stelle? Und da gibt es verschiedene Verfahren, die wir gerade testen, um so was zu evaluieren. Zum einen kann man natürlich ein Feinshooting machen, indem man diese Daten durch den KI-Modell durchjagt und sagt, okay, so wie sonst Style Transfer gibt es ja auch richtig coole Projekte von Nvidia, beispielsweise die machen das ja direkt live, wo man ein Video reingibt. Und dann kommt das Video von einer Autofahrt, hab ich mal gesehen, wo man Landstraße entlang fällt im Sommer. Und auf dem anderen Screen ist das ganze dann plötzlich live im Winter zu sehen. Das sieht fantastisch aus. Ja, keine Frage. Aber das eigentliche Problem dahinter ist, wie verlässlich sind solche Daten denn? Weil, es ist ja so, man kann gerade, wenn man im visuellen Bereich ist, kann man ja KI, da hat euch ja schon durcheinander bringen, indem man einzelne Pixel ändert. Es gab mal so ein tolles Experiment, gerade bei der Object Detection hab ich das mal gesehen. Da haben dann Forscher nur ein paar Pixel verändert von einem Bild, wo ganz klar, ich glaube, das war ein Bild von der Fernbedienung, ganz klar, dass das eine Fernbedienung ist. Die haben ein paar Pixel geändert, und dann kam eine ganz andere Klassifizierung dabei raus. Weil sie festgestellt haben, oder genau wussten welche Pixel denn jetzt, wie stark bewertet worden sind von dieser KI. Und das ist natürlich schwierig. Deswegen können wir nicht pauschal sagen, dass das für so ein Feintuning genutzt werden kann oder auch sollte. Aber da gibt es momentan Forschung zu, also nicht von uns, sondern auch die Beobachten des, was da gerade vor sich geht, um genau zu schauen, wie genau sind denn die Ergebnisse tun wir uns damit überhaupt nicht gefallen, wenn wir mehr das so machen. Auf der anderen Seite, und das ist ein richtig cooler Vorteil, eigentlich von diesen Datenzentesen, ist, dass man kostengünstig Experimente machen kann. Weil, stell ich mir vor, wir haben jetzt, dass das, wir haben ein Projekt, wo wir sagen, wir wollen solche Drohnflüge automatisieren. Das heißt, wir nehmen jetzt ein paar Drohnen, wollten die durch den Wald fliegen lassen. Der KI muss ja steuern, dass sie nicht gegen einen Baum prallen. Jetzt ist natürlich sehr aufwendig, dann in den Wald zu gehen, jedes Mal die Drohnen fliegen zu lassen. Man könnte da aber das gleiche machen, indem man in der Game Engine nimmt und ein KI-Agenten dort anschließt und das dort erst mal trainiert. Da gibt es auch ganz tolle Hobbyprojekte, wo Leute automatisches Fahnen trainiert haben auf Basis von Computerspielen, fantastisch, super spannend, eigentlich. Und daher kommt auch die Idee, das Ganze alles, das virtuell zu machen, um da eben Kosten und Zeit zu sparen. Ich glaube, ich habe was, was in Autonomen fahren, vor allem auch gemacht. Ja, richtig gut. Das ist tatsächlich so, dass das Leder auch für den großen Firmen auch schon eingesetzt. Aber auch gerade, wenn es darum geht, ob irgendwelche Projekte oder Experimente, die man plant, das dann kann man die vorher mal testen, ob das überhaupt Sinn ergibt. Und bevor man überhaupt in den teuren Einsatz geht und sagt, man käme man, man kauft jetzt Drohnen und macht das dann live draußen im Wald, ja, das ist ja ein guter Spaß. Ja, absolut! Natürlich macht das nicht Spaß, aber da muss man natürlich auch die Kosten und den Nutzen im Hinterkopf behalten, ja, wir können halt auch nicht einfach so Spielwiese machen. Aber ein Ding fällt mir dazu noch ein, gerade in den Bezug mit Sommer- und Winter beispielsweise. Das können man nämlich auch sehr, sehr gut mit diesen Game-Engines darstellen, gerade jetzt mit der neuen Unreal Engine, mit der Version 5.1, da kannst du ja super tolle Lichteffekte mittlerweile auch machen und die sehen ja wirklich photorellistisch aus. Und was wir da jetzt schon mitgemacht haben ist, dass wir so eine Object-Detektion zum Beispiel darauf trainiert haben, also so ein basis-Training machen und dann auf diesen Basis-Modell dann nur noch Feintjun und das Feintjuningen läuft dann mit Echten-Daten. Und das heißt, wir haben also im Prinzip dieses Basis-Modell mit relativ, also mit keinem Echten-Daten trainiert und alles synthetisch, aber dennoch haben wir dann eine Ruhegenauigkeits, weil das Feintjuningen eben dann dafür sorgt und das sind solche Fälle, wo das durchaus Sinn macht und wo ich das auch definitiv so sehe. Kannst du auch durchsprechen, wie man sich jetzt auf so ein möglichst die Bläumen von sowas vorbereiten würde jetzt, also gerade weil du auch sagst oder zurechte anspricht, dass man sich mal einzelne Pixeln schon in kurzer Unterschied machen können und das heißt du hast dann immer diese Testumgebung, deine Benchmarks, in denen natürlich verifizieren kannst, aber Relive, also da gibt es ja diesen Begriff der Realitätslucke, der noch mal sehr groß ist, wenn dann wirklich in die Masse skaliert werden sollen. Wie kann man sich auf so das vorbereiten, jetzt als BBI oder Bundeswehr? Das ist natürlich schwierig, das ist ein vorbereiten, kann man so nicht, man muss es ausprobieren. Also das ist ja genau das, was wir machen, wer wir schauen eben, wie funktioniert eine neue Technologie und wer wir schauen dann auch, wo sind die Probleme und wo sind auch die Grenzen. Also gehtwegs explizit auch darum, diese Schwächen herauszufinden, um dann eben die Beratung, oder die Empfehlung darauf auszurichten, weil ich habe gesagt, die Bundeswehr hat ganz spezielle Anforderungen und das, das ist ja das, was wir machen. Also wir können jetzt nicht einfach, wir müssen es halt selbst machen, klar, weil damit man nicht, wenn es jetzt ein White Paper gibt, für eine neue Technologie und die haben gesagt hey, unsere Technologie funktioniert so und so gut und da sind die Schwächen, das ist schön und gut, aber wir müssen in unserem Kontext noch mal selbst evaluieren und erst dann können wir sicher gehen, dass wir das, wenn es empfehlen können. Das, deswegen kann ich jetzt hier sagen, ja, das kommt auf an, wir müssen das ausprobieren. Wenn wir jetzt dieses hypothetische oder dieses Beispiel mit der Drohne nehmen, durch den Wald fliegt quasi, also würdet ihr dann auch, wenn das quasi, wenn ihr zuversichtlich seid, dass das jetzt auch in echt funktionieren würde, nehmt ihr dann die Drohne in der Echte und fliegt damit durch den Wald und dann auch noch Tests oder bleibt ihr quasi im Software nicht, das ist jetzt alles hypothetisch, ja, aber das war einfach so ein bisschen einzuschossen wie Hans und quasi am Ende ihr seid oder ob ihr dann sagt okay wir sind relativ zuversichtlich, hier sind die Grenzen und gibt es an die Bundeswehr und die muss dann quasi noch mal testen oder das kommt natürlich dann darauf an, wo der Bedarf herkommt, wenn die den konkreten Bedarf einmal und mitteilen würden, sie brauchen das, sie müssen wirklich mit Drohne da durch, dann bleibt uns dann nichts anderes übrig, außer das natürlich auch selbst zu machen, ganz klar, wenn wir allerdings für uns jetzt sagen, ja es gibt ein neues KI-Modell, wir müssen es mal durch evaluieren, dann bleibt es einfach nur virtuell, weil wir dann einfach sagen funktioniert es oder funktioniert es nicht, wenn dann allerdings der Bedarf kommt, dann können wir auf diesen Daten natürlich aufbauen und sagen jetzt gehen wir mit den Drohnen in den Wald, dass das kommt immer darauf an und wie groß wir das auch aufziehen, wir haben da auch ein bisschen Spielraum natürlich, wo wir sagen macht das Sinn oder macht das nicht Sinn mit gerade wenn es darum geht die Technologie getrieben Innovation zu betreiben, weil das ist ja nicht direkt von der von der Bundeswehr kommend, da können wir dann schon sagen, okay unser Ziel ist das beispielsweise eine ganze Landstriche beispielsweise in eine 3D-Landkarte zu überführen, dann wenn wir das machen müssen wir ganz klar auch in den Wald gehen, wir könnten das natürlich auch mit ein Unreal und Co machen, aber das ist dann natürlich unser eigenes Ziel, wo wir sagen hey wir wollen das testen, weil wir die die Technologie toll halten und möchten es evaluieren, bevor wir das auch wirklich empfehlen, also wie gesagt das kommt ja tatsächlich einfach darauf an, das ist ein Gang, jetzt erwähnt die Einsatz von KI für zentätische Medien, Deepfax, das Information und solche Geschichten und müssen wir so ein bisschen über Computer Vision gesprochen. Ich habe gesehen, ihr habt auch ein Projekt, wo anhand von Wireless-Signalen, so zu sagen man so eine Art Röntgenblick durch, wenn da bekommen kann, wenn man dann sieht, okay, wie verändern Menschen im Gebäude, die Wireless-Frequenzen, also würd' den weitesten sind auch unter Computerwischen fallen, ne? Ja, würd' es, aber das ist dann mehr so eine Datenfusion bei dem Projekt, also ich kann Sie mal kurz erklären, das heißt bei uns Signal Intelligence, oder man ist auch bekannt unter dem Namen mit KI durch Wende sehen, ja, ganz pragmatisch. Ja, es ist das noch nicht so, man ist einfach grimmiger als Signal Intelligence, aber dabei geht es nämlich genau darum, die Signale so zu verarbeiten, dass wir haben da ein mobiles Gerät, wenn's ich voller Bord, das funkt im Gigahertzbereich von 3,3 bis 10 Gigahertz und da ist es uns dann möglichst wie es richtig gesagt hast, durch diese Funke, die da absorbiert werden, durch Menschen und die da zurückgeworfen werden von Wänden oder Harten Gegenständen, lässt sich da eben dann ein Umrisse lassen sich damit dann eben darstellen und das Ganze wurde so trainiert, dass wir hier die Funkewellen genommen haben und gleichzeitig auch eine Webcam, das heißt wir haben zwei Datenquellen, aus dem Webcam bildern wurden dann diese, ja, wurden diese Attention, ja, wurde die Attention generiert und das wurde dann überlagert mit diesen, mit den Funkewellen, so dass wir dann beim Inferencing dann eigentlich nur noch die Funkewellen haben und dadurch dann auch dieses, dieses Bild generiert wird, also wir haben da beide zusammengenommen und das funktioniert wirklich super, also das ist eigentlich gedacht gewesen für Geiselbefreiungen, also wenn so einen Spezialkommando, kann man sich mal, könnt ihr mal ausschmücken, also einen Spezialkommando, hat ein Gebäude umstellt und trennt jetzt die Soldaten und die Geiselnehmer nur noch eine Wand und in so einer Situation, klar, da sind diese Informationen von den Positionen der Geisel und der Geiselnehmer natürlich sehr, sehr wertvoll und genau das machen die damit, die haben dann dieses Modell, das ist das Modell, das ist das Gret, das ist so mobil, dass man das wirklich so in die Hand nehmen kann und stellen sie auf und dann sehen sie direkt wo, dahinter eben die Leute sind und können so mit den Zugriff dann auch koordinieren oder eben auch was, was auch ein toller Einsatzzweck ist, ist bei Verschütteten, ja, also es kann ja aus sein, dass das gerade beim Erdbeben, wir hatten es ja zuletzt in den Türkei erlebt, so einen Technologikern der Versorgung, dass man die Vermisten besser und schneller findet, wo jetzt so Thermalkameras nicht funktionieren, kann sowas ja durch den Schutz durchgehen, und da wirklich zum Leben retten beitragen oder auch bei der Feuerwehr beispielsweise, könnte man die Hauswand stellen und dann schauen, ist dahinter noch ein Mensch oder ein Hund oder Katze beispielsweise, also die haben wir dann auch so so Use Cases, die wir auch übertragen können, also von formilitärischen her in Zivile und aber auch umgekehrt gegen die genauso werden, außer auch Projekte, die in die andere Richtung natürlich gehen, also das ist eigentlich eine ganz spannende Sache hier. Du hast jetzt so ein bisschen so eine Frage oder hast du direkt an anschließende Frage? Ich war dann schlechte Mittag, danke, danke über fall, da mache ich Flugmode aus anderen Zugriff. Weil du hast gerade den Begriff "Tension" benutzt, in deinem Alltag, wie viel von dem was du tust, ist mittlerweile Transformerarchitektur, gerade gefragt. Ja klar, weil in die Transformer natürlich da geht alles über Tension. Also da ist ja sehr viel, natürlich klar in den Sprachmodellen zum ein, aber glaube ich find es ja auch im visuellen Bereich wieder und gerade auch wenn es darum geht, wischen Transformer ist ja so ein Mindetechnologie auch super spannend, aber um deine Frage zu beantworten, vermehrt, das ist so vor noch nicht allzu langer Zeit, war so der visuelle Bereich, so der Stage of the Year, also da, wo man alles drauf ausgelegt hat, der Fokus war einfach darauf, weil es natürlich eine Auswertung oder 3D-Visualisierung von Gebäude, zerstörten Gebäuden und so was, das ist natürlich super cool, aber jetzt wo natürlich klar die Sprachmodelle kam, das hatte so 2017, man kann mir die ersten Transformer auf den Markt, kann man ja so sagen, und seitdem klar, dann merken wir auch, hat sich sehr, sehr viel getan und nicht zuletzt, ja, deshalb Thema JetGPT, wer kennt es denn nicht, das sorgt auch momentan dafür, dass immer mehr Anfragen kommt, uns ob man so was denn nicht auch einsetzen kann, ja in welcher Form denn auch immer. Also das heißt, wir haben momentan sehr, sehr großen Anteil an Transformer-Technologien, was das angeht, einfach weil jetzt die Informationsaufbereitung sehr, sehr wertvoll ist, also das beginnt schon bei, bei der Analyse von irgendwelchen Handbüchern beispielsweise, wo man dann einfach so ein FAQ bot baut und den dann fragt, die haben, welche Uniform muss ich denn jetzt anziehen, ganz, ganz banale Frage eigentlich, aber vor euch dann ins Handbuch-Schau, ja, ist doch eine super cool Idee, ich frag einfach, dass den den Transformer, dass das JetGPT oder sonst was und kriegt dann direkt meine Antwort, also wir haben da schon sehr, sehr viele Ideen bekommen und nachfragen, wann kommt denn das alles? Also ja, heute und in einer Zukunft wird es auf jeden Fall dominieren, der Bereich sei ein, ja. Also das ist auch gerade in irgendwelchen Transformer genannt, dass, da, den muss ich nämlich auch vorhin denken, als wir darüber gesprochen haben, wie, also wie ich schon so wenige pixel, wenn die Fernando wurden, früher halt die Analyse verändert haben und das liegt ja auch soweit ich das verstehe, unter anderem an diesen Texturbyus, den diese Modelle oft haben. Das ist sehr halt, während der Mensch quasi, wenn er was, sich auf dem Bild anschaut oder irgendwie in der natürlich umgebung rumläuft, objekte an ihrer Form eher erkennt, es ist so, dass bisher KI-Modelle immer sehr stark an der Textur orientiert waren und ein Ziel in der Forschung soweit ich das verstanden habe, ist das jetzt zu reduzieren, also das auch solche KI-Modelle stärker sich an der Form orientieren. Und da gab es kürzlich ja diesen oft 22 Milliarden Parameter hochskalierten Wischentransformer von Google, der irgendwie ist immerhin schon erreicht hat, glaube ich, so ein Formbyus von Pan, 87% oder so ist zu haben. Ist das auch so, was ihr so seht, dass quasi durch Veränderung von Architekturen diese Modelle auch zuverlässiger werden? Ja gut, das ist jetzt wankst du aber wie so, also das Ziel von allen Forschenden natürlich, die bestmögliche Crazy dort raus zu bekommen, ganz klar und natürlich auch für uns und die Wischentransformer, die haben sehr viel Potenzial, also gerade jetzt in kleineren Experimenten, jetzt nicht unbedingt von der BVI, sondern die Studien, kann man eigentlich sagen, da ist es ja schon so, dass die klassischen CNS, also den convolutional Networks schon ziemlich konkurrenzmal in einzelnen Bereichen, die sogar schon übertressen. Natürlich haben die auch Reanachteile, die sind deutlich größer, sind eigentlich auch langsamer, sind komplexer, aber am Ende zählt der die Hauptmeistens zählt der dann die Crazy. Und da ist es tatsächlich so, dass die durch diese Tockengenerierung, die dann auch wenige anfällig sind für solche Muster, aber da kommt natürlich auch immer darauf an, wie viele Tokens hast du denn überhaupt, also das ist alles relativ, aber meine eigene Meinung ist jetzt, wir werden auch nicht drüber umkommen, also ich kann es auch immer noch empfehlen, also das Paper von den Wischentransformer, von Google ist super interessant, da stellen die das nämlich genau mal so vor, worauf da eigentlich ankommt und warum das eigentlich so überlegen sein wird. Also sehe ich schon, dass das einfach in diesen Sprung ist, also die die convolution war der erste große Sprung damals, also das noch die, die hauptsächlich die fully-connected Layer gab, da war ja das, die convolution, das war ja ein Quantensprung eigentlich, was was das angeht. Und ich sehe jetzt hier auch die transformatischen Gear eigentlich, das ist ein ähnlicher Quantensprung, nur, dass das deutlich flexibler ist, nämlich auch im Sprachgebrauch, und das sehen wir halt auch gerade, was JetGPT leistet, aber ich sage auch immer, genießt diese Technologie mit absoluter Vorsicht. Ich finde in dem Fall, also bei den Wischentransformer gab es das ja, also man kennt man ja auch schon aus den Sprachmodellen schon länger, das dann so geguckt wird, wie sich das abgleichs mit quasi Prozessen, die Menschen in Gien stattfinden, und da gibt es ja auch so diese, also die convolution in neuralen Networks, werden ja oft auch so präsentiert, dass sie inspiriert wurden, expliziert von so, wie da es Menschen gegieren das macht, und da gab es auch jetzt vor ein paar Wochen Paper, wo die auch gezeigt haben, das ist, dass dieses Match zum Menschenprozess im Wischentransformer deutlich höher ist als im CNN, was sie dann so in der Printiert haben, das ist auch die Erklärung dafür, dass wir uns dann eben ein bisschen flexibler ist. Hier, genau, das ist aber, das ist halt momentan alles, es ist sehr interessant, aber das, das ist sehr, ja, es ist halt State of Science, also man kann, also ich persönlich kann jetzt noch keine Aussagen, du machen ob jetzt zum Beispiel die BDE oder die die Bundeswehr jetzt sagt, wir setzen total auf diese Technologie-Transformer, sind einfach unschlagbar gut, das muss ich jetzt einfach als mit beweisen, gerade was, was in den Wischelbereich angeht, weil da einfach auch der Leistungsfunker noch sehr. sehr hoch ist. Klar. Das wäre so, weil wir jetzt sehr viel über Software gesprochen und das für ihn ja schon mal ganz kurz so gesagt, dass halt die Hardware-Anforderungen, also in Video stellt ja bisher keine Rocket-DGX Server her, die man irgendwie auf einen Laster rum transportieren kann, soweit ich weiß zumindest, wenn wir so Hardware-Anforderungen anschauen, also einmal natürlich auch so, das ist ja schon erwähnt, man es große Modelle brauchen, viele Hardware-Anforderungen, aber schaut ja euch dann auch Canon or Omophic Hardware an, schaut ja euch quasi all die nächste Veranstalter. Ja, ganz genau. Also genau das ist sogar der Hauptbereich, wo wir, also ich muss mal sagen, wo ich verordnet bin. Ich bin kurz zu infol im CT Office bei uns, das ist unser Fokus, die Technologien sind im Fokus, wir haben der Fokus zwischen fünf und zehn Jahre in der Zukunft. Da fällt natürlich sowas mit rein und ist eine einige Leute sagen, zehn Jahre schaut den die Zukunft bei KI, das geht eigentlich gar nicht, weil das sich ja so schnell ändert. Ja, das stimmt sehr, deswegen sag ich auch immer, wir schauen uns wirklich die Forschungsprojekte an. Also das, wo wirklich gerade geforscht wird, aber unser Auftrag ist tatsächlich weit in die Zukunft zu schauen. Und da ist es tatsächlich so, also wenn wir, fangen wir damit, also GPT 3, ja, meines Wissen sagt wurde das mit 10.000 GPUs. Also diese V100 von NVIDIA trainiert, 10.000 Stück misst euch mal vorstellen. Jede Systemadministrate wird da sagen, wo sind das alles administrieren? Ja, das, das ist natürlich eine richtig große Aufgabe. Ja, das, das auch alles funktioniert und allein die Kosten. Ich glaube, das waren knapp fünf Millionen US-Dollar, die dort aufgewandt worden sind, nur für ein einziges Training. Das kann sich ja eigentlich kein kleines Unternehmen leisten oder gerade privat, wenn man damit mal ein bisschen rumspielen möchte. Ja, keine Frage. Das geht einfach nicht. Aber auch bei der BVI ist es natürlich so und das wird ja schauen müssen, okay, was ist denn hier praktikabel? Jetzt können wir auch nicht einfach aufs Welt 10.000 GPUs stellen. Das geht ja auch nicht. Hab ja gesagt, Verlegefähigkeit ist hier das Thema. Und da ist natürlich unser Fokus drauf und zu schauen, welche Technologien werden denn in Zukunft dann mal da, die die meisten Chancen haben, das, das vorzuführen, also die, die, die, die, die, die Leistung erbringen, um diese Modelle zu trainieren. Weil, man sagt bestimmt den meisten, was dieser von Neumann Flaschenhalts, den es da gibt, bei der Architektur. Das ist, was hauptsächlich CPUs und GPUs so ein bisschen daran hindert, so richtig performant zu skalieren. Gerade also die, die sind nicht, also dieser, dieser Flaschenhalts, sich ein Speicher und der, der eigentlich ein Ausführenden Einheit. Da müssen die Instruktionen immerhin und her rein rausgeladen werden. Und da gibt es nämlich jetzt, dadurch, dass, dass das so, dass diese Modelle so groß werden und wir so viel Leistung brauchen, baut sich ein ganz neue Markt auf. Und da haben wir festgestellt, dass gerade in den letzten fünf Jahren, haben sehr, sehr viele Startups gegen da, hervor, die sich genau diesen Problem angenommen haben. Das sind dann, es darfst die zum Beispiel, ich kann mal ein paar Namen nennen, jetzt ohne Werbung zu machen. Also, es sind sowas, wie Settapras, Sambanova oder Graphcore, Myth oder was gibt es in der noch Light Metal. Es gibt also ganz viele, da gibt es Hunderte, also wirklich, ganz, ganz viele. Und alle sagen von sich selbst, die sind die besten. Das ist das Marketing, ja klar. Und jetzt können wir damit natürlich nichts anfangen, ja, wenn die uns sagen, hey, liebe BVI, wir haben die beste Hardware für euch. Hier sind unsere Benchmarks, die sind natürlich alle so geframed, dass sie natürlich am besten sind, weil verschiedene Hardware-Architekturen haben bestimmte Vor- und auch Nachteile, aber sie zeigen man die Vorteile. Und das ist das, was wir jetzt auch machen. Das heißt, wir sind gerade bei so ein Kailabor aufzubauen, wo wir an einem Ort ganz viele verschiedene Hardware-Architekturen versammeln. Also wirklich, die performanten. Und schauen, wie gut funktionieren, das heißt, wenn man Experimente, gleiche Experimente, also in der gleichen Voraussetzungen, und lassen wir auf der verschiedenen Systemen laufen. Wir prüfen dann, die schnell sind sie, wie es der Datendurchsatz, wie schwer ist es, die Sachen anzuprogrammieren, weil es sind halt andere Architekturen. Da kann man nicht einfach mit einem ganz einmalen Peicens-Gripp drüber gehen. Das funktioniert ja nicht, versteht der Chip nicht unbedingt. Sondern da gibt es tatsächlich genau darum, wie einfach ist das auch einzusetzen? Und eben auch zum Beispiel, wie verlegefähig ist das ganze Teil. Also, und so möchte ich auf irgendwelchen Temperaturen läuft, das ist das Wasser gekühlt oder nicht. Das sind alles wo solche Faktoren, die wir da testen. Und da geht es dann darum, also gerade zum Beispiel Serrebrasse, habt ihr das Ding schon mal angeschaut. Das ist so ein Chip, der ist ja enorm groß. Es ist sehr wafferscale Chip. Es ist schon genial. Da gibt es andere Sammanova und so was. Die haben enorm großen Arbeitsspeicher im Terabytebereich. Das sind einfach Technologiesprünge, die kennt man so eigentlich gar nicht im normalen Umgang mit solchen Systemen oder gerade so als normaler Data-Scientist, sind es schon echt gewaltige Hausnummern. Und mit solchen Sachen beschäftigen wir uns. Das sind Sachen, die sind jetzt noch nicht direkt einsetzbar, weil die teilweise auch nur in der Entwicklung sind. Aber wir müssen jetzt schon sagen, wenn der Bedarf kommt für so ein System, müssen wir ja sagen können, okay, unter diesen Bedingungen, liebe Bundeswehr oder wir dann auch immer uns an dem fragt, nehmt das oder wir empfehlen, dass dann eben und leiten dann natürlich auch unsere ganzen Erforschungs- und unsere ganzen Evolutionsergebnisse dann entsprechend weiter. Und da gibt es natürlich ganz ganz viele verschiedene Sachen, also einmal diese Backendrechner für das Training. Aber es gibt ja auch so Sachen wie für's Inferencing, so beschleuniger Karten, beispielsweise nur für's Inferencing. Und da gibt es ja ganz exotische Sachen momentan. Da gibt es so analoge Chips, beispielsweise die Rechner nicht mit 1 und 0, sondern mit analogen Signalen, also jeden dem ich das erzählt habe, hey, wir beschaffen analoge Chips oder so. Wir haben das so vor. Da ist ein bisschen analoge, aber wo lebt ihr eigentlich ja, wir sind dabei alles zu digitalisieren und die Arbeit mit analogen Chips, was ist da los. Aber die haben halt ganz krasse Vorteile, gerade wenn um den Stromverbrauch geht. Und solche Chips sind zum Beispiel dann dafür gedacht, in den Dronen eingesetzt werden, damit die Drohen, Achtung, Wort-Bits, Onde-Fly, die Sachen auswerten können. Dafür beispielsweise, oder es gibt Chips, die arbeiten mit Laser-Licht. Da können wir vorstellen, das ist so so ein Chip. Und die haben dann da so Glasfaseanschlüsse drin. Was ist denn da los? Sie leiten wirklich so Laser-Licht dann mit dort rein und dann mit diesen Lichtfrequenzen zu arbeiten. Es ist total abgefahren. Oder was auch noch gibt, ist eben, was auch gesagt, diese Neuromorfen, Sachen allgemein. Das ist ja so ein großer Bereich, aber es gibt ja auch so einen ganz entfernter Zukunft noch so Experimente, die mit Zellen agieren, also wechseln so Gehirnzellen, total abgespäst eigentlich. Ja, genau, das ist die Wettware. Das muss ich aber sagen, das ist ganz, ganz, ganz weit am Ende momentan noch, weil das ist ganz frühs Forschungs-Stadium. Aber der weiß im Mittel oder langfristig wird es natürlich auch dahingehend das uns die Sachen anschauen. Oder was ich zuletzt gelesen habe, ist, dass das jetzt auf vierm schon mit schämlichen Prozessoren arbeiten. Ich auch, das ist denn hier los. Also die Rechnen mit schämlichen Reaktionen. Also das sind genau diese Sachen, mit denen wir uns beschäftigen. Wie sieht denn die Hard für Architektur der Zukunft aus, um da eben darauf vorbereitet zu sein? Und das ist höchst spannend, wie ich finde. Und da wir dann die Sachen, die wir da evaluieren, haben wir dann als toll neben Effekte, wenn wir diese Hardware da haben, können wir auch gleichzeitig dann eben auch die großen KI-Modelle trainieren. Also wenn wir jetzt mal zurückgespringen zu diesen großen Becken, dann haben wir da auch da die Möglichkeit. Und deswegen haben wir hier so eine tolle Win-Win-Süderts-Zul mit unserem KI-Labor, um so was zu machen. Ja, ich will schon nicht, ich bin, ich ist schwerer mal davon. Das macht halt freude mit so etwas zu arbeiten. Ja, das ist klar. Hast du den mal den ganzen Hardware Architekturen schon ein Bauchgefühl, was da jetzt naht, oft besonders wichtig werden könnte oder wo es hingeht? Weil jetzt hängt ja noch sehr viel an diesen GPRs und ein Video, wo aber jeder da geht, es ist eigentlich nicht effizient, wir brauchen neue. Ja, gut. Also es wird darauf schon hinauslaufen, dass man diese KI-Wirk-Flows, dass man dafür eigene Architekturen braucht, weil es sind mal ehrlich, also CBOs und GPUs sind einfach nicht dafür gemacht worden, die sind ja nicht dafür entwickelt worden, solche Berechnungen durchzuführen, die werden ja eigentlich nur missbraucht, so sagen und dadurch, dass die dann einfach so einen hohen Verlust haben bei der Skalierung, Leistungs- und wie auch Energieverlust, dann renntiert sich das nicht mehr. Also wir werden eigentlich gar nicht drum herumkommen, um solche Spezialsysteme und also das kann ich schon mal sagen, was jetzt das Rennen macht, welche viermal oder sowas? Ja, da muss ich ja leider sagen, dass es in unsere Evolutionsergebnisse ist. Aber das ist das, was wir machen. Genau darum geht es eben, damit wir wissen, okay, auf den Partner können wir setzen, auf den vielleicht jetzt eher nicht so aus irgendwelchen Gründen, das ist genau das, das ist es aber. Ich finde es auch sehr spannend, das Feld, also z.B. Craft Core hat ja auch gesagt, sie wollen gar nicht mit den Video konkurrieren, weil sie quasi auch was ganz anderes erzählen, also auch so von den Modellen, die sie halt die Fokusienziehe auf Craft Novel Networks, wenn ich das richtig verstanden habe. Und ich glaube es war das CEO von Serrepras, der meinte, mit ihrer Architektur könnte man schon bald irgendwie Modelle mit 100 Billionen Parametern größeren trainieren. Es ist schon sehr spannend, also auch weil es glaube ich auch unabhängig jetzt von eurem Arbeitsfeld hat, die nochmal, wenn man davon ausgeht, dass dieses Kalierungsgesetz auch noch ein bisschen weiter gültig sind, werden wahrscheinlich noch ziemlich viele verrückte, auch gerade Multimodalenbereich, Modell entstehen, die wir jetzt noch nicht so absehen. Ja absolut, da kann ich mal was tolles zu sagen, ich habe nämlich zu letzten Vorteil gehalten über genau dieses Thema, wo es um die die Größen geht von solchen KI, speziell von MLP-Netzen. Wir haben seit 2017 jährlich momentan einen Anstieg der Parameterzahl um den Faktor 10. Also jedes Jahr Faktor 10, die, also Faktor 10 mehr, mehr Parameter, weil sich es überlegt, das alte mursche Law nochmal rauskram, wo er besagt, alle zwei Jahre verdoppelt sich die Transistorzahl, ja. Klar, natürlich mehr Transistoren, heißt nicht unbedingt, dass es besser ist, weil es Galierung hat man ja eben schon, ist nicht immer so, aber da kommt die Hardware nicht mehr mit, das heißt wir sind zwingend darauf angewiesen, wenn es in dem Tempo weiter geht, dass wir da eben neue Architekturen bekommen. Anders funktioniert es, das würde einfach, dass das KI-Wachstum, so ihr es jetzt kennt, dass das Moment um, das würde dann einfach, ja, das würde verpuffen. Und da sind aber die Firmen auch dran und die haben wirklich gute Ideen, also das funktioniert tatsächlich wirklich gut. Deswegen gehe ich auch davon aus, dass dieser Hype, den wir momentan haben, der wird so weitergehen, die Parameter, die werden weiterhin explodieren, ja, und es wird dann darauf ankommen, wie preiswert diese Architekturen sind, wer sich das alles leisten kann und wer nicht, weil jetzt das sind wir vielleicht später nur eine große Monofole, wo sich die ganzen großen Tech-Componies, die nur noch leisten können, ist natürlich schade, aber da wird es drauf ankommen, es wird sehr stark auf Hardware konzentriert sein, in den nächsten Jahren, da wird sich entscheiden, wie schnell es weitergeht, das ist so weitergeht und immer neue Höhden kommen, definitiv. Wir hatten ja vor allen Dingen über um KI, so, ich sag mal, im relativ umilbaren Militärischen oder dann habe zum Teil aber zumindest im Einsatz Kontext gesprochen, jetzt unterstützt ihr ja nicht nur Soldaten, Soldaten, sondern ist unterstützt ja auch Behörden oder die Leute, die halt an schreibtisch sitzen, white collar worker, habt ihr denn auch da projekte am laufen und siehst du da gleich, gleich potential wie das kriegen wir so ganz schön immer. Das wird es sich natürlich jeder wünschen, ja, ganz schwer ist, das hänge ganz viele Komponenten dran und wir wissen ja auch, KI ist ja immer so ein spezielles Werkzeug, wir können damit spezielle Prozesse beschleunigen, aber natürlich nicht alles, deswegen kommt's natürlich ganz darauf an, so aus BWIs, BWIs kann ich natürlich sagen, ja, wir haben da so einige Sachen, gerade zum Beispiel Bundeswehr, das ist eigentlich ein gutes, gutes Beispiel dafür, also Bundeswehr mit EAR geschrieben, ich habe mich denn nicht versprochen, also Where, da geht's nämlich darum, die Lagehaltung und die Lieferketten zu optimieren, wenn man sich mal so vorstellt, wenn ein neue Soldat, neue Rekrut kommt und dann wird der vermessen, der muss vorstellig sein in der Kaserne und dann hat man als, ja, muss man vielleicht noch warten und Sachen ausfüllen und und also es ist einfach ein biokratischer Aufwand und vor allem zeitlicher Aufwand und das war eines von unseren Innovationsprojekten und da haben wir genau uns dieses Problem angeschaut und sind dann zum Schluss gekommen, ja, warum macht man das nicht eigentlich mit einer Smartphone-Kamera, hat ja jeder zu Hause und so was dann auch, wir haben also ein Projekt aufgebaut, mit dem es möglich war, dass der Rekrut zu Hause sein, sein Kamerahendi vor sich hinstellt und ein Foto macht und die KI dahinter, die hat dann, es war eine Segmentierung über ein Unit, hat dann mit ein paar Angaben zu, mit Entfernungen beispielsweise, konnte dann berechnen, welche Kleidergröße hat in der Junge oder das die Rekrutin, ja, und das konnte er dann direkt in Auftrag geben und dann wird es direkt zugestellt, das heißt dieser ganze Prozess, der wurde einfach dahingehend eingedampft, dass nur noch das Smartphone benutzt werden musste und das hat wirklich sehr, sehr gut funktioniert und dass das jetzt einst davon, oder ein anderes ist, werden Sie voll von den Natural Language Processing Models, wir haben noch ein anderes Projekt, das nennt sich Scout und da ging es eben darum, kurz im Nehmensatz angesprochen, solche Gradfins um FAQ oder so was geht, mal schnell nachfragen, wie funktioniert denn etwas, das ist auch was, wo wir sagen, okay, da muss man jetzt nicht nur bei einer Behörde anrufen oder einen vorgesetzten Fragen, sondern kann dann so eine KI fragen und die Antwort wird einem direkt und vor allen Dingen auch verständlich, nicht dass dann sagt, hey, wie eine Suchmaschine, schau bitte auf Seite X in diesem Handbuch nach, sondern einfach direkt die Antwort liefert, das ist auch so was, wo wir sehen, dass das kann in Zukunft doch die Prozesse ein bisschen entschlacken und vor allen Dingen Leute, da ich mal nicht, damit die die Beamte noch nicht mehr blesstig werden mit so viel Kleinkarm, ja, das wird einfach abstrahiert, das sind so eher die Sachen, aber außerdem ist allgemein, das ganze besser und schneller wird, weiß ich nicht, vielleicht, ja, das ist sowieso so ein bisschen Glas, Glaskugel, kann es ja sein, wenn wir so multi-modale Netze haben, ich irgendwann mal das, das ist wirklich mit einem Chatbot einfach nur noch über irgendwelche Bestellungen, Chette und die dann einfach direkt getätigt werden und mit Zugriff auf irgendwelche Bankkunden oder Lieferadressen und so was, das könnte ja sein, ja, das ist aber jetzt nicht was, was wir gerade verfolgen, aber ich könnte mir vorstellen, dass es in Zukunft dann durchaus diese Prozesse verbessert, also gerade mit der aktuellen Entwicklung, denke ich jetzt persönlich, kann ich mir das vorstellen. Im Kontext dieser Sprachmodelle wird ja, wenn es kontrovers diskutiert wird, kontroversen diskutiert, dass diese Modelle halt einfach zum Teil Informationen halluzinieren, ist am Fachbegriff und könnte sagen, sie schreiben einfach Unsinn, jetzt könnte ich mir vorstellen, dass das gerade in einem bürtlichen oder einem Militärischen Kontext natürlich besonders sensibel ist, wenn dort noch viel gravierende als bei anderen Fällen falsche Informationen rausgegeben werden, kann man stelle ich vorhin mal halt irgendwie eine Deadline um bestimmten passt zu beantragen und das Modell, das ist ein Jahr hoch und stimmt aber nicht. Wie behandelt ihr, wie geht ihr damit um vor allem auch in eure beratenden Funktionen? Das ist sehr, sehr gute Frage, genau das, ich habe es erwähnt, genau das kriegen wir sehr, sehr oft auf unser Schreibtisch von Leuten hier sagen, hey, ich will JetGPT benutzen, das ist doch voll cool, warum, warum haben wir das bei uns nicht im Einsatz, das funktioniert doch super toll. Ja, das sind nämlich genau diese Probleme von solchen Modellen, dass die einfach nur eine, ja, eine Ansammlung von Wahrscheinlichkeiten eben sind und eigentlich gar nicht verstehen was, was sie da eigentlich, was sie da tun und das wird ja auch zurecht extrem reglementiert von den Herstellern, gerade OpenAI, hat ja ein Higel vorgeschoben, dass man das Ding nach Gefühlen fragen kann oder so, was das hat einfach den Hintergrund nicht um die KI oder die Leute dort zu schützen, sondern um die User zu schützen, weil da einfach wirklich Sachen rauskommen, die unglaublich echt klingen, weil wir halt eine Sprache, Sprenn, die KI spricht ja unsere Sprache und ich hatte mal Zugriff auf sowas, wo es diese Regeln noch nicht gibt, es ist echt beeindruckend und da muss man wirklich aufpassen, weil man sich jetzt vorstellt, dass das dann wirklich in einem militärischen Kontext passiert oder muss man es gar nicht militärisch sein, egal was, ja, also auch wenn wenn es ganz normale Kommunikation ist, da muss man wirklich aufpassen, was dies Informationen angeht und wir selbst haben das auch aktuell in der Evolution, also schauen, wie gut das ist, jetzt, natürlich OpenAI, aber eben auch Konkurrenten, es gibt auch verschiedene andere, die sind nicht so gehyped, aber die sind da, die gehen andere Wege, die haben dynamische Regeln vielleicht drin, oder die haben das Ganze anders aufgebaut, die sind eher Fakten bezogen, also da gibt es wirklich andere Player, die kennt man so gar nicht, aber die sind da, sagen wir, wirklich weit und bei uns ist es so, wenn gerade bei diesem Scout-Projekt, das mal getestet haben, mit was soll ich anziehen und dann kommt die Antwort zurück, da haben wir nicht ein KI-Modell genommen, was dieses aller Weltwissen drin hat, nee, sondern da ging es tatsächlich darum, also ja, das hat so einen gewisse Grundlabel von Wissen gehabt, klar, sonst könnte man damit nicht interagieren, ja, aber was wir da genommen haben ist eben Zero und Viewshot Learning, das heißt wir haben da dann Dokumente reingekippt und können damit dann auch direkt sagen, wenn man eine Frage stellen, dann kann diese KI auch direkt sagen, woher hat es diese Informationen, gerade dieser Begriff Explanable AI, ist ganz, ganz wichtig, also da geht gar nichts in der BVI und eben alles was so öffentlich ist, KI ohne dass man das zurückverfolgen kann, kann man sich da einfach nicht leisten, weil die Fehler kann man sich nicht leisten und da ist es so, dass wenn wir diese Wissen und Viewshot Learning da verwenden, dass wir dann eben gesehen, okay, die Daten, die rauskommen, das sind trotzdem noch vereinfacht und schön, wie man es auch von JetGbD kennt, einem schönen Prozertext geschrieben, aber dann steht immer dabei, woher kommt diese Informationen mit dem schönen Link und dann heißt genau in diesem Dokument, in dieser Zahl, da habe ich diese Informationen her, also kann man das prüfen und das ist der Weg, den wir momentan einschlagen, um eben da Fehler zu vermeiden, das ist halt ganz ganz wichtig. Und diese Links für Weise sind nicht generiert im eigentlichen Sinne, sondern die sind. Nee, das ist okay, das heißt, die sind wirklich mal 100% lang. Genau, aber darum geht das. Also, wo aus welchen Quellen wurden diese. ja, wurde dieser Text generiert, was ist damit eingefchlossen. Und das kann man eben machen, wenn man diesen Datensatz beim Inferencing noch hat, dem muss natürlich wie in der Datenbank einfach noch mit anschließen und dann kann man das tatsächlich so machen. Und so sich hat man sich da eben ab, man kann dann auch noch einen Scoring machen und sagen, "Okay, ich bin mir mit meiner Antwort zu 70% sicher, dass ich korrekt bin, aber schau hier ist der Link, da kannst du einmal direkt nachschauen." Und das ist eigentlich mittlerweile gut bewährt, muss man mal schauen, wie das dann weitergeht. Aber so denken wir, könnte das funktionieren. Es gibt ja auch von alle Falle diesen. Werste. diesen. Luminus. Genau, aber es gibt ja ja, diesen Bürgerassistenten in Heidelberg aufgezogen. Lumin. Ich glaube, da ist Luminus ja. Da ist es ja auch. Also, ich habe auch mal ein bisschen mit dem Umgespiel, da ist es auch sehr so. Sobald irgendwie versuchst, das irgendwas anders zu reden, dann so ja, sorry, kann ich nicht weiterhelfen und sonst auch sehr fack bezogen und gibt dir links raus aus den jeweiligen Services der Stadt und so. das klingt ein bisschen so wie das, was ihr auch anstrebt. Genau, und das ist es ja, aber auch der. Ich habe gesagt, die Bundeswehr hat ganz bestimmte Vorgaben individuelle Anforderungen, die wir halt denken müssen, und das ist so eine. Und da können wir einfach nicht so ein großes Chat GPD oder so was nehmen, sondern wir müssen das wirklich fackt orientiert machen. Und das funktioniert ganz genau so, ja. Ich finde das in der Landwahl, Microsoft ist ja jetzt hingegangen und hat dieses Chat GPD Person mit noch irgendeinem anderen Modell einfach mal so in die Bing-Suche rausgeballert, wer damit ein bisschen umgespielt hat, weiß, funktioniert. Manchmal, manchmal kommt komplett am Lissbar raus, und auch die Referenzen, wenn man sich auf die verlassen möchte, im Sinne von das Inzitationen und du kontrollierst ja, aber du siehst, das sind keine Inzitationen, weil. Also manchmal steht der Text, der dort wiederirgend wird in der Quelle, manchmal steht einfach gar nichts drauf. Jetzt kann man natürlich diskutieren, darüber ist das jetzt ein Verantwortung von das Vorgehen von Microsoft voll natürlich, jetzt Bing hat wenige Nutzer, also das Ding zurelliert nicht so, das heißt, so viele Menschen, die wenn es jetzt Google war, würde er zum Beispiel, aber es sind ja aber noch ein paar, kann man jetzt so erschreiten, ist das Verantwortung voll nicht, will ich jetzt aber die Diskussion gar nicht führen, aber was mich interessieren würde, ist deine aus der BVI-Brille, was würdest du sagen, was brauchen diese Systeme für eine Verlässlichkeit, damit sie in der Praxis Verantwortung voll eingesetzt werden können? Ja, die BVI, ja gut, kann ich natürlich sagen, das ist schwierig, das ist eine interessante Versteuerung für euch, die sich der Bundeswehr zu haben, aber ich sag mal so, die wird sich einmal. Ja, schon. Das geht halt immer darum absolute Sicherheit, das geht immer vor, also man kann sich keine Fehler leisten und klar, dass das übernehmen wir natürlich, wir haben, wir setzen uns das selbst auf, oder legen uns das selbst auf, dass wir da keine Fehler machen, und da müssen wir abstriche bei den. bei der Funktionalität machen, ja, so traurig das vielleicht doch ist, ja, weil das Bicke Spaß macht, mich so ein System zu enttagieren, das ist halt einfach wichtiger, dass keine Fehler passieren und deswegen kann ich auch sagen, also sowas, wie Microsoft da gerade macht, halt ich finde sehr, sehr kritisch, gerade die erste Version, die sie dort raus oder losgelassen haben, ich weiß nicht, habt ihr euch den Artikel von der New Times mal angesehen, wo ein Journalist da wirklich, also das sehr wahnsinn, also was da passiert durch diese Backloop, die da mit implementiert ist, dass dort, dass sich so eine KI da richtig verrennt in so einer Diskussion, und da haben sie ja auch ein Regel vorgeschoben, indem sie jetzt das immer gesagt haben, okay, jetzt ein hartes Limit länger kannst du mit dem Sport jetzt nicht enttagieren, also ich persönlich auch für ein bisschen kritisch, also das war vielleicht einfach ein bisschen vorerlich, das zu machen, aber klar, die sind halt gezwungen mit der Bing halt weiter nach vorne zu bringen, ganz klar, aber das können wir uns halt nicht leisten, und die Bundeswehr natürlich auch nicht, da ist man ganz strikt. Was mich noch interessieren würde in dem Kontext gibt es in irgendwelche menschlichen Benchmarkts kriegen, die ihr euch messen könnt, weil man kann ja argumentieren, einer sagt, okay, wir müssen 100 Prozent verlässlich sein, also 100 Antworten, 100 muss richtig sein garantiert, und könnte aber auch sagen, okay, Menschen geben auch nur in 95 Prozent der Fälle in richtiger Antwort, das heißt, wenn die KI 95,1 Prozent schafft, dann sollten ich ja verwenden. Ja, das sehe ich auch so, also gerade in diesem Diskussion ist ja nicht nur bei uns, die ist ja überall, wo man sagt, okay, wie gut muss denn eine KI überhaupt sein, und wir wissen alle, KI ist nicht so, ist nie 100 Prozent, weil wir ja mit Wahrscheinlichkeiten hier rechnen, das heißt, wir haben nie, niemals 100 Prozent, und das ist mehr so ein gesellschaftliches Problem, weil man, hab ich so festgestellt, hier immer mit zwei Leihmaßmists, ja, der Mensch darf Fehler machen, sagt man ja auch immer, ja, Fehler machen ist menschlich, ja, man der KI darf das nicht, ja, das ist halt echt schwierig, man erwartet nicht, dass so ein System Fehler macht, vielleicht liegt es auch einfach daran, dass diese, diese Technologie so neu ist, und man sich einfach nicht daran gewöhnt hat, und man damit davon ausgeht, dass ein Computern, ein Taschenrechner, sage ich jetzt einfach mal, keine Fehler macht, man rechnet, wortwörtlich nicht damit, und das, das ist schwierig, das muss erst man in den Köpfen der Menschen ankommen, und da kann ich natürlich auch nur sagen, ich als sehr das ein Tiss weiß, okay, 100 Prozent kann ich nie erreichen, aber die Gesellschaft, allgemein, die erlegt mir schon dieses, dieses, dieses Limit auf, wo ich sage, ich muss annähernd die 100 Prozent erreichen, und da muss man einfach schauen, je nach Jux Case eben, was man da sich leisten kann, dann kann man nicht im militärischen klar da, da gibt dann halt die Bundeswehr das vor, und ich sage sehr, sehr strikt eben, bei so Sachen wie jetzt, wenn ich JetGPT für meine Hausaufgaben verwende, dann ja, bin ich ehrlich, ich habe es mal ausprobiert, dann gehe ich hin und sage JetGPT ist jetzt die Temperature einfach mal ein bisschen höher, ja, kannst du ja übrigens machen, du kannst den, kannst ja super easy damit enttagieren und die verschiedenen Value-Uster setzen, die Settings, das ist fantastisch, ich müsste mal ausprobieren, und wenn der mal sagt, okay, setz die Temperature mal auf 1000, dann kommt da richtig schöne Sachen raus, also empfehle ich mal jedem, probiert mal, solange es noch geht, es ist wirklich lustig, fragt die mal nach dem Unterschied zwischen Hund und Katze, aber mit Temperature normal und einmal mit 1000, super lustig, probiert es mal aus, aber genau das ist das, was einfach nicht sein darf in unseren Modellen, wenn sie dann so einsetzen, können wir genau so was mit Kreativität, das geht gar nicht, es hat da überhaupt nichts zu suchen und das ist halt in dem Rahmen, also du hast ja auch schon ein bisschen darüber gesprochen, der Rahmen ist ja dann auch diese Explanability irgendwie sehr relevant und vor allem auch dieses, also auch im militärischen Kontext, die, also auch im bürtlichen Kontext halt diese, die Verantwortung, also das am Ende halten Mensch hinter diesen System steht und irgendwie eine Verantwortung dafür trägt, dass da kein Mist passiert, ja genau, also überall, wo überhaupt auch nur ansatzweise geplant wird, KI einzusetzen, also wie gesagt, das, das sagt ich jetzt als BVI, aber das, was ich so mitbekommen, wenn man über Sprichte im Militär KI einzusetzen, es ist definitiv so, dass keine KI am Ende eine Entscheidung trifft und damit meine ich jetzt wirklich alles, was da angeht, also ganz am Ende entscheidet der Mensch, was passiert, was, was man da macht, ist dann, dass man diese, wie man anfangen gesagt, die Daten aufbereitet und in besserer und einfacher Form zur Verfügung stellt, aber dann die Entscheidung, könnte ich ja denken über was auch immer, die wird niemals, das ist ein ganz, ganz, ganz, ganz, ganz, ganz, ganz, ganz streckt, wird niemals ein KI selbstfällen, das kann ich definitiv so, weil ob das weltweit so ist, ist natürlich fraglich, ja, weil es ist natürlich auch immer ein Hindernis und ganz klar, sind wir sind siebles Thema, aber bei uns ist das hier so KI trifft, die ist entscheidung nicht. Ja, dann ist man die Frage, wenn es aber weltweit nicht gilt, was passiert bei einer anderen mit an? Ja, das ist das, das ist richtig, das ist auch was, wo sich dann halt auch die Menschen, die das zu entscheiden haben, ja, wirklich auch Gedanken drum machen müssen, weil sind wir mal ehrlich, also die, die, die Bundeswehr ist für die Verteidigung zuständig und natürlich da, da muss man halt auch mal die, die schwierigen Themen anfassen, ja und wenn natürlich jetzt sagt der Mensch muss die Entscheidung treffen, dann hat man einen Zeitverlust, ganz klar, absolut, ah und die hat vielleicht die andere Seite nicht, weil sie diese, diese, diese, diese Ebene nicht drin hat, aber wir müssen selbst überlegen, wie wir damit umgehen möchten und das, das kann ich nicht entscheiden, das kann auch die BW nicht entscheiden. Ich weiß gar nicht, wer das überhaupt entscheiden wird, aber wir werden uns bestimmt, ich bin sehr sicher in den nächsten Jahren, als Gesellschaft überhaupt auch mal damit auseinandersetzen müssen, das ist, wobei die, die, dieses Problem haben ja allgemein schon mit, mit dem Trolly Problem, kennt ja vielleicht, grad beim Auto nur umfahren, ist das ja heute schon so, was macht denn das Auto, überfährt es jetzt den ein oder den anderen, wenn sie Möglichkeit dazu hat, das ist noch nicht mal gelöst, dann können wir jetzt noch ganz darüber nachdenken, was passiert denn überhaupt, wenn es, wenn es mal wirklich zur Sache geht und das ist ein ganz, ganz, ganz schwieriges Thema, vielleicht können wir, weil wir haben das schon so fast angeschnitten, gerade weil wir jetzt darüber sprechen, was machen eigentlich andere und die Bundeswehr ist für für die Verteidigung zuständig und wie steht in Deutschland so aus der Steine Sicht oder Sicht der BMI im internationalen Vergleich. Da ist es jetzt so. Es ist so, oh Gott, KI ist hier, wir müssen schnell was machen oder es ist halt schon längerer Prozess und wir und Deutschland steht da internationaler gut aufgestellter. Ja klar. Also da haben wir so aus Sicht von wissenschaftlichen Veröffentlichungen zum Thema KI liegt der Schwerpunkt, das man sieht man in vielen Statistiken. Ja klar, das ist der Schwerpunkt in den USA und China. Was halt daran liegt, dass die Population ja auch ein bisschen größer ist. Klar, aber die haben auch tatsächlich sehr, sehr viel, was in der Forschung angeht. Wobei man aber auch sagen muss, dass Deutschland im Jahr 2018 ein Forschungsförderprojekt in Lebensgruppen hat. Das war mit dem Volumen von 5 Milliarden Euro und die haben dann auch neue Studienfecher eingeführt, neue Professoren stellen, beispielsweise damals. Und das trägt auch schon Früchte. Also wir haben auch in Deutschland mittlerweile einige neue Start-ups, die da heraus vorgegangen sind. Und da sehen wir, das definitiv, dass das Deutschland da gar nicht so schlecht aufgestellt ist. Aber was, was die BBW angeht, wir arbeiten natürlich mit verbunden, mit unseren internationalen Kollegen. Das wäre zum Beispiel, das heißt, jetzt in der europäisch oder auch mit verbündeten aus der NATO, ja und durch diese Zusammenarbeit, die wir da haben, profitieren alle Parteien verander. Da kann man schon sagen, dass das hier schon so ein vergleichbarer oder ein ähnlicher Stand technologisch, was KI angeht, das da existiert. Also aus meiner Sicht ist Deutschland da eigentlich gut aufgestellt, was eben so diesen militärischen Bereich so angeht und mit der die BBW eben hier zu tun hat. Man muss aber hier auch trennen, weil das spiegelt natürlich jetzt nicht den zivilen Sektor wieder, oder den kommerziellen Sektor. Da sehen wir halt ganz klar, ja, durch den ganzen Hype, mit Open AI jetzt, ja, ganz zuletzt oder die ganzen großen Tech-Componies, ja, die sind halt alle in den USA, ja, da erzählt halt tatsächlich, wenn du halt viel Geld hast, viel investierst, so kriegst du halt eben die ganzen Start-ups, die werden aufgekauft und die ganzen Talente, wenn direkt von den Unis abgeworben. Also die sind noch nicht mal fertig mit mit ihrem Studium und wenn du da einmal ein tolles Gitarb-Rebo hast und ein paar tolle Ergebnisse, kriegst du gleiche Nachricht. Also das funktioniert da wirklich sehr, sehr schnell. Und das ist natürlich auch eine Herausforderung für uns, ja, wie kommen wir denn an diese Start-ups ran, bevor sie eine exklusive Diels haben oder aufgekauft werden oder ja, andersweitig einfach uns nicht zur Verfügung stehen, ja, das ist natürlich schwierig, ja, das konkrete Herausforderung für uns. Ja, und auch der ganze, also es wird zwar immer wieder gelobt, dass die akademische Ausbildung in Deutschland auf Spitz-Niveau ist, was ich ob ich das deutscher PR auf, Wissenschaftspray aufgesetzt, mir, ob es kritisisch stimmt, kann ich nicht beurteilen. Aber viele diese Leute gehen da halt auch. Ja, ja, eben. Also ich, ich mein, ich kann es ja, ich kann es immer aus meiner Sicht sagen, also ich hab als ich jetzt noch Master-Student war, hab ich so oft anfragen bekommen, ob ich denn nicht in die USA migrieren möchte. Und also wirklich, wo die mir auch schon konkret gesagt haben, wie ich zu arbeiten hätte. Und also das ist, das ist, das ist nicht einfach nur dahin gesagt, das ist tatsächlich so, das, das ist krass. Aber, das war, ich hab einen Bestschwärg gemacht, ein angewandter Informatik und dann tatsächlich nur in Anfungsstrissen, Master in Informatiker mit dem Schwerpunkt, die, die Learning und, ja, um momentan promovier ich zu, zu den Thema auch noch. Also, ich bin so bei dir, die Schiene gekommen. Ja, aber das, was ich auch noch sagen möchte, wir haben ja nicht nur dieses Förderprogramm, sondern wir haben ja richtig viele Forschungseinrichtungen auch oder die wirklich so, so, so, so Förderzentren für KI mittlerweile, die halt wirklich auf den Boden gestampft worden sind, die auch wirklich sehr, sehr viele Paper veröffentlichen und wirklich gute Arbeit leisten. Ganz klar. Also da ist, muss ich sagen, also wenn man immer sagt, ja, das Bildungssystem in Deutschland, ja, okay, kann man drüber streiten, aber was jetzt so in diesen akademischen Bereich angeht, die diesen richtigen Top-Science-Bereich, das sehe ich Deutschland gar nicht so schlecht. Also das ist, ja, also definitiv. Und das ist für dich an der Eindruck, weil die hab ich als B.V. als Arbeitgeber auch so ein bisschen eine Sonderrolle, ne? Dadurch, dass er halt nicht so das typische Kommerzellunternehmen seid oder noch mal einen anderen Purpose auch halt mit der Ausrichtung, in Richtung Regierung und Bundeswehr, dass du den Eindruck, dass du euch das auch ein Vorteil bringt, wenn ihr um diese Talente, ja, ihr müsst ja trotzdem einen gleichen Markt werben, auch wenn ihr nicht in direkte Konkurrenz erlauft. Das ist schwierig, sehr, sehr schwierig, das liegt dann einfach daran, dass wir nicht mit Geld um uns schmeißen können, ja, das ist halt so. Also da zählt halt wirklich so, ja, der der mehr zahlt, der kriegt den Zuschlag tatsächlich und das, das fängt bei den Talenten an, die, die du versuchst abzuwerben, aber natürlich auch die, die ganze Start-ups, die dann direkt komplett gekauft werden, ja, deswegen, ja, habe ich auch gesagt, wir machen keine eigene Forschung, wir entwickeln nicht selbst, wir versuchen eben mit diesen Start-ups zu einem Partnerschaft aufzubauen, versuchen dann auch Projekte mit denen zu machen und dann natürlich auch so eine langfristige Kooperation und eine Partnerschaft auch weiter zu entwickeln. Das schützt aber in der Regel nicht davor, dass die Irgendwann doch aufgekauft werden, damit müssen wir immer rechnen und das ist wirklich ein Problem, was wir in Deutschland haben, das auch als externe, die einfach aufkaufen und einfach alles abwandert, ja, das, das ist so, da können wir auch als BMI nicht vergegen tun, das ist natürlich sehr schade, aber umso mehr ist es natürlich unsere Aufgabe gerade im Eintibereich bei uns, dass, dass wir die richtigen Partner auswählen, wo wir denken, die sind langfristig auf die kümmer langfristig bauen, ja und nicht, wo wir dann schon im Hinterkopf haben, okay, die werden wahrscheinlich eh dem nicht aufgekauft, klar, also da müssen wir ganz klar unsere Hausaufgaben machen und das ist auch eine unserer Hauptätigkeiten, wenn es darum geht Partnerschaften gerade im Technologiebereich aufzubauen, die langfristig halten sollen. Ich habe, also in diesem Themenfeld habe ich jetzt gerade, ist mir noch ein anderer Fall gekommen, uns war, habt ihr ja auch die Herausforderung als IT Dienstleistung für die Bundeswehr, dass ihr besonders hohe Herausforderansprüche an die Sicherheit habt, an die Informationssicherheit und so weiter, das heißt, und das ist ja auch gerade schon gesagt, ihr müsst eure Partner mit besonderem Bedacht auswählen, das habt ihr aber, wie du es gesagt, das wird der Markt gerade im KI-Vereichweinigen durch die USA und China dominiert und das sind ja dann schon, können ja auch zum Teil entgegenden laufenden Interessen sein oder was auch immer, also auf jeden Fall keine Partner, den ihr so blind eure Daten einfach anvertrauen könnt. Wie löst ihr das denn im Alltag, seid ihr dann besonders auf Open Source, auf direkten Zugern zu Modellen angewiesen oder? Ja gut, natürlich wir sind natürlich viel im Open Sourcebereich unterwegs, also wenn das ist natürlich der Vorteil von diesen wissenschaftlichen Veröffentlichungen, ja, wir haben schon gesagt, es ist öffentlich. Wir können dann selbst lesen, schauen ob das dann gut funktioniert und meistens sieht man dann von welcher Firma das kommt, die das veröffentlichten. Die wollen ja auch prestige haben, ja, deswegen veröffentlichten die das und dann kann man schauen, okay, gehen bei näherer Gespräche mit rein und analysieren die noch so ein bisschen, wie sie arbeiten, was sie arbeiten und kommt da dann entsprechend zusammen. Oft ist es aber auch so, dass diese Firmen so spezialisiert sind, dass die ihre eigenen Daten schon haben. Da muss nämlich so überlegen, wer als BVI haben sehr, sehr breites Spektrum. Also wir müssen natürlich von der Bildverarbeitung, Audio, Textverarbeitung, alles, was KI eben berührt, müssen wir eher im Auge behalten. Irgendwo kannst ja auch mal wieder eine neue Technologie geben, neue neue Fortschritt und das heißt, wir müssen in die Breite schauen. Und diese KI Firmen, die haben immer ein sehr, sehr speziellem Fokus und weil sie da dann wirklich besonders gut sind und da haben sie dann natürlich ihre eigenen Daten setzelschauen. Das heißt, wir hätten damit keine Probleme, was wir dann wiederum machen ist. Im Zuge dieser Adaptionen und der Migration, wie wir diese Technologie dann bei uns reinbekommen, also erstmal in die BVI und dann vielleicht irgendwann auch mal zur Bundeswehr. Da muss man natürlich dann ganz klar dann, dass das Feind Tuning betreiben oder man sagt, okay, wir bekommen 13 Beispiels, wir kommen euer Modell, kopieren das auf unser KI Labor und lassen es dort normal trainieren, beispielsweise, ja, mit Daten, die halt nicht verfügbar werden. So kann man das natürlich gestalten. Das kommt immer auf den Partner drauf an und auf das Projekt. Aber wir können jetzt z.B. nicht mit unseren Daten irgendwie in die Azure Cloud gehen und schon wie die 3.5 Feind tun, wie es ein anderes normales wieder nehmen. Könntops, das sollte es ein anderes an. Ja, gut, es kommt auf den Einstufungsgrad an. Klar, wenn wir sagen, wir haben Daten, die sind öffentlich zugänglich, keine Frage können wir eigentlich tun. Es spricht nicht dagegen, es geht hauptsächlich um die eingestuften Daten. Das geht dann nicht ja, so einfach ist es tatsächlich. Okay. Ja, wir haben jetzt relativ, wir haben über Software geredet, wir haben über Hardware geredet und wir haben auch schon so ein bisschen über Zukunft geredet. Und wir haben auch viel über Technologien geredet, die jetzt, sage ich mal, die schon älter sind, die jetzt aber vielleicht noch mal besser geworden sind. Wir haben über Chatchipity und Sprachearbeit und Bilderkennung zu was geredet, Vertrohenssteuerung. Was würdest du denn sagen, das sind aus deiner Sicht so Technologien, die vielleicht ihr, die ihr euch schon angeschaut habt oder wo ihr seht, da gibt es Tendenzen in Papers oder so was, auf die wir uns einstellen müssen, also die halt, die vielleicht jetzt eben "Catchy Beauty", das glaube ich die erste Technologie über die jeder Mensch irgendwie zumindest im Westen geredet hat, der auch sonst überhaupt nichts mit "K" zu tun hat. Aber was würdest du sagen, gibt es so im Horizon zu erkennen? Das ist natürlich wirklich schwierig, dass ich euch gerne ein paar Unternehmensnamen nennen, damit ich dann Aktien kaufen kann. Das sag ich sehr beierst, wenn ich sie schon gekauft habe, weißt du, dann steigt der Wert dann nochmal. Nee, das ist natürlich echt schwierig, einen gerade zu sagen, was wird in Zukunft kommen, gerade im KI-Bereich, also ich werde jeden Tag selbst viel überrascht, wo ich dann sehe, oh, da wird gerade ein Paper Release, denke ich, wow, okay, damit habe ich jetzt nicht gerechnet, das ist halt tatsächlich wirklich so. Da jetzt zu sagen, wo geht das ganze denn hin? Ja, das ist natürlich schwierig, also wir sehen, wie jetzt gerade diese Welle mit "Catchy Beauty" anrollt und wo das überall reinkommt. Also wir haben das mittlerweile, was wir gesagt, in den Suchmaschinen ist drin, das wird auch noch in Windows mit reinwandern ins Betriebssystem in Office, beispielsweise, dass so ein Co-Autor hast und so weiter. Also das etabliert sich jetzt erstmal alles hier richtig, da jetzt aber dann zu sagen, okay, wo geht das ganze hin, das wenn ich professionell da jetzt irgendwas so zu sagen kann, kann ich auch echt gesagt, gar nicht, weil wir müssen es erstmal abwarten, die sich auch die Hardware beispielsweise weiterentwickelt, ja. Ich habe mir gesagt, das ist nicht so einfach, diese großen Modelle gerade in der Paperreich so umzutrainieren, das hat einfach schwierig. Aber da jetzt, ich kann mich da nicht so weit aus dem Fetzern sehen. Also es gibt jetzt nichts, mich geht es, wo ich sagen, hey, da, da musst du kaufen, so gerne das machen, oder? Gott's will, gut, dass du es nicht gemacht hast. Das ist auch nur wirklich schwierig zu bestenzieren, das geht einfach nicht. Aber sag mal die Behörden zum Teil, die benutzen ja auch durch das Windows Microsoft Software, ne? Ja, das ist auch. Ja, es gibt ein paar Einzelfälle, aber ja. Und das heißt also, diese KI-Features kommen dann wahrscheinlich auch über diesen Weg zu Ihnen, oder muss man die dann auch noch mal gesondert evaluieren, ob man sie dann auf den Rechnern freischaltet, wie gar nicht daten tut. Also gut, das ist jetzt wieder meine Meinung, weil das weiß ich nicht, wie die einzelnen Behörden machen, aber das wird so sein müssen, dass das vorher alles abgenommen wird. Dass diese Module wahrscheinlich gar nicht erst dort reinwandern, wenn ich komplett klar ist, wo die Daten hingehen, weil oftmals ist das Ganze auch ausgelagert. Das heißt, meine Daten, auf denen sie verschüsselt sind, sind sie wandern von meinem Rechner auf die Cloud irgendwo, vielleicht gibt es dann auch verschiedene Behörden, Clouds, die das vielleicht dann unterstützen, muss man schauen. Ich bin mal da jetzt noch nicht so, ich weiß nicht so meine Einschränke, ich glaube nicht, dass das jetzt einfach so mit dem nächsten Update in die Behörden reinkommt. Also kann ich mir nicht vorstellen. Aber wie gesagt, das ist meine Meinung. Ich würde mich natürlich freuen, wenn das bei mir mal auf ist drin ist, weil ich bin nicht ganz ehrlich, also gerade so als zur Verbesserung oder zum Umschreiben von irgendwelchen Stilrichtungen. Perfekt, dafür ist das super geeignet. Aber gerade wenn es uns behördliche geht, ist ich natürlich auch wieder kritisch. Okay, vielleicht, wenn du noch ein, zwei Worte an unsere Hörer hören willst, dir jetzt sagen, okay, fand es sehr interessant, was der denn es ja alles erzählt hat, über die BVI und wie kann ich mich dann so reinarbeiten in KI und vielleicht auch mit helfen bei sowas? Was würdest du über einem Empfehlen, der jetzt vielleicht grad zum Studium endet, das Studium steckt oder? Ja, zum einen, man braucht natürlich, allgemein ist es in der Formatik so mal brauchen, unfassbare Frustoleranz. Und so ist es bei Data Science auch, wenn nicht sogar noch viel mehr, weil die Thematik einfach doch sehr matematiklastik ist. Man ist sehr oft damit beschäftigt zu schauen, okay, wo ist denn mein Fehler drin, ähnlich wie beim Programmieren? Aber wenn man da wirklich, wenn man das wirklich sehr, sehr gerne macht und da gibt es Leute, die machen das sehr gerne, mich eingeschlossen, dann ist der beste Weg, das zu machen, oder sich so ein bisschen mit der Materie vertraut zu machen, dass man auf so Seiten geht, wie zum Beispiel Kaggle, wo es ganz viele Jupyter Notebooks gibt. Also wirklich Code, den du nacheinander ausführen kannst, mit Erklärungen, wie man bestimmte Daten verarbeitet, visualisiert und so weiter. Dann wird man richtig schön auch an die Hand genommen und kann dann auch bei so Kompetitions mitmachen, kann sich auch selbst so beweisen, wenn man neue Ideen hat und die mit gleich mit einbringen. Oder man schaut sich allgemein mal bei verschiedenen Frameworks um, oder so zwei Stagging-Face, auch eine super Webseite, wo man alles möglicher an einen Modellen bekommt, also KI-Modelle und auch gleich den Code um die mal zu testen, also gerade dieses Rum experimentieren, das ist ganz, ganz wichtig. Also man braucht dann eine Neugier, muss einfach so Spaß bei der Sache haben, neue Sachen zu entdecken. Und gerade über diesen DEG, glaube ich, könnte man da sehr gut die Materie reinkommen. Und wenn man dann sagt, wie ich will das professionell machen, kann ich dann nur so empfehlen, macht auf Git Hub oder Git Lab und Co. Irgendwo in Repo auf. Schreibt dann ein paar tolle Projekte rein und ja, publiziert auf link den, beispielsweise. Also damit habt ihr eine super Reichweite. Und das, was die Leute heute interessiert ist, weniger tatsächlich die Universitären Abschlüsse, sondern eher der kreative Umgang mit den Problemen. Und wie kommst du auf die Lösung und wie sieht das aus? Wie arbeitest du eigentlich? Das weniger, dass das Papier, wo dein Bachelor oder Master draufsteht. Also das kann ich es mal so mitgeben, das hilft. Und dann lasst dich nicht von Google ab erben sein. Genau, Git Hub, bwi, das macht wirklich Spaß. Okay, gut, ich glaube dann auch so weit. Dann, Dennis dir vielen Dank für dieses Gespräch, ich fand es sehr interessant. Sehr gerne. Und vielleicht hören wir uns ja mal, sprechen uns wieder in dazu. Mich auch. Vielen Dank euch. Danke fürs Zuhören. Ciao. [Musik]