Latest / HHN mit allem / Prof(i)sache - Vom Tüftler zum Professor: Wie Neugier und KI Karriere machen

Transcript

Prof(i)sache - Vom Tüftler zum Professor: Wie Neugier und KI Karriere machen · HHN mit allem

• 0:04
  Speaker 2: Hallo und herzlich willkommen zu einer neuen Folge von Haaren mit allem.
• 0:07
  Speaker 2: Ich bin Maja.
• 0:08
  Speaker 1: Ich bin Abinav.
• 0:09
  Speaker 1: Heute sprechen wir mit jemanden, der nicht nur über künstliche Intelligenz forscht, sondern sich auch richtig entspannende Projekte einbaut.
• 0:15
  Speaker 1: Vom Labor bis zum Blumenbewässerung.
• 0:18
  Speaker 2: Er ist Professor an der Hochschule Herbronn, leitet den Studiengang Medizinische Informatik und steht für Lehre, die Neugierig macht.
• 0:24
  Speaker 2: Herzlich willkommen, Professor Dr.
• 0:25
  Speaker 2: Markus
• 0:26
  Speaker 1: Graf.
• 0:27
  Speaker 0: Ja, hallo, mein Name ist Markus Graf.
• 0:29
  Speaker 0: Ich bin Studiengangleiter des Studiengangs Medizinische Informatik.
• 0:34
  Speaker 0: und bin seit den Hochschulen seit dem Jahr- und Jahr- und Jahrzehnt.
• 0:36
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:37
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:38
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:40
  Speaker 0: seit dem
• 0:40
  Speaker 1: Jahr- und
• 0:41
  Speaker 0: Jahrzehnt.
• 0:41
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:42
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:44
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:45
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:47
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:48
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:50
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:51
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:52
  Speaker 0: seit dem Jahr- und Jahrzehnt.
• 0:54
  Speaker 0: seit dem
• 0:54
  Speaker 2: Jahr- und Jahrzehnt.
• 0:55
  Speaker 2: seit dem Jahr-
• 0:55
  Speaker 1: und Jahrzehnt.
• 0:56
  Speaker 1: seit
• 0:56
  Speaker 2: dem Jahr- und Jahrzehnt.
• 0:56
  Speaker 2: seit dem Jahr- und Jahrzehnt.
• 0:57
  Speaker 2: seit dem Jahr- und Jahrzehnt.
• 0:58
  Speaker 2: seit dem Jahr- und Jahrzehnt.
• 0:59
  Speaker 2: seit dem Jahr- und Jahrzehnt.
• 1:00
  Speaker 2: seit dem Jahr- und Jahrzehnt.
• 1:01
  Speaker 2: seit dem Jahr- und Jahrzehnt.
• 1:02
  Speaker 1: seit dem Jahr- und Jahrze.
• 1:03
  Speaker 1: Und wie schafft man es dabei, immer neugierig zu bleiben?
• 1:06
  Speaker 0: Ja, das ist eine gute Frage.
• 1:07
  Speaker 0: Ich denke, dass das alles ein bisschen miteinander zu tun hat.
• 1:14
  Speaker 0: Also das heißt, man fängt irgendwie an mit der Neugier und tüftelt dann an was herum und dann denkt man sich, okay, wie kann ich das professionalisieren?
• 1:25
  Speaker 0: Also das heißt, wie gehe ich damit um und übertrage das sozusagen, dass ich da irgendwie... auch Erkenntnisse rausziehen kann.
• 1:36
  Speaker 0: Das ist so ein, glaube ich, ein ganz normaler Flow einfach.
• 1:40
  Speaker 2: Und wie würden Sie sich selber beschreiben, eher als Tüftler, Forscher oder Lehrer?
• 1:44
  Speaker 0: Ja, das kann man, glaube ich, auch gar nicht so trennen.
• 1:46
  Speaker 0: Denn sonst wäre ich nicht an der Hochschule, wenn ich nicht eine gewisse Affinität zur Lehre hätte.
• 1:52
  Speaker 0: Also das heißt, das wissen auch, dass ich durch die Forschung oder sonst irgendwie mich erarbeitet habe, dann auch weitergeben möchte.
• 2:01
  Speaker 0: Dann Ohne zu Tüfteln, glaube ich, ist es auch schwer in die Forschung abzutriften oder zu kommen.
• 2:09
  Speaker 0: Also das gehört irgendwie schon auch zusammen.
• 2:14
  Speaker 0: Und ich glaube, so wie Sie es auch gesagt haben, das ist ein Weg, den man geht.
• 2:19
  Speaker 0: Also das heißt vom Tüfteln bis hin natürlich dann in die Forschung und dann das auch dann weiterzugeben.
• 2:25
  Speaker 1: Erinnern Sie sich noch an den Moment, als Sie wussten, ich will Informatik machen?
• 2:31
  Speaker 0: Das hat sich auch irgendwie so im Laufe alles ergeben.
• 2:35
  Speaker 0: Meine Eltern haben sich, als ich klein war, einen Heimcomputer gekauft und da hat man dann halt verschiedene Dinge gemacht und ich habe da aber schon irgendwie so die Idee gehabt, ja wie kann man den jetzt nutzen und da was Eigenes draus machen, also da war schon auch das Tüfteln, somit die Basis.
• 2:56
  Speaker 0: und habe dann eben den Computer genommen und habe dann die ersten Programme geschrieben.
• 3:01
  Speaker 0: Also das hat schon sehr früh angefangen, muss ich sagen.
• 3:03
  Speaker 0: Sehr
• 3:03
  Speaker 2: spannend.
• 3:04
  Speaker 2: Wann haben Sie gemerkt, dass Sie lieber Wissen weitergeben, statt nur selbst zu forschen?
• 3:09
  Speaker 0: Ja, das hat gar nicht irgendwie einen gewissen Ursprung gehabt.
• 3:14
  Speaker 0: Ich war während des Studiums, habe ich festgestellt, dass ein paar Kommilitonen mit irgendwie ein bisschen Schwierigkeiten hatten, von dem ich eigentlich wusste, wie es geht.
• 3:25
  Speaker 0: Ja, aufgrund meiner eben Erfahrung und Vergangenheit, also schon früh angefangen, eben wie gesagt Software zu schreiben.
• 3:31
  Speaker 0: Und dann habe ich so Java programmieren, einfach so ein Tutorium gemacht.
• 3:35
  Speaker 0: Also ohne das über die Hochschule, sondern die hatten quasi Bedarf oder Not signalisiert.
• 3:43
  Speaker 0: Und dann habe ich gesagt, okay, wir treffen uns heute Mittag und dann haben wir da so einen kleinen Einsteigerkurs gemacht.
• 3:50
  Speaker 2: War sehr, sehr cool.
• 3:51
  Speaker 1: Welche Eigenschaft hat Ihnen auf Ihrem Weg am meisten geholfen?
• 3:54
  Speaker 1: Geduld, Neugier oder Ehrgeiz?
• 3:58
  Speaker 0: Also bis da, wo ich jetzt hierhin komme, muss ich sagen, war es.
• 4:05
  Speaker 0: Das kann man auch nicht so trennschaft machen.
• 4:06
  Speaker 0: Also Neugier und Ehrgeiz.
• 4:08
  Speaker 0: Neugier und Ehrgeiz ist schon das Wichtige.
• 4:10
  Speaker 0: Ich glaube, Geduld braucht man immer so ein bisschen.
• 4:16
  Speaker 0: Also ist aber so eine Grundcharaktereigenschaft.
• 4:20
  Speaker 0: Aber ich glaube, um jetzt in die Forschung zu kommen oder gerade auch so, da ist Neugier sehr, sehr wichtig und eine Neugier ohne Ehrgeiz bringt eigentlich weit.
• 4:32
  Speaker 0: Also das heißt, man muss schon auch motiviert sein, selbst da weiterzumachen.
• 4:37
  Speaker 1: Man merkt, sie sind jemand, der gerne neue Wege geht und das sieht man auch an ihren Projekten.
• 4:45
  Speaker 2: Sie beschäftigen sich intensiv mit küstlicher Intelligenz, aber auf eine Weise, die sehr praxisnah
• 4:50
  Speaker 1: ist.
• 4:50
  Speaker 1: Was
• 4:51
  Speaker 2: fasziniert Sie an KI am meisten?
• 4:55
  Speaker 0: Also an KI fasziniert mich wirklich.
• 4:59
  Speaker 0: Also ich komme ja eigentlich von der Softwareentwicklung, wo man sich dann auch wirklich noch Gedanken gemacht hat, klassisch.
• 5:05
  Speaker 0: Wie setze ich das alles um?
• 5:07
  Speaker 0: und es gibt halt einige Anwendungsfälle oder Problemstellungen.
• 5:15
  Speaker 0: die man klassisch halt nur sehr sehr schwer umsetzen kann oder auch vielleicht sogar gar nicht.
• 5:23
  Speaker 0: Und da hilft einem der die Trickste aus dem Maschinenlernen, aus der künstlichen Intelligenz, weil da muss man sich nicht so wirklich jeden expliziten Part aus der klassischen Entwicklung halt überlegen.
• 5:37
  Speaker 0: und ja, man versucht das halt so ein bisschen die Aufgabe dem Computer abzugeben.
• 5:42
  Speaker 0: Und das ist schon eine faszinierende Sache, dass man das eigentlich quasi umumlagert.
• 5:49
  Speaker 1: Genau.
• 5:49
  Speaker 1: Also können Sie sich noch an Ihr allererstes KI-Projekt erinnern?
• 5:53
  Speaker 0: Nicht wirklich.
• 5:54
  Speaker 0: Aber im Rahmen meiner Doktorarbeit habe ich schon damit begonnen.
• 6:00
  Speaker 0: Jetzt allerdings nicht so das, was die meisten heutzutage unter KI verstehen, sondern eine semantische Vernetzung von Daten vorgenommen.
• 6:08
  Speaker 0: Das heißt, das ist so aus der... symbolischen KI-Welt ist das, wenn man da mit der Themologie sprechen würde.
• 6:15
  Speaker 0: Also das heißt, ich habe da Anotationen von medizinischen Bilddaten genutzt, um daraus Erkenntnisse zu erzielen.
• 6:24
  Speaker 0: Das war so das erste... Also Projekt, ich meine im Studium hatten wir sowas, eine Vorlesung neuronale Netze, das zähle ich jetzt nicht wirklich dazu.
• 6:36
  Speaker 0: Also da haben wir halt einfach so ein Projekt oder kleine Projekte umprogrammiert.
• 6:42
  Speaker 2: Okay, was unterscheidet für Sie echte KI von dem, was auf den Medien gezeigt wird?
• 6:49
  Speaker 0: Ich würde jetzt mal auch sagen, dass die Medien, die nutzen natürlich auch so den Hype gerade, das Verständnis oder das globale Verständnis.
• 7:01
  Speaker 0: hin zu, dass das KI eigentlich sich so ein bisschen um die Sprachmodelle dreht und das ist nicht mein Anliegen, das versuche ich auch in meinen Vorlesungen so zu vermitteln, dass wir eben viel viel mehr haben als einfach nur irgendwelche LLMs und das quasi so die diese Hoffnung ist, die auch intelligent sei.
• 7:23
  Speaker 0: letztendlich aber wir ganz an der Basis immer nur Daten verdichten.
• 7:32
  Speaker 0: Gewichte heuristisch bestimmen, also irgendwelche Modelle halt abbilden und da nicht so wirklich viel an Intelligenz eigentlich drin ist.
• 7:43
  Speaker 2: Warum ist KI für die Medizin besonders
• 7:45
  Speaker 0: spannend?
• 7:48
  Speaker 0: In meiner Meinung nach ist das ein Feld, in dem auch schon sehr, sehr früh Forschung im Bereich der künstlichen Intelligenz eben stattfand.
• 7:57
  Speaker 0: Und es ist halt hoch Daten getrieben zum einen.
• 8:02
  Speaker 0: Also wo viele Daten sind, bedeutet es auch, dass wir natürlich irgendwo Algorithmen haben müssen, die diversifizieren können an der Stelle.
• 8:10
  Speaker 0: Und dann aber trotzdem noch eine saubere Lösung für alle Möglichkeiten, dann bietet.
• 8:15
  Speaker 0: Und ein ganz, ganz großer Teil, in dem ich eben auch tätig bin, ist die Bildverarbeitung.
• 8:20
  Speaker 0: Und die Bildverarbeitung gehört zu den, ich sage mal, komplexen Aufgaben der Computer-Vision.
• 8:27
  Speaker 0: Also das heißt, wenn dann ein Computer beteiligt ist.
• 8:30
  Speaker 0: Und da gab es auch schon sehr früh Ansätze, das eben umzusetzen.
• 8:34
  Speaker 0: Und mittlerweile gibt es da Methoden, die aus der KI stammen, für eben diese Bildverarbeitung, mit denen wir schon sehr glücklich sind.
• 8:45
  Speaker 0: Das heißt, in der Radiologie zum Beispiel, das heißt Unterstützung für die Ärzte bieten, mit denen dann solche Aufgaben dort erleichtert werden.
• 8:56
  Speaker 0: Und das macht das Ganze.
• 8:59
  Speaker 0: nutzbar und das finde ich auch spannend, also wenn das dann eben nicht nur in der Forschung bleibt, sondern dann auch wirklich schon umgesetzt werden kann und zum Wohle der Menschheit dann auch eingesetzt wird.
• 9:09
  Speaker 1: Wie bringen sich Studierende dazu Spaß an so komplexen Themen zu haben?
• 9:15
  Speaker 0: Also das Gude an der KI und der aktuellen Zeit ist eigentlich, dass es schon intrinsisch die Studierenden motiviert.
• 9:21
  Speaker 0: aktuell, also das heißt jeder der mit dem Thema KI irgendwo in Berührung kommt oder kam, der hat schon Grundinteresse.
• 9:28
  Speaker 0: Also das ist eigentlich ein Benefit auch für die Lehrenden.
• 9:33
  Speaker 0: Das heißt, wir können einfach sagen, ja gut, da ist schon Interesse da und das merke ich auch.
• 9:38
  Speaker 0: Also da kommt mehr Feedback als jetzt in vielleicht anderen Veranstaltungen.
• 9:42
  Speaker 0: Ich komme ja aber auch so ein bisschen mit Grundlagenthemen, Softwareentwicklung, Programmierung und so weiter.
• 9:47
  Speaker 0: Und da versuche ich auch schon ganz gezielt, das so interessant zu gestalten.
• 9:53
  Speaker 0: dass ich nicht immer nur diese Software nehme, sondern irgendwie ... Sie haben es ja im Tee oder in der Einleitung ja auch angesprochen, diese Blumenbewässerungsanlagen oder so was.
• 10:04
  Speaker 0: Also die habe ich auch zum Teil für solche Demonstrations- und Vorlesungen und Mitmachen und zeigen und dass dann auch die Stirn selbst mal vielleicht so in diese Richtung gehen und da was entwickeln oder mitmachen oder das ja so.
• 10:19
  Speaker 0: Also wenn irgendwo was mit einer LED blinkt, dann ist das schon begeisternd und ich glaube, da arbeitet man auch lieber dran, das dann umzusetzen.
• 10:29
  Speaker 2: Das glaube ich, das wird sich sehr, sehr spannend und für Studierende.
• 10:33
  Speaker 2: Gibt es etwas, dass Sie an der Entwicklung von KI kritisch sehen?
• 10:38
  Speaker 0: Also wenn man die Entwicklung auch einbezieht, wie das Nutzungsverhalten da ist, dann definitiv.
• 10:45
  Speaker 0: Also wir merken, dass zum Beispiel auch Google-Suchen ersetzt werden, durch einfach irgendwie Inchagibit hier einzugeben und das ist nicht dasselbe.
• 10:57
  Speaker 0: Also da gibt es viele Aspekte, die jetzt bei mir dann so ein störendes Gefühl hat, rein geben.
• 11:02
  Speaker 0: Einmal ist es ja nicht wirklich so eine Suchmaschine, sondern sind verdichtete Daten, die dann irgendwo halt durch Verhersagen oder Predictions neue Sätze generieren.
• 11:16
  Speaker 0: Und zum anderen, in der Anfangszeit war es so, da gab es dann halt auch meistens nur eine Antwort.
• 11:22
  Speaker 0: Da haben die jetzt die Entwickler für den GPD auch draus gelernt und mittlerweile gibt es dann so Alternativen.
• 11:27
  Speaker 0: Ja, es gibt die Option, die Option, dass man sich wenigstens nochmal ein bisschen Gedanken darüber macht, was man denn da als Antwort bekommen hat.
• 11:34
  Speaker 0: Aber hätte man das nicht, dann glaubt man das einfach.
• 11:37
  Speaker 0: Also das sieht so aus, okay, das hat der Computer generiert.
• 11:41
  Speaker 0: Das merkt man auch bei vielen Softwaresystemen so, dass... letztendlich, wenn man vor dem Computer sitzt und ja, da wurde was berechnet, das Ergebnis, das stimmt, ja, das dem glaube ich einfach mal.
• 11:55
  Speaker 0: Aber da da ja viel, ja, also mit Wahrscheinlichkeiten gerechnet wird, ja, gibt es natürlich auch irgendwo Abweichungen zur Realität.
• 12:06
  Speaker 0: Und ja, genau, also das ist so das, was ich hier als kritisch mit... mit ansehen würde, dass man einfach nicht diese Reflexion über die Ergebnisse hat.
• 12:24
  Speaker 0: Bei Google muss ich mal nachklicken, okay ist das Ergebnis das, was ich wollte, gehe ich da hin oder suche ich noch mal was anderes, suche ich weiter, bin ich zufrieden mit der Antwort.
• 12:33
  Speaker 0: und wenn so ein Sprachmodell so einen tollen Satz rausbringt, warum soll ich da weiter gucken?
• 12:39
  Speaker 1: Genau nochmal auf Ihre Antwort zurück.
• 12:42
  Speaker 1: Also viele Studierenden benutzen jetzt auch Google.
• 12:44
  Speaker 1: Also auch wenn man die Google Suchmaschine eingibt, kommt direkt eine KI generierte Antwort raus.
• 12:49
  Speaker 1: Und das ist jetzt nicht mehr so wie früher, wo man dann halt viel suchen musste.
• 12:53
  Speaker 1: Also das ist jetzt auch von Google so geregelt, dass man eine KI-Antwort bekommt.
• 12:58
  Speaker 0: Ja, das ist mir jetzt auch schon aufgefallen.
• 13:01
  Speaker 0: Allerdings habe ich ja auch versucht da so ein bisschen zu gucken oder den Hintergrund zu verstehen oder zu sehen.
• 13:06
  Speaker 0: Und ich merke, es ist eher so, denke ich, dass es eine Zusammenfassung generiert aus irgendwas, was es wirklich auch als Suchergebnis hat.
• 13:15
  Speaker 0: Und da ist es noch okay, das heißt, ich mache aus großen oder vielen Texten einen kleinen Text.
• 13:20
  Speaker 0: Dafür ist eine Sprachmodell eine super Ding, also auch aktuell.
• 13:27
  Speaker 0: Ich bin jetzt auch nicht bei Google und ich weiß auch nicht, wie die es wirklich jetzt umgesetzt haben, aber das ist meine Vermutung.
• 13:32
  Speaker 1: Also früher war es ja, dass ich es zusammengefasst habe, so Sätze.
• 13:35
  Speaker 1: Aber jetzt ist es komplett KI.
• 13:38
  Speaker 1: Früher hat man ja so eine Frage eingegeben und dann kam so ganz oben so zusammengefasst alles.
• 13:43
  Speaker 1: Aber jetzt kommt direkt so Gemini-KI-Antwort.
• 13:45
  Speaker 0: Okay, das habe ich noch gar nicht gesehen.
• 13:47
  Speaker 0: Ja,
• 13:47
  Speaker 1: das ist mir das Letzte jetzt noch so aufgefallen.
• 13:50
  Speaker 1: Ich glaube, das ist ja erst seit paar Monaten so.
• 13:53
  Speaker 0: So viel habe ich dann noch nicht gesucht.
• 13:55
  Speaker 2: Ja, sehr spannend.
• 13:57
  Speaker 2: Segmentrei, Lernforschung
• 13:59
  Speaker 1: scheitern.
• 14:00
  Speaker 1: Wie gehen Sie damit um, wenn ein Experiment zum Beispiel gar nicht funktioniert?
• 14:05
  Speaker 0: Ja, dann ändert man seinen Plan ein wenig und macht weiter.
• 14:09
  Speaker 0: Also ich kenne es jetzt nicht so, dass das am Ende dann nicht funktioniert.
• 14:14
  Speaker 0: Also ich habe auch viel mit Biologen zu tun, sag ich mal, also gerade aus der medizinischen Forschung heraus.
• 14:21
  Speaker 0: Und da ist es eigentlich an der Tagesordnung, dass die scheitern in ihren Experimenten, weil da sind so viele Umgebungsbedingungen, die eintreten können, also Temperatur, irgendwas stimmt nicht, dass das Equipment ist kaputt.
• 14:37
  Speaker 0: Was habe ich denn bei einem Computersystem?
• 14:38
  Speaker 0: Da habe ich Bits und Bytes und wir kommen jetzt mit der KI-Forschung, mit den Modellen generieren, das heißt mit Daten rein.
• 14:46
  Speaker 0: schon so ein bisschen in die Richtung, aber wir steuern das ja alles noch.
• 14:48
  Speaker 0: Das heißt, da bin ich auch froh über die Wahlen meines Berufs, sage ich mal, oder meines Feldes, dass ich diese Schwierigkeiten nicht so präsent habe.
• 14:58
  Speaker 0: Also das heißt, wenn irgendwas nicht geht, dann drehe ich halt ein paar Bits um und dann versuche ich es neu und ich kann das kontrollieren.
• 15:04
  Speaker 0: Also das ist eher deterministisch, sage ich mal.
• 15:08
  Speaker 0: Und wir probieren das ja nicht... rein ins Blaue aus.
• 15:12
  Speaker 0: Auch das machen die Biologen auch nicht.
• 15:13
  Speaker 0: Also das will ich dir nicht unterstellen an der Stelle.
• 15:16
  Speaker 0: Nur, wie gesagt, da gibt es halt ganz, ganz viele andere Bedingungen, die noch auch passen müssen und stimmen müssen.
• 15:23
  Speaker 0: Und da ist halt so ein Scheitern schon vorprogrammiert und die geben auch nicht auf.
• 15:27
  Speaker 0: Das heißt, sie machen auch weiter.
• 15:28
  Speaker 1: Ich denke viel Geduld, auch wie Sie es gesagt haben, braucht man.
• 15:32
  Speaker 1: Also ich denke überall in jedem Bereich braucht man viel Geduld.
• 15:35
  Speaker 2: Ja, ich sag da super gerne, Fehler sind einfach nur kleine Helfer, einfach anders wo stabiert.
• 15:41
  Speaker 2: Was war Ihr schönster Moment als Juzern bisher?
• 15:45
  Speaker 0: Der schönste Moment.
• 15:48
  Speaker 0: Da gibt es viele, muss ich auch sagen.
• 15:50
  Speaker 0: Also ich bin wirklich froh, dass ich da genau das tun kann, was ich tue jeden Tag.
• 15:58
  Speaker 0: Aber eine Geschichte, an die erinnere ich mich wirklich sehr, sehr gerne.
• 16:01
  Speaker 0: Also es war auch so ein Programmierkurs und da habe ich auch dafür mir lange Gedanken gemacht, wie kriege ich das interessant rüber und habe dafür so kleine Mikrocomputers, Raspberry Pies gemacht.
• 16:14
  Speaker 0: Dann habe ich da so ein paar Platinen und eben mit LEDs und wie ich es vorhin schon mal, glaube ich, auch beschrieben hatte, aufgebaut.
• 16:22
  Speaker 0: Dann hatten wir das im Kurs dabei und ja, ich dachte mir nichts dabei, so irgendwie alles, die Aufgaben sind erledigt gewesen.
• 16:32
  Speaker 0: Und so gegen Ende des Semesters der Vorlesungszeit hat sich dann nochmal bei mir ein Student an der Tür geklauft.
• 16:39
  Speaker 0: Er hat gesagt, ja, das hat ihn jetzt so fasziniert, ob er das nochmal über die Semesterferien ausleihen kann.
• 16:44
  Speaker 0: Er will dann noch ein bisschen weitermachen.
• 16:45
  Speaker 0: Und da habe ich gedacht, okay, wow, also das habe ich dann natürlich sofort auch unterstützt.
• 16:50
  Speaker 0: Also habe das dann rausgegeben und gesagt, ja, also viel Spaß damit.
• 16:54
  Speaker 0: Und das hat mich schon begeistert, dass da nochmal so ... drüber hinaus einfach dieser Wunsch da war, da weiterzumachen.
• 17:01
  Speaker 2: Das ist wirklich schön.
• 17:02
  Speaker 2: Ja.
• 17:03
  Speaker 2: Was würden Sie Studierenden heute raten?
• 17:06
  Speaker 0: Den Studieren würde ich auf jeden Fall mitgeben wollen.
• 17:10
  Speaker 0: Nichtsdestotrotz, also auch wenn sehr, sehr viel jetzt von KI übernommen werden kann und man verfällt da vielleicht auch so ein bisschen in die, wie heißt das in die, in diese Richtung, ja, das heißt also, dass man sagt ja, muss ich mir keine Gedanken machen, das ist ja schon gelöst.
• 17:31
  Speaker 0: Ich wäre nicht heute da, wo ich jetzt bin, wenn ich mich nicht immer wirklich... Also auch damals gab es ja schon Entwicklungen und Technologien, dass man gar nicht alles machen musste.
• 17:41
  Speaker 0: Für Softwareentwicklung konnte man sich irgendwo Bibliotheken nutzen und dann alles eben viel, viel einfacher haben.
• 17:48
  Speaker 0: Aber ich wollte es selbst haben.
• 17:49
  Speaker 0: Ich wollte es selbst programmieren.
• 17:50
  Speaker 0: Das heißt also, ich habe mir dann meist auch sogar diese Bibliotheken, die es schon gab, selbst programmiert.
• 17:55
  Speaker 0: Nur, um zu verstehen, Wie macht das der Computer?
• 17:58
  Speaker 0: Und wenn ich jetzt heute sage, OK, KI, das ist ja so viel, was da im Hintergrund passiert.
• 18:04
  Speaker 0: Ich muss das ja gar nicht verstehen.
• 18:05
  Speaker 0: Ich muss ja nur die Hälfte verstehen.
• 18:06
  Speaker 0: Ich kann mir einen Teil generieren lassen.
• 18:09
  Speaker 0: Da fehlt einem einfach die Information.
• 18:11
  Speaker 0: Und gerade als Studierende oder als angehender Ingenieur, Ingenieurin oder in welchem Feld auch immer, also BWL, dann dann.
• 18:22
  Speaker 0: brauche ich doch trotzdem diese Grundlagen.
• 18:24
  Speaker 0: Ich muss ja wissen, warum macht es jetzt vielleicht auch ein System, das jetzt KI-getrieben ist?
• 18:28
  Speaker 0: Warum macht das das so, wie es rauskommt?
• 18:32
  Speaker 0: Also das heißt, auch wenn es leicht erscheint, also auch wenn es vielleicht ein bisschen Aufwand bedeutet, dann sich selbst reinzuarbeiten und sagen, okay, das ist ja alles einfach, das macht das System schon.
• 18:43
  Speaker 0: Lieber nochmal doch ein bisschen drunter gucken, was
• 18:46
  Speaker 1: da.
• 18:47
  Speaker 1: Ich denke auch, dass es so der Wille, einfach mal selbst auch was zu verstehen oder selbst zu machen.
• 18:51
  Speaker 1: Also ich glaube, das liegt jedem.
• 18:55
  Speaker 0: Ja, das hoffe ich.
• 18:56
  Speaker 0: Also meine gute Hoffnung und das würde ich dann auch mir wünschen, dass es weiter so ist.
• 19:02
  Speaker 2: Vielen Dank für das Gespräch und die spannenden Einblicke und vor allem vielen Dank für Ihre Offenheit.
• 19:08
  Speaker 1: Und weil das hier HAN mit allem ist, kommt zum Abschluss nach unserer letzte Frage.
• 19:12
  Speaker 1: Was trinken Sie zu Ihrem Döner?
• 19:16
  Speaker 0: Tatsächlich trinke ich nichts dazu.
• 19:25
  Speaker 2: Ja, schwierige Frage.
• 19:26
  Speaker 2: Ich meine, das ist auch eine Frage, an der sich wahrscheinlich genauso viele Gäste scheiden wie bei der KI.
• 19:31
  Speaker 2: Aber vielen Dank fürs Zuhören und bis zur nächsten Folge von Haaren mit allem.
• 19:36
  Speaker 2: Tschüss!