"KI hilft uns, mehr und komplexere Fakten zu erfassen"

Lassen Sie uns ein wenig in der Zeit zurückgehen. Sie haben zunächst an der TU München Physik studiert und später in theoretischer Biophysik promoviert. Wie sind Sie zum maschinellen Lernen gekommen? 
Mein Doktorvater war theoretischer Biophysiker, aber meine Forschung konzentrierte sich auf die Speicherkapazität von sogenannten Hopfield-Netzen. Dabei handelt es sich um eine besondere Art von künstlichen neuronalen Netzen. Wenn man solche Modelle untersucht, dann ist man im Grossen und Ganzen bereits im gleichen akademischen Garten wie die Informatik unterwegs. Es ist nicht mehr nur reine Physik, denn es geht nicht um unbelebte Materie, sondern um die Informationsverarbeitung. Dieser Bereich war damals noch nicht vollständig in der Informatik angekommen, aber er ist eindeutig Teil des Fachs. Später in meiner Karriere zog ich nach Bonn und arbeitete als ausserordentlicher Professor für praktische Informatik weiter auf dem Gebiet der neuronalen Netze.

Warum sind Sie an die ETH gekommen? 
Ich war ausserordentlicher Professor in Bonn und hatte dort keine Aufstiegsmöglichkeiten. Als ich 43 Jahre alt war, erhielt ich die Chance, ordentlicher Professor an der ETH Zürich zu werden. Die ETH hatte damals wie heute einen hervorragenden Ruf, auch wenn die Universität Bonn in Deutschland in Mathematik (und dort war damals die Informatik angesiedelt) ebenfalls hervorragend war. Meine Frau und ich hatten zwar bereits ein Haus in Bonn gebaut, aber da unsere Kinder mit der Schule fast fertig waren, bot sich ein Wechsel zu diesem Zeitpunkt an. An eine weniger bedeutende Universität wäre ich wahrscheinlich nicht gezogen, da jeder Umzug erhebliche persönliche Ressourcen erfordert.

Woran haben Sie denn in Ihrer Forschungskarriere gearbeitet? 
Schon bevor ich an die ETH Zürich gekommen bin, habe ich mich mit der Frage beschäftigt, wie sogenannte Gruppierungsalgorithmen ihre Daten in verschiedene Gruppen einteilen. Diese Zuteilung funktioniert anders als bei Klassifizierungsalgorithmen. Bei Klassifizierungsalgorithmen werden Daten meist von einem Menschen händisch annotiert und mit diesen Annotationen werden die Algorithmen dann trainiert. Man möchte beispielsweise Bilder von Hunden und von Katzen in zwei Gruppen automatisch einteilen und legt an einem Trainingsdatensatz zuvor fest, dass ein Bild entweder in die Gruppe «Hund» oder die Gruppe «Katze» eingeordnet werden soll.

Bei Gruppierungsalgorithmen gibt es keine zuvor definierten Labels, es ist also keine vorgegebene Klasse «Hund» oder «Katze» vorhanden. Trotzdem soll der Algorithmus am Schluss alle Objekte mit einem Label versehen. Ich wollte nun herausfinden, wie die Algorithmen bei der Gruppierung vorgehen, wenn es kein Qualitätsmass gibt, an dem sie sich orientieren können. Ich habe dann diese Theorie in verschiedenen biologischen und medizinischen Projekten angewandt. Der Ansatz der Gruppierungsalgorithmen spiegelt die Situation wider, in der sich ein Arzt befindet, der von einem Röntgenbild und weiteren Informationsquellen eine Ergebnisvorhersage für die Überlebenswahrscheinlichkeit seines Patienten oder seiner Patientin treffen muss.

Wie hat sich Ihr Forschungsfeld an der ETH Zürich in den letzten zwanzig Jahren verändert? 
Ich hatte nicht vorhergesehen, dass mein Forschungsbereich in den letzten 15 Jahren dermassen explodieren wird. Es sind unglaublich spannende Zeiten. Der aktuelle Aufschwung der Künstlichen Intelligenz betrifft alle Wissenschaften und ist für mich als ausgebildeter Physiker mit der Einführung der Quantenmechanik in der Physik vergleichbar. Als Student wollte ich in meinem Beruf genug wissen, um eine solche Revolution in meinem Forschungsfeld bewusst wahrnehmen zu können und vielleicht sogar selbst etwas dazu beizutragen. Es ist für mich ein absoluter Glücksfall, dass ich diese Zeit wahrgenommen habe und als Forscher aktiv miterleben durfte.

Als ich ans Departement Informatik gekommen bin, interessierte sich kaum jemand für maschinelles Lernen. Einige Professoren, auch in anderen Forschungsbereichen, setzten maschinelles Lernen in ihrer Forschung zwar ein, aber niemals in dem Ausmass, wie es heute gemacht wird. Und am Departement Informatik gab es niemanden, der das maschinelle Lernen zu seinem Kerngebiet gemacht hat. Heutzutage ist das anders. Nun gibt es ein Institut für Maschinelles Lernen mit 11 Professorinnen und Professoren.

Sehen Sie diesen Entwicklungen im Bereich der Künstlichen Intelligenz eher mit Sorge oder Begeisterung entgegen? 
Über die Entwicklung in der Wissenschaft bin ich nicht besorgt. Meine Sorge besteht, wenn überhaupt, darin, dass die Gesellschaft die Folgen dieser wissenschaftlichen Fortschritte möglicherweise nicht genügend versteht oder vorhersehen kann. Neue Technologien – einschliesslich der künstlichen Intelligenz – haben das Potenzial, viel Gutes zu bewirken, aber sie können auch missbraucht werden. Die künstliche Intelligenz ist eine Technologie, die das menschliche Denken verbessert, indem sie die Grenzen der menschlichen Kapazität, Fakten zu speichern und Komplexität zu erfassen, enorm erweitert. Denn das menschliche Gehirn neigt dazu, Details zu ignorieren und sich auf das grosse Ganze zu konzentrieren, also zu abstrahieren. Es ist ein wichtiger Bildungsauftrag, dass die Gesellschaft lernt, wie diese Systeme auf ethisch korrekte Weise eingesetzt werden können. Es müssen neue Verfahren entwickelt werden, um Transparenz, Verantwortung und Fairness bei der Anwendung dieser Programme zu gewährleisten.

An der ETH waren Sie sowohl Forscher als auch Dozent und haben einige Verwaltungsrollen übernommen. Wie blicken Sie auf Ihre Zeit als Prorektor zurück? 
Ich war vier Jahre lang Prorektor Studium an der ETH. Die Rolle erforderte viel Zeit und Einfühlungsvermögen. Es sind aber auch unglaublich interessante Fragestellungen, die auf einen zukommen und die mit einer enormen Verantwortung einhergehen. Man wird mit Fragen konfrontiert, die sich an einer Schnittstelle befinden zwischen dem vorgefertigten Regelwerk und einer empathischen, ethisch korrekten Einzelfallbeurteilung. Die Entscheidungen, die man fällt, haben für jemanden signifikante Einschränkungen in seinen Lebensoptionen. Man muss zum Beispiel entscheiden, dass eine Person aus dem Studium ausgeschlossen wird. Das sollte zwingend von einem sehr guten Grund begleitet sein und nicht auf den Zufälligkeiten von irgendwelchen Prozessen beruhen. Die Rolle als Prorektor war sicherlich eine Herausforderung, aber ich glaube, dass ich da mit Augenmass vernünftige Lösungen beisteuern konnte. Mein wissenschaftlicher Hintergrund hat mir sicherlich bei dieser Verwaltungstätigkeit geholfen. Im Wesentlichen geht es als Prorektor um die Kontrolle von Prozessen, die ablaufen. Das hat viel mit Informatik zu tun, wo wir automatisierte Prozesse entwickeln, die dann vom Computer ausgeführt werden sollen.

Gibt es etwas, das Sie in Ihrer Zeit als Prorektor dazugelernt haben? 
Ich bin in erster Linie Wissenschaftler geworden, um zu forschen. Neben dem Produzieren neuen Wissens habe ich aber als Hochschullehrer auch die Verantwortung, bestehendes Wissen weiterzugeben. Während meiner Zeit als Prorektor habe ich gelernt, dass die erste Priorität der Universität immer die Lehre ist und die Forschung erst an zweiter Stelle folgt. Da sich die Qualität der Forschung aber leichter messen lässt, wird ihr oft mehr Bedeutung beigemessen als der Lehre. Studierende sollen an den Universitäten in erster Linie zu intelligenten Problemlöserinnen und Problemlösern ausgebildet werden, die auch unter grosser Unsicherheit vernünftige Entscheidungen treffen können – egal ob sie nachher in die Industrie gehen oder an der Universität bleiben.

Etwas weiteres, was ich in diesem Zusammenhang gelernt habe: Alles, was wir tun, ist eine Dienstleistung für die Gesellschaft. Das gilt für Verwaltungsaufgaben genauso wie für die Arbeit in Forschung und Lehre. In diesem Sinne sind alle drei Bereiche in meinen Augen gleichwertig zu schätzen.

Sie werden im kommenden Juli emeritiert. Was werden Sie im Ruhestand am meisten vermissen? 
Wenn man eine Zeit lang an einem Ort war, neigt man dazu, sich nach dieser vertrauten Umgebung und der Gemeinschaft mit den Kolleginnen und Kollegen, den Doktorierenden, Postdocs und den Studierenden zu sehnen. Sicherlich werde ich Vieles vermissen, aber ich glaube nicht, dass ich darunter leiden werde. Das ist aktuell eine optimistische Einschätzung und wenn Sie mich in einem Jahr noch einmal fragen, wird sich meine Meinung vielleicht geändert haben. Aber ich bin überzeugt, dass sich neue Möglichkeiten in der Zukunft ergeben werden.

Haben Sie konkrete Pläne? 
Meine Familie ist relativ gross. Wir erwarten bald das achte Enkelkind. Da kommen sicherlich einige Aufgaben auf mich zu. Beruflich habe ich mich nicht auf eine direkte Anschlussbeschäftigung vorbereitet und bin auch nicht aktiv auf der Suche nach einer solchen. Ich möchte aber meine Kontakte zum Institut aufrechterhalten und versuchen, mich als emeritierter Professor nützlich zu machen. Ich denke auch, dass ich weiterhin forschen werde, aber wahrscheinlich weniger als bisher. Gerne würde ich meine Zeit und Expertise auch in die Öffentlichkeitsarbeit einbringen, um die Gesellschaft bei dieser digitalen Transition zu unterstützen.