Bedeutung von KIkünstliche Intelligenz Tools für die Forschung
Bedeutung von KIkünstliche Intelligenz Tools für die Forschung
- Datum:
- Ort:
- Potsdam
- Lesedauer:
- 3 MIN
Am 20. Juni 2023 befasste sich die Jahresveranstaltung der Potsdam Graduate School mit der Bedeutung von sogenannten „KIkünstliche Intelligenz-Tools“ für die Forschung. Im Rahmen von Vorträgen, Workshops und vertiefenden Diskussionen wurden dabei unter anderem die Themen „Future Skills“ und „Data Literacy“ sowie die Anwendungsmöglichkeiten von KIkünstliche Intelligenz-Tools für die Forschung diskutiert.
Die vierte industrielle Revolution.
Angetrieben vom technologischen Fortschritt ist das Arbeitsleben im Begriff, sich tiefgreifend und nachhaltig zu verändern. Seit einigen Jahren sind Software-Anwendungen nicht mehr nur in der Lage, spezifische digitale Aufgaben zu erfüllen, sondern den Menschen bei der Er- und Verarbeitung von digitalen Inhalten zu unterstützen oder diese Inhalte teilweise sogar selbst zu generieren.
Bei der Erkennung komplexer Muster in großen Datenmengen sind KIkünstliche Intelligenz-Systeme dem Menschen schon heutzutage deutlich überlegen. Sie helfen beispielsweise Landwirten durch die Auswertung von Satellitenbildern bei der effizienten Bewässerung ihrer Acker, können anhand der Analyse von Wellenmustern schneller vor Tsunamis warnen oder helfen der ukrainischen Armee, im Unterholz getarnte russischen Panzer aus der Luft zu identifizieren.
KIkünstliche Intelligenz-Tools für die Forschung
Von diesem tiefgreifenden digitalen Wandel der Arbeitswelt betroffen ist auch die wissenschaftliche Arbeit selbst - ein Trend, der sich in den kommenden Jahren und Jahrzehnten noch verstärken wird. Auf der Jahresveranstaltung der Potsdam Graduate School der Universität Potsdam wurde daher der Frage nachgegangen, wie die wissenschaftliche Arbeit in Zukunft aussehen kann. Welche Herausforderungen und Chancen ergeben sich für Forschende, wenn auf „künstlicher Intelligenz“ basierende Programme mittlerweile in der Lage sind, komplexe Texte und Bilder zu generieren, Objekte zu erkennen oder gar sprachliche Erzeugnisse zu verstehen, zu verarbeiten und zu analysieren - Aufgaben die bisher der menschlichen Intelligenz vorbehalten waren?
In den unterschiedlichen Workshops der Veranstaltung wurde dabei festgestellt, dass bereits heute KIkünstliche Intelligenz-Systeme Forschende bei allen Schritten des Forschungszyklus unterstützen können: von der Erarbeitung einer Forschungsfrage („ChatGPT“), über die Recherche und Analyse einschlägiger Fachliteratur („Connected Papers“ / „Scispace Copilot“), der Transkribierung von Interviews („Transkriptor“), dem Einscannen und Verarbeiten von Papier- zu durchsuchbaren PDF-Dokumenten („Adobe Scan“), bis hin zur Erstellung fremdsprachiger Texte („DeepL“) oder von PowerPoint-Präsentationen („Slides AI“). Computersoftware hat in der Folge das Potential, sich gleichermaßen zum Ausgangspunkt, zur Inspirationsquelle und zum Forschungsassistenten jedweder wissenschaftlichen Tätigkeit zu entwickeln.
Digital- und Datenkompetenz
In ihrem Einführungsvortrag hob Professorin Simone Fühles-Ubach (TH Köln) mit Verweis auf die Ergebnisse des Hochschulbarometers 2020 deshalb hervor, dass die Ausbildung digitaler überfachlicher Kompetenzen - also die Fähig- und Fertigkeit, mit digitalen Technologien umgehen zu können - angesichts dieser vertieften Digitalisierung nicht nur für das Arbeitsleben, sondern auch für die gesellschaftliche Teilhabe selbst an Bedeutung zunehmen wird.
Eng hiermit verbunden sei die sogenannte „Data Literacy “, also der kompetente Umgang mit Daten. Nutzer müssen zukünftig in der Lage sein, KIkünstliche Intelligenz-basierte Programme nicht nur zielgerichtet anwenden, sondern die hierbei entstandenen Daten auch kritisch hinterfragen und für die weitere Forschung zugänglich machen zu können, schon allein zur Reproduzier- und Nachvollziehbarkeit der Erkenntnisse. Bei der Nutzung von KIkünstliche Intelligenz-Programmen zu wissenschaftlichen Zwecken stellen sich darüber hinaus noch grundsätzliche Fragen zur individuellen Arbeitsleistung, zur Vereinbarkeit mit den Leitlinien zur „Guten wissenschaftlichen Praxis“, zur Achtung datenschutz- und urheberrechtlicher Bestimmungen sowie zur Entstehung selbstreferentieller Wissenssysteme. Mit diesen und weiteren Fragen werden sich Forschende in Zukunft verstärkt beschäftigen müssen.