Richard Socher: Die KI-Chancen Deutschlands

Die KI wird nie ganz neue Ideen haben, ganz neue Konzepte erfinden können, neue Sprachen selber entwickeln, wenn sie nur auf menschlicher Sprache trainiert wird. Ich nenne sie anthropische Obergrenze. Auf der anderen Seite haben wir Simulation. Und in allen Domänen, die man simulieren kann, wird die KI auch übermenschliche Fähigkeiten entwickeln können, denn sie kann einfach Dinge ausprobieren. Sie kann milliardenfach Dinge ausprobieren. Und wenn wir letztendlich irgendwann eine Zelle komplett simulieren könnten, jedes Molekül, was in der Zelle drin ist, dann können wir auf einmal alle Probleme einer Zelle lösen mit der KI, und das wird dann die gesamte Biologie revolutionieren.

Die KI wird in der Zukunft fast wie ein Mitforscher, ein Kollege sein, der oder die mit uns zusammenarbeiten kann. Das heißt: "Ich habe hier eine Idee, denkt doch einfach mal die nächsten acht Stunden über diese Idee nach, lasse vielleicht ein paar Experimente laufen, wenn es nötig ist und schaue, ob diese Idee, dieses neue Molekül, diese neue Gleichung, dieser neue Algorithmus, ob das Sinn machen kann. Schau mal im Internet nach, ob jemand schon was ähnliches erfunden hat." So eine Fragestellung wird man der KI geben können, und dann wacht man am nächsten Morgen auf, und der KI-Kollege hat schon sehr, sehr viel mitgeforscht an der Idee.

Alle Menschen werden letztendlich Manager von KIs werden, sowohl in Firmen als auch in der Forschung, und das bedeutet, dass wir alle auf noch höheren Abstraktionsebenen arbeiten können. Was bedeutet das? Wenn man sich anschaut, viel Technologie, alles was um uns drum herum ist, kein Mensch könnte selber diese Technologie neu entwickeln, wenn er irgendwo im Dschungel ist. Wir arbeiten auf unglaublich hohen Abstraktionsebenen jetzt schon. Aber wenn wir die KI haben, braucht man nur noch die guten Ideen und dann die Fähigkeit, evaluieren zu können, ob die Resultate der KI gut sind. Das bedeutet häufig, dass man immer noch gute Grundlagen verstehen muss, lernen muss, auch auswendig lernen muss manchmal, immer weniger auswendig lernen, aber man kann gewisse Ideen nicht haben, wenn man nicht die Grundbausteine schon im Kopf hat. Es wird unglaublich spannend, die gesamte Menschheit wird sich verschnellern, der Fortschritt wird sich verschnellern, insbesondere in der Forschung.

Am spannendsten ist, wie wir die Naturwissenschaften in Ingenieurwissenschaften umwandeln. Was meine ich damit? Es ist superwichtig und interessant zu verstehen, wie Krebs im Körper sich kreiert. Aber es ist noch interessanter, wenn wir den Krebs heilen können. Es ist interessant und wichtig, wenn wir verstehen, wie Batterien funktionieren, aber es ist noch besser, wenn wir neue Batterietechnologien kreieren können. Und die Liste geht so weiter. Es ist alles interessant zu verstehen, aber es ist noch besser, wenn wir es manipulieren können, wenn wir Kontrolle darüber haben und am Ende eine bessere Lösung finden. Und da ist die KI das neue Werkzeug schlechthin, um das zu ermöglichen.

Meine Hoffnung ist, dass Deutschland insbesondere in diesem KI-Forscher mitspielen kann. Ganz konkret, mein Buch heißt "Die Eureka Machine", kommt hoffentlich Ende dieses Jahres raus. Also eine Eureka-Maschine, ein KI-Agent, der neue Erfindungen selber auch kreieren kann. Und da ist Deutschland sehr gut aufgestellt. Wir haben unglaublich starke naturwissenschaftliche Institute. Die Frage ist jetzt: Können wir die KI in die existierenden Institute mit reinbringen oder brauchen wir eine neue Gesellschaften und neue Institute, die von Grund auf auf der KI basieren und verstehen, dass das das beste neue Werkzeug ist, um Fortschritt zu machen in sehr, sehr komplexen biologischen und chemischen Systemen?

Insgesamt kann Deutschland, wie gesagt, mehr mitgestalten, wenn wir neue Ideen haben. Ich habe auch einige, wie wir die Foundational Models tiefer verknüpfen und grundieren, ein Fundament aufbauen und die verknüpfen mit den Naturwissenschaften und den Daten, die man haben kann, in der Simulation, die man haben kann, auch der robotischen Automatisierung von Experimenten, die man machen kann, insbesondere in der Physik, Chemie und Biologie. Also, da wird dann die Robotik auch noch sehr, sehr stark mit reinkommen. Und dann kann Deutschland eigentlich Weltführer werden für die KI-Wissenschaftler.

Ob wir vielleicht eine neue Gesellschaft brauchen, die nicht basierend ist auf der unglaublich coolen Physik des letzten Jahrhunderts und den Physikern, sondern die von Grund auf sich mit der Informatik beschäftigt als das neue Werkzeug für alle Wissenschaften. Und wo dann jedes Institut basierend auf einem Foundational Model arbeitet, einem Kerninstitut, was wirklich weltweit führend ist und was nicht nur das Wissen verknüpft, sondern auch die Daten der Naturwissenschaften in sich aufnimmt. Und das grundiert so ein Foundational Model in den Daten der Naturwissenschaften und dann die in Ingenieurwissenschaften umwandelt und dann auch sagt: Hey, wenn wir neue mögliche Wege gefunden haben, Medikamente zu entwickeln, dass wir dann auch Spin-outs machen können und daraus Start-ups gründen können und dass das nicht ein Problem ist, sondern ein gutes Resultat von Forschungsergebnissen.

Es ist immer schwierig, in bestehenden Strukturen, die sehr, sehr viel Bürokratie haben, schnell zu arbeiten. Aber manchmal ist es auch möglich, einfach das alles zu umgehen, eine neue Parallelstruktur aufbauen, die weniger Bürokratie hat, die sehr auf Effizienz ausgelegt ist. Das Problem ist, ich sage jetzt: Okay, Large Language Models mit naturwissenschaftlichen Daten und einer Simulation gut verknüpfen. In drei, vier Jahren, wenn man dann neue Lehrstühle gestartet hat und so weiter, ist die Idee auch wahrscheinlich weniger neu, denn sie wird bald publik sein. Und ich habe an vielen Stellen Ideen erfunden, aber man musste dann halt auch die schnell implementieren und zeigen, dass es funktioniert.

Wie ist jetzt you.com anders, was waren unsere Erfindungen, die dieses Gebiet vorangebracht haben? Und wir haben festgestellt, LLMs sind super, aber LLMs sind so ein bisschen wie dein Onkel beim Abendessen, der ein bisschen aus seiner Geschichte erzählt, und man weiß halt nicht immer, ob alles stimmt oder ein bisschen überzogen ist. Wir haben dann gesagt: Okay, LLMS lassen sich zum Beispiel auch nicht alle fünf Minuten neu trainieren. Das geht einfach momentan technisch noch nicht. Und was wir brauchen, ist eine Verknüpfung von diesen Sprachmodellen, Large Language Models, mit einer Internetsuche, die aktuell sein kann, die alle fünf Minuten neue Informationen hat, wenn was passiert in der Welt. Und da waren wir die Ersten, die die verknüpft haben in der Suchmaschine und die Ergebnisse davon mit einem großen Sprachmodell innerhalb eines Interfaces. Dadurch haben wir es geschafft, viel, viel akkurater zu sein, genauer zu sein. Nicht nur bei den Antworten, sondern auch bei den Quellenangaben, den Zitierungen. Und als Ex-Akademiker sind natürlich Zitierungen unglaublich wichtig. Und deswegen finde ich das sehr gut auch teilweise, dass viele unsere Ideen kopiert haben und immer mehr dieser Sprachmodelle auch jetzt Zitierungen aus dem Web nutzen. Und irgendwann stellt man fest, okay, Quellenangaben von externen Webdaten sind sinnvoll, aber viele Firmen, Universitäten, Forschungsgruppen haben auch ihre eigenen Daten und wollen auch über die die KI nachdenken lassen. Und deswegen verknüpfen wir jetzt sowohl interne als auch externe Daten und sind letztendlich viel genauer in den Antworten und haben es jetzt wirklich geschafft, dass wir fast gar keine Halluzinationen mehr haben und dass man dieser KI auch wirklich vertrauen kann und sie mittlerweile fast einstellen kann für gewisse kleine Arbeitsabläufe.

Wir haben um die Daten, denken da viel drüber nach bei you.com, haben für alle unsere bezahlenden Kunden eine sogenannte Zero Data Retention. Also da wird nichts gespeichert, man hat volle Kontrolle. Manche wollen auch die Geschichte speichern lassen, dass man zurückschauen kann auf andere Ideen, die man hatte, oder vorherige Ideen. Aber da wird nichts trainiert in ein globales Modell. Das wird alles nur für eine Firma aufgesetzt, und dann hat die Zugang zu all ihren Daten, ohne dass diese Daten in eine allgemeine KI mit reinkommen. Das ist natürlich für Firmen unglaublich wichtig.

Wir haben über 50.000 Agenten, die unsere Kunden schon auf you.com kreiert haben. Und zum Beispiel der Chef vom Wort und Bild Verlag, die die Apotheken Rundschau und viele anderen machen, hat uns gesagt: Ein Job, der vorher fünf Tage gedauert hat, dauert jetzt nur noch anderthalb Tage. Wenn man also Agenten versteht, dann ist man unglaublich effizienter in seinem Job. Ich finde es auch superspannend. Wir haben einige Kunden im universitären Bereich auch bei you.com, die Maryville University und als Nerd auch superspannend das Institute of Advanced Study in Princeton, wo Einstein und Oppenheimer gearbeitet haben. Die sind alle Kunden von you.com, was supercool ist. Wir haben auch eine große deutsche Uni mit 34.000 Studenten, wo alle Studenten Zugang zu you.com bekommen und damit zu allen anderen Sprachmodellen, die wir haben. Alle von Anthropic, alle von OpenAI, auch DeepSeek, ist alles mit drin. Immer verknüpft mit Quellenangaben, aktuell.

Wir hatten zum Beispiel mit der Deutschen Presseagentur gearbeitet. Wir hatten gesagt, okay, in drei Monaten könnt ihr alle neue Antworten bekommen über eure gesamten Dokumente seit 1948. Aber dann haben wir unsere Programmierer nach Berlin geschickt aus Kalifornien, und drei Wochen später waren sie live. So, und da haben wir auch mit einigen anderen Publikationen darüber geredet. und ich sage, ja, seit acht Monaten arbeiten wir mit einer lokalen Firma hier zusammen und wollen neue Datenbanken und Embeddings und so weiter implementieren. Aber wenn man will, geht's auch schnell. Aber da müssen dann halt wirklich der CEO und die Chefs sagen: Okay, wir wollen schneller mitmachen. Da muss auch ein bisschen ein Umdenken passieren. Alle Organisationschefs müssen ihren Organisationen sagen: Wir müssen KI benutzen in unseren Arbeitsabläufen. Ministerien müssen das machen, Firmen müssen das machen, Universitäten müssen das machen und das Denken umwandeln.

Daten, Intellectual Property, IP-Rechte haben sich vor allem auf Copyright fokussiert, aber wir müssen wahrscheinlich uns eher Gedanken machen über Learnright. Also das Kopieren ist das eine, aber davon zu lernen ist was anderes. Das tut nicht unbedingt Dinge nur kopieren, das nimmt die auf und versteht sie dann und kann dann diese neuen Konzepte in anderen Wegen nutzen. Und wenn man natürlich als Forscher Ideen publiziert und Bücher schreibt, will man natürlich, dass alle davon lernen. Nicht nur zwei, drei individuelle Menschen, sondern die gesamte Menschheit. Die Menschheit ist jetzt teilweise halt in der KI mit drin, und man will also eigentlich auch, dass die KI von den eigenen Ideen lernt, aber sie möglicherweise nicht komplett direkt kopiert. Kopieren ist natürlich einfach für Rechner, einfach Copy und Paste machen, dann hat man was kopiert. Aber Lernen ist schwieriger und ist auch schwieriger, das alles zu regulieren. Aber, ja, Forscher sollten sich natürlich freuen, wenn einmal die Resultate publiziert sind, dass sie der Öffentlichkeit zugänglich sind. Letztendlich wird die KI die gesamte Forschung viel, viel schneller machen.

Ich habe vor ein, zwei Jahren über das Jevons-Paradox gelesen, auch schon häufig darüber geschrieben und das erzählt. Jevons war ein Economist in der ersten industriellen Revolution und hatte festgestellt, dass obwohl Dampfmaschinen immer effizienter werden und viele Forscher haben damals daran gearbeitet, Dampfmaschinen effizienter zu machen und man dann sagen könnte, okay, weil Dampfmaschinen immer effizienter werden, wird vielleicht weniger Kohle benutzt, und dementsprechend verändern sich die Preise für Kohle. Aber stattdessen, was passiert ist, es gab einfach immer mehr Dampfmaschinen an viel mehr Stellen für viel mehr Anwendungen. Und das werden wir jetzt auch sehen mit der KI. Die KI ist eine Technologie, und wenn einmal Technologie sich tief in eine Anwendung reinarbeitet und das skaliert, ist das letztendlich unglaublich verbessernd für den gleichen Zugang zu solchen Produkten oder Services.

Zum Beispiel, wenn man einmal Technologie hat, nutzen am Ende Milliardäre und ein normaler Teenager das gleiche Handy. Was gibt es momentan an Services und Produkten, die nur Milliardäre haben, die man sich als Normalverdiener nicht leisten kann? Milliardäre haben ihre eigenen Tutoren für ihre Kinder, die das Kind verstehen, die wissen genau was, welche Konzepte hat das Kind schon verstanden und so weiter und welche nicht, sich wirklich damit tiefer beschäftigen. Die haben ihre eigenen Gesundheitsteams, einen Hausdoktor, der sich auskennt, der die DNA-Analyse gemacht hat, der vielleicht Vollkörper-MRI-Scans gemacht hat und wirklich alles analysiert, dass man tiptop fit ist und länger leben kann und so weiter. Die haben persönliche Assistenten. Diese drei Arbeiten benötigen Intelligenz. Und wenn wir jetzt Intelligenz billiger machen können, werden wir einfach alle Zugang zu solchen Möglichkeiten haben. Wenn dann Technologie wirklich skaliert, dann werden die Preise immer billiger. Und am Ende können wir alle unsere DNA analysieren. Das hat mal eine Million Euro gekostet. Und jetzt ist es 50 oder so Euro nur noch. Und so sehe ich das mit der KI auch an vielen Stellen. Und gerade DeepSeek zum Beispiel zeigt uns, dass es in der Tat immer weniger kosten wird, neue KI zu trainieren, dass weltweit daran gearbeitet wird und dank Open Source dass wir wirklich alle zusammen weltweit daran arbeiten können. Letztendlich kann man das auch so ein bisschen verstehen als ein Wettrennen, aber ich persönlich freue mich eigentlich, dass die großen Weltmächte wie China und die USA ein Wettrennen machen über eine KI, mit der wir uns alle unterhalten können und alle Zugang zu haben und alle modifizieren können, statt wer hat mehr Nuklearwaffen oder Flugzeugträger oder was auch immer. Das ist eigentlich ein spannender Moment und auch ein schöner Moment für die Menschheitsgeschichte.