Veröffentlicht am

Künstliche Intelligenz: Warum sollten Forscher besser offene Large Language Models (LLM) nutzen?

Usage of large language models (LLMs) in behavioral and social sciences research (Wulff/Hussain/Mata 2024). Die Hervorhebung in Rot ist von mir (Robert Freund) ergänzt worden.

Natürlich verwenden immer mehr Wissenschaftler Künstlichen Intelligenz in ihrer Arbeit. Wie die Grafik zeigt, wird ChatGPT beispielsweise in den Verhaltens- und Sozialwissenschaften sehr stark genutzt. ChatGPT ist allerdings von OpenAI, dessen Large Language Model (LLM) als eher geschlossenes System (Closed LLM) bezeichnet werden kann, da das zugrundeliegende Datenmodell nicht transparent ist. Andere LLM – wie z.B. LLama – sind eher offen LLM (Open LLM), die gerade für Forschung und Wissenschaft geeigneter erscheinen.

In dem aktuellen Paper Wulff/Hussain/Mata (2024): The Behavioral and Social Sciences Need Open LLMs (PDF) argumentieren die Autoren dazu wie folgt:

“Academic research should prefer open LLMs because they offer several practical and ethical advantages that are essential for scientific progress.

First, open models provide the transparency necessary for thorough scrutiny, allowing researchers to understand better the tools they are using and ensuring accountability.

Second, this transparency, combined with the adaptability of open models, facilitates innovation by enabling researchers to customize models to meet specific needs and explore new applications (Wulff & Mata, 2024).

Third, open LLMs support reproducibility, a cornerstone of scientific research, by allowing other researchers to replicate and build upon existing work.

Finally, the ethical implications of AI usage are better managed with open models, as they enable greater scrutiny of AI decisions, arguably reduce the risks of deploying biased or unethical systems, and avoid giving away data to further train closed, proprietary models.”

Ich frage mich an dieser Stelle, ob solche Hinweise nicht auch für die Nutzung von Künstlicher Intelligenz in Unternehmen gelten sollten.

Siehe dazu auch Künstliche Intelligenz: Vorteile von Open-Source-Modellen

Veröffentlicht am

Warum ist das Scrum Framework im akademischen Umfeld schwierig umzusetzen?

Das Scrum Rahmenwerk (Framework) ist für Entwicklungsprojekte (Innovationsprojekte) in vielen Branchen erfolgreich eingesetzt worden. Somit sollte Scrum gerade für den akademischen Bereich geeignet sein, denn immerhin geht es im akademischen Umfeld oft um innovative Forschungsprojekte, die auch noch massiv gefördert werden. Es ist erstaunlich, dass verschiedene Quellen zeigen, dass Scrum im akademischen Umfeld durchaus auf erhebliche Widerstände stößt, die in den folgenden Abschnitt zusammengefasst wurden.

“Scrum is mostly criticized for potential shortcomings in oversight, because no detailed milestone roadmap or waterfall project plan is followed (e.g. Cervone 2011, 22; for a general debate see Serrador and Pinto 2015). This is particularly problematic for project management in academia as most funding agencies require standard waterfall plans and reporting. Some practitioners of Scrum also criticize the framework for introducing a certain “breathlessness” into project work, referring to the repetitive work cycles and the metaphorical and literal emphasis on sprinting through fixed time intervals. For academic projects, this may not provide enough time to think and focus on in-depth analyses. Furthermore, Scrum language is rather inaccessible to those unfamiliar with the framework, hampering the creation of a common language and common ground, which already is a challenge for inter- and transdisciplinary team work in academia. Finally, the Scrum philosophy or mindset – which is emphasized as one of its most central parts (e.g. Sloan 2015) – might be perceived as too dogmatic by academic teams and may lead to resistance rather than effective work processes. There are also voices, however, which underline the (politically) progressive potential of the Scrum mindset to foster non-hierarchical work environments and a communicative work and feedback culture (e.g. Pope-Ruark 2017, 15–22)” (Maren Heibges, Katharina Jungnickel, and Markus A. Feufel 2023, in Torsten Philipp, Tobias Schmohl (eds.) (2023): Handbook Transdisciplinary Learning).

Manche Aspekte können in Zukunft angepasst werden: Beispielsweise die Vorgaben bei Ausschreibungen. Andere wiederum sind schwerer zu verändern. Möglicherweise geht es aber auch gar nicht darum zu fragen, ob Scrum oder klassisches/plangetriebenes Projektmanagement im akademischen Umfeld geeignet ist, sondern um ein angemessenes, adaptives, hybrides Projektmanagement.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgang Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Veröffentlicht am

Wissenschaftler – wer braucht die denn?

Forschung

Wissenschaftler sind in der Bevölkerung oftmals wenig anerkannt und wertgeschätzt. Es gibt Ausnahmen, die es geschafft haben, durch gezieltes persönliches Marketing einen bestimmten Bekanntheitsgrad zu erreichen. Das wiederum ruft die Vertreter der universitären Forschung auf den Plan, die so ein Vorgehen nicht gut heißen.

Die universitäre Forschung verkennt allerdings manchmal, dass durch dieses Verhalten die Deutungshoheit von Fakten von anderen besetzt wird, die Menschen generell in ihrem Sinne beeinflussen wollen. Wenn Aussagen von Fußballspielern oder B-Promis zu komplexen wissenschaftlichen Themen mehr vertraut wird, als wissenschaftlichen Erkenntnissen, ist es nicht verwunderlich, wenn Verschwörungstheorien Hochkonjunktur haben. Diese persuasive Kommunikation sollte nicht einfach so hingenommen werden. Es ist daher erfreulich, dass die Glaubwürdigkeit der Forschung in Zeiten von Corona wohl etwas zugenommen hat:

Corona hat die Welt verändert. Die Erfahrung der Krise hat auch die öffentliche Meinung beeinflusst. Die Glaubwürdigkeit der Forschung hat nach einer im Juni veröffentlichten Repräsentativumfrage des Instituts für Demoskopie Allensbach deutlich zugenommen. 54 Prozent der Bevölkerung nehmen Naturwissenschaftler als wichtige Impulsgeber für die Zukunft wahr. Die Krise offenbart die Chancen. Freuen wir uns darauf, sie gemeinsam zu nutzen! (Fraunhofer Magazin 2/2020, S. 7).

Der angegebene Wert ist allerdings nicht besonders hoch, immerhin hat die Glaubwürdigkeit der Forschung bei 46 Prozent der Befragten nicht zugenommen… Dass die Fraunhofer Gesellschaft weiterhin nur die Naturwissenschaften hervorhebt, ist verständlich, immerhin hängen ja Fördergelder an dem ganzen Themenkomplex. Dennoch hätte ich mir gewünscht, dass auch auf die Rolle der Geisteswissenschaften oder Sozialwissenschaften gewürdigt wird. Immerhin ist es bemerkenswert, dass in verschiedenen Medien gerade Sozialwissenschaftler befragt werden, wenn es um komplexe Zusammenhänge geht – warum nur?

Veröffentlicht am

Das EU-Projekt MIapp

MIapp-Logo

Vorgeschichte

In den 90er Jahren habe ich mich intensiv mit dem Trend zur Individualisierung beschäftigt. Neben der gesellschaftlichen Dimension gibt es dabei auch einen wirtschaftlichen Aspekt, der in der hybriden Wettbewerbsstratgie Mass Customization and Personalization zum Ausdruck kommt und in Open Innovation seine Fortsetzung findet.

Ich habe mich damals gefragt, ob es möglich ist, Mass Customization and Personalization auch auf den Bildungssektor zu übertragen. Während meiner Weiterbildung zum Experten für Neue Lerntechnologien habe ich diese Frage 2001 etwas genauer untersucht (Mass Customization in der Bildung: Veröffentlichungen). Das erste Ergebnis war durchaus positiv, denn die neuen Technologien ermöglichten es, Content (Learning Objects) mit Hilfe definierter Standards (z.B. SCORM) individuell zu konfigurieren.

Problematisch war aus meiner Sicht allerdings schon damals, dass es ja nicht die sogenannten Learning Objects sind, die lernen, sondern die Teilnehmer. Die aus meiner Sicht zu starke Technologieorientierung sollte daher durch eine stärkere Teilnehmerorientierung abgelöst werden:

Wie kommt man nun von E minus Learning (E-Learning) zu Learning + E?

Stellt man den Teilnehmer, und die damit verbundene Ermöglichungsdidaktik in den Mittelpunkt der Überlegungen, so wird schnell deutlich, dass man eine Theorie benötigt, die den Teilnehmer in all seinen Dimensionen beschreiben kann. Den Zusammenhang habe ich dann in meinem Paper zur ElearnChina2003 (Veröffentlichungen) erläutert, in dem ich vorschlage, die Multiple Intelligenzen Theorie zu nutzen.

Das EU-Projekt MIapp (2004-2006)

Das EU-Projekt MIapp: The application of Multiple Intelligences theory to increase the effectiveness of e-learning, recruitment practices and Internet search engines. Co-financed by the Leonardo Davinci Program (PT 04/PP/11/24/458). Der Flyer informiert Sie ausführlich über das Projekt.

Natürlich gibt es viele Profiling-Instrumente auf dem Markt, dennoch war ich erstaunt darüber, dass die in den USA und anderen Ländern der Welt häufig eingesetzte Multiple Intelligenzen Theorie in Europa so wenig im Bildungssektor (aber auch in Unternehmen) beachtet wurde. Ich habe daher die University of Information, Technology and Management (UITM) in Rzeszów (Polen) gefragt, ob wir ein Pre-Proposal einreichen wollen. Gesagt – getan. Gemeinsam mit verschiedenen europäischen Partnern (Deutschland, Polen, Spanien, Österreich und Griechenland) haben wir dann den Antrag gestellt. Die Freude war groß, als wir erfuhren, dass das Projekt MIapp genehmigt wurde. Wir haben virtuell zusammengearbeitet, und uns im Projektzeitraum immer wieder zu Meetings getroffen:

  • MIapp-Meeting an der Universität Barcelona, Spanien
  • MIapp-Meeting bei FORTH auf Heraklion, Griechenland
  • MIapp-Meeting an der Universität in Freiburg, Deutschland
  • MIapp-Abschluss-Meeting an der UITM in Rzeszów, Polen (Program of the Seminar).
Veröffentlicht am

Maschinelles Lernen: Aktueller Stand (Fraunhofer-Studie)

Die Veröffentlichung Fraunhofer (2018): Maschinelles Lernen: Kompetenzen, Forschung, Anwendung (PDF) zeigt den aktuellen Stand der Diskussion, die manchmal von Laien tendenziell beeinflusst wird, um Stimmung (Für und Wider) zu machen. Hilfreich ist auch das umfangreiche Glossar, das die wichtigsten Begriffe (Konstrukte) beschreibt. Beispielhaft ist hier die Definition für Maschinelles Lernen genannt, die auch für das Wissensmanagement eine immer wichtigere Rolle spielt:

Maschinelles Lernen bezweckt die Generierung von Wissen aus Erfahrung, indem Lernalgorithmen aus Beispielen ein komplexes Modell entwickeln. Das Modell kann anschließend auf neue, potenziell unbekannte Daten der selben Art angewendet werden. Damit kommt das Maschinelle Lernen ohne manuelle Wissenseingabe oder explizite Programmierung eines Lösungswegs aus (S. 44).

Veröffentlicht am

Adern aus dem 3D-Drucker?

weiter-vorn-1-16

In dem Fraunhofer-Magazin weiter.vorn 1/2016 (PDF) wird in dem Artikel Adern aus dem Drucker ( S. 32-33) beschrieben, wie künstliche verzweigte Blutgefäße aus neuartigen Materialien mit Hilfe von 3D-Druckverfahren hergestellt werden:

Herkömmliche künstliche Hautmodelle bestehen meist aus den beiden obersten Schichten der Haut. Ein internationales Forscherteam entwickelte ein dreilagiges Vollhautmodell aus Unterhautfett, Dermis und Epidermis. Ein Schlüssel zum Erfolg: Den Experten gelang es mit einem 3D-Druckverfahren, künstliche verzweigte Blutgefäße aus neuartigen Materialien herzustellen.

Es ist immer wieder beeindruckend zu sehen, wie schnell die neuen Möglichkeiten von 3D-Druck bzw. Additive Manufacturing angewendet werden. Neben der Verbesserung von aktuellen Verfahren werden 3D-Druck und Additive Manufacturing auch Geschäftsmodelle in allen Branchen verändern. Solche Zusammenhänge besprechen wir auch in dem von uns entwickelten Blended Learning Lehrgang Innovationsmanager (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

Veröffentlicht am

BMBF (2010): Bundesbericht Forschung und Innovation 2010

Wie sieht es mit Forschung und Innovation in Deutschland aus? Der Bundesbericht Forschung und Innovation 2010 will darauf eine Antwort geben. Auf über 600 Seiten werden die Ziele und vielfältigen Aktivitäten dargelegt. Auffällig ist, dass der Schwerpunkt auf Forschung und Entwicklung liegt. Ein Beispiel: “Angesichts der Entwicklungen auf den internationalen Finanzmärkten gilt jetzt erst recht: Deutschland muss in FuE investieren, um den Standort zu sichern und damit den zukünftigen Wohlstand der Gesellschaft”. FuE bedeutet allerdings nicht zwangsläufig auch Innovationen… Dennoch: “Der Anteil forschungsintensiver Produkte und Dienstleistungen an der Wertschöpfung ist heute mit mehr als 45 Prozent in keinem anderen Industrieland höher als in Deutschland”… und das ist gut so.

Veröffentlicht am

Open-I: 1.3 Mio. EUR für ein Projekt zu Open Innovation

open-i-02.jpgAus der Pressemitteilung zu Open-I : “Open Innovation hat das Potential die Innovationsfähigkeit von Unternehmen radikal zu steigern. Wie Unternehmen konkret vorgehen können, welche Herausforderungen dabei zu meistern und welche Hindernisse zu berücksichtigen sind, erkunden Forscher der Handelshochschule Leipzig (HHL), der Universität Erlangen-Nürnberg und der Technischen Universität München im interdisziplinären Verbundprojekt “Open-I“. Vom Bundesministerium für Bildung und Forschung sowie dem Europäischen Sozialfonds wurden hierfür jetzt rund 1,3 Mio. EUR bewilligt.” Es freut mich sehr, dass die Forschungen zu Open Innovation intensiv gefördert werden. Möglicherweise merken auch bald Unternehmen, dass sie von Open Innovation profitieren können…

Veröffentlicht am

Leitfaden: Wissensbilanzen für regionale Cluster- und Netzwerkinitiativen

ricarda-leitfaden.jpgDer Leitfaden Zwicker-Schwarm, D.; Fläting, H. (2008): Wissensbilanzen für regionale Cluster- und Netzwerkinitiativen basiert auf der RICARDA-Methode (English Version): “Dieser Leitfaden stellt die Wissensbilanzierung als ein Instrument für regionale Cluster- und Netzwerkinitiativen vor. Er wurde innerhalb des Projekts RICARDA von Fachleuten aus Politik und Verwaltung, Netzwerkmanagern und Forschern aus vier europäischen Regionen erarbeitet. Die RICARDA-Methode eignet sich für alle regionalen, institutionalisierten Cluster- und Netzwerkinitiativen, die auf die Entstehung und Verbreitung von Wissen abzielen – angefangen von Netzwerken für Forschung und technologische Entwicklung (FuE) bis hin zu institutionalisierten Clustern. Wissensbilanzen (engl. intellectual capital reports) ergänzen herkömmliche Bilanzierungsverfahren. Sie analysieren und bewerten die immateriellen Werte von Organisationen auf strukturierte Art und Weise. Diese immateriellen Werte – oder auch intellektuelles Kapital – sind bedeutende Ressourcen für Cluster- und Netzwerkinitiativen. Dabei werden drei Dimensionen intellektuellen Kapitals unterschieden: Human-, Struktur- und Beziehungskapital.” Wenn Sie mit der Wissensbilanz – Made in Germany vertraut sind, so finden Sie hier die wichtigsten Schritte übertragen auf Cluster- und Netzwerkinitiativen wieder.

Veröffentlicht am

Hartig, J.; Klieme, E. (Hrsg.) (2007): Möglichkeiten und Voraussetzungen technologiebasierter Kompetenzdiagnostik

hartig-klieme-2007.jpgEs handelt sich hier um eine Expertise im Auftrag des Bundesministeriums für Bildung und Forschung, in der auch begründet wird, warum Kompetenz im Kontext gesehen werden sollte. Darüber hinaus wird auch auf den Zusammenhang Intelligenz und Kompetenz verwiesen. In dem Beitrag von Klieme/Maag-Merti/Hartig: Kompetenzbegriff und Bedeutung des Kompetenzbegriffs im Bildungswesen, S. 5-15 findet man auf Seite 6 folgende Hinweise: “So definierte bereits White (1959, S. 317) Kompetenz als ´effective interaction (of the individual) with the environment´; besonders prägnant beschreiben Connell, Scheridan und Gardner (2003, S. 142) Kompetenzen als ´realized abilities´. Auch für Weinert (1999, 2001), der in einem für die OECD erstellten Gutachten eine Übersicht über verschiedene Kompetenzdefinitionen vornahm, ist die Kontextspezifität von Kompetenzen zentral (vgl. auch Klieme 2004a). Während in der Intelligenzforschung kognitive Leistungskonsrukte untersucht werden, die über eine breite Vielfalt von Situationen generalisierbar sind, beziehen sich Kompetenzkonstruke auf spezifische Anforderungsbereiche – die Frage ´kompetenz wofür?´ ist notwendiger Bestandteil jeder Kompetenzdefinition.” Die Autoren gehen auf Gardner ein, verwenden anschließend allerdings einen Intelligenzbegriff, der auf den klassischen IQ hindeutet (g-Faktor). Die Multiple Intelligenzen Theorie erweitert das Intelligenzverständnis, indem es Intelligenz kontextualisiert (Siehe dazu die Erläuterungen von Aissen-Crewett 1998). Aus diesem Grund schlägt Rauner (2004) auch vor, von Multiple Kompetenzen zu sprechen.