Wir sehen, dass wir in Bereichen, wie auch in den Vorträgen angeschnitten, in Bereichen, wo wir ein Domaineno-how, Informatik-no-how zusammenbringen, eine ganze Menge schaffen können. Ich habe sehr schön das Schlusswort gefunden.

Jetzt, wir starten gerade mit den komplizierten Problemen und da wird das einen entschieden. Insofern bin ich ganz gespannt auf die Zukunft. Guten Abend, ich bin Doris Peter von den HDI-Versicherungen. Ich habe hier bislang keinen Vortrag gehalten. Ich komme aus der Wirtschaft, aus der Versicherungswirtschaft.

Hier bei uns wird sehr viel mit Machine Learning, mit Predictive Analytics gearbeitet. Ich bin sehr interessiert immer an allen anderen Bereichen, in denen künstliche Intelligenz angewendet wird, obwohl man uns immer anguckt und sagt, wie in der Versicherung gibt es auch Predictive Analytics und Machine Learning.

Ja, ganz viel. Das Vernetzen ist uns sehr wichtig. Das versuchen wir allerdings auch schon international. Unser Konzern ist halt international aufgestellt und suchen immer den Kontakt zu Unis. Mein Name ist Rebecca Malten. Ich bin bei der Viscom AG, einem Maschinen- und Anlagenbauer für die Elektronikfertigung.

Ich würde aus meiner eigenen Erfahrung in meiner Firma Viscom sagen, dass es wirklich der Kernfaktor für die Anwendung ist, das Feldwissen und das KI-Wissen zu verknüpfen.

Ich erlebe das selber. KI ist eigentlich Vernetzung. Aber gerade bei diesen Themen ist die Vernetzungsbereitschaft gerade in Wirtschaftsbereichen, wo auch Sicherheitsaspekte und rechtliche Aspekte im Vordergrund stehen, noch nicht sehr groß. Und aus meiner Sicht müssen sich zunächst die Beteiligten

dieser Technologie öffnen und bereit sein, zu internen Zusammenarbeiten, um daraus wirklich Wertschöpfung zu generieren. Mein Name ist Sören Auer. Ich bin Direktor der TIB und Professor für Data Science and Digital Libraries hier an der Leibniz-Universität. TIB ist gleich hier direkt schräg gegenüber. Klassisch eine Bibliothek für Technik und Naturwissenschaften.

Aber wir sind natürlich jetzt in den letzten zehn Jahren, ich sage wir, ich bin erst seit letztem Jahr bei der TIB, aber die TIB hat sehr zeitig damit angefangen, sich zu wandeln. Von einer Bibliothek in ein Informationszentrum für die Digitalisierung. Wahrscheinlich sind Bibliotheken die Institution, die die Digitalisierung am härtesten trifft

und die sich am dramatischsten wandeln derzeit. Weil die Bibliotheken über 500 Jahre ein Monopol hatten auf den Wissensaustausch, auf den Wissenserwerb und Austausch. Und dieses Monopol ist ganz dramatisch gefallen. Und das ist beeindruckend, wie die Kollegen das geschafft haben, dort auch neue digitale Dienste zu entwickeln.

Wir haben zum Beispiel ein Videoportal, auch Forschung jetzt mit maschinelles Lernen für die automatische Erschließung zu nutzen. Ich sehe Ralf Ewart, meinen Kollegen, hier auch im Auditorium. Und das ist, glaube ich, ein sehr wichtiger Aspekt, den wir uns widmen, also mit Forschung und neuen digitalen Diensten unsere Nutzergruppen in Technik und Naturwissenschaften zu unterstützen.

Und ein Aspekt, der mir da besonders am Herzen liegt, ist die Vernetzung von Daten, von Informationen und die semantische Vernetzung. Weil ich glaube, maschinelles Lernen und KI kann nur funktionieren, wenn wir auch gute Daten haben. Die sauberen Daten, die bereits bereitstehen, die sind oft schon ausgewertet.

Und das Potenzial in der Zukunft liegt eigentlich genau dann, wenn wir in Wertschöpfungsketten, in heterogenen Datenbeständen zusammenführen können und Analysen durchführen können. Das ist so ein bisschen meine Erkenntnis und wurde auch noch mal bestätigt, durch die Vorträge, auch zum Beispiel, was Stefan West gesagt hatte, dass ein großer Aufwand oder Data Science heutzutage noch sehr gesucht sind.

Und wir können, glaube ich, mit solchen Methoden zur semantischen Integration den Aufwand vielleicht reduzieren und den Data Science die Arbeit erleichtern, dass das in der Zukunft besser funktioniert. Mein Name ist Marius Fersch, ich arbeite bei Volkswagen Financial Services in der Data and Analytics Unit

und leite dort das Team für Data Science und AI. Ich hatte in meinem Vortrag heute Morgen darüber gesprochen, dass die große Herausforderung, vor der wir stehen, die ist, dass wir die Erkenntnisse, die wir im Klein in Labs gewonnen haben in Bezug auf maschinelles Lernen und AI,

versuchen müssen, das in die Unternehmen zu skalieren. Ich habe heute im Laufe des Tages mit einigen Leuten gesprochen und im Grunde bin ich darin bestätigt worden, dass diese Herausforderung uns alle betrifft. Und auf der anderen Seite war eine Kernerkenntnis heute im Laufe des Tages, dass es unglaublich

viele Menschen gibt, vor allen Dingen die jungen Kollegen, die heute ihre Start-ups präsentiert haben, die sich wirklich mit Enthusiasmus diesen Fragen widmen und vielleicht noch eine weitere Anmerkung am Rande. Ich wohne in Berlin und als Berliner spricht man sehr häufig mit Berlinern und die Berliner sind sehr stolz auf ihre Start-up-Szene. Ich war offen gesagt heute überrascht, so viele sehr gute Pictures zu hören, so viele tolle Ideen zu sehen,

als ich dann an den Städten war und ich drücke all den Start-ups ganz, ganz toll die Daumen, dass es alles wirklich gut klappt, was sie sich davor genommen haben und würde sagen auch Chapeau vor Hannover und dem, was hier in der kurzen Zeit erreicht wurde. Oder ich weiß nicht, ob die Zeit kurz ist, Entschuldigung, das war jetzt eine

Annahme, aber auf jeden Fall war es toll zu sehen, was hier erreicht wurde. Ja, vielen herzlichen Dank schonmal für dieses erste Statement. Wir haben gerade eben gehört, ja, wir haben junge dynamische Start-ups hier und in der Tat ist es wirklich beeindruckend, mit welcher Motivation und mit welcher Begeisterung die jungen Leute dabei sind.

Und hier vorne sitzen jetzt ja schon etwas ältere Herrschaften und Darmschaften. Mich würde jetzt als zweites Statement interessieren, was möchten Sie den Start-ups mit auf den Weg geben? Worauf müssen Sie am meisten achten und was ist das nächste wirklich wichtige Hürde, die man nehmen sollte?

Also eine wichtige Botschaft, die ich gerne versenden würde an die Start-ups, wäre, dass man sehr, sehr frühzeitig das Gespräch sucht zu anderen, gleichgesinnten Start-ups, aber auch zu den alteingesettelten Unternehmen, was hauptsächlich darin liegt, dass die Welten unterschiedlich ticken.

Und es macht Sinn, dass man die Geschäftsideen, die man hat, die teilweise auch sehr, sehr gut sind, auf verschiedenen Blickwinkel betrachtet und sich wirklich die Erkenntnisse von verschiedensten Leuten abholt. Weil nur dann kann man sich sicher sein, dass das Produkt, das man da plant, auch wirklich irgendwann Abnehmer findet.

Ich kann vielleicht etwas ergänzen. Wir haben auch vor einigen Jahren einen Start-up gegründet, das auch hier vertreten ist, Essenza, da steht auch Markus Freudenberg und Stefan Reinhardt, bei dem man sich informieren kann. Wir haben in den fünf Jahren gelernt, dass wir auch mal in der Technologie gestartet sind,

gerade zur Datenvernetzung, zur Datenintegration und man muss aber viel mehr den Kunden nutzen im Blick haben. Und das ist etwas, was uns sehr viel Aufwand und Kraft gekostet hat und immer noch kostet, tatsächlich zu zeigen, wo sind die Anwendungsfälle, die einen Mehrwert für eine ganz konkrete Anwendung bringen.

Und das muss man sehr direkt zeigen. Und wir haben als Wissenschaftler oft so ein bisschen eine indirekte Vorstellung, wie hilfreich das sein könnte. Wir sind verliebt in unsere neuen Algorithmen und Ansätze. Und es zeigt sich dann aber oft in der Realität, dass es doch wesentlich schwieriger ist und der Weg wesentlich aufwendiger. Denn wir auch oft als Wissenschaftler ein bisschen unterschätzen, die letzte Meile quasi zu gehen, um diesen Kundennutzen tatsächlich zu demonstrieren.

Aus meiner Sicht ist auch nicht nur ein Aspekt, dass man eben sich aus möglichst verschiedenen Richtungen, wie das gerade gesagt wurde, Beratung und Input und Anwendungsmöglichkeiten holen sollte, sondern auch die Geschäftsmodelle nicht nur auf einen Partner oder eine Finanzierungsmöglichkeit

stützen sollte, sondern möglichst von Anfang an versuchen sollte, sich möglichst flexibel aufzustellen. Um ja einfach nicht so abhängig zu sein, gerade als junges Unternehmen. Ich beobachte das bei mir in der Abteilung, dass wir, ich bin eine mathematische Abteilung, ganz oft sehr gute Ideen haben, die wir gerne umsetzen möchten.

Und in dem Moment, wo wir, wir sind kein Start-up, natürlich nicht, aber wir haben die gleichen Probleme oftmals. Wenn wir nicht sagen, was das für Nutzen für die Firma bringt und das in Euro ausweisen können, dann kriegen wir nicht die Zeit zur Verfügung gestellt und die Mitarbeiter, dass wir dieses Projekt umsetzen dürfen. Diese Frage als Letztes zu beantworten ist natürlich schwierig, aber ich sage immer meinen Studenten, egal

ob sie in der Forschung bleiben wollen oder einen Start-up gründen oder in eine große Firma, denk an neue Dinge. Zu oft wird einfach etwas wiederholt, was es schon gibt, das ist irgendwie langweilig. Versuch das besser zu lösen und überleg dir, das, was du löst, ist das wirklich ein Problem, das jemand interessiert,

weil wenn nicht, dann scheißt das uns sowohl als Forscher als auch als Start-up. Aber ich denke, das ist keine Gefahr hier bei den Start-ups, die hier bei uns heute mitgemacht haben, die lösen alle wirklich interessante Probleme.

Ja, vielen herzlichen Dank und an dieser Stelle möchte ich Ihnen auch nochmal die Gelegenheit bieten, Fragen zu stellen, die Sie vielleicht beschäftigt oder einen Statement zu machen über den heutigen Tag. Ich merke, man wird langsam müde, es war ein langer Tag voller Eindrücke.

Gut, ich würde gerne noch eine weitere kleine Statementrunde von Ihnen abverlangen und was mich noch interessieren würde ist,

was sind jetzt wirklich die nächsten Herausforderungen und wo geht die Zukunft eigentlich wirklich hin? Wo sollten wir uns positionieren, worauf sollten wir besonders achten in der Forschung, aber auch bei den Start-ups und bei den Industriekooperationen?

Ich habe in vielen Kontexten schon die Erfahrung gemacht, es ist immer gut, sich dort aufzustellen, wo es interessante Probleme gibt, aber wenig Leute da sind, die sie lösen können. Und das ist oft in Bereichen, die Wissen benötigen aus unterschiedlichen Feldern, weil

jeder von uns hat ein Studium hinter sich oder unterschiedliche Bildung hinter sich und unsere Studien sind in vielen Fällen noch relativ eindimensional. Informatiker lösen Dinge, Mediziner lösen Dinge,

wenn die aber zusammenkommen, dann können sie Dinge lösen, die niemand von uns alleine lösen kann und das ist immer eine gute Strategie, die ich vielleicht in diesem Kontext auch weiterempfehlen möchte. Ich denke es ist ganz wichtig, dass man nie aus den Augen verliert, für wen man gerade etwas tut und

dass man es immer schaffen muss, auch in der Zukunft noch zu sehen, wer welche Probleme gerade gelöst haben muss. Wenn man das erkennt, kann man fast in allen Bereichen Künstliche Intelligenz, Machine Learning und alles weitere einsetzen. Ich denke die Prozesse werden sich zukünftig sehr verschlanken, weil man Künstliche Intelligenz einsetzen kann und um einiges schneller werden.

Ich möchte so einen generellen Lebenstipp loswerden, der auch im Bereich KI und den Einsatz davon Fuß fasst aus meiner Sicht.

Im Vortrag vom Geschäftsführer von Empolis haben wir gehört oder das Zitat gelesen, dass jede Technologie für die nächsten Jahre total überschätzt und in ihrer Bedeutung für die nächsten 10 Jahre eigentlich eher unterschätzt wird. Aus dem Grund ist meine ganz allgemeine Empfehlung, sich immer machbare nächste Schritte vorzunehmen und

auf die zu fokussieren und nicht zu sehr abzuheben, aber auch nicht zu kleinteilig zu sein. Also tatsächlich konkret einfach immer den nächsten Schritt visualisieren und möglichst eine Idee für den übernächsten haben, dann kann man eigentlich nicht verlieren, weil man auf jeden Fall weiter kommt. Ja, ich will vielleicht nochmal anknüpfen, ein bisschen was ich eingangs gesagt habe, dass

aus meiner Sicht eben für KI sehr wichtig ist, diese beiden Seiten der Medaille. Das eine sind die Algorithmen, die Rechenleistungen, die wir haben, die Daten, aber wir müssen und das ist nach wie vor ein ungelöstes Problem und ich bin auch ein bisschen desillusioniert. Ich beschäftige mich schon 10 Jahre jetzt mit Datenvernetzung, Datenintegration und ich merke, wir kommen dem der

Lösung des Problems etwas näher, aber wir sind noch weit davon entfernt, das Problem tatsächlich zu lösen, wie wir Daten vernetzen und integrieren können, so dass sie nahtlos von A nach B fließen und genutzt werden können in neuen Zusammenhängen, ohne dass die vorausgedacht sind.

Da hat sich glaube ich vieles entwickelt und das ist aber eine ganz wichtige Voraussetzung aus meiner Sicht für KI, weil wir eben Daten auch aus ganz verschiedenen heterogenen Quellen von verschiedenen Partnern in der Wertschöpfungskette zusammenführen müssen und möglichst mit wenig Aufwand, weil wir eben nur beschränkt die Data sein, das eine beschränkte Ressource sind und die

heutzutage auch sehr viel hart verdrahten, ist mein Eindruck, um die Daten in diese Algorithmen rein zu fließen zu lassen. Und das ist so eine Aufgabe, die wir uns als TIB angenommen haben, das zu unterstützen in unseren Wissenschafts- und Forschungsbereichen, dass Forschungsdaten zum Beispiel besser fließen können und genutzt werden können übergreifend,

aber ich glaube auch in Unternehmen, obwohl es dann natürlich auch schon eine ganze Menge von Schritten in die Richtung gibt, zum Beispiel Industrial Data Space Initiative oder auch Schema.org oder Vokabulare, also eine ganze Reihe von Ansätzen, aber dass wir trotz dessen noch weiter von den Fernsehen diesen heiligen Gral der Datenvernetzung und Integration zu erreichen.

Ja, also mein Tipp würde sich jetzt gar nicht speziell auf KI-Startups beziehen, sondern generell Startups betreffen. Ich glaube, dass es wirklich Großteil der Mentalitätsfrage ist, wie man diese Themen angeht, egal ob es ist KI oder was anderes. Ich glaube, wenn man den Enthusiasmus reinbringt, Spaß bei der Sache hat,

akzeptiert, dass nicht alles gut geht, viele sogar ziemlich schlecht gehen kann, dann ist man auf einem guten Weg, dann auch allgemein die Lösungen voranzubringen. Und es gibt in der Uni diesen extrem blöden Spruch, dass von zehn Leuten nur zwei irgendwie dann den Abschluss machen. Ich fand den Spruch damals schon unglaublich nervig. Vielleicht kann ich jetzt einen ähnlichen Spruch bringen bei den Startups. Vielleicht werden nicht alle zehn Startups jetzt irgendwie ein paar Jahr Millionen Umsätze machen, aber zumindest sollten sie es alle versuchen.

Und wenn es mit dieser Idee nicht klappt, dann vielleicht mit der nächsten. Wir in der Konzernwelt schauen mit Neid auf Startups, die es schaffen, in kurzer Zeit Dinge zu kreieren, für die wir in der Konzernwelt teilweise extrem lange brauchen. Ja, wunderbar. Vielen herzlichen Dank für diese schönen und auch tiefen Statements.

Und auch von meiner Seite möchte ich hinzufügen, dass wir hier wissen, sammeln und aggregieren und wir sehr, sehr viel lernen können. Und Dinge, die wir hier machen, die treiben uns voran und die bringen uns voran und die erlauben es uns, dass wir uns entwickeln. Bereits Kanta hat vor vielen hundert Jahren festgestellt, dass es Dinge gibt, die wir nicht abzählen können.

Gödel hat bewiesen, es gibt Dinge, die wir nicht beweisen können. Und Turing hat bewiesen, es gibt Dinge, die wir nicht entscheiden können. Das Leben ist kompliziert, Menschsein ist kompliziert. Ich möchte Ihnen empfehlen, Ihre Empathie zu bewahren, Ihre Menschlichkeit zu bewahren. Machen Sie die Dinge, die Sie tun, aus vollem Herzen und seien Sie mit sich im Reinen, damit alles gut werden.

Und in diesem Sinne freue ich mich, das Get Together und den Marktplatz der Öffentlichkeiten zu eröffnen und nutzen die Gelegenheit für ein Getränk, etwas zu essen und tiefen Gesprächen. Dankeschön.