Andreas Windisch kennt sowohl die Seite der Forschung als auch jene der praktischen Anwendung, wenn es um KI geht. Er hat an der Universität Graz im Fach theoretische Teilchenphysik promoviert, war dann in den USA tätig und ist nun Leiter einer Forschungseinheit bei Joanneum Research, die sich mit Computer Vision beschäftigt.
Interview mit Andreas Windisch
Rolle: Forschungsgruppenleiter „Intelligent Vision Applications“ bei Joanneum Research Digital, Head of Computer Vision und Chief Science Officer von AI Austria
Thema: Wo KI im Unternehmen wirklich Mehrwert bringt, wie eigenständig KI-Agenten heute handeln und warum Europa eigene Rechenzentren und Modelle braucht
Relevanz: KI-Systeme lösen Aufgaben zunehmend eigenständig, finden kreative Umwege und verändern Berufsbilder. Zugleich ringt Europa darum, mit Regulierung, Rechenzentren und eigenen Modellen wettbewerbsfähig und souverän zu bleiben.
KI KOMPASS: Herr Windisch, Sie leiten bei Joanneum Research eine Abteilung, die sich mit Computer Vision beschäftigt. Ganz generell wird ja die KI-Entwicklung fast nur auf ChatGPT und Konsorten reduziert. Aber das wäre zu kurz gedacht, oder?
Andreas Windisch: Vor zwei Jahren hat es geheißen: Ein GPT-Modell ist nichts anderes als ein Papagei, es plappert einfach nur nach, was es trainiert hat. Dann hat man sogenannte Reasoning-Modelle entwickelt, die logisches Ableiten von Gedanken beherrschen. Diese Modelle sind extrem gut für mathematische Probleme. Die probieren Dinge aus, entwickeln Lösungswege, finden Sackgassen, gehen wieder zurück und explorieren neue Wege. Und das ist jetzt nicht etwas, was irgendwo in den Trainingsdaten drinnen war, sondern das sind wirklich neu entwickelte Konzepte, die das Ding ausprobiert. Also der Vergleich mit dem Papagei stimmt nicht mehr.
KI KOMPASS: Was bedeutet das nun konkret angesichts des KI-Hypes?
Windisch: Damit stoßen wir die Tür in eine neue Ära auf. Das hat viel Gutes, aber auch extrem viel Schlechtes, etwa wenn ich an junge Generationen denke, an Schülerinnen und Schüler, an Studierende: Wenn ich heute jedes Problem, das ich lernen kann, bis hin zum Postgraduate-Level, sofort gelöst bekomme, dann brauche ich nur noch eine Antwort. Das ist, wie wenn ich ein Rätsel habe und ich bekomme immer die Lösung gleich geliefert. Dann ist die Versuchung groß, dass man sich selbst diesen Gedanken nicht mehr aussetzt. Und das andere Problem: Wie gehen wir mit der Spitzenforschung um? Wie gehen wir damit um, dass KI-Systeme völlig neue Beweise liefern, die von einem KI-System kommen und möglicherweise von einer Person initiiert wurden, die überhaupt keine Kenntnis über die Domäne hat, die einfach nur dieses System geschaffen hat? Das sind große Herausforderungen.
Das Schwierige ist immer, den Use Case zu finden in einem Unternehmen, mit dem wirklich ein Mehrwert generiert wird.
KI KOMPASS: Wenn wir mögliche positive Aspekte betrachten, sehen viele Unternehmen großes Potenzial. Wo gibt es aber wirklich sinnvolle Anwendungsmöglichkeiten?
Windisch: Das Schwierige ist immer, den Use Case zu finden in einem Unternehmen, mit dem wirklich ein Mehrwert generiert wird. Daran arbeiten wir intensiv mit Unternehmerinnen und Unternehmern, genau das zu machen. Das hängt oft von der Branche ab und von den spezifischen Realitäten für das Unternehmen. Die Möglichkeiten reichen von hochspezialisierten kleinen KI-Systemen, die irgendein Nischenproblem extrem gut lösen können in einer Produktionsanlage, etwa die Qualitätsüberprüfung, bis hin zu intelligenteren Systemen, die längerfristige Planungen machen können. Oder im Marketing das spezifische Targeting von einzelnen Personen, die ich ansprechen möchte in meiner Zielgruppe. Oder das datengestützte, KI-gestützte Verstehen meiner Zielgruppe, um Trends vorhersagen zu können und diese besser befriedigen zu können. Das sind mögliche Use Cases. Und dann natürlich Agentic Systems, da steckt enormes Potenzial drinnen.
KI KOMPASS: Das Interesse ist jedenfalls da, oder?
Windisch: Ja, es gibt großes Interesse, sich das anzuschauen. Was oft fehlt, ist die Einschätzung, wo die Use Cases liegen. Was kann die Technologie? Und welches Problem kann ich damit lösen? Ich muss beides verstehen und genau das ist das Problem.
KI KOMPASS: Es könnte also sein, dass bei objektiver Betrachtung eine normale Softwarelösung genauso gut oder vielleicht sogar besser sein könnte als ein KI-Modell?
Windisch: Absolut. Man schießt immer gerne mit Kanonen auf Spatzen. Hier ist die Kanone quasi das beste Sprachmodell, das gerade verfügbar ist, und die Dinger sind so gut, die können wirklich fast alles lösen. Die Frage ist aber: Für kleine Anwendungen brauche ich nicht so eine Monsterlösung, sondern dort ist es viel besser, ich habe eine kleine, hochangepasste, effiziente Lösung, die dieses Teilproblem spezifisch gut lösen kann. Und ich brauche nicht etwas, was jedes andere Problem auch lösen kann.
KI KOMPASS: Sie haben KI-Agenten erwähnt. Wie eigenständig sind diese Systeme heute, und wo sehen Sie die größten Risiken?
Windisch: Diese Systeme können unglaubliche Dinge machen. Wenn sie auf Barrieren treffen, welcher Art auch immer, sind sie extrem kreativ darin, diese Barrieren zu umgehen. Schon bei älteren Agenten hat man gesehen, dass sie in einer Software bestimmte Probleme gelöst haben, indem sie Bugs gefunden und angefangen haben, diese Fehler gezielt auszunutzen, nur um ihr Ziel zu erreichen. Man kann sie also nicht leicht einsperren, weil sie selbst in stark regulierten Umgebungen Wege finden, an die kein Mensch denkt, um aus diesen Einschränkungen herauszukommen. Aus meiner Sicht kann man das aber trotzdem absichern. Ich entwickle selbst Agenten, das ist extrem spannend. Man kann ihnen einfach die Werkzeuge so stark einschränken, dass sie keinen großen Schaden anrichten können. Man gibt ihnen also wirklich nur Tools, die man so gut wie möglich kontrollieren kann. Die Gefahr ist, dass diese Agenten Dinge tun, die sich unserer Kontrolle völlig entziehen. Eine der größten Gefahren sind etwa biologische Agents, die Biowaffen entwickeln oder freisetzen könnten, also Situationen, in denen eine kleine lokale Handlung enorme Auswirkungen hat.
KI KOMPASS: In Kalifornien wird über einen gesetzlichen Kill Switch für KI-Agenten diskutiert. Brauchen wir solche Notbremsen?
Windisch: Man kann natürlich solche Maßnahmen setzen und es ist gut, dass das Thema damit aus der Bubble herauskommt. Die Frage ist aber, ob es damit getan ist, denn die Technologie ist da. Ein Beispiel: Es gab Agenten, die Webseiten gehackt haben, obwohl das gar nicht ihre Aufgabe war. Sie haben diese Hacks genutzt, um ihr Ziel zu erreichen und dort Informationen auszutauschen. Das sind typische Indikationen dafür, dass diese Systeme Dinge tun, die nicht mit unseren Wertevorstellungen zusammenpassen. Hackerangriffe sind generell ein großes Problem. KI-Systeme sind extrem gut darin, Cybersecurity-Maßnahmen zu umgehen und neue Angriffsvektoren zu finden. Wenn kritische Infrastruktur gehackt wird, etwa ein Kernkraftwerk oder andere Systeme mit großem Schadenspotenzial, dann sprechen wir über wirklich große Risiken. Die Technologie ist jetzt draußen und man kann sie nicht mehr leicht eindämmen. Trotzdem bin ich ein positiver Mensch und male keine Doomsday-Szenarien. Es geht eher darum, wie wir mit dieser Realität verantwortungsvoll umgehen.
Diejenigen, die sagen „Ich möchte nichts damit zu tun haben“, werden vermutlich größere Herausforderungen haben.
KI KOMPASS: Wenn man manche Schreckensszenarien hört, ist es nachvollziehbar, dass Mitarbeiter in Unternehmen eher Angst als Vorfreude empfinden.
Windisch: Ich glaube, die Ängste kommen vor allem durch die Bedrohung des Arbeitsmarktes und des eigenen Jobs. Was jetzt definitiv passiert, weil die Technologie es kann: Sie ersetzt einzelne der Aufgaben im Berufsbild, dadurch werden Ressourcen frei. Menschen, die sich mit der Technologie befassen und lernen, wo sie in ihrem Berufsbild eingesetzt werden kann, werden dadurch effizienter und können ihre freiwerdenden Ressourcen auf andere Dinge anwenden. Die werden gut weiterkommen. Diejenigen, die sagen „Ich möchte nichts damit zu tun haben“, werden vermutlich größere Herausforderungen haben. Diese Angst muss man ihnen nehmen, indem man ihnen zeigt, dass sie die Technologie nutzen können, um ihre eigenen Ziele besser umzusetzen, nicht um überflüssig zu werden.
KI KOMPASS: Sie beschäftigen sich intensiv mit Reinforcement Learning. Können Sie erklären, wie dieses Lernverfahren funktioniert und wie es mit KI-Agenten zusammenhängt?
Windisch: Reinforcement Learning, also bestärkendes Lernen, ist ein Lernverfahren, das im Prinzip aus der Verhaltenspsychologie kommt. Man bringt einer Entität, in unserem Fall einem KI-System, Verhalten bei, indem man gutes Verhalten belohnt. Wenn ich einem Hund beibringen möchte, sich auf das Kommando „Sitz“ hinzusetzen, bekommt er jedes Mal eine Belohnung, wenn er sich tatsächlich hinsetzt. Diese Belohnung bestärkt im Hund die Assoziation des Kommandos „Sitz“ mit der Handlung „Sitz“, bis er es verstanden hat. Genau diese Idee nutzt man im bestärkenden Lernen für KI-Systeme, nur dass die Belohnung eine Zahl ist. Das System erhält als Feedback auf seine Handlungen einen Zahlenwert. Man schreibt die Lernaufgabe als Optimierungsproblem, bei dem das System diese Belohnung maximiert. Es probiert Handlungen aus und merkt: Wenn ich in einer bestimmten Situation X mache, bekomme ich mehr Belohnung, also mache ich in dieser Situation künftig X. Dadurch wird es immer besser. Man kann damit zum Beispiel im Schach arbeiten. Ein Agent kann Schachzüge machen, hat aber anfangs keine Ahnung von Schach. Die einzige Belohnung ist: Gewinnt er die Partie, bekommt er plus eins, verliert er, minus eins. Weil er immer mehr Belohnungen haben will, lernt er mit der Zeit, besser Schach zu spielen als die besten Menschen, indem er gegen sich selbst spielt. Das zeigt die unglaubliche Leistungsfähigkeit dieses Zugangs.
KI KOMPASS: In einem Unternehmenskontext ist aber oft unklar, was genau eine Belohnung ist. Wie definiert man, was für einen Agenten gute oder schlechte Aktionen sind, und wie behält man dabei die Kontrolle?
Windisch: Das sind sehr gute Fragen beim Reinforcement Learning. Agenten für Industrie-Use-Cases gibt es, aber sie sind relativ rar, weil die Technologie schwierig zu trainieren ist und viele komplexe Fallstricke hat. Üblicherweise definiert man beim Training eine Gleichung oder einen mathematischen Ausdruck, der das Lernziel darstellt. Wenn ich einem humanoiden Roboter den aufrechten Gang beibringen möchte, sind seine Handlungen zum Beispiel die Drehmomente und Kräfte an den Gelenken. Ich kann bestrafen, wenn irgendwo exzessiv Kraft angewandt wird und damit incentivieren, insgesamt möglichst wenig Kraft aufzuwenden. Gleichzeitig kann ich verlangen, dass der Roboter entlang einer geraden Linie geht. Immer wenn er abweicht, bekommt er weniger Belohnung. So merkt er: In diese Richtung soll ich gehen, und irgendwann tut er genau das. Wichtig ist: Erst wenn das System fertig trainiert und getestet ist, rollt man es in einer Firma aus. Dann ist es okay. Das Problem ist nur, dass die Systeme manchmal Wege finden, die nicht vorgesehen waren. Es ist sehr schwierig sicherzustellen, dass sie immer gewünschtes Verhalten zeigen.
KI KOMPASS: Was kann hier konkret getan werden?
Windisch: Es gibt verschiedene Maßnahmen. An der TU Graz etwa gibt es eine Forschungsgruppe, die daran arbeitet, von außen sicherzustellen, dass Agenten keinen Blödsinn anstellen. Man gibt ihnen einen Rahmen, in dem jede Handlung, die der Agent setzen will, gegen formale Ausdrücke geprüft wird: Ist das überhaupt zulässig, was das System gerade tun möchte? Aber das ist sehr schwierig.
Die Regulierung hinkt hinterher, das ist der schnelllebigen Entwicklung geschuldet.
KI KOMPASS: Sie waren in Expertengremien zum europäischen AI Act involviert. Wie erleben Sie das Spannungsfeld zwischen technologischer Geschwindigkeit und politischer Regulierung?
Windisch: Beim AI Act war ich in unterschiedlichen Expertengremien dabei, als er in Österreich konsolidiert wurde. Das Problem ist: Seit der Konsolidierung und der Verabschiedung durch die Kommission ist die Technologie viel schneller vorangeschritten als die Regulatorik. Agentic Systems, wie wir sie heute haben, waren im Diskurs damals noch gar nicht wirklich präsent. Die Regulierung hinkt hinterher, das ist der schnelllebigen Entwicklung geschuldet. Ich sehe drei unterschiedliche Zeitskalen. Die schnellste ist die rapide Entwicklung der Technologie: Sie zeigt enormes Potenzial, ist aber nicht immer richtig. Wesentlich langsamer entwickelt sich die Robustheit der Systeme. Sie können heute viel mehr, sind aber nicht extrem verlässlich. Sie werden zunehmend verlässlicher, aber das dauert. Und die dritte Geschwindigkeit ist die, mit der wir als Gesellschaft überhaupt die Möglichkeit haben, die Technologie sinnvoll zu begreifen. Diese drei Prozesse passieren gleichzeitig. Das ist völlig verrückt, aber so ist es.
KI KOMPASS: Stand die Menschheit Ihrer Einschätzung nach schon einmal vor einem ähnlich großen Technologiesprung, auf den sie sich mit dieser Geschwindigkeit einstellen musste?
Windisch: Wir hatten große Durchbrüche im Denken, ohne die vieles nicht möglich wäre. Wenn wir hundert Jahre zurückschauen, in die 20er- und 30er-Jahre, als die Quantenmechanik formuliert wurde: Ohne diese rein theoretische Formulierung hätten wir keine Halbleiter und vieles von der Technologie nicht, die wir heute haben. Das war definitiv ein Meilenstein in unserer Geschichte des Denkens. Was heute anders ist: Wir haben Technologie, mit der wir im Prinzip unsere Kognition ausgelagert haben. Wir haben Maschinen, die nicht mehr verrückt weit weg sind von einer allgemeinen künstlichen Intelligenz, von echter Intelligenz. Auch wenn sie nicht so gebaut sind, sehen wir es in Mathematikbeweisen und vielen anderen Bereichen. So etwas gab es davor nicht. Dazu kommt die enorme Geschwindigkeit der Entwicklung. Wenn wir nur die letzten zwei Jahre der KI-Entwicklung betrachten, ist diese Geschwindigkeit beeindruckend. Ich glaube nicht, dass es so etwas in dieser Form schon einmal gab. Andere wichtige Ereignisse gab es natürlich auch, aber das hier ist qualitativ anders.
Wir dürfen uns nicht abhängig machen von Hyperscalern aus anderen Nationen, sei es aus den USA oder China.
KI KOMPASS: Aktuell gibt es große Debatten um riesige Rechenzentren, ihren Energieverbrauch und die Standortfrage. Sind solche Infrastrukturen technologisch zwingend notwendig, und wie wichtig ist es, dass sie auch in Europa stehen?
Windisch: Rechenzentren sind die zentrale Ressource, wenn es um diese Modelle geht. Sie sind sehr rechenhungrig. Man muss zwei Dinge unterscheiden: die Anwendung, also das Deployment der Modelle für Industrie und KMUs, und die Forschung. In der Forschung ist Europa hinten nach, wir sind nicht die Innovationstreiber. Um die Technologie selbst weiterentwickeln zu können, brauchen wir Rechenzentren. Die EU hat reagiert, insbesondere mit Gigafactories, also mehreren großen Rechenzentren, die geplant sind. Das sind Investitionen von jeweils drei bis fünf Milliarden Euro. Es dauert, bis diese Infrastruktur gebaut ist und beschafft wird. Wenn man sie hat, kann man beginnen, eigene Modelle zu entwickeln. Das ist strategisch wichtig. Wir dürfen uns nicht abhängig machen von Hyperscalern aus anderen Nationen, sei es aus den USA oder China. Für unsere Souveränität ist es wichtig, dass wir Systeme haben, die an unseren Wertesystemen ausgerichtet sind und nicht von den Wertesystemen anderer großer Nationen bestimmt werden. So wie es für uns wichtig ist, das Galileo-System zu haben und nicht nur das amerikanische GPS zu verwenden. Ich wünschte, es ginge schneller, bis wir dort sind. In der Anwendung gibt es auf europäischer Ebene Initiativen wie AI Factories, das sind kleinstskalige Rechenzentren mit einigen Hundert GPUs, gedacht für das lokale Ökosystem. Unternehmen können dort ihre Modelle entwickeln lassen und diese Infrastruktur nutzen. Auch das halte ich für sehr wichtig. Natürlich gibt es die Kehrseite: Großskalige Rechenzentren brauchen Unmengen an Energie. Man spricht über Bodenversiegelung, sie können Lärm durch Kühlaggregate verursachen und Wasser erwärmen, weil sie Kühlwasser in unglaublichen Mengen benötigen. Man kann Wasser aus Flüssen entnehmen, heizt es aber auf und verschwendet damit eine Ressource. Es gibt viele Umweltaspekte, die dem gegenüberstehen. Auf der anderen Seite hilft die Technologie selbst dabei, den Herausforderungen unserer Umwelt zu begegnen und sinnvolle Maßnahmen und Strategien zu finden. Es sind zwei konkurrierende Prozesse, und ich traue mir nicht zu sagen, ob das Ganze eher in die eine oder andere Richtung kippt.
KI KOMPASS: Viele Unternehmen und Forschungseinrichtungen nutzen heute vor allem amerikanische, zunehmend auch chinesische Modelle. Wird die Abhängigkeit von nicht-europäischen Anbietern zu einem strategischen Problem?
Windisch: China hat bereits sehr leistungsfähige Modelle, die ich unter anderem auch nutze, nicht nur amerikanische. DeepSeek zum Beispiel ist inzwischen unglaublich leistungsfähig. In Europa sind die stärksten Modelle die von Mistral. Sie sind gut, aber nicht auf Augenhöhe mit den amerikanischen Hyperscalern oder vielleicht den besten chinesischen Modellen. Sie werden massiv weiterentwickelt, und es ist gut, dass es sie gibt. Ich hoffe, dass wir einen Demokratisierungsprozess der Technologie sehen werden, ähnlich wie bei Betriebssystemen. Historisch gab es Unix- und Windows-Systeme, Windows hat den Consumer-Markt übernommen. Mit Linux entstanden dann Open-Source-Initiativen, die heute mächtige Alternativen zu proprietären, monopolistischen Systemen wie Microsoft sind. Ich hoffe, dass sich auch bei KI über die Jahre Open-Source-Modelle herauskristallisieren, die vielleicht nicht auf Augenhöhe mit den besten Frontier Models sind, aber gut genug, um sie offen weiterzuentwickeln und breit zu verwenden. Denn momentan haben wir eine sehr undemokratische Verteilung der technologischen Vorherrschaft.
Zur Person
Andreas Windisch hat an der Universität Graz in theoretischer Teilchenphysik promoviert und war danach in den USA tätig. Heute leitet er die Forschungsgruppe „Intelligent Vision Applications“ bei Joanneum Research Digital und ist Head of Computer Vision sowie Chief Science Officer von AI Austria. Er war in Expertengremien zum AI Act eingebunden, als dieser in Österreich konsolidiert wurde, und entwickelt selbst KI-Agenten.
