Benachrichtigung aktivieren Dürfen wir Sie in Ihrem Browser über die wichtigsten Nachrichten des Handelsblatts informieren? Sie erhalten 2-5 Meldungen pro Tag.
Fast geschafft Erlauben Sie handelsblatt.com Ihnen Benachrichtigungen zu schicken. Dies können Sie in der Meldung Ihres Browsers bestätigen.
Benachrichtigungen erfolgreich aktiviert Wir halten Sie ab sofort über die wichtigsten Nachrichten des Handelsblatts auf dem Laufenden. Sie erhalten 2-5 Meldungen pro Tag.
Jetzt Aktivieren
Nein, danke

Interivew mit John-Dylan Haynes „Von einer perfekten Gedankenlesemaschine sind wir noch weit entfernt“

Der Berliner Neurowissenschaftler kann bereits Entscheidungen aus der Hirnaktivität auslesen. Doch eine hundertprozentige Decodierung ist bislang nicht möglich.
1 Kommentar
Der Berliner Neurowissenschaftler forscht auch an der Möglichkeit, Gedanken zu lesen. Quelle: hayneslab
John-Dylan Haynes

Der Berliner Neurowissenschaftler forscht auch an der Möglichkeit, Gedanken zu lesen.

(Foto: hayneslab)

WienWenn John-Dylan Haynes von seinen Forschungen und denen seiner Kollegen in der Neurowissenschaft berichtet, wird es im Vortragssaal mucksmäuschenstill. Auf Einladung der Deutschen Botschaft in Budapest berichtete der Neurowissenschaftler der Berliner Humboldt-Universität über die neuesten Formen des Gedankenlesens und der Entscheidungsfindung. Die Gedanken sind frei, aber mittlerweile auch zumindest grob lesbar. Seine gute Nachricht: noch reichen die Algorithmen an das erforderliche Leistungsniveau eines CEOs nicht heran.

Herr Haynes, Entscheidungen sind das Maß aller Dinge in der Wirtschaft. Kann mittlerweile die Hirnforschung Entscheidungen vorhersagen, bevor es der Entscheider selbst weiß?
Im Labor können wir in der Tat einiges über die Entscheidungen von Probanden aus der Hirnaktivität dechiffrieren und sogar vorhersagen. Aber in der Alltagspraxis können wir damit derzeit noch keine Probleme lösen. Dafür sind allein schon die Trefferquoten zu niedrig. Es gibt außerhalb der Medizin noch keine zuverlässige neurowissenschaftliche Technik, die man für praktische Anwendungen nutzen könnte.

Ist die Angst vor einer Gedanken- und Entscheidungslesemaschine – gar von Google, Apple, Amazon, Microsoft oder Facebook – also unbegründet?
Das ist alles Hype. Eine Maschine, die für kommerzielle Zwecke Gedanken aus der Hirnaktivität ausliest, ist noch in weiter Ferne. Man muss sich auch die Frage stellen, ob eine Messung des Gehirns dafür überhaupt erforderlich ist. Internetkonzerne können heute bereits auf der Basis der gesammelten Daten die politischen Überzeugungen oder die Kaufkraft von potenziellen Kunden in Erfahrung bringen. Die Spuren im digitalen Raum geben unsere marktrelevanten Gedanken auch ohne jeden Hirnscanner frei.

Was kann dann die Neurowissenschaft, wie Sie sie betreiben, noch leisten?
In der Grundlagenforschung hat man in den letzten Jahren sehr viel über das Gehirn herausgefunden. Aber bis zu konkreten Anwendungen ist es noch weit. Nehmen Sie das Gehirnmarketing. Da geht es darum, mit Hilfe von Hirndaten ein Produkt so zu optimieren, dass ein unwiderstehlicher Kaufwunsch ausgelöst wird. Auf dem Papier klingt die Idee vielleicht überzeugend, aber die tatsächlichen Angebote im Bereich Neuromarketing sind noch weit davon entfernt, zuverlässig zu sein.

Das klingt aber sehr bescheiden oder?
Nicht unbedingt. Es klafft nur eine große Lücke zwischen Labor und Anwendungspraxis. In der Laborforschung kann man aus der Hirnaktivität einer Person viel mehr über ihre Gedanken erfahren als man noch vor fünfzehn Jahren für möglich gehalten hätte.

Wie funktioniert das?
Dazu werden mit Hilfe von Hirnscannern, sogenannten Kernspintomographen, Aufnahmen der Aktivitätsmuster des Gehirns gemacht. Diese Muster sind zwar sehr grobkörnig, aber trotzdem verraten sie uns viel über die Gedanken eines Probanden. Das liegt daran, dass das Gehirn bei jedem einzelnen Gedanken in ein charakteristisches Aktivitätsmuster fällt. So wie die Rillen auf der Oberfläche einer CD ein Musikstück codieren, so hat jeder Gedanke ein anderes Aktivitätsmuster im Gehirn. Dann kann man Computern beibringen, aus diesen Mustern die Gedanken in Erfahrung zu bringen. Trotzdem sind wir von einer perfekten Gedankenlesemaschine noch weit entfernt.

Was heißt das?
Die Trefferquoten in der Forschung schwanken sehr stark, zwischen 60 und 100 Prozent. Das kommt ganz auf die Fragestellung an.

Kann man auch Entscheidungen decodieren?
Mittlerweile können wir auch Entscheidungen aus der Hirnaktivität auslesen. Doch wir sind nicht so weit, dass wir 100-prozentig jede beliebige Entscheidung aus der Gehirnaktivität decodieren können. Das gleiche gilt für Vorhersagen, wie die Person handeln wird. Wir können schon einiges vorhersagen, aber noch lange nicht perfekt.

Das Gedankenlesen von Entscheidern steht also noch ganz am Anfang?
Ich würde es so formulieren: Nach einem erfolgversprechenden Start haben wir noch einen langen Weg vor uns bis wir praxistaugliche Technologien anbieten können.

Befinden wir uns bereits mitten im Kampf Mensch gegen Maschine?
Zweifellos stellt sich die Frage, ob maschinelle Intelligenz unsere geistige Leistungsfähigkeit übertreffen kann. Natürlich gibt es aber Bereiche, wo uns Maschinen klar überlegen sind. Nehmen Sie einfaches Rechnen. Die Wurzel aus 17 zu ziehen kann ein Computer ja viel besser und zuverlässiger als wir, dafür braucht es keine künstliche Intelligenz. Trotzdem ist die Angst vor einem massenweisen Arbeitsplatzabbau durch intelligente Algorithmen sicherlich übertrieben.

Wird die künstliche Intelligenz nicht nur die Arbeit von herkömmlichen Mitarbeitern, sondern auch von den Entscheidern auf der Chefetage grundlegend ändern?
Computer können sehr schnell und zuverlässig riesige Datenmengen nach Informationen absuchen. Im Volksmund ist dann immer schnell von künstlicher Intelligenz die Rede. Das hat aber meistens mit Intelligenz nicht viel zu tun. Die Algorithmen selbst sind meist sehr einfach und nicht intelligent. Die Leistungsfähigkeit dieser Ansätze beruht darauf, dass sie schnell viele Daten durchsuchen können. Echte Intelligenz hingegen bedeutet eine Fähigkeit zur Problemlösung, also neue Lösungen zu finden, wenn eingespielte Routinen und Rezepte nicht mehr greifen. Genau diese Fähigkeit zur Innovation macht die menschliche Intelligenz aus, das unterscheidet uns heute noch von Maschinen. 

Uns unterscheiden von Maschinen schlichtweg Emotionen. Werden Empathie, Neugierde, Freude und Ärger auch mal von Maschinen simuliert werden können?
Es ist kein Problem auf einem Computer künstliche Emotionen, Mitgefühl oder Neugierde zu erzeugen. Der Knackpunkt, weshalb es so schwer ist menschliche Intelligenz nachzubauen, liegt woanders. Unsere Entscheidungen fällen wir vor dem Hintergrund unseres gesamten Weltwissens, das wir über unsere Lebensspanne aufgebaut haben. Mit Algorithmen kann man das noch nicht zufriedenstellend nachbilden.

Ein Entscheider in der Wirtschaft kann sich also entspannt zurücklehnen? Ist sein Arbeitsplatz noch nicht gefährdet?
Bereits heute begegnen uns ja Algorithmen, die wichtige Entscheidungen fällen. Nehmen Sie das Beispiel der Kreditwürdigkeit, wenn also die Schufa aus den Daten einer Person ableitet, ob sie finanziell solide ist. Aber viele komplexe Entscheidungen, beispielsweise in der Wirtschaft, können derzeit noch nicht durch Maschinen ersetzt werden. Die Algorithmen reichen an das erforderliche Leistungsniveau eines CEOs nicht heran. Die Entscheidungskomplexität, der ein Chef sich gegenübersieht, ist unglaublich schwer von einem automatisierten Algorithmus nachzubilden.

An was liegt das?
Computer können uns derzeit nur dann bei Entscheidungen helfen, wenn sie auf klar quantifizierbare Probleme angesetzt werden. Deshalb sind uns Computer beim Schach längst überlegen. Die Realität eines CEOs sieht jedoch ganz anders aus als ein Schachbrett. Der Chef muss in der schlecht strukturieren Welt überhaupt erst einmal feststellen, was die wichtigen Variablen sind. Versuchen Sie einem KI-Algorithmus mal beizubringen, die Brexit-Krise zu lösen. Da stellt sich die Frage, was überhaupt relevante Daten wären, mit denen man den Computer füttern muss. Solche komplexen, schlecht strukturierten und volatilen Situationen sind für die künstliche Intelligenz kaum zu beherrschen.

Bei der Börse handelt es sich um einen mathematisch definierten Raum. Können Anlegerentscheidungen in Zukunft besser durch Maschinen als durch Mensch getroffen werden?
Data-Mining im Finanzbereich ist längst Wirklichkeit. Es gibt Trading-Algorithmen, die schon heute automatische Investmententscheidungen treffen. In einem gewissen Rahmen sind derartige Werkzeuge durchaus erfolgreich. Das Problem aber ist, dass das System Börse nicht nur aus den mathematisch gut beschreibbaren Kursen besteht. An der Börse verdichtet sich vielmehr das Handeln von ganz vielen einzelnen Akteuren auf der Welt. Die Algorithmen müssten also für eine gute Vorhersage das Verhalten aller Handelnden berücksichtigen. Im Zusammenspiel dieser vielen Akteure kann es schnell zu Herdeneffekten und Kettenreaktionen kommen, die ein Algorithmus, der nur die Aktienkursen sieht, schwer vorhersagen kann.

Stellen die Algorithmen als Entscheider eine Gefahr dar?
Wenn Algorithmen Entscheidungen treffen, kann das auch zu unerwarteten Problemen führen. Nehmen Sie die Flash-Crashes an der Börse, die durch das Zusammenspiel vieler einzelner Trading-Algorithmen entstehen. Jeder einzelne Akteur hat einen Punkt definiert, ab dem die Aktie abgestoßen wird. Wenn das aber alle gleichzeitig tun, dann kommt es zu einer Kettenreaktion und die Aktie stürzt ab. Das Problem hierbei ist, dass wir diese Wechselwirkungen nur sehr schwer vorhersagen können.

Das hat weitreichende Folgen, oder?
Eine der größten Schwächen der Menschen ist, dass es ihnen schwerfällt die vielschichtigen und vernetzten Folgen innovativer Techniken zu erkennen. Insbesondere die Wechselwirkungen zwischen Effekten sind schwer vorherzusagen. Nehmen Sie das komplexe Bedingungsgefüge, das zur Reaktorkatastrophe in Fukushima geführt hat. Das war sicherlich so von den Ingenieuren bei der Planung nicht vorhergesehen worden. Oder nehmen Sie die Finanzkrise von 2007. Die komplexen Systemeffekte, die dort eine Rolle spielten, waren bis dahin kaum betrachtet worden. Ein Algorithmus kann im Normalzustand gut funktionieren, aber kann katastrophal scheitern, wenn sich die Einsatzbedingungen ändern. Unsere Modellvorstellung von der Welt ist eben nicht die Wirklichkeit.

Was bleibt am Ende den Entscheidern? Wachsam und flexibel zu sein?
Wir Menschen sind leider auch nicht perfekt. Aber wir können sehr gut komplexe Kontextfaktoren bei unseren Entscheidungen berücksichtigen. Wenn Sie sehen, dass Donald Trump in einem Tweet die chinesische Handelspolitik kritisiert, dann werden Sie die Entwicklung der Wirtschaft sicherlich weniger optimistisch beurteilen. In den Aktienkursen macht sich dies erst verzögert sichtbar.

Wenn wir uns in fünf Jahren wieder treffen, glauben Sie, dass dann zumindest teilweise Entscheidungen in der Wirtschaft oder Politik von Algorithmen oder anderen Techniken getroffen werden?
Die große Herausforderung der nächsten Jahre wird sein, dass Menschen lernen zusammen mit Algorithmen ihre Leistungsfähigkeit zu verbessern. Bei vielfältigen Aufgaben werden Algorithmen uns Informationen und Einschätzungen liefern, die für Entscheidungen sehr wertvoll sind. Es kommt darauf an, diese Ressourcen für unsere Zwecke gewinnbringend einzusetzen. Es geht also nicht um CEO oder Algorithmus, sondern um ein Team bestehend aus CEO und Algorithmus. Wir müssen Menschen und Algorithmen kombinieren, um bestmögliche Entscheidungen zu treffen. Dafür brauchen wir eine neue Spezialisierung: Menschen, die uns dabei unterstützen die besten Algorithmen und Daten zu finden. Der Data Scientist spielt also in den nächsten Jahren eine unglaublich wichtige Rolle.

Es gibt also Grund zur Zuversicht?
Ich bin davon überzeugt, dass wir Dank der Technik in Zukunft zu besseren Entscheidungen kommen werden. Ein Vorteil, den die maschinelle Unterstützung bietet, ist die Objektivierung. Menschen können oft gar nicht genau sagen, auf welchen Gründen ihre Entscheidung beruht. Computern werden wir dies wesentlich besser beibringen können.

Herr Haynes, vielen Dank für das Interview.

Die wichtigsten Neuigkeiten jeden Morgen in Ihrem Posteingang.
Startseite

Mehr zu: Interivew mit John-Dylan Haynes - „Von einer perfekten Gedankenlesemaschine sind wir noch weit entfernt“

1 Kommentar zu "Interivew mit John-Dylan Haynes: „Von einer perfekten Gedankenlesemaschine sind wir noch weit entfernt“"

Das Kommentieren dieses Artikels wurde deaktiviert.

  • Das dürfte wirklich noch einige Schritte erfordern, denn jeder Mensch tickt anders. Ihr müsstet die Bilder lesen können und welche Entscheidungen aufgrund dessen getroffen wurden und dann noch die Auswirkungen im Leben des Einzelnen. Deswegen nennt man den Menschen ein Individuum, also unteilbar. Deswegen ist die ganze Psychoanalytik mit Vorsicht zu betrachten.