00:00:05: Willkommen zu Fischer Highlights,

00:00:08: dem Podcast

00:00:09: der Unternehmensgruppe Fischer.

00:00:18: Stellen Sie sich vor ein Roboter übernimmt die Logistik in einem Lager oder ein selbstlernendes Programm erkennt Engpässe in einer Produktion und zwar bevor sie entstehen.

00:00:29: Und Prozesse, die früher Tage gedauert haben sind in Minuten erledigt vollautomatisch fehlerfrei und intelligent.

00:00:38: Das ist in vielen Unternehmen Realität Denn künstliche Intelligenz verändert die Art und Weise, wie wir arbeiten.

00:00:46: Und so steht man in produzierenden Unternehmen vor der Mutter aller Fragen, die da lautet – Wie nutzen wir diese Technologien um besser, schneller und effizienter zu werden?

00:00:58: Unser heutiger Gast Professor Peter Fettke hat darauf die richtigen Antworten!

00:01:03: Er lehrt an der Universität des Saarlandes und er erforscht, wie künstliche Intelligenz- und Prozessmanagement zusammenwachsen.

00:01:14: In seinem Forschungslabor arbeitet er mit Roboton die autonom Aufgaben lösen – mit Softwareagenten, die aus Erfahrungen lernen und mit Technologien die ganze Produktionsabläufe revolutionieren können.

00:01:28: Vor allem aber arbeitet er auch mit den Simulationsmodellen von Fischertechnik!

00:01:34: Und wie er diese Modelle nutzt?

00:01:36: Das will ich heute von ihm wissen….

00:01:38: Mein Name ist Wolfgang Pott.

00:01:40: Herzlich willkommen bei Fischer Highlights!

00:01:43: Herr Prof.

00:01:43: Fettke, wie wird man eigentlich Forscher für künstliche Intelligenz und Prozessmanagement?

00:01:50: Und was hat sie an diesem Thema so besonders interessiert?

00:01:53: Fasziniert hat mich das Thema schon seit vielen Jahren vor rund vierzig Jahren.

00:01:59: Ich war damals so zwölf- dreizehn Jahre alt habe ich einen Heimcomputer bekommen – damals ein Commodore C. Die Funktionsweise von Computern fand ich äußerst spannend.

00:02:11: Und was mich damals auch schon sehr interessiert hat, war wie man mit Roboter umgehen konnte und da fand ich es sehr interessant dass es von Fischertechnik Computing damals schon einen Roboter-Bausatz gab den ich in meiner Jugend sehr leidenschaftlich aufgebaut habe und ich erinnere mich noch sehr gut das es damals ein Roboter gab der dem Turm von Hanoi eigenständig gelöst hat.

00:02:32: Danach habe ich dann irgendwann mal Informatik studiert, insbesondere auch Wirtschaftsinformatik weil mich die Anwendungen immer sehr interessiert haben.

00:02:40: Und heutzutage ist es nicht nur interessant einzelne Computer sich anzuschauen sondern eigentlich Computer-Netzwerke wie sie in Organisationen funktionieren und das ist sicherlich ein sehr spannendes Thema mit dem ich mittlerweile jetzt schon seit mehr als zwanzig Jahren deutschen Forschungszentren für künstliche Intelligenz, den DFKI-Beschäftigten.

00:03:03: Also das ist ja unglaublich dass sie eine so lange Historie mit Fischertechnik haben?

00:03:08: Ja, das kann man so sagen.

00:03:09: Das hätte ich damals sicherlich als zwölf- dreizehnjährige nicht geglaubt, dass ich vierzig Jahre später mal einen solchen Podcast machen kann mit Fischertechniken.

00:03:18: Und da ist natürlich auch viel hängen geblieben – Sie sagten es gerade!

00:03:22: Denn in Ihrem Labor simulieren sie heute mit Fischertechnikmodellen echte Produktionsumgebungen also mit Robotern, Transportfahrzeugen und Kameras.

00:03:32: Warum reicht es denn nicht solche Systeme nur digital zu testen?

00:03:36: Und was lernen Sie aus der Umsetzung mit Fischer-Technik.

00:03:39: Der entscheidende Punkt ist, dass jedes Simulationsmodell sich an der Realität messen lassen muss und die schönste Theorie taugt nichts wenn sie nicht zur Praxis passt.

00:03:51: um das überprüfen zu können haben wir eine Laborumgebung in der wir hat Laborforschung betreiben Umgebung in der Feldforschung betreiben, um unterschiedliche Realitätsgrade austesten zu können.

00:04:04: Was heute glaube ich besonders spannend ist, dass die Realität und das Labor zusammenwächst, man spricht dann auch gerne von digitalen Zwillingen.

00:04:13: Der digitale Zwilling krepräsentiert die reale Welt und gleichzeitig kann man dann auch den digitalen Zweilungen manipulieren, um so Manipulation an der Realität voranlagen zu können.

00:04:25: und insofern Es ist Ihre Frage, warum es nicht mal ausreicht, digitale Simulationen vorzunehmen.

00:04:32: Sehr sehr wichtige Sache um auch tatsächlich nicht nur in der Modell sprechen zu können sondern tatsächlich mit der Realität kommunizieren zu können.

00:04:40: Können Sie uns die Fischertechnik Lernfabrik noch einmal ein bisschen näher beschreiben und auch welche Vorteile sich durch die Lernfarbrik für sie ergeben?

00:04:50: Sehr, sehr gerne.

00:04:51: Wir haben natürlich am DFK nie eine ganze Reihe von Real-Laboren mit echten Robotern und echten Produktionsmaschinen bestellen können.

00:05:00: sich vorstellen das Einrichten von solchen Laboren ist mit sehr hohen Aufwand verbunden.

00:05:06: dagegen ist es so, dass bei der Fischertechnik Lernfabrik quasi alles out of the box kommt.

00:05:11: Man kann die Anlage sofort betreiben, man hat ein autonomes Fahrzeug, eine Produktionsstation, Kameras mit Qualitätssicherung übernehmen und ein Lagerhaltungssystem.

00:05:24: Das sind alles fertige Module, die man sofort benutzen kann.

00:05:29: Was aus meiner Sicht auch besonders spannend ist und das dieses Modell auf der einen Seite letztendlich... aus der Spielzeugwelt kommt, aber gleichzeitig auch unheimlich hoch.

00:05:40: Unheimlich genau die Realität entspricht und ich habe das autonome Fahrzeug schon erwähnt.

00:05:46: Das wird gesteuert auf Basis eines Industriestandards.

00:05:49: Die Maschinensteuerung von Aktoren in Sensoren genießt den aktuellen Standards wie man sich von Maschinspeicherbaren Steuerungen her kennt.

00:05:58: Und was ich auch beim Betrieb der Anlage schon sehr schnell gemerkt habe, dass es durchaus Probleme gibt die wir aus echten Robotern kennen.

00:06:06: Aus echtem Robotersystemen kennen das diese Probleme in der Fabrik von Fischertechnik auftauchen.

00:06:12: Beispielsweise die Synchronität von Ohren.

00:06:15: in der Anlage sind mehr als neun Ohren verbaut wenn ich das richtig in Erinnerung habe.

00:06:21: um diese Ohren zu synchronisieren und die Abläufe an diesen Ohren tatsächlich zu steuern sind alles Probleme, die wir aus realen Laboren auch kennen und das macht die Sache natürlich unheimlich spannend in so einer beschützten Umgebung zu arbeiten.

00:06:36: Und was man glaube ich nicht vergessen darf – die Motivation, die mich damals mit dem Umgang mit Fischer-Technikmodellen als Jugendlicher hatte, die verspüre ich heute bei jungen Mitarbeitern und Studierenden, die einfach den Zugriff auf solche Modelle interessant und spannend sind!

00:06:52: Ich wollte Sie gerade fragen, wie viel bleibt eigentlich so eine gewisse Spiellust dabei auch immer noch übrig?

00:06:58: Also ist das alles ernsthaft was Sie betreiben oder ist auch Spiele und Spaß sogar noch dabei.

00:07:04: Es ist sicherlich Spiel- und Spaß dabei an der Stelle allerdings natürlich mittlerweile.

00:07:09: in meiner Position habe ich wenn nicht mit meiner Tochter am Wohnzimmertisch sitze die Möglichkeit ein bisschen mit Robotern zu spielen.

00:07:16: aber im realen Labor weiß ich, dass die Studenten sicherlich mal auch ein bisschen Spaß dabei haben.

00:07:22: Aber die Fragestellungen, die wir haben sind Analogus-Fragestellung wie wir sie ja auch in echten Laboren bearbeiten

00:07:28: können.".

00:07:28: D.h.,

00:07:28: Sie sind tatsächlich auch an den Ergebnissen ernsthaft interessiert?

00:07:31: Das ist ja völlig klar!

00:07:33: Ja genau.

00:07:35: Nun automatisieren Unternehmen schon lange ihre Prozesse.

00:07:38: Was ist denn eigentlich der grundlegende Unterschied zwischen klassischer Automatisierung und dem was sie als intelligentes Prozessmanagement

00:07:46: bezeichnen?".

00:07:47: Also Computer automatisieren sicherlich schon sehr, sehr lange unterschiedliche Aufgaben und in der Vergangenheit war es typischerweise so dass immer einzelne Aufgaben automatisiert vor uns sind.

00:07:58: Beispielsweise eine Rechnung an Stellen oder eine Kunden-Datei sortieren.

00:08:04: was man heute erlebt ist das die Computersysteme hoch integrierte Anwendungen sind.

00:08:09: um solche Anwendung überhaupt verstehen zu können braucht es letztendlich drei Aspekte.

00:08:14: Der erste Aspekt ist, man muss die Begrifflichkeit der Anwendungen verstehen.

00:08:18: Also was ist ein Produkt?

00:08:20: Was ist sein Kundenauftrag?

00:08:21: Was sind Material?

00:08:22: Was is eine Maschine?

00:08:24: Was es ein Transport auftragt?

00:08:25: Also die Begrifflichkeit im wahrsten Sinne des Begreifen mit den richtigen Wörtern ist eine wichtige Sache.

00:08:32: Das zweite ist, Die Abläufe in den Systemen sicherlich verstehen, also wie erstellt man einen Kundenauftrag?

00:08:39: Wie wird die Produktion durchgeführt.

00:08:42: Wie wird beispielsweise eine Rechnung erstellt?

00:08:44: und diese Abläufen müssen verstanden werden um überhaupt das System als ganzes gut zu verstehen.

00:08:50: ein dritter Aspekt ist dass heutzutage die Systeme nicht mehr aus einzelnen Rechnern bestehen, nicht aus einzelne Modulen.

00:08:58: Sondern die Komplexität durch eine Vielzahl von Teilmodulen besteht, die komponiert werden müssen und die Schnittstellen haben, die man unterschiedlich zusammensetzen kann und endlich ist.

00:09:07: Nur wenn diese drei Punkte zusammenkommen – also die Begriffe, die Abläufe und die Systemen -, dann hat man wirklich ein Verständnis von den realen Systemen.

00:09:15: Und in dem Moment spreche ich vom einem intelligenten Prozess

00:09:18: Management.

00:09:25: Das hört sich zum einen spannend an, zum anderen aber auch ein wenig kompliziert.

00:09:29: Ist es für Sie auch in Teilen manchmal kompliziert oder finden Sie immer die Lösung?

00:09:34: Also Forschung wäre ja langweilig wenn man immer den Lösungen sofort wissen würde an der Stelle sondern der Reizander Sache ist ja dass man Probleme versucht zu verstehen die Herausforderungen an diesem Problem zu verstehen und sie dann irgendwann mal eine Lösung zuzuführen.

00:09:48: Wenn das Problem sofort beloßt wäre dann hätten wir als Forscher nicht wirklich Spaß an dem Problem.

00:09:54: Das bringt mich zu einem anderen Punkt, denn viele Unternehmen wissen ja gar nicht genau wie ihre Prozesse wirklich ablaufen.

00:10:01: Also besonders auch wenn Menschen beteiligt sind und Sie Herr Professor Fettke arbeiten ja genau an automatischer Prozesserkennung.

00:10:09: Erklären sie uns doch mal, wie man einem Computer beibringt aus Beobachtungen zu verstehen was da eigentlich passiert?

00:10:17: Man kann an der Stelle sicherlich zwei große Verfahrensklassen unterscheiden.

00:10:20: das eine sind sogenannte regelbasierte Verfahren wo man beispielsweise ein Wert von einem Sensor abgreift und dann feststellt, dass ein gewisser Schwellengeld überschritten ist.

00:10:30: Und wenn dieser Schwellenwelt überschritt wird, muss eine bestimmte Aktion ausgeführt werden.

00:10:36: Die zweite große Verfahrensklasse sind Verfahren die auf maschinellen Lernen beruhen.

00:10:41: Die Verfahren zu maschineellen Lernen basieren in der Regel auf großen Datenmengen.

00:10:46: Dann ist es natürlich interessant immer zu schauen welche Daten stehen an tatsächlich zur Verfügung?

00:10:52: hat man alle Sensordaten, die im System verbaut sind.

00:10:56: Liefern die Akteuren vielleicht auch Daten aus den Betrieben?

00:10:59: Werden die Daten angemessen und protokolliert?

00:11:02: Gibt es Bild- und Videodaten an den Stellen?

00:11:05: Und je nachdem, welche Daten diese Verfügung stehen ist dann die Möglichkeit der Prozesserkennung völlig anders.

00:11:12: Heutzutage richtig spannend ist es sicherlich wenn die unterschiedlichen Verfahren kombiniert werden.

00:11:17: wir sprechen in der Forschung Das sind sogenannten Multimodalen, Datenammerbüsen oder auch vom Hybridenlernenansatz.

00:11:25: Sie setzen ja auch KI ein um Prozesse zu überwachen und vor allem auch zu steuern.

00:11:31: Wann sollt ihr denn eigentlich eine KI-Selbstständigentscheidungen treffen dürfen?

00:11:35: Und wo braucht es zwingend noch uns also die Menschen?

00:11:39: Ja ihre Frage hat glaube ich sehr viele Facetten.

00:11:43: Zunächst ist da glaube ich die technische Facette, wo man fragen muss ist das überhaupt technisch machbar wenn man diese Entscheidung automatisieren möchte.

00:11:51: Dann gibt es die wirtschaftliche Facette, lohnt sich das?

00:11:54: Es gibt juristische Facette darf man das überhaupt?

00:11:57: stichwort der EU AI-Akt hat sicherlich eine oder andere auch schon mal gehört und letztendlich auch ethische Fragen soll man es überhaupt machen in gewisse Aufgaben zu automatisierten?

00:12:08: also sie merken glaube ich so richtig pauschal kann man diese Frage nicht beantworten Und ich plädiere immer dafür, dass in konkreten Entscheidungssituationen man tatsächlich versucht die Entscheidung transparent zu gestalten.

00:12:22: Also was sind die entwichtigsten Entscheidungsparameter?

00:12:25: Welche Konsequenzen sind mit den Entscheidungen verbunden und was passiert letztendlich bei Fehlentscheidung?

00:12:32: Vielleicht doch an der Stelle ein Beispiel nehmen wir eine E-Mail, die von einem automatischen System als BAM deklariert werden soll oder automatisch vom System zurückgehalten werden soll.

00:12:43: Diese Entscheidung hat sicherlich unterschiedliche Konsequenzen und Kosten.

00:12:48: Und die Situation ist völlig anders als beispielsweise die Frage, ob ein Kunden in einer Bank einen Kredit gegeben werden soll.

00:12:56: Beide Entscheidungssituation sind sicherlich... im Hinblick auf unterschiedliche Kosten vergleichbar, aber man muss genau analysieren.

00:13:05: Weil der Fehler bei einer nicht zurückgehaltenen Spam-Email in zweifel Fall ganz anders aussieht als ein kredit der hätte eigentlich nicht übergeben werden müssen.

00:13:13: und diese Dinge muss man tatsächlich durch tiefe Analysen in Detail verstehen und nicht einfach der Maschine übertragen.

00:13:21: Sie experimentieren ja auch mit Sprachmodellen wie ChatGPT als Prozessagenten.

00:13:26: Das klingt jetzt erstmal für mich ungewöhnlich, weil viele dieser Systeme werden ja vorrangig für Texte und Texterstellungen eingesetzt.

00:13:34: Wie wird denn aus einem Sprachmotel wie zum Beispiel ChatGPP ein Akteur der in reale Prozesse eingreifen kann?

00:13:42: Ja ihre Einschätzung ist sicherlich völlig richtig.

00:13:46: das Thema der Nutzung von großen Sprach-Modellen Für die Automatisierung ist aktuell ein großer Hype.

00:13:54: Und gleichzeitig sind damit auch eine ganze Reihe von interessanten Potenzialen verbunden.

00:14:00: Ich glaube, um das besser zu verstehen muss man wirklich wissen wie die großen Sprachmodelle typischerweise funktionieren und dass es in der Vergangenheit ja so gewesen hat, dass die Sprachmodele große Texte im einzelnen Buchstaben oder im einzelne Wort folgen zerkleinern und technisch spricht man dann immer von sogenannten Tokens.

00:14:21: Was man jetzt in letzter Zeit schon gemacht hat, dass diese Tokens nicht nur einzelne Wortfolgen oder Buchstaben folgen repräsentieren sondern beispielsweise Aminosäuren präsentieren.

00:14:32: Der eine oder andere hat vielleicht gehört das vor zwei Jahren der Nobelpreis Fischemie gerade in die Vorhersage von Aminosäusen gegangen ist und das ist technisch genau die gleiche Basis wie auch große Sprachmodelle funktionieren mit dem Unterschied, dass die Tokens keine Rotter oder Wortfolgen repräsentieren sondern Aminosäuren und Aminosäusern Bestandteile repräzentieren.

00:14:57: Diese Idee nutzt man jetzt auch, dass solche Tokens genutzt werden um Aktionen oder Aktionsfolgen zu repräsentieren und dann die gleichen Techniken in entsprechenden Aktionen, Vorhersagen zu machen, Steuerungen vorzunehmen.

00:15:14: Und was sehr interessant ist, dass diese techniken konkreten abgeschlossenen Systeme schon erstaunliche Ergebnisse liefern wie sich das allerdings in den nächsten Jahren zeigen wird.

00:15:25: sicherlich eine sehr spannende weitgehend offene Forschungsfrage.

00:15:29: Moderne KI-Systeme sind ja oft auch so Black Boxes zumindest verstehe ich die so.

00:15:35: Sie liefern also Ergebnisse, aber man versteht irgendwie gar nicht genau wie sie zu ihren Entscheidungen kommen.

00:15:41: Gleichzeitig wollen sie Methoden nutzen die dann mathematisch nachvollziehbar sind.

00:15:46: Ich würde gern von Ihnen einmal wissen, wie bringen Sie diese beiden Ansätze zusammen?

00:15:51: Zunächst einmal ich glaube KI-Systeme sind ja nicht die einzelnen Blackboxes, die wir haben sondern es ist sehr typisch auch für andere technische Geräte.

00:16:00: Denken Sie beispielsweise an Ihre Waschmaschine oder... Denken Sie an Ihr Auto.

00:16:05: Diese Geräte haben in der Regel eine schöne Oberfläche, aber wie sie im Inneren funktionieren können Sie als Laie kaum beurteilen.

00:16:13: Ja schon gar nicht.

00:16:15: Schon gar nicht im Fehlerfall und auch die Erklärung, wann tatsächlich einer Erklärungen eine gute ist oder eine weniger gute Erklärerung ist sicherlich sehr unterschiedlich.

00:16:27: was ich dann besonders interessant finde wie eine Maschine man tatsächlich dazu bringen kann, auch die Ergebnisse, die sie liefert.

00:16:35: Auch im Hinblick auf ihren Wahrheitsgehalt zu berprüfen.

00:16:39: Denken Sie beispielsweise an eine Situation, dass ein Kundendateil sortiert werden muss.

00:16:45: Dann können sie in die Maschinen das Ergebnis dieser Sortierung ausgibt leicht überprüfen ob diese Datei sortiert ist oder nicht sortiert sind und sehen einfach, dass vielleicht zwei Kundendatensätze nicht in der alphabetischen Reihenfolge stehen.

00:17:00: Überprüfungen, solche Zeugen bei Prozessen und bei anderen Themen wo große Sprachmodelle oder andere Karriersysteme eingesetzt werden, werden momentan erforscht.

00:17:10: Allerdings sind auch hier die Ergebnisse momentan immer nicht für einzelne Teilbereiche sehr, sehr spannend

00:17:15: und interessant.

00:17:22: Jetzt haben wir ganz viel über Prozesse gesprochen.

00:17:25: Die gute Nachricht daran ist dass Prozisse letztlich immer von Menschen gemacht werden und auch genutzt werden.

00:17:31: Aber wie verändert sich die Rolle der Mitarbeitenden zum Beispiel in Unternehmen, wenn intelligente Systeme zunehmend mitdenken?

00:17:39: Also was müssen Menschen können, was Maschinen nicht können.

00:17:43: Diese intelligenten Systeme entlasten von Routine-Tätigkeiten so dass der Benutzer eines intelligenten Systems sich auf die tatsächlich komplexen Dinge konzentrieren kann.

00:17:54: Gleichzeitig glaube ich daran besteht auch eine große Gefahr von solchen technischen System.

00:18:00: Stellen sich vor, wenn man seine Muskelkraft muss mehr trainiert, dann verkümmern die Muskeln.

00:18:04: Man ist kraftlos, die körperlichen Anstrengungen sind schon bei kleinsten Überanstrengung, die beim Treppensteigen führen dazu dass man in seine Leistungsgrenzen stößt und das ist natürlich dann die große Gefahr auch bei dem Einsatz der geistigen Aufgaben.

00:18:20: Wenn man nicht mehr seinen eigenen geistigten Fähigkeiten regelmäßig trainiert Dann wird das menschliche Denken unserer Tiefe verkümmern.

00:18:28: Menschen fangen plötzlich an, nur noch die Maschinen zu denken.

00:18:32: Und diesen Zustand müssen wir sicherlich überwinden mit solchen Bedürfnissen und diesem Zustand erst gar nicht hineinkommen in dieser Stelle.

00:18:39: Das ist sicher eine der großen zentralen Aufgaben, dass wir regelmäßig versuchen müssen das technische System auch tatsächlich in ihrer Tiefe zu verstehen.

00:18:49: Das auf jeden Fall wünschenswert und ist auch sicherlich eines der Ziele im guten Zusammenspiel mit künstlicher Intelligenz, wo auch immer sie eingesetzt wird.

00:19:00: Jetzt habe ich zum Abschluss nochmal eine ganz persönliche Frage.

00:19:02: Sie beschäftigen sich ja unter beruflichen Gesichtspunkten ständig mit Optimierung und Effizienz von Prozessen und Abläufen?

00:19:11: Wie sieht das eigentlich bei Ihnen im Privatleben aus?

00:19:13: sind Sie da auch ständig auf Effizience getrimmt?

00:19:16: oder sagen Sie auch manchmal jetzt ist es einfach gut.

00:19:19: Ich will jetzt auch einfach mal ineffizient vorgehen und lass mal fünf gerade sein.

00:19:25: Bevor ich Ihre Frage beantworte, möchte ich noch auf eine vermeintliche Spitzfindigkeit hinweisen die mir aber wirklich wichtig ist.

00:19:33: Optimierung ist ein präziser mathematischer Begriff der eine mathematische Optimierungsfunktion voraussetzt.

00:19:41: Wenn man das Optimum gefunden hat in diesem mathematischen Sinne dann ist man den gewissen Maß besonders sparsam.

00:19:48: Das Problem ist nun, dass es in der Regel für viele Probleme gar keine Optimierungsfunktionen gibt oder die Optimierungsfunction bildet die Realität gar nicht exakt ab.

00:19:59: Das heißt man sollte eigentlich in dieser Situation gar nicht von optimieren sprechen sondern eigentlich vom Verbessern dieser Systeme und dann ist das in der Regel auch immer wünschenswert, dass man genau beschreibt was ist denn jetzt tatsächlich der Aspekt den man an einem System verbessern möchte?

00:20:15: Aber zurück zu Ihrer Frage.

00:20:17: ich rudere sehr gerne mit einem Ruderboot auf der Saar.

00:20:21: Ganz besonders gern in einem Achter, also eine Mannschaftsboot.

00:20:25: und wenn so ein Achter gut läuft wie man sagt dann kann man die Themen über die wir gesprochen haben sicherlich sehr schnell und sehr leicht vergessen.

00:20:34: Und in dem Moment wünsche ich mir das Boot ewig über des Wasserkleid.

00:20:39: Das hört sich gut an!

00:20:40: Dann wünschen bei Ihnen in vielerlei Hinsicht alles Gute beim Rudern aber auch bei Ihren Prozessoptimierungen und vor allem auch beim Einsatz unserer Fischertechnik.

00:20:51: Da haben Sie uns sehr, sehr interessant dargestellt wie sie die und wo sie die überall einsetzen.

00:20:57: Und wenn Sie, liebe Hörerinnen und Hörern mehr über die Forschung von Professor Fettke erfahren möchten dann schauen Sie gerne auf den Seiten der Universität des Saarlandes oder des Deutschen Forschungszentrums für künstliche Intelligenz einmal nach.

00:21:10: Die Links dazu finden Sie in unseren Show Notes.

00:21:13: Vielen Dank fürs Zuhören und Ihnen, Herr Professor Fettke.

00:21:17: Vielen Dank für Ihren Besuch bei Fischer

00:21:21: Highlights!