Spannende Einblicke in die Arbeit vom Telekom Innovation Lab

Interview mit Frau Claudia Pohlink von den Telekom Innovation Laboratories

Claudia Pohlink ist Head of Artificial Intelligence/Machine Learning bei den Telekom Innovation Laboratories (T-Labs). Sie verfügt über einen Hintergrund in Data Science, Data Management und Innovation Management und verbindet Business- und Data Science-Aspekte von Analytics und Künstlicher Intelligenz (KI) nahtlos. Seit 2017 gehört Künstliche Intelligenz zu den drei Kernthemen der T-Labs. Seither zählt die Forschungs- und Entwicklungs-Einheit zu den aktivsten KI-Playern in Berlin.

Frau Pohlink, welche täglichen Verantwortlichkeiten haben Sie als Head of Artificial Intelligence / Machine Learning? Was macht Ihnen am meisten Freude? Und was hin und wieder Bauchschmerzen?

Mein Team und ich konzentrieren uns auf drei strategische Felder: Netzwerke-, Quantum und Cyber Security. 

Bei ersterem beschäftigen wir uns mit der Optimierung der Kommunikationsnetzwerke. So haben wir zusammen mit Benocs, einem  Startup der Telekom, sichtbar gemacht, wie die Netzwerk-Last verteilt ist. Durch die Verarbeitung historischer Daten können nun wir Dank Machine Learning vorhersagen, wo die Last auftritt und wie sie zukünftig verteilt sein könnte. Das hilft uns beim Aufbau der Netze. 

Bei Quantum KI wollen wir die Geschwindigkeit oder der Qualität der maschinellen Lernprozesse verbessern. Dazu werden rechenintensive Routinen auf einem Quantenrechner ausgeführt. 

Im Bereich Cyber Security wollen wir  unbewusste oder bewusste Risiken von KI-Algorithmen  erkennen und minimieren. Ein wichtiges Stichwort hierbei lautet „Bias“, also Daten, die Vorurteile zementieren. Darüber hinaus beschäftigen wir uns mit der Abwehr möglicher feindlicher Angriffe (Adversarial Attacks).

Am besten gefällt mir an meiner Arbeit der Blick in die Zukunft: die vielen Möglichkeiten, die noch vor uns liegen und nicht erforscht sind. Teil dieser rasanten Entwicklung zu sein, ist unglaublich spannend. Es ist wichtig, dass wir frühzeitig die richtigen Themen identifizieren und hierzu Kompetenzen aufbauen, und dass wir im Rahmen unserer ethischen Verhaltensrichtlinien für den Umgang mit KI auch immer den größeren gesellschaftlichen Rahmen im Blick behalten. Das wird schnell sehr komplex.

Künstliche Intelligenz und Machine Learning ist in aller Munde. Doch was ist da eigentlich der Unterschied?

Künstliche Intelligenz ist ein sehr komplexer Begriff. Oft ist damit der Teilbereich des Machine Learnings gemeint.

Ziel der Forschung zur Künstlichen Intelligenz ganz allgemein ist es, mithilfe der Wissenschaft intelligentes Verhalten in Maschinen zu ermöglichen. Uns ist wichtig dabei zu betonen, dass KI Menschen in ihrem Alltag unterstützen und nicht ersetzen soll. Ein Großteil der Anwendungen, die wir heute als KI bezeichnen, basiert auf Mathematik und Statistik aus dem 18. und 19. Jahrhundert. Die ersten Aufzeichnungen zur Regressionsanalyse zum Beispiel, einer Vorhersagemethode für Werte, stammen aus dem Jahre 1760.

Machine Learning ist eine Methode, mit der große Mengen an Daten analysiert und aus ihnen verschiedenes Wissen „künstlich“ generiert und gelernt wird. Erst neuere technische Entwicklungen bezüglich der Speicherung und schnellen Verarbeitung großer Datenmengen haben diesen Sprung der KI-Entwicklung möglich gemacht. Beim Machine Learning werden zum Beispiel Gruppen gebildet, Bilder erkannt oder Muster identifiziert. Eine KI ist z.B. in der Lage, nach einem Lernprozess auf Fotos Katzen von Hunden zu unterscheiden.

Mit welchen Herausforderungen haben Sie in der Telekommunikation zu kämpfen und wie helfen Ihnen dabei Machine Learning Algorithmen?

In der Deutschen Telekom nutzen wir KI inzwischen z.B. bei Chatbots, bei der schnelleren Beantwortung von Kundenanfragen sowie der Planung und Steuerung unserer Netzwerke oder zur Unterstützung beim Glasfaserausbau.

Für die Telekom ist die Vertrauenswürdigkeit von KI-Anwendungen von großer Bedeutung. Eine Basis sind die unsere selbst-bindenden Leitlinien für die Entwicklung und den Einsatz von KI. In Zukunft werden technische Verfahren zur Prüfung von KI auf Robustheit, Sicherheit, Einhaltung der Privatsphäre und Diskriminierungsfreiheit ein zentraler Baustein für die Akzeptanz von KI durch die Kunden und Bürger sein.

Wie ist Ihr Team organisiert? Zentral oder dezentral? Und wo liegt – rein organisatorisch gesehen – der größte Knackpunkt für die Sicherstellung des Projekterfolges?

Wir forschen nicht fernab, sondern versuchen, mit Startups und Forschungseinrichtungen konkrete Lösungen für die Kundenprobleme zu erarbeiten und diese Innovationskraft sofort in den Konzern hineinzubringen. Da haben wir sehr viel in den letzten zehn bis 15 Jahren gelernt. Das ist auch harte Arbeit. Die Arbeit in einem Lab, also einer Einheit für Forschung und Entwicklung (Research & Development) mit ihren Trendscouting-Aktivitäten hat einen großen Anteil daran, Themen zu identifizieren und so zu transformieren, dass sie zur Telekom passen und von den Abteilungen der Telekom übernommen werden. Dafür müssen die internen Teams von Anfang an eingebunden sein und die Entwicklungen mitsteuern können. Das ist eine Gratwanderung.


Claudia Pohlink präsentiert am 13. November 2019, dem ersten Tag der Data Leader Days 2019, über „Before you dream of AI do your homework.

Tickets für die Konferenz finden Sie auf der offiziellen Startseite, unter www.dataleaderdays.com.