Im DIALOG Digitale Revolution

FH-Prof. DI Dr. Erich Markl, University of Applied Sciences Technikum Wien.

Zum Autor:

Ing. Helmut Maier, geboren 1964, ist ein Mann der Industrie Österreichs, der in verschiedenen Unternehmen, wie Henkel Austria, AEG-Schneider Electric und Sick, seine Managementqualitäten mit technologischem Hintergrund in der Führung von Menschen, Teams und Unternehmensgeschicken eingesetzt hat. In seiner Eigenschaft als Senator des Senats der Wirtschaft Österreich begegnet er Vertretern von Universitäten, Arbeitnehmern, Wirtschaft, Industrie und Technik, und tritt mit Ihnen in den Dialog, um die Digitale Revolution des heutigen Zeitalters zu beleuchten.

Helmut Maier:

Erich, die digitale Revolution ist in vielen Bereichen schon heute Realität – und keineswegs ein Thema, das uns erst künftig betreffen wird, wie immer wieder zu lesen ist. In den Produktionsbetrieben arbeiten zunehmend vernetzte Maschinen, die über immer vielfältigere Sensoren mit Internetanbindung Daten untereinander oder mit zentralen Rechnern austauschen. Im „precision Farming“ nutzt die Landwirtschaft gezielt ihre Daten über Bodenbeschaffenheit und optimiert den Fahrweg der Traktoren. Bei einem Online-Einkauf erhalten wir nicht nur mittels Mustererkennung personalisierte Werbeeinschaltungen, sondern profitieren von kurzen Lieferzeiten, die der Großhandel über prognostische Algorithmen – vergleichbar den industriellen Verfahren für „preventive Maintenance“ – für seine Lagerhaltung realisiert. Fabriken wie auch Wohngebäude werden „smart“, und der Weg zur KI-gestützten medizinischen Bildauswertung ist alles andere als weit.

Erich Markl:

Auch in Österreichs Klein- und Mittelunternehmen ist der Wandel angekommen, wie eine Studie mit 1.700 heimischen KMU (Arthur D. Little, WKÖ, WU Wien) belegt. Dabei geht es um weit mehr als "nur" um intelligente Sensornetzwerke im Betrieb einer Digitalen Fabrik. Weitere Applikationsfelder der Industrie, die durch die Digitalisierung beeinflusst und verändert werden, werden z. B. auch in der Fakultät Industrial Engineering an der FH Technikum Wien in einer eigenen Laborfabrik anwendungsnah erforscht. So untersucht und treibt man dort Entwicklungen der Angebotsmodifizierung von Produkten und Dienstleistungen oder den Metabolismus von Kundenbeziehungen im digitalisierten Umfeld voran. Aber auch der Neugestaltung von Arbeitsplätzen – z. B. durch autonome Roboterfahrzeuge und dem zunehmenden Einzug von kollaborativen Robotern – wird große Beachtung geschenkt. Die Themen rund um die Digitalisierung sind naturgemäß sehr vielfältig und unterliegen selbst auch immer wieder einem raschen Wandel ...

Helmut Maier:

Was bedeutet das für die Ausbildung, speziell in den Ingenieurwissenschaften, vor allem im Industrial Engineering? Sind heutige AbsolventInnen dazu hinreichend vorbereitet?

Erich Markl:

Klarerweise haben in den meisten technischen Studiengängen die Kern-Technologien der Industrie 4.0-Ära wie auch IoT-Konzepte Einzug gehalten. Schon in den ersten Semestern programmieren die Studierenden Mikrocontroller, beschäftigen sich früh mit leistungsfähigen Sensoren, mit Konzepten zu mobiler Robotik und mit Tools für die virtuelle Entwicklung von Maschinen oder mit Augmented Reality. Dabei sind viele Verfahren der künstlichen Intelligenz „barrierefrei“ in Form von Open Source Zugängen via Internet erhältlich.

Teilweise ist die digitale Revolution schon angekommen. Miniaturisierte, für den studentischen Schreibtisch leistbare Technologie, die ähnlich funktioniert wie zertifizierte Devices für den industriellen Einsatz, ist verfügbar. Wenn das eigene Curriculum noch nicht modernisiert ist, finden pfiffige Köpfe alle notwendigen Informationen, Beispielprogramme oder Tutorials frei verfügbar im Netz oder posten in einschlägigen privaten Communities, deren Hobby die rasche gegenseitige Unterstützung ist. Von diesen Möglichkeiten konnten frühere Generationen nur träumen.

Allerdings ist die Komplexität mechatronischer Systeme (und die klassisch mechanisch dominierten Maschinen sind durch die Digitalisierung nichts anderes als mechatronische Systeme) eher gestiegen. Informatik-affine Studierende benötigen gesteigerte algorithmische Fähigkeiten und – z. B. im Zuge der KI-Anwendung – ein deutlich intensiviertes Statistikwissen. Informatik-ferne Studierende sehen sich eher (z. B. im Maschinenbau) mit komplexer Steuer- und Regelungstechnik oder mit herausfordernder Simulation konfrontiert, die Programmier- und höher fundiertere Mathematikkenntnisse voraussetzen. Zugleich beobachten wir einen „Skill-Gap“, der sich mit der zu erwartenden demographischen Entwicklung noch verschärfen dürfte: nach OECD-Prognosen wird ein steigender Prozentsatz von Schülern aus Jahrgängen mit sinkenden Klassenstärken die Matura bzw. die formale Studienberechtigung erwerben ohne deswegen unbedingt die inhaltlichen Voraussetzungen zu erfüllen. Das betrifft einerseits das Wissensniveau in den Basisfächern, andererseits aber auch die Fähigkeit und Motivation zu selbstgesteuertem Lernen. Vereinfacht gesagt, gibt es zwar unerschöpfliche Wissensquellen zur Lösung technischer Probleme im Netzwerk zu finden, gleichzeitig ist aber auch mit einer Generation zu rechnen, die in der Breite nicht unbedingt willens oder fähig ist, sich diese Lösungen mit hoher Eigenständigkeit und Frustrationstoleranz für das unvermeidliche Debugging abzuholen.

Helmut Maier:

Nicht verändert haben sich dagegen die Determinanten des menschlichen Lernens: Noch immer benötigt man zahlreiche Wiederholungen, bis ein Faktum im Gehirn fest verankert ist. Du erwähntest, dass Fertigkeiten – wie z. B. das präzise Löten kleiner elektronischer Bauteile oder die Fähigkeit zur adäquaten kinematischen Auslegung eines Mechanismus – mehrfach geübt sein müssen ...

Erich Markl:

Die Annahme, in Zeiten der omnipresenten Verfügbarkeit von Wikipedia und Youtube müsse niemand mehr Wissen erwerben, stimmt nur zum Teil: Denn, was fängt man z. B. mit einem Tutorial zur Installation und zum Training eines tiefen neuronalen Netzwerks an, wenn man z. B. das Basiswissen zu Wahrscheinlichkeitsverteilungen nicht hat? Vordergründig mag die damit erzeugte KI nach mühevollen autodidaktischen Stunden sogar Ergebnisse erbringen. Auf den zweiten Blick ist gerade dieses Beispiel unter Umständen sogar gefährlich: in einem solchen Netz ist es möglicherweise nicht mehr nachvollziehbar, warum eine Entscheidung zustande kam. Da hier nicht exakte Rechnungen, sondern Wahrscheinlichkeiten zugrunde liegen, steht die Lösung ohne Erklärung und nicht überprüfbar für sich. Stimmen dann die Basisannahmen oder die Zusammenstellung der Trainingsdaten nicht, gilt der klassische EDV-Spruch „garbage in – garbage out“ … nur bemerkt man das eventuell nicht, weil das neuronale Netz ja lauffähig ist, und man den Ergebnissen bis zum Beweis des Gegenteils – vielleicht einem folgenschweren Unfall – vertraut. Nicht immer sind die Beispiele so plakativ wie die KI, die man unlängst sofort wieder abschalten musste, weil sie dunkelhäutige Menschen als Orang Utans klassifizierte: es war vergessen worden, das System mit Fotos von Menschen unterschiedlicher Hautfarbe zu trainieren.

Helmut Maier:

Was bedeuten derartige Beobachtungen und Mutmaßungen für die Hochschulausbildung? Im Zuge dessen spielt auch die immer angespanntere finanzielle Lage der Hochschulen eine nicht unerhebliche Rolle, da sie vor der Herausforderung stehen, neben der täglichen Wissensvermittlung auch die digitale Transformation des Lernens bewältigen zu müssen (Stichwort E-Learning)? Der Lehrkörper dieser Bereiche ist darüber hinaus auch noch gefordert, in beinahe monatlichen Rhythmen mit Hard- und Softwareupdates seines Fachgebiets gleichzuziehen!

Offensichtlich gilt es, tendenziell unselbstständigere Studierende auf eine Zukunft vorzubereiten, deren Qualifizierungsanforderungen wir immer weniger voraussehen können. Wir müssen sie also zum einen in Sachen Lernfähigkeit, Selbststeuerung, Flexibilität, Innovationsfähigkeit und Eigenmotivation fördern – jedenfalls, soweit eine Hochschulausbildung in der Lage ist, verhaltensbestimmte Kompetenzen zu entwickeln. Zum anderen muss sich Hochschulausbildung im Ingenieurbereich zu Ungunsten mancher Spezialdisziplin auf die technischen Grundprinzipien rückbesinnen. Sind diese verinnerlicht, und haben die Studierenden beispielhaft einige wenige Themen in der Tiefe durchdrungen, werden sie mit größerer Wahrscheinlichkeit in der Lage sein, auch unbekannte Probleme mit einem ähnlichen Problemlösungsprozess zu bewältigen.

Erich Markl:

Helmut, damit verändert sich auch die Rolle der Lehrenden: Mehr als früher werden sie zum Filter, und wählen aus der nicht mehr zu bewältigenden Fülle des Wissens und der Technologien die relevanten Bausteine aus. Das gilt einerseits inhaltlich für die Frage nach dem „richtigen“ Split zwischen z. B. physikalischer Theorie und Anwendungsorientierung (z. B. an einer TU anders zu entscheiden als an einer FH). Das bedeutet – ebenfalls inhaltlich – auch auf den Verzicht der einen oder anderen Methode und auf das ein oder andere technische Gadget – so schön es auch wäre, den Studierenden „alles“ nahezubringen. Das gilt aber auch für die Form des Lernens – sowohl im Rahmen der klassischen Präsenzlehre als auch für digitale Lernangebote. Hier gilt es, den Hype einem Realitätscheck zu unterziehen, möchte man mit der in Europa noch immer konkurrenzlosen Maschinenbaukompetenz sowie mit anderen Weltregionen, die z. B. in Sachen Data Science weiter sind als wir, Schritt halten.

Helmut Maier:

Das muss doch eine enorme Herausforderung für dich und dein Team sein?!

Erich Markl:

Sicher doch, heutige Bildungstechnologien ermöglichen diverse Lernformen von der klassischen Rechenübung an der Tafel bis hin zum sog. MOOC – dem Massive Open Online Course, der es erlaubt, sich jederzeit, und oft kostenfrei das Wissen der Standford University ins Wohnzimmer zu holen. Für die Gruppe der intrinsisch motivierten Ausnahmestudierenden, die auch bisher schon immer unabhängig von der Qualität der Ausbildung sehr rasch erfolgreich war, eröffnet das ungeahnte Möglichkeiten. Die breite Masse spiegelt sich laut einschlägigen Studien in MOOC-Abbruchquoten im Bereich von 90 % wider. Wie sollten also Bildungseinrichtungen zielgerichtet ihren breiten Ausbildungsauftrag zukunftsfähig erfüllen, so dass ihre Studierenden den Sprung in die digitale Revolution gut bewältigen? Das Gebot der Stunde heißt, wie im strategischen Unternehmenskontext so oft, „kluge Differenzierung“: Erstens Entschlackung und Standardisierung der Curricula im oben beschriebenen Sinne. Zweitens „Blended Learning“ – d. h. die Kombination aus Online-Lehre und Präsenzphasen, die nicht mehr dem reinen „Vorlesen“ von Inhalten dienen, sondern der Beantwortung von Fragen und der Vertiefung komplexer Probleme. Faktenwissen kann tendenziell dem Selbstlernen überlassen werden, die Entwicklung praktischer Fertigkeiten und Labortätigkeiten gehören an einer technischen Hochschule unverändert in die Präsenzzeit.

Helmut Maier:

Ich bedanke mich bei Herrn FH-Prof. DI Dr. Erich Markl für diesen Dialog und wünsche ihm alles Gute zur Vorbereitung der Studierenden auf dem Weg zur digitalen Revolution.