Forschung

Wie funktioniert Denken? (Wie) können wir es Maschinen beibringen? Und wie können wir dieses Wissen nutzen, um Maschinen für Menschen nützlicher zu machen?

Meine Erfahrungen aus der Wissenschaft nutze ich als IT-Beraterin und Sachverständige, sowie bei der Entwicklung meiner eigenen Aufgaben-App.

Alex Kirsch IT
Hands-on Consulting

Forschungsinteressen

Kognitive Systeme

Intelligenz ist kein isoliertes Phänomen. Die einzige Intelligenz, die wir kennen, lebt in menschlichen Körpern, nicht nur in den Gehirnen. Als Menschen sind wir mit unserer Umgebung verwoben und anstatt nur auf diese zu reagieren, wie die meisten lebenden Dinge um uns herum, denken wir über abstrakte Konzepte nach, malen uns Welten aus, die es nicht gibt und nicht einmal geben kann, kommunizieren miteinander und arbeiten zusammen. Kognitive Systeme sind wahrscheinlich der schwierigste Teil der KI (für mich sind sie die KI überhaupt), aber das macht sie auch zu einem extrem faszinierenden Forschungsobjekt.

Entscheidungsprozesse

Menschen meistern im Alltag komplexe Entscheidungsaufgaben unter Unsicherheit und Zeitdruck. Sobald Aufgaben in Organisationen gelöst werden, scheint man diese Fähigkeiten durch starre, an Menschen überhaupt nicht angepasste Prozesse geradezu zu unterdrücken. Aus meiner Forschung an menschlichen und maschinellen Entscheidungsprozessen übertrage ich Vorgehensweisen, die Menschen im Alltag erfolgreich nutzen, auf den unternehmerischen Alltag. Dies entspricht in etwa dem Trend der agilen Softwareentwicklung, lässt sich jedoch auch auf viele andere Fragestellungen übertragen.

Menschzentrierte KI

Egal ob Künstliche Intelligenz als Traum oder Alptraum präsentiert wird, immer steht der Computer im Mittelpunkt. Aber was wäre, wenn man die technischen Möglichkeiten geschickt mit menschlichen Fähigkeiten verbindet, wenn man Mensch und Computer als Gesamtsystem betrachtet? Jedes alltagstaugliche System muss meiner Meinung nach zuerst vom User Interface ausgehend konzipiert werden, um dann schrittweise mit intelligenten Werkzeugen ergänzt zu werden.

Projekte

seit 2021

todoListo: Deine persönliche Aufgabenverwaltung

ein Projekt der Alex Kirsch IT GmbH
Prototyping
User Experience Design
Clojure
ClojureScript
React
Keycloak
Link zu todoListo

Eine vollständige Software-Eigenentwicklung vom Konzept über einen Software-Prototyp bis zum vollständigen Produkt.

Eindrücke

Aufgabenansicht von todoListoZuweisung von Eigenschaften in todoListo
Notizansicht von todoListo

Die Entstehung von todoListo

2021
2022
2023
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
...
Idee und Start Prototyping
Erster Test-Release zum täglichen Nutzen
Erste externe Test­nutzer­Innen
Ende Prototyping, Neukonzeptionierung
Start (Neu-)Implementierung
Aufsetzen der todoListo Webseite
Erste Tests mit Serveranbindung
Bezahlung und Nutzerverwaltung
Erster öffentlicher Release
2021 – 2023

Transformationsberatung und -unterstützung für einen online-Anbieter von medizinischem Wissen

Beratung
User Experience Design
Business-Analyse
Anforderungsanalyse
Workshops
Prototyping
ClojureScript
JavaScript
React

Das 10 Jahre alte Unternehmen hatte bisher großen Erfolg durch schnelle Innovation in seinen online-Produkten. Durch den Fokus auf Innovation wurden jedoch konzeptionelle und architektonische Änderungen hinten angestellt und dadurch technische Schulden angehäuft, die letztendlich dazu führten, dass die Innovationskraft abnahm. In diesem Projekt sollen interne Software-Werkzeuge neu konzipiert werden, wobei die Umsetzung den täglichen Betrieb nicht beeinträchtigen darf. Idealerweise sollen während der Überarbeitung direkt neue Funktionalitäten umgesetzt werden, die in Kundenprodukten sofortigen Mehrwert schaffen.

Meine Rolle

  • Analyse und Darstellung bisheriger Systemfunktionalitäten und Mängel
  • Erstellung und Präsentation von Informationen für das Management zur Darlegung der Notwendigkeit der Überarbeitung
  • Informieren und Einbeziehen verschiedener Beteiligter (Nutzersicht, Software-Entwicklung, Produktdesign)
  • Planung von Teilzielen und Projektschritten
  • User Experience Research
  • Recherche von zentralen Libraries
  • Funktionales Prototyping eines Web-Frontends

Feedback

Rückmeldungen von Projektbeteiligten aus dem Feedback-Prozess des Kunden:

  • very structured and well prepared for meetings
  • an iterative approach that can deal with uncertainty and gets closer to a clear picture on every iteration
  • great presenter of results and insights
  • inspiring with new angles on old issues
  • not only capable on a concept level but also a quick prototyper
  • great user-centric end-to-end thinking

2021

Digitalisierungsstrategie eines mittelständischen Logistik-Dienstleisters

Beratung
Business-Analyse
Anforderungsanalyse
Workshops
Marktrecherche
Roadmap
Logistik
Projektleitung

Der Kunde wollte sein Geschäft stärker digitalisieren und hat bereits damit angefangen seine Softwarelandschaft seinen Bedürfnissen anzupassen. Dabei stellen sich mehrere Herausforderungen:

  • die Fülle von Anforderungen, die sich einerseits aus dem operativen Geschäft, andererseits aus der zukünftigen strategischen Ausrichtung, ergibt
  • geringe Erfahrung des Kunden im Bereich Softwareentwicklung und -wartung
  • die Größe des Marktes von Softwarekomponenten und Dienstleistungsportalen
  • die Notwendigkeit von Schnittstellen zwischen Softwarelösungen für verschiedene Teilaufgaben

Vorgehen

  • Entwicklung von Domänenverständnis durch Workshop und dauernde Absprachen
  • Verständnis der spezifischen Kundenanforderungen
  • ständige Diskussion von Zwischenergebnisse, Rückfragen, und weiteren Schritten
  • Recherche von Logistik-Portalen
  • Recherche von Transportmanagement-Lösungen
  • Aufzeigen und Einschätzen von Lösungsalternativen

Ergebnis

  • Ergebnisbericht:
    • Zusammenfassung der geschäftlichen Ziele
    • allgemeinen Überlegungen zur Gestaltung einer Software-Landschaft
    • konkrete Rechercheergebnisse
  • Roadmap für die nächsten Schritte und langfristige Strategieprojekte

2019 – 2021

Sort-it: Demonstrationsprototyp eines Wissenswerkzeugs

Kategorisierung
Entscheidungsprozesse
Kognition
User Experience Design
Künstliche Intelligenz
Prototyping
Agile Software-Entwicklung
ClojureScript
React
Projektleitung

In agilen Entwicklungsprozessen hat man es ständig mit komplexen Zusammenhängen zu tun. Software-Werkzeuge folgen entweder quantiativen Mustern (z.B. Tabellenverarbeitung), die den Lösungsraum von Anfang an einschränken, oder qualitativen notizartigen Mustern (z.B. Textverarbeitung), die sehr viel Freiheit erlauben, aber keine automatischen Inferenzen zulassen. In diesem Projekt sollte exploriert werden wie ein Werkzeug diese beiden Welten verbinden kann um komplexe Wissensbestände intuitiv zu erfassen und auszuwerten.

Bildschirmansichten von Sort-it
Vorgehen

  • initialer Wegwerf-Prototyp mit JavaScript/React anhand einer konkreten Aufgabe (Aus- wertung von UX-Interviews)
  • Konzeption des weiter zu entwickelnden Prototyps
    • Identifikation von Alleinstellungsmerkmalen gegenüber anderen Wissenswerkzeugen
    • Projektarchitektur mit ClojureScript (mit Reagent/React, shadow-cljs)
    • Entwicklung theoretischer Grundkonzepte für eine intuitive und effiziente Aufgabenmodellierung
  • Iterative Entwicklung des Prototyps anhand von weiteren realen Anwendungsszenarien (Auswertung UX-Workshops, Konzeption von Texten, Aufgabenplanung, Erstellen von Personas, Literaturrecherche)
  • erste Marketingschritte zur Gewinnung von AnwenderInnen

Ergebnis

Verwendbares Programm um das Potential der Konzepte zu demonstrieren.
Sort-it selbst ausprobieren

weitere Bildschirmansichten von Sort-it
2012 – 2018

Human-Centered Artificial Intelligence

Junges Kolleg der Bayerischen Akademie der Wissenschaften
Entscheidungsprozesse
Kognition
Autonome Roboter
Clojure
JavaFX

Human-Centered Artificial Intelligence ist ein interdisziplinärer Ansatz um künstliche Intelligenz als Werkzeug für eine bessere Mensch-Maschine-Interaktion zu nutzen. Basierend auf Ergebnissen der Psychologie und Biologie verallgemeinert er klassiche Techniken der künstlichen Intelligenz, sodass sie besser für Menschen verständlich sind und eine natürliche Interaktion zwischen menschlicher und künstlicher Intelligenz erlauben.

Prinzipien
Propose Illustration von Entscheidungsalternativen
Entscheidungen von Menschen wie Maschinen beruhen auf Alternativen. Im Gegensatz zu gängigen KI-Verfahren sind die Alternativen in meinem Algorithmus nicht vordefiniert, sondern werden im Entscheidungsprozess dynamisch erarbeitet.
Evaluate Illustration der Evaluation von Entscheidungsalternativen
Alternativen werden in meinem Modell von unabhängigen Evaluationsprozessen bewertet. Diese repräsentieren verschiedene Gesichtspunkte der Lösungsqualität und können sich widersprechen.
Focus Illustration der Konsolidierung und Fokusierung auf die beste Entscheidungsalternative
Bei gängigen KI-Verfahren werden verschieden Evaluationsaspekte durch gewichtete Summen in einen Wert verrechnet. Die Ergebnisse sind meist unintuitiv, da Menschen bei ihren Entscheidungen keine gewichteten Summen bilden, was durch empirische Studien nachgewiesen ist. Mein Verfahren imitiert menschliche Heuristiken mit Methoden der Sozialwahltheorie.
Iterate Illustration der Iteration zwischen Alternativengenerierung, Evaluation und Fokussierung
Durch wiederholtes Generieren bzw. Adaptieren von Alternativen, Evaluieren und Fokussieren, wird die Lösung schrittweise bestimmt. Das Verfahren kann vollautomatisch ablaufen oder in einem kollaborativen Prozess mit Menschen.
Forschungsmethode

Wissenschaft ist ein iterativer Prozess von Beobachten und Theoriebildung. Genau so habe ich meinen Algorithmus entwickelt und genau so kann er für konkrete Fragestellungen genutzt werden. Durch das Protoyping von Anwendungsfällen bekommt man schnell ein Gefühl dafür was gut funktioniert und wo Verbesserungsbedarf besteht.

In dem Ansatz geht es nicht darum, eine Speziallösung für ein spezifisches Problem zu entwickeln, sondern einen allgemeinen Mechanismus, der auf viele verschiedene Aufgabenstellungen übertragbar ist. Deshalb ist das Verfahren an zwei sehr unterschiedlichen Aufgaben entwickelt worden: dem Traveling Salesperson Problem (einem Problem aus der theoretischen Informatik, das in vielen realen Aufgaben in abgewandelter Form vorkommt) und der Navigation von autonomen Robotern (d.h. der Roboter hat die Aufgabe einen Zielpunkt zu erreichen und muss dafür den nächsten Befehl an seine Räder schicken).

Ansichten der verschiedenen Abstraktionsstufen bei der Roboternavigation

Das Verfahren eignet sich vor allem für Beinahe-Optimierungsprobleme, also Aufgaben, die sich nicht vollständig formalisieren lassen, die jedoch zu unübersichtlich sind um von Menschen ohne technische Unterstützung gelöst zu werden, z.B.

  • Erstellung von Produktionsplänen
  • Kategorisierung von Produktgruppen
  • Planung von Verkaufsniederlassungen
  • Bildung von (Kunden-)Kohorten
  • Wartung komplexer IT-Systeme

Im Gegensatz zu klassischen Optimierungsverfahren zeichnet sich mein Ansatz aus durch

  • hohe Nutzerakzeptanz
  • Robustheit
  • Verständlichkeit

Veröffentlichungen
Alexandra Kirsch. A Unifying Computational Model of Decision Making. Cognitive Processing, 20(2), pp. 243 – 259, 2019. [pdf from HAL]
Alexandra Kirsch. Lessons from Human Problem Solving for Cognitive Systems Research. Advances in Cognitive Systems, 5, pp. 13 – 24, 2017.
Alexandra Kirsch. A Modular Approach of Decision-Making in the Context of Robot Navigation in Domestic Environments. In: 3rd Global Conference on Artificial Intelligence (GCAI), pp. 134 – 147. Miami, Fl., USA, 2017. [pdf from HAL]
Alexandra Kirsch. Heuristic Decision-Making for Human-aware Navigation in Domestic Environments. In: 2nd Global Conference on Artificial Intelligence (GCAI), pp. 200 – 213. Berlin, Germany, 2016. [pdf from HAL]
Tim Rach, Alexandra Kirsch. Modelling human problem solving with data from an online game. Cognitive Processing, 17(4), pp. 415 – 428, 2016. [pdf from HAL]
Alexandra Kirsch. Heuristic Problem Solving with Abstract Knowledge in the Context of the Travelling Salesperson Problem. 2014. (unpublished article) [pdf from HAL]
Alexandra Kirsch. Hierarchical Knowledge for Heuristic Problem Solving — A Case Study on the Traveling Salesperson Problem. In: First Annual Conference on Advances in Cognitive Systems (ACS). 2012. [pdf from HAL]
Alexandra Kirsch. Humanlike Problem Solving in the Context of the Traveling Salesperson Problem. In: AAAI Fall Symposium on Advances in Cognitive Systems. AAAI Press, 2011. [pdf from HAL]

Publikationen

Papenmeier, Frank, Purcalla Arrufi, Juan, Kirsch, Alexandra. Stories in the Mind? The Role of Story-Based Categorizations in Motion Classification. Cognitive Science, 47(9) 2023.
Clemens Beckstein, Alexandra Kirsch. Suche. In: Handbuch der Künstlichen Intelligenz. Ed: Günther Görz, Ute Schmid, Tanya Braun, 6th edition. De Gruyter. Chap. 3. 2021.
Alexandra Kirsch. Shakey Ever After? Questioning Tacit Assumptions in Robotics and Artificial Intelligence. Künstliche Intelligenz, 33(4), pp. 423 – 428, 2019. [pdf from HAL]
Alexandra Kirsch. A Unifying Computational Model of Decision Making. Cognitive Processing, 20(2), pp. 243 – 259, 2019. [pdf from HAL]
Frank Papenmeier, Meike Uhrig, Alexandra Kirsch. Human Understanding of Robot Motion: The Role of Velocity and Orientation. International Journal of Social Robotics, 11(1), pp. 75 – 88, 2019. [pdf from HAL]
Alexandra Kirsch. Explain to whom? Putting the User in the Center of Explainable AI. In: Proceedings of the First International Workshop on Comprehensibility and Explanation in AI and ML 2017, co-located with 16th International Conference of the Italian Association for Artificial Intelligence (AI*IA 2017). Bari, Italy, 2017. (invited paper) [pdf from HAL]