Ich wünsche Ihnen noch einmal guten Morgen von meiner Seite aus und es ist mir eine Freude,

die Sachen, wo ich so lange darüber nachgedacht habe, Ihnen gegenüber darstellen zu können.

Ich weiß, dass meine Gedankengänge nicht vollständig sind, sondern Löcher haben,

der komplette Foliensatz, den ich hier gehabt hätte, das wären 350 Folien gewesen.

Das geht nicht in den vier Tagen, wenn man da wirklich das erklären will.

Deswegen habe ich die Hälfte mal aussortiert, um sie vorzustellen.

Wenn sie super schnell sind und wir mehr schaffen, dann tue ich das gerne erweitern auf die anderen Folien, die ich auch noch habe.

Aber mir kommt es darauf an, ihnen zu erklären, was ich zu sagen habe und nicht einfach nur hier PowerPoint-Poisoning zu betreiben.

Und ich habe diesen Titel, der da oben steht, mit Bedacht gewählt.

Also das ist so Artificial Intelligence, ist heute eine Modewelle, aber sie ist eigentlich alt.

Sie stammt aus den 50er Jahren, vom letzten Jahrhundert.

Und ich werde ihnen erklären, warum die geschichtliche Entwicklung so gelaufen ist, wie sie halt gelaufen ist.

Die Mathematik darin, das zu tun, wird dann die neuronale Netze sein, also das zweite, was da steht.

Und der Applikationsrahmen, in dem wir das Ganze anwenden wollen, ist dann eben Data Analytics.

Das müssen wir ein bisschen so sehen. Als Mathematiker ist man ja von Methoden fasziniert.

Also Beispiel, wenn ich Mathematik studiere, dann kann ich mich mit Differentialrechnungen semesterlang aufhalten, wenn ich das will.

Aber warum sind Differentialgleichungen wichtig? Die sind deswegen wichtig, weil man ohne sie Physik nicht verstehen kann.

Man hat immer diese Parallelität von, ich mag eine Methode und irgendwo muss die Methode auch gut sein.

Und das haben wir eben hier auch. Die neuronale Netze ist sozusagen eine Methode, die ich Ihnen als mathematische Methode eben nachbringen will.

Und die Data Analytics Geschichte ist eben genau der Punkt, was ich damit machen kann.

Und das werden Sie sehen, dass sich das eigentlich in natürlicher Art und Weise aus dieser Artificial Intelligence Wurzel heraus ergibt.

So, lassen Sie mich ein paar Worte zu mir selber sagen.

Das ist jetzt nicht nur, um mich sozusagen selber nochmal bunt darzustellen, sondern ist deswegen da, weil ich zutiefst glaube,

dass Wissenschaft nicht etwas ist, was vor einem auf dem Tisch steht.

Und das ist also das Objekt, ja, das kann man beschreiben, das kann man in einem Buch aufschreiben, End of Story.

Das ist es nicht. Meine Erfahrung ist, dass Wissenschaft eine Wechselwirkung von einem Wissenschaftler und dem Objekt der Wissenschaft ist.

Das heißt also gut Deutsch, wenn Sie Wissenschaft angucken, haben Sie immer diese Wechselwirkung von einer Person und dem, was die Person da angeguckt hat.

Und das eben dazu stellen, werden wir im Laufe der nächsten anderthalb Stunden noch genauer angucken, warum ich das so sehe.

Aber ich habe eben auch meine eigene Perspektive auf das Thema, was wir hier angucken werden.

Und um die verstehen zu können, ist es vielleicht ganz gut, wenn man ein bisschen zu mir sagt.

Also ich habe in Bonn Mathematik studiert und mein Lieblingsgebiet waren dynamische Systeme, Kontrolltheorie, Spieltheorie, also Geschichten.

Und dann war ich schon 1987 bis 2017 bei Siemens Zentralreich Forschung in München.

Und ich habe das Glück gehabt, dass ich am Anfang, als ich dahin kam, nicht so überarbeitet war wie meine Kollegen.

Und habe deswegen die Chance gehabt, in eine Arbeitsgemeinschaft zu gehen, die gleich am Anfang, als ich dahin kam, die Aufgabe hatte, soll sich Siemens mit neuronalen Netzen beschäftigen.

Und ich habe dann da reingeschrieben, also ich war einer von den Leuten, die das Proposal geschrieben haben.

Und ich habe da reingeschrieben, ja Siemens soll. Erstens ist das mathematisch toll.

Zweitens, man kann damit Anwendungen machen, die für die Firma interessant sind, zum Beispiel Prognosetechniken.

Und das ist dann eben auch so geworden. Und dann hat es erstmal eine Arbeitsgruppe gegeben, später eine ganze Abteilung, die ist heute 200 Leute groß, die sich also damit beschäftigt hat hier.

Und dann bin ich 2017 zu Fraunhofer gekommen und die Aufgabe ist dieselbe, nämlich, wie kann man artificial intelligence, neuronalen Netze und Data Analytics zusammenbringen,

damit das Ganze nicht nur eine Modewelle ist, sondern tatsächlich eben auch langfristig einen Erfolg mit sich bringt.

Es hat doch Ende der 18er Jahre, Anfang der 90er Jahre auch Modewellen gegeben zum Thema neuronalen Netze.

Die sind deswegen zusammengebrochen nach drei Jahren, weil die Leute alles Mögliche versprochen haben und das wurde nachher gehalten, so ein kleiner Teil.

Das heißt also auf gut Deutsch, Modewellen versprechen im Zweifelsfall immer mehr, als in den nächsten paar Jahren gehalten werden kann.

Und es ist unsere Aufgabe und auch Ihre Aufgabe, dann ein Stück später die Aufgaben so zu lösen, dass es nicht heißt, naja, war nur eine nette Idee, machen wir jetzt was anderes.

Das heißt, es liegt an uns, das weiterzutragen. Na ja gut, und wenn man dann eben in so einem Bereich arbeitet, dann hat man alle möglichen Kontakte hier.

Sehen wir auf der einen Seite innerhalb von Deutschland, GOR, dann international hier, Industrieadvisor, Board von der Neural Network Society oder eben auch Mathematik.

Das ist sozusagen als Rat und Sie, auf der einen Seite müssen Sie sowas machen, wenn Sie in dem Gebiet was erreichen wollen, was bewirken wollen.

Auf der anderen Seite ist da die Gefahr drin, sich zu verzetteln. Schauen Sie, wenn Sie auf alle Neurokonferenzen gehen wollen, dann sind Sie schon überbelegt.

Wenn Sie auf Mathematikkonferenzen gehen wollen zusätzlich, dann kriegen Sie sonst nichts mehr geschafft. Und dann noch ökonomische Anwendungen zu machen.

Also Sie müssen sich irgendwann entscheiden, wo will ich mich fokussieren. Das kann schwer sein. Na gut.