Unter ihm wurden die Amazon Web Services entwickelt, heute das Herzstück des Tech-Konzerns. Einen besonderen Fokus hat Werner Vogels dabei: Künstliche Intelligenz.
Glaubt nicht daran, dass der KI-Wettlauf nur zwischen den USA und China ausgetragen wird: Amazon-CTO Werner Vogels
Werner Vogels, geboren 1958 in den Niederlanden, erlebt seine Heimat schon seit langem nur als Gast. Vor vielen Jahren schon führte ihn sein Expertenwissen ins Ausland, zunächst nach Portugal, dann in die Vereinigten Staaten, zunächst in den Bundesstaat New York. Seit 2004 lebt er in Seattle. Dort arbeitet er als Vizepräsident und Chief Technology Officer von Amazon und steht damit direkt hinter Gründer Jeff Bezos. Vogels und sein Team entwickeln sämtliche Technologien für den Konzern. Was macht seine Arbeit aus?
Werner, du warst lange Wissenschaftler, bevor du auf die Business-Seite zu Amazon gewechselt und dort 2005 Technikchef geworden bist. Wie kam’s?
Ich war tatsächlich die meiste Zeit meines Lebens Akademiker. Nach meiner Ausbildung bin ich in die Forschung gegangen, um mehr über Automatisierung und hochskalierende Systeme zu lernen. Das hat mich erst nach Portugal und dann für zehn Jahre an die Cornell University gebracht, wo ich bei zwei Startups mitgearbeitet habe. Eines war erfolgreich, das andere nicht. Parallel habe ich Firmen wie Microsoft beraten. 2004 habe ich dann ein Jobangebot von Amazon bekommen.
Dass du zu Amazon wechselst, war aber zuerst gar nicht so klar, richtig?
Das stimmt, fast hätte ich das Angebot abgelehnt. Ich dachte: Ein Onlineshop, wie schwer kann das sein? Erst als ich dort war habe ich kapiert, was das für ein riesiger Betrieb ist. Etwas in dieser Dimension hatte ich vorher nie gesehen. Das gab mir eine gute Plattform und die Gelegenheit, alles, was ich theoretisch gelernt hatte, in der echten Welt anzuwenden.
Auf welche Entwicklungen bei Amazon bist du besonders stolz?
Als CTO einer großen Firma blickt man sehr stark nach innen. Ich habe mich zum Beispiel ein ganzes Jahr nur mit dem Thema Fehlertoleranz beschäftigt, um sicherzustellen, dass es keine Ausfälle gibt. Dann sind wir auch Serviceanbieter geworden und haben Amazon Web Services (AWS) gestartet. Und ich bin immer noch stolz darauf, wie wir das umsetzen konnten. Wir haben zum Beispiel ein Speichersystem entwickelt, das auch für Wartungsarbeiten nicht offline gehen muss. Damals gab es so etwas noch nicht. Und es musste ein System sein, das sich verändern und weiterentwickeln kann, ohne dass die Nutzer es merken.
Thema Künstliche Intelligenz – es gibt ja viele Definitionen dafür. Welche ist deine?
Ich spreche lieber von Machine Learning. Von Künstlicher Intelligenz haben wir durch viele Sciene-Fiction-Filme ein falsches Bild. Es geht ja nicht darum, dass die Roboter die Weltherrschaft übernehmen, sondern um unterschiedliche Technologien, wie die Verarbeitung von natürlicher Sprache oder Bildern. Wenn man heute im Business-Kontext von KI spricht, dann geht es meistens um die Analyse großer Datenmengen.
Was ist daran so neu?
Dass sie immer gigantischer werden. Mit herkömmlichen Mitteln lassen diese Massen sich nicht mehr bewältigen. Menschen sind besonders schlecht darin, große Datenmengen zu überblicken. Machine Learning versucht, aus immer schneller wachsenden Datenmengen Vorhersagen für die Gegenwart und die Zukunft abzuleiten. Je mehr Daten, desto verlässlicher die Ergebnisse.
Was Startups in Sachen KI besonders beachten müssen, welche Rolle Sprachtechnologien spielen und wie man die Qualität der Daten sicherstellen kann – mehr vom Amazon-CTO gibt’s in unserem KI-Report:
Was wäre ein konkretes Beispiel?
Amazon zum Beispiel sitzt auf Milliarden von Transaktionsdaten. Aus denen können wir mit 95-prozentiger Wahrscheinlichkeit vorhersagen, ob es sich um eine betrügerische Bestellung handelt. Dann kann ein Mensch übernehmen und das Ganze prüfen. Oder Sprachverarbeitung: Das Gesprochene in Echtzeit zu erkennen, ist zwar schon seit einer ganzen Weile möglich. Aber es auch sofort verarbeiten zu können, ist erst durch Machine Learning und immer leistungsstärkere Hardware realistisch geworden.
Und das bringt tatsächlich grundlegend neue Erkenntnisse und Möglichkeiten?
Es wird die Digitalisierung der Wirtschaft insgesamt vorantreiben. Die Bandbreite, in der man bessere Entscheidungen treffen kann, ist riesig: etwa was die Ausgestaltung neuer Produkte angeht oder die Sicherheit in Fabriken.
Was sind die derzeit besten Anwendungsfälle für KI-Techniken?
Glaubt nicht daran, dass der KI-Wettlauf nur zwischen den USA und China ausgetragen wird: Amazon-CTO Werner Vogels.
Was sind die derzeit besten Anwendungsfälle für KI-Techniken?
Da fällt mir eine großartige Geschichte eines deutschen Startups ein: Candis.io nutzt maschinelles Lernen, um Buchhaltungsprozesse zu automatisieren. Das mag sich erst mal stinklangweilig anhören. Aber man sollte bedenken, wie viel Zeit Unternehmen häufig darauf verwenden müssen, um Dokumente zu klassifizieren und beispielsweise den richtigen Kostenstellen zuzuordnen.
Wieso ist die Geschichte so bemerkenswert?
Weil es ein ganz grundlegendes Problem löst und Firmen in häufig noch sehr analogen Prozessen helfen kann. Techniken zur Mustererkennung zu nutzen, um Unterlagen digital nutzbar zu machen, klingt erst einmal gewöhnlich. Wenn man darüber nachdenkt, erkennt man aber das riesige Potenzial: Mit Machine Learning können sie dann automatisch weiterverarbeitet werden.
Eignen sich bestimmte digitale Geschäftsmodelle besser für KI als andere?
Es geht ja nicht nur um die digitalen Geschäftsmodelle, sondern um alle. Jedes Unternehmen hat heute Zugriff auf die gleiche IT-Infrastruktur. Und auch auf die gleichen KI-Tools! Das bedeutet, dass am Ende die zur Verfügung stehenden Daten den Wettbewerbsvorteil ausmachen. Je mehr sich Unternehmen auf einzigartige Datensätze konzentrieren, desto stärker können sie sich von der Konkurrenz absetzen.
Was Startups in Sachen KI besonders beachten müssen, welche Rolle Sprachtechnologien spielen und wie man die Qualität der Daten sicherstellen kann – mehr vom Amazon-CTO gibt’s in unserem KI-Report:
Man braucht also zwingend eigene Daten – oder kann es auch sinnvoll sein, Datensätze einzukaufen?
Beides kann funktionieren. Jedes Unternehmen muss wissen, welche Daten es benötigt, um seine Produkte weiterzuentwickeln. Datensätze einzukaufen, kann in bestimmten Fällen sicher helfen.
Zum Beispiel?
Wenn es etwa darum geht, Retouren für einen Onlineshop zu minimieren: Wenn du Valentino-Schuhe in Größe 40 gekauft und behalten hast, welche Größe sollte der Shop dann für andere Marken vorschlagen? Nicht alle Schuhgrößen fallen exakt gleich aus. Es sind ja viele Datensätze offen verfügbar. Die können schon ein guter Einstiegspunkt sein.
Sind Startups benachteiligt, wenn große und vor allem hochwertige Datenmengen so entscheidend sind?
Vielleicht. Man muss unbedingt von Beginn an über die eigene Datenstrategie nachdenken. Welche Daten müssen wir über unsere Prozesse sammeln, etwa hinsichtlich Verlässlichkeit oder Nutzung? Es geht darum, ein Minimum Viable Product (MVP) zu bauen und von Beginn an zu messen, wie die Kunden es nutzen. Nur so kann man herausfinden, ob das Produkt auch wirklich nützlich ist.
Was sind die nächsten großen KI-Entwicklungsschritte?
Die Algorithmen werden schlauer und funktionaler. War es bislang meistens nötig, bei neuen Datenzuflüssen immer wieder den gesamten Datensatz zu analysieren, gibt es mittlerweile sogenannte Streaming-Algorithmen, die in Echtzeit die Analysen ergänzen können. Auf diesem Gebiet gibt es allerdings noch sehr viel zu tun. Zudem wird KI spezieller werden.
Was meinst du damit?
Zum Beispiel Maschinen, die in gefährlichen Umgebungen autonom handeln, etwa im Bergbau oder bei der Energieversorgung: automatische Inspektionen, vorausschauende Wartung oder Diebstahl-Erkennung. Beim Handel etwa wird die Vorhersage von Nachfrage oder Verfügbarkeit immer wichtiger. Insgesamt wird KI immer unauffälliger werden, auch weil sie überall ist. Amazon war einmal berühmt für seine Kaufempfehlungen. Heute bekommt man das in jedem Onlineshop. Dass im Zug heute eine KI den Zugführer unterstützt, bekommt der Fahrgast gar nicht mit.
Sind es wirklich die USA und China, die das Rennen unter sich entscheiden werden? Das wird ja gerade oft behauptet. Wo liegen die wirklichen KI-Hubs?
Das hängt alles davon ab, wo die Talente sind. In Berlin passiert einiges. Es ist nicht viel anders als bei Tech-Startups im Allgemeinen. In Israel entstehen viele Startups, die sich auf KI fokussieren, genauso aber auch in Amsterdam oder London.
