Was ist künstliche Intelligenz? Die KI, einfach erklärt, ist der Versuch, menschliches Lernen und Denken auf den Computer zu übertragen und ihm damit Intelligenz zu verleihen. Statt für jeden Zweck programmiert zu werden, kann eine KI eigenständig Antworten finden und selbstständig Probleme lösen.
Ziel der KI-Forschung ist es seit jeher, die Funktion unseres Gehirns und unseres Geists einerseits zu verstehen und andererseits künstlich nachbauen zu können. Der Traum von künstlicher Intelligenz ist älter als der Computer selbst – sei es „Frankensteins Monster“ oder künstlich erschaffene Menschen wie der Homunculus.
Vor allem in der Science Fiction begegnete uns bisher der Begriff „künstliche Intelligenz“ und meint zumeist Roboter oder Computer, die selbstständig denken und handeln können. Ob im Guten, wie der Android „Data" aus „Star Trek" oder im Bösen wie der Computer HAL aus dem Film „2001: Odyssee im Weltraum". Sie sind in der Kunst ein Mittel, um Fragen über uns selbst zu stellen: Was macht einen Menschen aus? Was ist Intelligenz?
Wenn wir in der heutigen Welt von KI sprechen, hat das jedoch wenig mit dem zu tun, was wir aus Filmen und Büchern kennen. Im echten Leben begegnen uns KIs nur versteckt – wenn uns auf Amazon neue Produkte empfohlen werden, wenn Personen auf Foto automatisch erkannt werden oder wir mit „Alexa“ oder „Siri“ auf unserem Handy plaudern.
Was also ist eine KI? Das ist schwer, eindeutig zu erklären. Grundsätzlich lässt sich sagen, dass es eine allgemeingültige Definition von Künstlicher Intelligenz nicht gibt – weil auch der Intelligenz-Begriff nicht eindeutig definiert ist.
Deshalb versuchen wir uns dem Begriff anders zu nähern: Im Deutschen wird gern zwischen starker KI und schwacher KI unterschieden, wenn es um die Definition von KI geht. Einfach erklärt: Starke KI meint das, was wir aus der Science Fiction kennen. Eine Maschine, die Probleme genereller Art lösen kann – also jede Frage, die man ihr stellt. Sie ist bisher noch reine Fantasie und wird es über Jahrzehnte oder Jahrhunderte noch bleiben.
Mit schwacher KI haben wir es hingegen im Alltag zu tun: Das sind Algorithmen – und nichts anderes ist eine KI, ein sehr komplexer Algorithmus – die spezielle Fragen beantworten können, deren Lösungswege sie vorher selbstständig erlernt hat. Sie hat kein eigenes Bewusstsein und zeigt kein Verständnis. (Nun gut, letzteres teilt sie vielleicht mit manch starker KI wie dem Terminator).
Im Weiteren reden wir deshalb nur noch über schwache KI, da sie letztlich die einzige heute kommerziell relevante Form ist – schwache KI finden wir im Alltag in unseren Handys und Computern.
Was unterscheidet nun eine KI von einem simplen Programm? Üblicherweise schreibt eine Programmiererin Code in einer Sprache ihrer Wahl, die aus einem Satz an beliebig komplexen Anweisungen besteht:
Wenn dies, dann das
Wenn der User auf „Senden“, drückt, schicke die E-Mail an den Server X
Ein solches System nennt man auch regelbasiert. Bei einer künstlichen Intelligenz gibt die Programmiererin nun nicht jeden einzelnen Schritt vor, sondern schreibt einen Algorithmus, der selbstständig in der Lage ist, diese Schritte zu erstellen. Warum ist das wichtig? Weil bestimmt Probleme so kompliziert sind, dass es unmöglich ist, dafür einen Code zu schreiben.
Ein Beispiel dafür ist etwa die Bilderkennung, die in sozialen Medien wie Facebook benutzt wird: Keine Programmiererin auf der Welt kann einen Satz an Anweisungen schreiben, der immer erkennt wie ich aussehe, ganz gleich ob das Foto nachts, am Strand oder im Auto aufgenommen wurde – in einem regelbasiertem System wäre das vollkommen unmöglich, denn dazu müsste die Programmiererin alle Fälle im Vornherein kennen und mühsam eintippen.
Eine KI kennt auch nicht jedes Bild von mir, aber sie kann aus einer Anzahl an vorhandenen Bildern lernen, wie ich aussehe und diese Regel dann auf neue Bilder übertragen und mich erkennen. Und das nicht nur mit mir, sondern mit Milliarden Gesichtern in Bruchteilen von Sekunden. Eine KI ist also in der Lage, mit bisher unbekannten Daten umzugehen, Muster zu finden oder Handlungen daraus abzuleiten. Sie lernt eigenständig aus den ihr vorliegenden Daten – was sie lernt, wird dabei aber vom Menschen vorher bestimmt, indem dieser die KI designt. Sie sind damit weitaus mächtiger als regelbasierte Systeme, da sie auf – im gewissen Rahmen – bisher unbekannte Situationen reagieren können und aus Erfahrung lernen.
Die Einsatzmöglichkeiten von solchen KI-Systemen sind gigantisch und den allermeisten Menschen noch gar nicht klar. Sie wird unsere Wirtschaft revolutionieren – die Bundesregierung schätzt ihren Anteil an der künftigen Wertschöpfung bis 2025 auf über ein Drittel der Gesamtleistung (PDF, S. 20). Die KI ist in der Lage, Informationen aus Daten zu ziehen, die ein Mensch niemals erfassen könnte, etwa weil sie zu zahlreich sind oder die unterliegenden Muster zu komplex.
Stellen Sie sich vor, Youtube-Mitarbeitende müssten jedes hochgeladene Video manuell ansehen und überprüfen, ob es verbotene oder geklaute Inhalte enthält. Jede Minute werden 400 Stunden Material auf die Plattform geladen. Der Konzern bräuchte allein 72.000 Mitarbeiter, die 8 Stunden am Tag pausenlos Videos schauen, um mit dem Sichten hinterherzukommen! Eine KI schafft das während des Uploadvorgangs, quasi in Echtzeit.
Künstliche Intelligenzen wie diese sind sehr gut darin, auch unstrukturierte Daten zu erfassen. Das sind zum Beispiel Bilder, Videos, Texte oder Tonaufnahmen sein – Daten, die nicht einfach von Computern durchsucht werden können, weil sie keine einheitliche Form haben oder keine Messwerte von Sensoren sind. Zwar kann ein herkömmlicher Suchalgorithmus (wie etwa, wenn Sie STRG+F auf dieser Webseite eingeben) den Titel eines Bildes finden (ein strukturiertes Datum) aber nicht, ob Susie Mustermann auf dem Bild abgebildet ist – diese Information steht nirgendwo, sie ist Teil des Bildinhalts. Eine KI kann das.
Natürlich werden KI auch dafür eingesetzt, um strukturierte Daten zu sortieren und nach Mustern zu durchforsten. Der derzeitige Aufschwung rund um die KI nutzt die Tatsache aus, dass unstrukturierte Daten sehr viel häufiger anfallen: Sie machen etwa 80 Prozent aller Daten aus und sind erst seit einigen Jahren in ihrer Menge verfügbar - mit dem Aufschwung des Internets, der Industrie 4.0 und der massenhaften Verfügbarkeit von (Cloud-)Speicher. Viele Unternehmen wissen gar nicht, welche Schätze an Daten sie haben und welche Wertschöpfungspotenziale in ihnen stecken. Seien es Maschinendaten, Audiomitschnitte von Kundentelefonaten oder Aufzeichnungen von Transportrouten. Ein paar Beispiele dazu lesen Sie später. Erst die massenhafte Verfügbarkeit von Daten in Verbindung mit dem massiven Fortschritt in der Rechengeschwindigkeit hat in den letzten Jahren dazu geführt, dass KIs in großem Maßstab nutzbar wurden.
Die KI ist kein genereller Problemlöser – noch nicht. Sie kann zwar Daten ungeheuer gut verarbeiten und Muster erkennen, aber verstehen kann sie sie nicht. Die künstliche Intelligenz besitzt kein „common sense“ – keinen Verstand. Wenn sie, aufgrund von unzureichenden Daten oder schlechter Programmierung, zu falschen Schlüssen kommt, erkennt sie dies nicht (siehe Abschnitt „Künstliche Intelligenz und der Mensch“). Sie kann nur Antworten auf die spezifischen Fragen geben, für die sie programmiert wurde.
Die KI hat längst Einzug in unserem Alltag gehalten. Das Beispiel der Gesichtserkennung auf Sozialen Netzwerken ist eines unter vielen. Ein anderes sind Sprachassistenten auf unserem Handy – Siri, Alexa und Co. Übersetzer wie Deepl können unsere Worte in Sekundenschnelle beinahe perfekt in andere Sprachen übertragen.
Beim täglichen Surfen im Internet wird die uns angezeigte Werbung von künstlichen Intelligenzen ausgewählt, die versuchen, das für uns attraktivste Produkt auszuspielen, basierend auf unserer Interessen und Aktivitäten. Diese sogenannten „Recommondation Systems“ begegnen uns überall online: Amazon, Google, Netflix, Facebook. Sie sind ein sehr mächtiges System, denn immer mehr Medien buhlen um unsere Aufmerksamkeit, es gibt online mehr zu entdecken, als wir jemals im Leben wahrnehmen können. Computer müssen daher für uns eine Vorauswahl treffen – und KIs lernen mit der Zeit, uns immer besser und besser zu verstehen und unsere Vorlieben (gegen uns) auszuspielen.
Aber auch abseits der Online-Welt ziehen KIs in unseren Alltag ein. Staubsaugerroboter reinigen unsere Böden, und nutzen Algorithmen, um ihre Umgebung zu erkennen. Navigationssysteme finden den optimalen Weg. Den größten Fortschritt machen im Moment autonome Fahrzeuge, die Millionen von Test-Kilometern auf Straßen sammeln - auch wenn sie noch Jahre von einem breiten Einsatz entfernt sind.
Ein paar konkretere Beispiele: Das Bremer Start-up JUST ADD AI arbeitet mit dem Fußballverein Werder Bremen zusammen daran, Berichte von Talentscouts mittels der KI zu analysieren, um neue Fußballstars zu finden. Google (Waymo) erprobt den Einsatz von autonomen Fahrzeugen bereits in der Praxis – wenn auch derzeit noch mit einem Fahrer als letzte Sicherheit. Paypal nutzt die KI, um Betrugsversuche im Zahlungssystem aufzudecken. Die Telekom-KI „Tinka“ bearbeitet monatlich 120.000 Chatanfragen, 80 Prozent aller Kundenanfragen kann sie lösen, bei einem Fünftel verweist sie an menschliche Mitarbeiter.
Auch wenn die KI bisher vor allem von großen Konzernen eingesetzt wird – auch Mittelständler können von ihr profitieren. Ein Beispiel ist die Windkraft: Im Forschungsprojekt PiB soll die Vereisung von Windkraftanlagen vorhergesagt werden. Hier arbeitet unter anderem der mittelständische Bremer Windparkbetreiber wpd windmanager mit.
Unter dem Oberbegriff KI sammeln sich eine Vielzahl sehr unterschiedlicher Technologien, die in den vergangenen 70 Jahren erforscht wurden. Die bisher beschriebenen Beispiele und Verfahren beziehen sich auf ein spezielles Gebiet der KI-Forschung, des Maschinelles Lernens (ML). Es steht für das Lernen aus Erfahrung. Auf dieses Gebiet haben wir uns bisher beschränkt, da ML die heute relevanteste Form der KI für Unternehmen im kommerziellen Gebrauch ist und viele der neuesten Erforschungen aus diesem stammen, ob es jetzt um Spracherkennung (Natural Language Processing) oder um Bildverarbeitung (Deep Neural Networks), geht. Mehr dazu in unserem Artikel über Neuronale Netze.
Aber es gibt auch komplett andere Ansätze. Darunter fallen sogenannte Expertensysteme, die auf eine von Experten zusammengestellte Wissensbasis zurückgreifen, um unter dem Rückgriff auf bestimmte Regeln Schlüsse zu ziehen – sie sind mehr oder weniger das Gegenteil vom „aus Erfahrung lernen“. Das wohl berühmteste Beispiel eines Expertensystems ist der Schachcomputer „Deep Blue“ der 1997 den Schachweltmeister Gary Kasparov besiegte.
Beide Ansätze werden gern in unterschiedliche Kategorien eingeordnet - der symbolischen und subsymbolischen KI. Eine symbolische KI kommt auf einem nachvollziehbaren Weg zu Ergebnissen, in dem es Symbole (also Wörter, Buchstaben, Ziffern o.ä.) nach vorprogrammierten Regeln kombiniert, um einen Schluss zu ziehen. Ein Beispiel dafür wäre die klassische Logik (Symbol 1: "Alle Menschen sind sterblich", Symbol 2: "Sokrates ist ein Mensch" Schluss: "Sokrates ist sterblich"). Ein Expertensystem ist eine symbolische KI.
Einer subsymbolische KI kommt hingegen nicht durch die Kombination von Symbolen und Regeln zu einem Ergebnis. Es löst hingegen Informationen in mathematische Formeln auf und optimiert diese Formeln so lange, bis sie das gewünschte Ergebnis ergibt. Es ist im Nachhinein nicht möglich, direkt aus der Formel den Ergebnisweg nachzuvollziehen. Das ist Erfahrungslernen - Machine Learning.
Beide KI-Ansätze schließen sich nicht gegenseitig aus - es gibt Bestrebungen, sie zu vereinen, beziehungsweise Elemente des einen im anderen zu nutzen. Mehr darüber in: Understanding the difference between Symbolic AI & Non Symbolic AI.
Für Unternehmen ist der Einsatz einer KI für ihre Prozesse heutzutage schon sehr attraktiv. Unternehmen sollten sich daher dabei eine die Frage stellen: Was kann ich mit einer KI wirklich erreichen? Der erste Blick gilt dabei den eigenen Daten – welche gibt es bereits im Unternehmen, welche könnten noch erfasst werden? Eine KI kann aus ihnen Schlüsse ziehen, die bisher nicht möglich waren – etwa weil der Analyseaufwand für Menschen zu aufwendig wäre oder bisher noch kein Weg existierte, die richtigen Antworten zu erhalten. Sie kann dadurch Kapazitäten freisetzen, Arbeitskraft einsparen oder auch ganz neue Erkenntnisse schaffen und neue Geschäftsmodelle ermöglichen. Als Querschnittstechnologie ist die KI für jede Branche relevant, da Daten überall anfallen – im Einzelhandel, in der Schwerindustrie, im Dienstleistungsgewerbe. Daher stammt auch das Stichwort “Big Data”.
Was Unternehmen definitiv erwarten können: Sobald für die KI ein Job gefunden ist, wird sie ihn besser machen als jeder Mensch. Denn sie ist nicht nur schneller, durch den ständig wachsenden Erfahrungsschatz sinkt die Fehlerrate immer weiter. So kann die Google KI „Lyna“ (LYmph Node Assistant) nach Unternehmensangaben Brustkrebs auf Bildern mit 99 prozentiger Wahrscheinlichkeit erkennen, einen Wert, von dem Ärzte träumen.
Wichtig ist, einen konkreten Anwendungsfall zu finden, denn KIs sind (noch) keine generellen Problemlösungsmaschinen. Ein Anspruch wäre zum Beispiel: „Wir wollen Werkteile vom Band in Echtzeit per Kameraanalyse auf Qualität überprüfen, ohne auf manuelle Stichproben zurückgreifen zu müssen“.
Wie alle tiefgreifenden Innovationen dauert auch die erfolgreiche Implementation einer KI im Unternehmen. Zwischen 12 und 18 Monaten liegt der Return-of-Invest bei einem Projekt, schätzt Roland Becker, Geschäftsführer des Bremer KI-Experten JUST ADD AI. Damit ein Projekt zum Erfolg wird, ist, neben einer guten Qualität der vorliegenden Daten, auch entsprechendes Wissen notwendig. Neben der Einstellung eigener Expertinnen und Experten bietet sich gerade für den Mittelstand die Zusammenarbeit mit Kooperationspartnern in Forschungsprojekten (wie z.B. mit dem Bremer BIBA) an. Sie führen behutsam an das Thema heran und ermöglichen das Kennenlernen der neuen Technologie mit relativ geringem Ressourcenaufwand.
Denn das Trainieren von intelligenten Netzwerken braucht ein hohe Rechenpower, die entweder durch eine Investition oder durch die Anmietung von Cloudkapazitäten erreicht werden kann – ein Partner, der die Kapazität dafür bereits besitzt, macht es da viel einfacher und günstiger.
Der Mittelstand tut sich naturgemäß schwer damit, neue Technologien schnell zu adaptieren. Es fehlen die Ressourcen von Großkonzernen für Experimente und die Agilität von Start-ups ohne laufende Kosten.
Ist es daher besser, zu warten? Die Antwort ist klar: jein. Die KI-Technologie ist noch jung, auch wenn sie seit den 1950ern erforscht wird. Erst seit einigen Jahren reicht die Rechnerkapazität aus, KIs kommerziell zu betreiben. Sie ist Neuland und ein erfolgreicher Mittelständler, der heute ohne läuft, läuft auch morgen noch ohne.
Für kleine Unternehmen ist die Investition in künstliche Intelligenz ein Wagnis. Die erste Frage sollte daher also sein: Wie könnte eine KI meinen Umsatz erhöhen? Wie könnte eine KI meine Kosten senken und Services verbessern? Wie können meine Kunden profitieren? Dazu hilft es, sich mit der Technik zu beschäftigen, um einen Überblick über die Möglichkeiten zu erhalten. Kostenlose Informationsangebote, wie zum Beispiel die der Mittelstands-4.0-Zentren in Deutschland helfen, Wissen anzusammeln. Findet sich ein Use-Case, eine Idee für eine Nutzung, helfen lokale Partner und Fördermittel, diese umzusetzen.
Zwar bieten auch die großen Cloud-Konzerne, wie IBM, Google oder Amazon KI-Lösungen an, jedoch können diese schnell überdimensioniert sein, zumal es trotzdem Experten braucht, diese erfolgreich zu implementieren. Und Fachkräfte sind gerade im Bereich KI rar. Alle, die aktuell keinen Einsatzzweck für eine KI bei sich sehen, sollten am Ball bleiben: Denn eines Tages wird es soweit kommen, dass Konkurrenten darauf setzen und spätestens dann wird es Zeit, selbst Hand an den schlauen Computer zu legen. Und bei der Geschwindigkeit, mit der sich die KI derzeit weiterentwickelt, wird dieser Zeitpunkt eher früher als später kommen.
Gleichzeitig sinken die Kosten und die benötigten Ressourcen für den Einsatz von KIs rapide. Seit einigen Jahren gibt es sogenannte Frameworks, welche die grundsätzlichen Tools mitbringen, um schnell eigene KI-Netzwerke einzurichten – TensorFLow und PyTorch sind die Verbreitesten. Damit können auch kleine Unternehmen KIs aufsetzen – der Bremer 5-Mann-Betrieb INnUP ist dafür ein perfektes Beispiel. Parallel wird zudem an Systemen gearbeitet, die auch Laien ohne Erfahrung in der Programmierung den Einsatz von KIs ermöglichen.
Und noch ein Ratschlag: Daten sind das Öl der KI. Wer heute schon beginnt, Daten zu erheben, zu speichern und zu katalogisieren, wird morgen davon profitieren.
Wie viele neue Technologien, schürt auch die KI Ängste. Eine berühmt gewordene Studie der Universität Oxford analysierte im Jahr 2013, dass 47 Prozent alles US-Jobs durch Automatisierung in Gefahr seien, ein erheblicher Anteil davon durch KI. Solche Zahlen schüren Ängste, die durchaus zu realen Handlungen führen: So berichtet Waymo, die Googletochter für automatisiertes Fahren, dass ihre Testfahrzeuge mehrfach mit Messern und Steinen angegriffen wurden. Ist die KI also eine Gefahr für den Mensch? Eine bitkom-Umfrage zeichnet ein geteiltes Bild: 62 Prozent der Deutschen halten KI vor allem für eine Chance, 35 Prozent für eine Gefahr. Auch eine Umfrage unter Managern ergab, dass 42 Prozent von ihnen Vorbehalte der Belegschaft beobachteten.
Die Wahrheit liegt irgendwo in der Mitte. Die KI wird zweifellos Arbeitskraft vom Menschen übernehmen, und wenn sie es tut, dann vollumfänglich – das heißt, für diese eine Aufgabe wird kein Mensch mehr nötig sein. Das sind meistens Aufgaben, deren Spaßfaktor eher gering ist, ihrer Art nach monoton und repetitiv: Überwachungsvideos anschauen, Standardanfragen beantworten, Dokumente durchsuchen.
Gleichzeitig werden aber neue Jobs entstehen, welche durch die innovativen KI-Geschäftsmodelle getragen werden. Menschen haben dann mehr Zeit, ihre Arbeitskraft für neue Aufgaben einzusetzen, weil sie mit der KI zusammenarbeiten. So könnten Anwälte mehr Zeit mit Klienten verbringen, anstatt stundenlang Akten zu durchforsten. Klar ist damit auch: Es braucht mehr Bildung, um Menschen auf ihre neuen Aufgaben vorzubereiten und ihnen die Fähigkeiten an die Hand zu geben, mit KI-Systemen zu arbeiten.
Und, um ehrlich zu sein, eine wirkliche Wahl haben wir nicht. Denn die KI hat schon längst Einzug in den Alltag erhalten und beinahe jeder nutzt sie heute schon, wenn auch unbewusst – ob im Handy, bei Überweisungen oder bei der Navigation. Es wird noch einige Zeit dauern, bis KIs uns überall begegnen, aber diese Zeitpunkt wird eher früher als später kommen, denn sobald ein Bereich von der KI profitiert, wird er massive Vorteile gegenüber seinen menschlichen Pendants haben und sie damit vom Markt verdrängen.
Gleichwohl ist es wichtig, darüber zu reden und sich zu fragen, wo die Ethik in der Maschine steckt. Hier geht es nicht nur um Verantwortung („Wer ist schuldig, wenn die Maschine einen Unfall baut?“), sondern auch die Frage, wie wir Arbeit künftig gestalten wollen.
KIs sind vom Menschen gemacht – und unterliegen damit einem natürlichen Problem: Eine Intelligenz, die den Mensch nachahmt, ist auch seinen geistigen Beschränkungen unterworfen. Eine davon ist Bias, englisch für Befangenheit.
Ein Beispiel: Die KI-Expertinnen und Experten von Amazon entwickelten 2014 eine KI, die Bewerbungsunterlagen automatisch auswertete und sortierte. Dazu trainierten sie das neuronale Netz mit Bewerbungen aus den vergangenen zehn Jahren. Als die KI trainiert war, mussten sie feststellen, dass der Algorithmus unter neuen Bewerbungen nur noch diejenigen von Männern auswählte. Grund: Unter den früher Eingestellten waren überdurchschnittlich viele Männer, wie in der Tech-Branche üblich. Die KI erstellte daraus die Regel: Nur noch Männer einstellen. (Quelle) Der Fehler lag in der Auswahl und Vorbereitung der Daten. Amazon verwarf das Experiment schlussendlich, Bewerbungen wurden weiterhin manuell durchsucht.
Das Beispiel zeigt, dass der Mensch beim Design einer künstlichen Intelligenz großen Wert bei der Auswahl repräsentativer Daten legen muss – und sich bewusst ist, dass er, in dem er die Daten auswählt und aufbereitet, vielleicht bereits schon befangen ist. Dieses Dilemma lässt sich nicht einfach lösen und muss bei jedem Design einer KI bedacht werden. Auch deshalb lohnt ein Blick von außen, die Zusammenarbeit mit einem Partner und Experten in Sachen KI.
Denn letztlich wird jede KI von einem Menschen programmiert – und wo unsere Intelligenz anfängt und endet, wissen wir ja.
Zum Schluss noch eine kurze Zusammenfassung, darüber, was künstliche Intelligenz ist:
Nachdem wir uns jetzt mit den Grundlagen befasst haben, geht es ans Eingemachte: Erfahren Sie hier, was es mit Schlagworten wie Machine Learning, Neuronalen Netzen oder Deep Neural Networks auf sich hat und wie eine KI “denkt”.
Die finnische Regierung hat einen Onlinekurs veröffentlicht, der eine für jedermann verständliche Einführung in die Künstliche Intelligenz bietet. Der Kurs behandelt neben Grundlagenwissen Themen rund um die "Philosophie der KI", zeigt reale Anwendungsbeispiele und befasst sich mit gesellschaftlichen Fragestellungen.
Den Kurs gibt es in zahlreichen Sprachen, kostenlose Anmeldung unter: https://www.elementsofai.de/
Inis Ehrlich
Die Senatorin für Wirtschaft, Arbeit und Europa
Referentin für Digitalisierung und KI
Zweite Schlachtpforte 3
28195 Bremen
T +49 (0)421 361 41 85
In der Krise anpacken – die Medical Helpline Worldwide aus Bremen sieht die Pandemie als Chance, um die eigene Effizienz zu steigern und die Krisenanfälligkeit des Unternehmens zu senken - mit digitaler Hilfe.
Ungewöhnliche Situationen erfordern ungewöhnliche Maßnahmen: Das Motto der Corona-Krise haben sich auch viele Bremer Unternehmen zu Herzen genommen. Ob von Hand genähte Atemschutzmasken oder Schutzvisiere aus dem 3D-Drucker – zahlreiche Firmen helfen mit innovativen Ideen und Spendenaktionen.
Für Christiane Niebuhr-Redder ist es bis heute faszinierend, mit Hilfe der Informatik Ideen aus dem Kopf auf einen Bildschirm zu bekommen. Die Geschäftsführerin der Agentur WebMen hat gute Gründe, jungen Frauen einen IT-Beruf zu empfehlen.
