Interview„Wir arbeiten daran, dass Alexa glücklich klingt“

Ralf Herbrich ist Experte für Machine-Learning und künstliche Intelligenz Alexander Gehring


Ralf Herbrich leitet das Amazon Development Center in Berlin, 20 Teams mit 50 Nationalitäten arbeiten hier an maschinellem Übersetzen, der Software von Amazon Webservices und der Sprachassistentin Alexa.


Capital: Herr Herbrich, das Amazon Entwicklungsteam in Berlin hilft Alexa beim Sprechenlernen. Hat die „Dame“ Sie heute früh eigentlich geweckt?

Herbrich: Bei mir zu Hause heißt Alexa „Computer“. Mein 15-jähriger Sohn heißt Alexander, und wenn ich ihn rufe, reagierte früher Alexa, aber nicht mein Sohn. Ich rufe also „Computer, spiel mir einen Song von Schiller“ und fühle mich dann ein bisschen wie ein Star Trekker.

Wieso Star Trekker?

Da ruft Captain Kirk doch immer: Computer, wie heißt dieser Planet, Computer wie weit ist es zur nächsten Galaxie. In dem Moment, wo ich „Computer“ sage, bin ich Captain Kirk. Jeff Bezos ist ja auch ein großer Star Trek-Fan. Alexa, so die Idee, ist das Star Trek für zu Hause, das ist seine Vision: sprich mit einem Computer, der deine Wünsche erfüllen kann.

Besonders viele Wünsche kann er ja noch nicht erfüllen.

Als künstliche Intelligenz ist Alexa noch am Anfang, aber sie lernt wahnsinnig schnell. Ich habe zu Hause Echos in mehreren Räumen, und meine Tochter hat einen mit Bildschirm, mit dem sie Karaoke übt. Wenn ich ein Ei koche, stelle ich durch Sprache in der Küche dafür den Timer, anstatt mein Handy aus der Hosentasche zu nehmen, es aus der Lederhülle zu schieben und es mit meinen Fingern zu bedienen. Die Sprachassistentin macht für mich auch das Licht an, wenn ich das Haus betrete, spielt meine Lieblingsmusik und demnächst kontrolliert sie auch die Heizung daheim.

Als Sie im Jahr 2000 über KI promoviert haben…

… da waren wir rein mathematisch nicht so weit weg von heute, aber es war noch Fiktion zu glauben, wir könnten eine Milliarde Berechnungen pro Sekunde ausführen. Allein das Digitalisieren von Bildern und Objekten hat lange gedauert. Heute nutzt jeder überall Kameras und GPS-Sensoren – sei es in der Smartwatch oder im Mobiltelefon. Dadurch ist das Internet vielfältiger und allgegenwärtiger nutzbar. Ich habe mit einer Vision von Zukunft studiert, die es noch gar nicht gab. Ich musste mir alles erträumen, was passieren wird, jetzt passiert es. Heute sind wir in der Lage, Verfahren der 80er- und 90er-Jahre zum Tragen zu bringen. Die größte Herausforderung war damals die Rechenleistung, die heute mit der Cloud unbegrenzt zur Verfügung steht.

Amazon Teams arbeiten in Berlin und weltweit an künstlicher Intelligenz.

Bei Amazon arbeiten weit über 1000 Leute weltweit an KI, alle sind Spezialisten auf diesem Gebiet. Das Feld selbst ist sehr populär und wichtig für Amazon. Vor 20 Jahren war das komplett anders: KI-Forschung galt als Orchideenfach mit weltweit nur 100 bis 200 Wissenschaftlern. Ich war einer davon, weil ich begeistert war.

Wäre Amazon ohne KI überhaupt noch denkbar?

Die Amazon Machine Learning Gruppe bringt maschinelles Lernen und künstliche Intelligenz in alle Bereiche von Amazon, etwa den automatisierten Verkauf, Nachfragevorhersagen, Vertrieb, Qualitätskontrolle, in die Amazon Web Services (AWS) oder in die X-Ray-Funktion im E-Book-Bereich. Auch Amazon Go, das Shopexperiment ohne Kassen, ist ohne KI undenkbar. Meine Aufgabe ist es, künstliche Intelligenz bei Amazon zu verankern und die Entwicklung neuer Algorithmen zu unterstützen.

Wie gut funktioniert das mit den Nachfragevorhersagen?

Amazon hat neben Millionen Produkten von Händlern, die Amazon als Plattform nutzen, auch Millionen eigene Produkte, die pro Tag in über elf Märkten nachbestellt werden müssen. Dazu gehören beispielsweise Artikel aus den Bereichen Mode, Bücher, Elektronik, Spielzeug und Lebensmittel. Das Kundenversprechen von Amazon beinhaltet eine möglichst schnelle Lieferung. Deshalb muss man heute schon wissen, was Kunden in einer bestimmten Region in zehn Tagen kaufen wollen, um einen Lieferengpass zu vermeiden. Wir müssen also für diesen Zeitraum vorhersagen können, wie viele Menschen in der Region Berlin-Brandenburg etwa so ein Glas (nimmt sein Wasserglas in die Hand) kaufen wollen. Dazu muss man nicht wissen, was der einzelne Kunde kaufen wird, sondern was aggregiert über eine Lieferregion oder eine Kundengruppe gekauft werden wird. Da Algorithmen aus den Daten der Vergangenheit Vorhersagen für die Zukunft erstellen, funktioniert die Nachfrageprognose sehr gut.