Siegerin des Bundeswettbewerbs KI: Perspektivwechsel für Sprachmodelle

Der diesjährige Hauptpreis des Bundeswettbewerbs Künstliche Intelligenz (BWKI) geht an die 17-jährige Leo Blume und ihre Idee, ein Sprachmodell dazu zu bringen, die Dinge mal eher vom Ende her zu denken. Konkret hat sich Blume, die bereits mit 16 ihr Abitur machte und anschließend einen Bundesfreiwilligendienst an der Hochschule Stralsund absolvierte, "nebenbei" in ein spannendes Forschungsprojekt vertieft: Was passiert eigentlich, wenn man ein Sprachmodell darauf trainiert, Texte rückwärts statt vorwärts zu generieren?

Für "DEversAI" hat Blume einen eigenen Tokenizer entwickelt, das Sprachmodell von Grund auf in beide Richtungen trainiert und die zehn A100-Rechner der Hochschule zum Glühen gebracht. Dabei hat die 17-Jährige auch untersucht, wie sich dieser unorthodoxe Ansatz auf unterschiedliche Aspekte des maschinellen Lernens und verschiedene Textarten auswirkt.

Ihre Erkenntnisse verpackte sie nicht in nüchterne Tabellen, sondern in anschauliche Visualisierungen: In ihrer selbst entwickelten Web App lässt sich zum Beispiel interaktiv erkunden, welche Token ähnliche Eigenschaften haben; und man kann visuell vergleichen, worin sich die Embeddings des klassischen von denen des Rückwärtsgenerators unterscheiden.

Bundeswettbewerb KI (BWKI)

Seit dem Jahr 2019 gibt es den Bundeswettbewerb KI (BWKI). Die Initiatoren sind Forschende des Tübingen AI Centers. Das Tübingen AI Center ist ein vom Bundesministerium für Bildung und Forschung (BMBF) gefördertes Kompetenzzentrum der Universität Tübingen und des Max-Planck-Institut für Intelligente Systeme. Der Hauptförderer der Initiative ist die Carl-Zeiss-Stiftung. Der BWKI bietet neben seinem Wettbewerb auch einen kostenlosen KI-Kurs für alle Interessierten an. Schulen, die diesen Kurs besonders viel nutzen, habe die Chance "KI-Schule des Jahres" zu werden.

• Bundeswettbewerb KI: Nicht nur für die Preise, auch fürs Leben trainieren sie
• Bundeswettbewerb KI
• KI-Kurs

Wie tief Blume im Thema drinsteckt, wie anschaulich und reflektiert sie ihre Erkenntnisse vermittelt, wie zielstrebig sie vorging und wie klar sie die noch vorhandenen Schwächen benennt – auch das hat die Jury so nachhaltig beeindruckt, dass sie DEversAI den Hauptpreis verlieh. Dieser würdigt das in seiner Gesamtheit ausgereifteste Projekt mit 1500 Euro Preisgeld und einem Praktikumsplatz beim Robotik- und Automationsunternehmen Fanuc.

Die Preisverleihug fand nicht wie bisher in den heimischen Gefilden der Veranstalter vom Tübingen AI Center und der Uni Tübingen statt, sondern im Museum für Kommunikation in Frankfurt am Main, das seine Sonderausstellungen 2025 dem Thema "Künstliche Intelligenz und Kommunikation" widmet. Oben auf der Galerie durften die Finalistinnen und Finalisten ihre Projekte – und womöglich die Technik der Zukunft – präsentieren. Unten konnten Besucher die historischen Meilensteine der Kommunikation bewundern, von der altehrwürdigen Postkutsche über die berühmte Verschlüsselungsmaschine Enigma bis hin zur früher allgegenwärtigen Telefonzelle, die das Handy mittlerweile komplett aus dem Stadtbild verdrängt hat.

Zeit ist Hirn

Den mit 1000 Euro dotierten Preis "AI for Good" erhielt Simon Ma für sein Machine-Learning-Projekt „Chad CTP“, das CT-Perfusionsdaten von Schlaganfallpatienten auswertet. Bei diesem Diganoseverfahren werden in kurzen Abständen mehrere Gehirn-Scans angefertigt, um Aussagen über den Blutfluss treffen zu können. Um das Verfahren zu beschleunigen und die Strahlenbelastung für die Patienten zu senken, hat der 18-jährige Schüler aus Hannover mit verschiedenen Videovorhersagemodellen experimentiert. Sein Ziel war es, aus den ersten Aufnahmen einer Zeitreihe die folgenden zuverlässig ableiten zu können und diesen Teil der Scans somit überflüssig zu machen. Dadurch lässt sich wertvolle Zeit gewinnen und die Strahlenbelastung für die Patienten erheblich senken.

In seinen Experimenten konnte er die Anzahl der benötigten Aufnahmen halbieren und somit auch die für die Auswertung benötigte Zeit: wertvolle Minuten, die bei einem Schlaganfall entscheidend sind. Auch Ma hatte sich intensiv in die Thematik eingearbeitet, mit Medizinern die Sinnhaftigkeit seines Vorgehens eruiert – und die nicht unerhebliche Hürde der Datenbeschaffung genommen. Das benötigte hochwertige, sensible Trainingsmaterial organisierte er sich letztlich über Kontakte aus den USA, die er im Zuge seiner Recherchen knüpfen konnte.

"No risk, no fun" honoriert den Mut, sich in ein Abenteuer mit ungewissem Ausgang zu stürzen, und das Ziel am Ende mit enormer Hartnäckigkeit und Erfindergeist erreicht zu haben. Gerade wenn Teilnehmer für ein Projekt einen Prototyp mit allerhand Sensorik entwickeln müssen, wagen sie sich auf unbekanntes Terrain. Oft fehlen Bauteile, die Komponenten arbeiten nicht so zusammen, wie geplant… und das Trainieren des eigentlichen Machine-Learning-Algorithmus rückt mangels Daten, die der Prototyp eigentlich liefern soll, in weite Ferne. Wenn der Plan aller Widrigkeiten zum Trotz am Ende so aufgeht wie beim Glucodastra-Projekt von Peter Fuchs, dann ist es ein heißer Kandidat für den „No risk, no fun“-Preis.

Fuchs hat ein Gerät konstruiert, das den Blutzuckerspiegel nicht-invasiv bestimmt – allein durch Auflegen der Finger auf den Sensor. Die Glukosekonzentration wird dabei nicht direkt gemessen, sondern anhand der Energie prognostiziert, die das Gewebe reflektiert: je mehr, umso höher die Konzentration. Um die Vorhersage robust für den Alltag zu machen, hat Ma auch weitere wichtige Einflussfaktoren wie die Hautfeuchtigkeit und die Temperatur in sein Modell mit einbezogen.

In der Onlineabstimmung zum Publikumspreis sammelten Andreas Haberl, Lukas Zapf, Valentin Raab und Alexander Röhrl von den Regensburger Domspatzen die meisten Stimmen für ihre Mission, gregorianische Choräle per KI neu zu beleben. Die Idee dazu entstand während eines Schüleraustauschs mit der Partnerschule in Budapest. Dort besuchten Haberl und seine Mitstreiter einen Workshop, der Musik und KI zusammenbrachte. Zurück in der Heimat begannen sie gleich zu experimentieren und schafften es letztlich, erfolgreich ein Long-Short-Term-Memory-Netzwerk (LSTM) darauf zu trainieren, die sakralen Melodien selbst zu komponieren. Als Schulungsmaterial diente die Gregobase, eine Sammlung von 9000 Chorälen. So weit, einen KI-Chor im Stil der Regensburger Domspatzen zu generieren, gingen die Schüler dann allerdings nicht; ihre Werke trugen sie lieber selbst vor.

Anmerkung der Redaktion: c't-Redakteurin Andrea Trinkwalder war auch 2025Mitglied der Jury.

(atr)