Wenn es eins gibt, dass wir alle gerne automatisiert erledigen würden, dann sind es mühsame Arbeitsprozesse, die viel Zeit und Mühe kosten, vor allem, wenn es um Finanzen geht. Zum Glück gibt es für solche Prozesse inzwischen KI-Lösungen, die uns den Aufwand erheblich erleichtern können. Eine davon entwickelt das Berliner Unternehmen Deep Neuron Lab, das sich 2019 aus der TU Berlin heraus gegründet hat. Mit dem CEO Andreas Schindler sprechen wir über das „Natural Language Processing“ von Deep Neuron Lab, was ihn an Künstlicher Intelligenz so fasziniert und wo in Berlin es das erfrischendste Eis gibt.
Hallo Herr Schindler, danke für das Interview! Wo kühlen Sie sich an heißen Sommertagen im schönen Berlin am liebsten ab? Gibt's da einen Geheimtipp?
Wir haben gerade Büroräume im AI Campus Berlin – die sind zum Glück klimatisiert. Aber wenn es doch zu warm wird, fahr ich bei JONES ice cream in Schöneberg vorbei.
Sie kommen ursprünglich aus der Versicherungsbranche. Was hat Sie dazu bewegt in den Bereich der Künstlichen Intelligenz zu wechseln?
Ich habe berufsbegleitend studiert und im Zuge meiner Masterarbeit den Finanzmarkt mit KI untersucht. Das Thema hat mich danach einfach nicht mehr losgelassen. Mich haben schon immer viele verschiedene Themen interessiert – deshalb auch die Versicherungswirtschaft. Hier konnte ich mich mit unterschiedlichen Themen beschäftigen, ohne den Bereich zu wechseln. Von Dürre-Risiken in Deutschland, über die Versicherbarkeit von Offshore-Windparks bis hin zu globalen Cyber-Risiken und deren Folgen.
Zwei Dinge faszinieren mich am Themenfeld KI besonders:
1) Ich bin davon überzeugt, dass Künstliche Intelligenz die wichtigste Technologie ist, an welcher Menschen arbeiten können. Wir sind die erste Generation in der Geschichte der Menschheit, welche die Chance hat, eine KI zu entwickeln, die dem Menschen gleicht und in bestimmten Fähigkeiten sogar übertrifft.
2) Der Bereich entwickelt sich so schnell weiter, dass ich kaum hinterherkomme. Und das fasziniert mich. Wir können in fünf Jahren Entwicklungssprünge sehen, auf die Menschen früher 30 oder 50 Jahre warten mussten – und die Entwicklung beschleunigt sich noch immer.
Auch wenn ich nicht direkt in der KI-Forschung arbeite, habe ich die Möglichkeit, mich in meinem Beruf täglich mit den neuesten Forschungsergebnissen auseinanderzusetzen.
Ihr KI-Start-up hat sich 2019 aus der TU Berlin heraus gegründet. Wie kamen Sie auf die Idee zu Deep Neuron Lab (DNL) und wie verliefen Ihre Anfänge vor und nach der Gründung?
Es gab nicht den einen Moment, in dem uns die Idee für DNL kam. Grundlage für die Gründung war die Motivation mit der Technologie zu arbeiten und Probleme damit zu lösen. Wir haben zu Beginn einige individuelle Projekte mit Kund*innen durchgeführt, um herauszufinden, was für Probleme diese haben und wie wir diese lösen können. Unsere Kund*innen zu Beginn waren vornehmlich Banken, Versicherungen, Wirtschaftsprüfer*innen etc. – bei allen konnten wir beobachten, dass sie Herausforderungen vor allem im Umgang mit Finanzberichten hatten. So sind wir darauf gekommen, uns auf die Automatisierung der Analyse von Finanzberichten zu konzentrieren und Produktlösungen dafür anzubieten.
Die Gründung war (wie bei allen Gründer*innen glaube ich) eine ziemlich dynamische und aufregende Zeit J Wir haben DNL aber am Gründer*innenzentrum der Technischen Universität Berlin gegründet – dem Centre for Entrepreneurship. Dort hat man uns sehr geholfen, die ersten Hürden zu nehmen.
Deep Neuron Lab (DNL) bietet eine Technologie an, die mit Hilfe von KI Arbeitsprozesse verschnellert und automatisiert. Wie genau funktioniert Ihre Künstliche Intelligenz? Was kann man unter „Natural Language Processing“ verstehen, dass Sie für Ihre Lösung verwenden?
Wir extrahieren und strukturieren Daten aus Finanzberichten. Diese sind nicht immer gleich abgebildet. Deshalb brauchen wir Lösungen, die mit unterschiedlichen Darstellungsformen umgehen können. Dafür kommen bei uns KI-Verfahren aus dem Bereich „Image Processing“ (IP) und „Natural Language Processing“ (NLP) zum Einsatz. Nehmen wir zum Beispiel eine Tabelle. Um den Inhalt dieser zu verstehen, müssen wir zum einen die darin befindlichen Texte verstehen – dafür nutzen wir NLP. Zum anderen müssen wir aber auch verstehen, in welcher Beziehung diese zueinander stehen – dafür kommt dann IP zum Einsatz. Im Zusammenspiel erlaubt uns das den Inhalt einer Tabelle zu verstehen und in ein maschinell verarbeitbares Format zu überführen.
Sie haben sich zum Motto gemacht, den Menschen und nicht den Prozess in den Mittelpunkt zu stellen. Wo findet die KI hierbei ihren Platz – zwischen Prozess und Mensch oder als Teil von einem der beiden?
Häufig ist die Erwartungshaltung, dass mit KI-Prozesse vollautomatisiert und damit Menschen ersetzt werden. Wir beschäftigen uns mit Prozessen, die zu komplex für eine Vollautomatisierung sind und deshalb eine Zusammenarbeit zwischen Mensch und KI benötigen. Die KI unterstützt durch Automatisierung den Menschen – der Mensch überwacht die KI. Dadurch rückt der Mensch für uns in den Mittelpunkt: Unsere Anwendungen sind entwickelt, um ihn zu unterstützen und nicht zu ersetzen. Die KI soll die Arbeit erleichtern und vor allem bei der monoton-zeitintensiven Extraktion von Daten aus Dokumenten unterstützen, damit der Mensch sich auf das Wesentliche konzentrieren kann.
Ihr Fokus liegt auf dem Finanzsektor. Warum bietet sich Ihre Lösung gerade in diesem Bereich an? Hat KI in der FinTech-Welt mehr Einsatzmöglichkeiten?
Die Finanzindustrie hat mich schon immer fasziniert, weshalb ich in dem Bereich auch studiert und gearbeitet habe. Zusätzlich besteht ein großer Bedarf an der Verarbeitung von Dokumenten in der Finanzindustrie. Viele essenzielle Daten und Informationen werden in unübersichtlichen Dokumenten veröffentlicht, was die Transparenz über diese deutlich einschränkt. Fälle wie Wirecard zeigen, dass nur, weil Informationen bekannt sind, diese nicht auch zwangsläufig von allen verarbeitet und verstanden werden. Wir sehen einen Grund dafür in der Veröffentlichung in Dokumentenform. Um Informationen aus Dokumenten zu erhalten, mussten bisher Menschen eingesetzt werden, die mit mühevoller Arbeit die Informationen suchen, verstehen, strukturieren und entnehmen. Wir erleichtern den Zugang zu diesen Informationen, um das Verständnis dieser zu erleichtern bzw. zu ermöglichen.
Warum sollte man gerade in Berlin gründen? Was macht die Stadt in Ihren Augen besonders attraktiv für junge KI-Unternehmen?
Der Nummer-Eins-Grund für uns war natürlich, dass ich Berliner bin, aber auch objektiv betrachtet ist Berlin ein perfekter Standort. Ein Unternehmen ist die Summe seiner Mitarbeiter*innen. Berlin ist sehr attraktiv für Talente aus aller Welt und erleichtert es so wirklich gute Mitarbeiter*innen zu gewinnen. In Berlin selbst werden in den ausgezeichneten Hochschulen auch selbst kontinuierlich Nachwuchstalente ausgebildet. Zusätzlich ist die Start-up-Szene in Berlin sehr gut vernetzt und ermöglicht so einen Austausch unter Gründer*innen. Insbesondere zu Beginn ist dieser Austausch sehr wertvoll und hat uns geholfen.
Welche Schritte stehen als nächstes bei Deep Neuron Lab (DNL) an? Was sind Ihre Pläne für die nahe Zukunft?
Wir sind gerade in einer spannenden Phase. Wir haben Anfang des Jahres unsere Seed-Finanzierung abgeschlossen und konnten seitdem ein großartiges Team aufbauen. Aktuell gelangen wir mit unseren Kund*innen in die Testphase unserer Produkte, die wir bis Ende des Jahres launchen. Gleichzeitig werden wir von verschiedenen Seiten auf unsere Lösungen angesprochen, so konnten wir gerade eine große Wirtschaftsprüfungskanzlei als Kundin gewinnen.
