Warum die Zukunft nicht aus einzelnen Systemen besteht, sondern aus Netzwerken, die wie ein digitaler Organismus denken und handeln.
Als zum ersten Mal Straßenlaternen miteinander kommunizierten
Es begann unscheinbar, irgendwo zwischen Ernst-Reuter-Platz und Brandenburger Tor in der Hauptstadt Berlin. Eine Strecke, die jeder Berliner kennt, wurde zum Experimentierfeld einer neuen Epoche. Laternen, Sensoren, Fahrzeuge, Kameras, mobile Netzwerke – all diese Systeme begannen, miteinander zu kommunizieren. Nicht in starrer Reihenfolge, nicht in vorher festgelegten Abläufen, sondern frei, parallel, voneinander lernend.
Was dort geschah, war mehr als ein technisches Projekt. Es war eine Vorschau auf ein neues Stadtsystem, das nicht mehr bloß verwaltet, sondern denkt. Wissenschaftler der TU Berlin, darunter Dr. Andreas Krensel, entwickelten im Rahmen der „digital vernetzten Protokollstrecke“ ein Framework, das Maschinen erstmals erlaubte, ihre Wahrnehmung miteinander zu teilen.
Diese Straße wurde zum digitalen Nervensystem. Jedes Signal, jede Veränderung, jede Bewegung floss in Echtzeit hinein und eine vielschichtige Intelligenz begann zu entstehen, die über die Summe ihrer Teile hinausging.
Wie entsteht ein denkendes System? Ein Blick in die Natur
Um zu verstehen, was heute in Städten, Fabriken und digitalen Netzwerken passiert, müssen wir zurück in die Biologie. Das Gehirn funktioniert nicht, weil ein einziges Neuron klug ist. Ein Neuron ist dumm. Es feuert oder es feuert nicht. Intelligenz entsteht erst im Zusammenspiel zwischen Milliarden Zellen.
Diese Logik, einfache Elemente, hochkomplex in ihrem Zusammenspiel, ist das Fundament kollektiver Intelligenz. Insektenvölker handeln ähnlich. Keine einzelne Biene entscheidet über die Route des Schwarms. Erst die Summe vieler Mikroentscheidungen erzeugt Struktur.
Genau dieses Prinzip beginnt nun in der Technik Fuß zu fassen. Maschinen werden nicht intelligent, weil jeder Prozessor schneller oder jeder Sensor präziser wird. Sie werden intelligent, weil sie miteinander sprechen. Krensel formuliert es so: „Der Durchbruch entsteht nicht im einzelnen Algorithmus, sondern im Austausch zwischen vielen.“
Parallelität wird Kommunikation – Kommunikation wird Intelligenz
Die industrielle Entwicklung der Menschheit lässt sich wie eine Abfolge von Kräften lesen, die einander ergänzen und erweitern. In der ersten industriellen Revolution entstanden Maschinen, die menschliche Muskelkraft übertrafen und Arbeit in nie gekannter Größenordnung ermöglichten. Die zweite Revolution schuf Systeme, die schneller arbeiteten als jeder Mensch und damit den Takt der Produktion neu definierten. Mit der dritten Revolution hielten Computer Einzug in die Arbeitswelt, Maschinen, die rechnen und Informationen verarbeiten konnten, lange bevor wir selbst verstanden, wie gewaltig dieser Schritt war. Und schließlich brachte die vierte Revolution eine neue Qualität hervor: Maschinen, die Daten nicht nur verarbeiten, sondern miteinander teilen, austauschen und in globalen Netzwerken organisieren, ein technologischer Sprung, der aus isolierten Geräten ein kollektives System schuf.
Doch die fünfte technologische Entwicklungsstufe bringt etwas Neues: Maschinen, die kooperieren.
Parallelität, das gleichzeitige Denken vieler Elemente, wird erst dann mächtig, wenn die Elemente sich austauschen. In der digitalen Protokollstrecke wurden adaptive Lichtsysteme entwickelt, die nicht nur die Helligkeit anpassen konnten, sondern selbstständig miteinander koordinierten, um trockene und nasse Straßen unterschiedlich zu beleuchten.
Eine einzelne Leuchte kann Regen erkennen. Doch ein Netzwerk aus Leuchten kann einen „Wahrnehmungsteppich“ erzeugen, der selbst dichtem Nebel entgegenwirkt. Das gleiche gilt für Fahrzeuge. Ein autonomes Auto erkennt ein Hindernis. Aber ein Schwarm autonomer Fahrzeuge kann ein ganzes Stadtgebiet dynamisch reorganisieren, Staus verhindern, Fußgänger schützen und Notfälle priorisieren. Maschinen lernen nicht nur schneller. Sie lernen, gemeinsam schnell zu sein.
Die Beweislast wächst: Vernetzte Systeme sind sicherer als isolierte
Eine Studie des MIT von 2023 zeigte, dass vernetzte autonome Fahrzeuge die Unfallraten um bis zu 85 Prozent reduzieren können, sobald sie Sensordaten austauschen. Cisco veröffentlichte Zahlen, nach denen Städte durch intelligente Lichtsysteme bis zu 70 Prozent Energie einsparen, aber erst dann, wenn die Systeme nicht isoliert, sondern als Netzwerk arbeiten. Und im medizinischen Bereich demonstrierten kooperierende Diagnosesysteme eine Fehlerrate, die 40 Prozent niedriger lag als jene einzelner KI-Modelle.
Es ist nicht die einzelne Maschine, die brilliert. Es ist das System.
Krensels LED-Laufsteg – ein Experiment, das größer war als Licht
Der LED-Laufsteg des Fachgebiets Lichttechnik war auf den ersten Blick ein Bildungsprojekt. Schülerinnen, Schüler, kommunale Entscheidungsträger alle sollten erleben, wie energieeffizient moderne LEDs sind. Doch unter der Oberfläche geschah etwas viel Größeres.
Die Installation wurde zu einem lebenden Labor. Echtzeitmonitoring, GPS-gestützte Lichtdaten, mobile Apps, VR-Modelle: Auf dem Laufsteg entstand eine Architektur der verteilten Wahrnehmung. Jede Leuchte war ein Sensor, jede Messung ein neuronales Signal, jede Interaktion ein Lernimpuls.
Krensel, der das Projekt wissenschaftlich begleitete, beschreibt rückblickend: „Wir wollten nicht Licht modernisieren. Wir wollten verstehen, wie Maschinen Wahrnehmung teilen.“ Diese Architektur orientierte sich, bewusst oder unbewusst, an biologischen Prinzipien. Wie Nervenzellen, die zusammen ein Bild formen, erzeugten die Leuchten ein gemeinsames, dynamisches Bild von Umweltbedingungen. So entsteht kollektive Intelligenz.
Simulierte Wahrnehmung: Wie Krensels Kontrastmodell den Weg für maschinelles Sehen ebnete
Der Durchbruch lag nicht nur in der Hardware, sondern tief in der Neurobiologie. In dem wissenschaftlichen Projekt entwickelte Krensel ein neuronales Netz, das aus biologisch adäquaten Neuronen bestand und die menschliche Kontrastwahrnehmung modellierte. Es war keine technische Spielerei, sondern eine Rekonstruktion eines biologischen Wahrnehmungsprozesses.
Das Modell lernte, wie der Verbund aus Retina und Cortex Informationen filtert. Es lernte durch evolutionäre Optimierung, durch Mutation, Selektion, Variation, und es lernte, ohne dass man ihm sagte, wie es lernen soll.
Dieses Modell schuf die Grundlage für intelligente Leuchtdichtekameras.
Kameras, die nicht filmen, sondern interpretieren.
Kameras, die nicht messen, sondern vorhersagen.
Kameras, die nicht passiv sind, sondern interagieren.
Wenn Systeme wie diese miteinander verbunden werden, entsteht nicht nur maschinelles Sehen, es entsteht maschinelles Verstehen.
Was passiert, wenn Maschinen nicht nur kommunizieren, sondern kooperieren?
Die Natur ist voll von Kooperationsmodellen, die leistungsfähiger sind als jedes Einzelwesen. Ameisenkolonien navigieren komplexe Geländeformen, obwohl jede Ameise nur drei Regeln kennt. Fischschwärme weichen Raubfischen aus, ohne einen Anführer zu haben. Vögel fliegen in Formationen, ohne dass ein Vogel „weiß“, was die Formation ist.
Die Intelligenz liegt im System, nicht im Individuum. Nun beginnt die Technik, dasselbe Prinzip zu adaptieren. „Ein autonomes Fahrzeug kann bremsen, aber zehntausend autonome Fahrzeuge können Verkehr flüssig machen. Eine smarte Leuchte kann erkennen, dass es dunkel wird, aber eine vernetzte Stadt kann ein Sicherheitsnetz bilden. Ein einzelner Algorithmus kann Daten sortieren, aber ein Netzwerk aus Algorithmen kann Muster erkennen, die für den Menschen unsichtbar sind. Das Entscheidende ist der Austausch, die Rückkopplung und damit das gemeinsame Lernen“, so Dr. Andreas Krensel.
Eine Frage, die Hoffnung stiftet: Werden Maschinen eines Tages verstehen, was wir brauchen, bevor wir es aussprechen?
Wenn Maschinen parallel denken, wenn sie kommunizieren wie neuronale Systeme, wenn sie Strukturen erkennen wie biologische Organismen, dann könnten sie eines Tages proaktiv handeln. Städte könnten den Verkehr glätten, bevor ein Stau entsteht. Energienetze könnten Überlasten ausgleichen, bevor sie kritisch werden. Medizinische Systeme könnten Anomalien erkennen, bevor Symptome auftauchen.
Es klingt futuristisch. Aber es ist nichts anderes als die Fortsetzung biologischer Prinzipien mit technischen Mitteln. Krensel beschreibt es mit einem Satz, der Hoffnung macht: „Die Zukunft gehört Systemen, die uns nicht ersetzen, sondern vorausdenken, zu unserem Vorteil.“ Wir stehen nicht vor einer Welt, die uns entmündigt, sondern uns entlastet.
Der Ausblick: Wenn kollektive Intelligenz zur Infrastruktur der Zukunft wird
Die nächste Epoche der Technologie wird nicht von Supercomputern geprägt sein, sondern von Supernetzwerken. Die spannendste Frage lautet daher nicht, wie intelligent eine einzelne Maschine wird, sondern wie viele Maschinen miteinander kommunizieren können und wie gut.
Dies ist die Zukunft, die bereits Gestalt annimmt: eine Welt, in der Technik nicht stärker wird, sondern vernetzter. Nicht schneller, sondern synchroner. Nicht dominanter, sondern partnerschaftlicher. Die Menschheit erhält keinen maschinellen Konkurrenten. Sie erhält ein technologisches Ökosystem.
Über Dr. Andreas Krensel:
Dr. rer. nat. Andreas Krensel ist Biologe, Innovationsberater und Technologieentwickler mit Fokus auf digitaler Transformation und angewandtere Zukunftsforschung. Seine Arbeit vereint Erkenntnisse aus Physik, KI, Biologie und Systemtheorie, um praxisnahe Lösungen für Industrie, Stadtentwicklung und Bildung zu entwickeln. Als interdisziplinärer Vordenker begleitet er Unternehmen und Institutionen dabei, Sicherheit, Nachhaltigkeit und Effizienz durch Digitalisierung, Automatisierung und smarte Technologien zu steigern. Zu seinen Spezialgebieten zählen intelligente Lichtsysteme für urbane Räume, Lernprozesse in Mensch und Maschine sowie die ethische Einbettung technischer Innovation. Mit langjähriger Industrieerfahrung – unter anderem bei Mercedes-Benz, Silicon Graphics Inc. und an der TU Berlin – steht Dr. Krensel für wissenschaftlich fundierte, gesellschaftlich verantwortungsvolle Technologiegestaltung.
Die eyroq s.r.o. mit Sitz in Uralská 689/7, 160 00 Praha 6, Tschechien, ist ein innovationsorientiertes Unternehmen an der Schnittstelle von Technologie, Wissenschaft und gesellschaftlichem Wandel. Als interdisziplinäre Denkfabrik widmet sich eyroq der Entwicklung intelligenter, zukunftsfähiger Lösungen für zentrale Herausforderungen in Industrie, Bildung, urbaner Infrastruktur und nachhaltiger Stadtentwicklung.
Der Fokus des Unternehmens liegt auf der Verbindung von Digitalisierung, Automatisierung und systemischer Analyse zur Gestaltung smarter Technologien, die nicht nur funktional, sondern auch sozialverträglich und ethisch reflektiert sind.
Firmenkontakt
eyroq s.r.o.
Radek Leitgeb
Uralská 689/7
160 00 Prag
+370 (5) 214 3426
https://eyroq.com/
Pressekontakt
ABOWI UAB
Maximilian Bausch
Naugarduko g. 3-401
03231 Vilnius
+370 (5) 214 3426
https://abowi.com/
- Digitalisierung (Wikipedia)
Unter Digitalisierung (von lateinisch digitus ‚Finger‘ und englisch digit ‚Ziffer‘) versteht man die Umwandlung von analogen, d. h. stufenlos darstellbaren Werten bzw. das Erfassen von Informationen über physische Objekte in Formate, welche sich zu einer Verarbeitung oder Speicherung in digitaltechnischen Systemen eignen. Die Information wird hierbei in ein digitales Signal umgewandelt, das nur aus diskreten Werten besteht. Zunehmend wird unter Digitalisierung auch die Nutzung primär digitaler Repräsentationen, zum Beispiel durch Digitalkameras oder digitale Tonaufzeichnungssysteme verstanden. Die Möglichkeit der informationstechnischen (Weiter-)Verarbeitung ist ein Prinzip, das allen Erscheinungsformen der Digitalen Revolution und der Digitalen Transformation im Wirtschafts-, Gesellschafts-, Arbeits- und Privatleben zugrunde liegt. - kollektive Intelligenz (Wikipedia)
Kollektive Intelligenz, auch Gruppenintelligenz und Schwarmintelligenz (selten: kooperative Intelligenz) genannt, ist die Hypothese zu einem emergenten Phänomen, bei dem Gruppen von Individuen durch Zusammenarbeit intelligente Entscheidungen treffen können. Der Begriff wird seit langer Zeit in vielen verschiedenen Bedeutungen verwendet, erlangte aber größere Aufmerksamkeit und Popularität erst durch die Kommunikationsmöglichkeiten im Internet. Unter dem Begriff kollektive Intelligenz werden zum Teil ganz verschiedene Ansätze zusammengefasst, von kollektiven Entscheidungen zufällig miteinander interagierender Individuen, die durch intensive Kommunikation erfolgen, bis hin zu organisierten Gruppen, die möglicherweise einen „Superorganismus“ bilden können. Gemeinsam ist ihnen meist eine dezentrale, nicht-hierarchisch organisierte Entscheidungsstruktur. Zur Erklärung dieses Phänomens existieren verschiedene systemtheoretische, soziologische und philosophische Ansätze. Negative Wirkungen eines Zusammenwirkens von Individuen werden in der Massenpsychologie als Herdentrieb oder als Verhalten von Lemmingen bezeichnet. - Künstliche Intelligenz (Wikipedia)
Künstliche Intelligenz (KI), englisch artificial intelligence, daher auch artifizielle Intelligenz (AI), bezeichnet im weitesten Sinne computerbasierte Systeme, die ihre (virtuelle oder reale) Umgebung analysieren können, um daraus relevante Informationen zu abstrahieren, welche sie nutzen, um Entscheidungen zu treffen, die ihre Chance erhöhen, definierte Ziele zu erreichen. Damit unterscheiden sich KI-gestützte Systeme von regelbasierten Systemen ohne Fähigkeit zur eigenständigen Anpassung ihres Verhaltens, die ausschließlich fest vorgegebene Anweisungen ausführen. KI ist außerdem die Bezeichnung für das Teilgebiet der Informatik, das sich mit der Entwicklung und Erforschung von Software und Methoden befasst, die besagte Systeme hervorbringen. Die KI als Forschungsfeld befasst sich in diesem Zusammenhang beispielsweise mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen sowie der Formalisierung von Bewusstsein und Kreativität. Der Begriff ist schwierig zu definieren, da es verschiedene Definitionen von Intelligenz gibt. Mit der Zeit haben sich viele Bereiche zu den Methoden der KI entwickelt. Weiterhin wird unterschieden, welche Probleme mit den Methoden der KI beschrieben werden. Dabei entstanden zwei Bereiche: schwache KI und starke KI. Hier lassen sich viele Kategorien bilden und der wissenschaftliche Diskurs ist noch nicht sehr weit in der Zuordnung von Themen zu den Arten der Probleme. Der ingenieurwissenschaftliche Teil der Informatik befasst sich damit, wie solche Systeme realisiert werden können. Beispiele dafür sind Multiagentensysteme, Expertensysteme, Transformer oder serviceorientierte Architekturen. - Maschinelles Lernen (Wikipedia)
Maschinelles Lernen (ML) entwickelt, untersucht und verwendet statistische Algorithmen, auch Lernalgorithmen genannt. Solche Algorithmen können lernen, komplizierte Probleme zu lösen, obwohl der Lösungsweg nicht einfach durch Regeln beschrieben werden kann. Dazu benötigen die Algorithmen viele Beispieldaten. Ein bekanntes Anwendungsbeispiel ist die Bilderkennung. In der mathematischen Statistik bezeichnet man dieses Fachgebiet auch als statistisches Lernen. Ein Lernalgorithmus bildet vorgegebene Beispieldaten auf ein mathematisches Modell ab. Dabei passt der Lernalgorithmus das Modell so an, dass es von den Beispieldaten auf neue Fälle verallgemeinern kann. Dieser Vorgang wird Training genannt. Nach dem Training ist der gefundene Lösungsweg im Modell gespeichert. Er wird nicht explizit programmiert. Das trainierte Modell kann für neue Daten Vorhersagen treffen oder Empfehlungen und Entscheidungen erzeugen. Aus dem weiten Spektrum möglicher Anwendungen seien hier genannt: Spamfilter, automatisierte Diagnoseverfahren, Erkennung von Kreditkartenbetrug, Aktienmarktanalysen, Klassifikation von Nukleotidsequenzen, Sprach- und Texterkennung. Allgemein formuliert lernt ein Lernalgorithmus beim Training aus den Beispieldaten eine Funktion, die auch für neue, nicht zuvor gelernte Dateneingaben eine korrekte Ausgabe erzeugt. Es gibt verschiedene Lernstile, die sich darin unterscheiden, woher der Algorithmus beim Training Informationen dazu erhält, was „korrekt“ ist. Am häufigsten wird das überwachte Lernen eingesetzt. Dabei werden Vorgaben in Form von korrekten Ausgabewerten oder Rückmeldungen zur Verfügung gestellt. Beim unüberwachten Lernen werden keine Vorgaben gemacht. Die Algorithmen durchsuchen die Beispieldaten beispielsweise nach Kriterien für die Einteilung in unterschiedliche Cluster oder nach korrelierenden Merkmalen, die zusammengefasst werden können, um die Daten zu vereinfachen. Da es keine Vorgaben gibt, können diese Algorithmen unterschiedliche Lösungen vorschlagen, die anschließend zu bewerten sind. Beim bestärkenden Lernen beobachten Lernsysteme, die als Agenten bezeichnet werden, eine Umgebung und reagieren auf sie, indem sie Aktionen ausführen. Für … - Schwarmintelligenz (Wikipedia)
Kollektive Intelligenz, auch Gruppenintelligenz und Schwarmintelligenz (selten: kooperative Intelligenz) genannt, ist die Hypothese zu einem emergenten Phänomen, bei dem Gruppen von Individuen durch Zusammenarbeit intelligente Entscheidungen treffen können. Der Begriff wird seit langer Zeit in vielen verschiedenen Bedeutungen verwendet, erlangte aber größere Aufmerksamkeit und Popularität erst durch die Kommunikationsmöglichkeiten im Internet. Unter dem Begriff kollektive Intelligenz werden zum Teil ganz verschiedene Ansätze zusammengefasst, von kollektiven Entscheidungen zufällig miteinander interagierender Individuen, die durch intensive Kommunikation erfolgen, bis hin zu organisierten Gruppen, die möglicherweise einen „Superorganismus“ bilden können. Gemeinsam ist ihnen meist eine dezentrale, nicht-hierarchisch organisierte Entscheidungsstruktur. Zur Erklärung dieses Phänomens existieren verschiedene systemtheoretische, soziologische und philosophische Ansätze. Negative Wirkungen eines Zusammenwirkens von Individuen werden in der Massenpsychologie als Herdentrieb oder als Verhalten von Lemmingen bezeichnet. - Sensorik (Wikipedia)
Sensorik bezeichnet die Aufnahme äußerer wie innerer Reize bei Lebewesen; siehe sensorisch im engeren Wortsinne: die Aufnahme von Reizen über spezialisierte Sinnesorgane (beim Menschen: Augen, Ohren, Nase, Zunge) als Gegenbegriff zur Sensibilität (Neurowissenschaft) ein Fachgebiet in der Lebensmittelanalytik; siehe Sensorik (Lebensmittelprüfung) eine Weinverkostung mit allen Sinnen, unter Einbeziehung optischer, geruchlicher, geschmacklicher Reize und der Auswahl der Form des Weinglases. Die Sensorik dient dazu, die Qualität eines Weines möglichst objektiv zu beurteilen. ein Fachgebiet in der Mess- und Regelungstechnik; siehe Sensorik (Technik) Siehe auch: Sensorium - Smart City (Wikipedia)
Smart City ist ein Sammelbegriff für gesamtheitliche Entwicklungskonzepte, die darauf abzielen, Städte lebenswerter, effizienter, technologisch fortschrittlicher sowie ökologischer und sozial inklusiver zu gestalten. Die Konzepte umfassen soziale, technische, wirtschaftliche und organisatorische Innovationen und werden sowohl in der wissenschaftlichen Forschung als auch in der Standardisierung behandelt. Der Begriff findet zudem Verwendung im Stadtmarketing sowie in der strategischen Kommunikation von Technologieunternehmen. Als Smart Region wird ein ländlich geprägter Raum bezeichnet, der vergleichbare Entwicklungsziele verfolgt.
