Tüfteln im Team

Moment mal – Forscher bei Amazon? Hier geht’s doch um Pakete und Dienstleistungen. Was haben Wissenschaftler da verloren? Zugegeben, wenn man bei dem Wort „Forscher“ das Bild eines Professors im Kopf hat, der sich über blubbernden Reagenzgläsern die weißen Haare rauft, dann passt das tatsächlich nicht. Aber wer die Klischeebrille abnimmt, sieht ein spannendes Bild. Denn es braucht nicht immer ein Labor, um Fortschritte zu erzielen, sondern manchmal stattdessen einen Computer und ein gutes Team. Jeden Tag arbeiten Wissenschaftler daran, die Welt rund um Amazon noch cleverer zu gestalten: Wie können wir Produkte und Bewertungen noch besser automatisch übersetzen? Wie lernt Alexa und wie können Erdbeeren von Maschinen auf Frische getestet werden? Ein paar der schlauen Köpfe, die nach Antworten und Lösungen suchen, möchten wir Ihnen vorstellen.

Sebastian Höfer, 34 Jahre – Robotics

Sebastian Höfer ist Informatiker mit Schwerpunkt Robotik und für ihn ist die Forschung bei Amazon mehr als nur ein Job. Sein Ansatz: „Wir sagen dem Roboter nicht, wie er es machen soll, sondern sagen ihm, wenn er etwas gut gemacht hat.“ Bestärkendes Lernen nennt man diesen Ansatz, zu dem er nach seinem Informatikstudium an der TU Berlin promoviert hat. Bei Amazon forscht er zu ähnlichen Themen wie in seiner akademischen Laufbahn – mit einem entscheidenden Unterschied: „Als Doktorand an der Uni bist du eher auf deine indivuduelle Arbeit fokussiert. Bei Amazon arbeitest du an deinem Fachgebiet mit einem Team gut ausgebildeter Leute. Wenn etwas funktioniert, freuen wir uns gemeinsam“, erzählt er begeistert.

Die Robotertechnologie, an der das Team forscht, soll künftig die Mitarbeiter in den Logistikzentren und im Versand unterstützen. „Die Mitarbeiter sollen von Routinetätigkeiten entlastet werden“, erklärt er. Dass er sich im Thema bestens auskennt, konnte er bereits bei der „Amazon Robotics Challenge“ beweisen. Hier galt es, Roboter zu entwickeln, die selbstständig neue und unbekannte Produkte aus dem Regal nehmen und in einen Karton legen können. Sebastian war Teil des Teams, dass diesen Wettbewerb 2015 gewann, und fand so auch den Weg zu Amazon, wo er jetzt seit einigen Monaten forscht und tüftelt. Im Nebenfach hat er übrigens Philosophie studiert. Sein Ziel: „Ich möchte zwischen Mensch und Maschine ein gut funktionierendes Miteinander entwickeln“.

Valeria Bogdanova, 30 Jahre – Localization Engineer

„Unsere Programme können noch nicht perfekt übersetzen, aber wir sind nah dran“, sagt Valeria Bogdanova stolz. Die junge Russin arbeitet jetzt seit eineinhalb Jahren bei Amazon in dem Berliner Team, das sich um automatische Übersetzungen kümmert. Soll ein deutscher oder französischer Artikel in den Niederlanden oder in England angeboten werden, müssen die Beschreibungen auch in der lokalen Sprache zu lesen sein. „Wenn wir den Kunden diesen Service für so viele Produkte anbieten möchten, ist das eine ganze Menge Übersetzungsarbeit“. Deswegen arbeitet sie mit ihren Kolleginnen und Kollegen daran, dass Computerprogramme möglichst viele Sprachen lernen und selbstständig übersetzen können.

Wer in der Schule mal eine Fremdsprache gelernt hat, weiß, wie mühselig das ist. Wie soll man also einem Computer beibringen, korrekte französische Sätze zu bilden? „Ganz einfach“, findet Valeria. „Wir geben dem Programm tausende von bereits übersetzten Texten“, erklärt sie. „Durch Vergleiche lernt das Programm hinzu und wir bringen ihm bei, noch besser selbst zu lernen“. Neuerdings gelingt dies auch mithilfe von Programmen, die sich an den neuronalen Strukturen des menschlichen Gehirns orientieren.

Was das Ganze kompliziert macht, sind die Ausnahmen. Soll zum Beispiel die Beschreibung eines „Kindle Fire Tablets“ übersetzt werden, darf der Computer aus dem englischen „Fire“ nicht das Wort „Feuer“ machen. Wird aber als Spielzeug ein „Fire Truck“, also ein Feuerwehrfahrzeug verkauft, dann darf es ruhig „Feuer“ heißen. In Valerias Team arbeiten Menschen, die an einem Tag in die wissenschaftlichen Tiefen des „Machine Learning“ eintauchen können und am nächsten Tag wiederum einen Bug, also einen Fehler im Programm, beheben können. „Wir sind gleichzeitig Forscher und Ingenieure“, erklärt sie und genau das schätzt sie an ihrem Job. Sie selbst spricht übrigens drei Sprachen. Ihre Masterarbeit hat die Russin auf Deutsch geschrieben. Beruflich nutzt sie hauptsächlich Englisch, und zwar ganz ohne Hilfe von Programmen. Schließlich will sie auch ihr eigenes Gehirn trainieren.

Barbara Pogorzelska, 33 Jahre - Software Development Manager

„Ein Computer kann 1.000.000 Bücher am Tag lesen – das würde ein Mensch nie schaffen“, beschreibt Barbara Pogorzelska die auf den ersten Blick beeindruckenden Möglichkeiten von Maschinen. „Aber was sie nicht gut können, ist, Wissen von einem Bereich in einen anderen Bereich zu transferieren und anhand von Vorerfahrungen zum Beispiel einen Hund von einer Katze zu unterscheiden“, erklärt sie. Die 33-Jährige arbeitet daran, dies zu ändern. Sie hat sich im Studium auf „Machine Learning“ spezialisiert, hat also gelernt, Maschinen etwas beizubringen. Jetzt setzt sie dieses Wissen als Team-Managerin bei Amazon ein.

Die junge Frau hat am Standort Berlin etwas Einzigartiges aufgebaut. Sie leitet ein Team von zehn Mitarbeitern, das den Wissenschaftlern und Entwicklern vor Ort die Arbeit erleichtert. Ein Beispiel: Eines der Machine-Learning-Teams arbeitet daran, dass Maschinen im Rahmen von „AmazonFresh“ zukünftig erkennen, ob Obst und Gemüse auch wirklich frisch sind. Während die Entwickler dafür ein Programm schreiben, entwickelt Barbaras Team einen Algorithmus, der hilft, die Parameter für die Reifegrad-Erkennung präzise zu optimieren. So können sich die Wissenschaftler auf das große Ganze konzentrieren und Barbaras Team verfeinert es – ein interner Service, der immer mehr angefragt wird. Barbara versteht sich selbst auch weniger als Wissenschaftlerin. Vielmehr managt sie die Unterstützung und Zusammenarbeit der Teams.

Sie empfindet es als Geschenk, diesen Herausforderungen nicht nur als Wissenschaftlerin zu begegnen, sondern auch mit so vielen Entwicklern zusammenzuarbeiten, die Ideen gleich in Software umsetzen können. Für sie wird eine Maschine niemals ein Ersatz für einen Menschen sein. Vielmehr entlasten sie Menschen und eröffnen so neue Räume für andere Tätigkeiten. „Die wichtigsten Entscheidungen wird immer ein Mensch treffen“, ist sich Barbara sicher.

Fabian Triefenbach, 32 Jahre – Alexa Machine Learning

Hören und Verstehen – das sind zwei verschiedene Dinge. Das wissen auch die Amazon-Spezialisten, die den Lautsprecher Echo mit dem intelligenten Sprachdienst Alexa optimieren. Einer davon ist Fabian. Damit Alexa nicht nur akustisch wahrnimmt, wenn ein Mensch mit ihr spricht, sondern mit der gehörten Botschaft auch etwas anfangen kann, braucht es Tüftler wie ihn.

Seit drei Jahren bringt der Informationstechniker sein Know-how und seine Motivation bei Amazon ein. Zunächst optimierte er im Team von FireTV die Spracherkennung der Fernbedienung. Jetzt bringt er Alexa bei, komplexe Sätze zu verstehen und zu interpretieren. Ein Beispiel: Wie wird das Wetter am Wochenende in Aachen? „In diesem Satz stecken ziemlich viele Informationen“, erklärt Fabian. Alexa muss wissen, dass es um das Wetter geht und dann auch noch die Antwort auf ein bestimmtes Datum und eine Region anpassen. Damit sie dem Nutzer eine wirklich hilfreiche Antwort geben kann, muss sie also zunächst gut verstehen, was der Nutzer höchstwahrscheinlich gesagt hat. „Es geht immer um Wahrscheinlichkeiten“, erklärt Fabian, der auch zum Thema automatische Spracherkennung promoviert hat.

Er setzt sich damit auseinander, wie Alexa undeutliche Aussprache und vielschichtige Sätze besser interpretieren kann. Und das klappt ganz gut. "Seit meinen ersten Tagen hier hat Alexa schon deutlich mehr Funktionen und kann schon viel komplexere Sätze verstehen“, erklärt er stolz. Statt Wie wird das Wetter, kann Alexa etwa auch Brauche ich heute einen Regenschirm, erkennen und einen guten Ratschlag für den Tag geben. Fabian selbst nutzt Alexa übrigens jeden Tag. „Hauptsächlich für Musik, fürs Kinoprogramm oder um Bahntickets zu buchen“. Er weiß aber, dass Alexa noch mehr kann und ist motiviert, weiter zu forschen. „Alexa soll mal ein ebenbürtiger Gesprächspartner werden und ein nützlicher Helfer in allen Lebenslagen“.