Prof. Saeema Ahmed-Kristensen, Direktorin des DIGIT Lab – Interviewreihe

Professor Saeema Ahmed-Kristensen ist eine führende Design-Engineering-Gelehrte und Associate Pro-Vice-Chancellor (Research & Impact) an der University of Exeter, wo sie auch als Direktorin des DIGIT Lab tätig ist, einer großen interdisziplinären Forschungsinitiative, die sich auf digitale Innovation und Transformation konzentriert. Ihre Forschung umfasst Designkreativität und Kognition, datengetriebenes und digitales Design sowie die Integration von fortschrittlichen Technologien in komplexe Ingenieur- und Produktentwicklung, mit einem starken Schwerpunkt auf die Übersetzung akademischer Erkenntnisse in reale Auswirkungen durch Industriekooperation, Politikeinbindung und große Forschungsprogramme.

Ihre Karriere hat sich über Cambridge, DTU, Imperial College London, die Royal College of Art und nun die University of Exeter erstreckt. Wenn Sie zurückblicken, welche Erfahrungen oder Wendepunkte haben Ihr Denken über Design, Kreativität und die Rolle digitaler Technologien am meisten geprägt?

Meine Arbeit im Design hat sich über viele verschiedene Kulturen und Disziplinen erstreckt. Ich begann an der Brunel mit einem der wenigen Kurse, der zu dieser Zeit Technologie, menschzentriertes Design und ein Verständnis von Form kombinierte. Es lehrte mich früh, dass Kreativität und Innovation eng miteinander verbunden sind.

Das Studium in Cambridge erweiterte mein Denken weiter. Die College-Umgebung stellte mich vielen Disziplinen vor und zeigte mir, wie Innovation von der Zusammenführung von Wissen aus verschiedenen Bereichen abhängt. Meine Promotion konzentrierte sich auf den Luft- und Raumfahrtsektor und untersuchte, wie Ingenieur-Designer Informationen finden und nutzen. Ich untersuchte, wie Menschen auf Wissen zugreifen, wie Expertenwissen unterstützt oder repliziert werden kann und die Schnittstelle zwischen Kognition, Informatik und Ingenieurdesign. Diese menschzentrierte Perspektive ist bei mir geblieben.

Da digitale Technologien gewachsen sind, sind auch die Fragen in meiner Arbeit gewachsen. Der Aufstieg von IoT-Daten, KI und fortgeschrittener Rechenleistung hat das Design von einem menschzentrierten Ansatz zu einem gesellschaftszentrierten Ansatz verschoben. Dies prägt weiterhin meine Arbeit an der University of Exeter, wo ich das DIGIT Lab leite und mich auf die Rolle von LLMs im kreativen Prozess, die Barrieren, mit denen Branchen bei der Einführung dieser Technologien konfrontiert sind, und wie Daten Innovation vorantreiben können, konzentriere.

Meine Zeit an der Imperial und der Royal College of Art bestätigte, dass Design weit mehr ist als die Gestaltung von Produkten oder Dienstleistungen. Mit den richtigen Menschen, Prozessen und Kultur kann Design zu einem Treiber neuer und skalierbarer Technologien, Materialien und Ideen werden, die heute und morgen globale Herausforderungen angehen können.

DIGIT Lab konzentriert sich stark auf digitale Transformation in großen etablierten Organisationen. Aus Ihrer Perspektive, was verstehen Führungskräfte am meisten falsch über die Art und Weise, wie KI Design, Innovation und Entscheidungsfindung verändern wird?

Seit Jahrzehnten hat KI in der Forschung Fortschritte gemacht und in bestimmten Branchen Anwendung gefunden, aber der Fortschritt wurde oft durch Fähigkeitslücken, das Verständnis der Führungskräfte und die Klarheit über den Wert und die erforderliche Infrastruktur eingeschränkt. Mit dem Aufstieg von LLMs und generativen Tools wie DALL·E ist KI jetzt zugänglicher und benötigt weniger spezialisierte Expertise oder Einrichtungen. Dies wirft jedoch neue Fragen über Datenschutz, Datensicherheit und die Anwendbarkeit allgemeiner Modelle in spezifischen Domänen auf.

Im Design und in der Innovation sind diese Probleme besonders deutlich. Unsere Forschung, die über 12.000 von Menschen und KI generierte Ideen untersuchte, zeigte, dass KI-Ideen tendenziell um ähnliche Konzepte clusteren. Dies unterstreicht die Notwendigkeit, menschliche Expertise in generische Tools einzubauen, KI an die Domäne anzupassen oder zu verstehen, wann und wie KI neben menschlicher Kreativität und Entscheidungsfindung eingesetzt werden sollte.

Ein Großteil Ihrer Forschung erforscht Kreativität und Kognition im Design. Da generative KI jetzt in der Lage ist, Ideen, Konzepte und Iterationen im großen Maßstab zu produzieren, welche Aspekte der Kreativität sehen Sie als einzigartig menschlich an – und welche Teile können verantwortungsvoll in KI-getriebene Prozesse übergehen?

Kreativität war für mich immer mehr als die Generierung von Alternativen. Es geht um Intention, kulturelle Bedeutung und die emotionale Verbindung, die ein Design herstellt. Unsere jüngste DIGIT-Lab-Umfrage brachte dies in scharfes Licht: 82 % der Menschen sagten uns, dass menschlich geführte oder hybride Arbeit bedeutungsvoller erscheint, und 71 % sagten, sie fühlten sich weniger emotional mit KI-Only-Design verbunden. Viele beschrieben KI-generierte Arbeit als “emotionslos” (48 %) oder “zu perfekt” (40 %), und 36 % fühlten, dass ihre Wirkung schnell verblasst. Diese Antworten bestätigten etwas, das ich seit langem glaube. Emotionale Bindung ist kein Nice-to-have; sie ist entscheidend für die Art und Weise, wie Menschen kreative Arbeit erleben und schätzen.

Unsere Forschung, die menschliche und KI-generierte Ideen vergleicht, zeigt auch, dass menschliche Designer besser darin sind, diverse, neue Ideen zu erstellen und sicherzustellen, dass die kreative Ausgabe, sei es Kunst, Produktgestaltung oder Dienstleistungen, Tiefe und Bedeutung hat. Kreative Experten verfügen über ein Fähigkeitsspektrum, das noch nicht repliziert werden kann. Designer müssen das Problem verstehen, bevor sie Ideen generieren, und LLMs sind sehr nützlich, um Designer dabei zu helfen, von einem Problem zu einem anderen zu wechseln. Wenn wir Modelle menschlicher Expertise in KI-Tools einbauen können, können sie auch die Bewertung von Ideen unterstützen und es KI ermöglichen, menschliche kreative Fähigkeiten besser zu nutzen.

Der Ansatz der Denkverkettung, mit dem wir experimentieren, unterstützt LLMs, um ExpertenArgumentation zu folgen, nicht nur Bewertungen abzugeben. In allen Fällen ist menschliche Aufsicht erforderlich, um Ergebnisse zu interpretieren und sicherzustellen, dass Designentscheidungen mit den Erfahrungen der Nutzer übereinstimmen.

Es ist klar, dass wir entweder Modelle entwickeln müssen, die erfassen, wie Menschen Produkte, Dienstleistungen und Interaktionen erleben, oder dicke Daten (reiche qualitative Erkenntnisse, die Kontext liefern) mit den dünnen oder großen Sensordaten kombinieren, die wir sammeln. Die Entwicklung dieser Modelle ist nicht einfach, und genau hier bleibt menschliche Beteiligung unerlässlich.

So ist für mich die Quintessenz nicht, dass KI in der Kreativität keine Rolle spielt. Weit gefehlt. Es ist, dass KI und Menschen unterschiedliche Stärken beitragen. Die Tatsache, dass Menschen konsistent positiver auf menschliche oder hybride Arbeit reagieren, sagt uns einfach, wo der Schwerpunkt liegt. KI kann uns helfen, einen breiteren Designraum zu erkunden, Muster zu analysieren und strukturierte Kritik zu bieten, aber diese Wahrnehmungen von Flachheit, algorithmischer Perfektion und emotionaler Distanz zeigen, wo KI noch menschliche Urteilsfähigkeit benötigt, um Möglichkeiten in etwas zu verwandeln, das Resonanz erzeugt.

Das ist, warum ich die Zukunft der Kreativität als fundamental kooperativ sehe. KI kann den Bereich der Möglichkeiten erweitern. Designer bringen die Empathie, das kulturelle Verständnis und den Sinn für Intention, der diesen Möglichkeiten Bedeutung verleiht. Wenn beide zusammenarbeiten, mit menschlicher Urteilsfähigkeit, die die Richtung vorgibt, und KI, die die Erforschung bereichert, ist das Ergebnis ein kreativer Prozess, der rigoroser, imaginärer und letztendlich menschlicher in seinen Ergebnissen ist.

Sie haben Ansätze entwickelt, um Benutzererfahrungen zu quantifizieren und Designwissen zu strukturieren. Wie können wir sicherstellen, dass menschliche Erfahrungen, Emotionen und kulturelle Signale im Designprozess zentriert bleiben, wenn KI-Systeme für die Generierung von Produkten und Dienstleistungen verantwortlich sind?

Um menschliche Erfahrung zu zentrieren, müssen wir Wissen über Wahrnehmung und Emotion in unsere Methoden einbetten.

Es gibt zwei Hauptansätze. Der erste erkennt die Notwendigkeit qualitativer Daten an, die ein tiefes Verständnis menschlicher Erfahrung, Wahrnehmung und Emotion ermöglichen und effektive menschliche KI-Zusammenarbeit ermöglichen. Der zweite – auf den mein Werk fokussiert ist – zielt darauf ab, dieses Wissen in Modelle zu übersetzen, die KI-Systeme verstehen und nutzen können.

Diese Modelle sind komplex zu entwickeln, da sie Benutzererfahrung, menschliche Wahrnehmung und die Eigenschaften der Produkte oder Systeme, die entworfen werden, integrieren müssen, um menschliche Reaktionen und Gesamterfahrung vorherzusagen.

Sie arbeiten umfassend mit komplexen Branchen – Luft- und Raumfahrt, Medizin, Fertigung und Konsumgüter. In diesen hochriskanten Umgebungen, wie balancieren Sie das Potenzial von KI-gestütztem Design mit der Notwendigkeit von Sicherheit, Rückverfolgbarkeit und Vertrauen?

In hochriskanten Sektoren wie Gesundheitswesen, Luft- und Raumfahrt und Fertigung ist die Frage nicht, ob KI eingesetzt werden kann, sondern wie sie reguliert wird. Vertrauen in diesen Umgebungen hängt von klarer Rechenschaftspflicht, Rückverfolgbarkeit und Erklärbarkeit auf jeder Stufe des Design- und Entscheidungsprozesses ab. KI kann eine starke unterstützende Rolle in Simulation, Optimierung und früher Explorationsphase spielen, aber sie kann nicht die endgültige Autorität werden.

Viele dieser Bereiche sind streng reguliert und unterliegen strengen Sicherheitsanforderungen, die eine sichere Handhabung aller Daten, persönlicher oder kommerziell sensibler Daten, erfordern. In diesen Kontexten müssen oft Anfragen oder Prompts unter Verwendung lokaler Daten entwickelt werden, um Spezifität und Relevanz sicherzustellen, und es ist üblich, dass Organisationen in diesen Sektoren ihre eigenen KI-Tools aufbauen und warten.

Unsere umfassendere Forschung zeigt konsistent, dass hybride Systeme unerlässlich sind: KI sollte Expertenurteil unterstützen, nicht ersetzen. Menschliche Aufsicht muss in jeden kritischen Entscheidungspunkt eingebaut werden, insbesondere wenn es um Sicherheit, Risiko und Haftung geht. Damit Regulierungsbehörden und Endnutzer KI-gestützte Systeme vertrauen, benötigen Organisationen auch transparente Dokumentation darüber, wie Modelle trainiert werden, welche Daten sie verwenden und wie Ausgaben generiert werden. Ohne diese Transparenz kann Vertrauen nicht skaliert werden, egal wie fortschrittlich die Technologie wird.

Viele Organisationen haben Schwierigkeiten, die Lücke zwischen “Experimentieren mit KI” und der sinnvollen Integration in die Produktentwicklung zu überbrücken. Welche praktischen Schritte würden Sie Teams empfehlen, die von der Experimentierung zur strategischen Implementierung übergehen möchten?

Viele Organisationen verharren in der Experimentierphase, weil sie KI ohne klaren strategischen Zweck einsetzen. Der erste praktische Schritt ist, explizit zu machen, welche Rolle KI im Entwicklungsprozess spielen soll, ob dies die Unterstützung von Ideenfindung, die Beschleunigung von Tests, die Verbesserung von Bewertungen oder die Verbesserung von Entscheidungsfindung ist. Ohne diese Klarheit bleiben Pilotprojekte von realen Geschäfts- und Designergebnissen getrennt.

Teams benötigen auch die richtigen Grundlagen. Das bedeutet, in hochwertige, gut regierte Daten zu investieren, insbesondere Daten, die reale Benutzererfahrungen widerspiegeln, anstatt sich ausschließlich auf technische Leistungsmerkmale zu verlassen. Es bedeutet auch, realistisch über die aktuellen Grenzen von KI zu sein, insbesondere in kreativer und menschzentrierter Beurteilung, wo Expertenurteil unerlässlich bleibt.

Viele Branchen beginnen, KI-Richtlinien zu entwickeln, die Teams durch den Prozess der Experimentierung mit KI führen, von der Erstellung von Geschäftsplänen und der Durchführung von Pilotprojekten bis hin zu einer breiteren Einführung. Diese Richtlinien helfen Organisationen, zu erkennen, wo KI wirklich Mehrwert bieten kann, während sie gleichzeitig sicherstellen, dass Menschen dort, wo es notwendig ist, im Prozess bleiben.

Schließlich sollten Organisationen durch strukturierte, risikoarme Pilotprojekte gehen, die in reale Arbeitsabläufe eingebettet sind und nicht isoliert laufen. Diese Pilotprojekte sollten interdisziplinär sein und Designer, Ingenieure, Datenwissenschaftler und Fachexperten zusammenbringen, damit das Lernen geteilt und übertragbar wird. KI liefert Wert, wenn sie in den täglichen Betrieb integriert wird und nicht als separates experimentelles Layer behandelt wird.

Sie haben eine lange Geschichte der Entwicklung von Methoden zur Strukturierung und Automatisierung von Wissen. Wie nahe sind wir an KI-Systemen, die über Designabsicht, Benutzerbedürfnisse und Kontext in einer Weise nachdenken können, die wirklich Mehrwert bringt und nicht nur Inhalte generiert?

In einigen Bereichen ist die Vorhersage von Benutzerpräferenzen relativ einfach, da Daten wie Browserverlauf oder Aufzeichnungen darüber, welche Filme oder Fernsehsendungen angesehen wurden, verwendet werden können, um Empfehlungen zu geben. Diese Bereiche profitieren von leicht verfügbaren Daten.

Im Gegensatz dazu ist eine der Herausforderungen im Design von Produkten und Dienstleistungen, dass Daten über die Entscheidungen, Bedürfnisse und Erfahrungen der Menschen oft nicht leicht verfügbar sind.

Meine jüngste Forschung mit dem Digit Lab untersuchte die Fähigkeit eines LLM, wenn ihm ein Modell davon gegeben wird, wie Menschen Designmerkmale wahrnehmen und darauf reagieren. Allerdings können aktuelle Modelle nicht Kontext bedeuten und operieren auf Mustern in den Daten. Frühere Studien, die Form mit Wahrnehmungen in Verbindung bringen, zeigen, dass sogar kleine Änderungen in der Form emotionale Reaktionen verschieben können, und solche Feinheiten sind für KI ohne menschliche Anleitung oder fortschrittliche Modelle schwer vorherzusagen. Daher verbessert sich die Argumentationsfähigkeit von KI, bleibt aber ein Komplement zu menschlicher Expertise.

Da KI Designzyklen von der Ideenfindung bis zur Prototypenerstellung beschleunigt, welche neuen Fähigkeiten benötigen Designer? Wie sollten Universitäten und Organisationen die Ausbildung der nächsten Generation von kreativen Talenten neu denken?

Designer werden fließend in menschlicher Wahrnehmung und KI-gestützten Tools sein müssen. Das Verständnis, wie Form, Material und Proportion emotionale Reaktionen beeinflussen, wird weiterhin fundamental für gutes Design sein. Gleichzeitig müssen Designer in der Lage sein, mit KI-Systemen zu arbeiten, die Ideenfindung und Bewertung unterstützen. Das bedeutet nicht nur die Nutzung dieser Tools, sondern auch das Verständnis, wofür sie optimiert sind und wo ihre Grenzen liegen. Da KI in Designabläufen immer mehr verankert wird, wird die Fähigkeit, ihre Ausgaben kritisch zu interpretieren und mit menschlicher Urteilsfähigkeit zu kombinieren, zu einer der wertvollsten kreativen Fähigkeiten.

Da KI Designzyklen von der Ideenfindung bis zur Prototypenerstellung beschleunigt, benötigen Designer ein neues Spektrum an Fähigkeiten und Denkweisen, die über traditionelle Handwerksfähigkeiten hinausgehen. Sie müssen verstehen, wie digitale Technologien funktionieren, was verschiedene Arten von Daten (und was sie nicht) offenbaren können und wie man Designexpertise mit KI-Literacy kombiniert. Dazu gehört auch, mit hochwertigen, gut regierten Daten zu arbeiten, die reale Benutzererfahrungen widerspiegeln, anstatt sich ausschließlich auf technische Leistungsmerkmale zu verlassen. Nebenbei benötigen Designer auch die Urteilsfähigkeit, um zu erkennen, wo KI hilfreich ist und wo menschliche Kreativität und kritische Denkfähigkeit im Mittelpunkt bleiben müssen.

Um diesen Bedarf zu decken, müssen Universitäten und Organisationen die Ausbildung der nächsten Generation von kreativen Talenten neu denken. Einige Universitäten integrieren bereits Data Science in Designprogramme, was ein wichtiger Schritt ist, aber nicht ausreichend. Was noch fehlt, sind Design-Denkmethoden, die auf die Realitäten des digitalen Zeitalters vorbereitet sind: Methoden, die Designer befähigen, mit KI zu kooperieren, über Disziplinen hinweg zu arbeiten und schnelle Experimentierung mit ethischer und menschzentrierter Aufsicht zu bewältigen.

Die Bekämpfung dieser Lücke ist entscheidend. Deshalb schreibe ich zusammen mit meinem Kollegen Dr. Ji Han ein Buch mit Cambridge University Press über “Design Thinking im digitalen Zeitalter”, das die Rahmenbedingungen, Fähigkeiten und Denkweisen zusammenbringt, die erforderlich sind, um effektiv neben KI zu entwerfen.

DIGIT Lab betont verantwortungsvolle Transformation. Aus Ihrer Sicht, welche ethischen oder gesellschaftlichen Risiken benötigen mehr Aufmerksamkeit, da KI in Designabläufen in verschiedenen Branchen immer mehr verankert wird?

Ein Beispiel ist die Sicherstellung der ethischen Nutzung von Daten, einschließlich der Einholung informierter Zustimmung und der Transparenz über die Datensätze, die zur Entwicklung von KI-Produkten verwendet werden, sowie über mögliche Vorurteile, die sie enthalten. Beispielsweise müssen Datensätze, die in Gesundheitssystemen eingebettet sind, sorgfältig untersucht werden, um sicherzustellen, dass sie die gesamte Bevölkerung angemessen repräsentieren, unterrepräsentierte Gruppen identifizieren und bestätigen, dass das KI-System zweckmäßig und inklusiv ist. Aus gesellschaftlicher Sicht gibt es oft Bedenken, dass KI Jobs ersetzen wird; jedoch ist es wichtig zu verstehen, wo menschliche Expertise unerlässlich bleibt und wie KI menschliche Fähigkeiten ergänzen kann, anstatt sie zu ersetzen.

Es gibt jedoch auch tiefere ethische Fragen. Wenn Designer auf menschliche Daten angewiesen sind, müssen sie Datenschutz, Vorurteile und Transparenz verantwortungsvoll handhaben. Ein DIGIT-Lab-Workshop identifizierte den Fertigungssektor “Daten”, “menschlich” und “Regierung” als die Haupt-Herausforderungskategorien, was die Notwendigkeit von besserer Datenerfassung, menschlicher Aufsicht und klaren Richtlinien für Sicherheit, Vertrauen, geistiges Eigentum und Regulierung unterstreicht. Die Bekämpfung dieser Risiken bedeutet, dass KI-Systeme auf vielfältigen Daten aufbauen, menschliche Urteilsfähigkeit an kritischen Punkten einbauen und inklusive Designstandards entwickeln, die Privatsphäre, Zustimmung und kulturellen Kontext respektieren.

Sie haben erforscht, wie Daten und KI Produkte um Benutzererfahrung herum anpassen können. Sehen Sie eine Zukunft, in der Produkte dynamisch basierend auf Echtzeit-Daten nach dem Verlassen der Fabrik evolvieren? Wenn ja, wie sollten Designer auf diese Welt vorbereitet werden? 

Datengetriebenes Design kann für Produkte personalisiert, angepasst oder an individuelles Verhalten angepasst werden. Sie werden dann zu “intelligenten” Systemen, die Daten über ihre Nutzung sammeln und über eingebettete Sensoren und IoT-Konnektivität kommunizieren. In unserem Rahmenwerk umfassen Anpassungsaktivitäten die Verwendung dieser Daten, um Produkte nach dem Verlassen der Fabrik zu aktualisieren und anzupassen. Beispiele umfassen die Verbindung von Gesten-Erkennungsmodellen mit einem digitalen Zwilling für menschliche Roboter-Kollaboration und die Verwendung von maschinellen Lernalgorithmen-gestützter Scanning, um angepasste Komponenten zu erstellen.

Diese Verschiebung schafft neue Verantwortlichkeiten. Designer müssen entscheiden, welche menschliche Daten, Verhaltens-, physiologische, Feedback- oder emotionale Daten relevant sind. Sie müssen auch sicherstellen, dass Updates die beabsichtigten ästhetischen und emotionalen Qualitäten bewahren, die wir mit Form und Wahrnehmung in Verbindung bringen. Schließlich ist Regierungsführung wichtig: Unser Industrieworkshop hob die Bedenken hinsichtlich Daten, Vertrauen und Privatsphäre hervor und betonte die Notwendigkeit von klaren Richtlinien und menschlicher Aufsicht. Wenn dies gut gemacht wird, können sich entwickelnde Produkte dauerhaften Wert und Responsivität bieten, ohne Bedeutung oder Ethik zu opfern.

Blicken Sie voraus, welche großen Forschungsfragen motivieren Sie derzeit am meisten? Und welche Durchbrüche glauben Sie, dass das Feld in den nächsten Jahren an der Schnittstelle von KI, Kreativität und Design-Engineering sehen wird?

Viele der oben genannten Herausforderungen bleiben ungelöst – mehrere davon bearbeite ich derzeit, einschließlich der Arbeit, um sicherzustellen, dass allgemeine KI-Tools effektiv auf die spezifischen Branchen zugeschnitten werden können, die sie einsetzen möchten.

Auf Branchenebene kann dies sehr unterschiedlich aussehen: In der Fertigung kann es die Verwendung lokaler Modelle bedeuten, die auf domänen-spezifischem Wissen trainiert sind, neben starken Datenschutz- und Sicherheitsmaßnahmen; in den kreativen Branchen kann der Fokus auf der Diversifizierung von Ausgaben und der Ermöglichung einer bedeutungsvolleren Zusammenarbeit zwischen Menschen und KI liegen.

Auf technischer Ebene experimentieren wir mit großen Sprachmodellen, um Bewertungsaufgaben zu unterstützen. Eine Studie zeigt, dass LLMs Neuheit und Nützlichkeit bewerten und sich mit gut gestalteten Prompts näher an menschliche Experten annähern können. Ein verwandter Artikel verwendet Ketten-Denken-Prompts und Multi-Modell-Aggregation, um KI-Bewertung zuverlässiger zu machen. Wir erforschen auch konversationsbasierte Agenten, um die Anforderungen von Organisationen an digitale Transformation zu erfassen, und zeigen, dass Chatbots strukturierte Interviews effektiv durchführen können. Kombiniert mit der Arbeit über die Verwendung von menschlichen Daten im Design weisen diese Initiativen auf eine Zukunft hin, in der KI uns hilft, Expertenwissen zu bewahren, bessere Entscheidungen zu treffen und Benutzer ethisch zu involvieren.

Vielen Dank für das durchdachte und aufschlussreiche Interview; Leser, die mehr über die Arbeit von Professor Ahmed-Kristensen zu KI-gestütztem Design, Kreativität und verantwortungsvoller digitaler Transformation erfahren möchten, können laufende Forschung und Initiativen im DIGIT Lab erkunden.