Einleitung
Ingrid Falk legte ein kariertes Blatt neben den Laptop und zeichnete die Kurve per Hand nach. Die Studierenden hatten ein neuronales Modell trainiert, das schön glatte Werte ausgab. In der Mitte fehlte ein Messabschnitt. Das Modell hatte ihn nicht gelöst, nur höflich überdeckt.
Ingrid lebt in Heidelberg, ist pensionierte Physikerin und begleitet heute junge Forschende, die KI in wissenschaftlichen Projekten einsetzen. Sie wirkt nicht nostalgisch. Sie hat nur eine lange Erinnerung daran, dass Messfehler selten verschwinden, weil ein Diagramm modern aussieht.
Geschichte des Weges in die KI
Ihre Forschungskarriere begann in einer Zeit, in der Rechenzeit knapp war und Modelle oft auf Papier geprüft wurden. Als sie nach der Pensionierung aktuelle KI-Werkzeuge kennenlernte, erkannte sie alte Fragen in neuer Verpackung: Welche Annahme steckt im Modell? Wo fehlen Daten? Was ist Vorhersage, was ist Erklärung?
Ingrid lernte Python-Grundlagen, las Kursmaterialien und baute einfache Netze nach. Dabei fühlte sie sich manchmal langsamer als die jüngeren Leute, aber nicht weniger streng. Ihr erstes Seminarformat ließ Studierende KI-Ergebnisse mit einfachen physikalischen Modellen gegenprüfen. Einmal entdeckte die Gruppe, dass ein beeindruckender Fehlerwert vor allem deshalb gut war, weil problematische Messpunkte vorher entfernt worden waren.
Aktuelle Arbeit
Heute mentort Ingrid Nachwuchsforschende in kleinen Gruppen. Sie fragt nach Baselines, Unsicherheit, Messprotokollen und nach der Entscheidung, die aus einem Modell folgen soll. Bei Klimadaten, Materialtests oder Laborbildern ist ihr Ablauf ähnlich: erst das einfache Modell, dann das große, dann die Differenz.
Viele Studierende nennen ihre Gespräche ernüchternd. Ingrid nimmt das als Kompliment. KI kann Experimente beschleunigen und Muster finden, aber wissenschaftliche Verantwortung beginnt dort, wo ein Ergebnis zu schön aussieht.
Persönlicher Rat
„Ein Modell ist eine Rechnung mit Voraussetzungen, kein Blick in die Wahrheit“, sagt Ingrid. Wer KI in der Forschung nutzt, sollte die alte Tugend der Gegenprobe nicht ablegen. Gerade moderne Werkzeuge brauchen altmodische Hartnäckigkeit.
Schlüsselfakten
Alter und Ort: 80, Heidelberg.
Hintergrund: Physik, Ruhestand, Generationenbrücke in der Forschung.
Einstieg in KI: Seminare zum Gegenprüfen von KI-Ergebnissen mit einfachen Modellen.
Schwerpunkt heute: Methodik, Unsicherheit und wissenschaftliches Mentoring.
Typische Werkzeuge: Statistik, Modellvergleich, Python-Grundlagen.
Werkstattnotiz
Ingrids Lieblingsbeispiel ist kein Erfolg, sondern eine fehlende Messreihe. Sie zeigt es, weil dort die Versuchung sichtbar wird: Ein Modell füllt die Lücke, die Gruppe atmet auf, die Frage verschwindet. Ingrid arbeitet weiter an Prüfprotokollen, in denen fehlende Daten nicht verschönert werden dürfen, auch wenn das Ergebnis danach weniger elegant aussieht.