Sabina Jeschke är en av Tysklands främsta experter inom digitalisering och artificiell intelligens (AI). Hon är född i svenska Kungälv och har varit verksam inom den tyska universitetsvärlden i många år. Sedan hösten 2017 ingår hon i koncernledningen för Deutsche Bahn AG, ett av världens största transport- och logistikföretag, med ansvar för digitalisering och teknik. Tysk-Svenska Handelskammaren fick en intervju med henne.

Tysk-Svenska Handelskammaren: Artificiell intelligens är just nu ordet på allas läppar men i verkligheten är det ett begrepp som många företag ännu inte närmat sig på riktigt. Varför ska företag engagera sig mer i ämnet?

Sabina Jeschke: Vi står inför en radikal förändring av vår världsbild: Intelligens har för den breda massan – dataspecialister undantagna – hittills varit begränsat till människan och kanske katten. Men kärnan i den fjärde industriella revolutionen är att konceptet intelligens överförs till tekniska system. Vi står därmed inför genombrottet av verkligen intelligenta tekniska system som självständigt vidareutvecklas och kommer med egna lösningar. Detta är ett paradigmskifte som vänder vår världsbild upp och ned.

Samtidigt innebär det enorma möjligheter som det gäller att nyttja. Företag måste ta sig an den nya tekniken på ett tidigt stadium och bygga upp sin kompetens, annars tar andra över. Detta ”maktskifte”, som för övrigt även pågick under tidigare industriella revolutioner, den så kallade vendor change, är redan på gång. Tidigare var det endast de främsta maskiningenjörerna som kunde utveckla innovationer för bilar. Men Google Car från 2011 visar att dagens databaserade företag kan ta täten även i de traditionella branscherna, ta till exempel Uber, Waymo, Amazon, Alibaba eller Tencent.

Vilken utveckling förväntar du dig under de närmaste fem till tio åren? Inom vilka områden kommer AI att få sitt genombrott?

Vi kan redan idag se den stora potentialen med AI. Inför framtiden är det viktigt att förstå att det finns två typer av AI-algoritmer: Å ena sidan har vi datadriven teknik som används för att analysera mönster i befintliga data för att på så vis kunna förutspå framtiden och styra system. Förutsättningen är då att det finns data att tillgå. Inom till exempel bankväsendet och vården är sådana databaserade processer standard redan idag.

Men riktigt spännande blir det i situationer där vi bara har en liten mängd eller ingen data alls. Här kommer vi till den andra typen av AI-algoritmer som baseras på metoden som kallas för trial and error. "Maskinen" jobbar sig då långsamt framåt och närmar sig lösningen stegvis. Den tar ett slumpvis valt första steg, utvärderar resultatet och planerar nästa steg därifrån. Datastyrda företag besitter fördelen att de redan har en stor mängd data, vilket till exempel Google har. Men denna fördel finns inte vid icke-datastyrda processer. Detta förändrar hela konkurrenssituationen från grunden. Den marknadsfördel som Google och liknande företag har och som idag ofta ses som oövervinnlig kan helt komma att utplånas genom trial and error-AI. Politiska debatter om beskattning av data eller dataintrång kommer inte längre behövas. Denna typ av AI-applikationer är säkert de mer ”originella”, om än mindre mogna än så länge.

Andra begrepp som ofta diskuteras just nu är neurala nätverk och deep learning, till exempel för bildigenkänning vid autonom körning. På Deutsche Bahn styrs till exempel köp och försäljning av energi för tågdrift av neurala nätverk. Deras genombrott har bara varit möjligt tack vare att datakapaciteten ökat radikalt de senaste åren. Moores lag, som innebär att datakapaciteten fördubblas var 18:e månad, ansågs länge stämma. Men den nya utvecklingen i form av ännu mer kraftfulla processorer och kvantdatorer leder oss till nya milstolpar. Kort sagt är det mycket svårt att förutse idag vad som kommer att vara möjligt imorgon. Vad som är säkert är att AI är på frammarsch inom alla områden.

Vilka risker ser du med den ökade användningen av artificiell intelligens och hur ska man hantera dessa risker?

De nya systemen är radikala eftersom de är en sådan kontrast mot våra nuvarande tankar och idéer. Vi är vana vid att kunna kontrollera tekniken. En självkörande bil utvecklas, tillverkas och programmeras fortfarande av människor – men i det ögonblick som den faktiskt kör själv startar dess inlärningsprocess: Den utvecklas och den förändras. En sådan inlärningsprocess kan inte längre kontrolleras såsom vi är vana vid. Det är något vi måste acceptera och se fördelarna med. En självständig inlärningsprocess kan leda till helt nya tillvägagångssätt. Ett sådant system "kan se runt hörnet", vilket en mänsklig förare inte kan. Detta resulterar i helt nya säkerhetskoncept där etik implementeras i tekniken. Men självklart behövs även lagar och regler som sätter ramarna för vad som är möjligt att göra.

Vilka skillnader ser du mellan Tyskland och Sverige angående hur man tar sig an och hur man använder AI?

Under 2017 arbetade jag med att bygga upp Volvo Cars AI-tankesmedja i Göteborg. Då la jag märke till framförallt tre viktiga skillnader mellan dessa två framgångsrika och annars rätt så lika ingenjörsnationer:

I Sverige hanterar man data på ett mycket mer avslappnat sätt. Alla har ett personnummer under vilket alla möjliga personliga uppgifter sparas, till exempel vårddata, data om utbildning, bostads- och ägandeförhållanden men även digitala prenumerationer på mobilen och liknande. Genom detta personnummer kan olika data kopplas ihop för att skapa individuella profiler – något man i princip alltid har kunnat göra. Att använda data på det sättet skulle i Tyskland leda till diskussioner om personlig integritet.

Sedan skiljer man sig befolkningsmässigt: Tyskland har runt 80 miljoner invånare, Sverige bara drygt 10 miljoner. Detta storleksförhållande återspeglas även i industrin. Volvo Cars är mindre än VW eller Daimler. Tyskland är en av de ledande industrinationerna och den tyska ingenjörskonsten är världsberömd. Detta har lett till att Tyskland historiskt sett ofta kunnat sätta standarder – och även fortsättningsvis förväntas göra det, vilket leder till att man är mindre flexibel. Sverige däremot vet att man inte kan dominera rent storleksmässigt. Istället måste man ta innovativa marknadsgrepp och konsekvent köra på dem. Och så är man tvungen att satsa på ny teknik enligt mottot ”inte störst men först”. Flexibilitet hör till Sveriges DNA vilket har bidragit till att Sverige kommit mycket längre än Tyskland när det gäller digitalisering.

Dessutom är man i Sverige sällan rädd för förändring, varken på ett personligt plan eller företagsmässigt. Förändring anses vara en möjlighet att använda de frigjorda resurserna för något nytt. Till exempel är det en självklarhet att regelbundet byta jobb eller arbetsuppgifter. Det finns också ett utmärkt utbildnings- och välfärdssystem. Inom detta har Tyskland en del att jobba med och företag kan bidra till den utvecklingen. På Deutsche Bahn arbetar vi aktivt med att förbereda våra anställda för den nya jobbvärlden så att de är öppna för förändringar och ser positivt på dessa.

Var börjar man som företag om man vill satsa på AI i framtiden?

Teknologiska och digitala innovationer finns det gott om. Företag måste kunna utvärdera vilka innovationer som är relevanta för deras verksamhet och bygga upp kompetens inom områden som AI och dataanalys. En annan viktig faktor är företagskulturen. Företag måste vara öppna för att bryta gamla mönster och tänka utanför boxen för att inte hamna på efterkälken.

På Deutsche Bahn tar vi alla chanser som digitaliseringen ger oss för att utveckla nya affärsmodeller kring vår kärnverksamhet, järnvägen, och hela tiden bli bättre. Till exempel stöttar vi utvalda startups vars innovationer kan vara nyckeln till framtidens mobilitet och logistik. Samverkan med universitet och andra forskningsinstitut är en annan stor möjlighet eftersom det där ofta skapas kunskap som ännu inte finns i näringslivet. Och slutligen måste man även medge att vissa andra nationer har ett försprång, till exempel USA och Kina, men även Israel när det gäller Cyber Security och Sydkorea inom robotik. Internationella nätverk är därför viktiga att vårda. Detta är man duktig på i Sverige – dels tack vare den kulturella öppenheten, dels för att de flesta svenskar även pratar engelska.

I Deutsche Bahns koncernledning ansvarar du för digitalisering och teknik. Hur är Deutsche Bahn positionerat när det gäller digitalisering? Och var ser du den största potentialen inom koncernen?

Ny teknik, framförallt AI, är den största hävstången vi någonsin har haft för att ytterligare förbättra de centrala fördelarna med tågtrafik – ett trafiksystem med hög kapacitet, hög tillförlitlighet och oslagbart låg energiförbrukning samt miljöavtryck – och därmed lösa dagens transportutmaningar inom en snar framtid.

På Deutsche Bahn har det hänt mycket under senare år. Projekt har lanserats, nya enheter har grundats och innovationer har tagits i drift i både spår- och vägtrafik. Exempel på det är Tysklands första självkörande buss på allmän väg, automatisk bildigenkänning, till exempel av snö på perronger eller skador på ICE-tågens strömavtagare, och sensorer på järnvägsväxlar som signalerar när det är dags för underhåll, en innovation som används allt mer. Mer kapacitet utan att bygga nytt var inte tänkbart i den gamla världen. Men med AI kan tågen i framtiden köra mycket tätare inpå varandra eftersom de som ligger bakom i realtid får veta när det framför bromsar. Upp till 20 procent mer kapacitet och tusentals fler tåg per dag kan vi få ut i trafik på så sätt – kärnan i vårt program Digital Rail for Germany.