Sources/Lexikon/Computer
Egal, wo sie später arbeiten.
Ungefähr so wird Ihr Arbeitsplatz aussehen:
Für Unternehmen bedeutet Produktivität heute, Wege für eine effiziente Interaktion zwischen Mitarbeitern und Computer zu bereiten. Mehr noch, Unternehmen suchen Wege, nach denen Mensch und Computer einander „seamless“ ergänzen: der Mensch bringt seine Kreativität ein, der Computer seine Daten und Rechenleistung.
So hat der Schachcomputer Deep Blue zwar Garri Kasparow im Schach geschlagen, aber bei einem späteren „free-style“ Schach-Turnier besiegten zwei Amateure mit drei Schachcomputern wiederum ein Feld aus Großmeistern und Schachcomputern (→ The cyborg-chess-players).
Chancen und Risiken
Computer können Menschen beim Beherrschen von Komplexität helfen.
Unternehmen können damit komplexere Produkte anbieten und den Mehrwert Ihrer Produkte durch bessere Abstimmung mit dem jeweiligen Kundennutzen erhöhen. Mitarbeiter werden von Routine-Aufgaben entlastet. Und übernehmen es statt dessen, Beziehungen herzustellen: sie bringen Informationen, Fakten, Konzepte in neuen, originären Variationen zusammen.
Für die Menschen in diesen Unternehmen heißt das:
- die homogenen Wissens- und Qualifizierungswege traditioneller Bildungskonzepte – vorgegeben durch starre Curricula - verlieren an Wert;
- die individuelle, selbstorganisierte und kreative Lösungskompetenz, die den strategischen Unternehmenszielen folgen, ist gefragt.
Dieses neue Anforderungsprofil macht unser Leben um einiges komplizierter.
Und anstrengender.
Und weniger durchschaubar.
Denn "Lösungskompetenz" erfordert mehr als "Wissen". Es erfordert ein übergeordnetes Verständnis für das Konzept des jeweiligen Wissens. Für Ingenieure heißt das: es reicht nicht mehr, eine Formel richtig anzuwenden. Gefordert ist die Einordnung der Formel in ein Wertesystem, bei dem Relevanz und zulässiger Anwendungsbereich deutlich werden.
Ein konkretes Beispiel:
| Wissen | Kompetenz | |
|---|---|---|
|
... ist charakterisiert durch die Fähigkeit, Gelerntes anwenden zu können: Sie "wissen", welche Formel Sie für die Knicklast F* eines Stabes unter den klassischen Randbedingungen verwenden müssen und welche Größen in die Rechnung eingehen:
Und Sie können das richtige Ergebnis angeben. | 
|
... ist charakterisiert durch die Fähigkeit, dieses Wissen in Bedeutungs-Zusammenhänge zu stellen: Sie können Knicken als Phänomen einordnen, bei dem im Gegensatz zur "üblichen" Mechanik aus den Modulen der Technischen Mechanik 1-3
|
Wissen führt also für Unternehmen zu schnellen, verlässlichen Ergebnissen. Es ist unbrauchbar, wenn das Problem in anderer Form kommt, als gewohnt.
Kompetenz erlaubt die Einordnung des Problem in einen Bedeutungs-Zusammenhang: welche Herangehensweise an ein Problem ist richtig? Unmittelbar führt sie nicht zu Rechen-Ergebnissen.
Ein Beispiel weiter unten zeigt, wieso der Unterschied für Unternehmen zählt.
Im Fall des Wissens- und/oder Kompetenz-Erwerbs ist klar: jeder Mensch muss in seiner lebenslangen Berufsqualifikation entscheiden, welchen Schwerpunkt sie oder er setzt. Denn: Kompetenzen zu erwerben erfordert mehr Energie, als das Lernen von Wissen. Es macht das Lernen komplexer und anstrengender. Dabei ist unsere Lebensenergie endlich. Wir müssen entscheiden, was wir neu lernen wollen und was nicht.
Wir haben die Wahl - oder - wir müssen wählen.
Keine Wahl haben wir, wenn der Computer in andere Bereiche unseres Lebens eingreift: Ob wir bei einem Unternehmen eingestellt werden oder unseren Job verlieren, ob unsere Ideen am Markt erfolgreich sein können oder welche Spieler in den Kader der Fußball-Nationalmannschaft aufgenommen werden - das entscheiden zu einem immer größeren Maß Computerprogramme (→ O'Neil 2016). Was in der Welt geschieht wird - nicht nur durch Computer - undurchschaubarer und dem eigenen Handeln immer mehr entzogen.
Damit unser Gehirn unter diesen Umständen noch funktionieren kann, muss es die Komplexität der auf es einstürmenden Eindrücke und Anforderungen reduzieren. Zum Beispiel, indem wir den Kopf in den Sand stecken (→ Hüther 2018): wir verdrängen, lenken uns ab, regen uns künstlich auf oder wir tauchen einfach in virtuelle Welten ab.
Und davon können wir krank werden:
Denn eine erlittene Enttäuschung können wir mit einer Flasche Wein für den Abend verdrängen - oder jeden Abend eine Flasche Wein trinken und zum Alkoholiker werden.
Wir können uns nach dem Job mal mit YouTube-Videos ablenken oder in jeder unbeaufsichtigten Minute im Netz abtauchen und den Kontakt mit unserer Umwelt verlieren.
Computer bergen Risiken und Chance, die gerade in diesem Jahrzehnt deutlich hervortreten.
Auf dem Weg vom Wissen zur Kompetenz
Wenn es stimmt, dass unser Erfolg im Erwerbsleben in steigendem Maß auf unserer Kreativität, Fantasie und Orginalität beruht, dann müssen wir das für uns Ingenieure übersetzten.
Was das für Ingenieure bedeutet, versuche ich an einem konkreten Beispiel zu zeigen:
Ihre fiktive Firma baut Stretch-Limousinen. Bei Ihrem neuesten Produkt – einer Smart-Stretch-Version– krumpelt das Blech in der Dachmitte.
Wo kommen die Beulen her? Ein Kollege erzählt Ihnen irgendetwas mit Knicken.
| Wissensdimension | Kompetenzdimension |
|---|---|
|
Im Unterricht zu TM-2 haben Sie die Euler‘schen Knickfälle gelernt. Allerdings ist hier nicht klar, was das Dach mit einem Stab zu tun hat und was E, I, ℓE und F in diesem Problem sind. Ihr Finite Elemente-Modell des Problems zeigt Druckspannungen im Dach, die weit unterhalb von den zulässigen Vergleichsspannung liegen. Sie brauchen jemand, der das Problem für sie löst. Der Wert Ihres konkreten Wissens für das Unternehmen ist gering. |
Sie erinnern sich, dass Knicken zu einer Theorie gehört, bei der man das Gleichgewicht am verformten System ansetzt (Finite Strain Theory). Sie erinnern sich, dass klassische Finite Elemente-Modelle als Standard das Gleichgewicht am unverformten System ansetzen (das ist die Infinite Strain Theory). Also müssen Sie bei Ihrem FE-Modell für die Smart-Stretch-Version nach „Finite Strain Theory“ oder "Geometric Nonlinearity" suchen – und mit dieser Option neu rechnen. Sie wissen aber auch, dass Sie damit ein nichtlineares Problem lösen müssen. Sie können berücksichtigen, dass der Lösungsaufwand dramatisch ansteigen wird (Stunden oder Tage statt Minuten) und Sie bei der Lösung nach einer numerischen Verzweigung in den ausgeknickten Zustand suchen müssen. Sie wissen, wie Sie Ihr Problem lösen können und die Komplexität der Lösung einschätzen. Der Wert Ihrer Kompetenz für das Unternehmen ist hoch. |
Computer in Aufgaben zur Technischen Mechanik einsetzen
"Computer" hießen in den USA bis in die 70er Jahre hinein Menschen, die vorgegebene mathematische Rechnungen durchführten. Der Film "Hidden Figures" zeigt die Arbeit von drei Frauen - Colored Computers - bei der NASA. Mit diesen Frauen - und einem der ersten IBM-Mainframe Computer - kommt Bewegung in die tradierte Welt der männlichen Ingenieure. Die drei Frauen schaffen es, gegebene Konzepte und Informationen zu neuen, kreativen Lösungen zu verknüpfen. Hier der zentrale Film-Clip, der mit der Aufforderung "Let's Type it up" endet.
Was hier medial aufbereitet daherkommt,, ist typisch für Innovationen - besonders im Umfeld des Computers. Neue Erkenntnisse brauchen einen Nährboden aus vielen Zutaten, z.B. einer neuer Technologie, den richten Menschen und ihren Kompetenzen sowie dem passenden Umfeld.
Ingenieure waren es also zuerst, die sich mit Hilfe des Computers unliebsamer Routine-Rechenaufgaben - wie den folgenden - entledigen wollten.
Lineare Gleichungssysteme
Konrad Zuse war einer der ersten, der sich nicht mehr selbst mit dem Lösen von Linearen Gleichungssystemen abplagen wollte. Als Konstrukteur und Statiker bei einem Berliner Flugzeugbauer verbrachte er typischer Weise einen ganzen Tag mit dem Lösen eines Gleichungssystems mit 6 Unbekannten. Bei 25 Unbekannnten konnte es bis zu einem Jahr dauern!
Sein Computer Z3 - gebaut 1941 in der Wohnung seiner Mutter und mit alten Relais der "Post" - konnte Gleichungssysteme maschinell lösen - hat aber den Nährboden für eine Kommerzialisierung im Nachkriegs-Deutschland nie gefunden.
Trotzdem: sein Computer markiert die Schwelle zur Digitalisierung unserer Arbeit als Ingenieure. In Ihrem Studium stehen Sie zwischen den Modulen der Technischen Mechanik 1, 2 und 3 einerseits und diesem Modul "mit Computer" auf eben dieser Schwelle. In den ersteren Modulen lehren wir und lernen sie ausschließlich Inhalte und Methoden für die Lösung per Hand wie vor 1941.
Besonders deutlich wird das bei Stabwerken, die mit Ritter-Schnitt und Knotenpunktverfahren auf eine direkte Lösung auf dem Papier ausgelegt sind. Aber auch bei vielen anderen Aufgaben geht es immer darum, mit einem "Kniff" die rechnerische Lösung auf dem Papier zu verfolgen.
Hier, in der Technischen Mechanik mit Computer, fragt niemand danach, wie Sie eine Gleichung lösen - nur danach, wie Sie z.B. ein lineares Gleichungssystem
in den Rechner hineinbekommen. Und dieser Trend bestimmt unseren Alltag seither. Kein Unternehmen bezahlt Sie mehr einen Tag lang dafür, gemütlich ein Gleichungssystem in 6 Unbekannten zu lösen. Maschinen und Computer nehmen uns Arbeit ab - ob Geschirrspülmaschine oder Robo-Rasenmäher - und machen unseren Kopf frei für anspruchsvollere und komplexere Aufgaben. Davon gibt es dann allerdings so viel, dass uns auch mal der Kopf raucht.
Wenn Sie also jemand treffen, der Abspülen oder Autofahren gern macht - dann verstehen Sie vielleicht jetzt besser, woher das kommt.
Anfangswertprobleme
In den USA fielen die ersten Versuche mit dem Computer auf einen fruchtbareren Nährboden, als in Deutschland. Neben der Lösung von linearen Gleichungssystemen ging es während und nach dem 2. Weltkrieg vor allem um die Berechnung von Flugbahnen für Artillerie-Geschosse - und später Raumkapseln. Hier zogen das Militär, Wirtschaft und die Hochschulen an einem Strang, um Anfangswertprobleme
schnell und zuverlässig zu lösen. Und bereiteten damit dem Computer den Weg zur "Commodity", zum Massenprodukt.
Computer und Demokratie
Computer öffneten das Tor zur Welt der großen Daten und der Datenverarbeitung - aber zunächst nicht für alle.
Computer-Hardware waren - bis zur Einführung von "Personal Computern" - extrem teure Maschinen, auf denen das Militär und die Groß-Industrie in den USA ihren Daumen hielten. Wenigen ausgewählten Universitäten und Instituten war es möglich, sie zu benutzen. Paul Allan und Bill Gates machten Ihre ersten Schritte im Programmieren auf einem Großrechner der General Electric, auf denen der "Lakeside Mothers Club" Rechenzeit zu sündhaft teuren 4,80 $/Minute erstanden hatte. Gerade in den USA der Hippie und Anti-Kriegsbewegung in den 1970er Jahren wurde der PC deshalb als Symbol des individuellen Ausdrucks und der Befreiung gesehen. Zusammen mit dem "Netz" und dem "World Wide Web" machte es Wissen für alle verfügbar, jeder konnte sich am weltweiten (zunächst nur in den USA) Austausch von Meinungen, Informationen und Daten beteiligen.
Computer-Software macht diese Entwicklung noch pointierter sichtbar. Menschen wie Bill Gates und Steve Jobs verkauften gute Software für gutes Geld - viel gutes Geld. Für Menschen wie Richard Stallman (GNU, Copyleft), Linus Torwaldsen (Linux) und Tim Berners-Lee (WWW) dagegen war es wichtig, möglichst viele Menschen in das Programmieren guter Software einzubinden. Sie alle sollten die Software nutzen, einsehen und verändern können. Die Nutzer sollten ihre Software selbst besser machen.
Und dabei war es bei weitem noch nicht absehbar, dass Hardware zur austauschbaren Handelsware werden sollte - und dagegen Software wie Betriebssystem und Anwenderprogramme das werthalte Element bilden sollten.
Innovationen in Soft- und Hardware kamen dabei nicht immer von den Unternehmen, die sie erfunden haben. So kamen die Grundlagen für MS-DOS nicht von Allan und Gates, sondern aus einem Müllcontainer der C3, in dem die Ingenieure eine Kopie des Quellcodes von TOPS-10, dem Betriebssystem des DEC-Computers PDP-10, entsorgt hatten. "Allan machte die Räuberleiter für Gates, der sprang in den Container und wühlte zwischen Kaffeefiltern und Müll nach den verfleckten und zerknitterten Ziehharmonikastapeln der Ausdrucke" (vgl. [Isaacson 2014]).
Und die Idee einer grafischen Benutzeroberfläche, Rastergrafik, einer Maus und vielem mehr kam nicht vom Team Steve Jobs / Steve Wozniak, sondern den Ingenieuren von XEROX PARC. Steve Jobs rief den Ingenieuren dort verzückt zu: "Ihr sitzt hier auf einer Goldmine. Ich weigere mich zu glauben, dass XEROX daraus nichts macht". Also macht er etwas daraus. Mit seinem genialen Gespür für das Einfache und Simple. So hatte seine Maus eine Taste - und nicht sechs, wie der Prototyp von XEROX.
Computer und Gender
Die erste Riege der Computer-Erfinder hatten als Kinder durchgängig mit Chemie-Baukästen experimentiert oder sie waren von ihren Vätern zum Hobby-Funken gekommen. Und es waren fast ausschließlich Männer. Solange es beim Computer hauptsächlich um Hardware ging, spielten in den USA der 1950er und 1960er Jahre Frauen keine Rolle.
Die Software jedoch war zunächst die Sphäre der Frauen. So schriebt Walter Isaacson über Jean Jennings, Programmiererin des ENIAC Computers:
aus [Isaacson 2014]
Jennings bekam damals eine Anstellung auf eine Stellenanzeige mit folgendem Inhalt:
| ⚠ Stellenausschreibung: |
| Gesucht: Frauen mit einem Abschluss in Mathematik .... Wo früher Männer bevorzugt eingestellt wurden, haben nun auch Frauen die Chance, wissenschaftliche und technische Berufe zu ergreifen. Es ist an der Zeit, eine Stellung im Bereich Wissenschaft und Technik in Betracht zu ziehen. Sie werden feststellen, dass dort wie anderswo das Motto gilt: >>Frauen gesucht<<. |
Es waren also vor allem Frauen mit einer guten Mathematik-Ausbildung, die die Entwicklung der ersten Programmiersprachen wie z.B. von COBOL und FORTRAN prägten.
Und der erste Mensch, der die Bedeutung von Algorithmen für Rechenmaschinen erkannte, war eine Frau mit einer ausgezeichneten Mathematik-Ausbildung - im Windschatten eines Ingenieurs: Ada Countess of Lovelace. Sie beschrieb 1843 in den "Erläuterungen" zur "Analytischen Maschine" von Charles Babbage die zentralen Konzepte zukünftiger Computer, insbesondere der Programmierbarkeit und Umprogrammierbarkeit. Ihr zu Ehren nannte Konrad Zuse seine Programmiersprache auf dem Z3 "Ada" (vgl. "Die Frau, für die ich den Computer erfand", [Delius 2011]). Künstliche Intelligenz traute sie einer Rechenmaschine nicht zu:
"The Analytical Engine has no pretensions whatever to originate anything."
Alan Turing, der große Mathematiker und Computer-Pionier, argumentierte 100 Jahre später dagegen. Er referenzierte Ihre Aussage als Lady Lovelace's Objection.
Dass Frauen die Entwicklung von Software prägten blieb so, bis mit Bill Gates klar wurde, dass sich mit Software mehr Geld verdienen lässt, als mit Hardware.