Input

B(u)ildung 4.0: Algorithmen als Produktionsfaktor (Kap. 3.1)

Das Internet und die digitalen Technologien wurden zum philosophischen Engineering. Die Physik und das weltweite Netz befassen sich beide mit Verbindungsmöglichkeiten zwischen dem Großen und Kleinen. Physiker analysieren Systeme. Web-Wissenschaftler schaffen neue Systeme in immer kürzeren Abständen. Blogs, Wiki, MSP, CPS, jede Woche gibt‘s neue Formen der Information und Kommunikation und wir sind erst am Anfang.

- (Berners-Lee 2006)

DIE TECHNOLOGISCHE REPRODUZIERBARKEIT DES WISSENS

Die technologische Reproduzierbarkeit des Wissens begann mit Gutenberg. Doch die digitalen Technologien reproduzieren bestehendes Wissen in neuen, unbekannten Dimensionen, weil sie dafür neue Galaxien und viele neue Sprachen erfunden haben, die global verstanden werden.

Es ist wie bei jedem Gedicht: Es geht um mehr als nur die Worte. Es geht um den zeitlichen Kontext, um die Position und Ansichten des Autors oder der Autorin und um die Frage, welchen Fußabdruck der Text in unserer Gesellschaft hinterlassen hat.

- (Geuter 2015)

Die Gutenberg-Galaxie, die Marshall McLuhan 1962 beschrieb, war damals ebenso visionär wie seine Vorstellung vom “globalen Dorf” (McLuhan 2011). Doch McLuhan war kein Utopist, sondern dachte einfach die Zeitläufte weiter. Damals, im Jahr 1962, wurde der erste DRAM (Dynamic Random Access Memory) der Öffentlichkeit vorgestellt. Die Hardware der digitalen Revolution war auf dem Weg und die Software begleitete sie Schritt für Schritt.

Die Algorithmen bauten die Brücke von der Hardware zur Software und ermöglichten die Interoperabilität. Die Mathematik schuf wieder einmal den Push & Pull Effekt wie im 18. Jahrhundert, dem Zeitalter der Mathematiker, als Leonard Euler neue Perspektiven für die Wissenschaft entwickelte und Gauss viele technologische Möglichkeiten der Zukunft voraus dachte. Ohne sie und viele andere Mathematiker*innen wären die Technologien der zweiten industriellen Revolution nicht möglich gewesen. Algorithmen sind nicht doof, weil sie uns beim Surfen immer daran erinnern, wo wir schon einmal waren (Lobe 2016).

Auch ihre Verwendung und ihr Missbrauch für Werbe- und Überwachungsstrategien ändert nichts an der Tatsache, dass sie den Webverkehr nicht nur linear, sondern auch exponentiell beschleunigen und steigern.

Ohne die Mathematik wäre das nicht möglich gewesen. Die Mathematik ist in ihrem Wesen grenzübergreifend. Ihre Sprache ist universell und bietet den nachfolgenden Generationen eine gemeinsame Grundlage und offene Anknüpfungspunkte. Darum ist sie auch die Grundsprache der digitalen Technologien.

Mit der Explosion der Rechner-Technologien hätten die Bildungssysteme weltweit schnell das Interesse der Lernenden auf die neuen Möglichkeiten lenken sollen. Algorithmen lesen ist ein Kinderspiel. Die IT-Geeks und Entwickler*innen waren keine bahnbrechenden Mathematiker*innen. Sie experimentierten lediglich mit den vorhandenen Möglichkeiten, knüpften an dem Euklid-Algorithmus an, entdeckten schnell die Verbindungsmöglichkeiten zu den neuen Technologien – den Halbleitern, Mikroprozessoren, dem Internet.

Aus dem unkomplizierten und spielerischen Umgang mit der Mathematik entstanden in kurzen Abständen disruptive Anwendungen, kreative Geschäftsmodelle, technologische Innovationen. Zuerst entwickelten sie Computer-Games, Suchmaschinen, später Multi Sided Platforms, das gesamte WEB 2.0 mit den Business 2.0 Modellen und machten die Hardware (3D-Drucker) zur Software der vierten industriellen Revolution. Algorithmen-Denken wurde zum Rückgrat des berühmten “Think Different” von Steve Jobs’.

In Zeiten der technologischen Reproduzierbarkeit des Wissens erleichtert das Verständnis der Algorithmen also ganzheitliches Denken, schnelle Verknüpfungen (im Kopf) von Daten zu aktivem Wissen. Dabei reicht es schon, sie grundlegend lesen zu können, denn das ist Teil der Digital Literacy. Es geht darum, die Welt in vernetzten Strukturen denken zu lernen – mit allen gesellschaftlichen Implikationen. Theoretisch kann das jedeR grob lernen – vorausgesetzt man ist kein Mathematik-Muffel, wie leider viele deutsche (Ex-)Schüler*innen (DPA 2016), und fähig wie willens, neue Sprachen zu lernen.

Wie ein Computer geht man die DNA des Algorithmus Schritt für Schritt durch und vollzieht seine Arbeitsweise nach.

- (Geuter 2015)

Allerdings stösst diese Empfehlung spätestens beim Machine Learning und Deep Learning an ihre Grenzen. Hier können selbst Computer-Nerds und -Profis die tiefen Rechen-Operationen und algorithmischen Funktionen nicht mehr nachvollziehen, was zum einen Elon Musk dazu brachte, vor den unvorhersehbaren Folgen der KI zu warnen (Holland 2017) und zum anderen dazu führt, dass nunmehr ehemalige (If this than that)-Programmierer*innen mühsam umschulen müssen zu ins Ungewisse hinein denkenden Gestalter*innen von offenen Frameworks (Levy 2016).

Programmieren als Schulfach könnte somit genau das Gegenteil dessen bewirken, was im 21. Jahrhundert erforderlich ist. So ruft auch das Silicon Valley verstärkt nach Studierenden der Liberal Arts, da diese transformativer denken könnten als linear denkende Digitalist*innen (Anders 2015) .

Auszug aus unserem sich in der Endredaktion befindenden neuen Buches. Coming soon!

facebooktwittergoogle_pluspinterestlinkedinmail

Leave a Comment

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.