“Les Horribles Cernettes”: Die vier Damen des ersten Internet-Fotos
Einst gab es eine Frauen-Band namens "Les Horribles Cernettes" am Kernforschungszentrum CERN nahe Genf. Sie erlangte - vor allem in der Physik-Szene - durch ihre Texte Berühmtheit, indem sie über Anti-Materie oder Quarks sang. Weltweit bekannt sind die Mitglieder heute aufgrund eines einfachen Fotos vor einem Auftritt.
Wir schreiben das Jahr 1992. Tim Berners-Lee steckt seine ganze Energie in die Arbeit am WWW-Protokoll. Seine Idee zu miteinander verlinkten Seiten turtelte bereits seit einem Jahr durch die Developer-Szene – viel mehr war nicht bekannt. Am 18. Juli des selben Jahres und mitten in seiner Arbeit am Internet sollte es zu etwas Geschichtsträchtigem kommen – das wie eine plötzlichen Laune eines Wissenschaftlers anmutet und die Geschichte von einer vierköpfigen Frauenband namens “Les Horribles Cernettes” erzählt. Es geht um den ersten Upload eines Fotos im Internet.
Die Beziehungsprobleme zweier CERN-Mitarbeiter
Am besten lässt sich die Entstehungsgeschichte in zwei Ebenen aufrollen. Einerseits gab es vier Wissenschaftlerinnen am Kernforschungszentrum CERN namens Michele Muller, Lynn Veronneau, Angela Higney, and Colette Reilly. Muller, ein ehemaliges britisches Model und Schauspielerin, die als 3D-Grafikdesigner für ein Virtual-Reality-Projekt am CERN arbeitete, war mit dem ebenfalls dort beschäftigten Informatiker Silvano de Gennaro zusammen und frustriert über die scheinbar endlosen Arbeitszeiten ihres Freundes. Doch dort, wo es in anderer Beziehungen zu Streit und Missgunst kommt, war bei den beiden Forschern eine andere Art von Problem-Umgang gegeben.
Die Geliebte eines Wissenschaftlers
Muller setzte all ihre Frustrationen in ein Lied ein und bat ihren Freund de Gennaro, Musik zu schreiben, die sie beim CERN Hardronic-Festival aufführen würde. So wurde das Lied “Collider” geboren und gilt heute als eine humorvolle Hommage an die einsamen Nächte und ewigen Beziehungs-Gefahren einer Geliebten eines Wissenschaftlers.
“Les Horribles Cernettes” mit “Collider”
Das Lied wurde in der Szene zum Hit, was Muller dazu brachte, ihre Freundinnen zu rekrutieren und “Les Horribles Cernettes” zu gründen – eine Band, die sich die einzige “High Energy Rock Band” nannte und Liebeslieder über Collider, Quarks, flüssigen Stickstoff, Mikrowellen und Anti-Materie sang. Fun Fact: Silvano de Genaro verpasste den ersten Auftritt seiner Freundin, da er Dienst hatte.
Das gewünschte Album-Cover
Nach dem Hardronic-Festival folgten weitere Auftritte. Eines Tages befanden sich die “Les Horribles Cernettes” mitten in den Vorbereitungen zu einem Konzert hinter der Bühne, als de Genaro plötzlich mit einer Kamera auftauchte. Und für ein Album-Cover ein Foto schoss. Später saß der Wissenschaftler an der Bildbearbeitung, als der Erfinder des World Wide Web, Tim Berners-Lee, dessen Büro betrat.
Jener sah das Foto und riet seinem Kollegen doch eine Webseite für die Band zu erstellen. Der Software-Spezialist hatte jedoch noch keine genaue Vorstellung vom Web und so kam es, dass Berners-Lee aus speziell dieses Foto anforderte. Er hatte beschlossen eine Seite für alle sozialen Aktivitäten rund um CERN zu erstellen und das Foto der “Les Horribles Cernettes” auf einer Unterseite für den Musikklub hochzuladen.
Das Bild soll Berichten nach 120 x 50 Pixel groß gewesen sein (Größe einer Briefmarke) und rund eine Minute gebraucht haben, um sich für den klickenden User auf dem Bildschirm zu laden. Es gilt heute als das erste Foto, das das Netz belebte, wie de Genaro damals öfter erwähnte. Und obwohl es allgemein als “das erste ins Internet hochgeladene Bildnis” bezeichnet wird, muss man hier etwas differenzieren.
Mit “Les Horribles Cernettes” etwas “Entertainment” ins Netz bringen
Detailverliebte wissen, dass das Internet bereits vor dem Web existierte und für Wissenschaftler entwickelt worden war, um Daten auszutauschen. Dieser Datentransfer beinhielt wissenschaftliche Bilder. Der Schnappschuss der vier Frauen bleibt jedoch das erste “nicht technische Foto”, das einen Upload durchlief. Eines, das nur des Spaßes wegen den Weg ins Web fand.
Berners-Lee spielte zu dem Zeitpunkt bereits mit der Idee, dass dass Web mehr als nur eine Austausch physikalischer Daten sein sollte. Er wollte “Entertainment” ins Netz bringen. Und hat damit eine neue Ebene des Webs eröffnet, die bis dato von einer arbeitstechnischen und wissenschaftlichen überdeckt war.
Es gibt sie wieder
Bis zu ihrem vorerst letzten Auftritt 2012 wechselten die Mitglieder des Band öfters. Endgültig aufgelöst wurde sie, als Muller und de Genaro Genf verließen und umzogen. Fünf Jahre später kehrten die Original-Mitglieder jedoch zurück und trugen zum 25-jährigem Jubiläum des Foto-Upload unter anderem ihren großen Hit vor, der heute als inoffizielle CERN-Hymne gilt. Seitdem sind “Les Horribles Cernettes” wieder aktiv und haben 2020 passend zur Situation ein neues Lied herausgebracht. Der Name: “The Lockdown Song“.
Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”
Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
Open Source und KI: “Es geht nicht darum, zu den Guten zu gehören”
Nachlese. Die Nutzung von Open-Source-Modellen eröffnet Unternehmen auch im KI-Bereich weitreichende Möglichkeiten. Es gibt dabei aber auch einiges zu bedenken. Darüber und mehr diskutierten in Folge 5 von "No Hype KI" Stephan Kraft von Red Hat, Florian Böttcher von CANCOM Austria, Natalie Ségur-Cabanac von Women in AI und Patrick Ratheiser von Leftshift.One.
Kollaborativ, transparent, frei zugänglich und nicht profit-orientiert – mit Open-Source-Software wird eine Reihe von Eigenschaften assoziiert. Und oftmals stehen bei der Nutzung ethische Überlegungen im Zentrum. Dabei gibt es auch ganz praktische Gründe, die für eine Verwendung durch Unternehmen sprechen – auch bei der Implementierung von KI-Anwendungen, ist Stephan Kraft, Community Advocate & Business Development OpenShift & Application Services bei Red Hat, überzeugt. In Folge fünf der Serie “No Hype KI” diskutierte er dieses und weitere Themen mit Florian Böttcher, Solution Architect bei CANCOM Austria, Natalie Ségur-Cabanac, Policy Lead bei Women in AI und Patrick Ratheiser, Gründer & CEO von Leftshift.One.
“Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”
“Ich will das Thema ein Stück weit aus dieser emotionalen, moralisierenden Ecke herausholen”, sagt Stephan Kraft. Für Red Hat als weltweit führenden Anbieter für Open-Source-Lösungen für Unternehmen gehen die Argumente für eine Nutzung nämlich weit darüber hinaus. “Es geht nicht darum, Open Source als Selbstzweck zu sehen, um zu den Guten zu gehören”, so der Experte. Tatsächlich sei die Verwendung von Open Source gerade bei der Etablierung von KI im Unternehmen für Startups und KMU eine wichtige Weichenstellung.
Offenheit, um Diskriminierung entgegenzuwirken
Auch Natalie Ségur-Cabanac sieht Open Source als “Key Technology” im KI-Bereich. Für “Women in AI” spiele die Offenheit eine zentrale Rolle: “Diese Offenheit braucht es, um Diskriminierung entgegenzuwirken.” Open Source verbessere den Zugang für Frauen zur Technologie, die Abbildung von Frauen in den Daten und es vergrößere die Möglichkeiten in der Forschung. Man müsse aber auch aufpassen, ob Software wirklich so offen sei, wie behauptet, sagt sie bezogen auf die aktuellen Diskussionen rund um OpenAI, das sich – ursprünglich als offenes Projekt gestartet – zum profitorientierten Unternehmen entwickelte. Es brauche auch eine klare Definition, was “open” sei.
Masse an Möglichkeiten
Leftshift.One-Gründer Patrick Ratheiser betont auch die schiere Masse an Möglichkeiten, die Open Source bietet. “2021 hatten wir weltweit Zugriff auf circa 5.000 Open-Source-Modelle. Jetzt sind es bereits mehr als eine Million.” Die Nutzbarkeit sei also klar gegeben, zudem biete die Technologie eine gewisse Unabhängigkeit und werde über ihre Vielfalt zum Innovationstreiber.
Ist Open Source immer die beste Lösung?
Doch bedeutet das, dass Open Source immer die optimale Lösung ist? Ratheiser sieht das differenziert: “Es ist ganz wichtig zu erkennen, was der Kunde braucht und was in dem Fall gerade notwendig ist. Egal, ob es nun On-Premise, in der Cloud, Open Source oder Closed Source ist.” Florian Böttcher von CANCOM Austria pflichtet hier bei: “Wir setzen genau so auf hybrid.”
Datenstruktur im Hintergrund ist entscheidend
Ein Thema, bei dem bei Open Source Vorsicht geboten ist, spricht Natalie Ségur-Cabanac an. Besonders wichtig sei es bei KI-Anwendungen, eine gute Datenstruktur im Hintergrund zu haben. “Die Verantwortung, dass ein Modell mit sauberen Daten trainiert worden ist, liegt bei den Anbietern. Bei Open Source verschwimmt das ein bisschen. Wer ist wofür zuständig? Das ist eine Herausforderung für die Compliance zu schauen, wo man selbst verantwortlich ist und wo man sich auf einen Anbieter verlassen kann.”
Compliance: Großes Thema – mehr Sichereheit mit professioneller Unterstützung
Stephan Kraft hakt hier ein. Genau aus solchen Gründen gebe es Unternehmen wie Red Hat, die mit ihrem Enterprise-Support für Open-Source-Lösungen die Qualitätssicherung auch im rechtlichen Bereich übernehmen. “Das ist ein ganz wichtiger Teil unseres Versprechens gegenüber Kunden”, so Kraft. Unbedacht im Unternehmen mit Open Source zu arbeiten, könne dagegen in “Compliance-Fallen” führen, pflichtet er Ségur-Cabanac bei.
Das sieht auch Patrick Ratheiser als Thema bei Leftshift.One: “Unsere Lösung ist Closed Source, wir setzen aber im Hintergrund Open Source ein. Wichtig ist, dass wir dem Kunden Compliance garantieren können.” Stephan Kraft empfiehlt Unternehmen bei der Open-Source-Nutzung: “Man kann nicht immer gleich die neueste ‘bleeding edge’-Lösung nehmen sondern sollte etwas konservativer herangehen.”
Infrastruktur: Gut planen, was man wirklich braucht
Unabhängig davon, ob man nun Open Source oder Closed Source nutzt, braucht es für die Nutzung von KI die richtige Infrastruktur. “Es kommt natürlich auf den Use Case an, den ein Unternehmen umsetzen will. Da sind die Anforderungen an die Infrastruktur sehr unterschiedlich”, grenzt Florian Böttcher ein. CANCOM Austria unterstützt seine Kunden in genau der Frage. Anwendungen wie das Training von KI-Modellen würde aus gutem Grund kaum in Österreich umgesetzt. “KI ist sehr stromhungrig und entwickelt viel Hitze. Das ist schwierig für ein eigenes Data-Center im Unternehmen, gerade wenn man die Strompreise in Österreich ansieht”, so Böttcher.
“Rechenleistungs-Hunger” von KI könnte sich in Zukunft verringern
Wichtig sei es letztlich, sich als Unternehmen sehr klar darüber zu sein, was man umsetzen wolle. “Danach, welche Software-Lösung man für seinen Use Case einsetzen muss, richtet sich auch die Infrastruktur”, so Böttcher. Er erwarte aber auch, dass die KI-Modelle im nächsten Entwicklungsschritt effizienter werden und der “Rechenleistungs-Hunger” sich verringere.
Patrick Ratheiser ergänzt: “Es ist grundsätzlich eine Kostenfrage.” Unternehmen müssten sich sehr gut überlegen, ob sie ein eigenes LLM (Large Language Model) betreiben und dieses sogar selbst trainieren wollen, oder lieber doch eine Usage-basierte Lösung wählen. Er sehe bei österreichischen Unternehmen – auch bei größeren – eine klare Tendenz zur zweiten Variante. “Es lässt sich deutlich schneller einrichten, ist kalkulierbarer und auch viel schneller skalierbar”, erklärt Ratheiser.
Etwa im Forschungsbereich sei es jedoch wichtig und notwendig, auch eigene LLMs und die damit verbundene Infrastruktur zu betreiben. Doch auch die Möglichkeit von hybriden Lösungen biete sich an. “Man kann mittlerweile auch Teile in der Cloud lassen und Teile On-Premise. Man kann etwa nur ein datenschutzsicheres LLM selbst betreiben”, erklärt der Experte, der auch bei der Wahl der genutzten Modelle einen hybriden Ansatz empfiehlt: “Man braucht nicht für alle Use Cases das neueste Modell. Manchmal braucht man überhaupt kein LLM.”
Datenschutz: Einige Herausforderungen bei LLMs
Stichwort: Datenschutz. Hier schafft die europäische Datenschutzgrundverordnung (DSGVO) im KI-Bereich besondere Herausforderungen, weiß Natalie Ségur-Cabanac, die vorab betont: “Ich persönlich halte die DSGVO für ein gutes Regulierungswerk, weil sie sehr viel Spielraum gibt. Ich sage immer: Datenschutz ist sehr komplex, aber nicht kompliziert.” Konkret seien etwa der Grundsatz der Zweckbezogenheit, also dass man Daten nur für konkrete Zwecke einsetzen darf, und dass man sie minimierend einsetzen muss, relevant für den KI-Bereich. “Da haben wir schon einen Konflikt, weil man ja [bei LLMs] erst einmal schaut, was man aus möglichst vielen Daten machen kann”, so die Expertin.
Ist KI rechtlich innerhalb der EU sogar per se in einem Graubereich?
Auch Transparenzbestimmungen – sowohl in der DSGVO als auch im AI-Act der EU – seien zu beachten. “Wenn ich KI verwende, muss ich auch wissen, was drinnen ist”, fasst Ségur-Cabanac zusammen. Ist KI also rechtlich innerhalb der EU sogar per se in einem Graubereich? “Nein, das glaube ich nicht. Aber man muss seine Hausaufgaben schon gut machen”, sagt die Expertin. Wichtig sei daher auch die im Rahmen des EU-AI-Acts eingeforderte KI-Kompetenz in Unternehmen – im technischen und rechtlichen Bereich.
KI-Kompetenz als zentrales Thema
Patrick Ratheiser stimmt zu: “Neben der Technologie selber sind bei unseren Kunden die Mitarbeiter ein Riesen-Thema. Man muss sie nicht nur wegen dem AI-Act fit bekommen, sondern es geht darum, sie wirklich auf die Anwendungen einzuschulen.” Wichtig seien dabei auch die Kolleg:innen, die sich bereits mit dem Thema auskennen – die “Pioniere” im Unternehmen. “AI Literacy ist sicherlich das Thema 2025 und in nächster Zeit. So, wie wir gelernt haben, mit dem Smartphone umzugehen, werden wir es auch mit generativer KI lernen”, so Ratheiser.
“Einfach einmal ausprobieren”
Stephan Kraft ergänzt: Neben einer soliden Datenbasis und der notwendigen Kompetenz brauche es bei KI – gerade auch im Bereich Open Source – noch etwas: “Einfach einmal ausprobieren. Es braucht auch Trial and Error. Das ist vielleicht oft das Schwierigste für CFOs und Geschäftsführer.” Dieses Ausprobieren sollte aber innerhalb eines festgelegten Rahmens passieren, damit die KI-Implementierung gelingt, meint Natalie Ségur-Cabanac: “Unternehmen brauchen eine KI-Strategie und müssen wissen, was sie mit der Technologie erreichen wollen.” Auch sich mit den zuvor angesprochenen rechtlichen Anforderungen – Stichwort Compliance – zu beschäftigen, komme zeitlich erst nach der Festlegung der Strategie.
Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.