Künstliche Intelligenz und ihre Auswirkungen
Künstliche Intelligenz – die revolutioniert unser aller Leben und natürlich auch die Wissenschaft. Ist ja klar, das bringt viele Fortschritte mit sich, aber früher oder später auch ein grundlegendes Problem. Was denn, wenn wir die Ergebnisse der KI irgendwann selbst gar nicht mehr nachvollziehen können? Wenn wir gar nicht mehr verstehen, was die Algorithmen da ausspucken? Das ist unser Thema heute hier im Spektrum Podcast. Mein Name ist Marc Zimmer. Schön, dass ihr dabei seid. Spektrum der Wissenschaft – der Podcast von detektor.fm.
Ja, künstliche Intelligenz, die wird die Welt und eben auch die Wissenschaft grundlegend verändern. Daran besteht eigentlich kein Zweifel mehr. Schon heute entdeckt KI zum Beispiel neue Medikamente, optimiert Experimente oder findet zum Beispiel in der Physik Lösungen, auf die Menschen allein vermutlich nie gekommen wären. Und wir haben hier im Podcast ja auch schon jetzt das ein oder andere Mal über solche KI-Revolutionen in der Forschung gesprochen. Das ist natürlich toll, aber was passiert denn, wenn Maschinen bessere Wissenschaft betreiben als wir und wir dann irgendwann auch nicht mehr verstehen, wie die eigentlich zu ihren Ergebnissen kommen?
Klingt vielleicht noch so ein bisschen nach Zukunftsmusik, aber in einigen Bereichen ist das bereits Realität. Und da stellt sich natürlich die Frage: Reicht es künftig, dass zum Beispiel etwas funktioniert, auch wenn wir es nicht mehr begreifen? Und ist das dann noch Wissenschaft im eigentlichen Sinne? Darüber will ich sprechen und zwar mit Manon Bischoff. Die ist Redakteurin für Mathe, Physik und KI bei Spektrum der Wissenschaft und heute mein Gast. Hallo Manon!
Mario Krenn und die Nutzung von KI in der Forschung
Hi Marc! Manon, wir sprechen mal über Mario Krenn. Der ist Professor für maschinelles Lernen in der Wissenschaft an der Uni in Tübingen. Und der befasst sich mit genau den Fragen, die ich eingangs so erwähnt hatte. Auch bei euch auf spektrum.de hat er einige Artikel dazu geschrieben. Und du bist ja nun auch tief drin im KI-Thema. Vielleicht steigen wir mal so ein. Der unterscheidet grob drei Kategorien, wie KI heute in der Forschung genutzt werden kann. Welche sind denn das?
Ja, genau. Also Krenn ist erstmal Physiker. Also der beschäftigt sich mit Quantenoptik. Und während seiner Doktorarbeit im Jahr 2014, da kam er und sein Team halt nicht weiter. Und da hat er sich halt erstmals überlegt, dass er ja ein KI-Programm schreiben könnte, das ihm dabei hilft. Und seitdem entwickelt er halt KI-Programme für physikalische Anwendungen. Und seine Forschung zielt halt eben darauf ab, auch auf die Metaebene. Also er untersucht halt auch, wo KI einen weiterbringen kann, wie sehr es einen weiterbringen kann.
Und dafür hat er halt auch Forschende aus der Chemie, Biologie, KI und so weiter gebeten, dass sie ihm ihre Einsichten halt erzählen, die sie mit KI gewonnen haben. Und da kam er eben auf diese drei Kategorien, die du eben angesprochen hast. Nämlich, dass man KI benutzen kann als rechnergestütztes Werkzeug, also wie eine Art Mikroskop, um irgendwas besser zu sehen, als Inspirationsquelle oder halt eben als Akteur des Verstehens. Und es ist ja auch wirklich so, dass KI schon umfassend genutzt wird in der Forschung, ne?
Ja, also ich komme ehrlich gesagt gar nicht mehr hinterher mit meinen Artikeln zu KI. Und dabei fokussiere ich mich eigentlich größtenteils auf KI und Mathe oder KI und Physik. Aber wenn man dann noch auf die Lebenswissenschaften guckt, Chemie und so weiter, also da gibt es ja AlphaFold für die Proteinfaltung. Da gab es auch einen Nobelpreis 2024 zu. Es wurde ein Medikament gegen eine Lungenkrankheit gefunden. Das ist jetzt noch in der Testphase, aber schaut vielversprechend aus.
Und dann muss man ja auch noch denken, dass die Physik da eigentlich eine recht lange Geschichte hat. Also das CERN zum Beispiel, das Kernforschungszentrum, das nutzt schon seit den 1990er Jahren KI für die Auswertung der Daten. Und da muss man halt auch immer wieder eine Sache im Kopf behalten, auch bei der Forschung, die Krenn macht. KI ist nicht gleich Sprachmodell. Also es ist nicht unbedingt ChatGPT oder sowas, was benutzt wird, sondern ganz andere Formen von KI, die sich jetzt auch nicht unbedingt erklären können oder die nicht mit einem sprechen, sondern halt die wirklich einfach ein Computerprogramm sind, wie man es kennt und die halt eine Zahl liefern oder sowas als Ergebnis.
Der konkrete Fall von Krenn
Ja, das ist vielleicht nochmal ein wichtiger Punkt, auch das, wie wir jetzt vielleicht so, oder auch ihr alle, die zuhört, KI so nutzen, eben mit diesen Sprachmodellen. So muss es nicht unbedingt sein, weil das wird für das Verständnis gleich auch noch wichtig sein. Jetzt ist es ja so, Krenn beschreibt einen konkreten Fall, der sehr interessant ist für alle Leute, die irgendwie mal so was heißt im Studium, irgendwie nur so andersweise mal mit Wissenschaft irgendwie zu tun hatten, weil Wissenschaft ja doch auch ein gewisses, ich sag mal, Selbstverständnis hat. Und da wollen wir gleich so ein bisschen darauf eingehen.
Also er beschreibt erstmal einen konkreten Fall, in der die KI ja eigentlich das Verständnis aller anderen beteiligten Forschenden komplett übersteigt. Erzähl mal.
Ja, also das ist super krass. Das ist auch von den ganzen Artikeln, die ich bis jetzt dazu geschrieben habe oder was ich verfolgt habe, finde ich eine der krassesten Sachen, die erzählt wurde. Also wie gesagt, dafür gehe ich jetzt nochmal ein Stück zurück. Krenn entwickelt KI ja selbst für seine Forschung zuallererst. Also er hat eine KI zum ersten Mal speziell für sich zum Aufbau von einem Experiment genutzt. Also er wollte einen bestimmten quantenoptischen Effekt messen.
Also er wollte irgendwie es schaffen, dass mehrere Teilchen miteinander verschränkt sind. Und er hatte halt eben all diese optischen Geräte zur Verfügung und wusste aber nicht, wie er das schaffen kann. Also wie er es schaffen kann, dass diese Teilchen die Merkmale besitzen, die er haben will. Also wie er die präparieren muss dafür. Und dann hat er sich ein Programm geschrieben, hat alle optischen Geräte darin erfasst, was die machen. Und man muss sich das so vorstellen: So ein quantenoptisches Experiment, da hat man so einen riesigen Tisch voller Kabel, voller Laser, voller Spiegel, Strahlteiler. Also das ist super kompliziert alles.
Und seine Vorgabe war halt, dass man das so anordnen soll, die Geräte, dass man am Ende eben diesen Quanteneffekt erzeugen kann. Und dafür braucht das Programm natürlich irgendwie auch physikalische Kenntnis. Also es muss ja verstehen, wie überhaupt dieser Effekt zustande kommt. Und dann hat er das Programm laufen lassen und das hat dann Vorschläge gemacht, die erstmal ziemlich absurd gewirkt haben. Also wo man überhaupt nicht verstanden hat, was soll das denn jetzt? Warum steht denn jetzt hier dieses Gerät rum? Was bringt das?
Und als sie das genauer untersucht haben, die haben sich monatelang damit beschäftigt, haben versucht, das zu verstehen, ist aufgefallen, dass das so ein vergessener hypothetischer Ansatz war aus einem russischen Paper, der nie umgesetzt wurde. Also wo die nie getestet haben, ob das wirklich funktioniert. Und da haben die Forschenden erkannt: Ah, okay, die KI kannte aber offenbar dieses Paper oder hat es halt gesehen und hat die Erkenntnisse daraus eben genutzt zum Aufbau des Experiments. Und es hat auch wirklich funktioniert.
Also das Experiment wurde auch im Labor umgesetzt und es hat tatsächlich das gemacht, was halt gesagt wurde. Und das war halt schon ziemlich beeindruckend, muss man sagen, weil die KI quasi Dinge genutzt hat, von denen man halt einfach nicht wusste, dass sie funktionieren.
Die Herausforderungen der KI in der Forschung
Und wie ging das dann weiter?
Ja, dann ging es weiter. Das war erstmal schon ziemlich beeindruckend, aber immer noch erklärbar, sage ich mal. 2021 hat sich das aber geändert. Also da kamen zwei Forschende von LIGO auf Krenn zu. Also LIGO, das ist ja dieser Gravitationswellendetektor, der in den USA steht. Also es gibt genau genommen zwei Stück in den USA. Und das sind Detektoren, die messen Gravitationswellen, also Erschütterungen in der Raumzeit. Wenn zum Beispiel zwei schwarze Löcher miteinander kollidieren, dann führt das dazu, dass die Raumzeit wackelt, wenn man so will.
Und diese Schwingungen, diese Wellen, die kommen bis zur Erde und die können wir mittlerweile nachweisen, was ziemlich beeindruckend auch an sich ist. Erinnert man sich vielleicht auch daran, das waren große Meldungen damals, als die ersten detektiert wurden. Genau. Und ich weiß nicht, du hast ja bestimmt schon über diese Detektoren gesprochen, vielleicht mit Mike oder mit jemand anderem aus der Redaktion. Genau, mit Mike Zeitz hatten wir auf jeden Fall mal eine Ausgabe dazu.
Genau, und diese Geräte, die sind ja riesig. Also da hat man, ich glaube, kilometerlange Arme, Lasersysteme, um halt eben diese winzigen Ausschläge, die es halt gibt, irgendwie messbar zu machen. Also man kann sich vorstellen, so ein Aufbau ist auch extrem komplex. Da steckt jahrelange Arbeit drin, jahrzehntelange Arbeit drin. Und die Forschenden von LIGO sind jetzt auf Krenn zugekommen und meinten, kann man den Aufbau irgendwie so verbessern, dass die halt irgendwie präziser werden, die Detektoren? Vielleicht funktioniert das ja.
Und Krenn saß dann da mit seinen Kollegen und eben seiner KI-Programm und hat daran gearbeitet, ich glaube, zwei Jahre lang, und haben dann auch Ergebnisse bekommen. Also die KI hat ihnen mehrere Aufbauten vorgeschlagen, die besser funktionieren sollten. So, und was macht man jetzt? Also man hat jetzt so einen Vorschlag. Man versucht es erst mal zu verstehen. Es war natürlich jetzt auch so wie beim Quantenexperiment, dass erst mal nicht klar ersichtlich war, warum das unbedingt besser funktionieren soll.
Also so ein paar Details hat man gedacht, ah ja, stimmt, darüber wurde schon mal nachgedacht. Aber so die gröbsten Änderungen waren unklar. Was sie dann gemacht haben, war, du baust es ja nicht direkt um, weil es kostet sau viel Geld, es ist super aufwendig und am Ende weißt du ja gar nicht, ob das wirklich funktioniert. Das heißt, was sie dann halt machen, ist, dass sie eine Computersimulation laufen lassen.
Und diese Simulation, die läuft ja mit den physikalischen Regeln, die wir kennen. Also die Simulation ist jetzt keine KI oder so, sondern das ist was hartgecodetes, wo man sagt, okay, ich weiß, ich kenne dieses physikalische Gesetz und dieses physikalische Gesetz und ich simuliere jetzt, was passiert, wenn eine Gravitationswelle durch diesen Detektor, wie er da beschrieben wird, durchläuft. Was rauskam, ist, die Simulation sagt, ja, das sollte deutliche Verbesserungen bringen, tatsächlich. Aber die Forschenden wissen nicht, warum.
Also sie können bis heute nicht erklären, warum dieser Aufbau besser ist. Oder scheint es ja zu sein, weil die Simulation mit unserem physikalischen Wissen, was wir haben, zeigt ja, es wird besser sein. Aber genau, es ist halt einfach vollkommen unklar, welche Prinzipien dahinter stecken. Da haben mehrere Forschende mehrere Monate sich schon mit beschäftigt und sie wissen es halt einfach nicht. Und das ist halt schon irgendwie krass.
Also die Fachleute haben sich jetzt auch dagegen entschieden, das wirklich umzubauen, weil die sagen, was bringt es uns, wenn wir es am Ende nicht verstehen und nicht verallgemeinern können? Wenn wir das dann nicht auf andere Sachen noch übertragen können, wir müssen das irgendwie verstehen.
Die Zukunft der Wissenschaft und KI
Ja, und da sind wir an einem ganz, ganz entscheidenden Punkt. Also das ist jetzt ein Beispiel, wo das eben krass deutlich wurde, dass die KI in solchen Fällen teilweise mehr leisten kann als wir. Und man vor allem auch ein Ergebnis bekommt, dass man selbst, wenn man es hat, nicht nachvollziehen kann, wie es dazu kommt. Und man muss wahrscheinlich sagen, solche Szenarien wird es in Zukunft wahrscheinlich immer häufiger geben. Oder? Also was bedeutet das denn für unser Verständnis auch von Wissenschaft?
Ja, das ist halt so ein bisschen die Frage. Also ich meine, Forschende haben das jetzt auch in der Hand, das zu steuern. Also möchten wir in einer Welt leben, in der wir Lösungen zu unseren Problemen bekommen, die wir aber halt nicht mehr verstehen? Also was ist das Ziel von Wissenschaft? Ist es, dass wir immer mehr verstehen oder möchten wir einfach nur Lösungen haben?
Also ich meine, wenn man sich jetzt überlegt, wenn ich in der Medizin drüber nachdenke, es ist ja vielleicht super toll, wenn ich weiß, ich kann ein Medikament gegen Krebs haben, das kann sau viele Leben retten. Aber wenn ich das nicht richtig verstehe, weiß ich ja auch nicht, welche Risiken es am Ende hat. Und ich finde, Verständnis sollte ja schon immer irgendwie im Fokus stehen. Und ja, das zieht sich halt immer weiter durch.
Also gerade Grundlagenforschung, Physik, Philosophie, Mathematik, das sind ja alles Dinge, die gemacht werden, weil man etwas verstehen möchte, weil man neugierig ist. Wenn ich jetzt einfach gesagt bekomme, ja, so und so ist das Universum entstanden, aber ich verstehe nicht, warum, hat das ja irgendwie auch keinen Wert. Das ist ja irgendwie auch witzlos. Und in der Mathematik ja genauso.
Also wenn ich jetzt einen Beweis habe und weiß, ich weiß nicht, die Riemannsche Vermutung, das ist so eine Vermutung, die seit mehr als 100 Jahren offen ist, die viele halt gerne wissen würden, ob sie stimmt oder nicht, das hat mit Primzahlen zu tun. Ja, was bringt mir das, wenn ich weiß, ja, sie stimmt? Cool, aber ich will ja wissen, warum.
Die Rolle der Wissenschaftler in der Zukunft
Ja, total. Ich finde das auch so spannend, weil sich das ja durch alle Disziplinen eigentlich zieht. Egal, ob das jetzt irgendwie in der Sozialwissenschaft ist. Da bringt es mir auch nichts zu wissen, die Deutschen ticken so und so und so in Umfragen, sondern ich will ja verstehen, warum. Es ist ja weniger ein Ergebnisdienst die Wissenschaft im klassischen Sinne, sondern man hat immer dieses Erkenntnisinteresse dann auch dahinter stehen. Und das wird natürlich dadurch so ein bisschen infrage gestellt.
Auf der anderen Seite muss man natürlich immer gegen Gewichten. Ergebnisse sind natürlich auch irgendwie was wert. Welche Risiken siehst du denn, wenn wir jetzt, sage ich mal, Technologien nutzen, deren Prinzipien wir eigentlich nicht verstehen?
Ja, ich meine, das ist ja gerade das mit den Medikamenten und den Nebenwirkungen. Wenn wir nicht wissen, was es noch so für Folgen gibt. Also ich meine, wenn man früh in die Medizin guckt, hat man ja auch versucht, geguckt, geschaut, ja, funktioniert es, funktioniert es nicht. Ist die Frage, ob wir wieder zu so einem Stadium zurück wollen oder ob wir nicht lieber verstehen möchten, was da jetzt genau passiert.
Ja, das stimmt. Von diesem Trial and Error haben wir uns eigentlich ein bisschen verabschiedet gehabt in der Medizin, zum Beispiel. Richtig, richtig. Ja, und ich meine, das ist ja auch, wenn jetzt eine KI eine neue Energieform entdeckt, die wir irgendwie erschließen können, ist ja auch die Frage, was hat das vielleicht für Nebeneffekte, was wir vielleicht nicht ganz bedenken oder kann vielleicht ein Versuch schiefgehen? Kann dabei was ganz Schlimmes passieren? All das wissen wir halt nicht.
Und ja, deswegen verstehe ich auch die Bedenken der Physiker, auch wenn es jetzt in einem kleinen Maßstab ist, also zum Messen von Gravitationswellen, wenn man darauf verzichtet, das umzubauen, solange man das nicht versteht. Ich kann das verstehen, dass man sich so entscheidet und ich finde das auch richtig.
Die Zukunft der KI in der Wissenschaft
Und noch ein interessanter Punkt finde ich auch, du hast ja auch viel mit Wissenschaftlerinnen und Wissenschaftlern zu tun, einfach für deine Artikel und so weiter. Die haben ja auch ein gewisses, ich sag mal, Selbstverständnis im besten Sinne. Und die Rolle von denen würde sich ja auch irgendwie grundlegend verändern, oder? Wenn die Forschung immer mehr in so eine Richtung geht.
Ja, total. Also es gibt ja gerade sehr heftige Debatten in ganz vielen verschiedenen Communities pro und kontra KI. Ich habe das Gefühl, dass Menschen, die das stark ablehnen, auch oft unterschätzen, was KIs mittlerweile auch können. Also wie hilfreich sie auch sein können. Weil ich denke, als Werkzeug wäre es zumindest gerade in vielen Forschungsfragen auch eine vertane Chance, das nicht zu benutzen.
Andererseits, wenn man das wirklich so weiterspinnt und sieht, okay, was passiert, wenn jetzt die KI auf einmal ihre Forschung macht und komplett abhängt, wenn wir in so ein Szenario reingehen. Das wurde tatsächlich auf der Mathekonferenz, wo ich letzten Sommer war, am Heilbronn in Heidelberg, wurde das diskutiert. Da hat einer der Mathematiker gemeint, dass es sein könnte, dass wir bald, wie ich es eben erwähnt habe, einfach nur einen Beweis bekommen. Dann wissen wir, ob das gilt oder nicht. Wie die KI dorthin kam, ist egal.
Und die Menschen werden eher zu Kommentatoren. Also in einer ähnlichen Form, wie wir Shakespeare nur noch kommentieren und nicht quasi selbst Shakespeare-Texte schaffen. Das hat für sehr heftige Diskussionen gesorgt, gerade auch bei den jungen Doktorandinnen und Doktoranden, die da waren, weil sich so ein bisschen fragt, warum mache ich das jetzt? Also gibt es eine Zukunft, in der ich Mathematik machen kann oder nicht?
Und ja, es gab jetzt auch schon so Fälle in der Mathematik. Ich rede immer von Mathematik, weil das halt das ist, womit ich mich viel beschäftige. Na klar, aber es ist übertragbar, das ist glaube ich klar. Da kam das jetzt, dass Menschen, die eine KI eingesetzt haben, das muss man ja auch immer sagen, es sind ja Menschen, die die KI auf die Aufgabe ansetzen, eine Aufgabe gelöst wurde, dadurch an der eigentlich ein Bachelor-Student gerade saß. Und dadurch wurde sein Thema quasi weggeschnappt.
Ich hoffe, er war noch nicht so weit und ich hoffe, er hat jetzt ein anderes cooles Thema gefunden. Aber es ist ja schon irgendwie ärgerlich. Du setzt dich da hin, versuchst irgendwas und auf einmal kommt jemand und sagt, ja, ChatGPT hat es gelöst. Ja, cool, danke.
Fazit und Ausblick
Ja klar. Also wir wabern bei der ganzen Sache immer so ein bisschen zwischen diesen, das hat man schon ganz oft bei den KI-Themen, so ein bisschen diesen utopischen Ideen. Das wird uns helfen und das wird uns ganz viel voranbringen. Und so ein bisschen einer dystopischen Sicht im Sinne von, das wird, was es dann immer heißt, Arbeitsplätze kosten oder eben in diesem Fall die Wissenschaft komplett umkrempeln und irgendwie zu was anderem machen.
Das ist natürlich die Frage, große Frage, wie gehen wir denn damit jetzt um? Also wie konkret ist das Problem schon und was machen wir? Ja, Mario Krenn hat einen ganz guten Ansatzpunkt gehabt, dass er meinte, man sollte KI vielleicht auch dafür nutzen oder KIs schaffen, die uns Dinge erklären.
Also die, falls sie wirklich ein wissenschaftliches Verständnis haben, was ja auch erstmal fraglich ist, und dafür muss man erstmal definieren, was überhaupt Verständnis ist und so weiter. Aber wenn man eine KI hat und die offenbar irgendwelche Prinzipien erkannt hat, die wir nicht kennen, dass wir auch eine darauf trainieren, uns das zu erklären. Und darauf gibt es momentan so gut wie keinen Fokus.
Also es ist ein bisschen was anderes als explainable AI. Da versucht man ja wirklich zu verstehen, wie eine KI zu ihrem Ergebnis kommt, also was sie dazu gebracht hat, dieses Ergebnis zu liefern. Das ist ja aber was anderes als ein wissenschaftliches Verständnis zu vermitteln und jemandem wirklich was zu erklären, also sowas wie eine Teacher AI zu haben. Also so nennt Krenn das auch.
Und genau, er plädiert dafür, dass man versucht, auch solche Modelle zu erstellen, eben auch perspektivisch, damit Menschen dann auch im schlimmsten Fall nicht abgehängt werden und damit wir halt auch weiterhin wissenschaftliches Verständnis erlangen, falls es wirklich dazu kommt, dass sie uns halt überholen sollten.
Und würde mich zum Abschluss noch interessieren, inwiefern brauchen wir vielleicht auch so bestimmte Regeln, dann jetzt in Zukunft, wenn wir eben sagen, wir nutzen KI immer stärker in der Forschung? Was meinst du?
Ja, ich finde feste Regeln immer so ein bisschen schwierig, weil gerade in so einem Bereich müsste sich ja irgendwie die ganze Menschheit gemeinsam darauf einigen. Und erst mal ist das unrealistisch. Dann ist auch die Frage, wie man dann irgendwie verhindern will, wann das hintergeht am Ende. Also ich meine, die Technologien sind ja da, sie werden weitergetrieben. Ich glaube, da dürfen wir uns auch keine Illusionen machen.
Die Unternehmen wollen Geld verdienen. Wenn es möglich ist, wenn die KI-Modelle besser werden, ja, dann werden sie das natürlich machen. Ich denke aber tatsächlich, dass Krenn auch recht hat und man mehr in die Forschung in Richtung Verständnis investieren sollte. Und auch generell, wir sollten uns ja Gedanken machen, wie wollen wir denn KI nutzen?
Wie wollen wir in Zukunft mit KI zusammenleben? Welchen Mehrwert können wir davon haben? Möchten wir, dass sie unsere Jobs übernimmt oder möchten wir lieber eine KI haben, die uns unterstützt bei Aufgaben, die wir nicht so gerne machen? Und gerade da sollte vielleicht auch mehr reinvestiert werden in solche Dinge, die die Menschheit irgendwie unterstützen.
Und das können halt Staaten machen, das können Investoren machen. Und dass halt vielleicht auch Projekte gefördert werden, die halt eben zum Verständnis beitragen, eine Art Teacher AI sind, auch wenn das vielleicht nicht das lukrativste Projekt von allen ist.
Abschluss
Interessante Weggabelung, an der wir da gerade so als Gesellschaft, aber eben auch vor allem in der Wissenschaft stehen. Ein ganz, ganz interessantes Thema mit ganz, ganz weitreichenden Fragen, die man gerade stellen muss. Mehr dazu erfahrt ihr auf jeden Fall auf spektrum.de. Da könnt ihr euch Manons Artikel natürlich immer anschauen, aber auch die von Mario Krenn.
Und Manon, dir sage ich vielen, vielen Dank fürs Erklären.
Ja, danke dir, dass ich da sein durfte. Und zum Schluss habe ich noch ein Anliegen in eigener Sache für euch, denn wir feiern hier beim Spektrum Podcast demnächst ein ganz besonderes Jubiläum. Am 10. Juli, da erscheint unsere 300. Folge. Also den Spektrum Podcast gibt es schon eine ganze Weile und das natürlich vor allem dank euch.
Wir sind unfassbar dankbar, dass so viele von euch den Spektrum Podcast regelmäßig hören. Und deshalb wollen wir zu diesem Jubiläum mal wissen, wie euch der Podcast denn so begleitet. Seit wann seid ihr zum Beispiel dabei? Wo hört ihr den Podcast normalerweise? Bei welchen Tätigkeiten? Was ist vielleicht eure Lieblingsfolge und wer seid ihr eigentlich?
30 bis 40 Sekunden Sprachnachricht, so in der Drehe, kann auch ein bisschen länger oder ein bisschen kürzer sein. Wäre toll, wenn ihr uns die schickt und zwar an podcast@spektrum.de. Einfach eine kurze Sprachnachricht mit eurer Beziehung zum Spektrum Podcast, gerne als Audio an podcast@spektrum.de. Die Adresse findet ihr natürlich auch nochmal in den Shownotes und wir hören uns dann diese Nachrichten an und eine Auswahl davon werdet ihr dann in der Jubiläumsfolge hören.
Das war’s für diese Woche vom Spektrum Podcast. Euch vielen, vielen Dank fürs Zuhören. Kommende Woche gibt es eine neue Folge von uns. Würde mich freuen, wenn ihr auch dann wieder reinhört. Und bis dahin den Podcast abonniert, kommentiert, bewertet und gerne auch teilt. Natürlich, das hilft uns immer. Auch dafür vielen Dank. Mein Name ist Marc Zimmer und ich sage Tschüss und macht’s gut. Spektrum der Wissenschaft – der Podcast von detektor.fm.
Foto: Spektrum der Wissenschaft