Die Schweizer Armee und armasuisse: Gemeinsam von der Idee bis zum Produkt
Das Kompetenzzentrum Künstliche Intelligenz und Simulation (KISI) entwickelt innovative Lösungen für Organisationen staatlicher Sicherheit. Als jüngstes Beispiel entwickelte es zusammen mit dem Cyber-Defence Campus (CYD Campus) von armasuisse Wissenschaft und Technologie (W+T) für die Schweizer Armee ein KI-Tool namens NJÖRD. Was früher mehrere Tage dauerte, funktioniert heute innerhalb weniger Minuten. Doch was ist NJÖRD überhaupt und wie sieht eine amtsübergreifende Zusammenarbeit aus?
Matthias Sommer, Kompetenzzentrum Künstliche Intelligenz und Simmulation,
Lucas Ballerstedt, Stab, armasuisse Wissenschaft und Technologie
Im Rahmen einer amtsübergreifenden Zusammenarbeit zwischen dem Bundesamt für Rüstung armasuisse und der Schweizer Armee entstand ein KI-Tool namens NJÖRD. NJÖRD ist ein gutes Beispiel einer erfolgreichen Zusammenarbeit. Von der Idee über die Bedarfsermittlung bis hin zur Entwicklung eines Prototyps und schliesslich zur Produktentwicklung. Doch worum geht es? Der Bereich der operativen Schulungen der Schweizer Armee hat unter anderem die Aufgabe, Übungen auf militärstrategischer Stufe zu planen und durchzuführen. Dazu gehören auch Übungen online in Simulationen. Dabei werden sogenannte Szenarien im Programm ausgeführt, auf welche die Übungsteilnehmenden reagieren müssen. Um eine möglichst realitätsnahe Übungsumgebung zu ermöglichen, werden diese Szenarien mit Nachrichten ergänzt. Diese Nachrichten sollen die Entscheidungen der Teilnehmenden beeinflussen. Im Idealfall ist dadurch jede Übung für die Teilnehmenden unvorhersehbar und erscheint realistisch. Das Problem dabei ist jedoch, dass diese Nachrichten manuell erstellt werden müssen, was erhebliche Ressourcen in Anspruch nimmt. Im Projekt NJÖRD wurde die Nutzung von Large Language Models (LLM) für die Erstellung dieser Nachrichten untersucht.
Ein LLM ist ein Modell der Künstlichen Intelligenz (KI) und hat zum Ziel, einen Text auf menschenähnliche Weise zu erzeugen und zu verstehen. Das Verständnis von LLMs unterscheidet sich grundlegend vom menschlichen Sprachverständnis. Denn KI unterscheidet nicht zwischen Buchstaben, Wörtern oder Sätzen, wie sie von Menschen interpretiert werden. Stattdessen verwenden LLMs Wahrscheinlichkeitsrechnungen und neuronale Netzwerke, um herauszufinden, wie Textbausteine miteinander kombiniert sind. Indem grosse Mengen an Text als Trainingsmaterial genutzt werden, kann die Wahrscheinlichkeit berechnet werden, mit der ein bestimmter Textbaustein auf einen anderen folgt.
Vom Bedarf bis zum Demonstrator
Konkret müssen diese Nachrichten in Simulationen die Meldungen von Nachrichtenagenturen imitieren und je nach Übung verschiedene Sprachen abdecken. Die Erzeugung dieser Nachrichten beansprucht erhebliche Ressourcen und kann mehrere Tage in Anspruch nehmen. So wurde der Bedarf erkannt, diese Nachrichten durch ein LLM, also durch eine KI-Anwendung, generieren zu lassen, und armasuisse W+T wurde mit einer entsprechenden Machbarkeitsstudie beauftragt. In der Studie wurde ein spezifisches Simulationsszenario verwendet, welches aus 75 unterschiedlichen Ereignissen bestand. Für 73 dieser Ereignisse mussten ergänzende Nachrichten generiert werden.
Die ungefähre Anzahl der zu generierenden Nachrichten variierte je nach Ereignis zwischen fünf und dreissig. Die Nachrichten sollten zudem in verschiedenen Sprachen generiert werden, darunter in Englisch, Deutsch, Russisch, Finnisch, Schwedisch, Norwegisch, Estnisch, Litauisch, Lettisch und Französisch. Es handelte sich somit um eine beachtliche Anzahl fiktiver Nachrichten, die produziert werden sollten. Dabei wurden vier Open-Source-Modelle für die Textgenerierung getestet. Open-Source-Modelle sind öffentlich zugängliche Systeme, die nach Bedarf weiter ausgearbeitet werden können. So konnten die Systeme auf die Bedürfnisse der Schweizer Armee angepasst und zu einem Prototyp entwickelt werden.
Das konkrete Endprodukt besteht aus einer Applikation, in welcher die Übungsleitenden auf einer graphischen Benutzeroberfläche (GUI) mit wenigen Klicks KI-generierte Nachrichten produzieren konnten. In dieser eigens entwickelten Applikation müssen Übungsleitende lediglich einige Kernelemente eingeben, und innerhalb von Sekunden entsteht eine fiktive Nachricht aus einer Nachrichtenagentur. So entsteht beispielsweise mit den Angaben «Europaweite Störung des Radar-Netzwerkes im zivilen Luftverkehr führt zu unregelmässigen Unterbrüchen beim militärischen Radar-Netzwerk. Militärisches Netzwerk aber mehrheitlich stabil.» nachstehende fiktive Nachricht:
Large Language Models
«Eine unerwartete Unterbrechung im militärischen Radar Netzwerk der Schweizer Armee wurde heute gemeldet. Laut Quellen traten kurzzeitige Ausfälle in mehreren regionalen Steuerzentren auf, während die meisten Systeme stabil blieben. Die Verantwortlichen nennen technische Fehler und eine mögliche Belastung der Kommunikationsverbindungen die Hauptursachen. Das Verteidigungsministerium stellte fest, dass das Netzwerk weitgehend intakt sei und keine Bedrohung für die nationale Sicherheit darstelle. Das zivile Luftverkehrs‑Radar bleibt aufgrund europaweiter Störungen weiterhin beeinträchtigt, aber das Netz wirkt sich nicht auf die militärische Lage aus. Weitere Untersuchungen stehen an. Die Einsatzkräfte arbeiten an einer schnellen Fehlerbehebung und prüfen langfristige Lösungen sofort unverzüglich.»
Vom Demonstrator zur Produktentwicklung
Die Resultate aus der Machbarkeitsstudie und der Applikationsdemonstrator haben sich als erhebliche Nutzen für die Schweizer Armee erwiesen. Was früher mehrere Tage dauerte, entsteht nun innerhalb weniger Stunden. Dieser Erfolg war dank der engen Zusammenarbeit zwischen der Schweizer Armee und armasuisse W+T möglich. In einem weiteren Schritt wurde nach möglichen Industriepartnern gesucht, um den Applikationsdemonstrator zu einem verwendbaren KI-Tool der Schweizer Armee weiterzuentwickeln. Denn ein Demonstrator dient lediglich dazu, den Verwendungszweck und dessen Nutzen zu demonstrieren und ist nicht als operatives Werkzeug gedacht. Mit dem Unternehmen IBM wurde ein solcher Partner gefunden.
Interview mit Miltiade Athanasiou
Für uns ging es darum zu wissen, wie wir von einem «wir möchten» über ein «wir können» zu einem «wir machen» kommen.
.png?rect=0%2C134%2C712%2C712&w=1024&auto=format)
Über Miltiade Athanasiou
Miltiade Athanasiou ist seit über fünfzehn Jahren beim Bund angestellt. Nach Zwischenstationen im Kommando Operationen bei der Bundeskriminalpolizei fedpol und im Projekt Kommando Cyber, arbeitet er nun bei der operativen Schulung. Er war Auftraggeber im Projekt NJÖRD. In seiner Rolle vertrat er die Bedürfnisse der Schweizer Armee und war sehr eng im Projekt und in der Zusammenarbeit mit armasuisse W+T involviert. Im nachstehenden Interview blickt er aufs Projekt zurück.
Lieber Miltiade, wie kam es dazu, dass du seitens der Armee zum Auftraggeber für das Projekt wurdest?
Die operative Schulung (op S) hat mehrere Aufträge. Einer davon betrifft die Planung und Durchführung von Übungen auf militärstrategischer Stufe. In diesem Zusammenhang wurde uns schnell klar, dass wir die neuen Technologien zur Unterstützung einer unserer Aufgaben nutzen könnten.
Wie habt ihr den Bedarf an einem solchen KI-Modell erkannt und woher stammt dieser?
Der Bedarf ergab sich hauptsächlich aus zwei folgenden Feststellungen: Erstens ermöglicht uns KI in unserer Arbeit, eine grosse Anzahl von Open-Source-Meldungen auf der Basis eines bestimmten Szenarios zu generieren. Bisher wurde diese Arbeit manuell durchgeführt; das heisst, jede Meldung wurde einzeln erstellt. Zweitens sind wir ein kleines (aber feines) Team und haben begrenzte Mittel, wenn es darum geht, militärstrategische Übungen durchzuführen.
Kannst du uns darüber aufklären, wie die Zusammenarbeit mit armasuisse W+T effektiv aussah? Wie entwickelt man zusammen eine KI-gestützte Anwendung, abgestimmt auf eure Bedürfnisse?
Wir haben bei null angefangen, aber mit einer ziemlich genauen Vorstellung unserer Bedürfnisse. Die Zusammenarbeit mit armasuisse W+T bestand für uns zunächst darin, die aktuellen Möglichkeiten der KI besser zu verstehen. Es ging also darum, von der Expertise von armasuisse W+T zu profitieren. Die nächste Phase bestand darin, schnell einen ersten Demonstrator zu konzipieren. Dies war entscheidend, denn in dieser Phase wurden die grundlegenden Fragen gestellt, insbesondere zur Reichweite des Projekts. Während des gesamten Projekts, das noch nicht abgeschlossen ist, war für uns die enge Zusammenarbeit mit armasuisse W+T von grösster Bedeutung.
Welches ist der Mehrwert dieser KI-gestützten Anwendung für dein Team?
Der Hauptmehrwert ist die Zeitersparnis bei der Erstellung von Open-Source-Meldungen im Rahmen von Übungen. Das Ergebnis ist sehr positiv: Wir können jetzt innerhalb weniger Minuten Hunderte von qualitativ hochwertigen Meldungen in Französisch, Deutsch, Italienisch oder Englisch erstellen, für die wir bisher mehrere Tage gebraucht haben.
Wie beurteilst du rückblickend die Zusammenarbeit mit armasuisse W+T?
Die Zusammenarbeit war sehr gut, insbesondere mit den Projektleitern. Ich schätzte die kurzen Reaktionszeiten, aber auch die Einfachheit des ergebnisorientierten Austauschs. Für uns ging es darum zu wissen, wie wir von einem «wir möchten» über ein «wir können» zu einem «wir machen» kommen. Es ging also darum, zusammen zu forschen, mitzudenken und realistische Lösungen vorzuschlagen.
Das Produkt befindet sich nun in Entwicklung. Welches sind die nächsten Schritte?
Die Arbeiten werden derzeit mit IBM fortgesetzt. Gleichzeitig soll das KI-Modell weiterentwickelt werden. Wir haben daher insbesondere Kontakt mit dem Kommando Operationen aufgenommen, das ebenfalls Bedarf in diesem Bereich hat. Für uns ist es wichtig, dass das KI-Modell, das wir NJÖRD genannt haben, und die Erfahrungen aus seiner Entwicklung zugänglich sind und dem gesamten Armeesystem dienen. Schliesslich arbeiten wir auch an anderen Projekten im Bereich der Antizipation und KI.