Algorithmen und Künstliche Intelligenz: Wegweiser für die demokratische Gemeinschaft
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Formal Metadata
| Title |
| |
| Title of Series | ||
| Number of Parts | 19 | |
| Author | ||
| License | CC Attribution 4.0 International: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. | |
| Identifiers | 10.5446/51175 (DOI) | |
| Publisher | ||
| Release Date | ||
| Language |
Content Metadata
| Subject Area | ||
| Genre | ||
| Abstract |
|
1
2
11
15
16
00:00
AlgorithmArtificial intelligenceCodeCodeTOUR <Programm>CyberspaceMachine learningXMLComputer animationLecture/Conference
00:24
AlgorithmMachine codeDecision theoryCodeCodeLecture/Conference
00:57
knoXCodeCyberspaceLARS <Programm>SineNorm <Mathematik>Systems <München>Computer animation
01:24
Plot (narrative)Lecture/Conference
01:42
Translation (relic)Machine visionInformation extractionSeries (mathematics)Computer programmingGame theoryHigh availabilitySoftwareComputer animationProgram flowchart
02:03
SoftwareHigh availabilityComputer hardwareSystems <München>Lecture/Conference
02:30
Systems <München>Physical quantityWorkstation <Musikinstrument>Computing platformZusammenhang <Mathematik>Lösung <Mathematik>Lecture/Conference
03:26
Computer programmingAlgorithmComputer programmingComputing platformMoment (mathematics)Computer animationLecture/Conference
04:17
Focus (optics)AlgorithmSystems <München>DatabaseXMLUMLProgram flowchart
04:36
TOMoutputModule (mathematics)Data modelDatabaseVariable (mathematics)Systems <München>Mathematical structureLecture/Conference
05:07
SoftwareHIT <Programm>FacebookArmLecture/Conference
05:38
outputModule (mathematics)TOMSystems <München>Lecture/Conference
06:13
AlgorithmInformationRun-time systemGoogleSystems <München>FacebookDatabaseSoftwareMoment (mathematics)Enterprise information systemPositionAlgorithmSoftware developerSurfaceLecture/Conference
07:30
Data conversionElectronic visual displayGrand Unified TheoryRobotDigital signalStress (mechanics)
08:03
Lecture/Conference
08:34
CryptanalysisArtificial intelligenceLecture/Conference
09:05
Perspective (visual)Systems <München>Set (mathematics)LengthInformationVelocityDrawingLecture/ConferenceMeeting/Interview
09:44
FacebookComputing platformSoftware bugFunction (mathematics)Information privacyCrash (computing)DigitizingVotingGRADEZahlInformationMeeting/InterviewLecture/Conference
10:45
User interfaceLISLProgram flowchart
11:06
Data analysisDialectMittelungsverfahrenComputing platformSource codeLecture/Conference
12:10
Artificial intelligenceData analysisMittelungsverfahrenDecision theoryMoment (mathematics)Software bugAlgorithmInformationVotingBlock (periodic table)Interface (computing)FacebookComputing platformReal-time operating systemHIT <Programm>Computer animationLecture/Conference
14:24
Computing platformProbability distributionMoment (mathematics)RankingLecture/Conference
15:20
DigitizingFreezing
15:48
AbschätzungLecture/Conference
16:29
Boom (sailing)Computing platformZugriffMathematical optimizationPhysical law
16:58
Moment (mathematics)Computing platformZugriffData managementLecture/Conference
17:40
WordArtificial intelligenceXMLLecture/Conference
18:24
ZugriffSystems <München>Musical ensembleAlgorithmGRADEQuoteAbschätzungYouTubeInformationLecture/Conference
20:04
AlgorithmZugriffFocus (optics)Computer animation
20:24
Artificial intelligenceData analysisComputer animationLecture/Conference
21:02
Norm <Mathematik>Sound effectLecture/Conference
21:30
Escape characterMoment (mathematics)
21:48
Point (geometry)DigitizingSurfaceSystem identificationLecture/Conference
22:16
InformationData analysisSystems <München>Lecture/Conference
23:08
Escape characterTOUR <Programm>Lecture/ConferenceXMLUML
Transcript: German(auto-generated)
00:07
Also ich freue mich heute hier zu sein und darüber zu sprechen, wie wir eigentlich künstliche Intelligenz so gestalten können, dass sie dem Gemeinwohl zugutekommt.
00:21
Code is lore, sagte einst Lawrence Lessig in 1999 in Code and Other Lords of Cyberspace, und er hatte bereits damals recht, denn das so mehr technische Infrastrukturen unsere Welt bestimmen, das so mehr bestimmt eben der Code, bestimmt die Architektur, bestimmen jetzt smarte Software-Systeme, die aus Unmengen von Daten lernen
00:41
und immer mehr Entscheidungen von Menschen übernehmen, über unser Zusammenleben. Sieht man sich das Recht an, zum Beispiel im Datenschutz, wird halt relativ schnell klar, dass es ziemlich doll an seine Grenzen stößt, dass Recht immer weniger durchsetzbar ist. Wenn allerdings Code lore ist, Maschinensprache immer mehr über unser Leben bestimmt,
01:01
dann stellt sich die Frage, welche Normen werden gesetzt, welche Normen sollen eigentlich gesetzt werden. Ich denke, die Frage ist heute akuter denn je, denn algorithmische Entscheidungssysteme und KI sind halt längst nicht mehr so ein Hype, sondern da und entwickeln sich in einer Rasant, die einfach relativ schnelles politisches Handeln erforderlich macht.
01:21
Diese Technologien haben das Potential, der Menschheit ein Ende zu setzen, und sie haben das Potential, dass wir mit ihrer Hilfe den Klimawandel überleben und sozusagen auch ganz andere Probleme. Die Frage ist, was ist dafür notwendig? Und ich werde heute so ein kleines Intro geben zu Algorithmen und KI, dann dazu sprechen, welche KI wollen wir, welche KI brauchen wir eigentlich
01:42
und dann sozusagen, was sind so die Handlungsansätze für die Zivilgesellschaft. Was relativ klar ist, ist, dass KI nicht kommt, sondern nichts da ist, dass wir KI irgendwie in einer ganzen Reihe von Assistenzsystemen finden, in einem Erfindungssystem, in der Programmierung von Games,
02:02
dass Durchbrüche in einer ganzen Reihe von Analysesystemen dazu geführt haben, dass sozusagen in Verbindung mit der weltweiten Vernetzung, mit der weltweiten Verfügbarkeit von Daten und mit der extrem gestiegenen Rechnerkapazität das möglich ist, wovon Menschen seit Jahrhunderten träumten, also dass wir lernfähige Maschinen haben,
02:21
dass wir aus Daten lernende Software haben, die in Verbindung mit steuerungsfähiger Hardware immer mehr Aufgaben übernehmen kann, die bislang Menschen vorbehalten waren. Ich glaube, es macht immer einen grundlegenden Unterschied, ob man über KI in der Analyse spricht oder in der Anwendung in einfachen oder in komplexen Systemen. Wenn man sozusagen das Beispiel Medizin oder Gesundheit nimmt,
02:43
dann ist klar, dass sich ganz viele Leute große Durchbrüche versprechen bei der Entdeckung von Krankheiten wie Krebs, dass sozusagen die Analyse großer Datenbestände zu beitragen kann, frühzeitigere, richtigere Diagnosen zu stellen, frühzeitigere Therapien möglich zu machen.
03:05
Man kann natürlich genauso gut KI dazu einsetzen, in Krankenhäusern darüber zu entscheiden, wann welcher Patient auf welche Station kommt. Und man kann natürlich auch Plattformlösungen bauen, wo sozusagen Patienten und Ärzte irgendwie ganz dezentral miteinander vernetzt werden.
03:21
Die Frage oder die Fragen, die, glaube ich, alle verbinden, ist sozusagen, was ist die Grundlage dieser Systeme? Was sind die Daten? Was sind die Algorithmen? Welche Muster werden berücksichtigt? Welche Zusammenhänge? Ich glaube, überall stellt sich die Frage nach den Zielen, nach der Optimierung. Also wenn man zum Beispiel des Krankenhauses ist, ist so ein Krankenhaussystem darauf ausgerichtet,
03:41
dem Patienten wohl zu dienen? Oder ist es darauf ausgerichtet, die Krankenhausauslastung zu optimieren? Oder ist es darauf ausgerichtet, das Renomen des Ärztes zu stärken? Also hier stellen sich, glaube ich, relativ viele Fragen. Und was auch immer klar ist, dass sozusagen die Funktionsweise eine wichtige Sache ist,
04:01
also die Frage, funktioniert das System wie es soll? Funktioniert das nicht so, wie es soll? Und ist es sicher? Wenn man sozusagen dann denkt, dass wir im Moment sehr viel mit radikalisierenden Plattformen zu tun haben oder mit diesen ganzen autonomen Cyberwaffensystemen, ist halt klar, Systemfehler gefährden die Menschheit.
04:22
Damit kommt halt dieses Thema Nachvollziehbarkeit, Kontrolle, immer wieder in den Fokus. Und das ist halt nicht so richtig einfach. Früher war es halt so, dass so algorithmische Entscheidungssysteme relativ gut überprüfbar waren. Da hat man sich angeguckt, okay, was ist die Datenbasis des Systems?
04:40
Was ist die Modellierung der zugrundeliegenden Variablen? Was ist die Entscheidungslogik? Wie ist die Implementierung? Und wie funktioniert das Ganze? Heute haben wir halt sehr komplexe Systeme, sehr dynamische komplexe Systeme mit zahlreichen Feedback-Schleifen, wo diese Kontrolle halt so einfach nicht mehr gegeben ist. Da müsste man halt eigentlich systematisch gucken,
05:01
was für Daten fließen dann das System ein, welche Daten fließen da raus. Und versuchen, diese Entscheidungsstruktur nachzuverziehen. Wir wissen irgendwie alle, dass auch wenn die ganze Welt darüber streitet, ob Facebook nun eine Mitschuld an Fake News oder ein Hate Speech hat, Facebook rückt halt die Daten nicht raus. Und es stellen sich hier einfach gravierende Probleme
05:21
bei der Nachvollziehbarkeit und Kontrolle. Und das ist wirklich scharf. Ich weiß nicht, wer von euch diese Software von Talangs kennt. Also Talangs ist ein Versicherungsunternehmen aus Hannover. Und die versuchen, ein Assessment Center für Führungskräfte durch ein halbstündiges Telefon-Interview zu ersetzen und gucken sozusagen nicht mehr, was die Menschen sagen, sondern wie sie es sagen.
05:42
Und ich wäre echt gespannt, was dieses System lernt. Also wie sozusagen die Art und Weise, wie Menschen sprechen, dazu beiträgt, Führungskräfte herauszufinden. Aber es ist irgendwann sehr unbekannt. Es ist auch unklar, ob es irgendwie darum geht, eine Homogenität von Unternehmen zu stärken oder Heterogenität oder ob das halt funktioniert.
06:02
Genau. Das nächste Problem ist, dass wir natürlich irgendwie es heute eigentlich auch schon mit einer Kontextsteuerung zu tun haben. Also dass wir algorithmische Systeme haben, die das Potenzial haben, so eine Regulierung durch Zwang und Anreize abzulösen.
06:22
Da kommen im Prinzip so drei technische Säulen zum Tragen, nämlich einerseits die Personalisierung von informationellen Umgebungen von Menschen und Personen und eine Verhaltensbeeinflussung, also Google und Facebook und Co. Zweitens die Profilbildung für die Zuweisung von Positionen und Lebenschancen, also Scoring.
06:44
Und drittens die zwingende Verhaltenssteuerung durch technische Infrastrukturen. Das sogenannte Nudging. Und es ist im Moment, glaube ich, relativ unklar, welche Systeme existieren und miteinander interagieren. Es ist unklar, wie man es sinnvoll beeinflussen kann.
07:00
Was auch daran liegt, dass die ganze KI-Entwicklung und die ganze Entwicklung von algorithmischen Entteilungssystemen international sehr verteilt funktioniert. Also wir haben die Datensammlung an einem Ort, wir haben die Algorithmenentwicklung an einem anderen Ort, wir haben den Bau von Systemen an einem dritten Ort. Und im Endeffekt führt es dazu, dass zum Beispiel das BMI halt auf Nachfrage nicht sagen kann, welche,
07:22
wie sozusagen die Software, die am Südkreuz getestet wurde, auf welcher Datenbasis oder auf welchen Algorithmen, die trainiert wurde. Das Ganze führt mich oder diese ganzen Probleme bei der Nachvollziehbarkeit und Kontrolle, also nicht nur technisch, sondern auch, wer soll das eigentlich alles machen,
07:41
führt mich dazu, dass ich zunehmend mehr drüber nachdenke, welche KI wollen wir eigentlich, welche brauchen wir. Die Industrie entwickelt irgendwie Pflegeroboter. Ich weiß nicht, ich hätte gerne eigentlich digitale Tools, die meine Arbeit unterstützen und eine vernünftige Grundsicherung und mehr Zeit für meine Mutter. Auf der IFA wurden jungs sprechende Waschmaschinen vorgestellt und selbstlernende Bildschirme und irgendwie eine gute Stimmung,
08:03
verbreitende Dunstzugshaube und irgendwie alle möglichen anderen Dinge. Und ich weiß nicht, ich persönlich hätte sozusagen die KI-Entwicklung, also nicht so sehr auf diesen komischen, smarten Assistenzwanzen verschwendet, sondern würde sie gerne dazu einsetzen, wie man eine nachhaltige Wirtschaft realisieren kann.
08:23
Und die Frage ist, was brauchen wir dafür eigentlich? Und ich denke, dass diese Frage, wie kriegen wir eigentlich die KI, die wir wollen, damit beginnt, dass wir aufhören, den Menschen als Sicherheitsrisiko zu betrachten, sondern den Klimawandel und dass man sich, glaube ich, entscheiden muss, ob alle Menschen überleben sollen oder keiner.
08:43
Denn wenn das so weitergeht wie bislang, dann gehen halt unglaublich wertvolle, technische und menschliche Ressourcen einfach immer an die ganze Sicherheitsindustrie verloren, an den ganzen informationellen Krieg, die Überwachung, die Angriffswerkzeuge, die Abwehr, die Drohnen und so weiter.
09:01
Dann ist die Frage, wie kriegt man eigentlich das hin, dass diese künstliche Intelligenz bedürfnisorientiert ist? Ich habe jetzt gerade in der Politik gearbeitet, deswegen mache ich jetzt mal am Beispiel der Politik. Aus meiner Perspektive ist das politische System relativ überlastet schon seit Langem. Zwei Gründe vielleicht. Einerseits haben wir sozusagen seit 30 Jahren eine Revolution,
09:23
was die Geschwindigkeit, die Menge und die Komplexität der verarbeitenden Informationen angeht, wo die politischen Systeme einfach überhaupt gar nicht standgehalten haben. Und zum anderen haben wir natürlich seit 30 Jahren irgendwie eine vernetzte Welt, eine vernetzte Wirtschaft, eine vernetzte Gesellschaft, aber keine globale Politik. Und da gibt es jetzt so verschiedene Initiativen, wie man das bessern kann.
09:41
Ich fange mit der Schlechtesten an. Ich weiß nicht, wer sich von euch an dieses Zuckerberg-Manifest aus dem Jahre 2017 erinnert. Da hat Zuckerberg irgendwie davon geträumt, dass man Facebook zu so einer Plattform ausbaut, wo individuelle und kollektive Risiken wie Krankheit oder wie Gewalt automatisiert erkannt werden und im Prinzip sozusagen polizeilos geschickt wird
10:03
oder irgendjemand anders losgeschickt wird. Also wo sozusagen Facebook im Prinzip staatliche Funktionen mit übernehmen wollte. Zuckerberg träumte damals auch davon, dass man irgendwie neuartige Abstimmungsmethoden benutzt, um sozusagen die Werte von den Nutzern in diese Plattform einfließen zu lassen.
10:22
Das Ganze war eine unglaublich rudimentäre Form von Demokratie. Und ich denke, es ist vor allem unglaublich gefährlich, wenn man die aktuellen Bugs von Facebook bedenkt. Also die krasse Radikalisierung, den krassen Datenmissbrauch und natürlich auch die komplette Ignoranz gegenüber Volker Murth und Co.
10:42
Eine Variante, was eigentlich so an Politikdigitalisierung gerade geplant wird, ist in Brasilien. Also in Brasilien soll Politik durch automatisiert werden. Die versuchen gerade so ein modulares System zu erstellen, wo erst mal Regierungsinformationen automatisch klassifiziert werden.
11:02
Ah nee, doch automatisch. Wo sämtliche legislativen Texte international ins Portugiesische übersetzt werden sollen. Wo sämtliche Sprachbeiträge von Politikern und Politikerinnen in Text übersetzt werden sollen. Das Ganze soll in eine Gesetzgebung einfließen, automatisiert zusammengefasst werden,
11:22
von Bürgerinnen und Bürgern kommentiert werden und dann durch eine KI ausgewertet werden. Ich fand das einen unglaublich spannenden Ansatz. Ich glaube, sowohl das Politiklernen in das System einfließt, wie auch das Bürgerinnen und Bürger was zu sagen haben und auch, dass Politik beschleunigt werden soll. Aber irgendwie ist unglaublich viel unklar,
11:43
ob eigentlich nur die schlechten Aspekte der internationalen Gesetzgebung berücksichtigt werden oder nicht. Oder ob es nur darum geht, die bekannten Themen zu analysieren oder auch neue zu entdecken. Oder ob Slang oder Dialekte berücksichtigt werden. Da gibt es sehr viele Fragen. Und wenn ich mir Brasilien angucke,
12:01
wie es nach rechts rückt, dann kriege ich da eher Sorge. Was mich dazu geführt hat, mal zu überlegen, wie können wir Datenanalyse und Plattformtechnologien als Mittel der Politik einsetzen? Das ist eigentlich ganz interessant. Man könnte zum Beispiel mit der Datenanalyse gucken, wie man politische Probleme neuartig identifiziert oder auch löst.
12:25
Man könnte fragen, was sagt uns eigentlich die Masse an Hatespeech in Facebook, wenn man es mal mit ökonomischen oder ökologischen Daten aggregiert? Über das Leiden der Menschen aus. Gibt es hier Unterschiede zwischen Kulturen, zwischen Nationen oder Schichten?
12:41
Was sagen uns die Daten der Menschen mit Migrationshintergrund über die Fluchtursachen oder über die Situation vor Ort? Was sagt uns die Luftqualität über Rechtsradikalismus? Blöd gefragt, ganz blöd gefragt. Also ich würde es gerne mal wissen.
13:01
Es ist auch völlig unklar, warum wir danach suchen, dass ein Algorithmus die richtige Therapie bestimmen kann oder einen richtigen Schulplatz oder das richtige Brautkleid. Aber wir sozusagen bisher nicht danach gucken, wie könnten uns Algorithmen und Datenanalyse dabei helfen, so etwas wie CO2-Emissionen zu senken
13:21
oder Diskriminierung aufzudecken oder soziale Ungleichheit zu reduzieren. Also wenn man so eine Art von Regierungsschnittstelle hätte, die darauf ausgerichtet ist, ich brauche noch fünf Minuten mehr, ich habe fünf Minuten wieder angefangen. Wenn man so eine Art Regierungsschnittstelle hätte, die darauf ausgerichtet ist,
13:40
gesellschaftliche Bugs zu entdecken, dann ist es ein sehr technischer Ansatz. Ich glaube, da müsste man sich sozusagen überlegen, wie kommt da der Mensch wieder rein? Wie kriegt man möglicherweise eine Abstimmung zustande, welche Probleme zuerst gelöst werden sollen oder wie? Wie kriegt man sozusagen generell die vielen Stimmen, die es online gibt, in die Politik hinein? Aber auch dann die Frage vielleicht,
14:03
wenn man in politischer Entscheidungsposition ist, dann hat man einen Moment mit unglaublich vielen Briefings zu tun und Statements und Analysen und Dokumenten und sonst wie. Also unglaublich viele Dokumenten, die oft veraltet sind. Gäbe es eine Möglichkeit, Plattformtechnologien so zu gestalten, dass Entscheider zum Beispiel die wichtigsten Informationen auf einen Blick sehr schnell haben?
14:22
Also was wie eine Wikipedia, die in Echtzeit ist. Gibt es eine Möglichkeit, Plattformtechnologien dazu zu nutzen, eine globale Wirtschaft auf nachhaltig zu steuern? Also wir haben moment diese riesigen Plattformen,
14:40
die global dezentrale Märkte steuern und das äußerst effektiv. Was bräuchte eine Plattform wie Amazon dazu, dass es einen Anreiz gibt für eine nachhaltige Produktion und Verteilung? Wäre es denkbar, dass man so einen ökologischen Fußabdruck in so ein Ranking integriert?
15:01
Wäre es denkbar, dass man so einen ökologischen Fußabdruck in eine Preisbildung integriert? Wie würde man das sozusagen hinkriegen, Amazon dazu zu wägen, solche Methoden zu durchdenken, statt nur zur Zerstörung der Welt beizutragen? Genau, also solche Fragen stellen sich, aber natürlich haben wir im Moment das Problem,
15:21
dass wir mehr so Gremien haben wie die KI-Enquete-Kommission oder die Datenethik-Kommission oder den Digitalrat und die alle sehr intransparent funktionieren und kein Mensch genau weiß, was sie tun. Man könnte natürlich auch ganz einfach anfangen und überlegen, wie kriegen wir da mehr Übersichten hin? Wie kriegen wir da mehr Texte in Textformat statt in PDF?
15:41
Wo kann man beginnen mit einer bedarfsorientierten Digitalisierung, mit einem bedarfsorientierten Einsatz von KI und wie macht man das? Früher habe ich immer gesagt, wir brauchen erst mal einen Überblick, welche Technologien in der Entwicklung sind, welche im Einsatz sind, was die Daten- und Trainingsgrundlage ist
16:03
und welche Akteure und Institutionen dazu eingebunden sind, gerade um so etwas wie Risiken- und Folgeabschätzung zu machen, zu überlegen, was müssen wir prüfen oder zertifizieren oder verbieten? Aber das macht seit einem Jahr keiner und ist wahrscheinlich auch ein Riesenaufwand.
16:21
Möglicherweise kann man darüber anders nachdenken und sagen, wenn uns diese Technologien die Möglichkeit geben, ganz neuartiges Wissen zu generieren, ganz neuartig zu verstehen und zu steuern, dann sollten wir vielleicht sehr genau überlegen, was wir endlich wissen wollen und was wir endlich steuern wollen. Also wollen wir wirklich wissen, was das große Brautkleid ist oder wollen wir nicht vielleicht doch so eine schrittweise Minimierung von Klimarisiken oder so?
16:43
Und wenn wir wissen, was wir wissen wollen und was wir steuern wollen, dann ist die Frage, haben wir überhaupt die Daten, die wir dazu brauchen? Und wenn ja, wie können die überhaupt gemanagt werden? Also ich weiß nicht, wie sich von euch an dieses Daten für alle Gesetze von der SPD erinnert. Das ist, glaube ich, eine großartige Initiative,
17:00
wo im Moment völlig unklar ist, wie man so eine Plattform baut, die möglichst vielen Daten Zugriff gewährt, ohne die Privatsphäre zu verletzen und gleichzeitig die Qualität und die Rechtmäßigkeit und die Zuverlässigkeit von Daten sichert. Ich denke, hier ist ganz klar die Politik gefragt, die sozusagen nicht nur Regeln setzen muss und auch investieren muss,
17:21
dass wir so ein zeitgemäßes Datenmanagement haben und ja, im Prinzip die Daten bekommen, die wir brauchen, um gesellschaftliche Probleme zu lösen. Was mich zu einem ganz anderen Problem führt, es ist, glaube ich, im Moment auch völlig unklar,
17:40
was man mit diesen Daten alles machen kann, also welche Ergebnisse künstliche Intelligenz wirklich bringen würde. Vor kurzem wurden relativ viele Reden aus dem Bundestag befreit und haben dazu geführt, dass viele Leute damit gespielt haben, auch Eureke Talheim, und zwar hier mit den Wörtern Sicherheit, Menschenrechte und Grundrechte und hat gezeigt,
18:04
dass sozusagen der Sicherheitsdiskurs wesentlich größer geworden ist als der Menschenrechts- oder Grundrechtsdiskurs. Und ich glaube, erst wenn man so eine Daten hat, kann man halt so Anschlussfragen stellen, also was wäre eigentlich, wenn die Grundrechte oder die Menschenrechte im Zentrum von Sicherheitspolitik stünden?
18:21
Was würde sich dann als Sicherheitsrisiko zeigen? Ich denke, hier gilt es, dass man wirklich die Unternehmen dazu bringt, wesentlich mehr preiszugeben, was so wirklich Erkenntnisse sind, die man aus Daten gewinnen kann. Praktisch kann man damit anfangen, den privatwirtschaftlichen Sektor dazu zu verpflichten,
18:40
Algorithmen Folgeabschätzung zu machen, also so Transparenz und Informationen dazu zu geben, was sind eigentlich so die Ziele von Systemen? Was ist so der Qualität vom Dateninput? Was sind die erwarteten Ergebnisse? Was sind die Nebenwirkungen, Fehlerquoten? Aber es ist nur so ein Anfang, also ich glaube generell müssen
19:01
da sehr viele Vorbehalte auf beiden Seiten überwunden werden. Wie viel Zeit habe ich noch? Ganz wichtig, eine ganz große Herausforderung ist, glaube ich, jetzt gerade, wie die DSGVO umgesetzt wird. Sie hat diese Rechte, zum Beispiel das Recht bei automatisierter Entscheidungsfindung,
19:21
die Logik zu verstehen, die Tragweite und die angestrebten Auswirkungen. Leider nur bei Entscheidungssystemen mit rechtlicher Wirkung, nicht bei Empfehlungssystemen. Und es ist unklar, wie es umgesetzt wird. Und hier gibt es gerade diese sehr interessante Initiative von FairTube, wo versucht wird, irgendwie für YouTuber eine Transparenz zu schaffen,
19:41
wann was empfohlen wird und warum. Ich glaube, die sollte man dringend im Auge behalten. Jetzt springe ich mal ein bisschen. Ich sage beim Thema Prüfung und Kontrolle, dass wir vor allem ans Ohrheberrecht ranmüssen, weil sozusagen das Ohrheberrecht zu großen Teilen den Zugriff auf Daten auch verhindert.
20:01
Und beim Ohrheberrecht wäre es auch noch wichtig zu sagen, wie kann man das sagen? Also für mich ist es gerade sehr unklar, warum alle sich über Hate Speech und Fake News aufregt und wir gleichzeitig verhindern, dass Qualitätsartikel durch die sozialen Netzwerke strömen. Also ich glaube, hier muss man dringend nochmal gucken, welche Ohrheberrechte für eine KI-Entwicklung günstig werden
20:21
und welche nicht. Jetzt muss ich noch mehr springen. Ich könnte noch was zu mensch-maschinen Schnittständen erzählen und zu Interventionsrechten und Requalifizierungen. Aber ich glaube, was ganz wichtig ist, ist, dass man auch darüber spricht, was bräuchte eigentlich die Gesellschaft, dass die KI-Entwicklung bedürfnisorientiert
20:42
und gemeinwohlorientiert funktionieren kann. Ich denke, dass wir ein Grundeinkommen brauchen, einfach damit die Menschen in diesen unterschiedlichen Bereichen einerseits frei sind zu überlegen, wie könnte mich künstliche Intelligenz oder wie könnten mich Daten- und Analysetechnologien wirklich in meiner persönlichen Arbeit unterstützen? Wie kann ich mich weiterbilden?
21:02
Wie können sozusagen die ganzen Fachkräfte aus den Sicherheitsbereichen oder aus den Medienbranchen in die Bereiche geführt werden, wo wir sie eigentlich bräuchten? Und wenn man, glaube ich, ein Grundeinkommen hätte und ganz viele Leute überlegen können, wie können sie die Technologien sinnvoll für sich nutzen, dann hätte man auch einen positiven Wandel
21:22
auf extrem viele Beine gestellt. Also würden sich Netzwerkeffekte ergeben. Ich habe mit Lessig angefangen und gefragt, okay, cooles Law, welches Recht, welche Norm wollen wir?
21:41
Und ich denke, man sollte sich im Moment sehr genau überlegen, ob es die Norm sein soll, dass KI-Technologien den Menschen ersetzen oder unterstützen, ob es die Norm sein soll, dass die wenigen über die vielen bestimmen oder ob sehr viele an dem Wandel teilhaben sollen. Und ich glaube auch, dass man sich überlegen muss, ob die Norm sein soll,
22:00
dass nur ganz wenige an der Digitalisierung gewinnen oder alle. Ich hoffe, dass ich so ein bisschen dazu beitragen konnte, das zu beleuchten und schließe vielleicht noch mit so ein paar Punkten. Also ich glaube, es ist ganz, ganz wichtig, diese Frage, was für KI wollen wir, diesen Diskurs zu starten und da sozusagen in ganz vielen Bereichen
22:22
Themen zu setzen und auch eine Medienaufmerksamkeit zu erlangen. Ich glaube, wir brauchen ganz dringend mehr Informationen über die Möglichkeiten und die Grenzen der Datenanalyse. Wir brauchen breiten Datenzugriff, reformierte Urheberrechte und eine soziale Sicherung für gemeinwoherientierte KI-Entwicklungen. Ein bisschen unklar ist gerade, wie man
22:41
diese Ideen ins Internationale transportiert, wie man die richtigen Anreizsysteme setzt. Aber ich glaube, ganz, ganz wichtig ist es, dass diese Milliarden nicht in Cyberwaffen gehen, sondern in die Entwicklung einer nachhaltigen Grundversorgung und in sichere kritische Infrastrukturen und in effektive demokratische Governance-Systeme.
23:01
Weil, ja, was soll ich sagen, Stephen Hawking, bevor er tot war, noch so ein schönes Zitat gebracht hat, This is the most dangerous time for our planet with the means to destroy our world, but not to escape it. Danke.
Recommendations
Series of 79 media
Series of 4 media