Schon seit längerem diskutieren die Sozialwissenschaften den Einfluss der Digitalisierung auf die gesellschaftliche Entscheidungsfindung. Aufgrund des zunehmenden Rückgriffs auf Algorithmen und Verfahren des maschinellen Lernens im Rahmen von „Algorithmic Governance“ und des „Automated Decision Making“ (ADM) in der praktischen Politik ergeben sich Fragestellungen im Bereich der Legitimation und ethischen Vertretbarkeit derartiger Vorstöße (Wagener 2021). Ähnlich verhält es sich mit Anwendungsszenarien für die Distributed-Ledger-Technologie, etwa dem Konzept der „Liquid Democracy“ (Bastgen / Winkler, 2013) mit dem die Behebung von Leistungsdefiziten der repräsentativen Demokratie durch die Implementierung von Automatismen zur Umsetzung des Wählerwillens bis hin zu einer „Imperativierung“ des Mandats verbunden werden (van de Sande, 2015)

Smart Contacts und DAOs

Im Rahmen von industriellen und betriebswirtschaftlichen Prozessen werden über „Smart Contracts“ schon seit geraumer Zeit auf Grundlage logischer „Wenn-Dann“-Kausalitäten vorab getroffene Vereinbarungskonsequenzen automatisiert exekutiert. Durch ein integriertes System aus einer Vielzahl dieser Smart Contracts ist es möglich, ganze Organisationen mit autonomen, vollständig mechanisierten, dezentralen Entscheidungsstrukturen abzubilden, sogenannte „Decentralized Autonomous Organisations“ (DAOs).

Eine Übertragung dieses Prinzips auf die Politik, insbesondere auf staatliche Institutionen, erscheint grundsätzlich denkbar. Im Zusammenspiel mit dem Einsatz von Algorithmen, maschinellem Lernen und KI könnten leistungsfähige autonome Systeme geschaffen werden, welche die Art und Weise der gesellschaftlichen Entscheidungsfindung sowie die Beschaffenheit des Staates grundsätzlich revolutionieren würden. Ein entsprechender Einsatz dieser Technologien in der politischen Sphäre wirft jedoch neue Fragen hinsichtlich Legitimation und Repräsentation auf. Somit erwüchse für die Gesellschafts- und Politikwissenschaften – in Anlehnung an den vielzitierten Begriff des „Internet of Things“ – die Aufgabe, die Leitlinien einer möglichen Implementierung dieser „Governance of Things“ und deren demokratieverträgliche Ausgestaltung zu skizzieren und zu bewerten: Welche Herausforderung für die Demokratie bestehen demnach und wie können wir uns diesen stellen? Inwieweit ist es legitim, die technischen Errungenschaften auszubauen und den digitalen Wandel voranzureiben? Und wie können dabei bürgerliche Partizipation und nicht zuletzt ein menschliches Antlitz der Staatlichkeit gewährleistet werden? Schließlich münden derartige Überlegungen zwangsläufig in der grundsätzlichen Frage nach der Relevanz der menschlichen Willensbildung im digitalen Zeitalter: Welche Zukunft ist wünschenswert und welche Entwicklungen führen uns in eine Dystopie?

Algorithmic Governance und AI Governance

Seit einiger Zeit wird unter dem Begriff der „Algorithmic Governance“ (Yeung, 2018; Katzenbach / Ulrich, 2020) verstärkt der Einsatz datenbasierter, „digitaler“ Technologie als Ergänzung oder auch als vollständiger Ersatz menschlicher politischer Entscheidungen diskutiert. In Anlehnung an Laurence Lessigs (Lessig 1999) Diktum „Code is Law“ (auch: „Law is Code“, vgl. Hassan / de Filippi, 2017), ließe sich diese Vorgehensweise als die Automatisierung der Ausführung vorab definierter (staatlicher) Regeln beschreiben. Die Anwendung des hier zugrundeliegenden, der Computerprogrammierung entlehnten „Wenn-Dann“-Prinzips („if this … then that…“, „IFTTT“) basiert auf der Annahme, dass sich zuvor definierte – und legitimierte – Entscheidungsmuster auf spätere Situationen anwenden lassen. Die nachfolgende Exekution anstehender Entscheidungen kann dann idealerweise autonom erfolgen, ohne dass es eines weiteren menschlichen Eingreifens zwingend bedürfte.

Der Rückgriff auf KI – verstanden als der Einsatz von autonomen, selbstlernenden Systemen – verändert die Rahmenbedingungen algorithmischen Regierens nochmals grundlegend.  Denn sofern solche intelligenten Systeme eigenständig hinzulernen, ihre Entscheidungen also nicht mehr zwingend den vorab menschlich definierten Mustern und Regeln entsprechen, sondern diese, aufbauend auf den verarbeiteten Erkenntnissen, autonom agieren und eigene Maßstäbe anlegen – man spricht dann i.d.R. von „AI Governance“ (Kuziemski und Misuraca 2020) -, stellt sich die Frage, wie diese Prozesse im demokratischen Staat legitimiert werden können. Dabei handelt es sich keinesfalls um ein rein theoretisches Problem. Derartige Systeme kommen bereits regelmäßig in der staatlichen und politischen Praxis zum Einsatz, etwa in der Arbeitsmarkt- und -innenpolitik, bei der Polizeiarbeit oder der Unterfütterung juristischer Vorgänge.[1] Eine Kombination mit DLT-basierten Verfahren findet zwar in aller Regel nicht statt, wäre aber grundsätzlich möglich.

Distributed-Ledger: Blockchain, Smart Contracts und DAOs

Der Rückgriff auf DLT-Verfahren geht in erster Linie auf die Kryptowährung Bitcoin zurück, wo die „Blockchain“ für die dezentralisierte, transparente und unveränderbare Erfassung der Daten zu den Transaktionen zwischen den Netzteilnehmern verwendet wird. Eine Transaktion muss immer durch die anderen Netzwerkteilnehmer bestätigt werden. Das Ergebnis wird unveränderlich im „Ledger“ (Kontobuch) gespeichert und die somit neu gebildete Blockchain an die Teilnehmer verteilt.

Ganz wesentlich ist dabei, dass die Dezentralität der Organisation zur Ausschaltung der vermittelnden zentralen Stelle, des „Intermediärs“ (beispielsweise eine überwachende staatliche Institution, wie eine Zentral- und Notenbank, oder ein zentrales Finanzsystem), führt. Dies wird nicht nur als effizient und kostenrelevant betrachtet – schließlich „verdient“ der Mittelsmann nun nicht mehr an einer Transaktion und die Blockchain-Peers können diesen Kostenvorteil unter sich aufteilen –, sondern verändert auch das Machtgefüge. Nicht selten wird sogar von einer „Demokratisierung“ gesprochen (Piscini et al, 2016), da die „Legitimation“ von Transaktionen dann nicht mehr durch eine zentrale Autorität erfolgt, die womöglich ihre eigenen Interessen im Visier hat, sondern durch die Masse der Netzwerkmitglieder.

Smart Contracts und IFTTT

Aus der ursprünglichen Blockchain-Logik heraus entwickelten sich auch jenseits finanzwirtschaftlicher Szenarien Anwendungsbereiche für die DLT. Unter „Smart Contracts“ versteht man technische Transaktionsprotokolle, welche die Einhaltung zuvor definierter Vertragsbestimmungen überwachen sowie autonom und mechanisiert die vereinbarten Konsequenzen ausführen – ebenfalls nach dem IFTTT-Prinzip und analog zum „Code-is-Law“-Diktum. Menschliches Eingreifen, etwa bei Verletzungen der Vertragsrechte durch eine Partei, ist damit nicht mehr notwendig.

Durch ein System aus einer Vielzahl dieser Smart Contracts ist es möglich, ganze institutionelle Organisationen mit autonomen Entscheidungswegen abzubilden – die bereits eingangs erwähnten DAOs. Diese werden bereits seit einiger Zeit im Finanzbereich erprobt und etabliert, um als eigenständige Akteure, losgelöst von menschlichen Eingriffen, am Wirtschaftskreislauf teilzunehmen (van de Sande, 2015). Die Steuerung von DAOs erfolgt automatisiert auf Basis von Bedingungen, welche die Mitglieder bzw. Teilhaber durch ein Abstimmungsverfahren im Vorfeld von Entscheidungssituationen festlegen (Chopan, 2022). Meist wird über eingebrachte Vorschläge durch in der Regel nach kumulierten Eigentumsrechten und Kapitaleinlagen gewichtete Stimmen unter der Maßgabe der Einhaltung eines bestimmten Quorums entschieden, wenngleich auch andere Stimmrechtsprinzipien (z.B. nach erworbener Reputation) denkbar sind (Arsenault, 2020).

DAOs in der Politik

Grundsätzlich scheint damit auch eine Übertragung des Prinzips der DAOs auf die Politik denkbar, was insbesondere in den USA immer wieder durch entsprechende Forderungen unterfüttert wird (Sergeenkov 2022). Unter dem Stichwort der „Liquid Democracy“ werden darunter unterschiedliche Ausprägungen der Mandatsgebundenheit, meist mit dem Fokus auf einer stärkeren individuellen, direkten bürgerlichen Partizipation, diskutiert. Eines der kursierenden Konzepte ist das „Delegated Voting“ (Nitsche, 2014). Nach diesem Prinzip können die Wahlberechtigten flexibel bestimmen, ob sie ihr Stimmrecht in einer spezifischen Entscheidungssituation selbst ausüben oder an einen Delegierten übertragen, etwa weil jener über die in diesem Fall notwendige Expertise verfügt. Der entsprechende Delegierungsvorgang wird dazu in einer Blockchain dokumentiert. Ferner könnten aber auf diese Weise auch imperative Mandate kreiert und überwacht werden. In der Kombination mit Smart Contracts ist es denkbar, einen Automatismus zu erzeugen, der den aggregierten Wählerwillen zwingend zur Umsetzung bringt, indem die eigentliche Ausübung des Mandats gar nicht mehr im Verfügungsbereich des Delegierten liegt, sondern die in der Blockchain festgehaltene inhaltliche Bindung zu einer nicht mehr beeinflussbaren Mechanisierung der Abstimmung führt. In vielen Demokratien stünde dies allerdings wohl im Widerspruch mit dem als unerlässlich betrachtetem Prinzip des freien Mandats, das den Abgeordneten nur seinem eigenen Gewissen unterwirft (Seckelmann 2014). In letzter Konsequenz müsste ein solches Verständnis von Demokratie dazu führen, dass – sofern die technische Umsetzbarkeit dieser aufwändigen Verfahren gegeben ist – es eigentlich gar keiner Delegierter mehr bedarf, da sich sämtliche Entscheidungsprozesse dezentralisieren ließen (Waldmann, 2016).

Politische DAOs als intelligente, selbstlernende Systeme

Der Hauptvorwurf gegenüber dem Delegated Voting zielt auf eine zu geringe Praxisnähe und mangelnde Effizienz. Schließlich sei es kaum möglich, die Vielzahl an Themen und unterschiedlichen Delegierten zu überblicken und zu koordinieren.  Als problematisch erachtet wurde auch die Einbindung der durch Stimmkumulation entstehenden „Superdelegierten“ in ein System von Checks&Balances sowie deren Verantwortlichkeit gegenüber den Wählern (Seckelmann 2014).

Der Einsatz von DLT wäre dabei gleichwohl durchaus geeignet, die grundsätzlichen Probleme von Stimmdelegierungen zu reduzieren, denn eine Einbettung in ein digitales System könnte einerseits zu mehr Übersichtlichkeit beitragen, andererseits würde gerade der Vermerk des individuellen Abstimmungsverhaltens der Delegierten in einer allgemein zugänglichen und unveränderbaren „Blockchain“ zu mehr Transparenz und Zurechenbarkeit („Accountability“) führen.

Komplexe Entscheidungsumfelder als Problem politischer Systeme

In der Tat dürfte ein Hauptproblem heutiger politischer Systeme und der jeweiligen Entscheidungsträger in der zunehmenden Komplexität politischer Entscheidungen sowie – zumindest in der westlichen Welt – in der allgemein wachsenden gesellschaftlichen Fragmentierung und Polarisierung bestehen. Damit drängt sich die Frage auf, inwiefern tradierte, rein menschliche geprägte Entscheidungsprozesse noch zeitgemäß sind – angesichts der stetig wachsenden Leistungsfähigkeit in diesem Kontext anwendbarer digitaler Technologien. Und: Führen menschliche Entscheidungsspielräume nicht immer auch zwangsläufig zu einem „Bias“, einer menschlich induzierten „Unwucht“, die eine Seite gegenüber einer anderen aufgrund tradierter Verhaltensmuster bevorzugt?

Vieles spricht dafür, dass sich durch den Einsatz digitaler Technologien zumindest ein Teil dieser Probleme beheben ließe, da der politische Entscheidungsprozess auf diese Weise eine radikale Rationalisierung erfahren würde (Owen 2015; Atzori, 2017). Während der formale Abstimmungsprozess sowie die Fixierung der getroffenen Entscheidung über DLT und Smart Contracts abzubilden wären, könnten der Rückgriff auf KI und Methoden des maschinellen Lernens dazu dienen, die Entscheidungsgrundlagen bereitzustellen, um dann eine „absolut rationale Willensbildung“ durch das System sicherzustellen (Atzori 2015). KI wäre somit für den Entscheidungs-Input relevant; für die Entscheidungsausführung, den Output, könnte auf DLT-Methoden zurückgegriffen werden. In einem solchen System bedarf es dann keiner „intermediären“ Mandatsträger mehr, die womöglich den streng rationalen Entscheidungsprozess durch menschliche Einflussnahme verzerren würden. Es entstünde eine absolut autonome politische Organisation – eine „Staats-DAO“ –, die den Wählerwillen durch vorgelagerte Abstimmungen aggregiert und aufwändig zu klärende Detailfragen, ausgehend von dieser somit geschaffenen Datenbasis, durch den Einsatz iterativer Lernmethoden autonom beantwortet. Die Wähler gäben also durch ihr Abstimmungsverhalten die Richtlinien und Rahmenbedingungen vor, für die Umsetzung in die praktische Politik, für die der Einzelne im Zweifelsfall ohnehin nicht die notwendige Kompetenz besäße, trüge jedoch die KI die Verantwortung und berechnet aus den vorliegenden Daten die richtige und vernünftigste Entscheidung, basierend auf Mustererkennungen (via „Unsupervised Learning“) und der Maxime der Optimierung des vorab definierten Gemeinwohls (etwa über die Methode des „Reinforcement Learnings“)[2].

Die nächste Stufe: Directed Acyclic Graphs (DAG)

Was im gesellschaftlichen Kontext nach purer Science-Fiction klingen mag, ist im industriellen Umfeld bereits deutlich weiter entwickelt. Über sogenannte „DAGs“ („Directed Acyclic Graphs“), die für manche die nächste Entwicklungsstufe der DLT markieren, lassen sich typische Probleme der DLT, wie etwa der hohe Verbrauch an Energie- und Zeitressourcen, durch die Abkehr von den komplexen Mining-Verfahren wie sie von Bitcoin und Ethereum bekannt sind, beheben. Derartige Ansätze, wie sie beispielsweise in unterschiedlicher Ausprägung von IOTA, IOTChain oder DAGCOIN vertreten werden, zielen bislang vor allem auf das „Internet der Dinge“, wo Transaktionen – transparent, chronologisch und unveränderbar – zwischen einzelnen Maschinen und Geräten dezentral abgebildet werden sollen.

Wenn Maschinen eigenständig miteinander kommunizieren und in der Lage sind, dabei unabhängig vom menschlichen Eingriff Transaktionen untereinander auszuführen, führt dies zu erheblichen Veränderungspotenzial: Eine Prozessorganisation, in der intelligente Industriesysteme untereinander Prozesse und Güterströme eigenständig abwickeln, welche Arbeitsschritte zwischen Maschinen koordiniert und für einen finanziellen Ausgleich zwischen den beteiligten Systemen und Geräten entsprechend ihrer Beteiligung an der Wertschöpfung sorgt und all dies entsprechend transparent auf einem Distributed Ledger vermerkt, ermöglicht in letzter Konsequenz eine autonome, sich selbst steuernde Maschinenwirtschaft.

Blockchain in Kombination mit KI als Zwischenschritt zur generellen Künstlichen Intelligenz

Im Moment wird oft davon ausgegangen, dass wir eine „generelle Künstliche Intelligenz“, die dem Menschen auch in seiner Vielfältigkeit gleichkommt, nur schwer erzeugen können. Die meisten KI-Systeme sind auf sehr spezifische Probleme trainiert und daher auch entsprechend in ihrer Leistungsfähigkeit darauf beschränkt. Der Rückgriff auf DLT als Element der Prozessorganisation könnte dann jedoch die Grundlagen für eine arbeitsteilige Ökonomie künstlicher Intelligenzen liefern: Stellt eine KI ihren spezifischen Arbeitsschritt fertig, so wäre es dann möglich, die Übergabe der jeweiligen Teilleistung zur Weiterarbeitung in einem Distributed Ledger zu vermerken und über einen Smart Contract an die nächste zuständige Einheit zu übergeben. Somit würde sichergestellt, dass alle notwendigen Teilschritte eingeleitet und lückenlos abgearbeitet werden.

Dieses Prinzip – KI sorgt für die Findung von Entscheidungen, die DLT für die Koordination der daraus resultierenden Handlungen – könnte grundsätzlich auch in einer politischen DAO abgebildet werden. Politische Fragestellungen ließen sich durch ein führendes intelligentes System in Einzelprobleme aufspalten, die von der spezifischen KI zu bearbeiten wären. Die Sicherstellung der Übergabeprozesse zwischen den KIs untereinander aber eben auch die „Operationalisierung“ des Wählerwillens und dessen Einspeisung in das System erfolgte auf Basis von DLT (Wagener 2018). 

Zweifelsohne müssen natürlich für ein politisches System weitaus strengere Standards hinsichtlich der technischen Verlässlichkeit gelten, als für die Abbildung von Wertketten. Und in der Tat gilt die DAG-Technologie bislang nicht als völlig ausgereift. Ungeachtet dessen wirft ein entsprechender perspektivischer Einsatz in der gesellschaftlichen Entscheidungsfindung erhebliche Fragen nach der Gewährleistung von Legitimation und Repräsentation im politischen System auf. Diesem Aspekt widmet sich der folgende Abschnitt.

Die Frage nach Legitimation, Repräsentation und Partizipation.

Die Legitimationsdefizite, ebenso wie der Mangel an bürgerlichen Partizipationsmöglichkeiten an einer weitgehend autonom agierenden politischen DAO liegen auf der Hand und ergeben sich bereits immanent aus ihrer Konstruktion: Es bedarf schon eines großen Vertrauens in die Technik und den technologischen Fortschritt, um hierin eine positive Perspektive für Staatlichkeit und Repräsentation festmachen zu können. Gleichwohl ist die Vision einer „Staats-DAO“ kein bloßes Phantasieprodukt. Die Idee die operativen politischen Prozesse an eine autonom agierende Entität auszulagern, trifft durchaus, vor allem in den USA, tatsächlich auch auf Zustimmung:

Die Vorteile eines solchen Systems werden zu allererst in der Effizienzsteigerung gesehen, die hierbei für die staatliche Entscheidungsfindung und -ausführung durch die Automatisierungszuwächse zu erwarten wären. Ähnliche oder identische Entscheidungsfragen müssten nicht immer wieder neu verhandelt, sondern könnten durch die einmalige Festlegung auch für die Zukunft verbindlich geregelt werden. Des Weiteren ließen sich Verwaltungsentscheidungen versachlichen, da das einmal gefundene Regelsystem für alle Betroffenen gleichermaßen zur Anwendung käme, ungeachtet möglicher persönlicher Präferenzen der Entscheider „vor Ort“. Damit ginge dieser Argumentation folgend ein Zuwachs an Fairness und Gleichberechtigung einher.

Libertäre Motive als Treiber

Für die Anhänger sind darüber hinaus vor allem libertäre Motive maßgebend (Tapscott / Tapscott 2016, 199). DLT wird als bewusst technokratisches Instrument betrachtet, das den staatlichen und überstaatlichen Institutionen, die ohnehin dazu tendieren würden, ihre Befugnisse zu überschreiten, entgegengesetzt werden kann ((Tapscott / Tapscott, 2016, 201).  Viele dieser „Techno-Libertarians“ sind der Meinung, dass zentrale Koordination und der Staat Produkte einer überkommenen patriarchalen und hierarchisch-autoritären Grundeinstellung sind, die es zu überwinden gilt (Atzori 2015, 24; Sergeenkov 2022; Roberts 2022)  Charakteristisch ist die Übertragung von marktwirtschaftlichen Funktionsweisen auf politische Leistungsprozesse. Der Staat als Organisationsform wird wie ein Unternehmen betrachtet, das funktionieren und liefern muss, wenn es weiter die Gunst seiner „Kunden“, den Bürgern, genießen will. Geschieht das aus Sicht des Einzelnen nicht, so wird es als logische Konsequenz angesehen, dass dieser in höchster Flexibilität seine Loyalität aufkündigt und sich „Alternativangeboten“ zuwendet (Tarkowski Tempelhof 2012).  Möglichst freie und ungezügelte Marktwirtschaft gilt als Hauptgarant politischer Stabilität (de Soto 2014). Es sei keine Option, Menschen „qua Geburt“ in ein politisches System zu „zwingen“, ihnen damit bereits „von Beginn an“ ihre Freiheit zu entziehen (Tarkowski Tempelhof 2012). Stattdessen müsse man das Prinzip auf den Kopf stellen und größtmöglicher Selbstbestimmung den Weg ebnen. Die Gestaltungsprinzipien der DLT, welche die politische Macht auf ihren eigentlichen Ausgangspunkt direkt zurückübertragen, werden hierfür als perfektes Vehikel identifiziert. Die damit ebenfalls einhergehende Technisierung politischer Systeme zielt auf eine ganz bewusste „Entmenschlichung” der Politik. Menschliche Schwächen ließen sich nicht durch Checks & Balances allein auffangen. Die durch den DLT geschaffene Entscheidungstransparenz in Verbindung mit dem durch die Smart Contracts induzierten Exekutiv-Automatismus würden Korruption und Vetternwirtschaft hingegen unmöglich machen (Woods, 2015). Grundsätzlich ist es nicht so, dass man sich gegen Demokratie als solche wendet. Typisch ist jedoch ein archaisches, teilweise auch äußerst schlichtes Demokratieverständnis. Entscheidungen werden als absolut begriffen und in schwarz und weiß, in ein binäres System von Einsen und Nullen, gegliedert. Mehrheitsentscheidungen sind dabei stets verbindlich, unabhängig von den Inhalten und ihrer Legitimität (van de Sande, 2015).

Hobbes 2.0?

Ein Großteil dieser Argumentation erinnert an klassische Gesellschaftsvertragsmodelle wie Hobbes‘ Leviathan (Hobbes 1909). Demnach sollte der Staat eher als effiziente Maschine zur Sicherstellung der Marktinteressen der Bürger fungieren (König 2020), die bürgerlichen Individuen müssen sich dabei nicht gegenseitig, sondern lediglich auf die Funktionsfähigkeit dieses Staatswesens vertrauen.

Auch ein anderer Klassiker der Gesellschaftstheorie scheint dabei im Hintergrund zu wirken: Jean Jacques Rousseaus „volonté générale“, der „wahre Volkswille“, der mit dem Gemeinwohl übereinstimmt und auf das allgemein Beste ausgerichtet ist. Dieser kann im Gegensatz zum Willen jedes einzelnen, aber auch im Widerspruch zum empirisch feststellbaren Willen aller („volonté des tous“) stehen (Rousseau 1762, Fetscher 1971). Die Idee eines „volonté générale“, so ließe sich argumentieren, wäre somit prädestiniert für den Einsatz von KI, die ja aufgrund ihrer hohen Rationalität und Rechenkapazität in der Lage ist, auch schwierige Entscheidungssituationen abzubilden. Gerade letztere scheinen doch schließlich in Zeiten zunehmender politischer Komplexität und sozialer Fragmentierung klassische repräsentative Demokratien zunehmend an ihre Grenzen zu führen. KI könnte dabei maßgeblich zu einer versachlichten Ermittlung dieses rousseauschen Volkswillens beitragen.

Schöne neue Welt?

Der Mehrheit der beschriebenen Argumentationsansätze ist gemein, dass sie ein hohes Augenmerk auf die „Output“-Seite des politischen Systems, weniger auf dessen „Input“-Seite legen. Gerade aber die Beschaffenheit einer KI-gefütterten DAO wirft die Frage nach dem rechtmäßigen Zustandekommen von Entscheidungen auf. Die binäre Absolutheit der Entscheidungen der DLT-Logik wird flankiert durch eine unstetes, sich qua Definition autonom immer weiter entwickelndes „Gehirn“, das die Detailentscheidung treffen muss: Während Maßnahmen auf Grundlage herkömmlicher Algorithmic Governance ihre Rechtmäßigkeit aus diesem zuvor abgestimmten, „festverdrahtetem“ Regelsystem beziehen, justieren sich KI-Systeme auf Grundlage ihres Lernfortschrittes permanent eigenständig neu. Dies mag legitim erscheinen, sofern zumindest die Ziele, anhand derer dies geschieht, Ausfluss eines am Staatszweck orientierten (demokratischen) Verfahrens sind. Gleichwohl ist für die Erreichung politischer Ziele in der Demokratie auch die Art und Weise ihres Zustandekommens relevant. Zieldefinitionen, anhand derer ein lernendes System sich ausrichtet, können schließlich stets nur quantitativer Natur sein. Die Auswirkungen einer solchen politischen Zieloptimierung weisen jedoch immer auch eine qualitative Dimension auf, deren Tragweite ein Algorithmus nie erfassen kann. Beispielsweise ist es sicherlich möglich, einem System eine bestimmte „optimale“ Budgetallokation als Ziel vorzugeben, die Frage, ob diese dann im Ergebnis im Einklang mit einem wie auch immer definierten Gemeinwohl steht, ist eine ganz andere und kann weder in der Praxis technisch noch in der Theorie legitim durch eine KI beantwortet werden, sondern verbleibt zwangsläufig Gegenstand der menschlichen Domäne.

Auch die angestrebte „Entmenschlichung“ politischer Entscheidungen ist vor diesem Hintergrund kritisch zu sehen. Gerade dann, wenn diese nicht mehr unter Berücksichtigung individueller Situationen getroffen werden, sind Verzerrungen und soziale Härten zu erwarten. Auch stellen sich Fragen nach den Verantwortlichkeiten im Einzelfall – und zwar sowohl politisch als auch rechtlich.

Vom Internet of Things zur Governance of Things

De Facto sind Algorithmen, digitale Prozesse und Entscheidungsmechanismen bereits heute schon nicht mehr rein technisch-rationale Konstrukte. Sie repräsentieren auch immer den Einfluss derjenigen, die an ihrer Entstehung beteiligt sind, sowohl politisch als auch technisch. Insofern können sie als eine Art „Amalgam“ aus Mensch und Code verstanden werden. In dieser Auffassung spiegelt sich das Grundprinzip der Denkschule des „Neuen Materialismus“ wider. Demnach erschiene es zunehmend unangebracht, zwischen Menschen und Nichtmenschen, Leben und nicht lebendiger Materie und auch zwischen Akteuren und Strukturen zu unterscheiden. Vielmehr vermischen sich Menschen und Computeralgorithmen zu „sozio-materiellen Assemblagen“ (Kim 2020), wodurch neue Handlungsfähigkeiten und daraus resultierende Wirkungsweisen entstehen.

Dem vielzitierten „Internet of Things“ müssten demnach Überlegungen zu einer Governance of Things an die Seite gestellt werden. Die menschlichen Systementwickler diktierten dabei nicht die Funktionsweise des Algorithmus, die Befähigung und Notwendigkeit von Governance entstünde aus dem Zusammenwirken von Algorithmus und Systementwicklern, explizit etwa beim menschlich induzierten Training mit KI-Daten und der daraus resultierenden autonomen Lernentwicklung des Systems. Dieser Vorgang beinhaltet laufende Interaktionen und Iterationsschleifen zwischen beiden „Parteien“ und führt damit zu einer Verselbständigung dieser „Amalgambildung“.

Governance of Things als Ende des Menschenzeitalters?

Angesichts der Bedeutung, die Algorithmen und digitale Automatismen heute in unserem Alltag einnehmen, ließe sich die Auffassung vertreten, dass damit womöglich bereits das Ende des Anthropozäns eingeläutet worden ist und wir nun am Anfang eines „posthumanen“ Zeitalters stünden. Entsprechend werden schließlich auch unter dem Aspekt der „Singularität“ die gesellschaftlichen und ökonomischen Auswirkungen diskutiert, sollten intelligente Systeme eines – nicht allzu fernen – Tages die menschliche Leistungs- und Adaptionsfähigkeit übertroffen haben (Bostrom 2014).

Jedoch solange diese Stufe noch nicht erreicht scheint, müssen wir uns im hier und jetzt mit dem menschlichen Einfluss auf menschliche Probleme und ihre potenziellen Lösungsansätze selbst befassen. Politik und gesellschaftliche Prozesse sind auch in Zeiten zunehmender Komplexität zuallererst Gegenstand zwischenmenschlicher Verhandlungen. Daher sollten wir uns der Demokratie willen dieser Verantwortung höchstpersönlich und nicht verschanzt hinter einer Mauer aus Einsen und Nullen stellen. Denn bislang bleiben die Blockchain-Adepten eine klare Antwort schuldig, wie eine digital gesteuerte Gesellschaft Konflikte und gesellschaftliche Insuffizienzen reguliert, und zwar jenseits von Marktkriterien, die letztlich nichts anderes als das Recht des Stärkeren propagieren. Die Welt ist in der Tat komplex, und eine angemessene Politik muss situativ abwägend und mit ethischer Erdung erfolgen, sie bedarf einer im doppelten Sinne „humanen“ Partizipation. In diesem Verständnis ist der traditionelle demokratische Staat eben mehr als ein störender Mittelsmann, er ist die Summe seiner Teile, ein Abbild der Gesellschaft und seiner Bürger.

Technologie spielt bereits heute in der politischen Willensbildung eine nicht zu unterschätzende Rolle. Der Zuwachs ihres Stellenwertes wird sich nicht vermeiden lassen und kann natürlich auch positive Effekte haben. Unzweifelhaft ist der Grat zwischen Utopie und Dystopie sehr schmal an dieser Stelle. Ganz entscheidend ist jedoch, dass der Mensch und damit die Menschlichkeit nicht ihren Haupteinfluss auf politische Entscheidungsbildung verlieren, auch wenn wir bereits heute einen Machtverlust zu Gunsten von Technologie zu verzeichnen haben. Daher muss für die demokratische Politik im digitalen Zeitalter gelten: “Governance by Things“ benötigt eine gute, im doppelten Sinne menschliche “Governance of (these) Things“.

Der Artikel entstand auf der Basis eines Vortrages und entsprechenden Conference Papers zum Panel „Blockchain Imaginaries: Techno-utopianism, dystopias, and the future-imagining of Web 3.0“ anlässlich der Tagung „Anthropology, AI and the Future of Human Society“ des Royal Anthropological Institutes, London.

Literatur:

Arsenault, Eric (2020): Voting Options in DAOs. In: Medium 15.12.2020.https://medium.com/daostack/voting-options-in-daos-b86e5c69a3e3

Atzori, Marcella (2015): Blockchain Technology and Decentralized Governance: Is the State still necessary? In: SSRN Electronic Journal, January 2015, S. 1-37

Bastgen, Sarah / Winkler, Katrin (2013): Liquid Democracy – Participation Model of the 21st century? in: Römmele, Andrea / Schober, Hendrik (Ed.): The Governance of Large-Scale Projects, Baden-Baden, S. 111-131.

Bostrom, Nick (2014): Superintelligence. Paths, Dangers, Strategies. Oxford.

Chohan, Usman W. (2022)., The Decentralized Autonomous Organization and Governance Issues (December 4, 2017, revised 2022). http://dx.doi.org/10.2139/ssrn.3082055

Hassan, Samer/ Filippi, Primavera de (2021): The Expansion of Algorithmic Governance: From Code is Law to Law is Code. Institut Veoli, https://tinyurl.com/24w2m6yu

Hobbes, Thomas (1909): Hobbes’s Leviathan: Reprinted from the Edition of 1651. Oxford, https://tinyurl.com/2e72z5ny

Katzenbach, Christian/ Ulbricht, Lena (2019): Algorithmic Governance. In: Internet Policy Review, Nr. 4, doi: 10.14763/2019.4.1424

Kim, Eun-Sung (2020): Deep Learning and Principal-agent Problems of Algorithmic Governance: The New Materialism Perspective. In: Technology in Society, Vol. 63, 101378, doi: 10.1016/j.techsoc.2020.101378

König, Pascal D. (2020): Dissecting the Algorithmic Leviathan: On the Socio-Political Anatomy of Algorithmic Governance. In: Philosophy & Technology, Nr. 3,467–485, doi: 10.1007/s13347-019-00363-w

Kuziemski, Maciej/ Misuraca, Gianluca (2020) AI Governance in the Public Sector: Three Tales from the Frontiers of Automated Decision-making in Democratic Settings. In: Telecommunications Policy, Nr. 6, 101976, DOI: 10.1016/j.telpol.2020.101976

Lessig, Lawrence (1999): Code and Other Laws of Cyberspace. New York.

Nitsche, Andreas (2014): Liquid Democracy – what the noise is all about, in: http://www.liquid-democracy-journal.org/issue/1/The_Liquid_Democracy_Journal-Issue001-01Liquid_Democracy.html

Owen, Taylor (2015): Disruptive Power. The Crisis of the State in the Digital Age, New York

Piscini, Eric /Guastella, Joe /Rozman, Alex /Nassim, Tom (2016): Blockchain: Democratized Trust. In: https://dupress.deloitte.com/dup-us-en/focus/tech-trends/2016/blockchain-applications-and-trust-in-a-global-economy.html

Roberts, Jeff J. (2022): How Andrew Yang Aims to Change Washington With a DAO. In: Decrypt.com, https://decrypt.co/95173/andrew-yang-decrypt-podcast-lobby-3-dao

Rubio, Diego / Lastra, Carlos (2019), European Tech Insights 2019, Madrid: Center for the Governance of Change. https://docs.ie.edu/cgc/European-Tech-Insights-2019.pdf

Rousseau, Jean-Jacques (1762): Der Gesellschaftsvertrag oder Die Grundsätze des Staatsrechtes. Amsterdam, English translation by Henry John Tozer 1895 , https://oll.libertyfund.org/title/cole-the-social-contract-and-discourses

van de Sande, Alex (2015): Ethereum in Practice: How to build a better democracy in under a 100 lines of code. In: https://blog.ethereum.org/2015/12/04/ethereum-in-practice-part-2-how-to-build-a-better-democracy-in-under-a-100-lines-of-code/

Seckelmann, Margrit (2014): Wohin schwimmt die Demokratie?, in: DÖV 2014, S. 1-13, S. 6.

Sergeenkov, Andrey (2022): Decentralized Autonomous Parties — The future of democracy. https://cointelegraph.com/news/decentralized-parties-the-future-of-on-chain-governance

De Soto . Hernando (2014): The Capitalist Cure for Terrorism. In:WSJ.com, Oct. 10. 2014, https://www.wsj.com/articles/the-capitalist-cure-for-terrorism-1412973796

Tapscott, Don / Tapscott, Alex (2016): Blockchain Revolution, New York

Tarkowski Tempelhof, Susanne (2012): To be governed by TED, in: TedxTalks 2012, https://www.youtube.com/watch?v=owrXnfEGzhs

Wagener, Andreas (2018): Politische Disruption: Die Digitalisierung der Politik und die libertäre Technologie der Blockchain. In:  Liebold, Sebastian u. a. (Ed.) Demokratie in unruhigen Zeiten. Baden-Baden, 387–396.

Wagener, Andreas (2021): KI als Staatsprinzip. Leitlinien demokratischer Legitimation von AI Governance. In: SWS-Rundschau (61.Jg.) Heft 4/2021, S. 369 – 390

Waldmann, Steve R. (2016): A parliament without a parliamentarian. In: Interfluidity.com, http://www.interfluidity.com/v2/6581.html

Woods, Tyler (2015): How the blockchain could built a better democracy, In: https://technical.ly/brooklyn/2015/12/22/blockchain-democracy/

Yeung, Karen (2018) Algorithmic Regulation: A Critical Interrogation. In: Regulation & Governance, Nr. 4, 505–523, DOI: 10.1111/rego.12158

Dieser Artikel ist die deutsche Version eines Papers und Vortrages auf der Jahrestagung des Royal Anthropological Institute 2022: Anthropology, AI and the Future of Human Society. Panel des King’s College, London: P28b: Blockchain Imaginaries: Techno-utopianism, dystopias, and the future-imagining of Web 3.0.

Die Originalversion findet sich hier.

Citation: Wagener. Andreas (2022). Governance of Things: AI & DAOs in Politics – Utopia or Dystopia? Conference Paper: The Royal Anthropological Institute, London: RAI2022: Anthropology, AI and the Future of Human Society. Panel: P28b: Blockchain Imaginaries: Techno-utopianism, dystopias, and the future-imagining of Web 3.0 https://doi.org/10.57944/1051-129

[1] als Überblick: Algorithmwatch, https://algorithmwatch.org/de/stories/

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Willkommen in der Matrix! Wie KI und Blockchain in der Industrie 4.0 zusammenwachsen“:

Der neueste Vortrag von Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Governance of Things: KI und DAOs in der Politik erschien zuerst auf Nerdwärts.de.

Mit den beiden Begriffen „Cyborgs“ und „Zentauren“ werden unterschiedliche Nutzungsweisen von Künstlicher Intelligenz im Arbeitsalltag umschrieben. Damit lassen sich spezifische Arbeitsstrategien kategorisieren, die jeweils beschreiben, wie KI in der operativen Tätigkeit integriert wird. Ziel ist es, diese unterschiedlichen Herangehensweisen dann hinsichtlich ihrer Effizienz und Effektivität zu analysieren.

Diese Klassifizierung geht zurück auf eine Studie der Harvard Business School in Zusammenarbeit mit der Boston Consulting Group (BCG) aus dem letzten Jahr, die untersuchte, wie unterschiedlich Künstliche Intelligenz von Mitarbeitern eingesetzt wird und welche Formen der Zusammenarbeit am erfolgversprechendsten erscheinen.

Ausgangspunkt: Metriken in der Consulting-Branche

Zweifelssohne kam den Autoren der Studie dabei die schon lange betriebene „Metrisierung“ von Arbeitserfolgen in der Consulting-Branche entgegen. In großen Beratungsgesellschaften wird oft auf das berühmt-berüchtigte, meist alle zwei Jahre stattfindenden „Up-or-Out“-Karrieremodell zurückgegriffen, wonach Berater, welche innerhalb festgelegter Zeiträume nicht die nächste Karrierestufe erreicht haben, das Unternehmen verlassen müssen. Auf diese Weise soll die Motivation und der permanente Kompetenzzuwachs der Mitarbeiter sichergestellt werden. Nicht zuletzt, um hier eine transparente Entscheidungsgrundlage schaffen zu können, wird daraus meist ein detailliertes Messystem errichtet, das Vergleiche zwischen den Mitarbeitern, aber auch mit zurückliegenden Leistungen ermöglicht.

Untersucht wurde nun, auf welche Art und Weise typische Instrumente der (generativen) KI verschiedene Mitarbeiter für Arbeitsaufgaben genutzt worden – und wie erfolgreich und effizient diese jeweils damit waren. Dabei kristallisierten sich zwei Phänotypen für die Integration von Künstlicher Intelligenz heraus: einerseits die der „Zentauren“ und andererseits jene der „Cyborgs„. Beide beschreiben jeweils zwei grundsätzliche Verhaltensweisen zur Anwendung von generativer KI im Arbeitsalltag. Während der Begriff der Zentauren sich auf das Mischwesen der griechischen Mythologie bezieht, bezeichnet das Kofferwort Cyborg, geformt aus den englischen „cybernetic“ und „organism“, meist Menschen, mit technisch angereicherten oder veränderten Körpern. Während der Zentaur – deutlich sichtbar voneinander abgegrenzt – einen menschlichen Oberkörper mit einem Pferderumpf aufweist, können die Veränderungen des Cyborgs potenziell an allen Stellen des Körpers erfolgen.

Zentauren und Cyborgs: Zwei Modelle der KI-Integration

Dieser Unterschied in der Genese der Beiden Mischwesen wird nun für die Beschreibung unterschiedlicher Herangehensweisen bei der Verwendung von KI herangezogen:

Cyborgs integrieren ihren Aufgabenablauf vollständig und interagieren permanent mit der Technologie. Sie delegieren nicht einfach nur Aufgaben, sondern verflechten ihre Aktivität intensiv mit der KI. Die Künstliche Intelligenz übernimmt dabei die Rolle des Kompetenzträgers, der das spezifische Know-How hat und durch die Arbeitskraft „angezapft“ wird.

Zentauren entscheiden hingegen situativ, welche Aktivitäten sie delegieren oder selbst übernehmen auf der Grundlage der jeweiligen Stärken und Fähigkeiten. Der einzelne wägt also ab, was er selbst in der Lage ist, einzubringen und an welchen Stellen sinnvollerweise auf die KI zurückgegriffen wird. Es gibt keine vollumfängliche Verschmelzung. Mitarbeiter, die dieser Kategorie zuzurechnen sind, versuchen stets bei der Evaluation und Auswahl der Optionen im „Sattel“ zu bleiben. KI ist demnach in diesem Fall eher Assistent und Sparringspartner. Das Know-How wird eher beim Menschen verankert, Ideen werden durch Feedback der KI „gespiegelt“.

Wer ist erfolgreicher – Cyborgs oder Zentauren?

Bei der Beurteilung der erbrachten Leistungen zeigte sich, dass Berater, die standardmäßig generative KI einsetzten – also die „Cyborgs“ -, sich grundsätzlich bei klassischen (standardisierten) Beratungsaufgaben als erfolgreicher und effizienter erwiesen. Sie waren also etwa schneller bei Berechnungen von Kennzahlen oder wenn es galt, Excel-Sheets zu befüllen und zu analysieren.

Aber obwohl dieser Vorsprung für den überwiegenden Teil der Beratertätigkeiten nachgewiesen werden konnte: Bei Aufgaben außerhalb des klassischen Leistungsspektrums, sofern Informationen jenseits reiner zahlenbasierter oder analytischer Prozesse verarbeitet werden mussten, waren die Zentauren erfolgreicher, also wenn es insbesondere galt, mittels Kreativität Probleme zu lösen.

Sind Zentauren kreativer und innovativer?

Das mag als ein Fingerzeig zu interpretieren sein, wie wir grundsätzlich auf generative KI im Arbeitsalltag zurückgreifen sollten: Ohne Zweifel bestehen durch den Rückgriff auf in vielen Situationen Chance für Effizienzgewinne, für schnelleres, auch effektiveres Arbeiten. Gleichwohl tendieren die zugrundeliegenden Modelle oft dazu, sich an einem Art Durchschnitt zu orientieren. Sie basieren auf Wahrscheinlichkeiten und Passgenauigkeiten, die sie aus den gesammelten Daten berechnen. Sie favorisieren damit oft vermeintlich populäres und nicht unbedingt außergewöhnliches. Brillantes ist somit eher selten zu erwarten, stattdessen besteht die Gefahr von Qualitätseinbußen durch die Produktion von „Einheitsbrei“.

Vermutlich liegt die optimale Lösung in der Mitte, zwischen den Verhaltensweisen der beiden Grundtypen der Zentauren und Cyborgs. Generative KI kann gerade in der Schreibtischarbeit ein probates Mittel zur Effizienzsteigerung sein. Es besteht aber offensichtlich ein Trade-Off zu Kreativität und Innovation. Natürlich lassen sich die Gefahren des Mittelmaßes durch ein überlegteres und iteratives Prompting reduzieren.  Aber in der Konsequenz bedeutet das, dass man in der Lage sein muss, erkennen zu können, wann situatives Abweichen von der Norm richtig und angebracht ist. Dies setzt jedoch eine tiefere Vertrautheit mit der Technik und eine ausreichende fachliche Kompetenz voraus, die erst erworben werden muss. Wenn aber gleich zu Beginn eine zu starke Verlagerung von Kompetenz auf die KI erfolgt, dürfte es schwer sein, ausreichende Fähigkeiten zur Beurteilung der Leistungsfähigkeit der Systeme überhaupt zu erwerben.

Wie und wo sollen die notwendigen Kompetenzen erworben werden?

Folglich ist eine stufenweise Herangehensweise erforderlich, die durch den Einzelnen zu erlernen ist. Die Frage drängt sich dann natürlich auf, wann und wo das passieren soll. In der Schule? In der Berufsausbildung, an der Hochschule? Oder „on-the-job“, im Beruf? Bisher stehen wir bestenfalls am Anfang dieser Diskussion, die wir jedoch dringend führen sollten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Empfohlene Buecher zu diesem Thema

Der Beitrag Von Zentauren und Cyborgs: wie wir KI in den Arbeitsalltag integrieren erschien zuerst auf Nerdwärts.de.

Allerorten diskutieren wir derzeit, was Künstliche Intelligenz (KI) für die Bildung und unseren Kompetenzerwerb bedeutet. Das Aufkommen insbesondere von generativer KI verändert zweifelsohne auch die Erwartungen am Arbeitsmarkt. Dabei rückt die grundsätzliche Frage ins Zentrum des Interesses, welche Fähigkeiten und Fertigkeiten in Zukunft relevant sein werden und wie (und wo) sich diese am sinnvollsten vermitteln ließen.

Als Hochschullehrer bin ich tagtäglich damit konfrontiert: Als Professor für Digitales Marketing gehört es zu meinen täglichen Aufgaben, bei den ständig neu entstehenden Tools auf dem Laufenden zu bleiben, um die Aktualität meiner Lehrinhalte sicherzustellen. Natürlich nutze ich regelmäßig ChatGPT um mir Textideen zu generieren, Deepl.com ist mein steter Begleiter bei Übersetzungen, und fertige Texte jage ich immer mal wieder durch Rephraser-Tools, um mein Geschriebenes nochmal stilistisch zu hinterfragen. Definitiv hat generative KI meine tägliche Arbeit produktiver gemacht.

KI Kompetenzen an Schulen und Hochschulen

Natürlich nutzen auch meine Studenten diese und andere Werkzeuge regelmäßig. Aber wie sieht hier der richtige Umgang damit aus? Die Bildungsinstitutionen hierzulande haben dazu ein ambivalentes Verhältnis: Einerseits sieht man viele Gefahren: wie kann man noch sicher sein, dass die Haus- oder Bachelorarbeit noch vom Kandidaten selbst geschrieben wurde? Was passiert, wenn KI-Halluzinationen Eingang in Forschungsergebnisse finden? Und lernen unsere Kinder überhaupt noch etwas, wenn die Hausaufgabe zur Englisch-Übersetzung spielerisch leicht an eine Übersetzungs-KI delegiert werden kann?  Andererseits will keiner als digitaler Bremser oder „Zukunftsverweigerer“ dastehen – diese Stigmatisierung kennt man noch aus früheren Phasen der digitalen Transformation („Willst Du Teil des Problems oder Teil der Lösung sein?“). Und natürlich lassen sich immer wieder Vorteile jenseits von Produktivitätsgewinnen anführen: Kann KI nicht auch für mehr Bildungsgerechtigkeit sorgen („Ein eigener KI-Tutor für jeden!“), frühzeitig Potenziale und Schwächen von Schülern entdecken und entsprechende individualisierte Maßnahmen einleiten? 

„Wir sollten die Technologie nicht verteufeln, sondern müssen lernen damit umzugehen“ – kann als weitgehend akzeptierter Minimalkonsens abgeleitet werden. Aber wie und wo soll dieses Wissen (und von wem) vermittelt werden? Schon in der Schule? Sogar bereits in der Grundschule? Oder erst in der Berufsausbildung beziehungsweise im Studium? Oder sollte man die Verantwortung bei den Arbeitgebern in der betrieblichen Weiterbildung ansiedeln? Dabei ist allerdings in vielen Fällen zweifelhaft, ob dieses Know-How bei denjenigen, die „operativ“ ausbilden, überhaupt vorhanden ist. Bis vor kurzem hatten Lehrer hier bei uns in Bayern noch nicht mal einen Dienstcomputer. Der Lehrplan sieht teilweise zwar eine Beschäftigung mit den Gefahren der sozialen Medien oder Cyber-Mobbing vor. Aber beispielsweise verfügte der (noch eher junge) Lehrer meines Sohnes in der achten Klasse, der letztes Jahr diese Inhalte zu vermitteln hatte, selbst noch nicht mal über einen Social-Media-Account. Es erscheint schwer vorstellbar, dass mit diesem Personal die Vermittlung von KI-Kompetenzen erfolgen kann. Ein ähnliches Bild dürfte sich an den Berufsschulen zeigen, und auch in der Hochschulbildung haben manche in dieser Hinsicht sicherlich noch einen langen Weg vor sich.

Welches sind die richtigen KI Kompetenzen?

Aber es wäre zu einfach, allein dem Lehrpersonal die Schuld für die Defizite in der digitalen Bildung anzulasten. Das liegt auch an verfehlten Strategien und Zielvorstellungen der Politik. Immer noch scheint digitale Bildung an den Schulen überwiegend als ein Problem der Geräteinfrastruktur verstanden zu werden. Als ob sich digitale Kompetenzen automatisch aufbauen würden, wenn man nur genug Endgeräte bereitstellt. Und vor nicht allzu langer Zeit wurde die inzwischen ehemalige Staatsministerin für Digitalisierung, Dorothee Bär (CSU) nicht müde, allerorten zu betonen, wie wichtige der Erwerb von Programmierkenntnissen bereits in der Schule sei, um den Herausforderungen der Digitalisierung begegnen zu können. Dabei war damals schon absehbar, dass ein Großteil des Programmier-Know-Hows durch KI abgedeckt werden könnte. Heute sprechen Größen der Digitalwirtschaft wie der NVIDIA-CEO Jensen Huang bereits vom baldigen „Tod“ des Programmierens aufgrund der zunehmenden Leistungsfähigkeit von KI.

Ich erinnere mich noch gut an Diskussionen, als ich 1991 nach der Schule eine Banklehre begann. Damals ging es um die Belegung eines Schreibmaschine-Kurses. Obwohl es natürlich schon Computer gab, wurde ernsthaft darüber gestritten, ob man das Maschineschreiben nun eher auf den damals modernen elektrischen oder besser auf den herkömmlichen mechanischen Maschinen erlernen sollte. Als Killerargument für die mechanische Variante wurde deren härterer Anschlag ins Feld geführt, da man ja auf den einfacher zu bedienen elektrischen Schreibmaschinen dann auch zurechtkäme, was umgekehrt eben nicht der Fall sei. Angesichts der Entwicklung in den letzten 35 Jahren mutet diese Diskussion heute sehr komisch an, ging es hier doch um die Vermittlung von rückblickend völlig unnötigen Kompetenzen. Diese Erkenntnis erschien damals aber eben nicht so offensichtlich, wie das heute ist. Die Frage stellt sich, ob es sich mit Kompetenzen, die wir an eine KI delegieren können, in Zukunft ähnlich verhält. Warum sich selbst mit Schreiben abgeben, wenn es eine Künstliche Intelligenz besser kann?

Gar nichts mehr lernen ist auch keine Lösung

Brauchen wir dann also gar nichts mehr zu lernen? Werden sämtliche kognitiv und intellektuell fordernden, alle kreativen Leistungen in Zukunft durch KI erbracht?  Aus humanistischer Perspektive möchte man solchen Schlussfolgerungen ein deutliches „hoffentlich nicht“ entgegenschleudern. Wir würden uns wohl auf diese Weise dem Kern unserer Menschlichkeit entledigen, im Gleichschritt einhergehend mit der Realisierung aller erdenklichen Technik-Dystopien vor denen uns Science-Fiction-Autoren schon immer gewarnt haben.

Fakt ist aber, dass wir alle, insbesondere – wenn auch nicht allein – die jüngeren Generationen zunehmend selbstverständlich auf Werkzeuge der generativen KI zurückgreifen. Das ist hinsichtlich der Kompetenzvermittlung erstmal eine gute Nachricht. Denn kein Ansatz dürfte hierbei erfolgreicher sein als ständiges Ausprobieren und Neujustieren.

Aber genau hier liegt auch ein Kernproblem des Wissensaufbaus im Kontext von generativer KI: Wie beurteilen wir, ob das, was wir mit diesen Instrumenten erzeugen, gut ist oder nicht? ChatGPT und Co eignen sich hervorragend, um die eigene Kreativität und Produktivität zu befeuern. Aber um diese Werkzeuge wirklich erfolgreich und gewinnbringend zu nutzen, muss ich in der Lage sein, deren Ergebnisse einzuordnen und zu bewerten. Dazu brauche ich ein bestimmbares Ziel vor Augen, das sich an definierten Qualitätskriterien orientiert. Nur wenn ich beurteilen kann, dass ein von der KI ausgespucktes Ergebnis Verbesserung benötigt, kann ich mein Prompting justieren, um so schrittweise zu einem Optimum zu gelangen. Anders ausgedrückt: Die KI kann zwar ohne weiteres halbwegs passabel Texte schreiben, aber um wirklich gute Texte zu erhalten, muss ich selbst in der Lage sein, wirklich gut zu schreiben. Das ist eine Kernkompetenz zur Nutzung von ChatGPT und anderen Inhaltegeneratoren. Nur auf Basis dieser Fähigkeit kann ich das System in meine gewünschte Richtung steuern. Bin ich nicht dazu in der Lage, produziert die KI eben meist nur Mittelmaß.

Generative KI: Falsche Anwendung führt zu Mittelmäßigkeit

Das erlebe ich immer wieder bei meinen Studenten. Mittlerweile habe ich eine ganz gute Trefferquote, auch ohne technische Hilfsmittel, KI-erstellte Inhalte zu identifizieren. Ich ermutige zwar ausdrücklich, auf generative KI zurückzugreifen, weise aber auch auf die beschriebenen Risiken hin. Daher bekomme ich auch in aller Regel ehrliche Antworten, wenn ich danach frage, ob bei der Erschaffung eines Inhaltes ChatGPT verwendet worden ist. Diese Ergebnisse genügen meistens formalen Anforderungen, lesen sich durchaus flüssig. Aber Außergewöhnliches, gar brillantes, findet sich darunter so gut wie nie.

Der Grund hierfür liegt in der Beschaffenheit der großen Sprachmodelle. Vereinfacht ausgedrückt berechnen diese stets Wahrscheinlichkeiten für Passgenauigkeiten von Textversatzstücken. Trainiert mittels unzähliger Textvorlagen, werden typische Sprachmuster gesucht und angewendet. Das muss zwangsläufig zu – zunächst im neutralen Sinne – durchschnittlichen Ergebnissen führen, sofern man nicht durch spezifisches Prompting diesem Drang der Systeme gezielt entgegenwirkt. Diese zentrale Fähigkeit bei der Nutzung von generativer KI kann jedoch nur erwerben, wer gelernt hat, verschiedene Qualitäten beim geschriebenen Wort zu unterscheiden – also: wer viel gelesen hat und gelernt hat, gut zu schreiben. 

Ich bin hoffentlich (!!!) weit davon entfernt ein Bildungs-Konservativer zu sein oder ein elitäres Bildungsideal zu vertreten. Aber tatsächlich scheinen es diese klassischen Tugenden zu sein, die demnach maßgeblich sind für eine sinnvolle Nutzung von Werkzeugen der generativen KI.

KI Kompetenzen und Deskilling

Dann allerdings stellt sich die Frage, wie und wo diese zu vermitteln sind. Wenn man Schwierigkeiten hat, selbst Texte zu verfassen, ist es verführerisch, auf ChatGPT & Co zurückzugreifen. Wer das regelmäßig tut, bevor diese grundlegenden Sprachkompetenzen erworben worden sind, wird es allerdings nie zu einer vollendeten Kunstfertigkeit auf diesem Gebiet bringen – weder sprachlich noch bei der Anwendung generativer KI.

Befinden wir uns also wirklich auf dem Weg zu einer „Idiokratie“, weil uns durch dieses „Deskilling“ ein gesellschaftlicher Wissenskollaps droht? Wenn diese vorgelagerten sprachlichen Fähigkeiten nicht mehr flächendeckend vermittelt würden, wenn dann in der Folge Mittelmaß nicht mehr als solches erkannt werden könnte, sondern sich stattdessen als maßgebender Standard etabliert, dann spräche das zumindest für eine gesellschaftsübergreifende Degeneration.

OK, ich gebe zu, das klingt jetzt wirklich nach einem klassischen konservativen, pessimistischen Menschen- und Gesellschaftsbild, liegt vielleicht am zunehmenden Alter.

Also, dann jetzt das konstruktive Fazit:

Künstliche Intelligenz ist zweifelsohne eine großartige technologische Errungenschaft, sie wird mit Sicherheit unser Leben positiv beeinflussen. Wie immer bei bahnbrechenden Innovationen, weisen diese natürlich auch Schattenseiten auf. Es liegt aber an uns, die Anwendungsumgebungen zu gestalten. Für die zielgerichtete und sinnstiftende Nutzung insbesondere von generativer KI brauchen wir spezifische Kompetenzen. Interessanterweise sind das in diesem Fall klassische humanistische Fähigkeiten. Nur wenn wir diese beherrschen, beherrschen wir die KI – und nicht umgekehrt.

Mehr noch als bei allen anderen Phasen der digitalen Transformation kommt es hier auf die Findung und Gestaltung der „richtigen“ und „verantwortungsvolle“ Anwendungsprozesse an.  Dazu müssen wir unser Bildungskonzepte nicht komplett über den Haufen werfen, sehr wohl aber intensiv nachbessern. Wir müssen frühzeitig ein Verständnis von Algorithmen nahebringen, am besten schon beginnend in der Grundschule (ja, das geht). Dazu sollten solche Themen selbstverständlicher Gegenstand der Lehrerausbildung sein, aber auch auf die vielbemühten Quereinsteiger kann man hier zurückgreifen (mit weit weniger Schmerzen als in Fächern wie Deutsch oder Mathematik).

An der Hochschule und auch sonst wo bedarf es punktuell einer Anpassung der Prüfungsleistung, aber auch das ist keine unüberwindbare Hürde. Beispielsweise könnte man sich von rein Lehrbuchwissen-befüllten Bachelor- und Masterarbeiten verabschieden und stattdessen empirische Ansätze zu Pflichtbestandteilen erklären, die sich deutlich schwerer durch KI simulieren lassen, gegebenenfalls flankiert durch eine „Verteidigung“ der Arbeit.

Und auch die Vermittlung der richtigen Anwendungskompetenz von generativer KI etabliert sich bereits jetzt allmählich. Richtiges Prompting ist anstrengend und zeitaufwändig (was oft unterschätzt wird). Es setzt neben den sprachlichen Kompetenzen auch weitere Fähigkeiten in der digitalen Anwendung voraus.

Am besten erschließt man sich diese durch permanentes Anwenden, Ausprobieren und Hinterfragen der Ergebnisse – das gilt sowohl für die Lernenden als auch für die Lehrenden.

Und da gibt es keine Ausreden.

TL; DR? Hier der Artikel als Deepdive-Podcast:

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Empfohlene Buecher zu diesem Thema

Der Beitrag Macht KI uns dümmer oder klüger? Welche Kompetenzen werden wir in Zukunft noch brauchen, und wie vermitteln wir diese? erschien zuerst auf Nerdwärts.de.

Die immer schneller voranschreitende Entwicklung Fortschritt bei den „digitalen“ Technologien – wie generative KI und Virtual Reality – verändern bereits heute die Grundlagen des menschlichen Alltags. Schon jetzt ist damit die Simulation menschlicher Erscheinungs- und Verhaltensweisen im Digitalen möglich. Die Darstellung rein digitaler „Wesen“ in menschlich wirkender Optik sowie die Erzeugung passender menschlicher Sprache gestatten eine „lebensechte“ Kommunikation im virtuellen Umfeld. Was bedeutet das für das Miteinander von Mensch und Technik? Welche gesellschaftlichen und auch welche ethischen Fragestellungen erwachsen hier? Und wie sehen die möglichen Antworten des Menschen auf die immer weiter voranschreitende technische Entwicklung aus? Können wir die Technik beherrschen? Oder müssen wir uns anpassen und zu „Cyborgs“ werden, die ihren Körper (und Geist) mit dem Ziel, mithalten zu können, technisch aufrüsten?

Vortrag von Prof. Dr. Andreas Wagener: „Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Von Cyborgs und Digitalen Lebewesen: Wie generative KI&VR menschliches Leben (und Sterben) verändern erschien zuerst auf Nerdwärts.de.

Im Zuge der Covid-Pandemie hat sich insbesondere in China der Trend des “live-eCommerce“ verstärkt, der dort im Jahr 2022 auf ein Volumen von 43,2 Milliarden Yuan geschätzt wird (etwa €6Mrd.) Dieser lässt sich in etwa als „digitales Teleshopping“ umschreiben und umfasst oft eine intensive Interaktion mit dem Publikum. Zuschauer können „live“ Fragen zu präsentierten Produkten stellen. Grundsätzlich lässt sich dies auch in den virtuellen Welten realisieren, wie zum Beispiel der chinesische Handelsriese AliBaba mit seinem Ansatz auf der Plattform TaoBao zeigt. Dort entstehen eigene dreidimensionale virtuelle Shopping-Umgebungen, die per Avatar besuchbar und „erlebbar“ sind. Die einzelnen Verkaufsabteilungen und Geschäfte sind mit – virtualisierten – Mitarbeitern besetzt, welche die Kunden in „Echtzeit“ beraten. Zu festen Terminen sollen zudem – analog zu dem bereits praktizierten „gewöhnlichen“ online-Live-Shopping – interaktive Verkaufsveranstaltungen und Produktpräsentation stattfinden.

Virtual Beings als Moderatoren von live-Events

Der live-eCommerce-Markt China wird stark durch Influencer geprägt, die den Sprung vom reinen „Creator“ zum „Moderator“ bzw. „Host“ geschafft haben. Grundsätzlich ist hier ein Einsatz von Virtual Beings ebenfalls denkbar. In der Tat gibt es hierfür bereits erste Beispiele: Der reichweitenstarke (und inzwischen von der Bildfläche verschwundene) Live-Streamer und Influencer Li Jiaqi führte bereits 2020 gemeinsam mit dem „Virtual Idol“ Luo Tianyi, das fast 4,6 Millionen Follower auf Weibo (gewissermaßen das chinesische Twitter), aufweist, durch eine Verkaufsshow auf Taobao, vor fast 3 Mio. Zuschauern. Die ebenfalls zu Alibaba gehörende E-Commerce-Plattform Tmall führte im Anschluss daran ein weiteres Live-Streaming-Event durch, bei dem der „menschliche“ Part von Li Jiaqi durch die ebenfalls nur virtuell existierende Yuezheng Ling ersetzt wurde und somit die Moderation nunmehr vollständig in den Händen der Virtual Beings lag. Während damals die Interaktion mit den Virtual Idols vorwiegend auf der Produktion vorgefertigter, „programmierter“ Dialoge beruhte, kommen für derartige Live-Shopping-Events in jüngster Zeit verstärkt eigenständige virtuelle „Hosts“ zum Einsatz, die im einfachsten Falle auf dem technischen Niveau simpler Chatbots agieren, bei denen aber potenziell auch leistungsfähigere, selbstlernende Technologien zum Einsatz kommen können – wie etwa das Beispiel Dong Dong zeigt, das chinesische Virtual Being, das zur Bewerbung des Olympia-Merchandise entwickelt wurde.

„Austausch“ von unliebsamen Influencern durch Virtual Beings?

Hinter dieser Entwicklung dürfte, so wird vermutet, auch staatliches Kalkül liegen. Einige der menschlichen Live-Streamer und Influencer sind sehr schnell sehr reich und mächtig geworden, was den Machthabern in Peking wohl ein Dorn im Auge war. Zuletzt sind nicht wenige dieser chinesischen Internetstars – wie Li Jiaqi – aus der Öffentlichkeit komplett verschwunden – an ihre Stelle treten stattdessen vermehrt Virtual Beings.

Virtual Beings mit Plattenvertrag

Aber ebenso andernorts, außerhalb Chinas, werden virtuellen Wesen in der produktbezogenen Live-Kommunikation eingesetzt: Der koreanische Konzern LG Electronics entwickelte die virtuelle DJane und Songwriterin Reah Keem, die für das Unternehmen auf der Messe CES Electronics auftrat und dort dessen neues Laptop präsentierte. LG beschränkte sich aber nicht auf diese punktuelle Maßnahme, sondern arbeitete im Anschluss an den Event weiter kontinuierlich an der Etablierung der Kunstfigur und ließ sie etwa auf verschiedenen Social-Media-Präsenzen über ihren Alltag „berichten“. Inzwischen erhielt sie zudem medienwirksam einen eigenen Plattenvertrag. Marken können also auch eigene Virtual Beings erschaffen, die je nach Bedarf für die Markenführung herangezogen werden, ansonsten aber ein unabhängiges Eigenleben führen können, womit Authentizität und Glaubwürdigkeit generiert werden soll.

Virtual Beings als virtuelle Influencer im Rahmen von konzertierten Social Media-Aktionen

Samsung stellte dem englischsprachigen Publikum zum Jahresbeginn 2022 sein neues Smartphone Galaxy S22 im Rahmen eines Online-Live-Events vor. Als Co-Host, neben dem TikTok Creator Liam Kalevi begrüßte der „virtuelle Influencer“ Zero die Zuschauer. Er interagierte mit seinen menschlichen Kollegen, indem er „aus seinem Bunker im Metaverse“ mit einer virtuellen Version des neuen Samsung-Mobiltelefons ein Selfie mit diesen aufnahm, was anschließend breit auf Social Media und in einschlägigen Pressekanälen geteilt wurde. Selbst wenn es sich hier offensichtlich nicht um eine KI handelte – zu eloquent führte der im Manga-Stil entworfene Moderator durch die Veranstaltung –, sondern wohl eher um einen Avatar, der die Mimik des menschlichen Sprechers jedoch perfekt in Echtzeit auf das virtuelle Pendant übertrug, zeigt dies doch, dass sich auch im westlichen Teil der Welt neue Einsatzbereiche für Virtual Beings im Live-Commerce eröffnen.

Virtual Beings und das Metaverse

Virtual Beings werden auch angesichts der anhaltenden Diskussion um das Metaverse zunehmend relevant – gerade auch im Marketing- und Commerce-Kontext. Der Trend zur weiteren „Virtualisierung“ dürfte erst am Anfang stehen. Sicherlich kann man das Nutzerverhalten in Asien und insbesondere China nicht ohne weiteres mit der Situation hierzulande vergleichen. Aber es wäre fahrlässig, diese Entwicklungen nicht im Auge zu behalten.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Künstliche Intelligenz im Marketing: Künstliche Kreativität, VR & DNA-Targeting.“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Live-Shopping mit Virtual Beings erschien zuerst auf Nerdwärts.de.

Der Begriff der „Virtual Beings“ bezieht sich auf die Entstehung „digitaler Lebewesen“ mit eigenen „Persönlichkeiten“, die entsprechende Möglichkeiten der menschlichen Interaktion eröffnen und dabei verschiedene Ausprägungen haben können. Ein weiter gefasstes Verständnis bezieht dabei bereits intelligente Chatbots und Sprachassistenten, aber auch interaktionsfähige Roboter – wie der berühmte „Pepper“ – , mit ein. Diese Kategorie wird teilweise als „Virtual Companions“ umschrieben, Begleiter im physischen Alltag, die auf digitalisierte Ressourcen zurückgreifen. In einer engeren Definition umfasst der Begriff hingegen nur Erscheinungsformen im virtuellen Raum. Manchmal findet hierfür auch die Bezeichnung „Digital Humans“ Verwendung, digitalisierte menschliche Abbilder, wobei hiervon der Terminus „Avatar“ nochmals abgegrenzt werden muss, der sich auf eine (meist) grafische Repräsentation des Nutzers in digitalen Umgebungen, etwa in Spielen und auch auf Metaverse-Plattformen, bezieht. Ein Avatar besitzt damit aber eben keine autonomen Persönlichkeitseigenschaften, ist also kein eigenständiges virtuelles Lebewesen.

Virtual Beings vs. Digital Humans

Von „Virtual Beings“ ist der oft synonym verwendete Terminus der „Digital Humans“ noch in weiterer Hinsicht zu unterscheiden: Zum einen muss die digitale „menschliche“ Ausprägung nicht unbedingt auch ein reales menschliches Antlitz besitzen, ebenso sind comicartige oder gänzlich gesichtslose Darstellungen denkbar. Zum anderen können auch andere Lebewesen „virtualisiert“ werden. Inzwischen ist es etwa möglich, „individualisierte“ Haustiere im Metaverse zu besitzen. Das Unternehmen „Digital Pets Company“ stellt beispielsweise entsprechende NFT-Hunde als virtuelle Begleiter zu Verfügung, die eigene, „unique“ Persönlichkeiten besitzen sollen und von ihren Haltern weiter trainiert werden können.

Virtual Beings als virtuelle Influencer

Schon seit Längerem wird im Marketingkontext über „virtuelle Influencer“ diskutiert. Viel zitierte Vertreterin ist etwa das rein digital existierende „Supermodel“ Shudu, welches von der dahinter stehenden Agentur auf dem eigenen Instagram-Kanal mit mehr als 200.000 Followern höchst professionell in Szene gesetzt wird. Einen noch größeren Bekanntheitsgrad hat sich „Lil’Miquela“ erworben: Sie verfügt über ein Instagramprofil mit mehr als 3 Mio. Followern und einen eigenen Youtube-Kanal, dessen Videos teilweise mehrere Millionen Abrufe aufweisen. Quer über die verfügbaren Social Media Kanäle wird auf diese Weise der Alltag eines Influencers simuliert – Lil‘Miquela trifft sich mit Freunden, macht Selfies, teilt ihre Spotify-Playlist – und auf diese Weise „echtes“ Geld mit Product Placement verdient. Selbst wenn in den letzten Jahren immer mehr virtuelle Influencer in Europa und auch hierzulande auf der Bildfläche erscheinen, hinkt die Entwicklung deutlich hinter jener in Asien, in Japan, Korea und China hinterher. Das chinesische Marktforschungsunternehmen iiMedia bezifferte das Volumen des hier mit „Virtual Idol“ bezeichneten Marktes für 2021 mit 6,22 Mrd. Yuan (etwa €900 Mio.).

Virtual Beings und der Einsatz von KI

Die beschriebenen Beispiele virtueller Influencer stellen zwar erfolgreiche Marktadaptionen dar, sind technisch recht gut gemachte, aber letztlich doch „händische“ Inszenierungen. Der Rückgriff auf KI, auf Methoden des maschinellen Lernens und insbesondere Deep-Learning-Verfahren, ermöglicht heute nicht nur deutlich ausgereiftere grafische Umsetzungen, sondern auch einen höheren Automatisierungsgrad der Interaktion. Eigenständig hinzulernende und dann autonom agierende Virtual Beings stellen gewissermaßen die „Krone der digitalen Schöpfung“ dar. Schon heute sind digitale Realitäten oft nicht mehr von der analogen Wirklichkeit zu unterscheiden: Eigenständig durch KI generierte Bilder „realer“ Menschen und Gegenstände lassen sich meist nur schwer von herkömmlichen Fotografien unterscheiden. Und „Deepfakes“ zeigen uns, dass dieser Aspekt gleichfalls auf Bewegtbild ausgeweitet werden kann. Auch die Entwicklungen in der Sprachverarbeitung, im „Natural Language Processing“ sind soweit fortgeschritten, dass menschliche Originalstimmen synthetisch perfekt nachgebildet werden können.

Virtual Beings im Metaverse – eine neue Entwicklungsstufe?

Sollten derart äußerlich perfekt gestaltete virtuelle Lebewesen nun ebenso in ihrem Innern entsprechend angereichert werden, so dass über eigenständiges Hinzulernen auch eine Simulation von Persönlichkeit möglich ist, dürfte die Unterscheidung zwischen „analogen“ und digitalen Lebewesen zunehmend schwerer fallen. Es ist zu erwarten, dass in einer virtuellen Umgebung, wie in einem wie auch immer gearteten Metaverse, diesen – nicht zuletzt in Bezug auf Kommunikation und Marketing – womöglich eine Schlüsselrolle zukommen wird. Allein für China geht man von 60.000 neuen Unternehmen aus, die 2021 den Markt der Virtual Beings für sich entdeckt haben. Hinsichtlich des Marktvolumens wird ein Anstieg von aktuell ca. 90 Mio. Euro auf bis zu 75 Mrd. Euro im Jahr 2030 prognostiziert.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Künstliche Intelligenz im Marketing: Künstliche Kreativität, VR & DNA-Targeting.“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Virtual Beings, Digital Humans und Avatare – eine Begriffsabgrenzung erschien zuerst auf Nerdwärts.de.

Der Begriff „Metaverse“ geht, ebenso wie die heute einschlägige Verwendung der Bezeichnung „Avatar“ für ein menschliches Abbild im digitalen Raum, auf den Autor Neal Stephenson und dessen Science-Fiction-Roman „Snow Crash“ zurück. Damals, im Jahr 1992, deutlich dystopisch angelegt, prägte Mark Zuckerberg den Begriff auf ein neues weltumspannendes, virtuelles Netzwerk um, in welchem – das nun in „Meta“ umbenannte – Facebook, in Verbindung mit den eigenen VR-Brillen von Oculus Rift, als soziales Netzwerk auch in der virtuellen Sphäre eine weiterhin gewichtige Rolle einnehmen soll.

Metaverse: bisher keine eindeutige Definition

Eine eindeutige, allgemein anerkannte Definition für den Terminus „Metaverse“ existiert allerdings bislang nicht. Viele Unternehmen, die in dieser frühen Phase in eigene virtuelle Plattformen investieren, versuchen hier eine eigene Deutungshoheit zu erlangen – die Firma NVIDIA spricht etwa vom „Omniverse“. Eine gewisse Stilbildung erfolgte durch die theoretischen Vorarbeiten Matthew Balls, auf den sich auch Mark Zuckerberg bezogen hatte, und die entsprechend häufig in diesem Kontext zitiert werden. Zusammenfassend ließe sich das Metaverse demnach als eine komplett funktionsfähige Parallelwelt im virtuellen „Raum“ beschreiben: Diese kann nicht beliebig an- oder ausgeschaltet werden, sie ist „persistent“, wie die „echte“ Welt. Auch wenn man nicht aktiv oder anwesend – „online“ – ist, läuft das Geschehen für alle weiter – in „Echtzeit“. Dieses Metaversum würde über ein eigenes Wirtschaftssystem verfügen, in dem man kaufen, verkaufen, arbeiten und investieren kann.

Es bedarf einer weitergefassten Definition für das Metaverse

In diesem Verständnis spiegelt sich jedoch eine – nicht zuletzt technisch – aktuell noch nicht realisierbare Zielvision wider, die nah an der skizzierten Welt aus Stephensons Science-Fiction-Roman liegt und eine enge Verflechtung von physischer Welt und virtueller Dreidimensionalität suggeriert. Gleichwohl wird der aktuelle Stand digitaler Entwicklungen bereits ebenfalls unter dem Begriff des Metaverse diskutiert. Das „immersive“ Eintauchen in virtuelle Welten mit entsprechenden VR-Brillen, aber auch bereits 2D-Erfahrungen in digitalen „Multiplayer-Open-World“-Spielen oder auf Plattformen wie Roblox, Minecraft, Decentraland und Sandbox zählen genauso zu diesem Kosmos wie die schon seit längerem praktizierte Handelbarkeit virtueller Güter. Selbst wenn damit bislang kein ubiquitäres und standardübergreifendes Gesamtgebilde geschaffen wurde – wie es einer engen Metaverse-Definition entspräche, so lassen sich als gemeinsamer Nenner dieser Entwicklungen eine tiefergehende Digitalisierung ausmachen. Diese erlaubt potenziell all das, was im Analogen möglich ist, ebenso im Digitalen. Sie ist in der Lage, Erlebnisse im digitalen Raum als zunehmend eigenständig und losgelöst von den physischen Gegebenheiten zu inszenieren. Angestrebt wird die Ebenbürtigkeit des Digitalen. Zumindest hierin besteht Deckungsgleichheit mit der Endvision der enger gefassten Definition vom Metaverse.

Die 4 Dimensionen des Metaverse

Dennoch werden in der Diskussion sehr unterschiedliche Aspekte miteinander verwoben, Technologien – wie VR oder Blockchain/NFTs – auf der einen Seite und weiter fortschreitende Immersion auf der anderen. In der Tat lassen sich verschiedene Dimensionen in der Metaverse-Entwicklung als Kategorien erfassen, die gleichfalls die Handlungsfelder von Unternehmen entsprechend abstecken:

• Gaming und digitale Umgebungen in 2D
• Digitale Realitäten in 3D
• Virtuelle Güter und NFTs
• Web3

Auch schon Metaverse: Gaming und digitale Umgebungen in 2D

Die 2003 gegründete virtuelle Community SecondLife gilt inzwischen als früher Vorläufer der heutigen Metaverse-Ansätze. Sie ist als ein Paradebeispiel einer zweidimensionalen, also am herkömmlichen Bildschirm erlebbare, in sich geschlossene Welt zu betrachten und ermöglichte bereits damals Alltagstätigkeiten – kommunikativer Austausch, Events, Spiele, Shopping – im digitalen Raum. Dieses Konzept findet heute seine Fortsetzung etwa auf der Plattform Decentraland, welche sich ebenfalls am 2D-Bildschirm erfahren lässt, die aber auch ermöglicht, das Erlebnis durch den Einsatz von VR-Brillen dreidimensional zu erweitern (s.u.). Auch der Multiplayer-Shooter Fortnite wird als Entwurf eines eigenen Metaversums verstanden. Neben dem eigentlichen Spielmodus führt Fortnite regelmäßig Events, insbesondere Live-Konzerte und -Performances durch. Mittels einer eigenen Währung, den „V-Bucks“, kann die Modifizierung der Erscheinung des eigenen Avatars bezahlt werden. Ohnehin dürften Spiele unter den bereits realisierten Anwendungen derzeit der Idealvorstellung eines Metaverses am nächsten kommen. Die Gaming-Plattform Roblox ermöglicht nicht nur ihren Nutzern, selbst eigene Spiele zu entwickeln und mittels der virtuellen Währung Robux zu monetarisieren, sondern bietet zudem Unternehmen Rahmenbedingungen, sich und ihre Marke zu präsentieren, etwa durch den Aufbau eigener Teilwelten und die Bereitstellung einschlägiger Inhalte und Angebote – wie das Beispiel „Nikeland“ zeigt (Reuters, 2021). Doch im Prinzip schließt der Aspekt der digitalen Umgebung als Erfassungsmerkmal für das Metaverse auch weitere virtuelle Plattformen und Dienstleistungen mit ein, die ein entsprechend hohes Maß an Immersion aufweisen. So können ebenso in sich geschlossene Bildungsangebote hier angeführt werden). Selbst Zoom, als digital-autarkes Instrument der Wissensvermittlung und virtuelles Eventtool, ließe sich damit dem Metaverse-Kosmos zurechnen.

Digitale Realitäten in 3D als Zielvorstellung des Metaverse

Der Einsatz von VR-Endgeräten, um „echte“ virtuelle Erlebnisse zu ermöglichen, ist schon seit längerem im Gamingumfeld erprobt. Unzweifelhaft verstärkt Dreidimensionalität die realitätsnahe Wahrnehmung in der digitalen Sphäre und erhöht die Immersion. Verschiedenste kommerzielle Anbieter – nicht zuletzt die von Meta vor einigen Jahren erworbene Firma Oculus Rift – stehen aktuell im Wettbewerb um diesen als vielversprechend empfundenen Zukunftsmarkt. Wie erwähnt, setzen auch verschiedene Metaverse-Plattformen, wie Decentraland, darauf, ihre Inhalte mit diesen Endgeräten erlebbar zu machen. Die dreidimensionale Teilhabe mag einen wichtigen Schritt hin zur Entwicklung eines „echten“ Metaverses markieren, aber erscheint – zumindest heute –  noch nicht zwingend als ein konstituierendes Merkmal. Die bereits erwähnten zweidimensionalen Umgebungen eröffnen ebenfalls immersives Potenzial. Aber ebenso kann der Mix aus virtueller und physischer Realität als „Augmented Reality“ (AR) zu einer Anreicherung medialer Erfahrungen führen. Indem der Blick durch ein digitales Display – etwa durch eine Smartphone-Kamera – ein Bild aus der analogen Realität um ein virtuelles Element erweitert, kann ebenfalls bereits von einer Verschmelzung beider Sphären gesprochen werden. Anwendungsfälle hierfür finden sich etwa bei der Verwendung virtueller Güter, wenn rein virtuell existierende Kleidungstücke oder Schmuck auf ein „reales“ Foto projizierbar werden und das physische Tragen dieser Utensilien sich damit digital simulieren lässt. 

Virtuelle Güter und NFTs im Metaverse

Der Gamingsektor ist auch hinsichtlich virtueller Güter als prägend zu betrachten. Schon seit geraumer Zeit ist es möglich, die Ausstattung von Avataren, deren Erscheinungsbild oder bestimmte virtuelle Gegenstände, die im Spiel einen Vorteil verschaffen, in Spielen gegen Geld zu erwerben. Die Geschäftsmodelle der Branche basieren immer öfter auf diesem Aspekt – entweder als Haupteinnahmequelle bei einer ansonsten frei nutzbaren Software (z.B. bei Fortnite) oder als Zusatzverdienst zu einem zu entrichtenden Grundentgelt (als „Paidmium“). In einer virtuellen Welt, die versucht, physische Bedingungen nachzubilden, kommt dem Aspekt der Handelbarkeit von „virtuellen Sachgütern“ und Dienstleistungen eine besondere Bedeutung zu. Die Motivation der Nutzer, diese zu erwerben, besteht nicht zuletzt darin, eine „Online-Identität“ zu schaffen, mit der man sich gegenüber anderen abgrenzt. Aber auch für Unternehmen kann es interessant sein, Anknüpfungspunkte in den entstehenden virtuellen Welten zu errichten – etwa indem man „Immobilien“ erwirbt oder „mietet“, die zur Kundenkommunikation oder als Verkaufsfläche genutzt werden.

NFTs vs. Virtuelle Güter

In diesem Kontext fällt häufig – der allerdings nicht immer trennscharf verwendete – Begriff „NFT“ („non fungible token“). „Nicht-fungibel“ bedeutet „nicht austauschbar“ und bezieht sich auf den Umstand, dass digitale Güter, im Gegensatz zu physischen Gütern, eigentlich nicht rivalisierend im Konsum sind, weil sie sich unendlich vervielfältigen lassen und eine Übertragbarkeit nicht an den Verzicht des Gutes durch den „Abgebenden“ gebunden ist. In einer virtuellen Welt, in der es „unique“ virtuelle Sach- und Investitionsgüter gibt – wie etwa eine virtuelle Veranstaltungslocation in einer Premiumlage – besteht jedoch die Notwendigkeit, genau diesen originär physischen Übertragungsprozess auch in der virtuellen Welt sicherzustellen, also zu gewährleisten, dass bestimmte Güter nur einmal verkauft werden. Dieses Problem ist bereits von digitalen Zahlungsmitteln wie Bitcoin bekannt, und auch wird entsprechend versucht, dieses durch den Rückgriff auf Distributed-Ledger-Technologie (DLT, „Blockchain“) zu lösen. Indem die Transaktion auf der anschließend dezentral verteilten Blockchain fixiert wird und grundsätzlich für jeden Marktteilnehmer einsehbar ist, wird sichergestellt, dass es keine „doppelte“ Übertragung gibt. Ferner kann damit die Einzigartigkeit des virtuellen Gutes dokumentiert werden. Greifen die Betreiber verschiedener Welten auf das selbe DLT-Verfahren zurück, ließe sich damit eine Interoperabilität zwischen den Plattformen schaffen, d.h. digitale Güter, die in einer virtuellen Umgebung erworben würden, könnten grundsätzlich ebenso in einer anderen genutzt werden. Auf diese Weise käme man der Zielvision eines umspannenden, allgemeinen, ubiquitären Metaverses deutlich näher. Allerdings zeichnet sich eine solche Entwicklung bestenfalls nur in Ansätzen ab, nicht zuletzt aufgrund von Kompatibilitätsproblemen und den kollidierenden Interessen der verschiedenen Betreiber der aktuellen virtuellen Plattformen.

Grenzen von NFTs: wie sie wirklich funktionieren

NFTs sind Gegenstand intensiver Berichterstattung in den Medien, nicht zuletzt weil für digitale Kunst – z.B. Cryptopunks, Bored Aped Yacht Club – oder virtuelle Immobilien – z.B. auf Decentraland.com oder Sandbox – teilweise schwindelerregende Preise bezahlt werden. Neben ihrer Eigenschaft als Anlage- oder Spekulationsobjekt lassen sich NFTs aber auch in der Live-Kommunikation einsetzen, etwa zur Kundenbindung und zur „Emotionalisierung“ von Event-Teilnahmen, o.ä. Zu beachten ist allerdings: In der Regel enthält ein NFT nur einen Link auf einen digitalen Inhalt, der auf einem Server gespeichert ist, nicht das „Gut“ selbst. Insofern werden nur bestimmte Rechte, nicht aber das eigentliche Eigentum transferiert. Ebenso ist wichtig zu verstehen, dass diese Rechte immer nur auf ein Protokoll-System beschränkt sind. Theoretisch ließe sich ein digitales Kunstwerk auf verschiedenen Blockchains mehrfach vertreiben (und dort jeweils als „einzigartig“). Auch Plagiarismus ist damit nicht aus der Welt geschafft, denn die Urheberschaft wird beim „Minten“ (dem „Upload“ des NFTs auf die Blockchain) in aller Regel nicht geprüft. Und schließlich bedarf es für den Handel mit virtuellen Gütern auch grundsätzlich nicht eines aufwändigen und derzeit immer noch wenig nachhaltigen DLT-Systems. Die Verwaltung kann alternativ zentral, durch die jeweilige Plattform erfolgen, die dann für die Rechtmäßigkeit der Transaktionen verantwortlich ist.

Das Metaverse als Web3?

Im Kontext des Metaverses wird immer wieder auf die Entstehung des „Web3“ verwiesen. Darunter wird allgemein eine Gegenbewegung zur Zentralisierung der aktuellen Netzorganisation, insbesondere der Bündelung der Markt- und Gestaltungsmacht bei den großen Plattformen erfasst. Die Diskussion um das Metaverse gibt dieser schon länger geführten Diskussion einen zusätzlichen Schub. Denn natürlich stellt sich die Frage, nach welchen Regeln ein derart tiefgreifender Neustart, wie es die Errichtung eines allgegenwärtigen Metaverses erfordern würde, erfolgen soll. Wäre es dann überhaupt legitim, dass ein einzelnes, marktwirtschaftlich agierendes Unternehmen als alleiniger Betreiber auftritt? Oder würden damit die heute bereits von den großen Plattformen verursachten Probleme, potenziert – bis hin zu dystopischen Ausprägungen? Die Idee des Web3 setzt diesen potenziellen, negativen Entwicklungen eine Dezentralisierung der Verfügungsrechte auf der Nutzerebene, basierend auf dem Einsatz von DLT-Verfahren, entgegen. Die Idee eines dezentralisierten Web3 ist aktuell noch weit von einer operativen Umsetzung entfernt –  und zudem ebenfalls in ihren möglichen Auswirkungen nicht unumstritten. Auch wenn in Bezug auf die Ausgestaltung des Metaversums dieser Diskussion potenziell eine wichtige Bedeutung zukommt, spielt dieser Aspekt in der Marketing-Praxis aktuell noch keine große Rolle. Daher soll in diesem Beitrag das Thema nicht weiter vertieft werden.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Künstliche Intelligenz im Marketing: Künstliche Kreativität, VR & DNA-Targeting.“:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Dimensionen des Metaverse: eine Begriffsbestimmung erschien zuerst auf Nerdwärts.de.

Die technisch rasant fortschreitende Entwicklung der Computergrafik in Kombination mit KI und Deep Learning ermöglicht immer realistischere Abbildungen der Realität in der digitalen und virtuellen Sphäre – und zwar auch abseits von „Deepfakes“ und künstlich erzeugten Fotos (von Dingen, die nicht existieren).

Tatsächlich sprechen wir inzwischen nicht mehr nur von virtuellen Realitäten, sondern auch von virtuellen Lebewesen, sogenannten „Virtual Beings“, die dort existieren können. Diese besitzen die Fähigkeit zur Interaktion mit dem menschlichen Nutzer und sind in der Regel ausgestattet mit einem “realistischen” Antlitz – all das basierend auf KI und hochentwickelter 3D-Grafik.

Virtual Beings als virtuelle Influencer

Die Einsatzbereiche derartiger Virtual Beings sind vielfältig. Naheliegend ist ihre Einbindung in Computerspielen, als Spielpartner oder Avatar. Denkbar wäre auch eine „virtuelle Assistenz“, zur Unterstützung bei täglichen Arbeitsabläufen, oder in der Bildung, als virtueller Lehrer. Am weitesten vorangeschritten ist die Entwicklung jedoch im Social Media Umfeld, wo sich immer mehr “Virtuelle Influencer” etablieren.

Ein Beispiel hierfür ist das virtuelle „Supermodel“ Shudu: Shudu präsentiert sich auf ihrem Instagram-Kanal meist in Haute-Couture und ist auch ansonsten höchst professionell in Szene gesetzt. Mehr als 200.000 folgen den regelmäßigen Foto-Updates. Im Gegenzug fließen Werbegelder von den Mode- und Kosmetikfirmen an ihren Schöpfer, den britischen Fotografen und Multimedia Designer Cameron James Wilson.

„Shitstorms“ wie „echte“ Influencer

Prominentester Vertreter dieser digitalen Spezies ist derzeit wohl Miquela Sousa, genannt„Lil’Miquela“. mehr als 1,8 Mio. Follower verzeichnet ihr Instagram-Profil, sie verfügt über einen Youtube-Kanal auf dem sie in regelmäßigen Abständen ihre Songs, die teilweise mehrere Millionen Abrufe aufweisen, präsentiert. Und ansonsten tut sie das, was ein Influencer gemeinhin eben so tut: Sie trifft sich mit Freunden, macht Selfies, teilt ihre Spotify-Playlist – und verdient Geld mit Product Placement. Allein: Lil’Miquela existiert nur in der virtuellen Welt. Zwar führt sie auf ihren Kanälen Interviews mit echten, natürlichen Menschen, ihre Freunde auf den Fotos existieren – im Gegensatz zu ihr selbst – auch in der analogen Wirklichkeit. Vor einiger Zeit sorgte sie für einen kleineren Shitstorm in der LGBTQ-Community als sie medienwirksam zu Werbezwecken (die real existierende) Bella Hadid intensiv auf den Mund küsste, die, ebensowenig wie Lil’Miquela selbst, bis dato als besonders queer in Erscheinung getreten war. Beiden – wie auch Auftraggeber Calvin Klein – brachte dies den Vorwurf der „lezploitation“ oder zumindest des allzu plumpen „queerbaitings“ ein.

Hinter Lil’Miquela steckt eine Agentur, die deren ausschließliche digitale Existenz in den ersten beiden Jahren im Verborgenen hielt. Auch wenn zu Beginn die grafische Umsetzung noch nicht dem heutigen Stand der Technik entsprach, war vielen Fans lange nicht bewusst, dass es sich bei ihr nicht um ein menschliches Wesen aus Fleisch und Blut handelte.

Auch große Unternehmen wie KFC setzen auf virtuelle Influencer

Auch die Fastfood-Kette Kentucky Fried Chicken setzt auf Virtual Beings. Deren kommunikatorische Leitfigur, der Gründer „Colonel Sanders“, erfuhr eine digitale Rundumerneuerung zum Geflügel-Hipster, inklusive Tatoos und Waschbrettbauch. Als virtueller Markenrepräsentant jettet er um den Globus, lässt sich photogeshopped bei den (analogen) Eröffnungen neuer Restaurants ablichten und postet Selfies auf den eigenen Social Media Kanälen. Eine ganze Markenwelt entsteht somit um den virtuellen Unternehmensgründer herum. Ständig gefüttert mit neuen Aktivitäten und angefeuert durch die Interaktion mit seinen natürlichen Followern und Fans.

Verfügen virtuelle Influencer über Authentizität?

Natürlich stellt sich in diesem Kontext immer wieder die Frage nach der Authentizität, die ja das rein menschliche Influencer Marketing so besonders machen soll. Bislang scheint dies hier nur eine begrenzte Rolle zu spielen. Obwohl den meisten die Künstlichkeit der Protagonisten inzwischen klar sein dürfte, erfreuen sich die Profile der virtuellen Influencer einer ungebrochenen Attraktivität und Aufmerksamkeit. Die Grenze zwischen virtueller und natürlicher Welt verwischt damit zunehmend. Was echt und was künstlich ist, verliert offenbar immer mehr an Bedeutung. vielleicht spiegelt sich darin auch der gesellschaftliche Rahmen wider, in dem wir uns derzeit bewegen: Wo Fakenews und Filterblasen zumindest als Gegenstand der öffentlichen Diskussion an Einfluss gewinnen, stellen „Echtheit“ und Unverfälschtheit vielleicht nicht mehr notwendigerweise einen Maßstab dar – auch nicht im Influencer Marketing.

Mehr zum Thema virtuelle Influencer hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Virtual Beings und Virtuelle Influencer etablieren sich im Marketing erschien zuerst auf Nerdwärts.de.

Grundsätzlich können Chat- und Voicebots beim gesamten Prozess der Kundenbearbeitung zum Einsatz kommen, um eine gute „Customer Experience“ systematisch und automatisiert zu gewährleisten und stetig zu verbessern. Als Vorteile gegenüber der klassischen Telefonhotline oder E-Mail-Anfragen gelten neben den Ressourcenersparnissen, die durch die Übertragung routinemäßiger Tätigkeiten von den menschlichen Mitarbeitern erwachsen, vor allem auch die niedrigere Hemmschwelle bei den Kunden zur Kontaktaufnahme. Zudem ermöglicht der hohe Automatisierungsgrad des Kundendialogs auch eine Verknüpfung mit den Backend-Systemen wie auch eine verlässliche Erfolgsmessung.

Arten von Chatbots im Kundenmanagement

Grob lassen sich die Bots ihrer Funktion im Kundendialog nach in folgende Kategorien gliedern:

• Content Bots: Bereitstellung, Platzierung und Distribution von Inhalten zur Kundenkommunikation
• Product Information & Recommendation Bots: Information über Produkte und Alternativen, Empfehlungen von Produkten und Angeboten entsprechend der Kundenpräferenz
• Ordering Bots: Abwicklung des Bestellverfahrens im (Online-)Handel
• Customer Service Bots: Bearbeitung von Anfragen im Customer Support und After-Sales-Service

Chatbots in der Praxis des Kundenmanagements

In der Praxis findet sich diese Aufteilung in Aufgabengebiete nicht mehr absolut trennscharf wieder. Dennoch wird versucht, die folgenden Anwendungsbeispiele entsprechend zu ordnen:

Der Premier League Club AFC Bournemouth hat unter anderem mit der Unterstützung von Microsoft  mit dem CherryBot – der Fußballverein von der englischen Südküste wird auch als „The Cherries“ bezeichnet – einen Content Bot geschaffen, der die Facebook-Messenger-Plattform nutzt, um mit seinen Fans zu interagieren und einen „Kundendialog“ zu entfalten. Ziel ist es erklärtermaßen  mit dem Bot einen virtuellen Vertreter des Vereins zu schaffen, der die Emotionalität der Anhänger aufnimmt und sich entsprechend der im Rahmen einer „Sentiment Analyse“ als vorherrschend identifizierten Stimmung zum Verein und direkt zum aktuellen Spielverlauf zu Wort meldet. Zudem soll er Fragen der Fans automatisiert beantworten können und stellt Informationen, Daten und Fakten zu den Spielen, wie auch Videohighlights zur Verfügung. Des Weiteren organisiert der „CherryBot“ Selfie-Wettbewerbe sowie eine Wahl des „Player of the Match“ durch die Teilnehmer. Die gesammelten Informationen werden für die Optimierung des weiterführenden Dialogs ausgewertet – etwa auch per Bilderkennung auf Personenfotos, um Emotionen daraus auszulesen.

Chatbots als Shoppingassistenten

Nicht nur allein online, auch im Offline-Geschäft können Bots zum Einsatz kommen. Die US-Modekette „Macy’s“ bietet ihren Kunden den digitalen Assistenten Macy’s On Call an, der dabei helfen soll, sich im Laden vor Ort zurechtzufinden. Der Chatbot versteht auch „unstrukturierte“ Textanfragen, wie „Wo finde ich Schuhe?“, und liefert daraufhin die korrekte Antwort zu den entsprechenden Produktinformationen. Auch weiterführende Beratungen und Empfehlungen von Alternativen können auf diese Weise durchgeführt werden. Beispiele für solche klassischen Recommendation Bots finden sich vor allem im Modeumfeld, wie etwa bei „H&M“, „Burberry“ oder „Tommy Hilfiker“. Diese unterbreiten, abgestimmt auf das zuvor angesehene oder bereits gekaufte Kleidungsstück, Angebote weiterer dazu passender Artikel – gewissermaßen als automatisierter Style-Berater. 

In Großbritannien setzt der deutsche Discounter „Lidl“ im stationären Handel auf einen Chatbot, der Kunden beim Kauf von Wein behilflich ist. „Margot“ geht auf die Preis- und Herkunftspräferenzen der Kunden ein und kann auch den passenden Wein zu einem Essen empfehlen. 

Die indische „HDFC Bank“ versucht die Vorabinformation der Nutzer über seine teilweise sehr komplexen und erklärungsbedürftigen Finanzprodukte über den hauseigenen Chatbot EVA abzuwickeln. Anforderungen an die Kreditvergabe, Konditionen und Detailinformationen zu Wertpapieren werden durch den Bot bereitgestellt. Auch eine rudimentäre Beratung, etwa zu einer Darlehensaufnahme, führt „EVA“ eigenständig durch. Der Chatbot kann sowohl über die Unternehmenswebsite als auch über die Sprachassistenzdienste von Google und Amazons „Alexa“ aktiviert werden.

Chatbots im Bestellprozess

Auch den anschließenden Bestellprozess können Chatbots übernehmen. Ordering Bots übernehmen im Dialog mit dem Kunden die Aufnahme der Bestellung, leiten die erfassten Informationen an die nachverarbeitende Stelle weiter, versenden eine Bestellbestätigung und geben über den Status der Bestellung im Nachgang Auskunft. Zahlreiche Beispiele gibt es hierzu vor allem im Bereich der Food-Lieferservices, bei den großen US-amerikanischen Fastfood-Unternehmen wie „Subway“, „Burger King“, „Pizza Hut“ oder „Taco Bell“.

Gleiches gilt für den Taxidienst und Uber-Konkurrenten „Lyft“, der seine Bots sowohl über den Facebook Messenger als auch akustisch via Amazon initiiert. Nutzer erhalten dort Auskunft über den aktuellen Ort eines Wagens und seines Fahrers sowie Informationen über den Fahrzeugtyp und das genaue Nummernschild. Gleichzeitig begreift „Lyft“ den hier stattfindenden Kundendialog als wichtigen Beitrag zu einer optimierten „Customer Experience“. Dazu greift man nach Unternehmensangaben auf KI zurück, auch um mögliche Kundenfragen, „vorherzusagen“ und dann den Bestell- und Abwicklungsprozess für den Passagier in Echtzeit zu personalisieren.

Chatbots im Kundenservice

Augenfällig ist der Einsatz von Chatbots und autonomen Sprachassistenten zudem im Kundenservice oder Vertrieb. Customer Service Bots können herkömmliche Kundencenter ablösen, über eine Kontaktaufnahme per E-Mail an die Stelle der zeitversetzten Kommunikation treten oder auch klassische Callcenter-Aufgaben übernehmen. Dabei geht es nicht nur um die automatisierte Verarbeitung von Serviceanfragen, den klassischen Customer Support. Chatbot-Systematiken lassen sich auch als vertriebsunterstützende Systeme im Accountmanagement, dem CRM oder bei der Verarbeitung von Kontakten zu Interessenten und potenziellen Neukunden im Rahmen des Leadmanagements nutzen.

Der Chatbot „Edward“ der Hotelkette „Radisson Blue“ bearbeitet Textanfragen (via SMS) der Übernachtungsgäste und dient der Erfüllung der so geäußerten „Kundenwünsche“. Standardfragen („Wann muss ich auschecken?“) werden damit ebenso abgedeckt wie die Aufnahme von Beschwerden, Auskünfte über nahegelegene Restaurants oder Serviceleistungen wie die Bestellung zusätzlicher Handtücher auf das Zimmer. Wichtig ist, dass dann auch semantische Unterschiede je nach Kontext erkannt werden, der Bot muss so etwa zwischen dem Wunsch eines Gastes nach Schreibpapier wie auch der aktuellen Tageszeitung – beides im Englischen „paper“ – differenzieren können. 

Andere Customer Service Bots haben Zugriff auf die hinterlegten Kundendaten und können durch den Rückgriff auf diese – wie ein menschlicher Gesprächspartner – einen individualisierten Kundensupport liefern, in der Versicherungsbranche etwa, um Rechnungen erneut auszustellen oder Bestätigungen zukommen zu lassen. In komplexeren Situationen kann der Bot dann den Prozess an einen menschlichen Mitarbeiter weiterleiten. Aufgabe des Chatbots „Lisa“ des Telekommunikationsanbieters O“ ist es, die Mitarbeiter im Kundenservice zu entlasten und bestimmte automatisierte Tätigkeiten eigenständig auszuführen. Dazu zählen etwa die Unterstützung der Kunden bei der Navigation durch das unternehmenseigene Kundenportal, zum Beispiel um die Höhe des noch verfügbaren monatlichen Datenvolumens einzusehen. „Lisa“ beruht auf der Anwendung maschineller Lernverfahren und lernt laut Unternehmensangaben auch aus den Praxiseinsätzen kontinuierlich hinzu.

Chatbots & Sprachassistenten im Vertrieb

Ebenso in der Vertriebsarbeit kommen zunehmend Chatbots und Sprachassistenten zum Einsatz. Salesforce, Anbieter von CRM-Softwarelösungen, hat mit „Einstein“ ein „Conversational CRM“ genanntes System geschaffen, das den Mitarbeitern im persönlichen und Keyaccount-Verkauf die oft als lästig empfundene schriftliche Berichtspflicht über den Inhalt und Verlauf der Kundengespräche erleichtern soll. Per „Natural Language Processing“ werden stattdessen akustische Sprachanweisungen und Äußerungen transkribiert und in das Berichtssystem übertragen. Auch Termine lassen sich auf diese Weise administrieren. Der Mitarbeiter kann sich dann regelmäßig per Voice-Nachricht über seinen Tagesplan und die Besonderheiten der zu bearbeitenden Kunden informieren lassen. 

Chatbots im Lead-Management

Auch im Bereich des Lead Nurturings können Bots einen hohen Beitrag zur Automatisierung der Sales-Aktivitäten leisten. Als virtueller „Kontakter“ sind diese geeignet, den Dialog mit Interessenten oder bereits gewonnen Kunden zu vertiefen und entsprechende Cross- und Up-Selling-Maßnahmen durchzuführen oder die Kundenbeziehung an sich zu „veredeln“, indem Präferenzen ermittelt und entsprechend systemseitig verarbeitet werden. Das setzt voraus, dass der jeweilige Gesprächspartner entweder bereits identifiziert ist oder dies dann innerhalb des Anwendungskontextes geschieht – mit Name und Adresse oder über eine vorhandene Kundennummer. Chatbots auf einer „Coporate Website“ eines Unternehmens können auf entsprechende Trackingmaßnahmen aufsetzen, die über Cookies oder „Trackingpixel“ den bisherigen Kontaktverlauf speichern und mit der hinterlegten CRM-Datenbank abgleichen. Darauf aufbauend kann individuell ein Kundendialog entsponnen werden, um neue Leads zu generieren oder die bestehende Beziehung auszubauen. Der Bot übernimmt diesen Prozess idealerweise autonom, allein auf der Basis der vorliegenden Daten und übermittelt die an einer „Conversion-Wahrscheinlichkeit“ ausgerichteten Informationen und Nachrichten an den Nutzer.

Derartige Anwendungen sind in dieser Leistungstiefe in der Praxis noch ganz am Anfang, gleichwohl gibt es hier erste Anbieter, die versuchen, dies perspektivisch als „Service von der Stange“ bereitzustellen, wie etwa Landbot.io.  Gleichwohl ist die automatisierte Erfassung von Kontaktdaten zu potenziellen Kunden aus einem Bot-Dialog und damit die Umwandlung von unstrukturierten zu strukturierten Informationen damit durchaus bereits etabliert. Chatbots ersetzen in diesem Fall das klassische „Kontaktformular“ und können daraus, ähnlich wie beim E-Mailmarketing, nach bestimmten ermittelten „Verhaltenszusammenhängen“ entsprechend segmentierte oder personalisierte Ansprachen ableiten. Auch, wenn diese oft noch auf menschlich definierten Regeln basieren, sind hier grundsätzlich auch Rückgriffe auf Machine und Deep Learning denkbar.

Chatbots in der Verhandlungsführung

Erste Versuche gibt es zudem damit, Bots auch in der Verhandlungsführung einzusetzen, wenngleich diese Bemühungen noch sehr am Anfang stehen. Die KI-Forschungsabteilung von Facebook („FAIR“) hat Bots dazu gebracht, miteinander zu „feilschen“. Trainiert wurde das System mit mehreren tausend menschlichen Verhandlungsdialogen, die man über die Crowdsourcing-Plattform Amazon Mechanical Turk erhob. Die Facebook-Forscher schufen eine Art Spiel, in dem verschiedenen Gegenständen ein Punktwert beimessen wurde, mit dem Ziel, die Bots darüber zu animieren, ergebnisorientiert über Bücher, Mützen, Basketbälle und ähnliches „zu verhandeln“.

Nachdem ein Bot den Wert eines Gegenstandes erfasst hatte, formulierte er daraus eine „Verhandlungsposition“ – beispielsweise „ich möchte alle Bücher“, weil diese den größten Wert im Vergleich mit den anderen Objekten aufwiesen. Basierend auf der Art und Weise, die das neuronale Netzwerk gelernt hatte, dass Menschen gewöhnlich verhandeln, gab es eine Kombination von Wörtern in einer bestimmten Reihenfolge aus, für die es die höchste „Belohnung“ prognostizierte. Danach generierte das System potenzielle Antworten des Handelspartners und berechnete die weiteren möglichen Optionen. Im Prinzip ähnelt diese Vorgehensweise stark dem Verfahren von Alpha Go.

Chatbots mit eigener Taktik

Indem das System seine Fähigkeiten anhand der Ausrichtung an Ergebnismaximierung verbesserte, lernte es nicht nur seine Forderungen entsprechend zu formulieren, sondern passte nach und nach auch seine Verhandlungstaktiken an. So täuschte die KI manchmal ein Interesse an einer Sache vor, nur um das Gegenüber auf die falsche Fährte zu locken und einen vermeintlichen „Kompromiss“ einzugehen, um mit dieser „Verschleierungstaktik“ aber ihr eigentliches Ziel günstiger  erreichen zu können.  Auch wenn für eine Anwendung in der praktischen Vertriebsarbeit  noch hohe Hürden bestehen – zum Beispiel müsste ein Unternehmen nicht nur das Produktportfolio und die Preismodalitäten, sondern auch die Gepflogenheiten sowie die Verhandlungsziele in einem solchen System individuell abbilden –  könnten solche Fähigkeiten perspektivisch den Einsatz von Bots im Kundendialog revolutionieren und auf eine ganze neue Basis stellen.

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

Mehr zum Thema hier:

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Chatbots & Sprachassistenten im Kundenmanagement erschien zuerst auf Nerdwärts.de.

Über die Fähigkeit Künstlicher Intelligenz, „kreativ“ zu sein, etwa eigene „digitale Kunstwerke“ erstellen zu können, wird schon länger diskutiert. Während die ersten eigenständig erstellten Bilder eher auf Zufallsprozessen beruhten, gelang es später, gestalterische Abläufe zielgerichtet zu ermöglichen. Nicht nur künstlerische, abstrakte Bilder lassen sich damit erschaffen, auch fotorealistisches Material kann auf diese Weise erzeugt werden.

Von der künstlichen Kreativität zur künstlichen Realität

Zum Einsatz kommen hier sogenannte „Generative Adversarial Networks“ (GAN), die sich im Prinzip als gegeneinander agierende Künstliche Neuronale Netzwerke beschreiben lassen. Der Begriff „adversarial“, zu Deutsch etwa „gegensätzlich“, bezieht sich auf die dabei zur Anwendung kommende „Gegenüberstellung“ zweier miteinander interagierender Netzwerke. Das eine, der „Generator“, erzeugt Elemente, die vom zweiten, dem „Diskriminator“, bewertet werden. Das Generatornetzwerk könnte beispielsweise Bilder erstellen, deren Gegenstand und Inhalt dann vom Diskriminatornetzwerk – einer Bilderkennungs-KI – zu identifizieren sind.

Im Zuge dieses Prozesses könnte die Bilderkennungs-KI, welche mittels „echten Fotos“ trainiert wurde, die Fehlertoleranz sukzessive reduzieren. Um seine Bilder also weiterhin identifizierbar zu machen, muss sich das Bild erzeugende Netzwerk – der Generator – im Gegenzug gewissermaßen immer stärker „anstrengen“. Die auf diese Weise entstehende Qualitätsspirale bewirkt, dass die fotorealistische Anmutung der erzeugten Bilder automatisch verbessert wird: Die beiden Netzwerke trainieren sich gegenseitig.

In der Folge entstehen so „echt“ aussehende Fotos von Dingen, die nie existiert haben:

Auch menschliche Gesichter lassen sich mit dieser Methode erstellen. Schon zu fast legendärem Ruhm brachte es innerhalb kürzester Zeit die Website whichfaceisreal.com. Dort werden dem Besucher Fotopaare von menschlichen Gesichtern gezeigt, eines davon zeigt einen „echten“ Menschen, das andere ist ein künstlich erzeugtes Bild. Der Betrachter muss nun versuchen zu erraten, welches von beiden tatsächlich einen natürlichen Ursprung hat.

Zum Teil weisen die von der KI erzeugten Bilder noch recht offensichtliche Fehler auf – ein verschobener Haaransatz, verschwommene Bildhintergründe oder Körperteile erscheinen an Stellen, an die sie nicht gehören. Oft aber ist die Unterscheidung zwischen Künstlichkeit und „natürlicher Realität“ kaum noch möglich. Dem System gelingt es regelmäßig, den menschlichen Betrachter in die Irre zu führen. Die Qualität, die mit dieser Technik erreicht werden kann, ist so hoch, dass inzwischen sogar eine kommerzielle Bildagentur 100.000 KI-erzeugte menschliche Portraits als Stockfotos kostenfrei zum Download und zur Verwendung als Werbematerial feilgeboten hat.  Damit zeigt sich hier auch deutlich das vielbeschworene Disruptionspotenzial Künstlicher Intelligenz: mit einem Schlag könnten Models, Fotografen und auch Bildagenturen arbeitslos werden – und dies nicht erst in einer fernen und unbestimmten Zukunft.

Künstliches Bewegtbild: Deepfakes

Was mit (vermeintlichen) Schnappschüssen funktioniert, funktioniert auch mit Bewegtbild. Schon seit geraumer Zeit wird über sogenannte „Deep Fakes“ diskutiert, mit Hilfe von KI bearbeitete oder gänzlich erstellte Videos. Diesen können dazu verwendet werden, mittels gefälschtem, künstlich erzeugtem und unter Umständen kompromittierenden Bildmaterial eine mediale Öffentlichkeit zu schaffen, die nicht der Realität entspricht, sondern allein die Verfolgung von Manipulationszwecken zum Ziel hat. Denkbar ist hier ein breites Spektrum von Szenarien, vom „Einbau“ eines Prominenten in eine Sex-Szene in einem Pornofilm bis hin zu künstlich erzeugten Meinungsäußerungen eines Politikers, welche dessen angebliche moralische oder gesellschaftliche Verkommenheit belegen sollen.

Es wird zunehmend schwerer, hierbei Realität und Fälschung auseinanderzuhalten, was sich auch in einer erhöhten grundsätzlichen Skepsis niederschlägt. Exemplarisch dürfte der Fall des Präsidenten von Gabun, Ali Bongo, sein, der nach einer medizinischen Behandlung, vermutlich eines Schlaganfalles, längere Zeit nicht mehr in der Öffentlichkeit auftrat. Gerüchte, er sei verstorben, machten bald die Runde. Infolgedessen sah sich die Staatsmacht veranlasst, ein Video des Staatsoberhauptes mit einer Ansprache an die Nation zu veröffentlichen, um auf diese Weise der Behauptung dessen Ablebens zu widersprechen. Dies führte jedoch genau zum Gegenteil der erwünschten Reaktion: Viele zweifelten die Echtheit des Materials an und verdächtigten die Regierung der gezielten Manipulation, der künstlichen Erstellung des Filmmaterials, um den Tod des Präsidenten zu kaschieren. Die Aufregung mündete schließlich sogar in einen Putschversuch, der jedoch niedergeschlagen werden konnte:

Alternative Realitäten: Was ist künstlich, was ist echt?

Das Beispiel zeigt, dass sich die Unterscheidung zwischen künstlicher und „echter“ Realität für uns immer mehr zur medialen Herausforderung entwickelt. Das, was wir heute sehen und wahrnehmen, muss nicht mehr zwingend der Wirklichkeit entsprechen. Wir können uns auch nicht mehr sicher sein, ob der Gegenüber am Bildschirm ein echter Mensch aus Fleisch und Blut oder bloß ein Produkt von Pixeln ist.

Virtuelle und natürliche Welt wachsen auf diese Weise Stück für Stück zusammen. Die Unterscheidung, was echt und was künstlich ist, verliert offenbar immer mehr an Bedeutung. Darin spiegelt sich vielleicht auch der gesellschaftliche Rahmen, in dem wir uns bewegen, ein Stück weit wider, wo Fakenews und Filterblasen an Einfluss gewinnen und „Echtheit“ und Unverfälschtheit nicht notwendigerweise einen Maßstab darstellen.

Der Artikel beruht auf dem Buch von Andreas Wagener Künstliche Intelligenz im Marketing – ein Crashkurs, Haufe, Freiburg, 2019

Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Ein neues Zeitalter im Marketing: Künstliche Intelligenz, maschinelle Kreativität, virtuelle Realitäten & DNA-Targeting„:

Mehr Informationen zum Thema KI im Marketing finden Sie im Buch von Andreas Wagener Künstliche Intelligenz im Marketing, Haufe, Freiburg, 2023

Mehr zu Themen wie Industrie 4.0, Big Data, Künstliche Intelligenz, Digital Commerce und Digitaler Ökonomie finden Sie auf unserer Newsseite auf XING sowie auf Facebook.

Der Beitrag Künstliche Intelligenz schafft alternative Realitäten erschien zuerst auf Nerdwärts.de.