Angesichts des enormen Veränderungspotenzials, das ChatGPT, Perplexity & Co für die Arbeitswelt bergen, stellt sich die Frage, wie man diese Instrumente der generativen KI sinnvoll in den Arbeitsalltag integriert. Einen entsprechenden Analyseansatz bietet das Kategorisierungsmodell der „Cyborgs und Zentauren“.
Der Rückgriff auf ChatGPT & Co. vereinfacht vieles im Alltag. Es ist unkompliziert und naheliegend, sich insbesondere Texte durch generative KI schreiben zu lassen oder auch Zusammenfassungen von komplexen und langen Artikeln damit zu erstellen, gerade wenn Zeit und Aufmerksamkeit begrenzt sind. Aber werden wir damit nicht zu bequem? Lassen wir unsere grauen Zellen damit verkümmern?Oder verkennen wir mit solchen Fragen das Potenzial der Technologie? Und welche Kompetenzen brauchen wir dann überhaupt in Zukunft noch?
Wie sollen wir mit generativer KI umgehen? Vor welche Herausforderungen stellt uns die stetig fortschreitende Digitalisierung? Wie begegnen wir diesen angemessen – sollen wir uns der Technik anpassen? Und wenn ja, wie weit soll das gehen. Ein Vortrag von Andreas Wagener.
Diskriminiert Google? Mit Autosuggest lassen sich Verzerrungen beim maschinellen Lernen eindrücklich zeigen. Das hat auch Einfluss darauf, wie wir mit Generativer KI, mit ChatGPT&Co, umgehen sollten. Ein kurzer Auszug aus der Hofer Stadtvorlesung mit Andreas Wagener.
In China spielen vor allem seit der Pandemie „live-Shopping“-Events im Netz eine große Rolle. Immer öfter übernehmen dabei „Virtual Beings“, insbesondere virtuelle Influencer, die Moderation oder andere wichtige Funktionen bei der Durchführung dieser Veranstaltungen. Vor allem mit dem Blick auf die Diskussion um die Entstehung eines „Metaverse“, dass physische und virtuelle Welt weiter verzahnt, könnte daraus ein Milliardenmarkt entstehen.
Die KI-Anwendung ChatGPT ist derzeit in aller Munde. Allein durch die Eingabe von Sprachanweisungen lassen sich damit automatisiert Texte – Aufsätze, Begriffserklärungen und sogar Gedichte verschiedener Stilrichtungen – in einer Qualität erzeugen, die wir bisher so nur aus menschlicher Hand kannten. Die Anwendung hat – so sind sich fast alle einig – das Potenzial, unser Leben, unser Arbeiten und unseren Alltag, grundlegend zu verändern. Schulen und Universitäten sind in Aufruhr und überlegen, welche Konsequenzen es hat, wenn man seine Hausaufgabe oder eine wissenschaftliche Arbeit durch ein derart leistungsfähiges System erstellen lassen kann, und ob es dann nicht vielleicht besser sei, dessen Nutzung gleich von vornherein zu verbieten.
Die technisch rasant fortschreitende Entwicklung der Computergrafik in Kombination mit KI und Deep Learning ermöglicht immer realistischere Simulationen der Realität in der digitalen und virtuellen Sphäre. Auch die Darstellung von „virtuellen Wesen“ und digitalen Abbildern der Nutzer rücken dabei zunehmend in den Fokus – sowohl im spielerischen Alltag als auch im wirtschaftlichen Kontext. Dabei kursiert eine Vielzahl ähnlicher oder synonym verwendeter Begrifflichkeiten – Zeit für eine Abgrenzung.
CDR – Corporate Digital Responsibility – soll analog der CSR (Corporate Social Responsibility) die Verantwortung von Unternehmen bei der Digitalisierung betonen und entsprechende Strategien und Maßnahmen umfassen, die einen nachhaltigen und verantwortlichen Umgang mit digitalen Ressourcen bewirken. Damit stehen auch die negativen Nebeneffekte des Einsatzes von KI im Fokus, wie etwa der sogenannte „KI Bias“, die Diskriminierung durch automatisierte Datenauswertungen. Der Kampf gegen diese Auswüchse stellt Forschung wie auch die Unternehmenspraxis vor erhebliche Herausforderungen.
Im Zuge von Algorithmic Governance wird zunehmend auf den Einsatz von Algorithmen und KI für Entscheidungen und deren Ausführung in der praktischen Politik zurückgegriffen. Aber wie lassen sich diese Eingriffe demokratisch legitimieren und unter gesellschaftlichen Aspekten rechtfertigen?
Der Rückgriff auf Algorithmen und datenbasierte Entscheidungsmuster sowie zunehmend auch auf KI im Rahmen der „Algorithmic Governance“ verändert die praktische Politik grundlegend. Dabei unterscheiden sich die Einsatzfelder hinsichtlich ihres Autonomiegrades. Das Spektrum reicht von klassischen Analyseleistungen bis hin zu völlig autonomen politischen Entscheidungen durch KI.
