Die vermutlich erstmalig bei der Kryptowährung Bitcoin – mit dem Rückgriff auf die Blockchain-basierten Verfahren zur Verifzierung von Transaktionen – zum Einsatz gekommene „Distributed-Ledger-Technology“ („DLT“) hat sich heute auch jenseits finanzwirtschaftlicher Szenarien etabliert – etwa bei der Fixierung von „Eigentumsrechten“ an digitalen Gütern (NFTs) oder auch im Rahmen der Diskussion um ein zu errichtendes dezentrales „Web3“. Besonders vielversprechend erscheint der Rückgriff auf DLT im Rahmen industrieller Prozesse im Rahmen der „Industrie 4.0“. Eine große Zahl an entsprechenden „Blockchain-Projekten“ wurde in den vergangenen Jahren losgetreten. Häufig geschah dies allerdings mit der Umsetzung in Form von „Private Blockchains“, eigentlich einer Negierung des auf Dezentralisierung beruhenden DLT-Prinzips, welches ja eben gerade auf die Ausschaltung mächtiger Gatekeeper im System zielt. Andere Ansätze, beispielsweise im Supply-Chain-Bereich, nutzten die Technologie zur „fixierten“ Dokumentierung von Übergabepunkten, wobei hier in den allermeisten Fällen eine herkömmliche zentrale Datenbank vermutlich die bessere und effizientere Lösung gewesen wäre. Man kann wohl behaupten, dass das Potenzial der DLT bislang im Industrieumfeld noch nicht voll ausgeschöpft worden ist. Und womöglich bedarf es hier weiterführender Denkansätze und Strategien, die den aktuellen Entwicklungsstand aufnehmen und gezielt auf neue Anwendungsszenarien übertragen.

Automatische Exekution von Verträgen: Smart Contracts

Im Rahmen von industriellen und ökonomischen Prozessen wird seit geraumer Zeit bereits auf sogenannte „Smart Contracts“ zurückgegriffen: Darunter versteht man technische Transaktionsprotokolle, welche die Einhaltung zuvor definierter Vertragsbestimmungen überwachen sowie autonom und mechanisiert die vereinbarten Konsequenzen ausführen. Die Anwendung des hier zugrundeliegenden, der Computerprogrammierung entlehnten IFTTT-Prinzips („if this … then that…“, „Wenn-Dann-Kausalität“) basiert auf der Annahme, dass sich zuvor definierte – und legitimierte – Entscheidungsmuster auf spätere Situationen anwenden lassen (vgl. „Code is Law“). Die nachfolgende Exekution anstehender Entscheidungen kann dann idealerweise autonom erfolgen, ohne dass es eines weiteren menschlichen Eingreifens zwingend bedürfte.

DAOs als institutionalisierte Smart Contracts

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). Während auf diese Organisationsformen in der Vergangenheit vor allem in der Finanzwirtschaft, für Fonds und für die Tätigung von Investitionen zurückgegriffen wurde, haben sich inzwischen auch weitere Einsatzfelder für DAOs entwickelt. Zum Teil weisen diese eher einen genossenschaftlichen Charakter auf, wie etwa die „Creator-DAOs“, beispielsweise „Friends-With-Benefits“, eine DAO, die im Wesentlichen verschiedene Freelancer aus dem Digitalumfeld zusammenführt und deren Talente gebündelt auf die Märkte bringt. Aber auch die Verfolgung und Finanzierung politischer Ziele können Zweck einer DAO sein, wie etwa die „Assange-DAO“, die US-$ 53 Mio. für die Freilassung von Wikileaks-Gründer Julian Assange einsammelte.

Die Steuerung von DAOs erfolgt automatisiert auf Basis von Bedingungen, welche die Mitglieder bzw. Teilhaber durch ein Abstimmungsverfahren im Vorfeld von Entscheidungssituationen festlegen. Meist wird über eingebrachte Vorschläge mittels  nach kumulierten Eigentumsrechten und Kapitaleinlagen gewichteten Stimmen und unter der Maßgabe der Einhaltung eines bestimmten Quorums entschieden, wenngleich auch andere Stimmrechtsprinzipien (z.B. nach erworbener Reputation) denkbar sind.

DAOs in der Industrie 4.0

Das Prinzip der DAOs ließe sich gut auf die Anforderungen der Industrie 4.0 übertragen. Wenn DAOs Organisationsformen zur mechanisierten Abwicklung von standardisierten Abläufen repräsentieren, so läge eine Chance in der Institutionalisierung der Prozesse des (Industrial) Internet of Things und der Ermöglichung dezentraler, direkter Transaktionen zwischen den einzelnen vernetzten „Dingen“, Geräten und Maschinen. Die DAO könnte hier gewissermaßen als Klammer und strukturgebender Rahmen dienen, der, auf Basis eines Systems ineinandergreifender Smart Contracts, eine „autonome Ordnung der Maschinen“ sicherstellt.

Blockchain 3.0: Gerichtete Azyklische Graphen

Schon seit längerem wird an der dafür notwendigen technischen Basis gearbeitet: Während man von der Bitcoin-Blockchain manchmal als „Blockchain 1.0“ und von Ethereum, aufgrund des zugrundeliegenden, jedwede Art von Smart Contracts ermöglichenden „General Purpose“-Ansatzes, von „Blockchain 2.0“ spricht, hat sich mit der DAG-Technologie („Directed Acyclic Graph“) eine neue Stufe der Weiterentwicklung etabliert, die in der Vergangenheit auch mit „Blockchain 3.0“ bezeichnet wurde. Derartige Ansätze, wie sie beispielsweise in unterschiedlicher Ausprägung von IOTA, IOTChain, Byteball oder DAGCOIN vertreten werden, zielen vor allem auf das „Internet der Dinge“, um dort Transaktionen zwischen einzelnen Maschinen und Geräten dezentral abzubilden. Für diese Vorgänge ist weder die Zeit noch die notwendige Energie für ein aufwändiges Mining- und Validierungsverfahren vorhanden. Zudem gestalten sich die Anforderungen an die Manipulationssicherheit hier weit weniger kritisch als dies bei einem digitalen Geldsystem wie Bitcoin der Fall ist. Damit kann es grundsätzlich gelingen, einige der Kinderkrankheiten der vorangegangenen Blockchain-Protokolle über Bord zu werfen.

Weniger formal streng als die vorangegangenen Ansätze, ermöglichen die „Gerichteten Azyklischen Graphen“, eine Blockchain-ähnliche Struktur, in der weiterhin die Transaktionen transparent, chronologisch und unveränderbar in einem Netzwerk gespeichert werden. Statt eines komplexen Mining-Verfahrens wird die Validierung der Transaktionen aber durch andere Maßnahmen incentiviert, etwa indem Teilnehmer nur dann Transaktionen selbst durchführen können, wenn sie zuvor selbst mehrere Transaktionen anderer Teilnehmer überprüft und freigegeben haben. Gleichzeitig eliminiert man damit typische Probleme der Distributed-Ledger-Technologie, wie etwa den hohen Verbrauch an Energie- und Zeitressourcen beim Mining, und man umgeht gleichzeitig auch das „51%-Problem“, wonach, sobald ein einzelner Akteur mehr als die Hälfte der „Mining-Macht“ im System erreicht hat, er dieses dominieren kann und damit die Dezentralität letztlich „aushebelt“.

M2M-Austausch im Internet der Dinge

Wenn Maschinen eigenständig miteinander kommunizieren und in der Lage sind, dabei unabhängig vom menschlichen Eingriff Transaktionen untereinander auszuführen, birgt dies erhebliches Veränderungspotenzial. Im Wege von Machine-to-Machine-Payment (M2M) könnte eine Maschine die notwendigen Vorprodukte autonom im „Internet der Dinge“ einkaufen und erhielte bei Übergabe des durch sie erstellten fertigen Produktes eine entsprechende Gutschrift. Auf diese Weise entstünde eine dezentrale, unabhängige Konto- und Transaktionsverwaltung der einzelnen „Dinge“ untereinander.

Eine Industrie-DAO, die verschiedene maschinelle Systeme unter einem institutionellen Dach vereint, würde die heutige betriebliche Organisation auf den Kopf stellen. Im Binnenverhältnis führte dies zu einer deutlich fortgeschritteneren Automatisierung. Fertigung und Logistik wären keine losgelösten Einheiten mehr, sondern würden zu integrierten Abläufen verschmolzen – bestehende fixierte Strukturen würden zu interdependenten Prozessen. Das alte Versprechen des „Internets der Dinge“, von den sich selbst wartenden und eigenständig Nachschub beschaffenden Maschinen könnte damit endlich auch organisatorisch eingelöst werden. Buchführung und Controlling stünden nun eigene maschinenspezifischen Kosten- und Leistungsträger sowie eigene Profitcenter je Einheit zur Verfügung. Management und betriebliche Steuerung hätten damit direkten und ungefilterten Zugriff auf die internen Wertschöpfungsprozesse. Nach außen verkörperte eine entsprechende DAO eine eigene, „souveräne“ Instanz, die prinzipiell als unabhängige Schnittstelle fungiert.

Organisation von Industriekooperation durch DAOs

Aber auch eine Kooperation bei Fertigung und Logistik verschiedener Teilhaber ließe sich damit realisieren, indem die jeweiligen Beteiligten auf Grundlage eines zuvor abgestimmten Regelwerkes ihren individuellen Beitrag am Gesamtprozess – maschinelle Ressourcen und arbeitsteilige Leistungen – einbringen. Dadurch entstünden neue Organisationsformen, die auch neue Geschäftsmodelle, innerhalb und außerhalb dieser dezentralen Organisationen ermöglichten. Ab einer kritischen Größe der DAO – also ausreichend eingebrachter und verfügbarer Kapazitäten – führt die Dezentralität zu einer hohen Flexibilität in der Ressourcenplanung auf der Seite potenzieller Nachfrager. Verschiedene in einer DAO organisierte Anbieter dieser maschinellen Ressourcen könnten über Smart Contracts und entsprechende Regelwerke ihre Kapazitäten dem Markt institutionalisiert zur Verfügung stellen. Denkbar wäre dabei auch die Einführung automatisierter Auktionen, wie sie aus dem Werbeflächenhandel im Programmatic Advertising, insbesondere bei Google oder auch bei Facebook, bekannt sind. Dabei werden die Preise maschinell, eigenständig auf Basis der erhobenen Marktdaten und Kapazitätsauslastungen, und dynamisch ermittelt. Die auf dieser Grundlage zustande gekommenen Transaktionen würden in einem Distributed Ledger fixiert und das entsprechende Entgelt dann nach Vertragserfüllung automatisch dem „Kontobuch“ der jeweiligen Leistungseinheit gutgeschrieben. Ohne Rückgriff auf einen Intermediär, der für seine Tätigkeit der Marktorganisation ein Entgelt beanspruchen könnte, hätte man damit eine Wertschöpfungsorganisation für die Industrie geschaffen – eine Plattformökonomie ohne Plattform.

Ein neuer Wirtschaftssektor autonomer Maschinen?

Ausgestattet mit einem eigenen Budget und einer autonomen Kapazitätserfassung wären einzelne Geräte und Maschinen damit zudem in der Lage, selbsttätig am Wirtschaftskreislauf teilzunehmen. Diese „Automatisierung der Automation“ könnte in letzter Konsequenz sogar in einer autonomen „Maschinenwirtschaft“ münden, in der intelligente Industriesysteme untereinander Prozesse und Güterströme eigenständig organisieren und abwickeln. Ein neuer, eigener Wirtschaftssektor wäre geboren.

Die damit verbundenen Auswirkungen wären sehr weitreichend. Unabhängig von ihrer Bewertung gewännen viele in der Vergangenheit diskutierte – und oft verworfene – Konzepte und Ideenansätze eine neue Relevanz. Denn auf einmal würden Themen wie die „Besteuerung von Maschinen“ und auch das „Bedingungslose Grundeinkommen“ eine ganz andere Aktualität und womöglich auch Plausibilität besitzen.

Dies setzt allerdings voraus, dass „Blockchain“ und das DLT-Konzept breiter gedacht werden als bisher. Die Chancen und neue Geschäftsmodelle in diesem Kontext liegen in der effizienten Kooperation der Marktteilnehmer – und nicht in betrieblichen Insellösungen. 

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.

Weiterfuehrende Literatur

Der Beitrag Plattformökonomie ohne Plattform: Wie DAOs die Industrie 4.0 effizienter gestalten könnten. erschien zuerst auf Nerdwärts.de.

Solarpunk kann als positives Zukunftsszenario begriffen werden, das sich konstruktiv mit dem ökologischen und ökonomischen Status Quo auseinandersetzt und der Überzeugung folgt, dass technologischer Fortschritt und ökologische Regeneration miteinander vereinbar sind. Anstatt angesichts düsterer Entwicklungsprojektionen in Schockstarre zu verfallen, wird versucht, eine Antwort auf die Frage zu finden, wie eine lebenswerte Post-Carbon-Gesellschaft tatsächlich aussehen könnte.

Steampunk, Cyperpunk – Solarpunk

Der Begriff des Solarpunk orientiert sich an dem ähnlich gelagerten Phänomen des Steampunks, welches wiederum seinen Ursprung in den dystopischen Narrativen des Cyberpunks hat. Steampunk steht für eine alternative Zukunft (oder Welt), in der Dampftechnologie wie auch andere Entwicklungen aus der „Viktorianischen Ära“ – viele Steampunk-Szenarien sind im angelsächsischen Kulturraum im zeitlichen Kontext des 19. Jahrhunderts angesiedelt – nicht durch ölbasierte Technologien verdrängt wurden. Elektrizität spielt hier meist allenfalls als aufkommende, aber noch nicht realisierte Technikvision eine Rolle.

Der Wortteil „punk“ kann dabei verschiedene Bedeutungen haben. Einerseits wird auf die dem Erzählkosmos oft zugrundeliegenden „do-it-yourself“-Ansätze angespielt, andererseits – und hier lassen sich Überschneidungen mit dem Cyberpunk ausmachen – betont dies einen gewissen disruptiven Charakter, nämlich eine Haltung, welche der jeweils vorherrschenden Gesellschaftsform tendenziell kritisch gegenübersteht oder diese gänzlich ablehnt.

Wie beim Cyberpunk, der vor allem auf die Science-Fiction-Werke von William Gibson (Neuromancer,…) zurückzuführen ist und in der Regel eine symbiotische Verbindung von Mensch und digitalen Systemen umschreibt, werden die sozialen Rahmenbedingungen als zumindest beengend, aber mitunter auch als autoritär oder sogar totalitär skizziert. Ebenfalls lässt sich bei beiden Genres regelmäßig Kapitalismuskritik als Leitthema ausmachen – die Ressourcen sind in den Narrativen meist in wenigen Händen gebündelt, wodurch Machtungleichgewichte entstehen.

Solarpunk als eigenständiges Phänomen

Während Cyberpunk eigentlich immer dystopische Züge trägt und Steampunk oft als eskapistische und „retro-futuristische“ Gegen- bzw. Alternativkultur betrachtet wird, setzt Solarpunk mit seinem ausdrücklich positiven und aktiv gestaltenden Selbstverständnis einen Kontrapunkt als hoffnungsvolle Vision für eine nachhaltige Zukunft. Solarpunk ist dabei gleichzeitig ästhetische Bewegung, literarisches Genre wie auch soziale Philosophie, die an der Schnittstelle von Kunst, Wissenschaft und Gesellschaft angesiedelt ist. Im Kern steht die Überzeugung, dass eine nachhaltige, gerechte und lebenswerte Zukunft nicht nur möglich, sondern bereits im Entstehen begriffen ist. Trotz des Bestandteils „Solar“, umfasst der Begriff Solarpunk weit mehr als nur Photovoltaik. Es geht dabei vielmehr um ein ganzes Ökosystem nachhaltiger Ansätze.

Kern des Solarpunk-Denkens ist das Prinzip der regenerativen Kultur, das auf drei Säulen ruht:

1. Technologische Souveränität: Dezentrale erneuerbare Energiesysteme ersetzen fossile Infrastrukturen, wobei Solarenergie aufgrund ihrer potenziellen Dezentralität als Symbol für Autarkie und Partizipation dient.
2. Ökosoziale Gerechtigkeit: Gefordert wird der Abbau hierarchischer Machtstrukturen zugunsten gemeinschaftlicher Entscheidungsprozesse und als fair empfundener Ressourcenverteilung.
3. Ästhetische Transformation: Sterile Ästhetik „kapitalistischer Urbanität“ soll durch „grüne“ Architektur abgelöst werden, dabei werden oft Kombinationen von Elementen des Art-Nouveau mit sichtbar ausufernder Vegetation an den Häuserfronten als stilprägend postuliert.

Die Existenz von Solarpunk in der Lebenswirklichkeit beginnt somit bereits mit dem „Solar-Balkonkraftwerk“. Sie zeigt sich ferner in einschlägigen innovativen Architekturprojekten. Sie weist aber auch einen klaren Technik- und Digitalisierungsbezug auf, einerseits in Bezug auf dezentrale und kollektive Aspekte, wie der Verwendung von Open-Source-Hardware und -Software oder auch Blockchain als „demokratischer“ Technologie, die schon lange als Instrument der Organisation dezentraler Energiemärkte diskutiert wird. Andererseits dürfte gerade in jüngerer Zeit Künstliche Intelligenz (KI) und insbesondere generative KI als „Ermächtigungstechnik“ in diesem Kontext an Bedeutung gewinnen.

Im Mittelpunkt steht meist die Überzeugung, dass Technologie nicht zwangsläufig umweltschädlich oder entfremdend sein muss, sondern als Werkzeug ökologischer Nachhaltigkeit und sozialer Gerechtigkeit dienen kann. Insbesondere den potenziellen Fähigkeiten „digitaler“ Technologien, bürgerliche Ermächtigung und Unabhängigkeit von zentralen kommerziellen Akteuren zu ermöglichen, kommt dabei eine große Bedeutung zu.

KI und Solarpunk

Anwendungsbeispiele von KI mit Bezug zu Solarpunk finden sich vor allem bei der Aufbereitung und Verwertung lokal gesammelter Daten. Durch Sensoren lassen sich etwa dezentral relevante Informationen zu Mikroklimata erfassen, wie Temperatur, Luftfeuchtigkeit und Bodenbeschaffenheit. Daraus könnten dann mittels KI standortspezifische Pflanzempfehlungen generiert werden. Flankiert durch personalisierte Apps, wäre somit auch Gartenbau nicht nur entlang lokaler Gegebenheiten, sondern auch entsprechend individueller Ernährungsgewohnheiten und Geschmacksprofilen denkbar.

Aus der Verknüpfung der gesammelten Daten mit den individuellen Profilen können Musterabgleiche erfolgen, anhand derer Vorschläge für die Bepflanzung unterbreitet werden. Analog sind Handreichungen für die individualisierte Optimierung der Ausrichtung von Solarpaneelen oder bei der Steuerung und Verwaltung von Miniwindkraftwerken denkbar.

Blockchain und Solarpunk

Wichtig ist dabei, dass diese Daten an verschiedenen Stellen dezentral gesammelt, verarbeitet und verwaltet werden. Dafür gibt es bereits, oft Blockchain-basiert, erste Anwendungen. Diese soll es ermöglichen, via Distributed-Ledger-Technologie eigene KI-Assistenten für derartige Anwendungsfälle aufzusetzen (z.B. Virtuals) oder verschiedene Machine-Learning-Ansätze dezentral miteinander zu verknüpfen (Bittensor/TAO).

Intelligente Ressourcennutzung

Schon länger sind Konzepte derartiger dezentraler Netzwerke bei der Energieerzeugung und -distribution bekannt. Dabei speisen die lokalen, „privaten“ Erzeuger ihren selbsterzeugten Strom nicht einfach bei Ihrem Versorger gegen die festgelegte staatliche Vergütung ein, sondern würden damit in die Lage versetzt, den Strom direkt auf den Märkten anzubieten oder intelligent, über Smart Grids zu „parken“.

Die Administration der eingesetzten Technik dürfte zunehmend komplexer werden. Um Skaleneffekte und Effizienzsteigerungen zu erzielen, bietet sich eine Vernetzung der einzelnen dezentralen Stellen an. Dabei besteht die Gefahr eines Trade-Offs zwischen der Zentralisierung von Verfügungsmacht, die der Solarpunk-Idee zugrundeliegenden Idee autonomer Dezentralität entgegensteht, und der Leistungsfähigkeit und Skalierbarkeit der Systeme.

Solarpunk mit eigenem Betriebssystem

Um diesen Widerspruch aufzulösen und dennoch lokale wie globale Vernetzung zwischen einzelnen „Solarpunk“-Ansätzen zu ermöglichen, gibt es inzwischen erste technische Lösungsansätze, die ebenfalls auf KI und maschinelles Lernen zurückgreifen. Das Projekt der ReGen-Villages hat die Errichtung ökologisch nachhaltiger und energieautarker Siedlungen zum Ziel. Ein „Betriebssystem“, das sogenannte VillageOS, dient dazu, auf lokale Vorgänge reagieren zu können und entsprechend optimierte, automatisierte Anpassungen vorzunehmen. Somit soll es beispielsweise Wasserzyklen und Stromnutzung koordinieren, um auf diese Weise die bestmögliche Bewirtschaftung sicherzustellen. Dabei werden permanent Daten gesammelt, um sie für das Training von KI-Modellen nutzbar zu machen. Ziel ist es, dass das Betriebssystem somit in die Lage versetzt wird, Muster als Planungsgrundlagen abzuleiten und daraus Entscheidungen für die weitere städtebauliche und architektonische Entwicklung treffen können.

Das Konzept soll global ausgerollt werden, wobei die Vernetzung der einzelnen Standorte als wichtiges Erfolgskriterium betrachtet wird. Das „Betriebssystem“ braucht entsprechend für neue Siedlungen nur „installiert“ zu werden. Gleichzeitigt vergrößert sich damit sukzessive die Datenbasis, was zu verbesserten Musterprognosen führen sollte, die für das lokale Ressourcenmanagement der Standorte herangezogen werden. Ziel ist eine KI-basierte, autonome Steuerung sämtlicher technischer Prozesse.

Generative KI und 3D-Technik für Solarpunk-Anwendungen

Neben der Ausführung dieser operativen Maßnahmen, soll KI auch bei der Planung und Weiterentwicklung des Systems Verwendung finden. Dabei greift man auf KI-gestütztes Generatives Design mittels sprachgestützter Dateneingabe und erstellter 3D-Karten  (via Unreal Engine und Cesium) zurück. Ein Bewohner oder „Anwender“, der beispielsweise die Wasserversorgung verbessern möchte, kann per „Prompting“ Ziele wie „Maximierung der Regenwasserspeicherung“ oder „Verringerung des Abflusses“ vorgeben. Die Software soll dann durch die Verknüpfung mit den angelegten Datenbanken den besten Standort für ein Wasserreservoir auf einem realen Grundstück ermitteln. Das Gleiche gilt für die Planung von Wohn- und Energiesystemen oder die Auswahl geeigneter klimaresistenter Pflanzen und deren Anbauorte.

Aktuell befindet ReGen laut Website mit seinem VillageOS in der praktischen Pilotphase und erprobt die Anwendungen an ersten Standorten. Auch wenn es sich hier um ein Investmentprojekt handelt, zeigt es ganz gut, wohin die Entwicklung gehen könnte. Die Realisierung der Solarpunk-Ideen wird in der Praxis auf derartige Technik zurückgreifen müssen, wenn eine großflächige Bewegung initialisiert werden soll. Der immer niedrigschwelligere Rückgriff auf KI und andere „digitale“ Technologien könnte hier für eine neue Dynamik sorgen.

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.

Der Beitrag Zeit für Utopien: Solarpunk – eine erstrebenswerte Zukunft mit KI und Nachhaltigkeit erschien zuerst auf Nerdwärts.de.

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.

Betrachtet man die herkömmlichen regulatorischen Instrumente der Kartellwächter, so drängt sich der Eindruck auf, dass diese offenbar nur bedingt geeignet sind, der Plattformproblematik zu begegnen. Es scheint so, als versuche man die Probleme des 21. Jahrhunderts mit den Mitteln des 20. Jahrhunderts zu lösen. Schließlich liegen doch die Gefahren nicht allein im klassischen Marktversagen oder in einem rechtlich leicht sanktionierbaren situativen Fehlverhalten des Managements. Vielmehr ist es die grundsätzliche technologische Beschaffenheit der Plattformen, die Staaten – ökonomisch wie gesellschaftlich – vor Herausforderungen stellen. Das legt den Schluss nahe, dass Ansätze der Plattformregulierung womöglich auf anderer Ebene als der herkömmlichen Kartellrechtsgrundlage gefunden werden müssen.

Das etwas schal gewordene Mantra von den Daten als dem neuen Gold

Das vor nicht allzu langer Zeit inflationär vorgetragene Mantra von den Daten als dem „neuen Gold“ oder dem „Öl des 21. Jahrhunderts“, dürfte uns allen noch gut in den Ohren klingen. Schon damals fragte man sich, warum daraus dann nicht entsprechende Verhaltensweisen folgten. Stattdessen räumen wir den großen Techplattformen in aller Regel bis heute weiterhin unentgeltlich die Verwertungsrechte an den Daten ein. Im Kontext der generativen KI und ihrem Hunger nach Trainingsdaten – und der Frage nach einer entsprechenden Vergütung der Urheber, gewinnt dieser Gedanke wieder an Bedeutung. Aber sofern die Plattformen ihre Macht tatsächlich aus ihren Daten, den Vernetzungen und den algorithmischen Verarbeitungsfähigkeiten beziehen, sollte dann Regulierung nicht eben genau hier ansetzen? Statt sich also regulatorisch eher an den Auswirkungen zu orientieren, wäre es dann nicht vielversprechender, sich hingegen den Ursachen der Plattformmonopole zuzuwenden?

Überwachungskapitalismus als Ausgangspunkt der Plattformregulierung

Analog zu den Entflechtungsbestrebungen geraten damit erneut die Eigentumsrechte in den Fokus, wenngleich auch nicht am Kapital im herkömmlichen Sinne: Der von Shoshana Zuboff geprägte Begriff des Überwachungskapitalismus („Surveillance Capitalism“) beschreibt die Vorgehensweise der Plattformen, aus den permanent gesammelten Nutzerdaten automatisiert marktoptimale Strategien abzuleiten und diese, indem sie das Verhalten des Einzelnen manipulieren, zur Gewinnmaximierung zu nutzen. Dies führt zu einer tendenziellen Entmündigung der Nutzer und trägt im Kern, wenn man dieser Ansicht folgt, demokratiefeindliche, totalitäre Züge. Die zu Daten gewordenen „menschlichen Erfahrungen“ geraten damit zum kostenlosen Rohstoff für Produktion und Verkauf, die wiederum das Treibmittel zur Funktionsweise der Plattformen und die Grundlage ihres Geschäftsmodells bilden. Die Plattformen versuchen ihren Zugang zu den Produktionsmitteln stetig zu optimieren und greifen dabei tief in die persönliche Sphäre der Nutzer ein, indem Verhaltenswahrscheinlichkeiten nicht nur kalkuliert werden, sondern auch für entsprechende Beeinflussung im Sinne der Plattforminteressen – durch Nudging – genutzt werden. Ein Ausscheren aus dieser Logik ist nicht möglich, zu groß sind die „Lock-In-Effekte“ und geschaffenen Abhängigkeiten. Die für die Funktionsweise eines demokratischen und pluralistischen Gemeinwesens zentralen Prozesse individueller Autonomie werden damit ausgehebelt. In der Summe verschafft dies den Plattformen eine Macht innerhalb der digitalen Gesellschaften, die nicht demokratisch legitimiert, nicht transparent und der gesellschaftlichen Kontrolle entzogen ist.

Wenn aber die Logik des Überwachungskapitalismus zutrifft und die Macht der Plattformen auf die Auswertung der Nutzerprofile und Nutzerbeziehungen zurückzuführen ist, sollte dann nicht statt der gegenwärtigen Fokussierung auf Marktanteile vielmehr das Eigentum an den Daten konsequenterweise in den Fokus der Betrachtung rücken, wenn wir über Plattformregulierung sprechen? Im Moment tauschen wir diese als digitale Naturalien gegen die Nutzungs- und Partizipationsrechte an den Plattformen. Ob wir nun damit noch Kunden oder hingegen bereits Teil des Produktes der Plattformen sind oder schlicht die kostenlose Quelle für den Rohstoff der Plattformökonomie, entscheidet sich damit auch aus unserem datenbezogenen Selbstwertgefühl heraus.

Die Rolle der Daten bei der Plattformregulierung

Ohne Zweifel lässt sich aber eine enorme Diskrepanz zwischen der Profitabilität der Plattformunternehmen und dem Wert, den wir selbst unseren Daten beimessen, ausmachen. Das faktische Monopol vieler Plattformen auf ihren Märkten bezeichnet damit nur ein nachgelagertes Problem. Ermöglicht wurde dies durch die vorausgehende sukzessiv und weitgehend unkontrolliert errichtete Marktmacht bei der Informations- und Datenverarbeitung. Während Karl Marx in der klassischen Ökonomie noch von Arbeit als maßgeblichem Produktionsfaktor sprach, sind in der Plattformökonomie Daten und Algorithmen an diese Stelle getreten. Daraus leitet sich ab, dass Regulierung dann eben auch nicht bei operativen Marktpraktiken oder der regulativen Entflechtung der Plattformunternehmen ansetzen müsste, sondern beim Marktzugang zu den Nutzerdaten.

Dies setzt einerseits voraus, dass persönliche Daten auch konsequent als Wirtschaftsgut begriffen und ebenso behandelt werden. Zum anderen müssen die Rechte an Ihnen auch durchsetzbar sein. Als problematisch erweist sich dabei die spezifische Beschaffenheit von Daten: Sie können als „geistiges Asset“ der Algorithmusökonomie begriffen werden, sie sind „digitale Güter“ und damit „immateriell“ und potenziell unendlich vervielfältigbar. Sie unterscheiden sich daher von herkömmlichen Rohstoffen oder „Produktionsfaktoren“, da sie im Konsum nicht rivalisierend sind, also mehrfach verwendet werden können.

Dateneigentum und Plattformregulierung

Nicht abschließend geklärt zu sein scheint die Frage, wie „Dateneigentum“ eigentlich entsteht und welche ökonomischen Verfügungsrechte daraus abzuleiten sind. In den Rechtssystemen hat dies bislang meist keine entsprechende Berücksichtigung gefunden – in Deutschland etwa wurde ein transaktionsorientiertes Konzept eines Eigentums an Daten im Kontext des Verfassungsgerichtsurteils von 1983 zur Volkszählung gezielt ausgespart und stattdessen das Grundrecht auf informationelle Selbstbestimmung postuliert, welches sich ausschließlich an den Persönlichkeitsrechten orientiert. So ist immer noch unklar, ob das „Eigentum“ an Daten wie auch deren „Rendite“ ihrem „Erheber“, dem „Aufbereiter“ oder der eigentlichen Quelle zusteht. Die gelebte Praxis der Datenschutzgrundverordnung sieht zwar grundsätzlich ein Zustimmungsrecht der Nutzer vor, wenn Dritte „deren“ Daten nutzbar machen wollen, etwa als „Gegenleistung“ für die Teilnahme an einem Internet-Dienst. In der Regel handelt es sich hier aus Nutzersicht aber um eine binäre Entscheidung: zwischen der Verweigerung, welche oft mit dem Nutzungsausschluss durch den Dienstbetreiber als Konsequenz einhergeht, oder einer vollständigen Rechteübertragung, die zumindest de facto dann auch einer kostenfreien Eigentumsübertragung gleichkommt. Ein graduelles Wertschöpfungssystem, das auch eine Beteiligung an den Wertzuwächsen vorsehen würde, existiert für Daten, anders als für andere „geistige“ Güter (Literatur, Musik, Kunst) derzeit nicht. Unklar bleibt ferner auch, wie in diesem Kontext mit „Objektdaten“, etwa im Internet der Dinge, zu verfahren ist. Bislang hat die Rechtsetzung in den Europäischen Staaten dies weitgehend der privatrechtlichen vertraglichen Vereinbarung überlassen, regulatorische Eingriffe sind bislang nicht zu verzeichnen.

Und doch gibt es bereits diskutierte Ansätze, wie man auf Datenbasis diese Märkte regulieren könnte. Dies ist Gegenstand des zweiten Teils dieses Artikels (Plattformregulierung durch Dateneigentum: Hürden und Ansätze).

Dieser Text ist ein Auszug aus dem Artikel „Algorithmic Regulation“ und Dateneigentum: ökonomische und gesellschaftliche Handlungsoptionen der Plattformregulierung, aus dem Sammelband „Die Digitalisierung des Politischen. Theoretische und praktische Herausforderungen für die Demokratie“, herausgegeben von Andreas Wagener und Carsten Stark, Springer VS, 2023

Literatur:

van Alstyne, M., Parker, G. G. & Choudary, S. P. (2016). Pipelines, Platforms, and the New Rules of Strategy. Harvard Business Review. Vol. 94. 4, 54-62.

Brin, S. & Page, L. (1998). The anatomy of a large-scale hypertextual Web search engine, Computer Networks and ISDN Systems, Volume 30, Issues 1–7, 1998, 107-117, https://doi.org/10.1016/S0169-7552(98)00110-X.

Gallwas, H. (1992). Der allgemeine Konflikt zwischen dem Recht auf informationelle Selbstbestimmung und der Informationsfreiheit. Neue Juristische Wochenschrift. S. 2785–2848.

Krempl, S. (2021). Digital Markets Act: EU-Abgeordnete stimmen für interoperable Messenger (9.12.2021). Heise. https://www.heise.de/news/Digital-Markets-Act-EU-Abgeordnete-stimmen-fuer-interoperable-Messenger-6274593.html.

Lobe, A. (2021). Sollte man Google und Facebook verstaatlichen? (16.11.2021). Spektrum. https://www.spektrum.de/kolumne/lobes-digitalfabrik-sind-google-und-facebook-ein-oeffentliches-gut/1949629.

Lobo, S. (2021). Die neue Weltmacht der Bio-Plattformen (27.01.2021). Spiegel. https://www.spiegel.de/netzwelt/netzpolitik/mrna-technologie-die-neue-weltmacht-der-bio-plattformen-a-c87fa211-1897-47cf-8a1b-cd9ded973e6f.

Piétron, D. & Wiggerthale, M. (2019). Neue Wettbewerbsregeln für die Plattformökonomie (06.12.2019). Netzpolitik.org. https://netzpolitik.org/2019/neue-wettbewerbsregeln-fuer-die-plattformoekonomie/.

Saurwein, F., Just, N. & Latzer, M. (2015). Governance of algorithms: options and limitations. Info, 17(6), 35–49. https://10.1108/info-05-2015-0025.

Scholz, T. (2019). A Portfolio of Platform Cooperativism, in Progress. Ökologisches Wirtschaften, 33(4), 16–19.

Vöpel, H. (2018). Daten als Kapital des Digitalkapitalismus: Wie der Wert von Daten entsteht, wem er gehört und welchen Preis wir zahlen.  https://www.xing.com/news/insiders/articles/daten-als-kapital-des-digitalkapitalismus-wie-der-wert-von-daten-entsteht-wem-er-gehort-und-welchen-preis-wir-zahlen-1337039.

Vöpel, H. (2021). Die digitale Revolution: Der große Übergang in die Datenökonomie. In T. Straubhaar (Hrsg.) Neuvermessung der Datenökonomie (S. 29 – 40). Hamburg University Press.

Vosoughi, S., Roy, D. & Aral, S. (2018). The spread of true and false news online (09.03.2018). Science, 359(6380), 1146-1151. DOI: 10.1126/science.aap9559

Wagener, A. (2018). Politische Disruption: Die Digitalisierung der Politik und die libertäre Technologie der Blockchain. In S. Liebold, T. Mannewitz, M. Petschke, T. Thieme. (Hrsg.). Demokratie in unruhigen Zeiten (S. 387–396). Nomos.

Wagener, A. (2023). Künstliche Intelligenz im Marketing. 2. Aufl. Haufe.

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

Zuboff, S. (2015). Big other: surveillance capitalism and the prospects of an information civilization. Journal of Information Technology, 30(1), 75-89.  https://doi.org/10.1057/jit.2015.5.

Zuboff, S. (2019). Im Zeitalter des Überwachungskapitalismus (12.06.2019).  Netzpolitik.org. https://netzpolitik.org/2019/im-zeitalter-des-ueberwachungskapitalismus/.

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.

Der Beitrag Plattformregulierung durch Dateneigentum: den Überwachungskapitalismus umkehren (1/2) erschien zuerst auf Nerdwärts.de.

Vom Anbau über die Produktion bis hin zur Vermarktung: Die Integration von KI versetzt die Akteure der Weinbranche in die Lage, ihre Produktqualität zu steigern, betriebliche Effizienzen zu erhöhen und insgesamt präzisere Entscheidungen treffen. Im Folgenden werfen wir einen detaillierten Blick auf konkrete Anwendungsbeispiele:

KI im Weinberg

Bereits im Weinberg wird auf KI und Verfahren des maschinellen Lernens zurückgegriffen.  Unternehmen wie VitiBot oder VineView nutzen maschinelles Lernen und Sensortechnologie, um Weinberge effizienter zu bewirtschaften. Drohnen und Bodenroboter, ausgestattet mit multispektralen Kameras, erfassen Echtzeitdaten zu Bodenfeuchtigkeit, Nährstoffgehalt und Pflanzenstress. Diese werden genutzt, um Vorhersagen zu Bewässerungsbedarf, Schädlingsbefall oder über den optimalen Erntezeitpunkt zu treffen.

Auch die Verbreitung von Krankheiten wie Mehltau lässt sich frühzeitig erkennen. Sensornetzwerke im Weinberg sind in der Lage, mikroklimatische Daten zu erfassen, während KI die Wahrscheinlichkeit eines Ausbruchs berechnet und entsprechende Maßnahmen vorschlägt. Dies spart nicht nur Kosten, sondern führt durch den reduzierten Einsatz von Pflanzenschutzmitteln auch zu Nachhaltigkeitseffekten. Ebenso lassen sich lokale Hagelprognosen durch die erfassten Daten ableiten, wodurch rechtzeitig entsprechende Schutzmaßnahmen eingeleitet werden können.

Das durch das Bundeslandwirtschaftsministerium geförderte Projekt KI-iREPro („Künstliche Intelligenz für innovative Ertragsprognose bei Reben“) zielt darauf ab, ertragsrelevante Merkmale direkt im Weinberg zu erfassen und mittels Methoden des maschinellen Lernens präzise Ertragsprognosen zu erstellen. Dazu werden Daten zu Traubenanzahl, -größe und -gewicht gesammelt und analysiert, um den optimalen Lesezeitpunkt zu bestimmen und die Weinleselogistik effizient zu planen. Ziel ist neben einer verbesserten Weinqualität auch die ressourcenschonende Bewirtschaftung.

KI in der Weinproduktion

Auch im Weinkeller, bei der Weinbereitung, wird inzwischen immer öfter auf KI zurückgegriffen: Schon geringe Schwankungen im Gärprozess können die Qualität des Weins nachhaltig beeinflussen. Mittels Sensoren in den Gärtanks lassen sich Temperatur, pH-Wert und Zuckerabbau überwachen. Unerwünschte Entwicklungen, wie Unterbrechungen des Fermentationsprozesses oder ungewollte Oxidationen lassen sich damit frühzeitig abpassen. Anbieter wie WineGrid leiten aus den gesammelten und aus in der Vergangenheit aggregierten Daten mittels KI Handlungsempfehlungen ab und ermöglichen auf diese Weise ein „Smart Monitoring“ der Weinproduktion.

Noch einen Schritt weiter geht das kalifornische Startup Tastry, das maschinelles Lernen einsetzt, um die chemische Analyse der Weine mit Daten zu Kundenpräferenzen zu verknüpfen. Die KI gibt daraufhin Hinweise, wann Temperatur oder Gärzeit angepasst werden sollten, um den angestrebten Geschmacksprofilen zu entsprechen.

KI im Weinmarketing und der Absatzsteuerung

Die Digitalisierung des Marketings hat natürlich auch schon seit längerem die Weinbranche erfasst. Die Analyse von Konsumentenpräferenzen, personalisierte Empfehlungen auf Basis von Kundenverhalten und Kaufhistorien, wie auch Verfahren des „Next-Best-Offer“-Marketings sind langerprobte Ansätze, die auch im Weinmarketing zum Tragen kommen. Die skizzierten Anwendungsfälle in der Weinbereitung lassen sich dabei mit erfassten Geschmacksprofilen und -präferenzen der Kunden verknüpfen, um perspektivisch auch die Herstellung „individualisierten“ Weins zu ermöglichen.

Ansätze wie der oben beschriebene von Tastry oder auch des BMEL-Projektes PINOT (Projekt zur Entwicklung einer Künstlichen Intelligenz für oenologische Technologie), eröffnen neue Möglichkeiten für das Absatzmarketing. Ziel von PINOT ist die Entwicklung eines Aromadetektors, einer „künstlichen Nase“ für Weinbau und Handel. Mittels KI lassen sich die sensorischen Geschmacksprofile der Weine in natürliche Sprache übersetzen. Auf diese Weise entstehen für den Konsumenten verständliche Weinbeschreibungen, welche die Einkaufsentscheidungen erleichtern sollen. Gewissermaßen ließe sich damit also ein „künstlicher Sommelier“ erschaffen. In Kombination mit dem Rückgriff auf generative KI wären damit weitere Hilfestellungen für den Kunden denkbar, etwa passende Speiseempfehlungen oder aggregierte und aus den Datenmustern abgeleitete Angaben zur optimalen Reifezeit eines Weines.

KI im Weinbau: noch viel Potenzial

Trotz der zahlreichen Anwendungsbeispiele ist der Einsatz von KI im Weinbau, verglichen mit anderen Branchen, noch als eher unterentwickelt zu bezeichnen. Obwohl einige „Leuchtturmprojekte“ existieren, wird das Potenzial in der Breite noch nicht ausgeschöpft. Das liegt sicherlich nicht zuletzt auch an der Fragmentierung der Branche, mit vielen kleinen Betrieben. Gerade aber die stetig geringer werdenden Hürden bei der Nutzung insbesondere generativer KI dürften dazu beitragen, dass findige Marktakteure schnell diese Vorteile für sich zu nutzen lernen.

Mehr zum Thema KI: 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.

Der Beitrag KI im Weinbau: Anbau, Weinbereitung und Marketing erschien zuerst auf Nerdwärts.de.

Die technologischen Innovationen auf diesem Gebiet reichen von der Erweiterung klassischer Fahrgeschäfte durch Virtual Reality (VR) bis hin zu gänzlichen neuen „Standalone“-Attraktionen. Aber auch Augmented Reality (AR) sowie die Digitalisierung hinter den Kulissen spielen eine Rolle.

Erweiterung klassischer Fahrgeschäfte mit VR

Einer der Vorreiter dieser Entwicklung hierzulande ist der Europa-Park in Rust. Schon seit längerem kann man durch ein zusätzlich zum Parkeintritt zu entrichtendes Entgelt beispielsweise den „Alpenexpress“ oder den „Eurosat“ mit VR-Brille befahren. Dazu werden im hinteren Teil der beiden Achterbahnen exklusive Sitzreihen reserviert. Während man also physisch die Fahrt mit allen ihren Kurven und Rucklern „erspürt“, erlebt man visuell eine darauf abgestimmte, alternative virtuelle Realität. Dabei kann man aus verschiedenen Programmen die gewünschte virtuelle Umgebung wählen – etwa Szenarien aus der Science-Fiction oder dem Fantasy-Universum. Auf diese Weise hat man nicht nur das bestehende Konzept modernisiert, sondern es werden auch zusätzliche Zielgruppen je Attraktionen angesprochen.

Standalone VR Attraktionen

Daneben setzen Vergnügungsparks zunehmend auf Standalone VR Erlebnisse, die unabhängig von physischen Fahrgeschäften funktionieren. Mit „YULLBE“ hat der Europa-Park ein VR-Erlebnis geschaffen, das sich durch zwei Modi auszeichnet: YULLBE PRO: Eine 30-minütige, tief immersive Erfahrung, bei der Besucher mit VR-Headsets und Sensoren ausgestattet werden, um eine Geschichte interaktiv zu erleben. Und YULLBE GO: Ein kürzeres, flexibleres VR-Erlebnis, das einen niedrigeren Einstiegspunkt bietet und insbesondere für Familien und Erstnutzer attraktiv ist. Die simulierten Spielumgebungen umfassen beispielsweise ein an Lara-Croft angelegtes Action-Adventure oder das wohl ursprünglich für einen YOULLBE-Ableger im Miniatur-Wunderland Hamburg konzipiertes Szenario, dass die Spieler und deren Umwelt entsprechend „schrumpfen“ lässt.

Gamification und AR-Integration

Neben diesen reinen VR-Angeboten werden aber auch Augmented Reality und Gamification zunehmend genutzt, um das Besuchererlebnis über die gesamte Aufenthaltsdauer hinweg zu verbessern. Die mobile App des Europa-Parks integriert AR-gestützte Spiele, die Wartezeiten interaktiv gestalten. Darüber hinaus gibt es dort News-Feeds zu den Wartezeiten an den einzelnen Attraktionen. Auch beinhaltet die App die Option des „Virtuellen Anstehens“, während man sich in Wahrheit die Zeit in einem der Cafés vertreibt.

Digitalisierung hinter den Kulissen

Damit diese Funktionen in die „Frontend“-App des Parks einfließen können, werden im Hintergrund entsprechende Digitale Tools genutzt, um die Besucherströme in Echtzeit zu analysieren. Dies hilft nicht nur die Wartezeiten zu minimieren, sondern auch die vorhandenen Ressourcen effizient einzusetzen und die Besucherzufriedenheit zu steigern.

Schließlich spielt Digitalisierung auch eine große Rolle bei der Entwicklung der Attraktionen. Der Europa-Park nutzt VR-Simulationen,Virtuelle Prototypen, um neue Attraktionen zu planen und zu testen, bevor meist sehr aufwändige physische Realisierung folgt. Designer und Ingenieure können virtuelle Modelle testen und optimieren, was die Planungs- und Bauzeit verkürzt.

Wirtschaftliche Auswirkungen

Während das Thema VR und auch die damit verbundene Diskussion um ein wie auch immer beschaffenes Metaverse ansonsten nur scheinbar langsam vorankommt, nehmen Vergnügungsparks bei der Etablierung der Technologie eine Vorreiterrolle ein. Die Vorteile für den Rückgriff auf VR liegen dabei auf der Hand: Bestehende Attraktionen können aufgewertet werden, die Innovationscharakter der Marke gestärkt, was sich auch positiv auf die Kundenbindung auswirken dürfte. Die Betreiber stellen zudem neue Attraktionen bereit, ohne dafür die mitunter knappen räumlichen Kapazitäten zu belasten. Zudem scheinen die Parkbesucher die zusätzlich zu den Eintrittspreisen fälligen Kosten zu akzeptieren. Dadurch entstehende neue Umsatzströme. Und es ist möglich neue, zusätzliche Zielgruppen auf diese Weise anzusprechen. Gemeinsam mit den Möglichkeiten, die Digitalisierung auf der Prozessebene bietet – Optimierung der Besucherströme, zusätzliche Services, Rückfluss in die Innovations- und Entwicklungsprozesse – ergeben sich dadurch zusätzliche Potenziale für die Parkbetreiber. Perspektivisch ist dabei vor allem auch noch eine tiefergehende Personalisierung und Individualisierung des Freizeiterlebnisses zu erwarten.

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.

Der Beitrag Wie VR und andere digitale Technologien den Vergnügungspark von morgen formen 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.

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.

Unter „Corporate Digital Responsibility“(CDR) wird allgemein die gesellschaftliche Verantwortung von Unternehmen im Rahmen der Digitalisierung verstanden. In Anlehnung und als Weiterentwicklung des Begriffs der CSR („Corporate Social Responsibility“) richtet sich der – relativ junge, aber aktuell rapide an Relevanz gewinnende – Terminus auf die Anwendung „digitaler“ Technologien und den Umgang mit den daraus resultierenden Konsequenzen für die Gesellschaft und den Einzelnen. Im Kern geht es dabei um die freiwillige Selbstverpflichtung, verantwortlich mit den digitalen Ressourcen umzugehen, was sowohl grundsätzliche Fragestellungen der Unternehmensethik als auch konkrete betriebswirtschaftliche Handlungsfelder im Tagesgeschäft berührt.

Dabei stehen insbesondere folgende Themenbereiche im Mittelpunkt des Interesses:

1. die Schonung von Ressourcen bei der Erschaffung digitaler Dienste und Produkte (insbes. Energie)
2. Sozialverträglichkeit und Ermöglichung einer „humanen“ Arbeitsumgebung beim Einsatz digitaler Technologie
3. die „Demokratisierung der Digitalisierung“: Zugangserleichterung durch Kompetenzaufbau beim Einzelnen und durch die Förderung allgemein zugänglicher digitaler Infrastruktur
4. Datensicherheit, Datenschutz und Verhinderung digitalen Machtmissbrauchs aufgrund erlangter „Datenmacht“ (gegen „Überwachungskapitalismus“, „Nudging“, „invasives“ Scoring/Profiling, …)

Und:

5. der verantwortungsvolle Umgang mit KI: Transparenz der Entscheidungsbildung durch KI, Vermeidung von „KI-Bias“ und von „Diskriminierung“ durch KI.

Ansatzpunkt für CDR: KI-Bias in Unternehmensprozessen

Bei der Verarbeitung von Daten im Rahmen von KI-Anwendungen bzw. bei der Anwendung von Methoden des maschinellen Lernens besteht die Gefahr, dass es aufgrund der Eigenschaften der dabei verwendeten Datenressourcen zu Verzerrungen kommen kann („KI Bias“). Ein Beispiel hierfür ist der Prozess der Vorqualifizierung von Bewerbungsdokumenten. Dabei hat sich herausgestellt, dass vorhandene Muster in der bisherigen Belegschaft von der KI erkannt und in den Auswahlprozess einbezogen werden können, was dazu führt, dass z.B. ein Unternehmen mit wenig Frauen in Führungspositionen oder geringem Anteil von Arbeitskräften mit Migrationshintergrund eine entsprechende Personalpolitik auch in die Zukunft festschreiben könnte, wie ein entsprechendes Projekt von Amazon zeigt (welches dann entsprechend auch nicht umgesetzt wurde). Künstliche Neuronale Netze müssen im Wege maschineller Lernverfahren mit großen Mengen an Daten trainiert werden. Aber Daten sind eben zwangsläufig stets vergangenheitsbezogen und enthalten dann mitunter genau jene Vorurteile und mangelnde Diversität, denen mit CDR-Maßnahmen entgegnet werden soll.

CDR und maschinelle Spracherkennung

Ähnlich verhält es sich mit Verfahren in der Sprachverarbeitung, die unter anderem für den Betrieb von Chatbots und bei der automatisierten Texterstellung durch KI zur Anwendung kommen. Zur Erreichung eines weitreichenden „Sprachverständnisses“ müssen die Systeme mit großen Mengen an Sprachdaten trainiert werden kann. Um an diese zu gelangen, bestehen zwei Möglichkeiten, die jeweils eigene Probleme nach sich ziehen: Zum einen werden gemeinfreie Werke genutzt, welche aufgrund ihres Alters –  In Deutschland endet die Schutzfrist 70 Jahre nach dem Tod des Urhebers – meist in besonderer Weise überholte Sprachstile und auch nicht selten überkommene gesellschaftliche Vorstellungen und Motive beinhalten. Zum anderen werden allgemein verfügbare, aktuelle Inhalte aus dem Netz genutzt, wie Blogs und Forenbeiträge, welche keinerlei „manueller“ Qualitätssicherung unterliegen und damit potenziell auch extreme Positionen beinhalten können. Zwar lassen sich über automatisierte Prozesse bestimmte Inhalte – wie etwa Pornografie – herausfiltern. Diese Verfahren basieren aber meist auf vorab definierten oder identifizierten Sperrbegriffen und sind nicht in der Lage, subtiler gelagerte Probleme bei Duktus und Stilistik zu erfassen. Die „Antiquiertheit“ der Quellen führt unter anderem dazu, dass Sprachmodelle, deren Funktion in der Vervollständigung von Sätzen bzw. dem Weiterführen von Dialogen liegen, entsprechend auch heute als überkommen empfundene Geschlechterrollen reproduzieren. So werden Männer etwa standardmäßig mit Berufen wie Manager, Arzt oder Programmierer in Verbindung gebracht, Frauen hingegen eher als Hausfrau, Sekretärin oder Krankenschwester klassifiziert. Auch die Hautfarbe führt regelmäßig zu einer Vorprägung von KI, zum Beispiel hinsichtlich des Berufes, den eine Person womöglich ausüben oder auch welchen sozialen Status sie inne haben könnte.

CDR durch KI-Methoden sicherstellen?

Im Sinne eines wirkungsvollen CDR-Konzeptes müssen Unternehmen, die auf Verfahren des maschinellen Lernens zurückgreifen oder entsprechende Produkte einsetzen, sicherstellen, dass diese Verwerfungen eliminiert werden. Allerdings sind damit in der Praxis erhebliche Herausforderungen verbunden: Technisch gibt es bereits erste Ansätze, KI-Bias auch mit KI-Methoden zu bekämpfen, indem man beispielsweise – händisch, über Supervised Learning – entsprechende Texte identifiziert und als „unerwünschte“ Ergebnisse etikettiert. In einem iterativen Prozess, immer begleitet durch die menschliche Überprüfung, könnte man damit dann eine Trainingsgrundlage für die KI schaffen, die Sprachdaten und Texte auf ihren Bias-Gehalt überprüft und entsprechend anpasst. Die Forschungspraxis steht in diesem Bereich allerdings noch ganz am Anfang. Und gerade die enge Verwebung von Mensch und maschinellem Lernen birgt natürlich neue Bias-Problematiken.

CDR als Verhandlungsproblem der öffentlichen Meinung

Grundsätzlich erweist sich bereits die Identifizierung anwendbarer Wertmaßstäbe als schwierig: Nicht immer erscheint die Sachlage so eindeutig wie in den zuvor skizzierten Beispielen: Was allgemein akzeptabel oder wünschenswert erscheint und welche Entwicklungen zu kritisieren sind, ist schließlich Gegenstand permanenter „öffentlicher“ Verhandlung und einem steten Wandel unterworfen. Die viel beklagte gesellschaftliche Fragmentierung erschwert die Extraktion eines allgemein gültigen Wertmaßstabes zusätzlich. Politische Diskurse bilden sich damit automatisch auch in der konkreten Anwendung von KI ab.

Die Berücksichtigung von CDR in diesem Kontext erfordert die Entwicklung eines entsprechenden Instrumentariums, das sowohl die technischen Belange als auch die organisationalen und betriebswirtschaftlichen Anforderungen bedient. Eingebettet in ein zu ermittelndes ethisches Grundgerüst gilt es die Voraussetzungen für ein zielgerichtetes CDR-Management zu schaffen. Dabei müssen die Grenzen zwischen (gewinnorientiertem) Management und technischer Umsetzung sowie zwischen Unternehmertum und gesellschaftlichen Anliegen zwangsläufig verwischen. Wie kann es gelingen, Betriebswirtschaftliches mit dem Gesellschaftlichen zu vereinen? Welche – konkreten – technischen Ansätze sind dabei sinnvoll, um CDR exemplarisch im Kontext von KI-Bias und der Sprachverarbeitung sicherzustellen? Welche strukturellen Maßnahmen gilt es darüber hinaus zu ergreifen? Und wie kann dies alles in eine übergreifende CDR-Strategie eingebettet werden? All dies sind Fragen, welche die derzeitigen Überlegungen zu CDR flankieren müssen. Es ist eine Sache, allgemeine Ziele innerhalb dieses ohne Zweifel sinnvollen Klassifizierungsrahmens aufzustellen. Aber die praktische Umsetzung stellt Forschung, Unternehmen und Politik vor enorme Herausforderungen.

Mehr zum Thema: Vortrag/Keynote von Prof. Dr. Andreas Wagener: „Wie der Staat mit Daten umgeht.“:

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 CDR (Corporate Digital Responsibility) und KI-Bias erschien zuerst auf Nerdwärts.de.

Indem anhand der Struktur der Kunden, ihrer Verhaltensweisen und unter Berücksichtigung anderer Faktoren, wie der Ausgestaltung der Akquisekanäle, spezifische Muster ermittelt werden, lassen sich im Abgleich mit diesen im Rahmen von Unsupervised-Learning-Verfahren „Kündiger-Cluster“ erstellen und darauf aufbauend Kündigungswahrscheinlichkeiten im Wege des Supervised-Learning kalkulieren. Die dafür notwendigen Informationen können beispielsweise auch aus dem Lead Management sowie aus den im Rahmen des Kundenservice erhobenen Daten abgeleitet werden. Zumindest bei großen Kundenbeständen ist es möglich, auf diese Weise womöglich Zusammenhänge zu identifizieren, die in der operativen Arbeit sonst nicht augenfällig waren. Vertrieb und Marketing werden damit in die Lage versetzt, frühzeitig, idealerweise bevor der Kunde selbst eine Kündigung ausspricht, entsprechende Gegenmaßnahmen einzuleiten.

Vorausgehen sollte diesem Prozess allerdings auch eine Analyse der Frage, welche Kunden es tatsächlich wert sind, sie zu halten, und welche konkreten Maßnahmen in welchen Fällen gerechtfertigt sind. Hier spielen Customer-Lifetime-Value-Betrachtungen eine wichtige Rolle, die auch die kumulierten Deckungsbeiträge je Kunde berücksichtigen. Während in vielen Fällen in der Praxis – wenn überhaupt – dabei meist nur ein Durchschnittswert über alle Kunden zugrunde gelegt wird, könnte der Einsatz von intelligenten Systemen auch zu einer feineren Granulierung führen, die im Idealfall sogar eine kundenpersonalisierte Herangehensweise erlaubt, also für jeden potenziellen Kündiger individuell Kundenwerte berechnet, die dann jeweils darauf abgestimmte Gegenmaßnahmen auslösen.

Churn Management und Rückgewinnungsmanagement

Sollte die Kündigung doch bereits erfolgt sein, setzt das Rückgewinnungsmanagement ein, um Kunden zu reaktivieren oder von der Rücknahme der Kündigung überzeugen zu können. Je nach ermitteltem Kündigertyp lassen sich auch hier wieder spezifische Angebote unterbreiten, die jeweils die höchste Wahrscheinlichkeit einer Fortführung der Kundenbeziehung aufweisen.

Kündigungsursachen analysieren Voraussetzung zielgerichteter Halte- und Rückgewinnungsmaßnahmen ist die Kenntnis und das Verständnis der Kündigungsgründe. Die Ursachen einer Kündigung sind nicht selten vielschichtig, die Trennung zwischen Auslöser und Ursache ist oft schwierig und auch mit hohem Aufwand, wie späteren Telefonbefragungen, daher nicht immer exakt zu bestimmen. Auch hier können Methoden des maschinellen Lernens hilfreich sein, um typisierte Muster oder ein komplexes Zusammenspiel verschiedener Faktoren zu erfassen. Preissensibilitäten je Kunde lassen sich dabei ebenso berücksichtigen wie lange Bearbeitungszeiten oder eine womöglich missglückte schriftliche oder mündliche Servicekommunikation, die unter anderem im Rahmen einer Sentiment-Analyse ausgewertet wird.

Trennung von Problemkunden

Kündigungen müssen allerdings auch nicht immer durch den Kunden erfolgen, auch das Unternehmen selbst hat womöglich Gründe, diese auszusprechen. Von Kunden, die mehr Kosten als Erlöse verursachen, sollte man sich in aller Regel trennen, sofern nicht andere, langfristigere Gründe, wie Prestige oder Stakeholder-Pflege, dagegensprechen. Gerade bei einer umfangreichen Kundenbasis erweist sich die Identifizierung von solchen „Problemkunden“ manchmal als schwierig. Dies gilt insbesondere dann, wenn weitere komplexe Zusammenhänge wie auch zukunftsgerichtete Faktoren, jenseits bloßer kurzfristiger Ertragsbetrachtungen, ein derartiges Verdikt beeinflussen können.

Typische Fälle hierfür finden sich im Finanzbereich, bei Versicherungen und Banken, wenn es gilt, Risikobewertungen für den Eintritt von Schadensfällen oder Kreditausfällen abzugeben. Schon seit geraumer Zeit setzt man in diesem Bereich auf statistische Analysen, Mustererkennungen und Clusterbildungen. Die Weiterentwicklung dieser Methoden durch den systematischen Einsatz maschinellen Lernens dürfte inzwischen weit verbreitet sein. Wie immer steht und fällt die Qualität solcher, ja auch gesellschaftlich sensibler, Entscheidungen stets mit der Quantität und Güte der zugrunde gelegten Daten.

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

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

Weitere Informationen zum Thema „KI im Marketing“ finden Sie hier:

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

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 Literatur

Der Beitrag Churn Management und Kundenrückgewinnung mit KI erschien zuerst auf Nerdwärts.de.