Zum fairen, nachhaltigen und zukunftssicheren Umgang mit KI

Künstliche Intelligenz (KI) ist längst im Alltag angekommen. Während Großkonzerne mit ihren Chat-Modellen erbittert um die Gunst der Nutzer*innen und die Deutungshoheit im technologischen Fortschritt kämpfen, hinken Regulierung und Aufklärung hinterher. Ob es sich hier um Intelligenz in wahrsten Sinne des Wortes handelt, sei dahingestellt und ist nicht Thema dieses Antrages. Das Potential für Effizienzgewinn ist real und im Alltag überall sichtbar. Das Gebot der Stunde ist es deshalb, Richtlinien für einen sicheren, fairen und nachhaltigen Umgang mit KI zu etablieren. Die Verzerrung der Realität (z.B. durch Deepfakes und Bots) im digitalen Raum, Missachtung jeglicher Lizenzen und Urheberrechte beim Entwickeln bzw. Trainieren von Modellen sowie ethische Bedenken bei einer unkontrollierten Anwendung gilt es zu beherrschen.

Heutzutage wird der Begriff „Künstliche Intelligenz“ – ein Marketing- und Sammelbegriff für den Einsatz maschinellen Lernens (ML) – oft synonym für Sprachmodelle (Large Language Models, LLMs) und generative Anwendungen, also für Bild-, Audio- und Videogenerierung, verwendet. Während die Forschung auf diesem Feld schon seit dem letzten Jahrhundert andauert, hat sich die Entwicklung neuer Modelle durch Fortschritte im Hardwaredesign speziell in den letzten Jahren enorm beschleunigt.

Mythos Chatbot

Spätestens mit ChatGPT sind Sprachmodelle ab 2023 in der Breite der Gesellschaft angekommen. Dabei erkennt man bis heute eine Art ‘Mystifizierung’ im Umgang mit den Chatbots: Antworten werden voreilig als korrekt und neutral eingestuft, die künstliche Intelligenz wird teilweise als über den menschlichen Eigenarten stehend betrachtet. Zurückzuführen ist das Großteiles auf irreführendes Marketing, fehlende Aufklärung (sowohl durch Anbieter als auch im Bildungssystem) und die fundamentale Intransparenz von Modellen. Tatsächlich spiegeln KI-Modelle stets die Daten wider, mit denen sie trainiert wurden. Diese Daten umfassen meist große Teile des öffentlich zugänglichen Internets, welche unzureichend inhaltlich gefiltert werden und dadurch auch gruppenbezogene Menschenfeindlichkeiten und Falschinformationen aufweisen.

Bevor sie als Chatbots einsetzbar sind, werden KI-Modelle meist mit menschlichem Feedback und Grundeinstellungen in der Form von expliziten Anweisungen auf Konformität (“Alignment”) ausgerichtet. Dieser Schritt zielt darauf ab, verbotene oder unannehmliche Aussagen zu unterdrücken und eine möglichst angenehme Nutzererfahrung herbeizuführen, e.g. durch Zuspruch und Komplimente von Seiten des Chatbots. Die damit trainierte Weltanschauung ist jedoch der Kontrolle jener Konzerne unterlegen, die sich riesige Investitionen in immer neue Rechenzentren leisten können und dabei Verluste durch enorme Energiekosten hinnehmen, um ihre Modelle am Markt populär zu halten. Wenn das chinesische Modell ‘DeepSeek’ bei geopolitischen Fragen Staatspropaganda wiedergibt oder xAI’s ‘grok’ Modell für Antworten nur Posts von Elon Musk durchsucht, erreicht man recht schnell die Grenzen der scheinbaren Neutralität.

Dazukommt, dass Modelle in der Regel probabilistischer Natur sind. Das heißt, sie berechnen schrittweise den wahrscheinlichsten nächsten Satz- oder Bildteil auf der Grundlage der anfänglichen Eingabe, den Trainingsdaten und der bereits erzeugten Fragmente. Bei Milliarden an Parametern ist technisch nicht nachverfolgbar, welche Quellen und Zusammenhänge bei Antworten ins Spiel kommen. Überhaupt welche Datensets genau für den Trainingsvorgang herangezogen wurden, ist aufgrund fehlender Ausweisungspflicht und verschachtelter Verweise oft nicht einsichtig.

Ethischer Umgang mit KI bedeutet, dass zunächst die grundlegende Funktionsweise von neuronalen Netzen sowie Erkennung von Deepfakes und KI Produkten, beispielsweise im Schulunterricht, als Teil der Medienkompetenz vermittelt wird. Um das zu ermöglichen braucht es auch die entsprechenden Schulungen im Lehrpersonal. Verpflichtend öffentlich einsehbare Informationen zu Trainingsdaten bei Modellen können zusätzlich dazu beitragen, menschliche Vorurteile in den darauf trainierten Modellen zu erkennen und zu bekämpfen.

KI Training? [Ja/Nein] Danke!

Eines der größten Open-Source-Datasets des öffentlich zugänglichen Internets – Common Crawl – respektiert zwar ein Opt-out für Webseiten, aber nicht das Urheberrecht. Die angegebene Begründung hierfür ist, dass die Verantwortung dafür bei den Nutzer*innen des Datasets liege. Während qualitativ hochwertige Zeitungen und Journale das Opt-out meist nutzen, heißen rechtsaußen Foren die Datenerfassung willkommen und bringen dadurch Voreingenommenheit in die resultierenden Daten. Mit dem Verweis auf solche Daten Aggregatoren und ‘fair use’ Prinzipien, der technisch undurchsichtigen Lage und gesetzlichen Grauzonen ziehen sich Großkonzerne aus der Verantwortung.

Mit der EU KI-Verordnung (“EU AI Act”) gibt es erstmals eine experimentelle Gesetzlage, die langsam über mehrere Jahre in Kraft tritt. Sie sieht ein Einteilung von Modellen in Risikostufen vor, von harmlosen unregulierten Anwendungen bis hin zu einem Verbot für KI mit ‘inakzeptablen Risiko’, etwa Social Scoring und Überwachung im öffentlichen Raum. Darüber hinaus gibt es Auflagen für sogenannte “Allzweck-KI”, eine Einstufung die auch gängige Sprachmodelle und Bildgeneratoren betrifft. Etwa muss eine Übersicht über Datenquellen gegeben werden und eine Kennzeichnungspflicht für Chatbots wird eingeführt. Diese Maßnahmen unterstützten wir grundsätzlich.

In individuellen Urheberrechtsfragen ist jedoch noch kein endgültiges Urteil gefallen. In einem potenziellen Präzedenzfall hat das Landgericht Hamburg im September 2024 eine Klage eines Fotografens abgelehnt, welcher seine Werke aus einem Open-Source Datenset entfernen lassen, wollte. Es verwies dabei auf eine gesetzlich verankerte Urheberrechtsausnahme für wissenschaftliche Zwecke im Text und Data Mining (TDM) Gesetz. Dabei sieht das Gericht auch die mögliche spätere kommerzielle Nutzung durch Unternehmen als nicht ausschlaggebend an, fällt jedoch kein explizites Urteil betreffend der Frage, ob das Training von Modellen grundsätzlich unter eine TDM-Ausnahme fällt.

Eine Ausnahme zu Forschungszwecken darf nicht zum Freifahrtschein für Tech Sektor Giganten werden, wir wollen ein klares Bekenntnis zum Datenschutz auf Basis eines Opt-outs. Um sicherzustellen, dass ein respektvoller Umgang mit Daten, insbesondere künstlerischen Werken, geschieht, braucht es ein Recht, nicht in Trainingsdaten aufgenommen zu werden. Darüber hinaus muss die wirtschaftliche Basis von Künstler*innen gesichert werden: ein erster Schritt wäre, die Kennzeichnungspflicht auch auf jegliche veröffentlichte KI-generierten Medien auszuweiten. Vor allem im kommerziellen Kontext sind Online-Marktplätze und der Kunsthandel gefordert, eindeutig zwischen menschengemachter und KI-generierter Kunst (bspw. KI generierte Bilder, Filme, Bücher) zu differenzieren. Besonders im Hinblick auf Bildmaterial kann eine solche Ausweisungspflicht auch die Verbreitung von Fakenews effektiver unterbinden.

By the people, for the people

Nichtsdestotrotz beinhalten bereits trainierte Modelle, welche auch als Basis für weitere Entwicklungen dienen, die widerrechtlich genutzten Daten der Allgemeinheit. Hier verfolgen wir das Prinzip der fairen Beteiligung: die Nutzung von KI bedeutet einen Effizienzgewinn, auf der Arbeit und auch im Alltag. Diese Produktivitätssteigerung darf nicht in der Macht und in der Kontrolle von wenigen Großunternehmen liegen. Der Nutzen und Produktivitätsgewinn muss in der breiten Gesellschaft und insbesondere bei denjenigen ankommen, die ihre Daten für das Modell bereitstellen. Das kann auch in Form von Arbeitszeitreduktion geschehen. Hierbei ist zu beachten, dass die menschliche und soziale Komponente mancher Berufe absolut unersetzbar ist und nicht fehlgeleiteter Technisierung zu Opfer fallen darf. Eine weitere Möglichkeit für die faire Beteiligung ist direkt beim bestehenden Angebot anzusetzen. Anbieter von kommerzieller Allzweck-KI sollten sicherstellen, dass alle Nutzer*innen gleichberechtigt Zugang haben und nicht durch kostenpflichtige oder limitierte Angebote benachteiligt werden.

Allerdings muss darauf geachtet werden, dass notwendige Regulierung nicht disproportional die Forschung nach Alternativen KI Lösungen behindert. Große Konzerne können sich Konformität oder Umgehung von strengen Gesetzesauflagen eher leisten als unterfinanzierte öffentliche Forschung oder Open-Source-Communities. Regulierter Umgang sowie teils gezielte Angstkampagnen dürfen nicht dazu führen, dass nur wenige große Konzerne diese Entwicklung bestimmen. Betreffend der geplanten EU-weiten Förderung von KI bedeutet das für uns, sich nicht ausschließlich dem Kauf technischer Komponenten wie Grafikprozessoren (GPUs) oder der Nacheiferung von bestehenden Sprachmodellen als Ziel zu verschreiben. Obwohl unzureichende Hardware-Verfügbarkeit ein zentrales Hindernis ist, sollte man auch die Erforschung von grundlegend neuen Ansätzen bei der Algorithmus- sowie Hardware-Entwicklung unterstützen. Eine reine industriepolitische Sicht ist hier nicht angemessen und sollte sich auch nicht in der Verwendung von öffentlichen Geldern widerspiegeln.

Stattdessen sollte Forschung sowohl im Grundlagenbereich als auch im angewandten Bereich auf einen sicheren finanziellen Sockel gestellt werden, der nicht an Gelder von profitorientierten Organisationen gebunden ist. Geförderte, umgesetzte und veröffentlichte Projekte sollen Open-Source Modelle sein. Darunter verstehen wir Datensets und Modelle, die der Öffentlichkeit zur freien Weiterentwicklung zur Verfügung gestellt werden und die genannten Datenschutzprinzipien beachten. Technologische Fortschritte, die wir uns dadurch erhoffen, sind u.a. energieeffizientere und fundamental unterschiedliche neuronale Netzwerke, verbesserte Nachvollziehbarkeit sowie Ansätze zur technischen Echtheitsverifizierung. Dazu gehören digitale Wasserzeichen direkt durch Bild/Video-Metadaten oder kryptografische Signaturen zur Authentifizierung.