Künstliche Intelligenz versus menschliche Intelligenz: Ein umfassender Vergleich

Grundlegende Funktionsweisen im Vergleich

Leistungsfähigkeit und Effizienz

Anpassungsfähigkeit und Lernprozesse

Kreativität und Innovation

Emotionale Intelligenz und soziale Fähigkeiten

Chancen und Risiken der KI

Das Potenzial der Mensch-KI-Zusammenarbeit

Fazit: Komplementäre Intelligenzformen statt Konkurrenz

KI und Mensch: Fundamentale Unterschiede in der Entscheidungsfindung

Grundlegende Funktionsweise im Vergleich

Verständnis versus Musterkennung

Emotionale versus statistische Entscheidungsfindung

Effizienz und Objektivität

Systematische Konsistenz in der Entscheidungsfindung

Adaptabilität und Kreativität

Das Potenzial der Mensch-KI-Zusammenarbeit

Fazit: Komplementäre statt konkurrierende Entscheidungsprozesse

Die Objektivität von KI im Entscheidungsprozess: Vorteile und Grenzen

Freiheit von emotionalen Einflüssen und kognitiven Verzerrungen

Systematische Konsistenz in der Entscheidungsfindung

Effizienz und Geschwindigkeit der Datenverarbeitung

Umfassende Berücksichtigung von Informationen

Kontinuierliches Lernen und Anpassungsfähigkeit

Vorhersagefähigkeiten und proaktive Entscheidungen

Grenzen und Herausforderungen der KI-Objektivität

Synergien zwischen menschlicher und künstlicher Intelligenz

Fazit: Komplementäre Stärken statt Konkurrenz

Beispiele für negative Folgen von KI-Entscheidungen

Fatale Unfälle im autonomen Verkehr

Diskriminierung durch algorithmische Entscheidungssysteme

Benachteiligung im Arbeitsmarkt

Finanzielle Diskriminierung

Auswirkungen im Justizsystem

Technische Fehler mit diskriminierenden Folgen

Ethische Dilemmata im Gesundheitswesen

Transparenz und Rückverfolgbarkeit als Grundproblem

Zusammenfassung und Fazit

Auswirkungen sozialer Ungleichheit auf verschiedene Bevölkerungsgruppen

Kinder und Jugendliche: Ungleichheit am Lebensanfang

Digitale Kluft unter jungen Menschen

Frauen und genderspezifische Ungleichheit

Ältere Menschen und sozioökonomische Unterschiede

Menschen mit Migrationshintergrund und ethnische Minderheiten

Regionale Unterschiede und sozialräumliche Segregation

Menschen mit niedrigem Bildungsstand

Vulnerable Gruppen in Krisenzeiten

Fazit: Intersektionale Überlagerung verschiedener Ungleichheitsdimensionen

KI als lernfähiges Werkzeug: Potenziale und Grenzen

Grundprinzipien des maschinellen Lernens

Unterschiedliche Lernmethoden der KI

Der KI-Lernprozess im Detail

Datenaufbereitung und Training

Validierung und kontinuierliche Verbesserung

KI als Lernwerkzeug im Bildungsbereich

KI-gestütztes Feedback für Lernende

Fazit und Ausblick

Ukraine-Konflikt und KI

Innovative KI-Anwendungen als Reaktion auf den Konflikt

Militärischer Einsatz von KI im Ukraine-Konflikt

Autonome Waffensysteme und KI-gestützte Kriegsführung

Überwachungstechnologien und Datenschutzfragen

Cyberangriffe und Informationskriegsführung

Politische Angriffe auf die Datenbasis der KI im Kontext des Ukraine-Konflikts

Fazit: Weitreichende Implikationen für die Zukunft der KI im Ukraine-Konflikt

@@@@@@@@@@@@@@@@@@@

## Grundlegende Funktionsweisen im Vergleich

Menschen und KI-Systeme verarbeiten Informationen nach grundlegend verschiedenen Prinzipien. Das menschliche Denken zeichnet sich durch eine zielorientierte, nicht-lineare Vorgehensweise aus. Menschen denken vom Ende her und gestalten den Output bereits während des Verarbeitungsprozesses[9]. Bevor wir zu sprechen beginnen, haben wir den Gedanken und das Ende des Satzes bereits vor unserem geistigen Auge.

Im Gegensatz dazu arbeitet Künstliche Intelligenz streng chronologisch und regelbasiert. KI-Systeme wie ChatGPT bilden Sätze, indem sie schrittweise das statistisch plausibelste Wort berechnen, das auf ein gegebenes Wort folgen sollte[9]. Der fundamentale Unterschied liegt darin, dass KI einem vorgegebenen Muster folgt – dem programmierten Algorithmus – und daher stets zu denselben logischen Schlüssen gelangt[1].

Menschliche Intelligenz umfasst die Fähigkeit, Zusammenhänge zu verstehen, Ursachen zu erkennen und Dinge in ihrem funktionalen Kontext zu begreifen. Wir verstehen nicht nur Fakten, sondern auch das "Warum" und "Wozu"[9][13]. Diese Art des Verstehens unterscheidet sich grundlegend von der Mustererkennungsfähigkeit der KI, die zwar beeindruckend ist, aber nicht mit echtem Verständnis gleichzusetzen ist[5].

## Leistungsfähigkeit und Effizienz

In Bezug auf reine Rechenleistung hat die KI in bestimmten Bereichen bereits die menschliche Intelligenz überholt. Das menschliche Gehirn enthält etwa 86 Milliarden Neuronen und 100 Billionen Synapsen, mit einer geschätzten Verarbeitungsgeschwindigkeit von etwa 1 ExaFLOP (1 Trillion Rechenoperationen pro Sekunde)[2]. Bemerkenswert ist dabei der extrem niedrige Energieverbrauch des Gehirns von nur etwa 20 Watt[2].

Moderne Supercomputer erreichen ähnliche oder höhere Rechenleistungen mit 1-2 ExaFLOP, benötigen dafür jedoch ein Vielfaches an Energie, oft mehrere Megawatt[2]. Die Energieeffizienz des menschlichen Gehirns bleibt daher ein unerreichtes Vorbild für die Entwicklung künstlicher Intelligenzsysteme.

Im Bereich der systematischen Datenverarbeitung und Analyse großer Datenmengen zeigt KI ihre Stärken. Sie kann enorme Datenmengen schnell und präzise analysieren, was zu neuen Erkenntnissen und Durchbrüchen in verschiedenen Bereichen wie Gesundheitswesen, Finanzen und Verkehr führt[4]. Die menschliche Intelligenz hingegen überzeugt durch ihre Fähigkeit, das Gesamtbild im Auge zu behalten und verschiedene Informationsquellen intuitiv zu integrieren[1].

## Anpassungsfähigkeit und Lernprozesse

Ein entscheidender Unterschied zwischen KI und menschlicher Intelligenz liegt in ihrer Anpassungsfähigkeit. Die menschliche Intelligenz kann sich schnell an neue und unvorhersehbare Situationen anpassen, während die KI auf das beschränkt ist, wofür sie programmiert wurde[4]. Menschen können aus wenigen Beispielen lernen und ihr Wissen auf neue Situationen übertragen.

KI-Systeme benötigen dagegen große Datenmengen für das Training und sind meist auf spezifische Aufgaben beschränkt[6][13]. Sie haben Schwierigkeiten, Wissen aus einem Bereich auf einen anderen zu übertragen – eine Fähigkeit, die beim Menschen selbstverständlich ist. Ein KI-System, das Schach spielt, kann nicht ohne Weiteres sein "Wissen" auf das Kartenspiel übertragen.

Die Flexibilität des menschlichen Denkens ermöglicht es uns, auf unerwartete Ereignisse kreativ zu reagieren und neue Lösungsansätze zu entwickeln[1]. Diese Fähigkeit zur Improvisation und Anpassung bleibt ein wesentlicher Vorteil der menschlichen Intelligenz gegenüber der KI.

## Kreativität und Innovation

In der Frage der Kreativität gibt es interessante Entwicklungen im Vergleich zwischen KI und menschlicher Intelligenz. Eine Studie der Humboldt-Universität Berlin und der Universität Essex fand heraus, dass es bei einfachen Kreativitätstests kaum Unterschiede zwischen Menschen und KI-Programmen gab[7]. KI-Chatbots generierten mehr Ideen, die im Durchschnitt genauso originell waren wie die von Menschen.

Dennoch sehen Experten wie Antonio Krüger Grenzen der KI bei der Erschaffung völlig neuer Konzepte[14]. Während KI bestehende Ideen neu kombinieren kann, fehlt ihr die Fähigkeit, fundamental Neues zu schaffen. Die menschliche Intelligenz zeichnet sich durch ihre Fähigkeit aus, Regeln zu brechen und disruptive Entwicklungen hervorzubringen[1]. Ein wesentlicher Aspekt ist hierbei auch die Subjektivität des Menschen, die es ermöglicht, etablierte Denkmuster zu verlassen.

KI-generierte Kreativität basiert letztlich auf dem Vorhandenen – sie rekombiniert bekannte Elemente auf neue Weise, kann aber nicht wirklich "aus dem Nichts" erschaffen. Diese genuine Schöpfungskraft bleibt vorerst ein Alleinstellungsmerkmal menschlicher Intelligenz.

## Emotionale Intelligenz und soziale Fähigkeiten

Ein Bereich, in dem die menschliche Intelligenz der künstlichen deutlich überlegen bleibt, ist die emotionale und soziale Intelligenz. Menschen verfügen über ein authentisches Verständnis von Emotionen, Empathie und sozialen Dynamiken[6][15]. Diese Fähigkeit zur emotionalen Verbindung ist tief in unserer Biologie verankert und ermöglicht komplexe zwischenmenschliche Beziehungen.

Während KI-Systeme zunehmend in der Lage sind, Emotionen zu erkennen und zu simulieren, fehlt ihnen das eigentliche Verständnis dafür[8][15]. Emotionale KI oder "Affective Computing" zielt darauf ab, menschliche Emotionen zu erkennen, zu messen und zu simulieren[8]. Unternehmen wie Hume AI entwickeln Technologien, die es großen Sprachmodellen ermöglichen, emotional ausdrucksstarke Stimmen zu erzeugen und die Emotionen der Nutzer zu erkennen.

Dennoch bleibt ein fundamentaler Unterschied: KI kann Emotionen im technischen Sinne verarbeiten, aber nicht wirklich fühlen. Die authentische emotionale Erfahrung und das tiefe Verständnis für menschliche Bedürfnisse, Motivation und soziale Komplexität bleiben der menschlichen Intelligenz vorbehalten.

## Chancen und Risiken der KI

Die fortschreitende Entwicklung der Künstlichen Intelligenz bietet sowohl außergewöhnliche Chancen als auch erhebliche Risiken. Zu den Hauptvorteilen zählen die schnelle und genaue Verarbeitung enormer Datenmengen, die Automatisierung sich wiederholender Aufgaben und die datengestützte Entscheidungsfindung[4]. KI kann die Lebensqualität verbessern, indem sie bei alltäglichen Aktivitäten unterstützt und komplexe Probleme löst.

Allerdings warnen führende Experten, darunter Sam Altman (CEO von OpenAI) und Demis Hassabis (CEO von DeepMind), vor den Risiken durch KI, die sie auf eine Stufe mit Pandemien und Atomkriegen stellen[11]. Zu den Hauptrisiken zählen die Verdrängung von Arbeitsplätzen, die Verstärkung gesellschaftlicher Ungleichheiten durch voreingenommene Algorithmen und Sicherheitsbedrohungen durch mögliche Cyberangriffe[4].

Ethische Bedenken ergeben sich auch hinsichtlich der Auswirkungen von KI auf menschliche Werte, moralische Prinzipien und Entscheidungsprozesse. Die Balance zwischen technologischem Fortschritt und der Wahrung menschlicher Interessen bleibt eine zentrale Herausforderung bei der Weiterentwicklung der KI.

## Das Potenzial der Mensch-KI-Zusammenarbeit

Trotz der manchmal polarisierenden Diskussion über KI versus menschliche Intelligenz zeigt sich zunehmend, dass das größte Potenzial in der Zusammenarbeit beider Intelligenzformen liegt. Die Stärken des Menschen liegen genau dort, wo die Schwächen der KI liegen – und umgekehrt[1]. Ein Zusammenspiel beider "Parteien" ermöglicht optimale Ergebnisse.

Unternehmen, die auf eine enge Kollaboration zwischen Mensch und KI setzen, sind deutlich erfolgreicher[16]. Diese Symbiose nutzt die jeweiligen Stärken: Die systematische Leistungsfähigkeit der KI spart Zeit und Ressourcen, während die menschliche Kreativität, persönliche Kommunikation und das kontextuelle Verständnis Vertrauen schaffen und flexibles Handeln in neuen Situationen ermöglichen.

Ein Beispiel für diese erfolgreiche Zusammenarbeit findet sich im Gesundheitswesen, wo KI-Systeme Ärzten bei der Diagnose helfen und Behandlungsvorschläge machen, während die endgültige Entscheidung beim medizinischen Fachpersonal bleibt[16]. Diese Kombination nutzt sowohl die analytischen Fähigkeiten der KI als auch die klinische Erfahrung und das Urteilsvermögen der Ärzte.

## Fazit: Komplementäre Intelligenzformen statt Konkurrenz

Die Frage, ob KI den Menschen in Zukunft vollständig ersetzen kann, ist weitgehend überholt. Vielmehr zeichnet sich ab, dass beide Intelligenzformen komplementär sind und in ihrer Kombination das größte Potenzial liegt. KI arbeitet systematisch und leistungsstark, während Menschen flexibel und kreativ agieren können[1].

Die menschliche Intelligenz wird auch in einer KI-dominierten Zukunft unverzichtbar bleiben – besonders in Bereichen, die hohe Expertise, ethisches Urteilsvermögen, emotionales Verständnis und persönliche Kommunikation erfordern[1][16]. Gleichzeitig wird KI zunehmend repetitive und datenintensive Aufgaben übernehmen und uns bei komplexen Analysen unterstützen.

Die Entwicklung der KI sollte daher nicht als Wettbewerb mit der menschlichen Intelligenz verstanden werden, sondern als Erweiterung unserer kognitiven Fähigkeiten. Die Verbindung aus der Objektivität der KI und der Subjektivität des Menschen, die es erlaubt, etablierte Regeln zu hinterfragen, bildet die Grundlage für außergewöhnlichen Fortschritt und nachhaltige Innovation[1]. In dieser Perspektive liegt die Zukunft nicht im Gegensatz, sondern in der synergetischen Verbindung von künstlicher und menschlicher Intelligenz.

Quellen

[1] Künstliche Intelligenz vs. Mensch – Sind wir ersetzbar? https://morethandigital.info/kuenstliche-intelligenz-vs-mensch-sind-wir-ersetzbar/

[2] Künstliche Intelligenz im Vergleich mit menschlicher Intelligenz https://www.escriba.de/kuenstliche-intelligenz-versus-natuerliche-intelligenz-ein-vergleich/

[3] KI und Machine Learning im Vergleich: | Google Cloud https://cloud.google.com/learn/artificial-intelligence-vs-machine-learning?hl=de

[4] Chancen und Risiken der KI im Vergleich - Coresystems https://www.coresystems.ch/de/blog/chancen-und-risiken-der-ki-im-vergleich

[5] Jörg Noller: „Wir müssen uns in der KI erkennen“ https://www.philomag.de/artikel/joerg-noller-wir-muessen-uns-der-ki-erkennen

[6] Unterschiede zwischen menschlicher Intelligenz und künstlicher ... https://moocit.de/index.php/Grundlagen_der_K%C3%BCnstlichen_Intelligenz_-_Unterschiede_zwischen_menschlicher_Intelligenz_und_k%C3%BCnstlicher_Intelligenz_benennen_-_G_-_Kompetenzraster_Informatik_6

[7] Wie kreativ ist Künstliche Intelligenz wirklich? | tagesschau.de https://www.tagesschau.de/wissen/forschung/ki-kreativitaet-101.html

[8] Emotionale Künstliche Intelligenz Revolutioniert Mensch Maschine ... https://www.mind-verse.de/news/emotionale-kuenstliche-intelligenz-revolutioniert-mensch-maschine-interaktion

[9] Natürliche vs. Künstliche Intelligenz: Wird der Faktor Mensch von KI ... https://www.cas.de/news/natuerliche-vs-kuenstliche-intelligenz-wird-der-faktor-mensch-von-ki-abgeloest/

[10] Menschliche und künstliche Intelligenz im Vergleich. Über simulierte ... https://hse.hypotheses.org/5786

[11] Experten warnen: KI so gefährlich wie Pandemien oder Atomkrieg https://www.tagesschau.de/wirtschaft/digitales/ki-chatgpt-100.html

[12] Philosophen über Künstliche Intelligenz: Was denken die sich? https://www.fr.de/kultur/gesellschaft/philosophen-ueber-kuenstliche-intelligenz-was-denken-die-sich-92172058.html

[13] Künstliche Intelligenz vs. menschliche Intelligenz: Die Unterschiede ... https://binaintelligence.com/de/artificial-intelligence-vs-human-intelligence-understanding-the-differences/

[14] Künstliche Intelligenz vs. Menschliche Kreativität - North It Group https://northitgroup.com/de/knowledge/127-k%C3%BCnstliche-intelligenz-vs-menschliche-kreativit%C3%A4t

[15] Wie emotional kann Künstliche Intelligenz eigentlich sein? https://doubleyuu.com/2023/09/21/wie-emotional-kann-kuenstliche-intelligenz-eigentlich-sein/

[16] Künstliche Intelligenz & Mensch: Konkurrenz oder Miteinander? https://www.thinkowl.de/blog/ki-wenn-mensch-und-maschine-zusammenarbeiten

[17] Menschliche Intelligenz und künstliche Intelligenz - Ein Vergleich https://www.clickworker.com/wp-content/uploads/2022/08/human-intelligence-vs-artificial-intelligence.png?sa=X&ved=2ahUKEwjE_pyD9pCMAxWBi_0HHaOuBcEQ_B16BAgBEAI

[18] Menschliche vs. künstliche Intelligenz - Schröer Präzision GmbH https://www.schroeerpraezision.de/menschliche-vs-kuenstliche-intelligenz/

[19] Künstliche Intelligenz: Chancen und Risiken https://www.corporate-reporting.com/trt-blog-artikel/trt25-jaencke?locale=de

[20] Generative KI: Der Unterschied zwischen Mensch und Maschine https://erwachsenenbildung.at/digiprof/neuigkeiten/19001-generative-ki-der-unterschied-zwischen-mensch-und-maschine.php

[21] Menschliche Intelligenz und künstliche Intelligenz - Ein Vergleich https://www.clickworker.com/wp-content/uploads/2022/08/types-of-human-intelligence.png?sa=X&ved=2ahUKEwiqnqOD9pCMAxVK48kDHbV2NsYQ_B16BAgMEAI

[22] Künstliche Intelligenz: Chancen und Risiken | Themen https://www.europarl.europa.eu/topics/de/article/20200918STO87404/kunstliche-intelligenz-chancen-und-risiken

[23] Menschliche und künstliche Intelligenz – ein kritischer Vergleich https://heiup.uni-heidelberg.de/journals/index.php/hdjbo/article/view/24392

[24] Chancen und Risiken der KI – der Mensch als entscheidender Faktor https://www.netzwoche.ch/news/2024-10-14/chancen-und-risiken-der-ki-der-mensch-als-entscheidender-faktor

[25] Warum KI nicht mit menschlicher Intelligenz vergleichbar ist https://www.industry-of-things.de/warum-ki-nicht-mit-menschlicher-intelligenz-vergleichbar-ist-a-d929e10fbb0db85d22f43f4c38f3aa8b/

[26] [PDF] Künstliche Intelligenz: Chance oder Gefahr? Wie verändert der ... https://www.ifo.de/DocDL/sd-2023-08-ki-chancen-risiken.pdf

[27] MiV Blog I Was unterscheidet den Menschen von der KI https://www.menschen-im-vertrieb.at/mensche-vs-ki/

[28] Künstliche Intelligenz (KI) Bedrohung oder Chance für die Menschheit https://www.uibk.ac.at/ibf/blog-wirtschaft-und-verantwortung/posts/kuenstliche-intelligenz-ki-bedrohung-oder-chance-fuer-die-menschheit.html

[29] KI-Philosophie-Serie: Ist künstliche Intelligenz intelligent? https://hub.hslu.ch/informatik/ki-philosophie-serie-ist-kuenstliche-intelligenz-intelligent/

[30] Eine neue Ära der kreativen Symbiose: Wie Mensch und KI ... https://katzlberger.ai/2024/05/26/eine-neue-aera-der-kreativen-symbiose/

[31] Wenn Künstliche Intelligenz menschliche Emotionen analysiert und ... https://digitaleweltmagazin.de/wenn-kuenstliche-intelligenz-menschliche-emotionen-analysiert-und-versteht/

[32] KI Ethik - das Gewissen der Künstlichen Intelligenz https://www.northcdatacenters.com/de/wissen/ki-ethik-das-gewissen-der-kuenstlichen-intelligenz/

[33] Menschliche Intelligenz und künstliche Intelligenz - Ein Vergleich https://www.clickworker.de/kunden-blog/menschliche-und-kuenstliche-intelligenz-unterschiede-staerken-und-schwaechen-menschliche-ki/

[34] Die Maschine, die unsere Kreativität entfesselt - Goethe-Institut https://www.goethe.de/ins/ca/de/kul/met/phm/22098163.html

[35] Künstliche Intelligenz und die Welt der Emotionen | Ethik Heute https://ethik-heute.org/kuenstliche-intelligenz-und-die-welt-der-emotionen/

[36] KI und Philosophie - Uni Münster https://www.uni-muenster.de/CeNoS/InterKIWWU/Lehre/Kontext/ki_und_wissenschaftstheorie/index.html

[37] Was ist kognitive KI? | Glossar - Cohesity https://www.cohesity.com/de/glossary/cognitive-ai/

[38] Künstliche Kreativität - Kann eine KI kreativ sein? - adesso SE https://www.adesso.de/de/news/blog/kuenstliche-kreativitaet-kann-eine-ki-kreativ-sein.jsp

[39] [PDF] Künstliche Intelligenz und menschliche Emotionen https://ojs.szh.ch/zeitschrift/article/view/1286/1536

# KI und Mensch: Fundamentale Unterschiede in der Entscheidungsfindung

Die Art und Weise, wie künstliche Intelligenz und Menschen Entscheidungen treffen, unterscheidet sich grundlegend voneinander. Diese Unterschiede haben weitreichende Implikationen für den Einsatz von KI in verschiedenen Bereichen und beeinflussen, wie beide Systeme miteinander interagieren können. Während KI-Systeme immer leistungsfähiger werden, bleiben die fundamentalen Unterschiede in den Entscheidungsprozessen bestehen.

## Grundlegende Funktionsweise im Vergleich

Der Entscheidungsprozess bei Menschen und KI folgt unterschiedlichen Prinzipien. Menschen denken vom Ende her und gestalten den Output bereits während des Verarbeitungsprozesses. Bevor wir zu sprechen beginnen, haben wir den Gedanken und das Ende des Satzes bereits vor unserem geistigen Auge[9]. Dieses zielorientierte, nicht-lineare Denken ist ein charakteristisches Merkmal menschlicher Entscheidungsprozesse.

Im Gegensatz dazu arbeiten KI-Systeme streng chronologisch und regelbasiert. Chatbots wie ChatGPT bilden Sätze, indem sie schrittweise das statistisch plausibelste Wort berechnen, das auf ein gegebenes Wort folgen sollte[9]. Der fundamentale Unterschied liegt darin, dass KI einem vorgegebenen Muster folgt – dem programmierten Algorithmus – und daher stets zu denselben logischen Schlüssen gelangt.

Während die menschliche Intelligenz in der Lage ist, das Gesamtbild zu betrachten und intuitiv verschiedene Informationsquellen zu integrieren, exzelliert KI in der systematischen Analyse großer Datenmengen. Diese unterschiedlichen Herangehensweisen spiegeln sich in der Art wider, wie Entscheidungen getroffen werden.

### Verständnis versus Musterkennung

Ein weiterer grundlegender Unterschied zwischen menschlichen und KI-gestützten Entscheidungsprozessen liegt im Verständnis. Menschen verstehen Zusammenhänge und wie Dinge funktionieren, warum und wofür etwas ist und wozu man Sachen einsetzen kann[9]. Diese Art des Verstehens unterscheidet sich grundlegend von der Mustererkennungsfähigkeit der KI.

KI generiert Texte, Bilder und andere Inhalte anhand ihrer Trainingsdaten, ohne den eigentlichen Sinngehalt zu verstehen. Die Rechenmaschine kennt nicht den Sinngehalt dessen, was sie schreibt. Sie kennt keine Realwelt und daher auch kein Kriterium "Wahrheit"[10]. Sie kennt nur Wahrscheinlichkeiten und rechnet.

Dieses fehlende tiefere Verständnis ist ein entscheidender Unterschied in der Entscheidungsfindung: Während Menschen die Bedeutung und Konsequenzen ihrer Entscheidungen verstehen können, basieren KI-Entscheidungen auf statistischen Korrelationen ohne echtes Verständnis.

## Emotionale versus statistische Entscheidungsfindung

Menschen treffen Entscheidungen nicht nur auf Basis rationaler Überlegungen, sondern auch unter Einfluss von Emotionen, Intuition und Bauchgefühl. Wenn wir vor einer wichtigen Entscheidung stehen, entwickeln wir oft bereits ein Gefühl für die richtige Wahl, während wir noch über die Argumente nachdenken[4]. Der bewusste Teil einer Entscheidung ist nur die Spitze des Eisbergs; unter der Oberfläche verbirgt sich ein komplexer emotionaler Prozess.

Im Gegensatz dazu verwenden KI-Systeme mathematische Modelle und Wahrscheinlichkeiten, um Entscheidungen zu treffen[4][12]. Sie sind frei von emotionalen Einflüssen und persönlichen Vorurteilen, was einerseits zu einer gewissen Objektivität führt, andererseits aber auch bedeutet, dass ihnen wichtige menschliche Entscheidungsdimensionen fehlen.

Diese unterschiedlichen Ansätze führen zu verschiedenen Stärken: Während KI in Situationen brilliert, die objektive, datenbasierte Entscheidungen erfordern, haben Menschen oft einen Vorteil in komplexen sozialen Kontexten, die Empathie und emotionales Verständnis erfordern.

## Effizienz und Objektivität

In Bezug auf Effizienz und Objektivität bieten KI-Systeme deutliche Vorteile. Sie können große Datenmengen in kürzester Zeit analysieren und daraus Schlüsse ziehen[1][8]. Zudem arbeiten sie konsistent und zuverlässig nach der vorgegebenen Entscheidungslogik in jedem Einzelfall. Im Gegensatz zu menschlichen Entscheidern ist Software nicht tagesformabhängig und wendet nicht willkürlich in Einzelfällen neue, unter Umständen ungeeignete Kriterien an[8].

Menschliche Entscheidungsprozesse sind hingegen anfälliger für Inkonsistenzen und Verzerrungen. Empirische Belege zeigen systematische, diskriminierende Verzerrungen in menschlichen Entscheidungen, etwa bei der Bewerberauswahl nach ausländisch klingenden Nachnamen[8]. Diese Fehleranfälligkeit ist ein charakteristisches Merkmal menschlicher Entscheidungsfindung.

Allerdings bedeutet die statistische Objektivität von KI nicht zwangsläufig Fairness oder ethische Korrektheit. Eine amerikanische Studie zeigte, dass KI-Empfehlungen in Gerichtsverfahren teilweise besonders harte Entscheidungen gegen Minderheiten trafen[1]. Dies verdeutlicht, dass auch KI-Systeme Vorurteile enthalten können, wenn diese in den Trainingsdaten vorhanden sind.

## Adaptabilität und Kreativität

Ein entscheidender Unterschied zwischen KI und menschlicher Intelligenz liegt in ihrer Anpassungsfähigkeit. Die menschliche Intelligenz kann sich schnell an neue und unvorhersehbare Situationen anpassen[5], während die KI auf das beschränkt ist, wofür sie programmiert wurde. Menschen können aus wenigen Beispielen lernen und ihr Wissen auf neue Situationen übertragen.

KI-Systeme benötigen dagegen große Datenmengen für das Training und sind meist auf spezifische Aufgaben beschränkt[13]. Sie haben Schwierigkeiten, Wissen aus einem Bereich auf einen anderen zu übertragen – eine Fähigkeit, die beim Menschen selbstverständlich ist. Ein KI-System, das Schach spielt, kann nicht ohne Weiteres sein "Wissen" auf ein anderes Spiel übertragen.

Die menschliche Flexibilität und kreative Problemlösungsfähigkeit ermöglicht es, auf unerwartete Ereignisse zu reagieren und neue Lösungsansätze zu entwickeln. Diese Fähigkeit zur Improvisation und Anpassung bleibt ein wesentlicher Vorteil der menschlichen Entscheidungsprozesse gegenüber KI-gestützten Systemen.

## Das Potenzial der Mensch-KI-Zusammenarbeit

Trotz der unterschiedlichen Entscheidungsprozesse zeigt sich zunehmend, dass das größte Potenzial in der Zusammenarbeit zwischen Mensch und KI liegt. Die Stärken des Menschen liegen genau dort, wo die Schwächen der KI liegen – und umgekehrt[5]. Ein Zusammenspiel beider "Parteien" ermöglicht optimale Ergebnisse.

Unternehmen, die auf eine enge Kollaboration zwischen Mensch und KI setzen, sind deutlich erfolgreicher[5]. Diese Symbiose nutzt die jeweiligen Stärken: Die systematische Leistungsfähigkeit der KI spart Zeit und Ressourcen, während die menschliche Kreativität, persönliche Kommunikation und das kontextuelle Verständnis Vertrauen schaffen und flexibles Handeln in neuen Situationen ermöglichen.

Ein Beispiel für diese erfolgreiche Zusammenarbeit findet sich im Gesundheitswesen, wo KI-Systeme Ärzten bei der Diagnose helfen und Behandlungsvorschläge machen, während die endgültige Entscheidung beim medizinischen Fachpersonal bleibt[5]. Diese Kombination nutzt sowohl die analytischen Fähigkeiten der KI als auch die klinische Erfahrung und das Urteilsvermögen der Ärzte.

## Fazit: Komplementäre statt konkurrierende Entscheidungsprozesse

Die Unterschiede in den Entscheidungsprozessen zwischen Mensch und KI sind grundlegend und umfassend. Während Menschen intuitiv, emotional und zielorientiert entscheiden, folgen KI-Systeme statistischen Modellen und arbeiten chronologisch ohne echtes Verständnis der zugrundeliegenden Konzepte.

Diese unterschiedlichen Ansätze führen zu komplementären Stärken: KI exzelliert in der effizienten Verarbeitung großer Datenmengen und kann konsistente, vorurteilsfreie Entscheidungen treffen. Menschen hingegen brillieren durch ihre Flexibilität, ihr tiefes Verständnis komplexer Zusammenhänge und ihre Fähigkeit zur kreativen Problemlösung.

Die Zukunft der Entscheidungsfindung liegt nicht im Wettbewerb zwischen Mensch und Maschine, sondern in einer synergetischen Verbindung beider Ansätze. Durch die intelligente Kombination menschlicher und künstlicher Entscheidungsprozesse können wir die Stärken beider Systeme nutzen und ihre jeweiligen Schwächen ausgleichen. Diese Perspektive eröffnet neue Möglichkeiten für innovative Lösungen in einer zunehmend komplexen Welt.

Quellen

[1] Mensch versus KI in der Entscheidungsfindung - Mindverse https://www.mind-verse.de/news/mensch-vs-ki-entscheidungsfindung-objektive-betrachtung

[2] Künstliche Intelligenz vs. menschliche Entscheidungen? - MHM HR https://www.mhm-hr.com/blog/der-einsatz-von-ki-und-machine-learning.html

[3] Algorithmische Entscheidungssysteme https://www.institut-fuer-menschenrechte.de/fileadmin/Redaktion/Publikationen/Information/Information_Algorithmische_Entscheidungssysteme.pdf

[4] Entscheidungsprozesse: Mensch VS Maschine - mexxon https://mexxon.com/entscheidungsprozesse-mensch-vs-maschine/

[5] Künstliche Intelligenz & Mensch: Konkurrenz oder Miteinander? https://www.thinkowl.de/blog/ki-wenn-mensch-und-maschine-zusammenarbeiten

[6] Algorithmen in Entscheidungsfindung - FAU https://www.digitalisierung.rw.fau.de/forschung/verantwortungsbewusste-ki/algorithmen-in-entscheidungsfindung/

[7] Menschliche Entscheidungsprozesse mit KI-basierten Systemen https://digilog-bw.de/projekte/menschliche-entscheidungsprozesse-mit-ki-basierten-systemen

[8] [PDF] Damit Maschinen den Menschen dienen - Bertelsmann Stiftung https://www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Algorithmenethik-Loesungspanorama.pdf

[9] Natürliche vs. Künstliche Intelligenz: Wird der Faktor Mensch von KI ... https://www.cas.de/news/natuerliche-vs-kuenstliche-intelligenz-wird-der-faktor-mensch-von-ki-abgeloest/

[10] Generative KI: Der Unterschied zwischen Mensch und Maschine https://erwachsenenbildung.at/digiprof/neuigkeiten/19001-generative-ki-der-unterschied-zwischen-mensch-und-maschine.php

[11] Künstliche Intelligenz - Warum der Mensch-Maschine-Vergleich hinkt https://www.deutschlandfunkkultur.de/mensch-maschine-ki-100.html

[12] MiV Blog I Was unterscheidet den Menschen von der KI https://www.menschen-im-vertrieb.at/mensche-vs-ki/

[13] Droht KI den Menschen zu ersetzen? | Künstliche Intelligenz | bpb.de https://www.bpb.de/shop/zeitschriften/apuz/kuenstliche-intelligenz-2023/541494/droht-ki-den-menschen-zu-ersetzen/

[14] Was unterscheidet künstliche Intelligenz von der menschlichen? https://www.ndr.de/kultur/Was-unterscheidet-kuenstliche-Intelligenz-von-der-menschlichen,machinelearning100.html

[15] Ist künstliche Intelligenz (KI) der bessere Mensch? - TU Wien https://www.tuwien.at/tu-wien/aktuelles/news/ist-kuenstliche-intelligenz-ki-der-bessere-mensch-1

[16] Menschliche Intelligenz und künstliche Intelligenz - Ein Vergleich https://www.clickworker.de/kunden-blog/menschliche-und-kuenstliche-intelligenz-unterschiede-staerken-und-schwaechen-menschliche-ki/

[17] [PDF] Wie Menschen und Algorithmen gemeinsam bessere ... https://hodt-hessen.de/wp-content/uploads/2022/04/Buxmann_Teamwork_Algorithmen_Menschen.pdf

[18] KI bei (automatisierten) Entscheidungen - activeMind.legal https://www.activemind.legal/de/guides/ki-automatisierte-entscheidungen/

[19] Fairness von KI Algortihmen - Justus-Liebig-Universität Gießen https://www.uni-giessen.de/de/fbz/fb02/fb/professuren/bwl/e-business-operations-management/forschung/forschungsprojekte-1/123

[20] „KI-Technologie braucht immer den Menschen“ - Deutsche Bank https://www.db.com/what-next/digital-disruption/better-than-humans/ai-technology-invariably-needs-human-beings/index?language_id=3

[21] Algorithmische Entscheidungen und Menschenrechte – HIIG https://www.hiig.de/dossier/menschenrechte-algorithmische-entscheidungen/

[22] Wie nehmen Menschen maschinengestützte Entscheidungen wahr? https://www.ip.mpg.de/de/forschung/meldungen-aus-der-forschung/ruled-by-robots.html

[23] Trifft ein Mensch oder ein Algorithmus bessere HR-Entscheidungen? https://www.cornerstoneondemand.com/de/resources/article/trifft-ein-mensch-oder-ein-algorithmus-bessere-hr-entscheidungen-de/

[24] IDW begrüßt Auffassung des Deutschen Ethikrats zum Verhältnis ... https://www.idw.de/idw/idw-aktuell/idw-begruesst-auffassung-des-deutschen-ethikrats-zum-verhaeltnis-von-mensch-und-ki.html

# Die Objektivität von KI im Entscheidungsprozess: Vorteile und Grenzen

Künstliche Intelligenz gilt oft als objektive Alternative zu menschlichen Entscheidungsprozessen. Die vermeintliche Unvoreingenommenheit von Algorithmen verspricht fairere, effizientere und präzisere Entscheidungen in verschiedensten Anwendungsbereichen. Doch welche konkreten Vorteile bietet die Objektivität von KI-Systemen tatsächlich gegenüber menschlichen Entscheidungen? Und wo liegen ihre Grenzen?

## Freiheit von emotionalen Einflüssen und kognitiven Verzerrungen

Ein wesentlicher Vorteil von KI-Systemen im Entscheidungsprozess liegt in ihrer Freiheit von emotionalen Faktoren. Im Gegensatz zu Menschen sind KIs nicht von Stimmungen, persönlichen Vorurteilen oder unbewussten Vorlieben beeinflusst, was zu einer höheren Objektivität führen kann.

Diese emotionale Neutralität bildet einen deutlichen Kontrast zum menschlichen Entscheidungsverhalten. Während Menschen oft aufgrund von Bauchgefühlen oder emotionalen Impulsen entscheiden, operieren KI-Systeme ausschließlich auf Basis der ihnen zur Verfügung stehenden Daten und vorgegebenen Algorithmen[3][6]. Diese Eigenschaft macht sie besonders wertvoll in Situationen, die absolute Sachlichkeit erfordern.

Menschen treffen Entscheidungen häufig aus subjektiven Motiven heraus – eine Entscheidung muss sich für sie nicht in erster Linie objektiv korrekt anfühlen, sondern emotional stimmig sein[5]. KI hingegen bleibt von solchen emotionalen Einflüssen unberührt, was in bestimmten Kontexten ein erheblicher Vorteil sein kann.

### Systematische Konsistenz in der Entscheidungsfindung

KI-Systeme zeichnen sich durch ihre Fähigkeit aus, konsistent nach vorgegebenen Kriterien zu entscheiden. Sie arbeiten zuverlässig nach der programmierten Entscheidungslogik in jedem Einzelfall und sind nicht tagesformabhängig[6]. Im Gegensatz dazu können menschliche Entscheidungen je nach Tagesform, Müdigkeit oder äußeren Einflüssen variieren.

Diese Konsistenz ist besonders wertvoll in Bereichen, wo Gleichbehandlung entscheidend ist. Empirische Belege zeigen systematische, diskriminierende Verzerrungen in menschlichen Entscheidungen, etwa bei der Bewerberauswahl nach ausländisch klingenden Nachnamen[5]. KI-Systeme können – bei entsprechender Programmierung – solche unbewussten Diskriminierungen vermeiden.

## Effizienz und Geschwindigkeit der Datenverarbeitung

Ein herausragender Vorteil von KI-Systemen ist ihre Fähigkeit, enorme Datenmengen in kürzester Zeit zu analysieren und auszuwerten. Diese Effizienz übertrifft die menschliche Kapazität bei weitem:

"KI-Systeme können große Datenmengen in kürzester Zeit analysieren und daraus Schlüsse ziehen."[1][6]

Diese Eigenschaft macht KI besonders wertvoll für datenintensive Entscheidungsprozesse. Laut einer McKinsey-Umfrage sind nur 20% der Unternehmen mit ihrer Entscheidungsgeschwindigkeit zufrieden, da sie zu viel Zeit damit verschwenden, die richtige Wahl zu treffen, die nicht immer die richtige ist[3]. KI-Entscheidungssysteme beschleunigen den Prozess erheblich, da sie riesige Datenmengen fast sofort verarbeiten können.

### Umfassende Berücksichtigung von Informationen

Ein wesentlicher Unterschied zwischen KI und menschlicher Entscheidungsfindung besteht darin, dass KI alle verfügbaren Informationen berücksichtigt, während ein Mensch in der Regel nur begrenzte Daten einbeziehen kann[3]. Die menschliche Aufmerksamkeitsspanne und kognitive Kapazität ist naturgemäß beschränkt – wir können nur eine begrenzte Menge an Faktoren gleichzeitig berücksichtigen.

KI-Systeme hingegen können sämtliche relevanten Daten in ihre Analyse einbeziehen, was zu fundierteren und umfassenderen Entscheidungsgrundlagen führt. Dies ist besonders in komplexen Umgebungen mit vielen Variablen vorteilhaft.

## Kontinuierliches Lernen und Anpassungsfähigkeit

Ein weiterer signifikanter Vorteil von KI-Systemen ist ihre Fähigkeit zum kontinuierlichen Lernen:

"KI-Systeme können kontinuierlich aus neuen Daten lernen und ihre Entscheidungsprozesse verbessern."[1]

Diese fortlaufende Verbesserung ermöglicht es KI, aus Erfahrungen zu lernen und ihre Entscheidungsprozesse immer weiter zu optimieren. Anders als Menschen, die oft in gewohnten Denkmustern verharren, kann KI aus jeder neuen Dateneingabe lernen und sich anpassen.

### Flexible Lösungsansätze

KI-gestützte Entscheidungsfindungs-Algorithmen bieten eine weitere wertvolle Eigenschaft: Sie können mehrere Ergebnisse einer bestimmten Entscheidung hervorheben, wenn einer der Parameter geändert wird[3]. Diese Flexibilität ermöglicht es, verschiedene Szenarien durchzuspielen und die optimale Lösung zu finden.

Unternehmen können dadurch unter Berücksichtigung ihrer aktuellen Ziele und Wachstumsstrategien die beste Wahl aus einer Vielzahl von Optionen treffen. Diese systematische Exploration verschiedener Entscheidungspfade ist für Menschen oft zeitaufwändig und fehleranfällig.

## Vorhersagefähigkeiten und proaktive Entscheidungen

Die Fähigkeit zur Vorhersage ist ein weiterer entscheidender Vorteil von KI-Systemen:

"Fortschrittliche Algorithmen des maschinellen Lernens bieten die Möglichkeit, zukünftige Trends und Muster in den Daten zu erkennen."[6]

Diese prädiktiven Fähigkeiten unterstützen Unternehmen dabei, proaktiv zu handeln und strategische Entscheidungen zu treffen, die auf fundierten Vorhersagen basieren. Ein einfaches Beispiel hierfür ist die Preisvorhersage und automatisierte Optimierung im Einzelhandel, wo die Vorschläge von Decision Intelligence auf aktuellen und historischen Preisschwankungen, prognostizierter Nachfrage und weiteren Faktoren basieren[3].

## Grenzen und Herausforderungen der KI-Objektivität

Trotz aller Vorteile ist die Objektivität von KI nicht uneingeschränkt gegeben. Ein verbreiteter Irrglaube besteht darin, dass Algorithmen oder KI grundsätzlich objektiver entscheiden als Menschen[4]. In Wirklichkeit hängt die Objektivität einer KI maßgeblich von ihren Trainingsdaten ab.

"Wenn KI-Systeme mit einseitigen Daten trainiert werden, ist es nicht verwunderlich, dass sie eine einseitige Sicht auf die Welt lernen."[4]

Ein Beispiel hierfür ist die fehlerhafte Klassifizierung von Afroamerikanern als "Gorillas" durch eine Bilderkennungssoftware, was auf eine Verzerrung im Trainingsmaterial zurückzuführen war[4]. Ebenso zeigte eine amerikanische Studie, dass KI-Empfehlungen in Gerichtsverfahren teilweise besonders harte Entscheidungen gegen Minderheiten trafen[1].

Diese Beispiele verdeutlichen, dass KI-Systeme Vorurteile reproduzieren können, wenn diese in den Trainingsdaten vorhanden sind. Eine rassistische Maschine unter dem Deckmantel der Objektivität kann sogar gefährlicher sein als offensichtliche Vorurteile, da ihr scheinbar objektiver Charakter kritisches Hinterfragen erschwert[2].

## Synergien zwischen menschlicher und künstlicher Intelligenz

Angesichts der jeweiligen Stärken und Schwächen von KI und menschlicher Entscheidungsfindung liegt das größte Potenzial in ihrer Kombination. Die KI-Entscheidungsfindung dient als zuverlässiger Ausgangspunkt, aber die endgültigen Entscheidungen werden weiterhin von Menschen getroffen[3].

Dies zeigt sich besonders in Bereichen wie dem Gesundheitswesen, wo KI-Systeme Ärzten bei der Diagnose helfen und Behandlungsvorschläge machen, während die endgültige Entscheidung beim medizinischen Fachpersonal bleibt. Diese Kombination nutzt sowohl die analytischen Fähigkeiten der KI als auch die klinische Erfahrung und das Urteilsvermögen der Ärzte.

## Fazit: Komplementäre Stärken statt Konkurrenz

Die Objektivität von KI bietet signifikante Vorteile gegenüber menschlichen Entscheidungsprozessen: Freiheit von emotionalen Einflüssen, konsistente Entscheidungen, effiziente Datenverarbeitung, kontinuierliches Lernen und prädiktive Fähigkeiten. Gleichzeitig sind die Grenzen dieser Objektivität zu beachten: KI-Systeme können Vorurteile aus ihren Trainingsdaten übernehmen und reproduzieren.

Die Zukunft liegt nicht im Wettbewerb zwischen Mensch und Maschine, sondern in ihrer synergetischen Verbindung. Die systematische Leistungsfähigkeit der KI spart Zeit und Ressourcen, während menschliche Kreativität, emotionales Verständnis und ethisches Urteilsvermögen die Schwächen der KI ausgleichen können.

Eine ausgewogene Kombination beider Stärken – die analytische Objektivität der KI und die empathische, kontextbezogene Urteilsfähigkeit des Menschen – bietet das größte Potenzial für effektive und faire Entscheidungsprozesse in einer zunehmend komplexen Welt.

Quellen

[1] Mensch versus KI in der Entscheidungsfindung - Mindverse https://www.mind-verse.de/news/mensch-vs-ki-entscheidungsfindung-objektive-betrachtung

[2] Objektive KI oder diskriminierende Killer-Roboter? | - Digitalcourage https://digitalcourage.de/blog/2023/diskriminierende-killer-roboter

[3] Entscheidungsintelligenz: Modelle, Vorteile & Fallbeispiele - Infopulse https://www.infopulse.com/de/blog/einfuehrung-entscheidung-intelligenz

[4] Wie objektiv ist die KI? - scinexx.de https://www.scinexx.de/dossierartikel/wie-objektiv-ist-die-ki/

[5] Entscheidungsprozesse: Mensch VS Maschine - mexxon https://mexxon.com/entscheidungsprozesse-mensch-vs-maschine/

[6] Mit KI bessere Entscheidungen treffen: Wie Künstliche Intelligenz ... https://www.it-p.de/blog/entscheidungen-ki-optimierung/

[7] Wie KI wichtige menschliche Entscheidungen beeinflusst - Unite.AI https://www.unite.ai/de/Wie-KI-kritische-menschliche-Entscheidungen-beeinflusst/

[8] KI und Objektivität - Weshalb gerade Frauen eine wichtige Rolle ... https://www.deutsche-startups.de/2024/09/06/ki-und-objektivitaet/

[9] KI und Ethik: Warum Künstliche Intelligenz eine ethische Basis braucht https://qymatix.de/de/kuenstliche-intelligenz-ethik-1/

[10] KI im Recruiting - Sinnvoll oder nicht? https://platri-recruiting.de/magazin/ki-im-recruiting/

[11] Wie diskriminierend ist Künstliche Intelligenz? - CMS Blog https://www.cmshs-bloggt.de/rechtsthemen/sustainability/sustainability-social-and-human-rights/wie-diskriminierend-ist-kuenstliche-intelligenz/

[12] Wie gerecht ist Künstliche Intelligenz? - Digitales Deutschland. https://digid.jff.de/magazin/diversitaet/gerecht-ki/

[13] So kann KI im Recruiting helfen - und das sind die Gefahren https://nwx.new-work.se/themenwelten/unternehmen/ki-im-recruiting-vor-und-nachteile-des-einsatzes-von-kunstlicher-intelligenz-bei-der-talentsuche

[14] Wie nehmen Menschen maschinengestützte Entscheidungen wahr? https://www.ip.mpg.de/de/forschung/meldungen-aus-der-forschung/ruled-by-robots.html

[15] Objektive Entscheidungen in der Sichtprüfung treffen mit Hilfe von KI https://qualitaetstag.dgq.de/2022/objektive-entscheidungen-in-der-sichtpruefung-treffen-mit-hilfe-von-ki/

[16] Objektive Entscheidungshilfen bei Diagnosen und Behandlungen ... https://www.cgm.com/deu_de/magazin/artikel/praxissoftware/2022/objektive-entscheidungshilfen-bei-diagnosen-und-behandlungen-ki-als-linke-hand-von-aerztinnen-und-aerzten.html

[17] Künstliche Intelligenz vs. menschliche Entscheidungen? - MHM HR https://www.mhm-hr.com/blog/der-einsatz-von-ki-und-machine-learning.html

[18] Künstliche Intelligenz: Chancen und Risiken | Themen https://www.europarl.europa.eu/topics/de/article/20200918STO87404/kunstliche-intelligenz-chancen-und-risiken

[19] KI | Verzerrungen - mebis Magazin - ByCS https://mebis.bycs.de/beitrag/ki-verzerrungen

[20] Top 5 Vorteile beim Einsatz von künstlicher Intelligenz - Kobold AI https://www.kobold.ai/ki-vorteile/

# Beispiele für negative Folgen von KI-Entscheidungen

In der zunehmend digitalisierten Welt spielen KI-gestützte Entscheidungssysteme eine immer größere Rolle. Obwohl diese Technologien enormes Potenzial bieten, gibt es zahlreiche Beispiele, bei denen KI-Entscheidungen zu negativen Konsequenzen geführt haben. Diese Fälle verdeutlichen die Risiken und Herausforderungen beim Einsatz künstlicher Intelligenz.

## Fatale Unfälle im autonomen Verkehr

Ein besonders tragisches Beispiel für die Grenzen künstlicher Intelligenz ereignete sich am 18. März 2018 in Arizona. Ein selbstfahrendes Uber-Taxi erfasste eine 49-jährige Fußgängerin, die mit ihrem Fahrrad die Straße überquerte. Die Untersuchungen ergaben, dass die Radar- und Kameratechnik des Fahrzeugs die Person nicht erkannt hatte, da das System nicht darauf programmiert war, Personen zu identifizieren, die abseits markierter Fußwege die Straße überqueren[3].

Ein ähnlicher Fall betrifft einen automatisch gesteuerten Tesla, der mit einem LKW kollidierte, weil der Bordcomputer das Hindernis nicht erkannt hatte. Hier zeigte sich das sogenannte "Kompetenzproblem" – die KI verfügte nicht über ausreichende Fähigkeiten, um in dieser Situation die richtige Entscheidung zu treffen[1].

## Diskriminierung durch algorithmische Entscheidungssysteme

### Benachteiligung im Arbeitsmarkt

Im Bereich der Personalauswahl haben sich mehrfach diskriminierende Tendenzen von KI-Systemen gezeigt. Es gibt dokumentierte Fälle von Jobplattformen, die Frauen systematisch benachteiligen[2]. KI-Systeme, die Bewerbungen bewerten, können bestimmte Bevölkerungsgruppen diskriminieren, wenn sie auf historischen Daten trainiert wurden, die selbst Vorurteile enthalten[7].

Eine Studie zeigte systematische Verzerrungen bei der Bewerberauswahl, wobei Personen mit ausländisch klingenden Nachnamen schlechtere Chancen hatten[6].

### Finanzielle Diskriminierung

Im Finanzsektor gibt es ebenfalls problematische Beispiele. Im November 2019 wurde die Kreditkarte von Apple als "sexistisch" bezeichnet, nachdem festgestellt wurde, dass sie Frauen ein bis zu 20-mal niedrigeres Kreditlimit anbot als ihren männlichen Partnern mit vergleichbaren finanziellen Voraussetzungen[7].

Generell werden immer wieder Fälle von verweigerten Krediten oder Versicherungen dokumentiert, die auf intransparenten KI-Entscheidungen basieren und bestimmte Bevölkerungsgruppen systematisch benachteiligen können[2][7].

### Justizsystem und Strafvollzug

Besonders kritisch sind KI-Entscheidungen im Justizbereich. Eine amerikanische Studie zeigte, dass KI-Empfehlungen in Gerichtsverfahren teilweise besonders harte Entscheidungen gegen Minderheiten trafen[2]. Solche Systeme können Auswirkungen auf Entscheidungen über Kautionen oder frühzeitige Entlassungen haben und bestehende gesellschaftliche Ungleichheiten verstärken.

## Technische Fehler mit diskriminierenden Folgen

Ein eindrückliches Beispiel für technische Mängel mit diskriminierenden Auswirkungen war die fehlerhafte Klassifizierung von Afroamerikanern als "Gorillas" durch eine Bilderkennungssoftware, was auf eine Verzerrung im Trainingsmaterial zurückzuführen war[7]. Solche Fehler zeigen, wie KI-Systeme gesellschaftliche Vorurteile verstärken können, wenn sie mit einseitigen oder unzureichenden Daten trainiert werden.

Auch bei Sprachassistenten wurden Probleme festgestellt, etwa dass sie ältere Personen oft nicht verstehen, was zu einer digitalen Ausgrenzung dieser Bevölkerungsgruppe führen kann[2].

## Ethische Dilemmata im Gesundheitswesen

Im Gesundheitsbereich, wo KI zunehmend für Diagnosen und Behandlungsempfehlungen eingesetzt wird, entstehen besondere ethische Herausforderungen. Hier können KI-Entscheidungen zu Konflikten zwischen dem Selbstbestimmungsrecht der Patienten und medizinisch notwendigen Eingriffen führen[4].

Ein weiteres Dilemma ergibt sich aus dem Spannungsfeld zwischen dem Recht auf Privatsphäre und der Erfassung möglichst umfangreicher Daten als Entscheidungsgrundlage für eine effektivere Lösung durch die KI[4].

## Transparenz und Rückverfolgbarkeit als Grundproblem

Ein grundlegendes Problem vieler KI-Systeme ist ihre mangelnde Transparenz. Die Funktionsweise von KI-Algorithmen ist oft undurchsichtig, da sie auf komplexen Strukturen neuronaler Netze basieren. Dies führt dazu, dass Entscheidungen nicht nachvollziehbar sind[5].

Besonders problematisch wird dies in Bereichen mit erheblichen Auswirkungen auf Menschen, etwa wenn Banken KI-Tools zur Analyse von Kreditanträgen verwenden. Wenn die Entscheidung nicht nachvollziehbar ist, kann dies zu Frustration führen und das Vertrauen in solche Systeme untergraben[5].

## Fazit

Die genannten Beispiele verdeutlichen, dass KI-Entscheidungen in verschiedenen Bereichen zu negativen Folgen führen können - von tödlichen Unfällen über Diskriminierung bis hin zu ethischen Dilemmata. Diese Risiken machen deutlich, warum eine sorgfältige Regulierung, wie sie beispielsweise im europäischen KI-Gesetz angestrebt wird, notwendig ist[8].

Für einen verantwortungsvollen Einsatz von KI ist es wesentlich, dass die Entscheidungssysteme transparent, nachvollziehbar und fair gestaltet werden. Je näher die Entscheidung am Leben der Menschen ist, umso problematischer wird es, diese vollständig Maschinen zu überlassen, ohne die Möglichkeit der Einschätzung durch einen Menschen zu berücksichtigen[2].

Quellen

[1] Drei fundamentale KI-Probleme - KI-Risiken.de https://www.ki-risiken.de/2020/01/12/drei-fundamentale-ki-probleme/

[2] Diskriminierung statt Effizienz: Wenn die KI falsch entscheidet https://science.apa.at/mehrzumthema/diskriminierung-statt-effizienz-wenn-die-ki-falsch-entscheidet/

[3] Unfälle mit künstlicher Intelligenz: Ein rechtlicher Flickenteppich - TAZ https://taz.de/Unfaelle-mit-kuenstlicher-Intelligenz/!5711704/

[4] [PDF] Ethische Dilemmata beim Einsatz von künstlicher Intelligenz im ... https://opus.ostfalia.de/files/1270/Muntean_Ionescu_2021_KI_Gesundheitswesen.pdf

[5] Die dunkle Seite der künstlichen Intelligenz: Warum wir ... - DGQ Blog https://blog.dgq.de/die-dunkle-seite-der-kuenstlichen-intelligenz-warum-wir-uns-der-risiken-bewusst-sein-muessen/

[6] Hohes Diskriminierungspotential bei automatisierten Entscheidungen https://netzpolitik.org/2019/hohes-diskriminierungspotential-bei-automatisierten-entscheidungen/

[7] Künstliche Intelligenz und Diskriminierung – Was Sie wissen sollten https://vinciworks.com/blog/kunstliche-intelligenz-und-diskriminierung-was-sie-wissen-sollten/

[8] Künstliche Intelligenz: Chancen und Risiken | Themen https://www.europarl.europa.eu/topics/de/article/20200918STO87404/kunstliche-intelligenz-chancen-und-risiken

[9] KI | Verzerrungen - mebis Magazin - ByCS https://mebis.bycs.de/beitrag/ki-verzerrungen

[10] [PDF] Algorithmische Entscheidungssysteme https://www.institut-fuer-menschenrechte.de/fileadmin/Redaktion/Publikationen/Information/Information_Algorithmische_Entscheidungssysteme.pdf

[11] Künstliche Intelligenz und Haftung: Wer muss zur Rechenschaft ... https://www.skwschwarz.de/news/kuenstliche-intelligenz-und-haftung-wer-muss-zur-rechenschaft-gezogen-werden-wenn-es-aufgrund-von-ki-zu-schaeden-kommt

[12] Durchgefallen wegen ChatGPT? – Wie KI Ihre Arbeit beeinflusst https://gwriters.de/blog/durchgefallen-wegen-chatgpt

[13] Künstliche Intelligenz: Drei Beispiele für das Scheitern von ... - Heise https://www.heise.de/news/Kuenstliche-Intelligenz-Drei-Beispiele-fuer-das-Scheitern-von-Algorithmen-9205911.html

[14] [PDF] Künstliche Intelligenz und Diskriminierung https://www.plattform-lernende-systeme.de/publikationen-details/kuenstliche-intelligenz-und-diskriminierung-herausforderungen-und-loesungsansaetze.html?file=files%2FDownloads%2FPublikationen%2FAG3_Whitepaper_250619.pdf

[15] Falsche Entscheidungen: Diskriminierung durch KI‑Anwendungen https://www.it-finanzmagazin.de/falsche-entscheidungen-diskriminierung-ki-anwendungen-112926/

[16] Jenseits des Hypes: Vor- und Nachteile künstlicher Intelligenz (KI) https://neosfer.de/jenseits-des-hypes-eine-kritische-betrachtung-der-nachteile-kunstlicher-intelligenz/

[17] 7 Nachteile Künstlicher Intelligenz, die jeder kennen sollte https://www.liberties.eu/de/stories/7-nachteile-kuenstlicher-intelligenz-die-jeder-kennen-sollte/44289

[18] [PDF] Diskriminierungs risiken durch Verwendung von Algorithmen https://www.antidiskriminierungsstelle.de/SharedDocs/downloads/DE/publikationen/Expertisen/studie_diskriminierungsrisiken_durch_verwendung_von_algorithmen.pdf?__blob=publicationFile&v=3

[19] Künstliche Intelligenz – wer haftet, wenn ein Roboter versagt? https://www.srd-rechtsanwaelte.de/blog/kuenstliche-intelligenz-haftung

[20] [PDF] Herausforderungen durch Künstliche Intelligenz - Deutscher Ethikrat https://www.ethikrat.org/fileadmin/Publikationen/Stellungnahmen/deutsch/stellungnahme-mensch-und-maschine.pdf

# Auswirkungen sozialer Ungleichheit auf verschiedene Bevölkerungsgruppen

Soziale Ungleichheit ist ein vielschichtiges Phänomen, das Menschen in unterschiedlicher Weise betrifft. Die ungleiche Verteilung von Ressourcen, Chancen und Teilhabemöglichkeiten wirkt sich auf alle Lebensbereiche aus – von Gesundheit und Bildung bis hin zu wirtschaftlicher Sicherheit und gesellschaftlicher Teilhabe. Dabei zeigt sich, dass bestimmte Bevölkerungsgruppen besonders stark von den negativen Auswirkungen betroffen sind.

## Kinder und Jugendliche: Ungleichheit am Lebensanfang

Kinder und Jugendliche zählen zu den am stärksten von Armut und Ungleichheit betroffenen Bevölkerungsgruppen. Die Armutsquote in den Altersgruppen der Kinder und Jugendlichen liegt bei 20,8 Prozent, während sie bei jungen Erwachsenen zwischen 18 und 25 Jahren sogar 25,5 Prozent beträgt. Damit sind junge Menschen insgesamt am stärksten von Armut betroffen[6].

Besonders prekär ist die Situation für Kinder in bestimmten Familienkonstellationen. Haushalte mit mindestens drei Kindern weisen eine Armutsquote von 31,6 Prozent auf, während bei Alleinerziehenden sogar 41,6 Prozent von Armut bedroht sind[6]. Diese frühe Erfahrung von Benachteiligung kann langfristige Folgen haben.

Die Corona-Pandemie hat die bestehenden Bildungsungleichheiten noch verstärkt. Während der Schulschließungen verzeichneten Kinder aus armen Haushalten größere Lernrückstände[5]. Langfristig dürfte diese Verschärfung der Chancenungleichheit auch Auswirkungen auf die materielle Ungleichheit haben, da Bildungsdefizite die beruflichen Perspektiven einschränken.

### Digitale Kluft unter jungen Menschen

Eine moderne Form der Ungleichheit betrifft den Zugang zu digitalen Ressourcen. Schulkinder aus sozial schwachen Familien, die keinen eigenen Laptop besitzen, sind auf die Nutzung von Computern in der Schule angewiesen. Dies beschränkt die Zeiten, zu denen sie an Projekten oder Hausaufgaben arbeiten können[3]. Ohne Förderung durch das Elternhaus werden sie zudem möglicherweise gar nicht auf digitale Bildungsangebote wie kostenlose Programmierkurse aufmerksam. So kann digitale Ungleichheit bestehende soziale Ungleichheiten verstärken und zur gesellschaftlichen Spaltung beitragen[3].

## Frauen und genderspezifische Ungleichheit

Frauen sind im Vergleich zu Männern oft stärker von verschiedenen Formen der Ungleichheit betroffen[9]. Besonders deutlich zeigt sich dies im Kontext der Digitalisierung und Automatisierung. Frauen sind im Zeitalter der Digitalisierung häufig die Verliererinnen, da ihre Arbeitsplätze überproportional durch Automatisierung gefährdet sind. Laut dem Internationalen Währungsfonds sind weltweit bis zu 180 Millionen Arbeitsplätze von Frauen durch Automatisierung bedroht[3].

Diese Zahl ist deshalb so hoch, weil besonders viele Frauen in Berufen des Niedriglohn- und Dienstleistungssektors beschäftigt sind. Als Beispiele nennt die KI-Expertin Mina Saidze die Kassiererin im Supermarkt oder Angestellte am Check-In-Schalter im Flughafen. Diese Berufe haben ein höheres "Substituierbarkeitspotenzial", sind also einfacher durch Maschinen zu ersetzen[3].

Gleichzeitig zeigt sich ein weiteres Problem: Der Arbeitsmarkt könnte die Größenordnung von 645.000 Vollzeit-Arbeitskräften dazugewinnen, wenn Mütter in dem Umfang erwerbstätig sein könnten, in dem sie es sich wünschen[12]. Die unzureichende Vereinbarkeit von Familie und Beruf verstärkt somit die geschlechtsspezifische Ungleichheit.

## Ältere Menschen und sozioökonomische Unterschiede

Mit zunehmendem Alter verstärken sich die Auswirkungen lebenslanger Ungleichheiten. Das Risiko, im Alter arm zu sein, hat in den letzten Jahren leicht zugenommen. Besonders dramatisch ist die Situation in Ostdeutschland, wo fast jede vierte Person im Alter zwischen 60 und 79 Jahren von Armut bedroht ist[12].

Die Lebenserwartung unterscheidet sich zwischen armen und reichen Menschen um mehrere Jahre – ein besonders eindrückliches Beispiel dafür, wie durchschlagend und existenziell sozialstrukturelle Rahmenbedingungen sein können[1]. Wissenschaftliche Studien haben für Europa eine Differenz in der Lebenserwartung von bis zu sieben Jahren zwischen verschiedenen sozialen Schichten festgestellt[15].

Signifikante Zusammenhänge zwischen ungünstigen sozioökonomischen Bedingungen und schlechterer Gesundheit sind bis ins hohe Alter belegt[14]. Dies zeigt sich etwa in der Häufigkeit chronischer Erkrankungen, psychosomatischer Leiden und anderweitiger gesundheitlicher Einschränkungen, die bei Personen mit niedrigem Einkommen, niedrigem Bildungsstand und prekärer beruflicher Einbindung verbreiteter sind[1].

## Menschen mit Migrationshintergrund und ethnische Minderheiten

Menschen mit Migrationshintergrund sind in mehrfacher Hinsicht von Ungleichheit betroffen. Bei der Bewerberauswahl auf dem Arbeitsmarkt zeigen sich systematische Verzerrungen, wobei Personen mit ausländisch klingenden Nachnamen schlechtere Chancen haben[10].

Gleichzeitig stellen Menschen mit Einwanderungsgeschichte und Schutzsuchende mehr als ein Viertel der Erwerbspersonen in Deutschland und spielen eine maßgebliche Rolle bei der Bekämpfung des Arbeitskräftemangels[12]. Diese Diskrepanz zwischen ihrer wirtschaftlichen Bedeutung und den erfahrenen Benachteiligungen verdeutlicht das Ausmaß struktureller Ungleichheit.

Auch neue Technologien können bestehende Diskriminierungen verstärken. KI-Systeme und Algorithmen, die für automatisierte Entscheidungen eingesetzt werden, können bestimmte Bevölkerungsgruppen benachteiligen, wenn sie mit tendenziösen Daten arbeiten[10]. In den USA gab es dokumentierte Fälle, in denen KI-Empfehlungen in Gerichtsverfahren besonders harte Entscheidungen gegen Minderheiten trafen[10]. Die scheinbare Objektivität algorithmischer Entscheidungen kann dabei kritisches Hinterfragen erschweren.

## Regionale Unterschiede und sozialräumliche Segregation

Die Ungleichheit in Deutschland zeigt sich auch in deutlichen regionalen Disparitäten. Die Vermögen sind ungleich verteilt, insbesondere zwischen Ost- und Westdeutschland[12]. Diese Unterschiede spiegeln sich auch in regionalen Armutsrisiken wider, wie am Beispiel der höheren Altersarmut in Ostdeutschland deutlich wird.

Innerhalb von Städten und Gemeinden nimmt die sozialräumliche Trennung zwischen armen und reichen Haushalten zu. Durch die Mechanismen des Wohnungsmarktes (z.B. Gentrifizierung) und die Lage sozial geförderter Wohnungen werden Haushalte mit armen Kindern in benachteiligte Viertel, oft Hochhaussiedlungen am Stadtrand, "verdrängt"[8]. Diese Entwicklung wird als sozialräumliche Polarisierung, exklusive Entwicklung in der sozialräumlichen Struktur oder sozialräumliche Segregation beschrieben[8].

Die Konzentration von benachteiligten Bevölkerungsgruppen in bestimmten Stadtteilen kann zu einer Verfestigung von Ungleichheit führen, da sie oft mit schlechterer Infrastruktur, weniger Grünflächen und geringerer Qualität von Bildungseinrichtungen einhergeht.

## Menschen mit niedrigem Bildungsstand

Der Bildungsstand einer Person hat weitreichende Auswirkungen auf ihre Lebenschancen. Menschen mit niedrigerer Bildung sind zumeist kränker und sterben deutlich früher als Menschen mit höherem Bildungsstand[7]. Dieses Phänomen, in der Forschung als "soziale Ungleichheit" beschrieben, zeigt sich in verschiedenen gesundheitlichen Aspekten.

Personen ohne Ausbildungsabschluss rauchen häufiger und bewegen sich weniger als andere[7]. Da sie zudem in der Regel nur ein geringes Einkommen erzielen oder von Arbeitslosigkeit betroffen sind, verstärken sich die Effekte auf ihre Gesundheit: Ihr Risiko, von klassischen Volkskrankheiten wie Diabetes oder Herzkreislauf-Erkrankungen betroffen zu sein oder unter Adipositas zu leiden, ist deutlich erhöht[7].

Die OECD stellt fest, dass steigende Ungleichheit keinen nennenswerten Effekt auf die formale Bildung und die Kompetenzen von Menschen aus verhältnismäßig wohlhabenden Familien hat. Für sozial schwache Familien geht sie allerdings einher mit verkürzter Bildungsdauer und häufig auch mit schlechteren Resultaten bei den schließlich erworbenen Fähigkeiten[8].

## Vulnerable Gruppen in Krisenzeiten

Krisen wie die COVID-19-Pandemie verstärken bestehende Ungleichheiten und treffen vulnerable Bevölkerungsgruppen besonders hart. Menschen mit niedrigem Einkommen leben eher in beengten Wohnverhältnissen und haben seltener die Möglichkeit, im Home-Office zu arbeiten. Dadurch infizierten sie sich häufiger mit dem Coronavirus und starben auch öfter daran[5].

Die krisenhaften globalen Entwicklungen – sei es die Pandemie, der Klimawandel oder kriegerische Auseinandersetzungen – bergen hohe Risiken für Gesundheit und soziale Teilhabe für einen wachsenden Anteil der Bevölkerung[13]. Vor allem vulnerable Bevölkerungsgruppen und Menschen, die ohnehin in prekären Verhältnissen leben, sind von solchen Veränderungen und unsicheren Entwicklungen besonders betroffen. In einer zunehmend digitalisierten und globalisierten Welt können sie ihre Interessen nicht mehr angemessen vertreten und drohen aus dem Versorgungsnetz zu fallen[13].

## Fazit: Intersektionale Überlagerung verschiedener Ungleichheitsdimensionen

Die Auswirkungen sozialer Ungleichheit betreffen verschiedene Bevölkerungsgruppen in unterschiedlichem Maße, wobei sich verschiedene Dimensionen der Benachteiligung oft überlagern und verstärken. Kinder aus einkommensschwachen Familien, Frauen in prekären Arbeitsverhältnissen, ältere Menschen mit geringem Einkommen, Menschen mit Migrationshintergrund und Bewohner strukturschwacher Regionen sind besonders stark von den negativen Folgen der Ungleichheit betroffen.

Die Überwindung dieser vielfältigen Ungleichheiten erfordert einen umfassenden Ansatz, der die spezifischen Bedürfnisse und Herausforderungen der verschiedenen Bevölkerungsgruppen berücksichtigt. Eine präventive Gesundheitspolitik sollte daher in starkem Maße auch darin bestehen, die sozioökonomische Lage von Angehörigen benachteiligter Schichten und deren Bildungschancen konsequent zu verbessern[15]. Denn ganz gleich, um welchen Lebensbereich es sich handelt, das "Rezept" für eine Verringerung sozialer Ungleichheit ist Bildung[15].

Um den sozialen Zusammenhalt zu stärken und die Innovationsfähigkeit zu fördern, ist der Abbau von Ungleichheiten unerlässlich. Nur so können wir eine gerechtere, sozialere und inklusivere Gesellschaft gestalten, die allen Menschen – unabhängig von ihrer Herkunft, ihrem Geschlecht oder ihrem sozialen Status – gleiche Chancen bietet.

Quellen

[1] Folgen sozialer Ungleichheit | Soziale Ungleichheit | bpb.de https://www.bpb.de/shop/zeitschriften/izpb/soziale-ungleichheit-354/520847/folgen-sozialer-ungleichheit/

[2] Diskriminierungsrisiken bei maschinellem Lernen - Wikipedia https://de.wikipedia.org/wiki/Diskriminierungsrisiken_bei_maschinellem_Lernen

[3] KI-Expertin: Wieso Digitalisierung soziale Ungleichheit fördern kann https://www.capital.de/wirtschaft-politik/ki-expertin--wieso-digitalisierung-soziale-ungleichheit-foerdern-kann-33950566.html

[4] Wie Armut und soziale Ungleichheit unsere Gesellschaft beeinflussen https://www.boeckler.de/de/newsletter-hans-34382-wie-armut-und-soziale-ungleichheit-unsere-gesellschaft-beeinflussen-53459.htm

[5] [PDF] Die Pandemie der Ungleichheit - Agenda 2030 https://www.2030agenda.de/sites/default/files/download/Briefing_1121_Ungleichheit_neu.pdf

[6] [PDF] Soziale Ungleichheit und die Rolle sozialer Beziehungen in der ... https://www.bertelsmann-stiftung.de/fileadmin/files/PicturePark/2022-12/Soziale_Ungleichheit_und_die_Rolle_sozialer_Beziehungen.pdf

[7] [PDF] Folgen unzureichender Bildung für die Gesundheit https://www.bertelsmann-stiftung.de/fileadmin/files/user_upload/Studie_Folgen_unzureichender_Bildung_fuer_die_Gesundheit.pdf

[8] Soziale Ungleichheit - Wikipedia https://de.wikipedia.org/wiki/Soziale_Ungleichheit

[9] Formen von Ungleichheit sind so unterschiedlich wie die Ursachen https://www.bundesregierung.de/breg-de/schwerpunkte-der-bundesregierung/nachhaltigkeitspolitik/weniger-ungleichheiten-1592836

[10] Diskriminierungsrisiko: Vom Algorithmus benachteiligt - KIT https://www.kit.edu/kit/pi_2019_135_diskriminierungsrisiko-vom-algorithmus-benachteiligt.php

[11] Ökologische und soziale Auswirkungen von KI-Projekten: Risiken ... https://riccardo-wagner.de/1402/

[12] Ungleichheit und Armutsrisiko kaum verändert – trotz steigender ... https://www.destatis.de/DE/Presse/Pressemitteilungen/2024/11/PD24_416_p001.html

[13] Was brauchen vulnerable Bevölkerungsgruppen in Krisensituationen? https://www.sozial.de/vulnerable-bevoelkerungsgruppen-in-krisensituationen.html

[14] Alter und soziale Ungleichheit – eine Herausforderung für Kommunen https://www.gesundheitliche-chancengleichheit.de/service/meldungen/alter-und-soziale-ungleichheit-eine-herausforderung-fuer-kommunen/

[15] Gesundheit und soziale Ungleichheit | bpb.de https://www.bpb.de/shop/zeitschriften/apuz/30172/gesundheit-und-soziale-ungleichheit/

[16] Überbevölkerung ist eine Frage der Ressourcen - Der Pragmaticus https://www.derpragmaticus.com/r/ueberbevoelkerung-ressourcen

[17] Soziale Ungleichheit in Deutschland - Hans-Böckler-Stiftung https://www.boeckler.de/de/auf-einen-blick-17945-20845.htm

[18] Diskriminierung 2.0: Wie Rassismus in Algorithmen weiterlebt https://www.humanrights.ch/de/news/diskriminierung-20-rassismus-algorithmen-weiterlebt

[19] [PDF] "Künstliche Intelligenz" und soziale Nachhaltigkeit. Ethische ... https://www.pedocs.de/volltexte/2023/27090/pdf/Erwachsenenbildung_2023_49_Cas_Kuenstliche_Intelligenz.pdf

[20] Internationale Trends der sozialen Ungleichheit https://www.bpb.de/shop/zeitschriften/izpb/soziale-ungleichheit-354/520848/internationale-trends-der-sozialen-ungleichheit/

[21] Die Auswirkung sozialer Ungleichheit auf die Demokratie https://www.uibk.ac.at/ibf/blog-wirtschaft-und-verantwortung/posts/die-auswirkung-sozialer-ungleichheit-auf-die-demokratie.html

[22] Diskriminierung 2.0: Wie Algorithmen Menschen diskriminieren https://algorithmwatch.ch/de/serie-algorithmische-diskriminierung/

[23] [PDF] Digitale Ungleichheit - FFG https://www.ffg.at/sites/default/files/allgemeine_downloads/strukturprogramme/Laura%20Bassi%204.0/Studie_Digitale_Ungleichheit_barrierefrei_final.pdf

[24] Soziale Ungleichheit - Oxfam Deutschland https://www.oxfam.de/unsere-arbeit/themen/soziale-ungleichheit

[25] Soziale Ungleichheit https://www.lpb-bw.de/soziale-ungleichheit

[26] Rassismus und Diskriminierung durch Algorithmen https://rise-jugendkultur.de/artikel/rassismus-und-diskriminierung-durch-algorithmen/

[27] Inklusion und Exklusion Älterer in der Ära künstlicher Intelligenz https://soziologie.de/sektionen/news/inklusion-und-exklusion-aelterer-in-der-aera-kuenstlicher-intelligenz

[28] BIÖG - Leitbegriffe: Soziale Ungleichheit und Gesundheit/Krankheit https://leitbegriffe.bzga.de/alphabetisches-verzeichnis/soziale-ungleichheit-und-gesundheit-krankheit/

[29] SDG 10: Weniger Ungleichheiten | BMZ https://www.bmz.de/de/agenda-2030/sdg-10

[30] Neunter Altersbericht: Vielfalt der Potenziale und Ungleichheit der... https://www.bmfsfj.de/bmfsfj/ministerium/berichte-der-bundesregierung/neunter-altersbericht-251456

[31] Leitbegriffe: Gesundheitsförderung und soziale Benachteiligung ... https://leitbegriffe.bzga.de/alphabetisches-verzeichnis/gesundheitsfoerderung-und-soziale-benachteiligung-gesundheitsfoerderung-und-gesundheitliche-chancengleichheit/

[32] [PDF] Schwierige Zugänge älterer Menschen zu Angeboten der Sozialen ... https://www.bmfsfj.de/resource/blob/179300/415fcd20f00470b676402e943ed871b5/abschlussbericht-zugaenge-aelterer-menschen-soziale-arbeit-data.pdf

[33] Soziale Ungleichheit der Gesundheitschancen und Krankheitsrisiken https://www.bpb.de/shop/zeitschriften/apuz/270308/soziale-ungleichheit-der-gesundheitschancen-und-krankheitsrisiken/

[34] Darum müssen wir unsere Ressourcen auf der Erde besser verteilen https://www.quarks.de/gesellschaft/weltbevoelkerung-gibt-es-zu-viele-menschen/

[35] Sehnsucht nach Veränderung – Bessere Gesundheitschancen für ... https://pmc.ncbi.nlm.nih.gov/articles/PMC10372110/

[36] Soziale Ungleichheit - Kinder- und Jugendhilfe.info! https://www.kinder-jugendhilfe.info/allgemeine-rahmenbedingungen/gesellschaft/soziale-ungleichheit

[37] Soziale Ungleichheit, Gesundheit und Bildungserfolg. Die ... https://www.fachportal-paedagogik.de/literatur/vollanzeige.html?FId=3350156

[38] Ressourcenkonflikte | Kriege und Konflikte | bpb.de https://www.bpb.de/themen/kriege-konflikte/dossier-kriege-konflikte/76755/ressourcenkonflikte/

# KI als lernfähiges Werkzeug: Potenziale und Grenzen

Künstliche Intelligenz (KI) hat sich in den letzten Jahren rapide entwickelt und ist zu einem wichtigen Werkzeug in vielen Bereichen geworden. Eine zentrale Eigenschaft, die KI besonders wertvoll macht, ist ihre Fähigkeit zu lernen. Doch inwiefern ist die KI tatsächlich ein lernfähiges Werkzeug?

## Grundprinzipien des maschinellen Lernens

KI-Systeme basieren auf komplexen Algorithmen und Modellen, die es ihnen ermöglichen, aus den ihnen zur Verfügung gestellten Daten zu lernen und ihre Leistung im Laufe der Zeit zu verbessern[5]. Dies unterscheidet sie von traditioneller Software, die lediglich fest programmierte Anweisungen ausführt.

"Lernen ist eine inhärente Bedingung des Menschen. Seit unserer Geburt sammeln wir Informationen und speichern sie, unseren Alltag zu meistern. Dieser Prozess, ist nicht mehr nur uns vorbehalten. Maschinen sind lernfähig, oder besser gesagt, wir sind in der Lage, sie zum Lernen zu bringen."[2]

Der Lernprozess von KI basiert auf verschiedenen Ansätzen des maschinellen Lernens:

### Unterschiedliche Lernmethoden der KI

Es gibt verschiedene Methoden, durch die KI lernen kann:

"Es gibt verschiedene Ansätze des maschinellen Lernens, wie überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen. Dem KI-System werden beim überwachten Lernen gekennzeichnete Trainingsdaten zur Verfügung gestellt, anhand derer es lernt, Vorhersagen oder Klassifizierungen vorzunehmen. Beim unüberwachten Lernen entdeckt das System selbstständig Muster in nicht gekennzeichneten Daten. Durchs bestärkende Lernen lernt das System durch Interaktion mit seiner Umgebung und erhält Belohnungen oder Bestrafungen für seine Aktionen."[5]

Eine besonders fortschrittliche Form des maschinellen Lernens ist das Deep Learning, das mit künstlichen neuronalen Netzen arbeitet:

"Deep Learning ist eine Weiterentwicklung der neuronalen Netze, bei der mehrere Schichten von Neuronen verwendet werden, um hierarchische Merkmale aus den Daten zu extrahieren. Je tiefer das Netzwerk ist, desto komplexere Muster kann es erkennen."[5]

## Der KI-Lernprozess im Detail

Das Lernen von KI-Systemen ist ein strukturierter Prozess, der mehrere Phasen umfasst:

### Datenaufbereitung und Training

"Bevor die Daten zum Training eines KI-Modells verwendet werden können, müssen sie aufbereitet und vorverarbeitet werden. Dies umfasst Schritte wie die Bereinigung der Daten, die Entfernung von Ausreißern oder fehlenden Werten sowie die Normalisierung oder Skalierung der Daten."[5]

Nach der Datenaufbereitung folgt das eigentliche Training:

"Beim Training werden die Modellparameter anhand der Trainingsdaten optimiert, um die gewünschte Ausgabe zu erzielen. Dies geschieht durch die Anpassung der Gewichte und Schwellenwerte im Modell, um den Fehler zwischen der vorhergesagten und der tatsächlichen Ausgabe zu minimieren."[5]

### Validierung und kontinuierliche Verbesserung

Ein wichtiger Aspekt der Lernfähigkeit von KI ist die kontinuierliche Verbesserung durch Validierung und Feinabstimmung:

"Das KI-Modell muss nach dem Training validiert werden, damit seine Leistung bewertet werden kann. Dazu werden Testdaten verwendet, die das Modell noch nicht gesehen hat. Anhand dieser Testdaten kann überprüft werden, wie gut das Modell generalisiert und auf neue, unbekannte Daten angewendet werden kann."[5]

Ein besonderer Vorteil von KI-Systemen ist ihre Fähigkeit zum kontinuierlichen Lernen, was sie zu äußerst adaptiven Werkzeugen macht.

## KI als Lernwerkzeug im Bildungsbereich

KI wird zunehmend auch als Werkzeug eingesetzt, um menschliches Lernen zu unterstützen. Verschiedene KI-basierte Tools bieten neue Möglichkeiten für effektiveres Lernen:

"Haben Sie schon einmal darüber nachgedacht, KI zum Lernen einzusetzen? [...] Künstliche Intelligenz verändert unsere Art zu lernen. Lernen mit KI ermöglicht uns nicht nur eine effizientere und interessantere Wissensaufnahme, sondern macht uns auch anpassungsfähiger gegenüber den Lern- und Arbeitsanforderungen des digitalen Zeitalters."[1]

### KI-gestütztes Feedback für Lernende

Ein besonders wertvoller Einsatzbereich ist die Bereitstellung von unmittelbarem Feedback:

"Mit Hilfe eines KI-gestützten Feedbacksystems sollen Studierende an der HFH die Möglichkeit erhalten, noch flexibler zu lernen."[8]

Solche Systeme bieten signifikante Vorteile:

"Der große Vorteil ist das jederzeit verfügbare, unmittelbare Feedback. Die Aufgaben, die mit Hilfe des FBS gestellt werden, sind ähnlich zu den Aufgaben in den Studienbriefen sorgfältig und spezifisch ausgewählt."[8]

Im schulischen Kontext werden verschiedene KI-Feedback-Perspektiven genutzt:

"Einerseits übernehmen KI-Tools Funktionen der automatisierten Kontrolle [...] Andererseits übernehmen KI-Tools Teilbereiche des Lehrer*innen-Feedbacks. Je nach Eingabebefehl (Prompt) können KI-Systeme wie ChatGPT Rückmeldungen formulieren oder als Lernbegleiter eingesetzt werden."[3]

## Vielfältige Anwendungen von KI als Lernwerkzeug

Es gibt eine breite Palette von KI-Tools, die speziell für Lernzwecke entwickelt wurden:

"ChatGPT ist die beste KI zum Lernen. Es handelt sich um eine leistungsstarke Lernhilfe, die bei richtiger Verwendung die Lerneffizienz und die [Lernergebnisse verbessert]."[1]

Die Einsatzmöglichkeiten von ChatGPT im Bildungsbereich sind vielfältig:

"Als wissenschaftlicher Mitarbeiter: ChatGPT kann Ihnen bei der Suche nach akademischen Informationen und der Zusammenfassung umfangreicher Inhalte helfen, was Ihnen Zeit spart und das Verständnis komplexerer Themen erleichtert. Als Sprachwerkzeug: Es kann auch als Werkzeug zum Sprachenlernen fungieren und Ihnen dabei helfen, das Schreiben und Sprechen in verschiedenen Sprachen mit sofortigen Antworten und Korrekturen zu üben. Wie ein persönlicher Nachhilfelehrer: ChatGPT kann als persönlicher Tutor fungieren und Ihnen detaillierte und personalisierte Erklärungen zu einem breiten Themenspektrum liefern."[4]

## Fazit: KI als evolvierendes lernfähiges Werkzeug

Die Analyse der verschiedenen Aspekte von KI zeigt eindeutig, dass künstliche Intelligenz tatsächlich ein lernfähiges Werkzeug ist. KI-Systeme können durch verschiedene Methoden des maschinellen Lernens aus Daten lernen, ihre Leistung kontinuierlich verbessern und sich an neue Situationen anpassen.

Die Lernfähigkeit von KI manifestiert sich auf zwei Ebenen: Einerseits lernt die KI selbst durch Training und Verbesserung ihrer Algorithmen, andererseits dient sie als Werkzeug, um menschliches Lernen zu unterstützen und zu optimieren.

Dennoch ist es wichtig zu verstehen, dass die Lernfähigkeit von KI-Systemen durch die Qualität und Quantität der verfügbaren Trainingsdaten sowie durch die zugrunde liegenden Algorithmen begrenzt ist. Anders als Menschen können KI-Systeme nur in den Bereichen lernen, für die sie trainiert wurden, und sie verfügen nicht über Bewusstsein oder echtes Verständnis.

Die zukünftige Entwicklung von KI als lernfähiges Werkzeug wird davon abhängen, inwieweit es gelingt, diese Grenzen zu überwinden und KI-Systeme zu entwickeln, die flexibler, adaptiver und umfassender lernen können.

Quellen

[1] Die 11 besten KI-Tools für effektives Lernen - Vidnoz AI https://de.vidnoz.com/kuenstliche-intelligenz/ki-zum-lernen.html

[2] Kann KI eigenständig lernen? - Baitech Data https://baitechdata.de/blog/kann-ki-eigenstaendig-lernen/

[3] Lernförderliches Feedback mit Künstlicher Intelligenz - IQES https://www.iqesonline.net/blogs/lernfoerderliches-feedback-mit-kuenstlicher-intelligenz/

[4] Die besten Tools für künstliche Intelligenz (KI) zum Lernen https://escuelapce.com/de/las-mejores-herramientas-de-inteligencia-artificial-ia-para-estudiar/

[5] Wie lernt AI? Einblicke in das Lernen von Künstlicher Intelligenz https://www.buzzwoo.de/blog/wie-lernt-ai-einblicke-in-das-lernen-von-kuenstlicher-intelligenz

[6] KI-Feedback für Schüler*innen - Fobizz https://fobizz.com/de/ki-feedback/

[7] Künstliche Intelligenz: Diese 15 KI-Tools sollten Sie kennen https://www.ingenieur.de/technik/fachbereiche/kuenstliche-intelligenz/kuenstliche-intelligenz-diese-15-ki-tools-sollten-sie-kennen/

[8] Flexibler Lernen dank direktem KI-Feedback | HFH https://www.hfh-fernstudium.de/blog/flexibler-lernen-dank-direktem-ki-feedback

[9] Künstliche Intelligenz (KI) und maschinelles Lernen - Fraunhofer IKS https://www.iks.fraunhofer.de/de/themen/kuenstliche-intelligenz.html

[10] Die 11 besten KI-Tools für Schüler und Bildung im Jahr 2024 https://screenapp.io/de/blog/best-free-ai-tools-for-students-teachers-via-digital-learning

[11] Künstliche Intelligenz – wir bringen Ihnen die Technologie näher - BSI https://www.bsi.bund.de/DE/Themen/Verbraucherinnen-und-Verbraucher/Informationen-und-Empfehlungen/Technologien_sicher_gestalten/Kuenstliche-Intelligenz/kuenstliche-intelligenz_node.html

[12] KI-gestütztes Feedback – welche Bedingungen braucht es? - FelloFish https://www.fellofish.com/blog/ki-gestuetztes-feedback-welche-bedingungen-braucht-es

[13] KI-Tools: 22 Werkzeuge, die nicht nur Ingenieuren die Arbeit ... https://www.vdi-nachrichten.com/technik/informationstechnik/ki-tools-22-werkzeuge-die-nicht-nur-ingenieuren-die-arbeit-erleichtern/

[14] Wie lernt eine Künstliche Intelligenz? - SWR Wissen https://www.swr.de/wissen/1000-antworten/wie-lernt-eine-kuenstliche-intelligenz-100.html

[15] Einsatzmöglichkeiten von KI beim formativen Feedback https://www.schulministerium.nrw/einsatzmoeglichkeiten-von-ki-beim-formativen-feedback

[16] KI-Werkzeuge optimal nutzen: Verwende gute Prompts https://blog.craftview.de/ki-werkzeuge-optimal-nutzen/

[17] Künstliche Intelligenz und das menschliche Lernen https://www.technik-und-wissen.ch/kuenstliche-intelligenz-so-lernen-menschen.html

[18] FelloFish — Feedback für alle https://www.fellofish.com

[19] Die fobizz Tools & KI für Schule und Unterricht https://fobizz.com/de/die-fobizz-tools-fuer-schule-und-unterricht/

[20] Künstliche Intelligenz verstehen in 5 Minuten - GRIN https://www.grin.com/magazin/recherche-tipps/kuenstliche-intelligenz-in-5-min/

# Ist Deep Research der Game Changer?

Die Anfang 2025 eingeführte Technologie "Deep Research" wird von vielen Experten als potenzieller Wendepunkt in der Entwicklung künstlicher Intelligenz betrachtet. Doch handelt es sich tatsächlich um einen Game Changer, der unsere Art zu arbeiten und zu recherchieren grundlegend verändern wird? Eine detaillierte Analyse der aktuellen Entwicklungen gibt Aufschluss.

## Die Revolution der KI-gestützten Recherche

Deep Research stellt eine neue Generation von KI-Agenten dar, die über bisherige Sprachmodelle hinausgeht. Anders als herkömmliche Suchfunktionen erstellt Deep Research zunächst einen detaillierten Rechercheplan und arbeitet dann systematisch alle erforderlichen Zwischenschritte ab[3]. Diese methodische Herangehensweise ermöglicht es, komplexe Fragestellungen systematisch zu analysieren und relevante Informationen zielgerichtet zusammenzutragen.

Was diese Technologie besonders macht: Sie kann selbstständig das Internet durchsuchen, mehrere Quellen analysieren und strukturierte Berichte erstellen – und das in einem Bruchteil der Zeit, die ein Mensch dafür benötigen würde. OpenAI's Deep Research konnte beispielsweise in nur 11 Minuten einen Bericht mit 29 Quellen zusammenstellen[2], während Google verspricht, dass ihre Version die stundenlange Suche, Vergleiche und Strukturierung von Informationen übernimmt[6].

### Leistungssprung gegenüber früheren Modellen

Der technologische Fortschritt wird besonders deutlich in Benchmark-Tests. OpenAI's Deep Research übertrifft frühere Modelle im anspruchsvollen Test "Humanity's Last Exam" (HLE) mit 26,6% - eine Verdopplung der Leistung im Vergleich zu Vorgängermodellen[1]. Diese Leistungssteigerung zeigt, dass die Technologie einen signifikanten Sprung gemacht hat.

Deutsche Bank Research hat in eigenen Tests festgestellt, dass Deep Research einen 9.000-Wörter-Bericht mit 22 zitierten Quellen über neue US-Stahl- und Aluminiumzölle in nur acht Minuten erstellen konnte – eine Aufgabe, die menschlichen Forschern mehrere Stunden oder sogar Monate gekostet hätte[1].

## Potenzielle Auswirkungen auf Wirtschaft und Gesellschaft

### Wirtschaftliche Relevanz

OpenAI-CEO Sam Altman hat erklärt, dass Deep Research bereits in der Lage ist, einen "einstelligen Prozentsatz aller wirtschaftlich wertvollen Arbeit" zu leisten[2]. Auch wenn dies zunächst gering erscheinen mag, bedeutet es in absoluten Zahlen einen potenziellen wirtschaftlichen Einfluss in Billionenhöhe.

Deutsche Bank Research prognostiziert, dass der Einsatz von Deep Research "tiefgreifende Konsequenzen für Wissensarbeit und die Wirtschaft" haben wird[1]. Die Technologie könnte insbesondere für Bereiche wie Finanzen, Wissenschaft, Politik und Technik bedeutsam sein, wo umfassende und präzise Recherchen unerlässlich sind[4].

### Anwendungsbereiche mit hohem Potenzial

Die Anwendungsmöglichkeiten von Deep Research sind vielfältig:

- **Wissenschaft und Forschung**: Effizientere und präzisere Informationsgewinnung, die eine neue Form des wissenschaftlichen Arbeitens ermöglichen könnte[3]

- **Wirtschaft und Unternehmensberatung**: Wettbewerbsanalysen und Trendprognosen[4]

- **Bildungsbereich**: Unterstützung von Studierenden und Forschern bei der Informationssammlung[4]

- **Gesundheitswesen**: Ein beeindruckendes Beispiel kommt von einer Person, deren Frau an bilateralem Brustkrebs erkrankt war. Deep Research erstellte eine umfassende Analyse klinischer Studien, die auf Alter, genetisches Profil und Gesundheitszustand der Patientin zugeschnitten war[2]

## Herausforderungen und Grenzen der Technologie

Trotz des großen Potenzials weist Deep Research auch Schwächen auf. Tests zeigen, dass die Technologie manchmal falsche Fakten liefert und Schwierigkeiten haben kann, zwischen zuverlässigen und unzuverlässigen Informationen zu unterscheiden[5]. Darüber hinaus fehlt oft der Ausdruck von Unsicherheit, wenn dies angebracht wäre[5].

Deutsche Bank Research gibt zu, dass ihre Tests "nicht perfekt" waren und dass Deep Research weiterhin unter den inhärenten Schwächen generativer KI leidet, wie etwa einem Mangel an Kontext[1]. Dies deutet darauf hin, dass menschliche Überprüfung und Expertise weiterhin wichtig bleiben.

## Zukunftsperspektiven: Auf dem Weg zu AGI?

Mark Chen, OpenAI's Forschungsleiter, bezeichnet Deep Research als entscheidenden Schritt auf dem Weg zur künstlichen allgemeinen Intelligenz (AGI)[2]. Dies steht im Einklang mit der Vorstellung einer "intelligence explosion" – der Idee, dass KI, sobald sie in der Lage ist, neues Wissen zu entdecken und auf ihre eigene Verbesserung anzuwenden, schnell in Richtung einer künstlichen Superintelligenz fortschreiten könnte[2].

Interessanterweise gibt es bereits Beispiele für KI-Systeme, die Methoden zur Steigerung ihrer eigenen Effizienz entdeckt haben. So hat DeepSeek eine Methode gefunden, um seine eigene Effizienz zu verdoppeln, indem es das Problem selbstständig durchdacht hat[2].

## Fazit: Ein Game Changer mit Einschränkungen

Deep Research stellt zweifellos einen bedeutenden Fortschritt in der Entwicklung künstlicher Intelligenz dar. Die Fähigkeit, komplexe Recherchen in Minuten statt Stunden durchzuführen und gut strukturierte, quellenreiche Berichte zu erstellen, könnte die Art und Weise, wie wir arbeiten und forschen, grundlegend verändern.

Dennoch sollten wir die Technologie mit einer gesunden Portion Skepsis betrachten. Die weiterhin bestehenden Grenzen in Bezug auf Genauigkeit und Zuverlässigkeit bedeuten, dass menschliche Überprüfung und kritisches Denken unerlässlich bleiben.

Ist Deep Research also der Game Changer? Die Antwort liegt wohl zwischen Ja und Nein. Die Technologie hat das Potenzial, bestimmte Arten von Wissensarbeit zu revolutionieren und die Produktivität erheblich zu steigern. Gleichzeitig wird sie – zumindest in absehbarer Zukunft – menschliche Expertise nicht vollständig ersetzen können.

Wie Deutsche Bank Research feststellt: "Nur die Zeit wird zeigen, wie weit diese Technologien letztendlich über das bloße Nacherzählen anderer Ideen hinausgehen und völlig neue Konzepte generieren werden"[1]. In diesem Sinne stehen wir möglicherweise erst am Anfang einer langfristigen Transformation der Wissensarbeit durch KI-Technologien wie Deep Research.

Quellen

[1] AI deep research – is this a gamechanger? - flow – Deutsche Bank https://flow.db.com/more/technology/ai-deep-research-is-this-a-gamechanger

[2] Deep Research by OpenAI: A Game Changer for AI-Powered ... https://metaschool.so/articles/opena-deep-research

[3] Google revolutioniert die Recherche: Deep Research läutet neue ... https://www.kettner-edelmetalle.de/news/google-revolutioniert-die-recherche-deep-research-lautet-neue-ara-der-ki-gestutzten-informationssuche-ein-20-12-2024

[4] OpenAI's Deep Research: Ein Leitfaden mit praktischen Beispielen https://www.datacamp.com/de/blog/deep-research-openai

[5] OpenAI "Deep Research" in ChatGPT: A Game-Changer for ... https://elephas.app/blog/openai-deep-research-in-chatgpt-a-game-changer-for-complex-problem-solving-cm6ry2zr30042rqzdmamgrz7s

[6] Deep Research: Deine KI übernimmt die Recherche https://deinkikompass.de/blog/deep-research-deine-ki-bernimmt-die-recherche

[7] Die Rolle von Deep Research-Modellen bei der Weiterentwicklung ... https://www.ultralytics.com/de/blog/the-role-of-deep-research-models-in-ai-advancements

[8] Perplexity Deep Research: Nächste Stufe der produktiven ... https://jungkonzept.de/tech/perplexity-deep-research-produktive-wissensarbeit/

[9] ChatGPT's New 'Deep Research' Mode: Game Changer or Just ... https://shellypalmer.com/2025/02/chatgpts-new-deep-research-mode-game-changer-or-just-another-ai-gimmick/

[10] Google Gemini Deep Research: Ein Gamechanger für die Recherche? https://marcelrudolph.de/ki/google-gemini-deep-research/

[11] OpenAI Deep Research: KI-Agent für tiefe Online-Recherche https://kinews24.de/openai-deep-research/

[12] "Deep Research": Welche KI recherchiert am besten? | BR24 https://www.br.de/nachrichten/netzwelt/deep-research-welche-ki-recherchiert-am-besten,Udj4dWQ

[13] ChatGPT's Deep Research: A Game-Changer for AI Research? https://eleks.com/expert-opinion/openai-deep-research/

[14] Deep Research: Ein Game Changer für Forschung und Medizin https://juncke.com/deep-research-ein-game-changer-fuer-forschung-und-medizin-die-ki-revolution-ist-da/

[15] Deep Research - Einfach erklärt - Sophie Hundertmark https://www.sophiehundertmark.com/deep-research-einfach-erklaert/

[16] Mache ALLES mit ChatGPT „DEEP RESEARCH”! 12 ... - YouTube https://www.youtube.com/watch?v=-beGslqUuCI

[17] Deep Research: The Best AI Product from OpenAI Since ChatGPT https://creatoreconomy.so/p/deep-research-the-best-ai-agent-since-chatgpt-product

[18] Introducing deep research - OpenAI https://openai.com/index/introducing-deep-research/

[19] Open AI revolutioniert die Wissensarbeit mit autonomen KI-Agenten https://www.faz.net/pro/digitalwirtschaft/zukunft-der-arbeit/open-ai-revolutioniert-die-wissensarbeit-mit-autonomen-ki-agenten-110275582.html

[20] Deep Research - was steckt dahinter? - YouTube https://www.youtube.com/watch?v=hksV3stj71g

# Die wirtschaftlichen Auswirkungen von Deep Research

Deep Research, die neue Generation von KI-Recherche-Tools, könnte weitreichende wirtschaftliche Auswirkungen haben. Die Technologie verspricht, komplexe Informationsanalysen zu automatisieren und zu beschleunigen, was für zahlreiche Branchen und Wirtschaftsbereiche disruptives Potenzial birgt. Diese Analyse beleuchtet die möglichen ökonomischen Folgen dieser Innovation.

## Transformative Effizienzsteigerung durch Automatisierung

Deep Research bietet eine beeindruckende Steigerung der Arbeitseffizienz durch radikale Beschleunigung von Recherche- und Analyseprozessen. Während menschliche Fachkräfte mehrere Stunden benötigen, liefert die KI innerhalb von 2–4 Minuten umfassend aufbereitete Berichte[9]. Dies verdeutlicht auch ein konkretes Beispiel aus Tests der Deutschen Bank: Deep Research erstellte einen 9.000-Wörter-Bericht mit 22 zitierten Quellen über neue US-Stahl- und Aluminiumzölle in nur acht Minuten – eine Aufgabe, die menschlichen Forschern mehrere Stunden oder sogar Monate gekostet hätte[1].

Diese Effizienzsteigerung hat direkten wirtschaftlichen Wert. Sam Altman, CEO von OpenAI, erklärte, dass Deep Research bereits in der Lage sei, einen "einstelligen Prozentsatz aller wirtschaftlich wertvollen Arbeit" zu leisten[1]. Obwohl dies zunächst gering erscheinen mag, bedeutet es in absoluten Zahlen einen potenziellen wirtschaftlichen Einfluss in Billionenhöhe.

### Ein dramatisches Kosten-Nutzen-Verhältnis

Die wirtschaftliche Bedeutung von Deep Research wird durch ein prägnantes Zitat von Sam Altman unterstrichen: "50 Cent Compute für 500 Dollar Gegenwert"[1]. Diese Aussage verdeutlicht die gewaltige Hebelwirkung der Technologie: Die Kosten für Datenverarbeitung und Analyse sinken dramatisch, während der strategische Nutzen exponentiell steigt.

## Veränderung von Unternehmensstrukturen und Geschäftsmodellen

### Wissen als Commodity

Eine grundlegende wirtschaftliche Auswirkung betrifft die Wertschöpfungskette: "Unternehmen stehen vor einem fundamentalen Wandel: Reines Wissen wird zu einem allgemein verfügbaren Gut (engl. Commodity). Kritisches, unabhängiges und strategisches Denken zur ultimativen Differenzierung"[1]. Dies könnte Geschäftsmodelle, die primär auf der Aggregation und Bereitstellung von Informationen basieren, unter Druck setzen.

### Strategische Vorteile für Unternehmen

Für Unternehmen ergeben sich mehrere konkrete wirtschaftliche Vorteile:

1. **Radikale Effizienzsteigerung:** Bis zu 30% der Zeit von Führungskräften fließen in die Informationsbeschaffung. Deep Research reduziert diesen Aufwand drastisch[1].

2. **Strategische Intelligenz auf Abruf:** Hochwertige Marktanalysen, die bislang teuer und häufig von externen Beratern eingekauft wurden, werden inhouse in Echtzeit verfügbar[1].

3. **Wettbewerbsvorteil durch Geschwindigkeit:** In einer datengetriebenen Wirtschaft wird schnelle, präzise Entscheidungsfindung zum Schlüsselfaktor[1].

4. **Neue Geschäftsmodelle:** Unternehmen können KI-gestützte Insights als Service anbieten, ihre Expertise mit Deep Research skalieren und völlig neue Wertschöpfungsmodelle schaffen[1].

## Branchen- und sektorspezifische Auswirkungen

### Finanz- und Beratungssektor

Im Finanzsektor könnte Deep Research besonders transformativ wirken. Ähnlich wie bei KI-Anwendungen im Aktienhandel, wo Algorithmen "durchschnittliche Jahresrenditen im zweistelligen Bereich" erzielten[5], könnte Deep Research die Art und Weise verändern, wie Finanzanalysen durchgeführt werden.

Der Beratungssektor steht vor einem möglichen Umbruch: Wenn "hochwertige Marktanalysen inhouse in Echtzeit verfügbar" werden[1], könnten bestimmte Beratungsleistungen unter Wertdruck geraten oder müssen neu definiert werden.

### Wissenschaft und Forschung

Die Einführung von Deep Research könnte weitreichende Folgen für den akademischen und wissenschaftlichen Bereich haben, indem es eine "deutlich effizientere und präzisere Informationsgewinnung" ermöglicht[4]. Die systematische Herangehensweise von Deep Research markiert einen potenziellen Wendepunkt in der Geschichte der digitalen Informationsverarbeitung und könnte die Grundlage für eine neue Form des wissenschaftlichen Arbeitens legen[4].

## Grenzen der wirtschaftlichen Anwendbarkeit

Trotz des großen Potenzials gibt es auch Einschränkungen: "Deep Research funktioniert am besten bei Aufgaben mit einem geringeren geschätzten wirtschaftlichen Wert, wobei die Genauigkeit abnimmt, je größer die potenziellen finanziellen Auswirkungen der Aufgabe sind"[2]. Dies deutet darauf hin, dass wirtschaftlich bedeutsamere Entscheidungen tendenziell komplexer sind oder auf proprietärem Wissen basieren, das online nicht allgemein zugänglich ist.

## Evolution der wirtschaftlichen Entscheidungsfindung

Die langfristigen wirtschaftlichen Auswirkungen von Deep Research werden voraussichtlich in der Evolution der Entscheidungsfindung liegen:

1. **Von Insights zu Handlungsempfehlungen:** KI wird nicht nur analysieren, sondern konkrete Strategien samt Risikoabwägung vorschlagen[1].

2. **Langfristige Kontextverarbeitung:** Künftige Systeme werden mit Erinnerungsfunktionen und kontinuierlicher Marktbeobachtung langfristige Strategien begleiten[1].

3. **Multi-Agenten-Kollaboration:** Unternehmen werden mit spezialisierten KI-Agenten für Marktanalysen, Compliance-Risiken und Innovationsstrategien arbeiten[1].

## Fazit

Die wirtschaftlichen Auswirkungen von Deep Research könnten tiefgreifend sein. Die Technologie hat das Potenzial, die Informationsverarbeitung und Entscheidungsfindung in vielen Branchen grundlegend zu verändern. Wie die Deutsche Bank Research prognostiziert, wird der Einsatz von Deep Research wahrscheinlich "tiefgreifende Konsequenzen für Wissensarbeit und die Wirtschaft" haben[1].

Die größten wirtschaftlichen Vorteile werden voraussichtlich in der dramatischen Effizienzsteigerung, dem verbesserten Kosten-Nutzen-Verhältnis und der Demokratisierung von hochwertigen Analysen liegen. Gleichzeitig könnten bestehende Geschäftsmodelle, die auf Informationsasymmetrien oder manueller Informationsverarbeitung basieren, unter Druck geraten.

Letztendlich wird der wirtschaftliche Wert von Deep Research davon abhängen, wie Unternehmen und Organisationen diese Technologie in ihre Entscheidungsprozesse integrieren und welche neuen Geschäftsmodelle daraus entstehen.

Quellen

[1] OpenAI stellt Deep Research vor - KI-Briefing https://ki-briefing.com/p/openai-stellt-deep-research-vor

[2] OpenAI's Deep Research: Ein Leitfaden mit praktischen Beispielen https://www.datacamp.com/de/blog/deep-research-openai

[3] Deep Research: ChatGPTs neues KI-Tool als Antwort auf Deepseek https://www.businessinsider.de/tech/deep-research-chatgpts-neues-ki-tool-als-antwort-auf-deepseek/

[4] Google revolutioniert die Recherche: Deep Research läutet neue ... https://www.kettner-edelmetalle.de/news/google-revolutioniert-die-recherche-deep-research-lautet-neue-ara-der-ki-gestutzten-informationssuche-ein-20-12-2024

[5] Deep Learning im Aktienhandel - FAU Erlangen-Nürnberg https://www.fau.de/2017/02/news/wissenschaft/deep-learning-im-aktienhandel/

[6] Deep Research von OpenAI, ein mächtiges Werkzeug - LinkedIn https://de.linkedin.com/pulse/deep-research-von-openai-der-wahre-mehrwert-zeigt-sich-daniel-gwerder-rvuxf

[7] Testbericht "Deep Research": Ein smarter Agent für umfangreiche ... https://www.quantum-beyond.info/2025/02/08/testbericht-deep-research/

[8] OpenAI macht Deep Research weiteren Usern zugänglich https://www.computerbild.de/artikel/cb-News-Internet-OpenAI-macht-Deep-Research-weiteren-Usern-zugaenglich-39480849.html

[9] „Deep Research“: Perplexity präsentiert innovatives KI-Tool für ... https://ai-rockstars.de/perplexity-deep-research/

[10] OpenAI Deep Research - die neue Dimension der Suche nach ... https://www.netzoekonom.de/2025/03/02/openai-deep-research-die-neue-dimension-der-suche-nach-informationen/

[11] Open AI's Deep Research ist teuer – aber jeden Cent wert - FAZ https://www.faz.net/pro/digitalwirtschaft/gadgets/open-ai-s-deep-research-ist-teuer-aber-jeden-cent-wert-110290438.html

[12] Intelligente Kapitalverwendung - DEEP RESEARCH FUND https://deepresearchfund.ch/insights/intelligente-kapitalverwendung/

[13] Introducing deep research - OpenAI https://openai.com/index/introducing-deep-research/

[14] Tests zeigen Schwächen in OpenAIs Deep-Research-Funktion https://www.telepolis.de/features/Tests-zeigen-Schwaechen-in-OpenAIs-Deep-Research-Funktion-10284516.html

[15] OpenAI's Deep Research und erste “Task-A(G)I” Systeme? http://dhcraft.org/excellence/blog/Task-A(G)I.html

[16] Understanding complex trends with deep research | OpenAI https://openai.com/index/deep-research/

[17] OpenAI: „DeepResearch“ – Das zweifelhafte Versprechen ... - WELT https://www.welt.de/wirtschaft/plus255387916/OpenAI-DeepResearch-Das-zweifelhafte-Versprechen-der-neuen-Technologie-Revolution.html

[18] Deep Research - Einfach erklärt - Sophie Hundertmark https://www.sophiehundertmark.com/deep-research-einfach-erklaert/

[19] OpenAI Deep Research - Meine 1. Eindruecke - YouTube https://www.youtube.com/watch?v=L-flj19nij0

[20] Deep Research: OpenAI veröffentlicht Agenten für komplexe Online ... https://www.computerbase.de/forum/threads/deep-research-openai-veroeffentlicht-agenten-fuer-komplexe-online-recherchen.2228737/

[21] Was bedeutet Nachhaltigkeit für uns? - DEEP RESEARCH FUND https://deepresearchfund.ch/insights/was-bedeutet-nachhaltigkeit-fuer-uns/

[22] "Deep Research": Welche KI recherchiert am besten? | BR24 https://www.br.de/nachrichten/netzwelt/deep-research-welche-ki-recherchiert-am-besten,Udj4dWQ

[23] Deep Research ist bedeutender als zunächst angenommen. - Reddit https://www.reddit.com/r/singularity/comments/1igm7iu/deep_research_is_more_significant_than_it/?tl=de

[24] KI-gestützte Wissensarbeit Deep Research mit ChatGPT von OpenAI https://xpert.digital/deep-research-mit-chatgpt/

[25] DEEP RESEARCH FUND | Nachhaltigkeit https://deepresearchfund.ch/nachhaltigkeit/

[26] Sam Altman sagt, Deep Research könne „einen einstelligen ... - Reddit https://www.reddit.com/r/singularity/comments/1ignn43/sam_altman_says_deep_research_can_do_a/?tl=de

[27] Mache ALLES mit ChatGPT „DEEP RESEARCH”! 12 ... - YouTube https://www.youtube.com/watch?v=-beGslqUuCI

[28] Deep Research ist mit Abstand das beste Recherche-Tool ... - Reddit https://www.reddit.com/r/ChatGPTPro/comments/1iis4wy/deep_research_is_hands_down_the_best_research/?tl=de

[29] Das kann „Deep Research” - ChatGPT AGENT getestet! So nutzt du ... https://www.youtube.com/watch?v=xp0wwF_9NGU

[30] OpenAI macht sein $200-Deep-Research-Modell kostenlos verfügbar https://de.gizmodo.com/openai-macht-sein-200-deep-research-modell-kostenlos-verfuegbar-2000013738

[31] Erweiterter Zugang zu Deep Research für Pro-Nutzer in Europa https://www.mind-verse.de/news/erweiterter-zugang-deep-research-pro-nutzer-europa

[32] Einführung in Deep Research - ChatGPT Deutsch https://chatopenai.de/updates/deep-research/

# Politische Angriffe auf die Datenbasis der KI im Kontext des Ukraine-Konflikts

Im Zeitalter der künstlichen Intelligenz gewinnt die Integrität von Daten zunehmend an strategischer Bedeutung. Der Ukraine-Konflikt hat sich zu einem Testfeld entwickelt, auf dem verschiedene Formen der Manipulation und des Missbrauchs von KI-Systemen erprobt werden. Diese Entwicklung wirft grundlegende Fragen zur Verlässlichkeit von KI-basierten Entscheidungen in Krisenzeiten auf und zeigt die Verwundbarkeit dieser Systeme gegenüber gezielten politischen Angriffen.

## Russische Desinformationskampagnen als Angriff auf KI-Grundlagen

Eine besonders beunruhigende Entwicklung ist die systematische Manipulation von KI-Systemen durch gezielte Desinformation. Jüngste Untersuchungen haben ein umfangreiches russisches Netzwerk namens 'Pravda' aufgedeckt, das westliche KI-Systeme mit prorussischer Propaganda infiltriert.

Das US-amerikanische Medienanalyse-Unternehmen NewsGuard hat nachgewiesen, dass dieses Netzwerk über 150 Nachrichten-Websites umfasst und gezielt falsche Informationen verbreitet, die von führenden KI-Chatbots wie ChatGPT 4.0 und Microsoft Copilot in 33,5 Prozent der Fälle übernommen werden. Allein im Jahr 2024 veröffentlichte das Pravda-Netzwerk etwa 3,6 Millionen Artikel und nutzte gezielt künstliche Intelligenz, um prorussische Inhalte in 49 Ländern und zahlreichen Sprachen zu verbreiten[10].

Die NewsGuard-Analystin Isis Blachez erklärte gegenüber dem US-amerikanischen Wirtschaftsmagazin Forbes: "Unsere Forschung legt nahe, dass russische Einflussoperationen ihre Methoden zunehmend auf die Manipulation von KI-Modellen verlagern, anstatt direkt menschliche Leser ins Visier zu nehmen, um eine weitaus größere Reichweite zu erzielen"[10]. Diese strategische Verschiebung deutet darauf hin, dass die Datenbasis von KI-Systemen zu einem prioritären Ziel im Informationskrieg geworden ist.

## Militärischer Einsatz von KI im Ukraine-Konflikt

Der Ukraine-Konflikt hat sich zu einem Experimentierfeld für KI-gestützte Militärtechnologien entwickelt, wobei beide Seiten intensiv auf solche Systeme zurückgreifen. Hierbei werden Trainings- und Echtdaten aus dem Kriegsgeschehen genutzt, um die KI-Systeme zu verbessern.

Die Firma "Clearview AI" bietet dem ukrainischen Militär Gesichtserkennungsdienste an, mit denen gefallene und gefangene russische Kämpfer identifiziert werden können. Mit der KI-Software "Primer" können ukrainische Streitkräfte unverschlüsselte Telefongespräche russischer Soldaten abhören und auswerten[1].

Alex Karp, CEO des Datenanalyse-Unternehmens Palantir, behauptet sogar, die Software "Meta-Constellation" sei "verantwortlich für den Großteil der Zielauswahl in der Ukraine"[4]. Diese Aussage unterstreicht, dass KI längst in der militärischen Anwendung angekommen ist und aktiv Einfluss auf lebenskritische Entscheidungen nimmt.

## Autonome Waffensysteme und KI-gestützte Kriegsführung

Die Entwicklung autonomer Waffensysteme schreitet im Kontext des Ukraine-Krieges rapide voran. Mehr als 200 ukrainische Technologiefirmen arbeiten an Drohnen für den Kriegseinsatz, die nicht mehr ferngesteuert werden müssen und durch KI-gestützte Bilderkennung operieren können[9].

Das ukrainische Start-up Swarmer entwickelt Software, die mehrere Drohnen zu einem weitgehend autonom agierenden Schwarm zusammenbringt. Der Mensch gibt dabei lediglich das Signal zum Angriff, während die KI den Rest übernimmt. Swarmer-Chef Serhij Kuprijenko erklärt, dass seine Firma ein System entwickelt hat, das eine Gruppe von Aufklärungs- und Kampfdrohnen zu Lande und in der Luft dirigieren kann. Dabei plant jede Drohne ihre Aktionen eigenständig und kann das Verhalten der übrigen Schwarmmitglieder antizipieren[9].

Mykhailo Fedorov, der ukrainische Minister für digitale Transformation, betont die Bedeutung solcher Technologien: "Wir brauchen maximale Automatisierung. Diese Technologien sind für unseren Sieg gegen Russland von grundlegender Bedeutung"[5].

## Überwachungstechnologien und Datenschutzfragen

Der Einsatz von KI-gestützten Überwachungstechnologien in der Ukraine wirft wichtige Fragen hinsichtlich des Datenschutzes und der ethischen Nutzung solcher Systeme auf. Die Ukraine setzt seit der russischen Invasion Clearview ein, eine Software zur Gesichtserkennung, gegen die europäische Datenschutzbehörden seit Jahren vorgehen[2].

Dies könnte zu Konflikten mit EU-Datenschutzstandards führen, da die Ukraine EU-Beitrittskandidat ist und die Datenschutz-Grundverordnung übernehmen müsste, die massenhafte Gesichtsüberwachung ohne Einwilligung kritisch sieht. Laut der Website von Clearview haben ukrainische Behörden bis zum vergangenen November 350.000 Suchen mit der Software durchgeführt, davon mehr als 100.000 zu Gesichtern lebender Menschen[2].

Experten warnen vor den Risiken solcher Systeme: "Wenn ein Gesicht falsch erkannt wird und vielleicht tote und lebendige Soldaten verwechselt werden, seien das auf einem Schlachtfeld potenziell tödliche Fehler", erklärt Anna Liudva vom Digital Security Lab Ukraine[2].

## Herausforderungen der KI-Technologie unter Kriegsbedingungen

Trotz des intensiven Einsatzes von KI im Ukraine-Konflikt zeigen sich auch deutliche Grenzen dieser Technologie unter realen Kampfbedingungen. Das US-Militär hat mit seinem "Project Maven" versucht, KI-Systeme für die automatisierte Erkennung feindlicher Ziele einzusetzen, stieß dabei jedoch auf erhebliche Probleme[8].

Die Algorithmen des Project Maven tun sich schwer, Angriffsziele korrekt zu erkennen. Während Soldaten einen feindlichen Panzer mit 84-prozentiger Sicherheit identifizieren können, erreicht die KI lediglich eine Genauigkeit von 60 Prozent, bei Schnee sogar nur 30 Prozent[8]. Diese Unzuverlässigkeit verdeutlicht die Herausforderungen bei der Integration von "Technologie des 21. Jahrhunderts in die Schützengräben des 19. Jahrhunderts"[8].

## Cyberangriffe und Informationskriegsführung

Der russisch-ukrainische Konflikt ist nicht auf das physische Schlachtfeld beschränkt, sondern erstreckt sich auch intensiv auf den Cyberraum. Russland begann bereits im März 2021 mit der Vorbereitung auf Cyberangriffe, fast ein Jahr vor dem offiziellen Beginn der Invasion[7].

Sechs verschiedene, Russland nahestehende nationalstaatliche Akteure haben mehr als 237 Cyberoperationen gegen die Ukraine gestartet. Ein Drittel dieser Angriffe zielte auf ukrainische Regierungsorganisationen auf allen Ebenen ab, während 40% der Angriffe kritische Infrastrukturen betrafen[7].

Die Ukraine hat ihrerseits eine "IT-Armee" von 270.000 Freiwilligen aus der ganzen Welt aufgebaut, die über 1.800 russische Online-Ressourcen angegriffen hat. Zu den erfolgreichsten Operationen gehören das Hacken von Rutube, die Schließung des russischen nationalen Systems zur Kennzeichnung von Waren und der 1C-Dienst[7].

## Innovative KI-Anwendungen als Reaktion auf den Konflikt

Als Reaktion auf die Herausforderungen des Krieges entwickelt die Ukraine innovative KI-Anwendungen. Ein bemerkenswertes Beispiel ist die Einführung der KI-generierten Sprecherin Victoria Shi durch das ukrainische Außenministerium[6].

Der ukrainische Außenminister Dmytro Kuleba bezeichnete diese Initiative als "technologischen Durchbruch" und betonte: "Die aktive Nutzung von KI ist keine Spielerei, sondern eine kriegsbedingte Notwendigkeit. Die Ukraine ist darauf angewiesen, um einen Schritt voraus zu sein"[6].

Der Name Shi setzt sich zusammen aus dem Wort "Sieg" und dem ukrainischen Ausdruck für künstliche Intelligenz: "shtuchniy intelekt". Um Manipulationen vorzubeugen, ist jede Aussage von Shi mit einem QR-Code versehen, der sie mit den Textversionen auf der Website des Ministeriums verknüpft[6].

## Fazit: Weitreichende Implikationen für die Zukunft der KI

Die politischen Angriffe auf die Datenbasis der KI im Kontext des Ukraine-Konflikts haben weitreichende Implikationen für die Zukunft dieser Technologie. Die systematische Manipulation von KI-Systemen durch Desinformationskampagnen, der intensive militärische Einsatz von KI-gestützten Technologien und die daraus resultierenden ethischen und rechtlichen Herausforderungen werfen grundlegende Fragen auf.

Die NewsGuard-Studie verdeutlicht, dass generative KI-Modelle nicht nur unbeabsichtigt Desinformation weiterverbreiten, sondern gezielt als Verbreitungsinstrumente genutzt werden können. Dies könnte langfristig die öffentliche Wahrnehmung erheblich verzerren und unterstreicht die Notwendigkeit strengerer Verifizierungsprozesse für KI-Unternehmen[10].

Der Ukraine-Konflikt zeigt, dass die Integrität und Zuverlässigkeit von KI-Systemen in Zukunft noch stärker in den Fokus politischer und militärischer Strategien rücken werden. Die Entwicklung von Maßnahmen zum Schutz der Datenbasis von KI gegen gezielte Manipulationen wird zu einer zentralen Herausforderung für Staaten, Unternehmen und die internationale Gemeinschaft.

Quellen

[1] Ukraine: Welche Rolle Künstliche Intelligenz im Krieg spielt https://www.tagesschau.de/ausland/ki-ukraine-100.html

[2] Überwachung: Wie sich die Ukraine auf den Frieden vorbereiten kann https://netzpolitik.org/2024/ueberwachung-wie-sich-die-ukraine-auf-den-frieden-vorbereiten-kann/

[3] Resilienz kritischer Infrastrukturen in der Ukraine - CSS/ETH Zürich https://css.ethz.ch/ueber-uns/CSS-news/2024/03/critical-infrastructure-resilience-in-ukraine-energy-transportation-and-communication.html

[4] Der militärische Einsatz künstlicher Intelligenz braucht Regeln https://blog.prif.org/2024/05/07/der-militaerische-einsatz-kuenstlicher-intelligenz-braucht-regeln-nur-welche-darueber-besteht-keine-einigkeit/

[5] Ukraine-Krieg mit KI und Killerdrohnen: „Reale Gefahr, die ... https://www.merkur.de/politik/ki-zeitalter-killerdrohnen-toedliches-kapitel-ukraine-krieg-waffen-militaer-zr-93167687.html

[6] Ein KI-Avatar wird Pressesprecherin der Ukraine | DGAP https://dgap.org/de/forschung/publikationen/gestatten-victoria-shi-ein-ki-avatar-wird-pressesprecherin-der-ukraine

[7] Russisch-Ukraine-Konflikt: Cybersicherheitsanalyse - Blog https://www.menlosecurity.com/de-de/blog/the-russia-ukraine-conflict-cybersecurity-updates-and-analysis

[8] Hochmoderne KI-Technologie enttäuscht im Ukraine-Krieg https://futurezone.at/digital-life/ki-technologie-kuenstliche-intelligenz-ukraine-krieg-russland-militaer-usa-pentagon-drohnen-autonom/402871952

[9] Ukraine arbeitet an KI für Kampfdrohne: Technik gegen russische ... https://www.spiegel.de/netzwelt/gadgets/ukraine-arbeitet-an-ki-fuer-kampfdrohne-technik-gegen-russische-stoersender-a-ab6c9dcd-d9cc-4f8a-a2dc-16d466c3cbe0

[10] Studie enthüllt: Russische Desinformation durchdringt westliche KI ... https://www.merkur.de/politik/studie-enthuellt-russische-desinformation-durchdringt-westliche-ki-systeme-zr-93629476.html

[11] Krieg in der Ukraine - Cyberangriffe aus dem Kreml - Deutschlandfunk https://www.deutschlandfunk.de/cyberangriffe-russland-ukraine-putin-kreml-100.html

[12] KI im Krieg: Was in Israel und der Ukraine passiert I auslandsjournal ... https://www.youtube.com/watch?v=wZaqsgbqAm8

[13] Cyber-Sicherheitslage zur Ukraine-Krise - BSI https://www.bsi.bund.de/DE/Themen/Unternehmen-und-Organisationen/Cyber-Sicherheitslage/Analysen-und-Prognosen/Threat-Intelligence/Krisen-Grosslagen/Ukraine-Krise/ukraine-krise_node.html

[14] KI-Kriegsführung: Diese zwei Trends gibt es - ZDFheute https://www.zdf.de/nachrichten/politik/ausland/waffen-ki-ukraine-krieg-russland-100.html

[15] Mit offenen Augen - Ukraine: Meine Pressesprecherin ist eine KI https://www.arte.tv/de/videos/116710-119-A/mit-offenen-augen/

[16] Wie der russische Cyberkrieg deutsche Unternehmen bedroht https://www.iwkoeln.de/studien/vera-demary-wie-der-russische-cyberkrieg-deutsche-unternehmen-bedroht.html

[17] Wie können die deutschen KI-Drohnen der Ukraine helfen? - FAZ https://www.faz.net/aktuell/politik/ukraine/wie-koennen-die-deutschen-ki-drohnen-der-ukraine-helfen-110118920.html

[18] KI könnte Ukraine-Krieg entscheiden - YouTube https://www.youtube.com/watch?v=uGjAK7rDOB0

[19] [PDF] Spionage, Cyberangriffe & Co. - Bundesamt für Verfassungsschutz https://www.verfassungsschutz.de/SharedDocs/publikationen/DE/spionage-und-proliferationsabwehr/2025-01-spionage-cyberangriffe-und-co.pdf?__blob=publicationFile&v=3

[20] Militäranalyse: Ukraine präsentiert KI-unterstützte Drohnen - ZDFheute https://www.zdf.de/nachrichten/politik/ausland/analyse-sued-donbass-front-broeckelt-ukraine-krieg-russland-100.html

[21] Wie lässt sich KI auf dem Schlachtfeld kontrollieren? | Global PolitiX https://www.youtube.com/watch?v=Rir0u76ReMw

[22] KI- und Drohnentechnologie – Die Grundlagenkonzepte des ... - ESUT https://esut.de/2024/10/fachbeitraege/53390/ki-und-drohnentechnologie-die-grundlagenkonzepte-des-krieges-werden-sich-veraendern/

[23] Angriffskrieg Russlands gegen die Ukraine: Maßnahmen des BMDV https://bmdv.bund.de/SharedDocs/DE/Artikel/K/ukraine.html

[24] Der Krieg gegen die Ukraine – Auswirkungen auf die digitale Welt https://www.bitkom.org/Ukraine

[25] KI im Krieg: Dürfen Roboter Menschen töten? | ZEIT ONLINE https://www.zeit.de/wirtschaft/unternehmen/2024-09/ki-krieg-ukraine-autonome-waffen-ruestungsindustrie

[26] Wie KI den Krieg beeinflusst - Science.lu https://science.lu/de/kuenstliche-intelligenz-waffensystemen/wie-ki-den-krieg-beeinflusst

[27] Künstliche Intelligenz und Drohnen im Krieg - Süddeutsche Zeitung https://www.sueddeutsche.de/projekte/artikel/politik/kriegsfuehrung-waffen-kuenstliche-intelligenz-risiken-e823812/

[28] [PDF] Drucksache 20/7914 20. Wahlperiode - Deutscher Bundestag https://dserver.bundestag.de/btd/20/079/2007914.pdf

[29] Datenbank über KI-Systeme: So will die EU Grenzüberwachung ... https://netzpolitik.org/2024/datenbank-ueber-ki-systeme-so-will-die-eu-grenzueberwachung-automatisieren/

[30] Cybersicherheitspolitik - BMI https://www.bmi.bund.de/DE/themen/it-und-digitalpolitik/it-und-cybersicherheit/cybersicherheitspolitik/cybersicherheitspolitik-node.html

[31] Künstliche Intelligenz: Chancen und Risiken | Themen https://www.europarl.europa.eu/topics/de/article/20200918STO87404/kunstliche-intelligenz-chancen-und-risiken

[32] KI-Drohnen für die Ukraine - Tagesspiegel Background https://background.tagesspiegel.de/digitalisierung-und-ki/briefing/ki-drohnen-fuer-die-ukraine