Lade Inhalt...

Welche Chancen und Risiken bringt künstliche Intelligenz mit sich? Ethische Herausforderungen und Maßnahmen bei der vermehrten Einführung von KI

von Elsa Gavriilidis (Autor)

Hausarbeit 2020 31 Seiten

Psychologie - Wirtschaftspsychologie

Leseprobe

Inhaltsverzeichnis

1. Einleitung
1.1 Problemstellung und Zielsetzung
1.2 Gliederung

2. Theoretische Grundlagen
2.1 Künstliche Intelligenz
2.1.1 Maschinelles Lernen
2.1.2 Tiefes Lernen
2.2 Die Wechselbeziehungen Künstlicher Intelligenz
2.2.1 Künstliche Intelligenz und Wirtschaft
2.2.2 Künstliche Intelligenz und Gesellschaft
2.2.3 Künstliche Intelligenz und Ethik
2.3 Forschungsfrage und Teilforschungsfragen

3. Methoden und Ergebnisse
3.1 Vorgehen
3.1.1 Erste Phase
3.1.2 Zweite Phase
3.1.3 Dritte Phase
3.1.4 Vierte Phase
3.1.5 Fünfte Phase
3.1.6 Sechste Phase
3.1.7 Siebte Phase
3.1.7.1 Chancen von Künstlicher Intelligenz
3.1.7.2 Risiken von Künstlicher Intelligenz
3.1.7.3 Ethische Herausforderungen
3.1.7.4 Wichtige Maßnahmen

4. Diskussion
4.1 Praktische Relevanz
4.2 Bewertung des Vorgehens

5. Fazit

Anhang

Literaturverzeichnis

1. Einleitung

„Künstliche Intelligenz ist eines der wichtigsten Dinge, an denen Menschen arbeiten. Ihre Bedeutung ist grundlegender als Elektrizität oder das Feuer“, behauptete der Google­Chef Sundar Pichai 2018 auf einer Veranstaltung. Auch Bryan Johnson, Entrepreneur, Investor und CEO des Unternehmens Kernel prophezeit die Änderungen, die Künstliche Intelligenz (KI) auslösen wird, mit dem Satz „Die Beziehung zwischen menschlicher und künstlicher Intelligenz wird irgendwann notwendigerweise eine Symbiose sein“.

KI-Systeme charakterisieren sich dadurch, dass diese lernen, sich selbst und andere programmieren und weiterentwickeln können (Bitkom, 2017).

KI gehört schon in der Gegenwart zum Alltäglichen. Werbung wird individuell auf Internetnutzer mit ihren Präferenzen und Interessen zugeschnitten, Chatbots beantworten Fragen auf Webseiten, oder auch die bekannten Stimmen von Alexa und Siri, die auf Fragen und Anweisungen reagieren, gehören zur KI Technologie. Darüber hinaus werden von KI-Systemen Emotionen erkannt, Stimmen anhand von wenigen Sekunden Ausgangsmaterials geklont, und in komplexen Computerspielen, eigentlich unerreichbare, Highscores erzielt (Wittpahl, 2019).

Obwohl das Potenzial von KI kontinuierlich in Artikeln und Vorträgen hervorgehoben wird, spalten sich die Meinungen um KI. Vor allem die Europäer und die Deutschen sehen KI als kritisch an und nehmen insbesondere die Nachteile wahr (Wittpahl, 2019). Noch schwerwiegender werden mögliche Gefahren diskutiert in dem Fall, dass KI in die falschen Hände gelangen oder die Kontrolle übernehmen sollte.

KI dringt mit Schnelligkeit immer mehr in verschiedene Lebens-, Arbeits-, und Wirtschaftsbereiche ein, mit erheblichen Folgen und Veränderungen (Wittpahl, 2019).

1.1 Problemstellung und Zielsetzung

Die immer zunehmende Nutzung von KI geht sowohl mit Vorteilen und Potenzialen, jedoch aber auch mit Nachteilen und Risiken einher. Daher sollen die positiven und die negativen Auswirkungen von KI in dieser Arbeit herausgestellt werden. Des Weiteren ergeben sich ethische Probleme, wenn Maschinen anfangen werden Verantwortung zu übernehmen und automatisiert Entscheidungen treffen sollen. Somit sollen die kommenden ethischen Herausforderungen verdeutlicht werden. Zuletzt führen die Nachteile, Risiken und ethischen Herausforderungen dazu, dass Maßnahmen getroffen werden müssen, um mögliche negative Entwicklungen abzuwenden.

Diese vier Aspekte, die Chancen, Risiken, ethischen Herausforderungen und Maßnahmen, welche mit KI einhergehen, sollen anhand des Diskussionspapiers von Mannino et al. (2015) betrachtet werden.

1.2 Gliederung

Die vorliegenden Ausführungen beginnen mit einer Betrachtung der theoretischen Grundlagen der Thematik KI.

Dabei werden zunächst Einblicke in die Funktions- und Lernweise von KI, Maschinellem Lernen und Tiefem Lernen gegeben. Anschließend wird auf die Anwendung von KI in der Wirtschaft und auf die Zusammenhänge und Bezüge zur Gesellschaft, Arbeit und Ethik eingegangen. Auf Grundlage dieser Darlegungen werden dann eine Forschungsfrage, sowie Teilforschungsfragen formuliert.

Im dritten Abschnitt der Arbeit, dem Methodenteil, wird ein kurzer Überblick über das Diskussionspapier von Mannino et al. (2015) gegeben. Danach wird der Ablauf der qualitativ inhaltlich strukturierenden Inhaltsanalyse beschrieben und die Ergebnisse dargestellt.

Das vierte Kapitel dient der Diskussion der Ergebnisse und schließt zudem zum einen die praktische Relevanz, und zum anderen eine kritische Bewertung und Begutachtung des Vorgehens mit ein.

Im abschließenden Fazit wird ein resümierender Überblick über die vorliegende Hausarbeit und ein Ausblick gegeben.

2. Theoretische Grundlagen

2.1 Künstliche Intelligenz

Die Anfänge Künstlicher Intelligenz finden sich in logischen Repräsentationssystemen, in denen Verknüpfungen von Aussagen mit einem Wahrheitsgehalt vorgenommen wurden (Wittpahl, 2019). Derartige KI-Systeme basieren demnach auf Schlussfolgerungen und werden bis heute eingesetzt für komplexe mathematische Rechnungen und in Programmiersprachen wie „PROLOG“ (Bergin & Gibson, 1996).

Ausgetestet werden solche KI-Systeme in menschlichen Spielen wie Schach, welche über simple Regeln, und gleichzeitig fast grenzenlose Variationsmöglichkeiten verfügen (Wittpahl, 2019).

Problematisch an diesen Systemen ist jedoch, dass diese auf menschlichem Expertenwissen beruhen, welches zunächst unter Aufwand erfasst und umgewandelt werden muss. Diese Anfangsphase ist dennoch der Grundstein für die Weiterentwicklungen im Bereich des Maschinellen Lernens, bei welchem die KI aus Erfahrungen lernt und gegebenenfalls das bereits verfügte Wissen modifiziert (Wittpahl, 2019).

2.1.1 Maschinelles Lernen

Mit dem Begriff des maschinellen Lernens sind Methoden gemeint, welche durch Lernprozesse Wechselbeziehungen in existierenden Datensätzen erkennen und auf diesen aufbauend Vorhersagen treffen (Murphy, 2013). Dabei kann der Begriff auch wie folgt umschrieben werden. Die maschinelle Lernfähigkeit einer Maschine oder Software für Aufgaben gründet auf dem Training mit Daten, welche prinzipiell Erfahrungen darstellen (Mitchell, 1997). Ein Algorithmus wird demnach mit Daten trainiert, anstatt dass Wissen explizit codiert wird. Dies ist insofern förderlich, da der Mensch mehr weiß, als er ausdrücklich formulieren kann. Beispielsweise wird einem System so nicht beigebracht anhand von präzisen Codierungen, wie sich eine Katze von einem Hund unterscheidet, sondern es wird anhand von vielen verschiedenen Tierfotos trainiert (Buxmann, 2019).

Maschinelles Lernen kann in die drei Hauptkategorien überwachtes Lernen (Supervised Machine Learning), unüberwachtes Lernen (Unsupervised Machine Learning) und verstärktes Lernen (Reinforcement Machine Learning) unterteilt werden (Murphy, 2013). Beim überwachtem Lernen werden dem System Beispieldaten gegeben in Verbindung mit gewünschten Interpretationen und Ausgaben. Beispielsweise werden dem System „beschriftete“ Bilder gegeben, die jeweils bestimmte Tierarten zeigen. Im Anschluss wird die Richtigkeit der Interpretation anhand von dem System unbekannten Testdaten überprüft (Murphy, 2013).

Das unüberwachte Lernen dagegen sieht vor, dass das System selbstständig Muster oder Kategorien in bestehenden Datensätzen findet und diese angemessen interpretiert.

Beim verstärktem Lernen, der dritten Kategorie, lernt der Algorithmus unmittelbar aus seinen Erfahrungen. Es interagiert mit seiner Umgebung und wird belohnt für richtige Ergebnisse. Dabei werden die Konsequenzen von Handlungen gemerkt und das System versucht auf Grundlage seines Wissens und seiner Erfahrungen, die Belohnungen zu maximieren (Wittpahl, 2019).

Systeme künstlicher Intelligenz können somit auf verschiedene Weisen aus Erfahrungen lernen und Wissen modifizieren.

2.1.2 Tiefes Lernen

Die aktuelle Begeisterung um KI basiert jedoch vor allem auf dem komplexeren Deep Learning (tiefes Lernen) mit künstlichen und abstrakten neuronalen Netzen. Künstliche neuronale Netzwerke (KNN) sollen dabei das Gehirn simulieren und bestehen somit aus Knoten, welche im menschlichen Gehirn Neuronen sind, und Kanten, die Synapsen. Das „Tief“ bezieht sich darauf, dass diese Netzstrukturen aus mehreren bis vielen Schichten bestehen. Die Informationen fließen in die erste Schicht ein, werden dann auf den verschiedenen Ebenen anhand ihrer Werte verarbeitet, beziehungsweise werden von Neuronen zu Neuronen weitergegeben, und danach ausgewertet wieder ausgegeben. Komplexere Netzwerke können Informationen auch gleichzeitig nach vorne und auch nach hinten weitergeben. Bei KNN können alle drei der oben genannten Lernmethoden für das Training angewendet werden (Wittpahl, 2019).

Insgesamt kann festgehalten werden, dass Künstliche Intelligenz, Maschinelles Lernen und Tiefes Lernen Ansätze darstellen, welche versuchen Aufgaben und Probleme mit Hilfe von selbständig handelnden Systemen zu lösen. Die Betrachtung der verschiedenen Lernmethoden ermöglicht Einblicke in das Potenzial und die Fähigkeiten von KI.

2.2 Die Wechselbeziehungen Künstlicher Intelligenz

2.2.1 Künstliche Intelligenz und Wirtschaft

Die Frage, in welchen Wirtschaftszweigen und Anwendungsfeldern KI in den kommenden Jahren eingesetzt wird, lässt sich nur unter Vorbehalt beantworten, da die meisten KI-Anwendungen in der Praxis noch zu wenig ausgetestet wurden (Wittpahl, 2019). Dennoch wird eine weltweite Erhöhung des Bruttoinlandsprodukts um 14 Prozent bis 2030 vorhergesagt, welche auf der Einbindung von KI in industrielle Prozesse basieren soll (Rao & Verweij, 2017, nach Henn & Terzidis, 2019).

Eine oft zitierte und auch kritisierte Studie der Universität Oxford fokussiert die Auswirkungen von KI und KI-Anwendungen auf Jobs in den USA, wobei jedoch die allgemeine Analyse von Arbeitsprofilen herangezogen wird. Vor allem im Transportgewerbe, in der Logistik, im produzierenden Gewerbe und ebenfalls im Dienstleistungssektor wird der Einsatz von KI prognostiziert (Frey & Osborne, 2013). In Deutschland sind 18,3 Millionen Arbeitsplätze mit einer möglichen Automatisierung durch KI-Systeme konfrontiert (Brzeski & Fechner, 2018).

Andere Studien beziehen sich auf Aussagen von Unternehmen zu deren derzeitigem Gebrauch von KI-Systemen und zu deren Erwartungen für die Zukunft. Derzeit wird KI in Unternehmen insbesondere für einfache Routineprozesse im IT-Bereich, in der Produktion und in ihren Standardprozessen eingesetzt. Vermehrt werden jedoch auch komplexere Aufgaben automatisiert. Beispielsweise werden mangelhaft produzierte Bauteile mittels Bildanalyse automatisch erkannt oder eingehende E-Mails in einem Callcenter vom System selbstständig in Kategorien aufgeteilt (Sopra Steria Consulting, 2017). Laut Sopra Steria Consulting (2017) erwarten Unternehmen von der Zukunft, dass komplexere Prozesse automatisiert und digitale Assistenten eingesetzt werden, die Mitarbeiter nicht ersetzen, sondern ihnen zuarbeiten. Ziele des Einsatzes von KI- Systemen sind Kostenreduktionen, die Verbesserung der Kundenanalyse und der Datenauswertungen von Prozessen und Ergebnissen.

Eine Unternehmensbefragung des IT-Dienstleisters Infosys zeigt auf, dass KI überwiegend im Handel, in der Konsumgüter- und Telekommunikationsindustrie und in der Finanzwirtschaft eingesetzt wird. Dementgegen wird in Bereichen des Tourismus und der öffentlichen Verwaltung zur Zeit noch weniger KI verwendet (Infosys, 2018).

Eine andere Ansicht hat dagegen das Marktforschungsunternehmen Tractica. Diese sehen die heutige KI-Anwendung insbesondere im Internet und mobilen Diensten im Rahmen von Sprachsteuerungen und der Verarbeitung von Musik und digitalen Inhalten. Ein großes Potenzial zur menschlichen Unterstützung oder Ersetzung soll KI in der Verarbeitung von sprachlichen und bildlichen Daten haben. Langfristig sieht Tractica die Anwendung von KI im Bereich der Medien, Dienstleistungen, Gesundheit und in der Finanzwirtschaft (Tractica, 2016).

Im Lebensbereich Arbeit wird die Anwendung von KI kontrovers diskutiert. Es wird zum einen davon ausgegangen, dass eine Vielzahl von Arbeitsplätzen von KI-Systemen übernommen werden. Zum anderen soll KI die Arbeitsqualität verbessern und somit viele Chancen aufweisen. Dadurch, dass KI-Systeme Arbeitsprozesse übernehmen können, die hauptsächlich auf Routine beruhen, können diese effizienter gestaltet und das Leistungsvermögen des Menschen erweitert werden (Daugherty & Wilson, 2018).

KI weist jedoch zu gegebenem Zeitpunkt drei Defizite auf, die auch in der nahen Zukunft nicht beseitigt werden können (Wenzel, 2018). Zunächst besitzt KI derzeit kein ausreichendes Abstraktionsvermögen, daher kann Gelerntes nicht auf andere Kontexte übertragen werden. Des Weiteren sind die intelligenten Systeme auf eine hochgradige Vorstrukturierung von Daten und Umgebungen angewiesen. Schließlich besitzen sie auch kein empathisches Verstehen oder Schlussfolgern. Konsequenzen für den Bereich der Arbeit sind ebenfalls davon abhängig, inwiefern die Wahrnehmung, Feinmotorik und die kreative, sowie soziale Intelligenz entwickelt werden können (Dengler & Matthes, 2018). Daher werden Anwendungspotenziale eher in der Verbindung und Kooperation mit dem Menschen gesehen (Daugherty & Wilson, 2018).

Einen weiteren Einblick in die Konsequenzen von KI auf den Arbeitsmarkt kann die Polarisierungshypothese geben. Diese nimmt an, dass technologische Fortschritte und die Digitalisierung insofern zu einer Polarisierung des Arbeitsmarktes führen, als dass Beschäftigungsstellen mit mittlerem Qualifikationsniveau in Relation zu Beschäftigungsstellen mit niedrigem oder hohem Anforderungsniveau bereits zurückgegangen sind und weiterhin zurückgehen (Dustmann et al., 2009; Goos et al., 2009). Ursächlich dafür sei die Annahme, dass der Anteil an kognitiven und regelbasierten Routineaufgaben auf der mittleren Anforderungsebene besonders hoch ist und diese von KI-Systemen übernommen werden. Dennoch sei zu beachten, dass die Polarisierungshypothese nicht zwangsläufig Arbeitsplatzverluste impliziert, denn Angestellte können in anderen Professionen beschäftigt werden (Wittpahl, 2019).

Aktuelle KI-Anwendungen lassen jedoch erwarten, dass die Technologien verstärkt in Arbeitsbereichen eingesetzt werden, in denen komplexe Verhältnisse erfasst und bewertet oder kreative Aufgaben erledigt werden müssen (Dengler & Matthes, 2018). Langfristig könnte die Digitalisierung und Automatisierung somit eine neue Ebene erreichen.

Die Betrachtung verschiedener Studien durch Wittpahl (2019) zum Gefährdungspotenzial von Arbeitsplätzen in Deutschland ergibt ein Substitutionspotenzial von zwölf bis fast 60 Prozent. Dabei beziehen sich diese Zahlen auf das Potenzial von Automatisierung und nicht auf die tatsächliche Umsetzung (Bonin et al., 2015). Ebenfalls nicht berücksichtigt werden technologische und betriebswirtschaftliche Hürden, die der Ausschöpfung des Potenzials entgegenstehen. Schließlich außer Acht gelassen werden auch gesamtwirtschaftliche Effekte, so könnte der Wandel auch neue Arbeitsplätze schaffen beispielsweise bei der Entwicklung von Technologien (Bonin et al., 2015).

2.2.2 Künstliche Intelligenz und Gesellschaft

Den Ausführungen von Wittpahl (2019) zufolge, kann die Beziehung zwischen Menschen und KI in drei aufeinander aufbauenden Mustern beschrieben werden.

Das erste Muster sagt aus, dass KI ein grundsätzlicher Teil der Gesellschaft ist und nicht mehr unabhängig davon zu betrachten ist. Technologische und gesellschaftliche Entwicklungen verweben sich mit neuen sozialen Mustern als Resultat, da KI auf unsere Arbeit und Kommunikation einwirkt.

Das zweite Muster beschreibt KI jedoch auch als Herausforderung für unsere Gesellschaft. Wenn KI ein grundsätzlicher Bestandteil der Gesellschaft ist, dann kann diese sich verändern, positiv oder gegebenenfalls auch negativ.

Letztendlich skizziert das dritte Muster KI als Spiegel der Gesellschaft, denn ethische Grundhaltungen und Probleme werden sichtbar gemacht. Da KI sowohl ein fester Bestandteil, als auch eine Herausforderung für die Gesellschaft darstellt, entstehen verschiedene Fragen, die über die Sinnhaftigkeit und den Nutzen hinausgehen. Es ergeben sich Fragen beispielsweise darüber, wie viel KI genug ist oder in welchem Maße KI-Systeme Verantwortung übernehmen können und sollen.

Obwohl die Wirtschaft und Gesellschaft vor Herausforderungen stehen, sind die Chancen von KI überwiegend (Fuchs, 2016; Hebling, 2015). KI könnte für die frühzeitige und präventive Erkennung von Krankheiten, Konflikten und Kriminalität eingesetzt werden (Hebling, 2015). Dadurch könnten Krisen abgewendet werden und eine resilientere und robustere Gesellschaft entstehen. Damit KI-Systeme jedoch in der Gesellschaft Akzeptanz finden, müssen das Verhalten und die Entscheidungsprozesse transparent sein (Bitkom, 2017).

2.2.3 Künstliche Intelligenz und Ethik

In Anbetracht der Tatsachen, dass KI in gesellschaftliche Bereiche und Wertschöpfungsprozesse eingreift, nicht auf spezielle Anwendungsdomänen beschränkt ist, und die private Kommunikation und Interaktion von Menschen modifiziert, entwickeln sich ethische Fragen. Insbesondere wenn die derzeit schwache KI, das heißt durch den Menschen programmierte Systeme, zu einer starken KI entwickelt wird, welche sich eigenständig gestaltet und weiter ausbildet, werden ethische Herausforderungen deutlich.

Im Hinblick auf den Zweck von KI, nämlich Entscheidungen autonom und ohne Beeinflussung durch Menschen zu treffen, entsteht die Diskussion, in welchem Maße Maschinen dies tun sollten und welche Konsequenzen sich ergeben, vor allem bei negativen Folgen. Beispielsweise wenn ein Mensch zu Schaden kommen sollte oder Sachgegenstände beschädigt werden stellt sich die Frage, wer dafür letztendlich haftet. Die Verantwortung ist somit ein zentraler Punkt der Ethik. Damit geht auch die Frage einher, nach welchen Kriterien autonome Entscheidungen getroffen werden sollen, vor allem wenn alle Entscheidungsoptionen zu negativen Auswirkungen führen. Ein weiterer wichtiger Punkt für die Akzeptanz von KI ist insofern auch die Transparenz der Entscheidungsprozesse der Systeme, welches jedoch durch das selbstständige Lernen eingeschränkt wird (Wittpahl, 2019).

Die Nutzen, wenn KI-Systeme die menschliche Leistung im Alltag und Arbeitsleben übernehmen, zeigen sich bereits in der Gegenwart. OP-Roboter assistieren bei chirurgischen Eingriffen im Krankenhaus, smarte Assistenten unterstützen bei alltäglichen Aufgaben und im Büro, und intelligente Sensoren ermöglichen das autonome Fahren. Riskant wird es dennoch, wenn die Systeme anfangen Menschen aufgrund ihres Wissens um ihre Handlungen zu diskriminieren (Moorstedt, 2017), sich eigenständige Systeme nicht mehr lenken und beeinflussen lassen, Chatbots anfangen öffentliche Kontroversen anzuführen, oder die Anwendungen für kriminelle Interessen und Waffensysteme zweckentfremdet werden (Kleinberg et al., 2017). KI kann somit zum Problem werden, wenn sie anfängt in Konkurrenz mit dem Menschen zu stehen. Damit diese allumfassend ethisch handeln könnte, müsste KI einen Willen ausprägen und ein Bewusstsein entwickeln, welches jedoch auch das Empfinden von Emotionen suggeriert, die wiederum unschlüssiges Handeln verursachen könnten (Scheutz, 2011, zitiert nach Wittpahl, 2019). Das fehlende Empfinden von Emotionen kann indessen auch einen Nutzen darstellen, denn die Maschinen handeln rational und unabhängig von emotionalen Schwankungen, weswegen sie letztlich berechenbarer und steuerbarer in Bezug auf ethische Entscheidungen handeln könnten (Arkin, 2009). Dies könne KI- Systeme somit sogar zum Vorbild für die Menschen machen, behauptet Wittpahl (2019).

Mit Blick auf die Wechselbeziehungen von KI mit der Wirtschaft, Gesellschaft, und Ethik kann resümierend festgehalten werden, dass Künstliche Intelligenz weiterhin ein Thema ist, welches von verschiedenen Standpunkten betrachtet werden muss. Zum einen werden Nachteile und Risiken diskutiert, wie ein starker Anstieg von Arbeitslosigkeit oder nicht mehr steuerbare KI-Systeme, die möglicherweise Schaden verursachen könnten. Zum anderen werden jedoch auch Vorteile und Potenziale dargelegt, wie verbesserte Arbeitsqualität und Anwendungsmöglichkeiten von KI in der Medizin. Die Chancen und Risiken von KI sollen daher vertieft anhand des Diskussionspapiers von Mannino et al. (2015) betrachtet werden. Auch bei der Ansicht ethischer Gesichtspunkte wirft die Anwendung und Entwicklung von KI Fragen auf und Herausforderungen werden sichtbar, insbesondere in dem Fall, dass KI-Systeme ein Bewusstsein entwickeln oder zum Rivalen des Menschen werden. Abschließend ergeben sich aus den Risiken und ethischen Herausforderungen ebenfalls Fragen dazu, mit welchen Maßnahmen diesen präventiv entgegengewirkt werden kann. Somit sollen auch die beiden genannten Gesichtspunkte anhand des Diskussionspapiers von Mannino et al. (2015) begutachtet werden.

2.3 Forschungsfrage und Teilforschungsfragen

Aufgrund der oben genannten Erkenntnisse wird die folgende wesentliche Forschungsfrage „Welche Chancen und Risiken bringt Künstliche Intelligenz mit sich?“ abgeleitet. „Welche ethischen Herausforderungen verursacht Künstliche Intelligenz?“ und „Welche Maßnahmen sollten getroffen werden bei der vermehrten Einführung von Künstlicher Intelligenz?“ werden als weiterführende Teilforschungsfragen formuliert.

3. Methoden und Ergebnisse

Die abgeleiteten Forschungs- und Teilforschungsfragen sollen anhand des Diskussionspapiers „Künstliche Intelligenz: Chancen und Risiken“ der Stiftung für effektiven Altruismus (Mannino et al., 2015) inhaltsanalytisch ausgewertet werden. Dieses Papier diskutiert die Vor- und Nachteile gängiger KIs und knüpft dabei auch an die konfrontierenden ethischen Herausforderungen an, die es bei der Anwendung und Entwicklung der intelligenten Systeme zu beachten gilt. Darüber hinaus werden die Auswirkungen der fortschreitenden KI-Forschung auf die Wirtschaft samt den Konsequenzen für den Arbeitsmarkt betrachtet. Die Entwicklung (über)menschlicher Intelligenz und Erschaffung von künstlichem Bewusstsein geht zudem mit langfristigen und folgenschweren Risiken einher, die auch von den Autoren dargestellt werden. Mannino et al. (2015) legen ebenfalls Maßnahmen dar, die getroffen werden sollten, um negativen Entwicklungen entgegenzuwirken und positive Auswirkungen zu fördern.

3.1 Vorgehen

Mit Hilfe einer qualitativ inhaltlich strukturierenden Inhaltsanalyse soll das Diskussionspapier „Künstliche Intelligenz: Chancen und Risiken“ von Mannino et al. (2015) begutachtet werden. Diese Methode eignet sich insbesondere dadurch, dass diese komplexe Sachverhalte durch die Kategorienbildung vereinfacht (Kuckartz, 2016).

[...]

Details

Seiten
31
Jahr
2020
ISBN (eBook)
9783346325839
ISBN (Buch)
9783346325846
Sprache
Deutsch
Katalognummer
v976200
Institution / Hochschule
SRH Fernhochschule
Note
1,7
Schlagworte
Chancen Risiken Qualitative Datenanalyse Inhaltsanalyse Gesellschaft Ethik Künstliche Intelligenz

Autor

  • Autor: undefined

    Elsa Gavriilidis (Autor)

    5 Titel veröffentlicht

Zurück

Titel: Welche Chancen und Risiken bringt künstliche Intelligenz mit sich? Ethische Herausforderungen und Maßnahmen bei der vermehrten Einführung von KI