Dossier 5: KI und algorithmische Verantwortung#

KI ist Werkzeug, nicht Akteur. Sie braucht Transparenz, Auditierbarkeit, Fairness, menschliche Verantwortung und Schutz vor Manipulation.

Praxisbeispiele#

 Beispiel: Ein KI-System in der öffentlichen Verwaltung darf nicht nur Effizienz verbessern; es muss Fairness, Widerspruchsrechte, Erklärbarkeit und Fehlerkorrektur sichern.

 Datenquellen: Modellkarten, Trainingsdatenbeschreibung, Bias-Tests, Auditprotokolle, Incident-Reports, AI-Act-Klassifikation.

 Bewertung: KTI-Index, Manipulationsrisiko, Diskriminierungsrisiko, Datenqualität, Erklärbarkeit, Menschenaufsicht, Korrekturverfahren.

Datenquellen und Datenqualität#

 Primärdaten aus Projekten, Registern, Repositorien, Audits und Berichten.

 Sekundärdaten aus EU-, OECD-, UNESCO-, Destatis-, Eurostat-, BSI/ENISA- und WÖk-ID-Quellen.

 Datenqualität wird nach Herkunft, Aktualität, Prüfbarkeit, Unsicherheit, Verzerrungsrisiko und Schutzbedarf bewertet.

Berechnungs-/Bewertungslogik#

Dimension Arbeitsgewicht v0.1 Beispielindikatoren Wirkungspfad 25 % Zielzustand, plausible Zustandsveränderung, Gegenindikatoren Datenqualität 20 % Offenheit, Auditierbarkeit, Unsicherheit, Replikation Systemwirkung 20 % Rückkopplung, Skalierbarkeit, Interdependenzen, Resilienz Schutz und Rechte 15 % Datenschutz, Fairness, Grundrechte, Widerspruch, Teilhabe Transformation 20 % Lernfähigkeit, Transfer, Nebenwirkungsmanagement, Revisionszyklen

Risiken und Schutzlinien#

 Kein Score für Menschen.  Keine automatische Förder- oder Sanktionsentscheidung ohne menschliche Prüfung.

 Keine Wissenschaftssteuerung durch politische Gefälligkeit.

 Keine Datenzentralisierung ohne Rechte, Rollen, Transparenz und Kontrolle.

 Keine KI-Nutzung ohne Verantwortungs- und Korrekturpfad.

Online- und Downloadlogik#

Das Einzeldossier soll als Online-Volltext mit Inhaltsverzeichnis, Download, Druckfunktion, Quellen, SDG-/SDG+-Block, Buchanker, Kontext-Werkzeugen und verwandten Portalseiten veröffentlicht werden.