LiminarModul 3 — Künstliche Intelligenz und Gesellschaft
Wo Technik auf Werte trifft: Ethik, Verantwortung und Vertrauenswürdigkeit von KI — konsequent aus der Perspektive von Verwaltung, Politik und Gemeinwohl. Zusammenfassung und Präsentation zum Nachlesen, eine Essay-Übung über beide Lehrveranstaltungen und ein abschließender Wissenscheck.
M3 · Pflichtmodul · Asynchrones Online-Modul · Überkapitel zu LV 3.1 & 3.2 · Deutsch · Voraussetzungen: keine
Worum es in diesem Modul geht.
Modul 3 fragt nicht, was Künstliche Intelligenz kann, sondern was sie soll. Es verbindet die Technikethik (LV 3.1) mit dem Konzept der Trustworthy AI (LV 3.2) und übersetzt beide in die Realität des öffentlichen Sektors — dort, wo algorithmische Entscheidungen Rechte, Chancen und Vertrauen unmittelbar berühren.
Der Bogen reicht vom Technikbegriff (ist Technik neutral?) über moralische Algorithmen und die Grenzen von Fairness bis zur Verantwortungslücke autonomer Systeme und den sieben HLEG-Prinzipien. Konkrete Fälle — vom niederländischen Toeslagen-Skandal über den AMS-Algorithmus bis zum wertebasierten Vergleich von ChatGPT, Claude und Mistral — machen sichtbar, wie diese Konzepte im Verwaltungsalltag wirken.
Inhalt in Kürze
- Technikphilosophie — „Do artifacts have politics?“ (Winner), Instrumentalismus, Substantivismus, Konstruktivismus (Feenberg)
- Technik- & Maschinenethik — Ethiktheorien, Autonomiestufen moralischen Handelns, Value Alignment
- Fairness & moralische Algorithmen — Impossibility Theorem (Chouldechova), Bias-Taxonomie, Interpretability vs. Explainability
- Verantwortung & Aufsicht — Responsibility Gap (Sparrow), LAWS, Human Oversight (Art. 14 AI Act)
- Trustworthy AI — die 7 HLEG-Prinzipien, Ethik-Compliance-Gap, ALTAI-Beschaffung, Systemvergleich als Wertentscheidung
- den Technikbegriff und seine Folgen für die Verantwortungszuschreibung analysieren,
- ethische Spannungsfelder — Fairness, Autonomie, Transparenz — im KI-Einsatz erkennen und abwägen,
- die Responsibility Gap und das Gebot menschlicher Aufsicht organisatorisch einordnen,
- die sieben HLEG-Prinzipien anwenden und den Ethik-Compliance-Gap zum AI Act benennen,
- KI-Systeme wertebasiert für den öffentlichen Sektor beurteilen und auswählen.
Zwei Lehrveranstaltungen im Detail.
Modul 3 besteht aus zwei Teilmodulen. Jedes hat eine eigene Seite mit Überblick, Zusammenfassung, Präsentation und Selbsttest.
Präsentation ansehen, Unterlagen herunterladen.
Die Präsentation als Foliensatz direkt im Browser. Präsentation und Zusammenfassung stehen zusätzlich zum Download bereit.
Essay-Übung — Modul 3: Künstliche Intelligenz und Gesellschaft
In dieser Übung wenden Sie die Modulinhalte an, indem Sie einen wissenschaftlichen Essay verfassen. Wählen Sie eine der drei Forschungsfragen. Jede Frage spannt bewusst über beide Lehrveranstaltungen — LV 3.1 (Technikethik) und LV 3.2 (Trustworthy AI) — und prüft so den Kompetenzaufbau des gesamten Moduls. Richtwert: 2.000–3.000 Wörter, Zitation nach APA 7, Argumentation mit Blick auf den öffentlichen Sektor.
Forschungsfrage 1 · Fairness-Wahl & Ethik-Compliance-Gap (L3 + L6)
„Ab welchem Punkt wird die Wahl eines Fairness-Kriteriums zu einer demokratisch legitimationsbedürftigen Entscheidung — und wie überbrückt ein behördlicher Prozess den Ethik-Compliance-Gap zwischen AI Act und HLEG?"
Ausgehend vom Impossibility Theorem (Chouldechova, 2017) und der Gap-Definition (Mittelstadt, 2019) entwickelt der Essay ein Legitimations- und Dokumentationsverfahren, das die normative Fairness-Wahl aus der Entwicklung in die demokratische Sphäre zurückholt. Methodisch wird die Sechs-Filter-Einstufung (L6) mit der Bias-Taxonomie (L3) verknüpft. Erwarteter Beitrag: eine Heuristik, die Compliance und Ethik in einem behördlichen Prozess zusammenführt.
Forschungsfrage 2 · Responsibility Gap & Human Oversight (L4 + L5)
„Wie lässt sich die Responsibility Gap bei teilautonomen Verwaltungssystemen entlang der drei Autonomiestufen und des Human-Oversight-Gebots (Art. 14 AI Act) organisatorisch schließen?"
Auf Basis von Sparrow (2007) und Bostroms Value-Alignment-Problem prüft der Essay, welche Oversight-Ebene (in-the-loop / on-the-loop / in-command) je Autonomiestufe die Zurechenbarkeit sichert. Methodisch wird ein Accountability-by-Design-Modell hergeleitet und gegen den AI Act (Art. 14) getestet. Erwarteter Beitrag: ein Zuständigkeitsdesign, das die Verantwortungslücke in der Verwaltung schließt.
Forschungsfrage 3 · Systemwahl als Wertentscheidung (L5–L7 + Capstone)
„Inwiefern ist die Wahl zwischen ChatGPT, Claude und Mistral im öffentlichen Sektor keine technische, sondern eine wertebasierte Entscheidung — und wie operationalisiert ein ALTAI-gestützter Beschaffungsprozess die 7 HLEG-Prinzipien?"
Der Essay verbindet die 7-HLEG-Scorecard mit der Impossibility-Einsicht: Weil kein System alle Prinzipien erfüllt, ist die Wahl eine Wertentscheidung. Methodisch wird ein ALTAI-gestützter Beschaffungsprozess (Sensitivität × Prinzipien-Priorität → Modell) entwickelt und an drei Use-Case-Klassen validiert. Erwarteter Beitrag: eine wertexplizite Beschaffungsdoktrin für öffentliche KI.
Einleitung & Fragestellung · Theorie / Stand der Forschung · Analyse & Argumentation · Fazit & Praxisbezug · Literaturverzeichnis (APA 7).
Als Referenz für die Argumentation dient die Modul-Zusammenfassung (PDF).
Prüfen Sie Ihr Wissen.
21 Fragen aus allen Kapiteln und der Fallstudie (LV 3.1 + 3.2). Der Test wird freigeschaltet, sobald Sie Zusammenfassung und Präsentation durchgearbeitet haben. Ihr Fortschritt wird nur lokal in Ihrem Browser gespeichert.
Beide Schritte abhaken, um den Abschlusstest zu starten.
Noch gesperrt — bitte beide Schritte oben abhaken.