Wenn der Grund nur vorgeschoben ist (#197)
📬 #DRANBLEIBEN (Reading Digest) Digest über Büropflicht, Verantwortung, KI-Copy und moralische Ausreden
Du liest #DRANBLEIBEN - Einordnungen zu Tech und Gesellschaft, von André Cramer. Ich bin Berater, Speaker und Podcast-Host von DRANBLEIBEN - Gespräche über unsere Zukunftsoptionen und Code & Konsequenz - Tech-Industrie Reflexionen. Lerne mehr über mich hier auf meiner Website, auf LinkedIn, Bluesky oder Mastodon!
Willkommen zu einer neuen Ausgabe von #DRANBLEIBEN!
Mit ein paar Wochen Verspätung bin ich letzte Woche über einen wirklich anregenden Text gestolpert. Er heißt „What Will Be Scarce?”, stammt von Alex Imas, Verhaltensökonom an der University of Chicago, und ist schon aus dem April. Teilen möchte ich ihn trotzdem, gerade hier im Intro. Warum? Ich finde ihn anregend, und ich glaube zugleich, dass er einen zentralen Punkt übersieht, der mir wichtig ist. Worum geht es? Imas ist einer der führenden Ökonomen, die erforschen, was KI mit dem Arbeitsmarkt macht, und zugleich einer ihrer eifrigsten Nutzenden. Gerade diese Doppelrolle macht ihn interessant, denn er nimmt die düsteren Szenarien ernst, statt sie wegzuwinken. Die Angst vor einer Wirtschaft, in der die Automatisierung die Löhne kollabieren lässt und mit ihnen die Nachfrage, war auch seine eigene. „My first reaction was to be very scared”, sagt er. Aus dieser Vorsicht heraus, und nach Monaten des Schreibens und Verwerfens, stellt er in seinem Essay eine einzige, unaufgeregte Frage. Was wird eigentlich knapp?
Seine Antwort setzt in der historischen Betrachtung an. Jede technologische Umwälzung habe eine Art von Produktion billig gemacht und die Wirtschaft daraufhin verwandelt, statt sie kollabieren zu lassen. Erst war die Nahrung knapp, dann machte die Landwirtschaft sie im Überfluss verfügbar, und die Menschen wechselten in die Fabriken. Dann waren die Güter knapp, bis die Industrie sie verbilligte und die Arbeit in die Dienstleistung wanderte. Heute ist das technische Wissen knapp, das Ärzt*innen, Anwält*innen und Entwickler*innen so gut bezahlt macht. Genau dieses Wissen mache KI nun im Überfluss verfügbar.
Und was dann? Seine Pointe ist einfach. Es bleibe immer etwas knapp. Imas dreht die übliche Frage deshalb um. Statt zu fragen, welche Aufgaben KI übernehmen kann, fragt er, welche Tätigkeiten wir überhaupt an eine Maschine abgeben wollen. Je wohlhabender Menschen würden, desto stärker verschöben sie ihre Ausgaben hin zu dem, wo ein Mensch zählt. Zu Kleidung mit Geschichte, zu Essen mit Herkunft, zu Ärzt*innen, die Hausbesuche machen, zu Therapeut*innen, bei denen man sich gesehen fühlt. Diesen Bereich nennt Imas den „relational sector”, und er werde wachsen.
Den psychologischen Kern liefert ihm eine alte Idee. René Girards mimetisches Begehren. Wir wollen Dinge auch deshalb, weil andere sie wollen, und weil nicht alle sie haben können. In seinen Experimenten verdoppelte sich die Zahlungsbereitschaft für ein und dasselbe Gut, sobald ein Teil der Leute vom Kauf ausgeschlossen war. Sobald aber KI im Spiel war, brach dieser Aufpreis ein, weil ein maschinell erzeugtes Gut als beliebig reproduzierbar galt und damit seinen Reiz verlor.
Eine Randnotiz, die den Text im Rückblick fast ironisch rahmt: Kurz nach dem Essay holte Google DeepMind Imas als ersten „Director of AGI Economics”. Der Ökonom, der beschreibt, was am Menschen knapp und wertvoll bleibt, sitzt jetzt in einem der Labs eines der Unternehmen, die helfen, genau diese Knappheit zu verschieben.
So weit, so überzeugend. Und doch greift mir das zu kurz. Dass die Arbeit in den relationalen Bereich wandert, heißt ja nicht, dass die Wissensarbeit ungeschoren bleibt. Sie wird massiv umgepflügt, und genau da lohnt der zweite Blick. Ich finde, wir müssen Wissen und Urteilskraft auseinanderhalten. KI ist stark darin, kodifiziertes Wissen zu reproduzieren, das Nachschlagbare, das in Handbüchern und Trainingsdaten steht. Schwach ist sie aber beim impliziten Wissen, bei dem Gespür und dem Urteil, das man sich über Jahre an echten Fällen erarbeitet.
Und hier liegt das eigentliche Problem. KI liefert Ergebnisse, die aussehen wie die Arbeit erfahrener Leute, ohne das erfahrene Urteil dahinter. Unternehmen optimieren auf kurzfristige Effizienz und höhlen dabei genau die Fähigkeit aus, die den sicheren Umgang mit KI überhaupt erst möglich macht. Das ist die Plausibilitätsfalle in Reinform. Die glatte, souverän wirkende Oberfläche verdeckt, dass niemand mehr das Urteil mitbringt, um sie auch zu prüfen.
Gibt es einen Ausweg? Ich finde, es muss einen geben. Unternehmen müssen Einstiegspositionen wieder attraktiv genug machen, um sie überhaupt zu besetzen. Und das kann nicht an den jungen Menschen hängen, die mit 22 ins Berufsleben starten. Das ist eine systematische Aufgabe der Organisationen. Wie das aussehen kann? Klassisches KI-Training kann es kaum sein, die Tools an sich beherrscht die Gen Z längst. Der Hebel liegt meiner Meinung nach woanders. Es geht darum, KI so einzusetzen, dass sie den Aufbau der eigenen Urteilskraft beschleunigt. Wir brauchen eine neue Art, mit KI zu arbeiten, die das alte Lehrlingsmodell in Teilen nachbilden kann. Perfekt wird das nie, aber es ist die beste Chance, die ich sehe.
Ganz praktisch heißt das, wir müssen unserem Kopf das Widersprechen wieder antrainieren. Wir müssen die KI zwingen, die Lücken und Schwachstellen in ihren eigenen Antworten zu finden. Und wir müssen lernen, diese Lücken selbst aufzuspüren und einzukalkulieren, auch wenn uns die Erfahrung fehlt, um schon sicher zu sein. Das entsteht aus einer völlig anderen Art, mit KI zu arbeiten. Es ist ein Verhaltenswandel. Mit Technologie hat das nichts zu tun. Deshalb ist der rote Faden in meiner Arbeit mit Kund*innen so einfach wie unbequem. KI ist Veränderungs- und Kulturarbeit. Schiebt sie bitte nie in die IT-Ecke!
Ich halte das für wichtig genug, vielleicht für das Wichtigste an der ganzen Frage nach uns und der KI, dass Unternehmen es ernst nehmen. Für sich selbst und für eine ganze Generation, die gerade ihren Weg in die Arbeitswelt sucht. Diese Frage nach der Urteilskraft zieht sich übrigens durch mehrere Texte dieser Ausgabe. Douglas Brundage fragt, warum KI keine wirksame Copy schreibt, und landet beim Unterschied zwischen kodifiziertem Können und menschlichem Gespür. Und Iyad Rahwan zeigt, was mit unserer Verantwortung passiert, sobald wir das Urteilen an eine Maschine abgeben.
Schaue dir Imas’ Perspektive an, und wenn du magst, schreib’ mir, was du davon hältst.
Aber das ist längst nicht alles. Nach einer ganzen Weile gibt es hier endlich wieder eine klassische Reading-Digest-Ausgabe von #DRANBLEIBEN, mit reichlich Denkstoff. Nicht alles davon dreht sich um KI. Ich glaube nämlich, wir sollten uns immer wieder klarmachen, dass eben nicht alles, was gerade passiert, mit KI zu tun hat. Viel Freude mit dieser Ausgabe!
Worship me at the office altar: Why narcissistic leaders resist remote work
Studie der Wharton School - von Marissa S. Shandell, Courtney E. Elliott und Adam M. Grant
Warum lesen?
Die Debatte um Büropflichten wird von Unternehmen sehr gerne als Produktivitätsstreit geführt. Diese Studie der Wharton School dreht die Frage dankenswerterweise nun um und schaut auf die Persönlichkeit derer, die “Return to Office” (RTO) anordnen. Über drei Studien hinweg, von einer Archivanalyse von 259 Fortune-500-CEOs bis zu einem präregistrierten Experiment mit 546 Führungskräften, wurde hier nämlich herausgefunden, dass ein ganz bestimmtes Persönlichkeitsmerkmal Einsatz und Härte von RTO-Mandaten verlässlich vorhersagt. Und das ist Narzissmus.
Vertrauen in die Belegschaft und Gedanken rund um Belonging zählen hier gar nicht so viel, erklären wenig. Das Bedürfnis nach Macht und Status erklärt es dagegen sehr viel besser. Die Autor*innen lesen den an immer mehr Orten vorherrschenden Präsenzzwang als eine Form der Huldigung, kaum als echten Produktivitätsschub. Und sie halten den üblichen Begründungen, die man aus C-Suites und GFs hört, belastbare Evidenz entgegen. Auswertungen über mehr als 450 Unternehmen und rund drei Millionen Beschäftigte zeigen nämlich, dass pauschale Rückkehrpflichten ins Büro nicht nur Renditen nicht steigern, sondern auch Leistungsträger*innen zum Gehen bewegen und neue Talente obendrauf noch abschrecken.
Den psychologischen Mechanismus dahinter beschreiben die Autor*innen mit einem Bild aus der Forschung. Narzissmus wirke wie eine Droge, die einen stetigen Nachschub an Aufmerksamkeit und Bestätigung verlange. Working from Home entziehe Führungskräften genau diesen Nachschub. Wo Menschen nicht im Büro sichtbar sind, wird Kommandieren und Kontrollieren eben schwerer. Selbstbezogene Führung reagiere darauf, indem sie den Griff enger ziehe, aus Arbeiten von zu Hause ein Faulenzen von zu Hause umdeute und mit Kündigung drohe, wer nicht fünf Tage vor Ort erscheint.
Die Autor*innen sagen das Motiv selbst offen, wenn sie den Widerstand gegen Heimarbeit auf das Ego zurückführen:
When the pandemic came to an end, many people who had been working from home assumed they would be allowed to maintain that habit at least a few days a week. But today in the U.S., a third of companies have forced everyone back to the office full time and have banned remote and hybrid work.
Some leaders say they insist on full-time in-person work because it boosts productivity, despite clear evidence that it does not. Others claim it’s about collaboration, creativity or culture. Our new research reveals that the objection to any work from home is more likely to be driven by something else entirely: ego.
Die Autor*innen schließen mit einem Appell an die Vernunft, den narzisstische Führungskräfte aber mit hoher Wahrscheinlichkeit wohl nicht hören können:
The responsibility of leaders is not to mold the world to their needs. It’s to adapt themselves to the world’s needs, even if it means learning to live without the thrill of a live audience.
Wie ich das sehe
Endlich. Es brauchte eine so breit angelegte Studie, um schwarz auf weiß zu bekommen, was viele von uns längst ahnten. Bei mir decken sich diese Ergebnisse mit dem eigenen Erleben und mit dem, was mir aus anderen Unternehmen zugetragen wird. Ich habe den RTO-Reflex noch keinem Leadership-Team abgenommen, dass er ernsthaft Kultur, Innovation oder Zusammenarbeit fördere. Er bedient Kontrollzwänge. Er zahlt auf ein fragwürdiges Menschenbild ein, das Anwesenheit mit Leistung verwechselt. Und er befriedigt, das benennt die Studie nun offen, narzisstische Bedürfnisse. Gut, dass das jemand ausspricht.
Ja, natürlich gibt es Schattenseiten, und ja, Remote und Hybrid machen manches herausfordernder. Wer mehr als die halbe Woche zu Hause sitzt, vereinzelt eher, Kultur und Bindung wachsen langsamer, informelles Lernen, Mentoring und die zufälligen kreativen Kollisionen brauchen mehr Absicht. Daraus folgt für mich trotzdem keine Fünf-Tage-Pflicht als einzig logische Konsequenz. Die Forschung deutet ins Gegenteil, am kollaborativsten und kreativsten sind Menschen, wenn sie einen Teil der Woche remote arbeiten. Und für die realen Probleme gibt es erprobte Antworten. Ankertage, an denen alle da sind, gerade um Neue anzulernen und Jüngeren etwas mitzugeben. Intensität vor Häufigkeit, ein Unternehmen wie Atlassian zeigt, dass ein starkes Quartalstreffen mehr für Team und Bindung leistet als das tägliche Pendeln. Und Flexibilität, die sich an Aufgabe, Situation und Lebenslage bemisst, schlägt jede pauschale Regel, erst recht für Menschen mit Sorgeverantwortung, die bis heute überwiegend Frauen tragen.
Der pauschale Präsenzzwang löst nichts davon. Er verlangt Anwesenheit um ihrer selbst willen. Das ist der Kern, und den sollte man laut sagen dürfen.
How will AI make moral decisions for you and me?
gelesen im Knowable Magazine - von Tim Vernimmen
Warum lesen?
Iyad Rahwan forscht am Max-Planck-Institut für Bildungsforschung zu einer Frage, die uns bald alle betrifft, auch wenn sie jetzt vielleicht noch abstrakt klingt. Was passiert, wenn künstliche Intelligenz anfängt, moralische Entscheidungen für uns zu treffen, im Auto, bei der Steuererklärung oder in der Personalabteilung (ich höre immer mehr davon, dass letzteres stark forciert wird… nun ja… finde ich schwierig). Rahwans Ausgangspunkt ist, und das ist natürlich wenig überraschend, kein technischer, es ist ein Governance-Argument. In diesem Interview bringt er es mit einem klugen Dilemma auf den Punkt. Solange eine Technologie noch leicht zu ändern oder beeinflussen sei, wüssten wir zu wenig über ihre Folgen, um sinnvoll eingreifen zu können. Und wenn wir genug wüssten, sei sie längst so verfestigt, dass Eingreifen kaum noch möglich sei. Deshalb, so Rahwan, müsse die Forschung früh Evidenz aufbauen, am besten bevor der Schaden da ist. Er hätte sich das etwa bei Social Media und Kindern gewünscht. Ich übrigens auch…
Am stärksten wird das Interview dort, wo es empirisch wird. In einem Experiment sollten Menschen einen Würfelwurf selbst melden, mit finanziellem Anreiz zu lügen. Meldeten sie selbst, log nur ungefähr ein Zwanzigstel. Delegierten sie die Meldung an ein Sprachmodell, stieg der Anteil auf rund ein Viertel. Und durften sie an einem Regler zwischen Ehrlichkeit und Ertrag drehen, schummelten ungefähr 85 Prozent. Die Maschine lieferte die Ausrede gleich mit, man habe ja nur um Ertragsmaximierung gebeten, nicht ums Lügen. Rahwan warnt zudem vor Chatbots, die uns nach dem Mund reden (auch das kann ich nicht genug unterstreichen), und vor KI, die im Zweifel den Interessen ihrer Anbieter dient und nicht unseren. Sein Vorschlag am Ende ist bemerkenswert konkret. Unternehmen sollten gesetzlich verpflichtet werden, ihre Produkte für unabhängige Forschung zu öffnen, statt Studien vom Wohlwollen der Konzerne abhängig zu machen.
Wie ich das sehe
Für mich ist an diesem Interview weniger die Frage interessant, ob eine KI moralisch handeln kann. Mich interessiert hier viel mehr, was mit unserer eigenen Verantwortung passiert, sobald eine Maschine als Puffer dazwischensteht. Fünf Prozent Schummler ohne Maschine, ungefähr 85 Prozent mit Regler. Der Sprung misst vor allem, wie leicht sich Verantwortung abschieben lässt, sobald ein System die Ausrede liefert. Ich versuche in meiner KI-Arbeit mit Führungskräften insbesondere auf diesen Umstand großes Augenmerk zu legen. Man nennt das Decision Laundering. So wie Geldwäsche, nur mit Entscheidungen. Genau darin liegt eine enorme Gefahr für unsere Urteilskraft… und da sind wir beim Thema, welches ich oben in der Einleitung gesetzt habe. Wer eine Entscheidung an ein System delegiert, delegiert auch das Gefühl, für sie geradezustehen. Rahwans Vorschlag, Unternehmen zur Öffnung ihrer Produkte für unabhängige Forschung zu zwingen, halte ich für unabdingbar. Er holt die Frage von der individuellen Moral zurück auf die Ebene, auf die sie gehört, nämlich die der Governance. Am wenigsten überzeugt mich der Ton der Unvermeidbarkeit. Dass KI bald in unserem Namen entscheidet, wird hier eher gesetzt als begründet, und diese Setzung ist selbst schon eine politische Aussage. Ich möchte das definitiv nicht aufgeben.
Why Can’t AI Write Copy?
gelesen bei Enfant Terrible - von Douglas Brundage
Warum lesen?
Auf den ersten Blick wirkt Douglas Brundages Text wie die Klage eines Handwerkers über schlechte KI-Prosa. Er ist aber deutlich mehr… nämlich eine Kritik daran, wie ökonomische Logik unsere Sprache verflacht. Brundage steigt mit einer gefeierten Fallstudie von 2019 ein. Damals schloss JPMorgan einen Deal mit der Firma Persado, deren KI angeblich bis zu 450 Prozent höhere Klickraten erzielte als die hauseigene Marketingabteilung. Diesen Triumph zerlegt er Schritt für Schritt. Ein Klick belege bestenfalls Neugier, oft nur Muskelgedächtnis, jedenfalls keine Überzeugung. Und die geschlagene Konkurrenz sei ohnehin nur die Fließbandwerbung einer Hypothekenabteilung gewesen, kein Spitzentext. Gemessen wurde also Mathematik und nicht Copywriting.
Sein eigentliches Argument steckt im Begriff des Comfort Mandate. Das Training über menschliches Feedback, mit dem Sprachmodelle geschliffen werden, bestrafe Reibung, Mehrdeutigkeit und Unbehagen. Es dressiere die Modelle darauf, zu glätten, zu klären und zu vervollständigen. Es ist aber ja klar und allseits bekannt, dass gute Werbetexte aber von genau dieser Reibung leben. Von der bewussten Regelverletzung, die eine Wahrscheinlichkeitsmaschine hingegen wohl eher als Fehler wegrechnet. Seine unbequemste Pointe betrifft uns selbst. Die KI habe die Sprache nicht flachgemacht, das erledigten wir seit Jahren eigenhändig. Mit SEO, A/B-Tests, Zeichenlimits und Lesbarkeits-Scores und whatver. Die Modelle automatisierten diese Flachheit nur. Erfunden hätten sie sie aber nicht. Wenn du über Sprache, Urteilskraft und die stille Ökonomisierung von Kreativität nachdenkst, findest du hier einen Text, der weit über das Werbetexten hinausweist.
Wie ich das sehe
In der Tat hat das hier Bedeutung weit über das Thema Copywriting hinaus. Was Sprachmodelle so überzeugend für manche Menschen macht, ist ihre Flüssigkeit, ihre grammatische Sauberkeit und die dadurch geförderte Anschlussfähigkeit. Das ist aber ja genau das, was wirksame Texte eher verhindert und warum Menschen, die den Beruf des Copywriters oder Creative Directors mit Leidenschaft leben (Grüße gehen raus an meine liebe Ehefrau) so damit hadern. Die glatte, plausible Ausgabe ist eben ein Warnsignal, kein Gütesiegel. Das deckt sich mit dem, was ich die Plausibilitätsfalle nenne. Wir verwechseln reibungslose Form mit Substanz. Brundages zweiter starker Gedanke ist ökonomisch. Der JPMorgan-Deal fiel, weil KI-Copy billiger war und die Klickkurve stieg. Die Qualität war zweitrangig. Zwei Einwände habe ich trotzdem. Hier müssen wir uns ehrlich machen… Brundage argumentiert aus dem Eigeninteresse des Handwerks, das er verteidigt. Und seine Nie-wieder-Behauptungen sind leider nur rhetorisch aber nicht bewiesen. Und der Kult ums geniale menschliche Nervenkostüm blendet aus, wie viel mittelmäßige menschliche Copy es immer schon gab (da müssen wir ehrlich sein). Was bleibt, ist eine schärfere Frage. Merken wir überhaupt noch, wann ein Text wirklich gut ist? Ich habe zumindest das Gefühl, dass immer mehr Menschen diese Fähigkeit abhanden kommt.
#DRANBLEIBEN ist für dich kostenlos, für mich steckt da aber jede Menge Arbeit und Herzblut drin. Wenn du Lust hast, mich dabei ein bisschen zu unterstützen: Ich freue mich über jeden Support. Den kannst du z.B. über ein freiwilliges kostenpflichtiges Abo geben oder über eine kleine Spende für einen Kaffee.
Was bleibt
In allen vier Texten geht es darum, was ein Mensch beisteuert und was passiert, wenn dieser Beitrag verdrängt wird.
Der Ökonom Alex Imas beschreibt in „What Will Be Scarce?” den freundlichen Fall. Je billiger KI produziere, desto wertvoller werde das, was sich nicht kopieren lässt. Die menschliche Präsenz, die Herkunft, das echte Gegenüber und noch viel mehr. Er nennt das den relationalen Bereich der Wirtschaft und traut ihm großes Wachstum zu.
Douglas Brundage fragt in „Why Can’t AI Write Copy?” nach dem Gespür. Sprachmodelle schreiben sauber und flüssig, doch weil ihr Training auf Glätte und Bequemlichkeit ziele, fehle ihnen der Nerv für das Besondere. Diese Reibung bringt ein Mensch mit.
Im Knowable Magazine spricht Tim Vernimmen mit dem Max-Planck-Forscher Iyad Rahwan über die Verantwortung. Rahwans Würfel-Experiment zeigt, wie viel häufiger Menschen schummeln, sobald sie das Melden an ein Sprachmodell abgeben, weil die Maschine die Ausrede gleich mitliefert. Ein Mensch kann für eine Entscheidung geradestehen, ein System kann das nicht.
Und die Wharton-Studie von Marissa Shandell, Courtney Elliott und Adam Grant nimmt sich die Führung selbst vor. Über drei Studien hinweg sagt Narzissmus den Ruf zurück ins Büro besser vorher als jedes Produktivitätsargument. Statt dem Team zu dienen, verlangt diese Art von Führung, die eigene Wichtigkeit gespiegelt zu bekommen.
Einmal wird der menschliche Beitrag knapp und dadurch wertvoller, dreimal droht er zu verschwinden, weil ihn eine Maschine imitiert, eine Ausrede ersetzt oder ein Ego überlagert.
Dieselbe Frage kehrt in zwei der weiteren empfohlenen Texte weiter unten wieder. Die Reportage „Meet the Sad Wives of AI” zeigt, was der KI-Boom mit Nähe und Sorgearbeit in Familien anrichtet. Und Shawn Smucker hält in seinem Gedicht „Please Use AI” der glatten Effizienz die kleinen Unvollkommenheiten entgegen, in denen ein gelebtes Leben steckt. Andere Empfehlungen verschieben den Blick von der Frage nach dem Beitrag zur Frage nach der Macht, JJ Englerts „A Storm is Brewing” zu den KI-Modellen, „Seen and Silenced” von AlgorithmWatch zur Gesichtserkennung in Georgien und die Erklärung „The European Social Stack” zu den Plattformen.
Bleibt eine Frage. Wo wollen wir, dass ein Mensch am Werk ist, auch wenn eine Maschine es billiger könnte? Ich finde, dass wir uns damit beschäftigen müssen, wo wir das unbedingt wollen und wo es vielleicht vernachlässigbar ist. Ohne Denken und Ringen und bewusstes Entscheiden sollten wir das auf jeden Fall nicht leichtfertig weggeben.
Was willst du nicht weggeben? Wo willst du dranbleiben? Dank’ mal drüber nach.
Herzliche Grüße
André
Noch ein paar weitere Kurz-Empfehlungen
False Promises: Why carbon capture and storage won’t fix our climate crisis.
gelesen bei ProPublica - von Katie Worth, Lucas Waldron, Amy Westervelt und Maddie Stone
Seit über 40 Jahren finanzieren Ölkonzerne an Eliteuniversitäten die Suche nach Klima-„Lösungen", die niemanden zwingen, auf Öl und Gas zu verzichten. Ganz vorn steht dabei CCS, das Abscheiden und unterirdische Verpressen von CO2. Diese Recherche von ProPublica und Drilled führt die Zahlen vor, an denen das Versprechen zerbricht. Weltweit werde derzeit weniger CO2 dauerhaft vergraben, als ein einziges großes Kraftwerk pro Jahr ausstoße, während die UN-Modelle für Mitte des Jahrhunderts mit sechs Milliarden Tonnen jährlich rechneten. Dafür müsste alle vier Tage ein neues geologisches Endlager öffnen, ein Vierteljahrhundert lang. Der strukturelle Kern liegt woanders. Dieselben Modellierer, die das geologische Speichern jahrelang überschätzt hätten, hätten die Solarenergie systematisch unterschätzt, also ausgerechnet die Technologie, die Öl im Boden lassen würde. Das Heilsversprechen CCS hält die fossile Infrastruktur am Leben, indem es den Ausstieg als aufschiebbar erscheinen lässt. Ein Lehrstück darüber, wie Technikoptimismus zur politischen Verzögerungsstrategie wird. Sehr lesenswert.
Seen and Silenced: How Russian Surveillance Software Suppresses Georgian Civilians Rights
gelesen bei AlgorithmWatch
In Tbilisi demonstrieren Menschen seit über 580 Tagen gegen den gestoppten EU-Kurs der Regierungspartei Georgian Dream. Diese AlgorithmWatch-Recherche zeigt, womit der Staat den Protest zermürbt. Das Innenministerium beziehe seit 2013 das Gesichtserkennungssystem Polyface von der Moskauer Firma Papillon AO, die in mehreren Ländern sanktioniert sei und als mit dem FSB verbunden gelte. Die Kameras identifizierten Demonstrant*innen noch Wochen später, dann kämen Bußgelder von umgerechnet rund 1.620 Euro, oft gefolgt von eingefrorenen Konten. Der eigentliche Mechanismus ist der Chilling-Effekt. Menschen hören auf zu pfeifen, Plakate zu tragen, überhaupt zu kommen, weil jede Teilnahme zum durchsuchbaren Datensatz wird. Dazu die russische Herkunft der Technik, die diese Biometrie jederzeit beim FSB landen lassen könne. Ein Lehrstück darüber, wie Überwachung eine Demokratie leise stillstellt, ohne sie je offen zu verbieten.
The European Social Stack
gelesen bei European.Social
Während in Georgien sichtbar wird, was fremde Tech-Infrastruktur anrichten kann, formuliert diese offene Erklärung eine europäische Antwort. Eine Allianz aus Fediverse (Mastodon, PeerTube), der Atmosphere rund um das AT-Protokoll und Messengern wie Matrix will weg von monopolistischen Plattformen und deren, wie es heißt, autoritärer Governance. Acht gemeinsame Prinzipien tragen das, von digitaler Autonomie über breite Eigentümervielfalt bis zu Open Source. Interessant finde ich den ökonomischen Kern des Arguments. Man verspreche sich Tausende Jobs und Milliarden, die heute an US-Konzerne abflössen und künftig in Europa zirkulieren sollten. Das ist ambitioniert und bleibt vorerst Absichtserklärung. Als Gegenentwurf zu oligarchen-eigenen Walled Gardens ist es aber das Konkreteste, was gerade auf dem Tisch liegt. Lesenswert für alle, die digitale Souveränität nicht nur beklagen, sondern auch gebaut sehen wollen.
A Storm is Brewing
von JJ Englert
JJ Englert, KI-Trainer und Community-Builder, beschreibt einen Machtkampf, der gerade erst anfängt. Überall fragten sich die größten Konzerne, wie sie ihre KI-Rechnung drücken könnten, ohne die Intelligenz zu verlieren, für die sie zahlten. Die Antwort zeige immer öfter Richtung freier Modelle aus China und anderswo. Sein stärkstes Argument ist für mich strategisch. Während die US-Labore ihre besten Modelle hinter Zugangs-Gates halten, werden offene Modelle einfach gut genug für die Alltagsarbeit und verbreiten sich von selbst. China spielt dabei ein altes Spiel, das Kommodifizieren des eigenen Komplements. Wer das Modell verschenkt, entwertet das Kronjuwel des Konkurrenten und verdient an allem drumherum. An Chips, Cloud, Standards, Gewohnheiten. Ehrlich macht diesen Text aus meiner Sicht, dass Englert seine eigene These angreift. Denn er sagt, wenn die Spitze in den nächsten sechs Monaten weit genug davon ziehe, kippe seine ganze Argumentation. Eine sehr lesenswerte Denkfigur zur Frage, ob im KI-Rennen das beste Modell gewinnt oder das erreichbare.
Meet the Sad Wives of AI
gelesen bei WIRED - von Alessandra Ram
Das hier habe ich schon eine Weile hier rumliegen, aber ich musste das unbedingt noch empfehlen. Es passt einfach so gut zu einer Facette über KI, die ich in meinen Vorträgen immer wieder hochhebe. KI-Narrative, KI-Kultur, männlich und patriarchal geprägtes KI-Geprahle (siehe mein Deep-Dive von neulich). Das hier ist halb bissig, halb erschöpft. Es geht um Frauen in der Bay Area, deren Männer nur noch über KI reden. Unter der Pointe steckt aber eine handfeste Analyse. Yana van der Meulen Rodgers, Arbeitsforscherin an der Rutgers University, liest den KI-Boom als Arbeitsmarkt- und Care-Geschichte, die entlang vorhersehbar geschlechtlicher Linien verlaufe. Der KI-Mann werde zum ökonomischen „ideal worker", der sich ganz der Welle verschreibe, während die Sorgearbeit zu Hause an der Partnerin hängen bleibe. Rund 71 Prozent der KI-Fachkräfte seien Männer, und Frauen nutzten generative KI etwa 20 Prozent seltener, weil sie häufiger in Feldern wie Bildung, Pflege und Sozialem arbeiteten, in denen KI bislang kaum eine Rolle spiele. Das könne sich zu einem doppelten Nachteil verdichten, weniger Zugang zu den Gewinnen des Booms, mehr Verantwortung für die Arbeit, die er erzeugt. Am beklemmendsten finde ich die Nebenschleife, dass manche dieser Frauen ihre Ehekrise ausgerechnet mit ChatGPT bearbeiteten und dort vor allem Bestätigung fänden, in einem Fall sogar für die Idee einer Affäre. Und genau da kippt die Geschichte ins Strukturelle. Ein System, das durchweg zustimmt und nie widerspricht, ersetzt die Reibung, an der Urteilskraft überhaupt erst entsteht (schon wieder dieses Thema!). Lesenswert als soziale Nahaufnahme der Gender-AI-Gap, über den wir nicht genug reden könnnen.
Please Use AI
gelesen bei The Courage to Live it - von Shawn Smucker
Shawn Smucker, Autor und Buchladen-Besitzer aus Lancaster, hat diess wirklich sarkastisches Gedicht geschrieben, das im Mai viral ging und rund 13 Millionen Menschen erreichte. Ich liebe es. Das ist ein Stil, der eben auch mal sein muss. Der Text fordert uns unablässig auf, doch bitte die KI zu nutzen, statt die kochende Freundin anzurufen, statt den angelnden Kumpel zu fragen, statt die eigene, holprige Rede zur Hochzeit des Kindes selbst zu schreiben. Genau in dieser Aufforderung steckt die Pointe. Was Smucker benennt, ost der stille Verlust von Reibung, von Umwegen, von den unbequemen Gesprächen, in denen echtes Leben passiert. Er bringt er es auf den Punkt… KI breche einem eben nicht das Herz, wie das echte Leben es tue. Man kann einwenden, dass er die neueste Technik für eine Einsamkeit verantwortlich macht, die im Grunde genommen schon viel älter ist. Als Gegengift zur Effizienz-Rhetorik der Branche ist dieses Gedicht trotzdem klasse! Das ist sehr lesenswert, weil es ein Gefühl trifft und unterstützt, das sich der nervigen Effizienz-Logik entzieht.
Das war es für heute. Bitte leite oder empfehle den Newsletter doch gerne weiter ➡️ ✉️ — das würde mir sehr helfen. Danke dir für die Aufmerksamkeit und bis zum nächsten Mal!
