Gaming-Industrie und die Bau- und Immobilienwirtschaft

Wenn man als Kind leidenschaftlich gerne gespielt hat, ist es wohl kein Wunder, dass man auch als Erwachsener die Faszination für Spiele nicht verliert. Und da bin ich wahrscheinlich nicht alleine. Anstatt heute bei der Fußball Europameisterschaft für Mannschaften wie Polen, Frankreich, Österreich oder die Niederlande mit zu fiebern, bevorzugen andere eventuell die Partie Dänemark gegen Serbien oder England gegen Slowenien selbst am Rechner zu spielen. Wobei, so eine bis zu Letzt spannende Partie wie gestern Kroatien gegen Italien ist auch am Rechner schwer zu toppen.

Ein Blick zurück

Ich erinnere mich noch all zu gut, wie ich mich mit meinem besten Freund Carsten zum stundenlangen Zocken am C64 getroffen habe. Dank der ersten IT-Impulse meines damaligen Lehrers Herrn Hermann Kuhl (seit 2022 in Pension und jetzt Inhaber eines Verlags – ziemlich Cool, Herr Kuhl 😉 ) und meinen Eltern, die mir den ersten Rechner (jetzt alte Retromühle) spendiert haben, konnte sich das Thema Spiel später auch in meiner Doktorarbeit wiederfinden. In meiner Dissertation habe ich unter anderem untersucht, wie Planspiele zur Entscheidungsunterstützung und Weiterbildung in der Bauwirtschaft beitragen können. Diese Leidenschaft für das Spiel spiegelt sich auch in weiteren Entwicklungen wider, wie dem Construction Project Flight Simulator©, der Chameleon Business Simulation©, dem Construction Giant© und jüngst für den Katastrophenschutz das Planspiel Einsatz in Grimhausen. Da ich selbst sehr davon überzeugt bin, dass gerade das Spielen einen großen Mehrwert – auch im beruflichen Kontext – haben kann, möchte ich gerne darauf eingehen, wie die aktuellen Technologien, Methoden und Erfahrungen der Gaming-Industrie die Bau- und Immobilienwirtschaft voranbringen können.

Entwicklungen im Gaming Bereich

Die Gaming-Industrie hat sich in den letzten Jahrzehnten als Innovationsmotor etabliert. Unternehmen wie Sony Playstation, Xbox (“Weil es Halo halt einfach nur für die Xbox gibt!” , Gruß geht raus an den Salzburger Rapper DAME 🙂 ), Electronic Arts (EA), und Nvidia treiben die Entwicklung und Anwendung von Virtual Reality (VR), Augmented Reality (AR) und Künstliche Intelligenz (KI) voran. Diese Entwicklungen werden zukünftig auch die Bau- und Immobilienwirtschaft weiter beeinflussen. Als Beispiel die Unity Engine, die bereits für Lösungen in der Bauwirtschaft Anwendung findet (siehe hier).

Neben AR und VR hat die Gaming-Industrie aktuell durch die Entwicklung von KI-gesteuerten Spielen wie “Gran Turismo Sophy” neue Maßstäbe gesetzt (weiteres siehe Sony AI). Diese Technologie ermöglicht sehr realitätsnahe Simulationen und interaktive Umgebungen, die meiner Ansicht nach kurzfristig auch in der Bau- und Immobilienwirtschaft Anwendung finden können.

Nvidia, bekannt für seine fortschrittlichen Grafikprozessoren (GPU), hat ebenso bedeutende Fortschritte in der KI-gestützten Visualisierung gemacht (siehe hier). Lösungen von NVIDIA helfen bereits Architektinnen und Architekten wie auch Bauingenieurinnen und Bauingenieuren, detaillierte Modelle zu erstellen und zu simulieren (weiteres siehe AECO bei NVIDIA).

Der Einsatz solcher Technologien z.B. für die Erzeugung virtueller Erlebnisse ermöglichen den Nutzenden, Erfahrungen zu machen in einer nahezu realitätsnahen Umgebung. Dieses quasi-reale Erleben der Umwelt kann u.a. die (gemeinschaftliche) Entscheidungsfindung erheblich verbessern.

Möglichkeiten der Integration

Im folgenden möchte ich Ihnen kurz acht Möglichkeiten zeigen, in welchen Bereichen die Entwicklungen der Gaming-Industrie einen Mehrwert schaffen können. Dabei orientiere ich mich am Lebenszyklus in der Form: Planen, Bauen, Vermarkten und Betreiben.

1. Materialplanung

GPU-Technologien von NVIDIA können genutzt werden, für eine KI-gesteuerte Materialplanungssoftware zu. Diese Software könnte Bauprojekte in Echtzeit analysieren und den Materialbedarf optimieren, indem sie historische Daten und aktuelle Baufortschritte berücksichtigt. Dadurch könnten Materialverschwendung reduziert und Kosten gesenkt werden, was der Nachhaltigkeit und dem Lean Construction zuträglich wäre.

2. KI-gestützte Bauplanung

Denken wir noch weiter, können mit leistungsfähigen GPUs und Motherboards mit mehrfach GPU Steckplätzen umfassende KI-gestützte Bauplanungsprogramme entwickelt und genutzt werden. Diese können in der Planung und im Bau helfen, effizientere und nachhaltigere Bauwerke zu designen. Eine solche Software könnte umfangreiche Datenanalysen durchführen, um optimale Ressourcennutzung und Energieeffizienz zu gewährleisten. Durch die Integration von Sensoren und IoT-Technologien (Internet of Things) könnten Bauprojekte in Echtzeit überwacht und angepasst werden. Das minimiert wiederum den Material- und Energieverbrauch wie auch die Umweltbelastung.

3. Interaktive Projektsimulationen

Wer kennt ihn nicht, den Bau-Simulator von Astragon Entertainment. Obgleich der Simulator nicht ausdrücklich für die Praxis, die Lehre oder Weiterbildung vorgesehen ist, könnten die bisherigen Erfahrungen aus solchen Spielen nützlich sein. Denn damit könnten spezifischere und fachlich komplexere Simulationssoftware für Bauprojekte entwickelt werden. Eine solche Software könnte helfen, verschiedene Bauphasen und Szenarien basierend auf realen Planungsdaten (z.B. aus einem importierten Building Information Model) zu simulieren. Damit können z.B. Auswirkungen auf Zeitpläne und Budgets im zeitlichen Verlauf analysiert werden. Und durch die Integration von Echtzeit-Daten und fortschrittlicher Physik-Engine könnten diese Simulationen in der Bauausführung äußerst nützlich für die Risikobewertung sein. Dezenter Hinweis: Aktuell arbeiten wir an sowas. More to come 🙂

4. Virtuelle Baustellen

Mit VR/AR-Technologien wie bei Xbox und Playstation können Technologieanbieter oder auch Bauunternehmen selbst interaktive Baustellen-Apps entwickeln. Diese Apps könnten dem Baustellenpersonal Informationen und Echtzeit-Anweisungen direkt auf ihre VR/AR-Brillen projizieren. Dass kann die Effizienz und Sicherheit auf Baustellen erheblich verbessern. Solche Ansätze werden bereits in der Flugzeugwartung oder auch der Logistik angewendet. VR/AR kann auch genutzt werden, um Baufortschritte als Soll-Ist Vergleich zu visualisieren. Das kann helfen potenzielle Probleme frühzeitig zu erkennen.

5. Gamifizierte Bauprojekte

Erfahrungen aus dem Bereich Game-Design könnten genutzt werden, um Bauprojekte zu gamifizieren. Durch die Einführung von Gamification Elementen wie z.B. Belohnungssystemen könnten Mitarbeitende motiviert werden, ihre Produktivität und Genauigkeit zu steigern. Gamifizierte Lernmodule könnten auch zur Schulung neuer Mitarbeiterinnen und Mitarbeiter verwendet werden. Damit könnten sie schnell und effektiv in neue Aufgaben eingearbeitet werden.

Neben dem Bau könnte Gamification auch genutzt werden, um Sicherheitsregeln zu vermitteln und neue Technologien und Verfahren zu schulen. Durch die Integration von VR und AR könnten solche Schulungen noch realistischer werden, was zu sichereren und produktiveren Baustellen führt.

6. KI-gesteuerte Drohnenüberwachung

Nvidia, Xbox und DJI könnten zusammenarbeiten, um ein maximal leistungsfähiges KI-Drohnenüberwachungssystem zu entwickeln. Diese Drohnen könnten Baustellen eigenständig überwachen und dabei Bilder und Videos in Echtzeit übertragen und analysieren. Damit können z.B. potenzielle Sicherheitsrisiken und Baufehler frühzeitig “on the fly” identifiziert werden. Durch die Nutzung von Machine-Learning-Algorithmen könnte ein solches System kontinuierlich dazulernen. Das verbessert ihre Genauigkeit, was zu effizienteren und auch sichereren Baustellen führen wird. Hey, Nvidia, Xbox und DJI, wenn ihr das wirklich macht, möchte ich ‘ne Provision 😉 .

7. Personalisierte Immobilienerlebnisse

Mit den VR-Technologien von Playstation und Xbox könnten Immobilienfirmen immersive Verkaufsräume schaffen. Potenzielle Käuferinnen und Käufer könnten virtuelle Rundgänge durch Immobilien machen und dabei verschiedene Gestaltungsmöglichkeiten und Möbelplatzierungen ausprobieren. Durch die Kombination VR und KI könnten die virtuellen Touren weiter auf individuelle Bedürfnisse der Kundinnen und Kunden zugeschnitten werden. All das könnte die Kaufentscheidung erleichtern und das Kundenerlebnis erheblich verbessern.

8. KI-gestützte Smart Buildings

Mit den GPUs von Nvidia könnten KI-gestützte Systeme für Smart Buildings entwickelt werden. Diese Systeme könnten verschiedene Sensorik und Datenquellen nutzen. Damit kann die Gebäudeeffizienz optimiert werden, Energieverbrauch reduziert und der Komfort der Bewohnerinnen und Bewohner erhöht werden. Durch die Nutzung von Machine-Learning-Algorithmen könnten diese Systeme kontinuierlich dazulernen, um sich an die Bedürfnisse der Bewohnerinnen und Bewohner anzupassen.

Und nun?

Sie sehen, die Integration von Technologien und Erfahrungen aus der Gaming-Industrie bietet ein enormes Potenzial für die Bau- und Immobilienwirtschaft. Unternehmen, welche diese Technologien frühzeitig adaptieren, können mit Sicherheit erhebliche Wettbewerbsvorteile erzielen. Von daher mein Appell, nutzen Sie die Chancen und gestalten Sie den Wandel aktiv mit. Gehen Sie in Kommunikation mit Akteurinnen und Akteuren der Gaming-Industrie und nutzen Sie bisher ungeahnte Synergien. Ich bin überzeugt, Sie werden überrascht sein was noch alles möglich ist.

Und dass durch Computerspiele Fähigkeiten gefördert werden, die auch für die Arbeitswelt von Interesse sind, belegt eine aktuelle Studie der ManpowerGroup. Damit hat sich dann auch bewiesen, dass die Zockerei mit Carsten durchaus sinnvoll war. In diesem Sinne: Test Drive for ever! Für die Nostalgiker unter uns gibt es hier ein 20 minütiges Gameplay 🙂

Schlagwörter:  Künstliche Intelligenz, Gaming-Industrie, Nvidia, Xbox, Sony, Playstation, Electronic Arts, Internet of Things, Virtual Reality, Augmented Reality

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). Gaming-Industrie und die Bau- und Immobilienwirtschaft [Blog-Beitrag]. 25.06.2024. BauVolution, ISSN 2942-9145. online verfügbar




Video-to-Audio Tools für die Bau- und Immobilienbranche

Wer meinen Blog verfolgt weiß bereits gut, dass es in der Bau- und Immobilienwirtschaft so einige Herausforderungen gibt. Eine davon ist die Kommunikation zwischen verschiedenen Projektbeteiligten. Oft fehlt es an effektiven Mitteln, um örtliche Situationen, komplexe Sachverhalte oder auch Begründungen für Nachträge klar, verständlich und vor allem überzeugend zu vermitteln. Genau hier können Video-to-Audio Tools helfen, wie z.B. das KI-Tool von Google DeepMind, das automatisch Ton zu Videos hinzufügt (Details dazu hier.).

Stellen Sie sich vor, eine Bauleiterin oder ein Bauleiter nimmt ein Video einer Baustelle auf, um den Fortschritt zu dokumentieren. Anstatt eine separate Audioaufnahme oder eine schriftliche Beschreibung anzufügen, generiert die KI automatisch passende Kommentare und Erklärungen zum Video. Diese werden dann nur noch geprüft und ggf. etwas angepasst und schon ist die Video Dokumentation fertig. Das könnte die Arbeit massiv erleichtern, den Informationsfluss erheblich verbessern und vor allen Dingen Missverständnisse weiter minimieren.

Bisherige Erfahrungen mit Bildanalysen durch GPT

Bereits aktuell verfügbare KI-Systeme (Generative Pre-Trained Transformer, kurz GPT) sind sehr gut in der Lage Bilder zu beschreiben. Ich habe verschiedenste Experimente durchgeführt und mir z.B. Eigenschaften von Mauern oder auch Schadensbilder beschreiben lassen. Es ist in der Tat verblüffend, was ein GPT bereits alles erkennt und zuordnen kann. Auch die Ableitung von möglichen Ursachen für identifizierte Schäden waren zum großen Teil fachlich korrekt. Da liegt es natürlich nah, dass die bisherigen Textausgaben von den Entwicklern der GPT weiterverarbeitet werden, um mit entsprechenden Decodern eine Audio Datei zu generieren. Natürlich ist das Verffahren um einiges komplexer und feinteiliger. Sogar so feinteilig, dass es auf Pixeleben geht. Aber so tief wollen wir hier nicht eingehen. Was ich sagen will ist, dass der Schritt hin zu Video-to-Audio Tools ein völlig logischer ist und sich daraus interessante Anwendungsmöglichkeiten ergeben.

Anwendungsmöglichkeiten von Video-to-Audio Tools

1. Fortschrittsberichte und Kontrollen

Traditionell müssen Bauleiterinnen und Bauleiter ihre Beobachtungen schriftlich festhalten oder Audioaufnahmen machen, die später ggf. transkribiert werden müssen. Mit Video-to-Audio Tools können Videos von der Baustelle direkt mit erklärendem Ton versehen werden. Beispielsweise könnte ein Video eines fertiggestellten Fundaments aufgenommen werden, während die KI automatisch den Inhalt des Videos erklärt. Und noch einen Schritt weiter, das Video selbst wird auch automatisch aufgenommen, z.B. mit fest installierten Kameras, einer Drohne oder eines Roboters, der über bzw. durch die Baustelle geht.

2. Virtuelle Baustellenführungen

In Zeiten zunehmender Digitalisierung und Remote-Arbeit wird es zukünftig immer öfter vorkommen, dass Bauprojekte auch aus der Ferne überwacht werden können. Mit KI-generiertem Audio könnten virtuelle Baustellenführungen erstellt werden, welche den aktuellen Status und Fortschritt des Baus detailliert erklären. Das wäre besonders nützlich für Investoren oder das Projektmanagement, die nicht vor Ort sein können. Auch für die Information gegenüber der interessierten Öffentlichkeit wäre das eine gute Möglichkeit.

3. Schulung und Weiterbildung

Für die Ausbildung von neuen Mitarbeiterinnen und Mitarbeitern oder die Weiterbildung von Fachkräften in der Bau- und Immobilienwirtschaft könnten Videos mit automatisch generiertem Audio eine wertvolle und einfach zu erstellende Ressource werden. Ein Video, das die Installation einer bestimmten Systemkomponente zeigt, könnte durch die KI mit einer detaillierten Schritt-für-Schritt-Anleitung versehen werden, die wichtige Sicherheits- und Installationshinweise umfasst. Auch könnten sich Auszubildende durch eine solche Technologie unterstützen lassen, in dem sie sich erklären lassen, was in dem Video zu sehen ist und wie ein bestimmter Arbeitsprozess funktioniert.

4. Marketing und Vertrieb

Auch im Bereich Marketing und Vertrieb könnten Immobilienvideos mit automatischem Audio eine Erleichterung sein. Immobilienmaklerinnen und Immobilienmakler könnten Video-Touren von Objekten erstellen, die durch die KI mit professionellen Kommentaren ergänzt werden. Dabei wäre es sogar möglich mit dem entsprechenden Prompt auf die Bedürfnisse, Wünsche und Vorlieben der Kundschaft individuell einzugehen, um den Verkaufserfolg zu maximieren.

5. Technische Dokumentation und Archivierung

Ein weiterer Vorteil der KI-gestützten Video-to-Audio Tools liegt in der technischen Dokumentation und Archivierung. Bauprojekte erfordern eine umfangreiche Dokumentation aller Arbeitsschritte (die dann aus verschiedenen Gründen schließlich doch mangelhaft sein kann und dann – gibt’s Streit :- ( ). Videos mit automatischem Audio können diese Dokumentation erheblich vereinfachen, indem sie visuelle und auditive Informationen kombinieren – und das frühzeitig! Das macht es einfacher, den Verlauf eines Projekts nachzuvollziehen und zum Beispiel bei späteren Wartungsarbeiten auf präzise Daten zurückzugreifen. Im Falle eines Baumangels könnte dann auf diese Ressource zurück gegriffen werden, um sich ggf. vor einem Rechtsstreit einigen zu können.

Und nun?

Die Nutzung von KI-gestützten Video-to-Audio Tools für aufgenommene Videos kann eine Vielzahl von neuen Möglichkeiten mit sich bringen. Sie finden das Thema spannend für Ihr Unternehmen? Dann legen sie los, sobald Google oder wer auch immer sein Tool frei verfügbar macht! Entweder probieren Sie selbst aus oder finden in Ihrem Team eine interessierte und fähige Person und starten ein Pilotprojekt, um die Technologie in der Praxis zu testen. Nehmen Sie sich erstmal nur eine Teilaufgabe, um erste Erfahrungen damit zu sammeln. Wachsen geschiet Schritt für Schritt und nicht von heute auf morgen.

Was vor allem wichtig ist. Sie sollten eigene Standards, Richtlinien und Prozesse entwickeln, um die erstellten Audios zu verifizieren und sicherzustellen, dass die erzeugten Informationen genau und zuverlässig sind. Denn auch ein noch so tolles Video und ein noch so ausgefeilter Prompt kann nicht garantieren, dass die KI in der Lage ist fachlich alles 100% korrekt zu vertonen. Naja, irgendwas müssen wir ja auch selber machen 🙂 .

Schlagwörter:  DeepMind, Video-to-Audio, Künstliche Intelligenz, GPT, Baustellendokumentation, virtuelle Baustelle, Digitalisierung

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). Video-to-Audio Tools für die Bau- und Immobilienbranche [Blog-Beitrag]. 24.06.2024. BauVolution, ISSN 2942-9145. online verfügbar




DeepSeek Coder: Ein neuer Meilenstein in der Open-Source KI

Sowohl in unserem Projekt KI4Edu als auch im Projekt DigiTeamsBau sind die aktuellen und zukünftigen Entwicklungen in der digitalen Welt ein zentraler Punkt. Ein besonderes Anliegen ist dabei die Erfassung und stetige Verfolgung von technologischen Fortschritten (Technologieradar) wie z.B. in der Welt der künstlichen Intelligenz. Obgleich unser Blick aktuell durch die Fußball-Europameisterschaft (EM) eher auf den Kontinent Europa gerichtet ist und heute für die Mannschaften der Slowakei, Ukraine, Polen oder Österreich mitgefiebert wird, richtet sich mein Augenmerk gerade auf Asien. Denn dort hat es kürzlich einen bedeutenden Durchbruch gegeben: DeepSeek Coder ist das erste Open-Source Modell, das OpenAIs GPT-4 Turbo, Claude 3 Opus and Gemini 1.5 Pro übertrifft. Nach eigenen Angaben von DeepSeek sei dies das erste Mal, dass ein offenes Modell diese Leistung erreicht habe, und dass es damit dem Llama 3-70B und anderen Modellen dieser Kategorie weit voraus sei. Dieser Fortschritt markiert einen wichtigen Meilenstein in der Entwicklung von KI-Modellen und stellt eine bemerkenswerte Leistung in der Open-Source Entwicklung dar.

Was ist DeekSeek Coder?

DeepSeek Coder ist ein leistungsfähiges Codiermodell, das dazu entwickelt wurde, verschiedene Aufgaben im Bereich der Softwareentwicklung und Code-Generierung zu unterstützen und zu optimieren. DeepSeek-Coder-V2 unterstützt 338 Programmiersprachen und kann Kontexte von bis zu 128.000 Tokens verarbeiten. Das Modell wurde mit insgesamt 10,2 Billionen Tokens trainiert, davon 60 % Quellcode, 10 % mathematische Daten und 30 % natürliche Sprache. DeepSeek Coder unterstützt 338 Programmiersprachen, die auf 87 % Code und 13 % natürlicher Sprache in Englisch und Chinesisch trainiert wurden.

Was macht DeepSeek Coder so besonders?

1. Leistungsstärke und Vielseitigkeit

DeepSeek Coder, Teil der DeepSeek LLM-Familie, verfügt über 67 Milliarden Parameter. Diese große Anzahl ermöglicht es dem Modell, Aufgaben in verschiedenen Bereichen wie Programmierung, Mathematik und Sprachverständnis effizient zu bewältigen. Das Modell wurde umfassend auf einem umfangreichen Datensatz von 2 Billionen Tokens in Englisch und Chinesisch trainiert, was seine Vielseitigkeit und Leistung weiter verbessert.

2. Präzise Programmierleistung

Ein weiteres Merkmal des DeepSeek Coder ist seine Fähigkeit, Programmieraufgaben mit hoher Präzision zu lösen. Das Modell erzielte solide 73,78 % in der HumanEval-Bewertung, einem Benchmark, der speziell für die Bewertung der Fähigkeiten von KI-Modellen in der Programmierung entwickelt wurde. Diese Leistung ist beachtlich und zeigt die Effizienz von DeepSeek im Vergleich zu anderen Modellen ähnlicher Größe.

3. Stark in Mathematik und Sprachverständnis

Neben der Programmierung zeigt DeepSeek Coder auch in mathematischen Aufgaben starke Leistungen. Es erreichte beachtliche Werte im GSM8K Benchmark und in der One-Shot Bewertung. Zudem zeigte das Modell in Tests zur chinesischen Sprachkompetenz bessere Ergebnisse als andere hochentwickelte Modelle, was seine Fähigkeit zeigt, komplexe Sprachverarbeitungsaufgaben zu bewältigen.

Und nun?

DeepSeek Coder setzt neue Maßstäbe in der Welt der Open-Source-KI-Modelle. Mit seiner sehr guten Leistung in Programmierung, Mathematik und Sprachverständnis zeigt das Modell, dass Open-Source-Entwicklungen mit den führenden proprietären Modellen konkurrieren können. Das hilft vor allem bei der breiteren Nutzung und Weiterentwicklung von KI-Technologien.

Was aus meiner Sicht ganz besonders ist, ist die Entscheidung der Entwickler, DeepSeek Coder als Open-Source verfügbar zu machen. Das gilt sowohl für die 7-Milliarden- als auch die 67-Milliarden-Parameter-Versionen des Modells. Ein solcher Schritt fördert nicht nur die Anwendung in der Praxis und den öffentlichen Diskurs sondern auch die Zusammenarbeit in der Forschung und ermöglicht damit auch vielfältige Anwendungsmöglichkeiten. Inwiefern wir das in unseren Projekten einbinden werden, steht noch aus. Naja, eine grundlegende Idee haben wir schon, aber dazu später mehr 🙂 .

Schlagwörter:  Künstliche Intelligenz, Open-Source, DeepSeek Coder, GPT, Maschinelles Lernen, Programmierung, Sprachverarbeitung, Technologieradar

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). DeepSeek Coder: Ein neuer Meilenstein in der Open-Source KI [Blog-Beitrag]. 21.06.2024. BauVolution, ISSN 2942-9145. online verfügbar




Künstliche Intelligenz und ihre dunklen Seiten

Künstliche Intelligenz

Zum Thema Künstliche Intelligenz (KI) haben Sie in meinem Blog wahrscheinlich schon einige Beiträge gelesen (wie z.B. diese hier). KI hat in der Tat das Potenzial, viele Aspekte unseres Lebens zu transformieren, von der Art und Weise, wie wir arbeiten, bis hin zu unserem Wohnraum. Doch wer mich kennt, der weiß auch, dass ich nicht zu denen gehöre, die Technologie unreflektiert hypen.

Einerseits versuche ich immer eine offene und positive Grundeinstellung zu allem Neuen einzunehmen. Andererseits behalte ich mir immer auch vor in die andere Richtung zu schauen und zu versuchen Hindernisse und Herausforderungen zu sehen. Und das weniger, um die Innovationskraft zu schmälern. Im Gegenteil: Wenn wir wissen, welche Barrieren der Innovation entgegenstehen, können wir der Durchdringung noch am besten helfen. Und gerade beim Thema KI kommen zahlreiche Herausforderungen und unbeabsichtigte Konsequenzen auf uns zu.

In diesem Blog-Beitrag diskutiere ich 15 dunkle Seiten der Künstlichen Intelligenz. Dabei versuche ich anhand von Beispielen jeden Punkt in einen praxisrelevanten Kontext zu stellen und auch Hinweise zu geben, wie wir damit umgehen können.

1. Ausbeutung von Klickarbeitern durch Künstliche Intelligenz

Während die Künstliche Intelligenz als eine der bedeutendsten technologischen Errungenschaften des 21. Jahrhunderts gefeiert wird, bleibt eine ihrer grundlegendsten Unterstützungen im Schatten verborgen: die mühsame und schlecht bezahlte Klickarbeit (Tagesschau, 2024). Diese unsichtbaren Arbeitskräfte spielen eine fundamentale Rolle bei der Entwicklung und Verfeinerung von KI-Systemen, von der Bilderkennung bis hin zu komplexen Algorithmen für maschinelles Lernen. Doch die Bedingungen, unter denen diese Menschen arbeiten, werfen ernsthafte ethische Fragen auf (Spiegel, 2023). Auch in der Bau- und Immobilienwirtschaft werden die Folgen und Herausforderungen dieser Praxis sichtbar.

Die unsichtbare Armee hinter der Künstlichen Intelligenz

Klickarbeiter führen Aufgaben aus, die für das Training von KI-Systemen unerlässlich sind. Sie taggen Bilder, kategorisieren Daten und führen andere repetitive Aufgaben aus, die Algorithmen das „Lernen“ ermöglichen. Ihre Arbeit ist zeitaufwendig, oft monoton und wird in der Regel schlecht entlohnt. Trotz ihrer zentralen Rolle in der Entwicklung von KI erhalten sie selten Anerkennung oder angemessene Vergütung. Die Ausbeutung von Klickarbeitern wirft schwerwiegende ethische Fragen auf. Es geht um faire Löhne, Arbeitsbedingungen und die Anerkennung ihrer Beiträge zur KI-Entwicklung. Die Diskrepanz zwischen dem Wert, den ihre Arbeit für Unternehmen und Nutzende schafft, und ihrer Entlohnung und Behandlung ist beträchtlich. Diese Diskrepanz zeigt, dass unser Fortschritt in der digitalen Ära auf prekären und ungerechten Grundlagen beruhen kann.

Beispiel aus der Bau- und Immobilienwirtschaft

Beispiele für die Rolle von Klickarbeitern im Kontext der Künstlichen Intelligenz findet sich auch in der Bau- und Immobilienwirtschaft. Betrachten wir die Nutzung von KI zur Analyse von Satellitenbildern für die Bewertung von Grundstücken. Klickarbeiterinnen und Klickarbeiter taggen Bilder mit spezifischen Merkmalen wie Gebäude, Straßen und Grünflächen, um Algorithmen zu trainieren, die dann automatisiert den Wert eines Grundstücks einschätzen können. Diese Technologie verspricht Effizienzsteigerung und Kostensenkung, baut aber auf der mühsamen Arbeit von Menschen auf, die unter Bedingungen arbeiten, welche oft wenig mit den glänzenden Versprechen der Technologieindustrie gemein haben.

Herausforderungen

  1. Ungerechte Entlohnung und Arbeitsbedingungen: Klickarbeiter erhalten häufig sehr niedrige Löhne und arbeiten unter prekären Bedingungen, ohne soziale Absicherung oder Arbeitsrechte. Dies steht in starkem Kontrast zum hohen wirtschaftlichen Nutzen, den ihre Arbeit für Unternehmen generiert.
  2. Ethische Bedenken: Die Diskrepanz zwischen der wichtigen Rolle, die Klickarbeiter bei der Entwicklung von KI spielen, und der mangelnden Anerkennung und Entlohnung ihrer Arbeit wirft schwerwiegende ethische Fragen auf. Es geht um die gerechte Verteilung von Wohlstand und die Einhaltung menschenwürdiger Arbeitsbedingungen.
  3. Soziale Ungleichheit: Die fortschreitende Automatisierung und Digitalisierung könnten bestehende soziale Ungleichheiten weiter verstärken, wenn die fundamentalen Beiträge von Klickarbeitern nicht entsprechend gewürdigt und entlohnt werden. Dies könnte zu einer noch stärkeren Kluft zwischen den Gewinnern der digitalen Revolution und denjenigen, die im Schatten arbeiten, führen.
  4. Rechtliche und regulatorische Risiken: Unternehmen, die auf Klickarbeiter setzen, könnten sich rechtlichen Risiken aussetzen, wenn diese Arbeitskräfte unter fragwürdigen Bedingungen beschäftigt werden. Regulierungsbehörden könnten Maßnahmen ergreifen, um faire Arbeitspraktiken zu erzwingen, was zu zusätzlichen Kosten und rechtlichen Herausforderungen führen kann.
  5. Reputationsrisiken: Unternehmen, die von der Arbeit schlecht bezahlter Klickarbeiter profitieren, riskieren Reputationsschäden, wenn die Arbeitsbedingungen dieser Menschen öffentlich bekannt werden. Dies kann das Vertrauen der Kunden und Investoren beeinträchtigen und langfristig negative Auswirkungen auf das Geschäft haben.
  6. Nachhaltigkeit und langfristige Effekte: Eine auf Ausbeutung basierende Arbeitskraftstrategie ist nicht nachhaltig. Die langfristigen Effekte könnten in Form von erhöhter Mitarbeiterfluktuation, sinkender Arbeitsmoral und potenziellen Boykotten oder Protesten auftreten, was letztlich die Effizienz und Produktivität der betroffenen Unternehmen beeinträchtigen kann.

Gegenmaßnahmen

Es gibt einen wachsenden Ruf nach ethischer Verantwortung in der KI-Entwicklung, der die Bedingungen, unter denen Klickarbeiter arbeiten, miteinschließt. Unternehmen, die KI-Technologien entwickeln und nutzen, müssen sicherstellen, dass ihre Praktiken ethischen Standards entsprechen, die faire Löhne, humane Arbeitsbedingungen und die Anerkennung der Beiträge von Klickarbeitern umfassen.

  1. Transparenz: Unternehmen sollten offenlegen, wie ihre Daten annotiert werden und unter welchen Bedingungen die Klickarbeiter tätig sind.
  2. Faire Vergütung: Es muss ein System etabliert werden, das sicherstellt, dass Klickarbeiter fair für ihre Beiträge entlohnt werden.
  3. Arbeitsbedingungen: Die Arbeitsbedingungen von Klickarbeitern müssen verbessert werden, einschließlich der Bereitstellung angemessener Pausen und des Schutzes vor übermäßiger Arbeitsbelastung.
  4. Regulierung: Es könnte notwendig sein, gesetzliche Rahmenbedingungen zu schaffen, die Mindeststandards für die Arbeit von Klickarbeitern festlegen.

Während die KI das Potenzial hat, unsere Welt zu verbessern, dürfen wir nicht übersehen, wie und zu welchem Preis diese Technologien entwickelt werden. Die Bau- und Immobilienwirtschaft, wie viele andere Sektoren, die auf Künstliche Intelligenz setzen, muss sich aktiv mit den dunklen Seiten dieser Technologie auseinandersetzen und ethisch verantwortungsvolle Praktiken fördern. Nur so kann sichergestellt werden, dass der Fortschritt nicht auf der Ausbeutung der am wenigsten Geschützten beruht.

2. Verstärkung sozialer Ungleichheiten durch Künstliche Intelligenz

KI-Systeme, welche auf historischen Daten basieren, können vorhandene Vorurteile verstärken und zu sozialen Ungleichheiten führen (Lopez, 2021). Soziale Ungleichheiten entstehen, wenn Ressourcen, Chancen und Macht ungleich verteilt sind, oft entlang von Linien wie Einkommen, Rasse, Geschlecht und geografischer Lage. KI-Systeme, die auf historischen Daten trainiert werden, laufen Gefahr, existierende Vorurteile und Diskriminierungsmuster zu “lernen” und weiter zu verstärken. Das liegt daran, dass Algorithmen Muster in den Daten nachbilden, ohne den Kontext oder die sozialen Ungerechtigkeiten, die diese Muster geformt haben, zu verstehen. Sie erinnern sich vieleicht noch an den Chatbot Tay von Microsoft, der mit Twitter Usern interagieren sollte. Tay´s Aufgabe war über Twitter die Jugendsprache zu lernen. Das war zumindest die ursprüngliche Idee für den selbstlernenden Algorithmus. Im Jahr 2016 wurde Tay auf Twitter gestellt und bereits nach 16 Stunden wieder entfernt. Grund war, dass Tay in dieser Zeit eines sehr gut gelernt hatte: Hassrede. Das Phänomen der Verstärkung sozialer Ungleichheiten kann auch in der Bau- und Immobilienwirtschaft relevant werden.

Die Rolle von Daten

Das Herzstück des Problems liegt in den Daten, die zum Trainieren der Algorithmen der Künstlichen Intelligenz verwendet werden. Diese Daten spiegeln oft jahrzehntelange sozioökonomische Ungleichheiten und diskriminierende Praktiken wider. Ohne angemessene Korrekturmaßnahmen lernen KI-Systeme, diese Muster zu replizieren und in ihren Antworten und Entscheidungen umzusetzen. Dadurch wird die digitale Spaltung vertieft, und soziale Ungleichheiten werden in neuen und subtileren Formen zementiert. Im Falle von Tay wurde es durch die direkte Interaktion mit den Twitter-Usern ersichtlich, doch wenn ein KI-System womöglich für sich gelassen wird, und wir nur die reinen Ergebnisse betrachten können, ist es uns kaum noch möglich Effekte sozialer Ungleichheiten zu erkennen.

Beispiel aus der Bau- und Immobilienwirtschaft

Ein Beispiel für die Verstärkung sozialer Ungleichheiten durch Künstliche Intelligenz könnten wir in der Immobilienbranche bei der Bewertung von Immobilien und der Vergabe von Krediten finden. KI-Algorithmen, die zur Einschätzung der Kreditwürdigkeit oder des Wertes einer Immobilie verwendet werden, können unbeabsichtigt diskriminierende Praktiken gegenüber bestimmten Bevölkerungsgruppen verstärken. Ein Algorithmus könnte beispielsweise niedrigere Kreditwürdigkeitsbewertungen für Antragsteller aus bestimmten Postleitzahlenbereichen generieren, die historisch benachteiligte Gemeinschaften umfassen. Diese Praxis kann dazu führen, dass Menschen aus diesen Gebieten schlechtere Konditionen erhalten oder ganz von der Möglichkeit, ein Eigenheim zu erwerben, ausgeschlossen werden. Solche Effekte sind nicht unbekannt, wenn wir uns den Schufa-Score ins Gedächtnis rufen, der laut Urteil des EuGH nicht mehr ausschließlich zur Bewertung der Kreditwürdigkeit herangezogen werden darf (NDR, 2023).

Herausforderungen

  1. Vorurteile und unsichtbare Diskriminierung: KI-Systeme, die mit historischen Daten trainiert werden, übernehmen oft die darin enthaltenen Vorurteile und Diskriminierungsmuster. Das kann zu diskriminierenden Entscheidungen führen, da die Algorithmen die Muster nachbilden, ohne den Kontext oder die sozialen Ungerechtigkeiten, welche diese Muster geformt haben, zu verstehen. Erschwerend kommt hinzu, dass wir kaum nachvollziehen können, wie ein KI-System zu einer Entscheidung kommt, wodurch Effekte sozialer Ungleichheiten subtiler und schwerer zu erkennen sind.
  2. Ungleiche Verteilung von Ressourcen und Chancen: KI-Systeme können bestehende soziale Ungleichheiten vertiefen, indem sie Entscheidungen treffen, die bestimmte Bevölkerungsgruppen benachteiligen. Dies führt zu einer weiteren Ungleichverteilung von Ressourcen, Chancen und Macht.
  3. Bewertung von Immobilien und Vergabe von Krediten: KI-Algorithmen, die zur Bewertung von Immobilien verwendet werden, können diskriminierende Praktiken gegenüber bestimmten Bevölkerungsgruppen verstärken. Ein Beispiel wäre die Bewertung von Immobilien in historisch benachteiligten Gebieten, was zu niedrigeren Immobilienwerten führt oder die Einschätzung der Kreditwürdigkeit bei historisch benachteiligte Gemeinschaften beeinflusst.
  4. Erhöhte soziale Spannungen: Die Verstärkung sozialer Ungleichheiten durch KI kann zu erhöhten sozialen Spannungen führen, da benachteiligte Gruppen weiter marginalisiert werden. Dadurch kann es zu langfristiger gesellschaftlicher Ungerechtigkeit kommen, was den sozialen Zusammenhalt und die Chancengleichheit beeinträchtigt.

Gegenmaßnahmen

Um die Verstärkung sozialer Ungleichheiten durch Künstliche Intelligenz zu bekämpfen, sind mehrere Ansätze denkbar:

  1. Bewusstsein und Transparenz: Es ist wichtig, sich der potenziellen Vorurteile bewusst zu sein, die in KI-Systemen vorhanden sein können. Unternehmen müssen Transparenz in ihren Algorithmen schaffen und offenlegen, welche Daten dem Training zu Grunde liegen.
  2. Diversifizierung der Datensätze: Durch die Einbeziehung vielfältigerer und umfassenderer Datensätze können Entwickler dazu beitragen, dass ihre Algorithmen ein realistischeres Bild der Gesellschaft abbilden und nicht unbeabsichtigt diskriminierende Muster verstärken.
  3. Ethische Richtlinien und Regulierung: Die Entwicklung ethischer Richtlinien für KI-Anwendungen und deren Regulierung durch unabhängige Stellen kann dazu beitragen, den Missbrauch von KI-Technologien zu verhindern und sicherzustellen, dass sie im Dienste der Gesellschaft eingesetzt werden.
  4. Beteiligung der Betroffenen: Die Einbeziehung von Gemeinschaften und Individuen, die von KI-Entscheidungen betroffen sein könnten, in den Entwicklungsprozess hilft, die Bedürfnisse und Perspektiven derjenigen zu berücksichtigen, die am stärksten von sozialen Ungleichheiten betroffen sind.

Die KI bietet unbestreitbare Vorteile für die Gesellschaft, birgt jedoch auch das Risiko, bestehende soziale Ungleichheiten zu verstärken. Insbesondere in der Bau- und Immobilienwirtschaft manifestieren sich diese Risiken in Form von diskriminierenden Kreditvergabeprozessen und Immobilienbewertungen. Um diese dunklen Seiten der Künstlichen Intelligenz anzugehen, ist ein koordinierter Ansatz erforderlich, der Bewusstsein, ethische Überlegungen, Regulierung und die aktive Einbeziehung betroffener Gemeinschaften umfasst. Nur so kann die KI ihr volles Potenzial entfalten, ohne die soziale Kluft zu vertiefen.

3. Verlust von Arbeitsplätzen durch Künstliche Intelligenz

Die Einführung der Künstlichen Intelligenz in verschiedenen Branchen hat die Art und Weise, wie wir arbeiten, kommunizieren und unser tägliches Leben gestalten, grundlegend verändert. Doch während diese technologischen Fortschritte in vielen Bereichen zu einer Steigerung der Effizienz und Produktivität geführt haben, werfen sie auch Schatten auf den Arbeitsmarkt. Einer der am meisten diskutierten Aspekte ist der potenzielle Verlust von Arbeitsplätzen durch Automatisierung und KI-gesteuerte Systeme. Denn KI ist in der Lage, auch die Tätigkeiten von Fachkräften kostengünstiger auszuführen (Kaufmann, 2024). Diese Entwicklung stellt insbesondere in traditionellen und arbeitsintensiven Branchen wie der Bau- und Immobilienwirtschaft eine erhebliche Herausforderung dar.

Beispiel: Automatisierung in der Bau- und Immobilienwirtschaft

Ein Beispiel für die Auswirkungen der Künstlichen Intelligenz auf die Arbeitsplätze in der Bau- und Immobilienwirtschaft ist der Einsatz von Drohnen und automatisierten, KI-gestützten Überwachungssystemen zur Überwachung von Baustellen. Diese Technologien können die Fortschritte eines Projekts in Echtzeit erfassen, was die Notwendigkeit manueller Kontrollen und damit verbundener Arbeitskräfte reduziert. Zudem ermöglichen fortschrittliche Softwarelösungen für das Design und Management von Bauvorhaben eine erhebliche Reduktion des Zeitaufwands für Planungs- und Verwaltungsaufgaben, was traditionell von Fachkräften wie Architektinnen und Architekten bzw. Bauingenieurinnen und Bauingenieuren ausgeführt wurde.

Diese Beispiele zeigen, dass der Einsatz von KI nicht nur einfache, repetitive Tätigkeiten automatisiert, sondern zunehmend auch komplexere Aufgaben übernehmen kann, die bisher qualifizierten Arbeitskräften vorbehalten waren. Die Folge ist ein breites Spektrum an Herausforderungen für den Arbeitsmarkt, die von der Umschulung der Belegschaft bis hin zur Neugestaltung sozialer Sicherungssysteme reichen.

Herausforderungen

  1. Verlust manueller Aufgaben: Der Einsatz von automatisierten KI-gestützten Systemen auf Baustellen verringert die Notwendigkeit manueller Tätigkeiten. Das führt zu einem Rückgang der Arbeitsplätze, die bisher für diese Aufgaben benötigt wurden.
  2. Ersetzung qualifizierter Arbeitskräfte: Automatisierte Planungs- und Verwaltungsaufgaben: KI-gestützte Softwarelösungen reduzieren den Zeitaufwand für Planungs- und Verwaltungsaufgaben. Aufgaben, die traditionell von Fachkräften wie Architektinnen/ Architekten und Bauingenieurinnen/ Bauingenieuren ausgeführt wurden, können nun von KI übernommen werden. KI kann zudem zunehmend komplexere Aufgaben übernehmen, die bisher qualifizierten Arbeitskräften vorbehalten waren, was zu einem Verlust hochqualifizierter Jobs führt.
  3. Weniger repetitive Tätigkeiten: Einfache, repetitive Tätigkeiten werden durch automatisierte KI-gestützte Systeme verdrängt, was besonders manuelle Arbeiten betrifft.
  4. Keine zeitnahe Re-Quelifizierung: Es kann zu Effizienzverlusten kommen, wenn der Bedarf an zeitnahen Umschulungsprogrammen nicht addressiert wird, um die betroffenen Arbeitskräfte auf neue, technologieorientierte Aufgaben frühzeitig vorzubereiten. Ebenso müssen die bereits in Ausbildung befindlichen Menschen auf die kommenden Veränderungen zeitnah vorbereitet werden.
  5. Erhöhte Arbeitslosigkeit und soziale Ungleichheit: Der Verlust von Arbeitsplätzen kann zu einer erhöhten Arbeitslosigkeit führen, was wirtschaftliche und soziale Spannungen in der Gesellschaft verstärkt. Die Ungleichheit zwischen denjenigen, die von technologischen Fortschritten profitieren, und denjenigen, die ihre Arbeitsplätze verlieren, kann weiter zunehmen.

Gegenmaßnahmen

Um den Verlust von Arbeitsplätzen durch Künstliche Intelligenz zu bekämpfen, sind folgende Ansätze denkbar:

  1. Förderung von Weiterbildung und Umschulung: Eine der effektivsten Maßnahmen, um den Herausforderungen des Arbeitsplatzverlustes durch Künstliche Intelligenz zu begegnen, ist die Investition in Weiterbildungs- und Umschulungsprogramme. Diese sollten darauf abzielen, die Fähigkeiten der Arbeitskräfte an die Bedürfnisse eines zunehmend digitalisierten Arbeitsmarktes anzupassen.
  2. Schaffung neuer Arbeitsplätze durch Innovation: Gleichzeitig ist es wichtig, dass sowohl die öffentliche Hand als auch die Privatwirtschaft in neue Technologien und Geschäftsmodelle investieren, die neue Arbeitsplätze schaffen können. In der Bau- und Immobilienwirtschaft könnte dies beispielsweise die Entwicklung von nachhaltigen Bautechnologien oder innovativen Wohnkonzepten umfassen.
  3. Anpassung sozialer Sicherungssysteme: Die potenziellen Arbeitsplatzverluste durch KI erfordern eine Überarbeitung bestehender sozialer Sicherungssysteme. Dies könnte die Einführung von Mechanismen wie einem bedingungslosen Grundeinkommen oder flexibleren Arbeitslosenversicherungen beinhalten, um den Übergang für betroffene Arbeitskräfte zu erleichtern.
  4. Stärkung der sozialen Dialoge: Der Dialog zwischen Regierungen, Unternehmen, Gewerkschaften und Bildungseinrichtungen spielt eine entscheidende Rolle bei der Gestaltung einer Arbeitswelt, die durch KI verändert wird. Gemeinsam können diese Akteure Strategien entwickeln, die sowohl den wirtschaftlichen als auch den sozialen Herausforderungen gerecht werden.
  5. Ethische Richtlinien für den Einsatz von KI: Schließlich ist es wichtig, ethische Richtlinien für die Entwicklung und Implementierung von KI-Systemen zu etablieren. Diese sollten nicht nur technische Aspekte berücksichtigen, sondern auch die potenziellen Auswirkungen auf den Arbeitsmarkt und die Gesellschaft insgesamt.

Der Verlust von Arbeitsplätzen durch die Einführung der Künstlichen Intelligenz ist eine der drängendsten Herausforderungen unserer Zeit. Insbesondere in der Bau- und Immobilienwirtschaft zeigt sich, wie KI-gesteuerte Technologien traditionelle Arbeitsweisen verändern können. Durch proaktive Maßnahmen wie die Förderung von Weiterbildung, die Schaffung neuer Arbeitsplätze, die Anpassung sozialer Sicherungssysteme, den sozialen Dialog und ethische Richtlinien können wir jedoch sicherstellen, dass der Übergang in eine von KI geprägte Zukunft gerecht und inklusiv gestaltet wird.

4. Künstliche Intelligenz und Datenschutz/ Privatsphäre

Die Fähigkeit der Künstlichen Intelligenz, große Datenmengen zu sammeln, zu analysieren und darauf basierend Entscheidungen zu treffen, birgt das Risiko eines Missbrauchs dieser Daten und einer Verletzung der Privatsphäre von Individuen. Diese Bedenken sind besonders in der Bau- und Immobilienwirtschaft relevant, wo der Einsatz von KI-Technologien zunimmt und sensible Informationen über Gebäude und deren Bewohnerinnen und Bewohner im Mittelpunkt stehen. Besonders schutzwürdige Daten können sein: Personendaten, Daten des Zahlungsverkehrs und Transaktionen, Baudaten, Abrechnungen, Mails, Protokolle und Gesprächsaufzeichnungen. Hinzu kommen Daten, die nicht offensichtlich sind, wie Sensordaten, Telefonate, Fotos, Positionsdaten oder Bewegungsprofile (Spengler & Karl, 2018). 

Beispiel: Smart Building

Ein Beispiel für die Herausforderungen des Datenschutzes und der Privatsphäre durch Künstliche Intelligenz in der Bau- und Immobilienwirtschaft sind Smart Buildings. Diese Gebäude nutzen KI-Systeme, um verschiedene Aspekte des Gebäudebetriebs zu steuern, von der Energieeffizienz bis zur Sicherheit. Während die Automatisierung dieser Prozesse erhebliche Vorteile mit sich bringt, erfordert sie auch die Sammlung und Analyse von Daten über die Gewohnheiten und Vorlieben der Bewohner. Dies umfasst Informationen darüber, wann und wie Räume genutzt werden, bis hin zu persönlichen Präferenzen in Bezug auf Beleuchtung und Raumtemperatur.

Die Sammlung dieser Daten wirft Fragen darüber auf, wer Zugang zu diesen Informationen hat, wie sie gespeichert und verwendet werden und welche Kontrolle die Bewohner über ihre eigenen Daten haben. Ohne angemessene Datenschutzmaßnahmen könnten sensible Informationen missbraucht werden, was zu einem Eingriff in die Privatsphäre und möglicherweise zu gezielten Sicherheitsverletzungen führt.

Herausforderungen

  1. Missbrauch gesammelter Daten: Ohne angemessene Sicherheitsmaßnahmen können unbefugte Personen oder Organisationen Zugang zu den gesammelten Daten erhalten, was zu Missbrauch und Identitätsdiebstahl führen kann. Zudem könnten Unternehmen die gesammelten Daten ohne Zustimmung der Betroffenen weitergeben/ verkaufen, was deren Privatsphäre gefährdet und sie potenziell schädlichen Nutzungen aussetzt.
  2. Verletzung der Privatsphäre und Vertrauensverlust: KI-Systeme in Smart Buildings sammeln kontinuierlich Daten über die Bewohnerinnen und Bewohner, einschließlich ihrer Gewohnheiten und Vorlieben. Das kann als invasive Überwachung empfunden werden und das Gefühl der eigenen Privatsphäre beeinträchtigen.
  3. Mangelnde Kontrolle über persönliche Daten: Bewohnerinnen und Bewohner haben oft wenig Kontrolle darüber, welche Daten gesammelt werden und wie sie genutzt werden. Dies führt zu Bedenken hinsichtlich der Datenhoheit und der Fähigkeit, die Nutzung ihrer eigenen Informationen zu steuern. In manchen Fällen sind Opt-out-Optionen für die Datensammlung begrenzt, was die Nutzerinnen und Nutzer dazu zwingt, ihre Daten preiszugeben, um grundlegende Funktionen nutzen zu können.
  4. Sicherheitsverletzungen und Datenlecks: Smart Buildings, die auf vernetzten Systemen basieren, sind anfällig für Hackerangriffe, die nicht nur persönliche Daten gefährden, sondern auch die Sicherheit der Nutzenden direkt bedrohen können. Unzureichend geschützte Datenbanken können zu Lecks sensibler Informationen führen, was schwerwiegende Konsequenzen für die betroffenen Personen haben kann.

Gegenmaßnahmen

Um die Risiken für den Datenschutz und die Privatsphäre zu minimieren, die mit dem Einsatz von KI in der Bau- und Immobilienwirtschaft einhergehen, sind folgende Maßnahmen erwägenswert:

  1. Strenge Datenschutzrichtlinien: Unternehmen sollten klare Richtlinien für die Sammlung, Speicherung und Verwendung von Daten festlegen. Diese Richtlinien müssen in Übereinstimmung mit nationalen und internationalen Datenschutzgesetzen stehen und transparent für die Nutzenden sein (siehe auch diesen Beitrag zur EU KI-Verordnung).
  2. Datensparsamkeit: Prinzipiell sollten nur die Daten gesammelt werden, die für den beabsichtigten Zweck unbedingt notwendig sind. Durch die Begrenzung der Datensammlung auf das Wesentliche lässt sich das Risiko von Datenschutzverletzungen verringern.
  3. Verschlüsselung und Sicherheitsmaßnahmen: Um die gesammelten Daten zu schützen, sollten fortschrittliche Verschlüsselungstechniken und andere Sicherheitsmaßnahmen implementiert werden. Dies hilft, die Daten vor unbefugtem Zugriff zu schützen.
  4. Einbindung der Betroffenen: Nutzer sollten die Kontrolle über ihre eigenen Daten haben. Dies umfasst die Möglichkeit, Einwilligungen zu erteilen oder zu widerrufen, sowie das Recht auf Auskunft, Berichtigung und Löschung ihrer Daten.
  5. Ethische KI-Entwicklung: Entwickler von KI-Systemen sollten ethische Überlegungen in den Entwicklungsprozess einfließen lassen. Dies beinhaltet die Berücksichtigung der potenziellen Auswirkungen ihrer Technologien auf den Datenschutz und die Privatsphäre.

Der Einsatz von Künstlicher Intelligenz in der Bau- und Immobilienwirtschaft bietet enormes Potenzial für Effizienzsteigerungen und Innovationen. Doch dürfen dabei Datenschutz und Privatsphäre nicht auf der Strecke bleiben. Durch die Implementierung strenger Datenschutzmaßnahmen, die Förderung von Transparenz und die Stärkung der Rechte der Nutzer können Unternehmen sicherstellen, dass ihre KI-Technologien verantwortungsvoll eingesetzt werden und das Vertrauen der Nutzer gewinnen. Nur so lässt sich das volle Potenzial von Künstlicher Intelligenz ausschöpfen, ohne die Grundrechte der Menschen zu gefährden.

5. Homogenisierung des städtischen Raums durch Künstliche Intelligenz

Künstliche Intelligenz als Werkzeug der Stadtentwicklung kann helfen, die Lebensqualität zu verbessern, Teilhabe zu stärken und die kommunale Verwaltung effizienter zu machen (Schweitzer, 2022). Demgegenüber kann die Optimierung von Planungswerkzeugen auf Effizienz und Rentabilität aber auch zu einer Vereinheitlichung der gebauten Umwelt führen, wodurch Städte an architektonischer und kultureller Vielfalt verlieren. Ein solches Phänomen kann zur Homogenisierung des städtischen Raums führen. Diese Entwicklung hat weitreichende Implikationen für die Bau- und Immobilienwirtschaft und betrifft die Gestaltung unserer Städte und Wohngebiete. Die KI-getriebene Planung und Entwicklung von Immobilienprojekten könnte dazu führen, dass individuelle Charakteristika und die kulturelle Vielfalt urbaner Räume verloren gehen.

Beispiel: KI in der Stadtplanung

Ein Beispiel findet sich in der Nutzung von KI-Systemen für die Stadt- und Raumplanung. Durch den Einsatz von Algorithmen zur Optimierung von Bauprojekten nach bestimmten Kriterien wie Kosten, Zeit und Energieeffizienz könnten individuelle und kulturelle Aspekte vernachlässigt werden. Beispielsweise könnten Algorithmen, die für die Planung neuer Wohnkomplexe eingesetzt werden, dazu neigen, wiederholbare und standardisierte Designs zu favorisieren, die zwar effizient, aber wenig anpassungsfähig an den lokalen Kontext sind. Das Ergebnis wären Städte und Viertel, die sich in ihrer ästhetischen und funktionellen Gestaltung immer weniger voneinander unterscheiden und somit einen Verlust an Identität und Vielfalt erleiden.

Herausforderungen

  1. Verlust an kultureller Identität: Städte reflektieren die Geschichte, Kultur und Identität ihrer Bewohner. Eine homogenisierte Stadtgestaltung, die durch KI-Systeme gefördert wird, könnte die einzigartigen Merkmale, die eine Stadt oder ein Viertel prägen, untergraben.
  2. Vernachlässigung sozialer Bedürfnisse: Standardisierte Lösungen berücksichtigen möglicherweise nicht die spezifischen sozialen und kulturellen Bedürfnisse der lokalen Bevölkerung. Dies kann zu einer Entfremdung der Bewohner von ihrem eigenen Lebensumfeld führen.
  3. Reduzierte Vielfalt: Die Vielfalt in der Architektur und im Städtebau ist ein Spiegelbild menschlicher Kreativität und Innovation. Eine Überbetonung von Effizienz und Standardisierung könnte diese Vielfalt einschränken.

Gegenmaßnahmen

Um die negativen Auswirkungen der KI-getriebenen Homogenisierung zu bekämpfen, sind gezielte Strategien erforderlich:

  1. Integration lokaler Stakeholder: Die Einbindung lokaler Gemeinschaften, Kulturträger und Stadtplaner in den Planungsprozess kann dazu beitragen, dass KI-Systeme vielfältige Perspektiven und Bedürfnisse berücksichtigen.
  2. Förderung von Diversität in der KI-Entwicklung: Die Teams, die KI-Systeme entwickeln, sollten selbst vielfältig sein und unterschiedliche kulturelle, soziale und fachliche Hintergründe einbringen. Dies erhöht die Wahrscheinlichkeit, dass die entstehenden Lösungen eine breitere Palette an Bedürfnissen abdecken.
  3. Ethik und KI-Governance: Die Entwicklung von ethischen Richtlinien und Governance-Strukturen für den Einsatz von KI in der Stadtplanung und Immobilienentwicklung ist entscheidend. Diese sollten den Schutz kultureller und sozialer Werte explizit berücksichtigen.
  4. Technologie als Werkzeug, nicht als Meister: KI sollte als Werkzeug betrachtet werden, das menschliche Entscheidungsträger unterstützt, nicht ersetzt. Der Schwerpunkt sollte auf der Ergänzung menschlicher Kreativität und Expertise liegen, nicht auf deren Substitution.
  5. Förderung von Innovation: Schließlich sollte der Einsatz von KI in der Stadtplanung auch innovative Ansätze zur Bewahrung und Förderung der kulturellen und architektonischen Vielfalt unterstützen.

Während die Künstliche Intelligenz das Potenzial hat, die Bau- und Immobilienwirtschaft zu transformieren, muss ihr Einsatz sorgfältig gesteuert werden, um eine ungewollte Homogenisierung des städtischen Raums zu vermeiden. Durch die Beachtung der genannten Strategien können wir sicherstellen, dass unsere Städte auch in Zukunft Orte der Vielfalt und Kreativität bleiben.

6. Ethische Bedenken bei Entscheidungsfindungen durch Künstliche Intelligenz

Durch die zunehmende Autonomie von KI-Systemen, welche das Leben von Menschen und die Entscheidungsfindung direkt beeinflussen, können Intransparenz und ethische Bedenken hervorgerufen werden, insbesondere wenn sie zu Diskriminierung oder Ungerechtigkeit führen. Damit KI langfristig angewendet und KI-Lösungen erfolgreich vertrieben werden können, ist es daher unerlässlich, dass Organisationen eine ethisch-angemessene Richtung einschlagen (Barton & Pöppelbuß, 2022). In der Bau- und Immobilienwirtschaft, wo Entscheidungen weitreichende soziale und ökonomische Konsequenzen haben können, sind solche Bedenken besonders akut.

Beispiel: KI in der Immobilienbewertung

Ein Beispiel für die ethischen Herausforderungen von KI-gestützten Entscheidungen in der Bau- und Immobilienwirtschaft ist der Einsatz von Algorithmen zur Immobilienbewertung und -finanzierung. KI-Systeme, die darauf trainiert sind, Immobilienpreise zu schätzen oder Kreditwürdigkeit zu bewerten, können auf historischen Daten basieren, die unbeabsichtigt diskriminierende Tendenzen widerspiegeln. Beispielsweise könnte ein Algorithmus, der aus historischen Verkaufsdaten “lernt”, systematisch niedrigere Werte für Immobilien in bestimmten Postleitzahlenbereichen zuweisen, die traditionell von Minderheiten bewohnt werden. Solche Voreingenommenheiten können zu einer Perpetuierung oder sogar Verstärkung bestehender sozialer Ungleichheiten führen.

Herausforderungen

  1. Intransparenz: Eines der Hauptprobleme bei der Verwendung von KI ist die mangelnde Transparenz ihrer Entscheidungsfindungsprozesse. KI-Systeme, insbesondere solche, die auf tiefen Lernmodellen basieren, werden oft als “Black Boxes” betrachtet, weil selbst ihre Entwickler nicht immer nachvollziehen können, wie genau diese Systeme zu bestimmten Entscheidungen kommen.
  2. Probleme Verantwortlichkeit festzustellen: Wenn Fehlentscheidungen auftreten, ist es schwierig, die Verantwortlichkeit zu klären. In einem System, das wesentlich von KI-Entscheidungen abhängt, ist es herausfordernd, Personen oder Organisationen für Fehler oder Schäden zur Rechenschaft zu ziehen, was rechtliche und moralische Fragen aufwirft.
  3. Gerechtigkeit und Diskriminierung: KI-Systeme können vorhandene Vorurteile verstärken, wenn sie mit voreingenommenen Daten trainiert werden. Dies führt zu gerechtigkeitsrelevanten Bedenken, besonders in Bereichen wie Kreditvergabe und Immobilienbewertungen, wo solche Voreingenommenheiten schwerwiegende Auswirkungen auf das Leben von Menschen haben können.

Gegenmaßnahmen

Um die ethischen Herausforderungen in der Entscheidungsfindung durch Künstliche Intelligenz zu bewältigen, sind mehrere Ansätze denkbar:

  1. Entwicklung ethischer Richtlinien: Organisationen sollten klare ethische Richtlinien für den Einsatz von KI entwickeln und implementieren. Diese Richtlinien sollten Transparenz, Gerechtigkeit und Verantwortlichkeit in den Mittelpunkt stellen.
  2. Einsatz von Erklärbarkeits-Tools: Die Entwicklung und Nutzung von Tools, die die Entscheidungen von KI-Systemen nachvollziehbar und verständlich machen, können helfen, das Problem der “Black Box” zu mindern.
  3. Regelmäßige Überprüfung und Auditierung von KI-Systemen: Durch regelmäßige Überprüfungen kann sichergestellt werden, dass KI-Systeme nicht unbeabsichtigte diskriminierende Entscheidungen treffen. Diese Audits sollten von unabhängigen Dritten durchgeführt werden, um Objektivität zu gewährleisten.
  4. Förderung der Diversität in KI-Entwicklungsteams: Diverse Teams können dabei helfen, unterschiedliche Perspektiven einzubringen und die Wahrscheinlichkeit von voreingenommenen Daten, die in Trainingsdatensätzen verwendet werden, zu reduzieren.
  5. Stärkung der gesetzlichen Rahmenbedingungen: Die Schaffung und Durchsetzung von Gesetzen, die den fairen Einsatz von KI regeln, ist fundamental, um Missbrauch zu verhindern und Vertrauen in diese Technologien zu fördern.

Während Künstliche Intelligenz das Potenzial hat, die Effizienz in vielen Bereichen der Bau- und Immobilienwirtschaft zu steigern, müssen wir proaktiv die ethischen Herausforderungen angehen, die mit ihrer Implementierung einhergehen. Nur durch einen verantwortungsbewussten Umgang mit diesen mächtigen Werkzeugen können wir sicherstellen, dass ihre Vorteile allen Mitgliedern der Gesellschaft zugutekommen, ohne die Grundrechte und -freiheiten zu gefährden.

7. Künstliche Intelligenz und technologische Abhängigkeit

Die zunehmende Abhängigkeit von KI birgt Risiken wie Cyberangriffe oder technische Störungen, die schwerwiegende Folgen haben können (EU Parlament, 2023). Diese Folgen können in kritischen Sektoren wie der Bau- und Immobilienwirtschaft besonders problematisch sein, wo sie nicht nur operationale Risiken erhöht, sondern auch die Resilienz gegenüber Systemausfällen und Cyberangriffen vermindert.

Beispiel: Automatisierte Gebäudeverwaltungssysteme

Ein Beispiel für die Abhängigkeit von Technologie in der Bau- und Immobilienwirtschaft sind automatisierte Gebäudeverwaltungssysteme (Building Management Systems, BMS), die zunehmend Künstliche Intelligenz nutzen werden, um alles von Heizung und Lüftung bis hin zu Sicherheitssystemen zu steuern. Diese Systeme verbessern die Energieeffizienz und den Komfort in Gebäuden erheblich, machen die Gebäudebetreiber und Bewohner jedoch auch stark abhängig von der ständigen Verfügbarkeit und korrekten Funktion dieser technologischen Lösungen. Bei einem Ausfall oder einer Fehlfunktion dieser Systeme können ganze Gebäude oder sogar Gebäudekomplexe funktionsunfähig werden, was zu erheblichen Sicherheitsrisiken und Unannehmlichkeiten führen kann.

Herausforderungen

  1. Vulnerabilität durch Systemausfälle: Je abhängiger wir von technologischen Systemen werden, desto anfälliger werden wir für deren Ausfälle. In der Bau- und Immobilienwirtschaft kann dies besonders kritisch sein, da Ausfälle nicht nur finanzielle Verluste, sondern auch reale Gefahren für die physische Sicherheit der Menschen bedeuten können.
  2. Cyber-Sicherheitsrisiken: Mit zunehmender Vernetzung von Gebäudetechnologien steigt auch das Risiko von Cyberangriffen. Hacker könnten theoretisch Kontrolle über wesentliche Funktionen von Gebäuden erlangen, was Datenschutz- und Sicherheitsbedrohungen mit sich bringt.
  3. Verlust von menschlichem Know-how: Die Überlassung von Entscheidungen und Managementfunktionen an KI-Systeme kann zu einem Verlust von Fachwissen und kritischen Fähigkeiten bei menschlichen Mitarbeitern führen. Dies wird problematisch, wenn Menschen eingreifen müssen, besonders in Krisensituationen, wenn die Technologie versagt.
  4. Ethische und soziale Implikationen: Die Abhängigkeit von Technologie wirft auch Fragen der sozialen Gerechtigkeit und Zugänglichkeit auf. Nicht alle Gemeinschaften haben gleichen Zugang zu den neuesten Technologien, was zu einer Vertiefung sozialer und wirtschaftlicher Ungleichheiten führen kann.

Gegenmaßnahmen

Um die Risiken der Abhängigkeit von Technologie zu minimieren, sollten Unternehmen und Organisationen in der Bau- und Immobilienwirtschaft folgende Maßnahmen erwägen:

  1. Redundanz schaffen: Es ist wichtig, Systeme so zu gestalten, dass bei einem Ausfall alternative Lösungen zur Verfügung stehen. Dies könnte die Implementierung von manuellen Steuerungssystemen oder die Installation von Backup-Systemen umfassen.
  2. Robuste Cybersecurity-Maßnahmen: Angesichts der zunehmenden Cyber-Bedrohungen ist eine starke Sicherheitsinfrastruktur entscheidend. Dies schließt regelmäßige Sicherheitsaudits, die Schulung der Mitarbeiter in Cybersecurity-Best Practices und die Implementierung von End-to-End-Verschlüsselungstechniken ein.
  3. Kontinuierliche Schulung und Entwicklung: Um den Verlust von menschlichem Know-how zu verhindern, sollten regelmäßige Schulungen und Weiterbildungsmaßnahmen für Mitarbeiter angeboten werden, die den Umgang mit KI-Systemen und die Behebung von Problemen abdecken.
  4. Ethische Richtlinien entwickeln: Organisationen sollten ethische Richtlinien für den Einsatz von Technologie entwickeln, die Aspekte wie Fairness, Zugänglichkeit und Datenschutz berücksichtigen.
  5. Stakeholder-Engagement: Es ist wichtig, alle relevanten Stakeholder in den Prozess der Technologieimplementierung einzubeziehen, um sicherzustellen, dass die Systeme den Bedürfnissen aller Nutzer gerecht werden.

Die zunehmende Abhängigkeit von KI und anderen Technologien in der Bau- und Immobilienwirtschaft bietet zwar erhebliche Vorteile, birgt jedoch auch signifikante Risiken. Durch die Implementierung durchdachter Strategien können diese Risiken minimiert und ein sicherer, verantwortungsbewusster Umgang mit Technologie gefördert werden, der die Resilienz und Sicherheit aller Beteiligten gewährleistet.

8. Unvorhergesehene ökologische Auswirkungen durch Künstliche Intelligenz

Gemäß dem Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) hat KI beispielsweise das Potenzial, die Abfallsortierung zu optimieren und damit Recyclingquoten von Kunststoffen, Textilien oder Gewerbeabfällen zu erhöhen (BMUV, 2024). Während solche positiven Aspekte von KI, wie auch die Effizienzsteigerung und Prozessoptimierung, breit diskutiert werden, könnte der bedeutende Energieverbrauch für das Training und den Betrieb von KI-Systemen trotzdem unbeabsichtigte ökologische Fußabdrücke hinterlassen. Diese umfassen nicht nur den direkten Energieverbrauch, den KI-Systeme benötigen, sondern auch indirekte Folgen, welche durch die Art und Weise entstehen, wie KI-Technologien eingesetzt werden. Wussten Sie, dass eine Suche mit ChatGPT vier- bis fünfmal mehr Energie als eine konventionelle Websuche verbraucht (Deutscher Bundestag, 2024)? In der Bau- und Immobilienwirtschaft, wo Nachhaltigkeit und ökologische Verantwortung zunehmend an Bedeutung gewinnen, sind diese Fragen besonders relevant.

Beispiel: KI-gesteuerte Gebäudeautomation

Ein Beispiel für die ökologischen Auswirkungen der Künstlichen Intelligenz in der Bau- und Immobilienwirtschaft ist die Implementierung von KI-gesteuerten Gebäudeautomationssystemen. Diese Systeme steuern Heizung, Lüftung, Klimaanlage und Beleuchtung in Echtzeit, um Energieeffizienz zu maximieren. Während solche Systeme auf den ersten Blick dazu beitragen, den Energieverbrauch zu senken und Gebäude nachhaltiger zu gestalten, können sie auch unbeabsichtigte Folgen haben. Beispielsweise kann die für den Betrieb der KI notwendige Hardware signifikante Mengen an Energie verbrauchen. Zudem kann die Herstellung, der Betrieb und die Entsorgung dieser Systeme zu einem erhöhten ökologischen Fußabdruck führen, insbesondere wenn die verwendeten Materialien nicht nachhaltig beschafft oder recycelt werden.

Herausforderungen

  1. Hoher Energieverbrauch: KI-Systeme, insbesondere jene, die auf intensiven maschinellen Lernverfahren basieren, erfordern enorme Rechenleistungen. Große Datenzentren, die für das Training von KI-Modellen benötigt werden, verbrauchen bedeutende Mengen an Strom, oft generiert aus nicht erneuerbaren Energiequellen.
  2. Elektronischer Abfall: Mit der schnellen Entwicklung neuer KI-Technologien werden Hardware-Komponenten häufig ersetzt, was zu einem Anstieg des Elektroschrotts führt. Diese Abfallprodukte können schädliche Chemikalien enthalten, die, wenn sie nicht ordnungsgemäß entsorgt werden, Umweltschäden verursachen können.
  3. Ressourcenintensive Produktion: Die Herstellung der Hardware, die für KI-Systeme erforderlich ist, wie spezialisierte Prozessoren und Speichergeräte, erfordert bedeutende Mengen an Rohstoffen und Energie. Die Extraktion und Verarbeitung dieser Materialien kann erhebliche Umweltbelastungen verursachen.
  4. Auswirkungen auf die Landnutzung: Der Ausbau der Infrastruktur, der zur Unterstützung von KI-Systemen benötigt wird, insbesondere Datenzentren und Netzwerkinfrastruktur, kann zu einer veränderten Landnutzung führen, die lokale Ökosysteme und die biologische Vielfalt beeinträchtigen kann.

Gegenmaßnahmen

Um die ökologischen Auswirkungen der Künstlichen Intelligenz zu minimieren, sollten folgende Maßnahmen in Betracht gezogen werden:

  1. Effizienzsteigerung: Durch die Optimierung der Algorithmen können KI-Systeme effizienter gestaltet werden, was den Energieverbrauch reduziert. Fortschritte in der Hardwareentwicklung, wie energieeffizientere Prozessoren, sind ebenfalls entscheidend.
  2. Nachhaltige Energiequellen: Der Betrieb von Datenzentren und anderen infrastrukturellen Komponenten sollte, wo möglich, mit erneuerbaren Energiequellen erfolgen.
  3. Recycling und Wiederverwendung: Eine verbesserte Recyclinginfrastruktur für Elektronikprodukte und die Förderung der Wiederverwendung von Komponenten können helfen, den Elektroschrott zu reduzieren.
  4. Regulatorische Maßnahmen: Gesetzliche Vorgaben können Unternehmen dazu anhalten, Umweltstandards in der Entwicklung und Nutzung von KI-Technologien einzuhalten.
  5. Bewusstsein und Bildung: Die Aufklärung der Öffentlichkeit und der Stakeholder über die ökologischen Auswirkungen von KI ist entscheidend, um das Bewusstsein für diese Themen zu schärfen und nachhaltige Praktiken zu fördern.

Die Künstliche Intelligenz hat das Potenzial, die Bau- und Immobilienwirtschaft grundlegend zu verändern und nachhaltiger zu gestalten. Doch dürfen dabei die ökologischen Auswirkungen nicht übersehen werden. Durch bewusste Anstrengungen zur Reduzierung des ökologischen Fußabdrucks von KI-Technologien können wir sicherstellen, dass der Fortschritt nicht auf Kosten unserer Umwelt erfolgt.

9. Manipulation und Kontrolle durch Künstliche Intelligenz

Die Fähigkeit von Künstlicher Intelligenz, Verhalten vorherzusagen, kann für viele Anwendungen extrem hilfreich sein. Doch solch eine Unterstützung kann in subtiler Weise zur Manipulation von Nutzerinnen und Nutzern führen, was ethische Fragen aufwirft. Dieser Aspekt ist bereits in der Öffentlichkeit unter dem Begriff “Deep Fake” bekannt (zum Umgang mit Deep Fakes siehe BSI, 2024). In einer aktuellen Ausgabe der Zeitschrift Science sprechen führende KI-Experten, u.a. Geoffrey Hinton, Andrew Yao und Dawn Song, sogar von einer gesellschaftlichen Manipulation durch KI (Bengio et al., 2024). In der Bau- und Immobilienwirtschaft, wo Entscheidungen weitreichende finanzielle und persönliche Konsequenzen haben können, sind solche Aspekte ebenfalls relevant.

Beispiel: KI in der Immobilienvermarktung

Ein Beispiel für die potenzielle Manipulation durch KI findet sich in der Immobilienvermarktung. Hier können KI-gesteuerte Algorithmen genutzt werden, um potenzielle Käufer oder Mieter basierend auf einer Vielzahl von Daten zu identifizieren und anzusprechen. Durch die Analyse von Online-Verhalten, Kaufgewohnheiten und sogar persönlichen Präferenzen können diese Systeme hochgradig personalisierte Werbung schalten, die darauf abzielt, die Entscheidungsfindung der Nutzerinnen und Nutzer massiv zu beeinflussen. Während dies aus Marketingsicht effektiv sein mag, wirft es ernste Fragen hinsichtlich der Privatsphäre und der Autonomie der betroffenen Personen auf.

Herausforderungen

  1. Verlust der Privatsphäre: KI-Systeme, die in der Lage sind, umfangreiche Datenmengen zu sammeln und zu analysieren, können ein detailliertes Bild einer Person erstellen. Dies kann zu einem Eingriff in die persönliche Privatsphäre führen, wenn Individuen ohne ihr Wissen oder ihre Zustimmung überwacht werden.
  2. Zielgerichtete Beeinflussung: Durch die Analyse von Verhaltensdaten können KI-Modelle genutzt werden, um spezifische Bevölkerungsgruppen gezielt zu beeinflussen oder zu manipulieren. Dies kann von der Förderung bestimmter Produkte bis hin zur Beeinflussung von Wohnungsentscheidungen reichen, was ethische Bedenken hinsichtlich der Fairness und Transparenz aufwirft.
  3. Verstärkung von Bias: Wenn die Daten, die zur Training von KI-Systemen verwendet werden, voreingenommen sind, kann dies zu Entscheidungen führen, die bestehende soziale Ungleichheiten verstärken. In der Immobilienwirtschaft könnte dies bedeuten, dass bestimmte Gruppen benachteiligt werden, was den Zugang zu Wohnraum oder Krediten betrifft.

Gegenmaßnahmen

Um die Risiken der Manipulation und Kontrolle durch KI zu mindern, sollten folgende Maßnahmen in Betracht gezogen werden:

  1. Transparenz und Offenlegung: Unternehmen sollten transparent machen, welche Daten gesammelt werden und wie sie verwendet werden. Nutzer sollten klar darüber informiert werden, wie ihre Daten zur Beeinflussung von Entscheidungen verwendet werden könnten.
  2. Datenschutzbestimmungen stärken: Starke Datenschutzbestimmungen sind entscheidend, um zu gewährleisten, dass persönliche Daten nicht missbraucht werden. Dies schließt Gesetze ein, die den unautorisierten Zugriff auf oder die Verwendung von persönlichen Daten verbieten.
  3. Ethische Richtlinien für den KI-Einsatz: Die Entwicklung und Durchsetzung ethischer Richtlinien für den Einsatz von KI kann helfen, die Integrität von Entscheidungsprozessen zu wahren. Diese Richtlinien sollten Fairness, Genauigkeit und Unparteilichkeit betonen.
  4. Förderung von KI-Kompetenz: Bildungsinitiativen, die das Bewusstsein und Verständnis von KI fördern, können Individuen besser darauf vorbereiten, die Möglichkeiten und Risiken dieser Technologien zu verstehen und sich davor zu schützen.
  5. Regulatorische Überwachung: Regierungen und Aufsichtsbehörden sollten aktive Rollen in der Überwachung der Entwicklung und Anwendung von KI-Technologien übernehmen, um sicherzustellen, dass diese Technologien im besten Interesse der Öffentlichkeit eingesetzt werden.

Durch den verantwortungsbewussten Umgang mit KI und die Implementierung von Maßnahmen zur Sicherstellung der Privatsphäre und Autonomie können wir sicherstellen, dass diese Technologien zum Wohle aller eingesetzt werden, ohne unerwünschte Manipulation und Kontrolle zu fördern.

10. Verlust von menschlichem Urteilsvermögen durch Künstliche Intelligenz

Die Künstliche Intelligenz beeinflusst zahlreiche Bereiche mit ihrer Fähigkeit, große Datenmengen zu verarbeiten und daraus komplexe Entscheidungen abzuleiten. Während diese Technologie unbestreitbare Vorteile bietet, gibt es auch ernsthafte Bedenken, insbesondere hinsichtlich des Verlustes von menschlichem Urteilsvermögen. Unter anderem der Verlust von menschlichen Kompetenzen und Fertigkeiten ein ernstzunehmendes Risiko (Deutscher Ethikrat, 2023). Der Verlust des menschlichen Urteilsvermögens hat bedeutende Implikationen für alle Sektoren, wo Entscheidungen weitreichende soziale, ökonomische und ökologische Auswirkungen haben können. Die Abhängigkeit von KI-Entscheidungen könnte dazu führen, dass menschliches Urteilsvermögen und Intuition vernachlässigt werden, besonders in Bereichen, die ein tiefes Verständnis für komplexe Kontexte erfordern.

Beispiel: Automatisierte Projektmanagement-Tools

Ein Beispiel für den potenziellen Verlust von menschlichem Urteilsvermögen durch Künstliche Intelligenz findet sich in der zunehmenden Verwendung von automatisierten Projektmanagement-Tools in der Bauwirtschaft. Diese Systeme nutzen Algorithmen, um Projekte zu planen, Ressourcen zuzuweisen und den Baufortschritt zu überwachen. Während solche Tools die Effizienz steigern können, indem sie optimale Entscheidungen schneller als Menschen treffen, besteht die Gefahr, dass Nuancen und Kontext, die menschliches Urteilsvermögen bieten, verloren gehen. Zum Beispiel könnte ein KI-System entscheiden, bestimmte Baumaterialien aufgrund von Kosten- und Verfügbarkeitsalgorithmen zu verwenden, ohne die langfristigen Umweltauswirkungen oder die spezifischen Anforderungen des lokalen Klimas zu berücksichtigen, die ein erfahrener Planer oder eine Planerin erkennen würde.

Herausforderungen

  1. Übermäßige Abhängigkeit von Technologie: Wenn Entscheidungsträger zunehmend auf KI-Systeme vertrauen, besteht die Gefahr, dass menschliche Fähigkeiten zur kritischen Bewertung und Problemlösung verkümmern. Dies kann besonders problematisch sein, wenn Systeme fehlerhaft sind oder unvorhergesehene Situationen auftreten, die außerhalb des Trainingsdatensatzes der KI liegen.
  2. Verlust von Kontextsensitivität: KI-Systeme sind oft nicht in der Lage, den vollständigen Kontext einer Situation zu erfassen, insbesondere wenn subtile soziale, kulturelle oder emotionale Faktoren eine Rolle spielen. Im Bauwesen könnte dies bedeuten, dass ethische Überlegungen oder langfristige Auswirkungen von Entscheidungen nicht vollständig berücksichtigt werden.
  3. Verantwortungsdiffusion: Wenn Entscheidungen zunehmend von Algorithmen getroffen werden, kann es schwieriger werden, Verantwortung für Fehlentscheidungen zu übernehmen. Dies kann zu einer “Verantwortungslücke” führen, wo niemand direkt für Fehler oder deren Konsequenzen verantwortlich gemacht wird.

Gegenmaßnahmen

Um den Verlust von menschlichem Urteilsvermögen zu minimieren und die positiven Aspekte der Künstlichen Intelligenz zu nutzen, sollten folgende Maßnahmen erwogen werden:

  1. Hybride Entscheidungsmodelle: Unternehmen sollten Modelle entwickeln, die KI-Systeme und menschliche Expertise kombinieren. Menschliche Aufsicht und Eingriffe sollten in allen Phasen des Entscheidungsprozesses vorgesehen werden, um sicherzustellen, dass KI-gestützte Entscheidungen kontinuierlich auf ihre Angemessenheit und Richtigkeit überprüft werden.
  2. Ständige Weiterbildung: Es ist entscheidend, dass Fachkräfte in der Bau- und Immobilienwirtschaft kontinuierlich geschult werden, um mit den neuesten Technologien Schritt zu halten und deren Grenzen zu verstehen. Weiterbildung in ethischen und kritischen Denkfähigkeiten ist ebenso wichtig.
  3. Entwicklung ethischer Richtlinien für KI: Organisationen sollten ethische Richtlinien für den Einsatz von KI entwickeln, die sicherstellen, dass Technologie nicht nur effizient, sondern auch verantwortungsbewusst und im Einklang mit den übergeordneten Zielen der Organisation eingesetzt wird.
  4. Förderung von Technologie-Assessment: Regelmäßige Bewertungen der eingesetzten KI-Systeme hinsichtlich ihrer Auswirkungen, Effektivität und potenzieller Risiken können helfen, Probleme frühzeitig zu erkennen und zu adressieren.
  5. Stärkung der Unternehmenskultur: Eine Kultur, die Wert auf menschliches Urteilsvermögen und ethische Überlegungen legt, kann dazu beitragen, dass Entscheidungsträger die von KI-Systemen bereitgestellten Empfehlungen kritisch hinterfragen.

Durch die Implementierung von Strategien, die sowohl die technologische Innovation fördern als auch das kritische und kontextuelle Denken schätzen, können Unternehmen sicherstellen, dass sie die Vorteile der KI voll ausschöpfen, ohne die menschliche Expertise und Ethik zu untergraben.

11. Homogenisierung von Wissen durch Künstliche Intelligenz

Die rasante Entwicklung von KI in zahlreichen Bereichen hat die Art und Weise, wie Wissen erzeugt, verteilt und genutzt wird, bereits sehr verändert. Während KI enorme Potenziale zur Erschließung neuer Erkenntnisse bietet, wächst die Sorge um eine mögliche Homogenisierung des Wissens. Der KI-Forscher Andrew J. Peterson spricht in diesem Zusammenhang von einem Wissenskollaps (im Original: Knowledge Collapse). Seiner Meinung nach kann der massive Einsatz von KI zur Wissensgenerierung und -vermittlung zu einer Homogenisierung und Einschränkung des öffentlich verfügbaren Wissens führen (Peterson, 2024). Diese Sorge bezieht sich auf die Tendenz von KI-Systemen, die Vielfalt der Perspektiven und Informationen zu reduzieren, indem sie Informationen bevorzugen, die als am relevantesten oder beliebtesten gelten. Der Bildungswissenschaftler Peter Gerjets vom Leibniz-Institut für Wissensmedien in Tübingen geht sogar noch weiter, in dem er die Meinung vertritt, dass ChatGPT den aktiven Lernprozess ausgelagert und das Gehirn nicht mehr gefordert wird, was dazu führt, dass ungenutzte Hirnareale geschwächt werden (Forschung & Lehre, 2024). In gewisser Form auch durchaus nachvollziehbar. Das kann zum Beispiel auch in Zukunft ein Grund dafür sein, dass neues Wissen kaum noch von Menschen selbst generiert werden kann. In diesem Kontext empfehle ich gerne eines der Bücher meines Kollegen Mario Herger: Wenn Affen von Affen lernen. In der Bau- und Immobilienwirtschaft können solche Entwicklungen ebenfalls tiefgreifende Konsequenzen haben.

Beispiel: KI-gestützte Forschung in der Bau- und Immobilienwirtschaft

Ein Beispiel für die Homogenisierung von Wissen durch Künstliche Intelligenz findet sich in der Nutzung von KI-Systemen zur Analyse und Prognose von Markttrends in der Immobilienwirtschaft. Beispielsweise sammelt und verarbeitet ein System große Mengen an Daten zu Immobilienverkäufen, Preisen, Käuferverhalten und wirtschaftlichen Indikatoren, um Muster zu erkennen und Vorhersagen zu treffen. Während diese Werkzeuge Entscheidungsträgern wertvolle Einblicke bieten können, neigen sie womöglich auch dazu, vorherrschende Trends zu verstärken und alternative, weniger offensichtliche Perspektiven zu übersehen. Das Ergebnis ist eine Standardisierung des Wissens, die innovative Ansätze und lokal spezifische Lösungen unterdrücken kann, insbesondere in dynamischen oder unkonventionellen Märkten.

Herausforderungen

  1. Reduktion der Vielfalt: KI-Systeme, die darauf trainiert sind, effizienzorientierte oder populäre Lösungen zu priorisieren, können dazu führen, dass weniger verbreitete, aber potenziell wertvolle Informationen und Ansätze vernachlässigt werden. Diese Einengung der Wissensbasis kann die Kreativität und Innovation einschränken.
  2. Verstärkung bestehender Vorurteile: Wenn die Daten, die zum Training von KI-Systemen verwendet werden, bereits Verzerrungen aufweisen, kann die Künstliche Intelligenz diese Vorurteile weiter verstärken. In der Immobilienwirtschaft könnte dies zu diskriminierenden Praktiken führen, wenn etwa bestimmte Stadtteile systematisch unter- oder überbewertet werden.
  3. Abhängigkeit von Technologie: Eine starke Abhängigkeit von KI-gestützten Analysen kann dazu führen, dass menschliche Fähigkeiten zur kritischen Bewertung und zum tiefgreifenden Verständnis von Marktdynamiken unterentwickelt bleiben oder verloren gehen. Die Fähigkeit des kritischen Denkens wird damit womöglich ebenso erheblich herabgesetzt.

Gegenmaßnahmen

Um den negativen Auswirkungen der Homogenisierung von Wissen durch Künstliche Intelligenz entgegenzuwirken, können verschiedene Maßnahmen ergriffen werden:

  1. Förderung von Diversität in Datenquellen: Es ist wichtig, eine breite Palette von Datenquellen zu nutzen, die verschiedene Perspektiven und Informationen widerspiegeln. Dies kann helfen, die Robustheit und Vielfalt der von KI-Systemen generierten Erkenntnisse zu erhöhen. Ähnlich dem Prinzip, dass Vielseitigkeit in einem Team bereichernd sein kann.
  2. Transparenz und Offenheit: Die Offenlegung der Funktionsweise von KI-Systemen und der Kriterien, die sie bei der Entscheidungsfindung verwenden, kann dazu beitragen, Nutzerinnen und Nutzer für mögliche Verzerrungen zu sensibilisieren und eine kritischere Nutzung der Technologie zu fördern.
  3. Interdisziplinäre Ansätze: Die Integration von Expertenwissen aus verschiedenen Disziplinen kann dazu beitragen, die Entwicklung und Anwendung von KI-Systemen zu bereichern und zu einer umfassenderen Sichtweise auf Probleme und Lösungen zu führen. Verschiedenartige Sichtweisen und Interpretationen können dabei sehr hilfreich werden.
  4. Kontinuierliche Überprüfung und Anpassung: KI-Systeme sollten regelmäßig überprüft und aktualisiert werden, um sicherzustellen, dass sie relevante und diverse Daten angemessen berücksichtigen und nicht veraltete oder verzerrte Muster verfestigen.
  5. Bildung und Training: Die Förderung des Bewusstseins und des Verständnisses für die Funktionsweise und Grenzen von KI bei allen Stakeholdern – von Entwicklerinnen und Entwicklern bis zu Endnutzerinnen und Endnutzern – ist wichtig, um eine kritische und informierte Nutzung dieser Technologien zu gewährleisten. Das beginnt bereits in der Schule und sollte sich kontinuierlich in Studium und Ausbildung wie auch am Arbeiotsplatz oder im Privaten fortsetzen. Lebenslanges Lernen auch bei KI ist angesagt!

Durch eine bewusste Gestaltung und den Einsatz von KI-Technologien können wir sicherstellen, dass diese Werkzeuge die Vielfalt des menschlichen Wissens erweitern, anstatt sie zu beschränken. Dadurch wird nicht nur die Innovationsfähigkeit der Branche gestärkt, sondern auch ein umfassenderer und gerechterer Zugang zu Informationen gewährleistet.

12. Standardisierung von Marktanalysen durch Künstliche Intelligenz

Wer hat sie noch nicht gelesen, die großen Slogans und Versprechen: Umsatz steigern mit KI, Durch KI Wettbewerbsvorteile erhöhen, KI gestützte Marktforschung – Ihr Schlüssel zum Erfolg, KI-gestützte Einkaufsoptimierung durch Marktanalyse und so weiter und sofort. Was davon wirklich KI ist und was KI-Washing ist, lasse ich jetzt mal unkommentiert. Einen Beirag zum Thema KI-Washing und wie sie dieses Phänomen erkennen finden Sie übrigens hier [Update 26.06.2024: Nutzen Sie das KI-Washing Assessment].

Tatsächlich, in der Bau- und Immobilienwirtschaft können KI-gestützte Analysetools eine bisher unerreichte Effizienz bei der Verarbeitung und Interpretation großer Datenmengen ermöglichen. Während diese Technologien wertvolle Einblicke und Prognosen liefern, die Entscheidungsprozesse verbessern, führt die Homogenisierung von Wissen durch Künstliche Intelligenz (siehe Punkt 11) auch zu einer Standardisierung von Bewertungsmethoden, die wenig Raum für lokale Besonderheiten lassen. Diese Entwicklung kann zu einem Verlust an nuancierter Betrachtung und individueller Anpassung führen, was langfristig die Innovationskraft und Anpassungsfähigkeit des Marktes beeinträchtigen kann.

Beispiel: KI-gestützte Bewertungssysteme für Immobilien

Ein Beispiel, wo die Standardisierung durch Künstliche Intelligenz in der Immobilienwirtschaft offensichtlich werden kann, ist die Nutzung von KI-gestützten Bewertungssystemen. Diese Systeme analysieren eine Vielzahl von Datenpunkten – von vergangenen Verkaufspreisen über Nachbarschaftsdaten bis hin zu aktuellen Markttrends –, um den Wert von Immobilien zu schätzen. Obwohl solche Tools objektive und schnelle Bewertungen ermöglichen, können Sie dazu neigen, die einzigartigen Eigenschaften einzelner Immobilien und die besonderen Umstände der Umgebung zu übersehen. Beispielsweise könnte ein Algorithmus, der auf Daten aus vorwiegend städtischen oder hochentwickelten Märkten trainiert wurde, inadäquate Bewertungen für Immobilien in ländlichen oder weniger entwickelten Gebieten liefern. Und Nutzerinnen und Nutzern ohne ausgeprägtem kritischen Bewußstsein würde das nichtmal auffallen!

Herausforderungen

  1. Verlust der lokalen Expertise: Lokales Marktwissen und die Intuition erfahrener Immobilienexperten sind oft entscheidend für die Bewertung von Immobilien und die Beratung von Kunden. KI-Systeme, die hauptsächlich auf standardisierten Datenmodellen basieren, können diese feinen Nuancen missachten.
  2. Reduzierte Diversität der Marktstrategien: Wenn alle Marktteilnehmenden auf dieselben KI-Tools und -Daten zugreifen, kann dies zu einer Konvergenz von Strategien führen. Diese Uniformität vermindert die Wettbewerbsvielfalt und kann zu einem Markt führen, der weniger resilient gegenüber ökonomischen Schwankungen ist. KI gestützte Marktforschung kann dann eher kontraproduktiv werden und alle Marktakteure gefährden.
  3. Übermäßige Abhängigkeit von Technologie: Eine starke Abhängigkeit von KI-Analysen kann dazu führen, dass menschliche Entscheidungsträgerinnen und Entscheidungsträger ihre Fähigkeit zur kritischen Analyse und zum unabhängigen Denken verlieren. Das könnte insbesondere in Krisenzeiten problematisch werden, wenn schnelles und angepasstes Handeln erforderlich ist.

Gegenmaßnahmen

Um die negativen Auswirkungen der Standardisierung von Marktanalysen durch Künstliche Intelligenz zu minimieren, sind folgende Maßnahmen hilfreich:

  1. Integration menschlicher Überprüfung: Um die Genauigkeit und Relevanz von KI-Analysen zu gewährleisten, sollte regelmäßig eine menschliche Überprüfung der von KI-Systemen generierten Ergebnisse erfolgen. Sozusagen ein “Vier-Augen-Prinzip” wovon zwei Augen der Mensch beisteuern sollte. Das kann helfen, dass die Analysen den lokalen Gegebenheiten und spezifischen Marktbedingungen entsprechen.
  2. Förderung von Diversität in Datenquellen: Um eine breitere Perspektive zu gewährleisten, sollten Daten aus einer Vielzahl von Quellen in die KI-Modelle integriert werden. Das beinhaltet auch historische, soziale und kulturelle Daten, die helfen können, ein vollständigeres Bild des Marktes zu zeichnen.
  3. Weiterbildung und Entwicklung: Es ist wichtig, dass Fachkräfte in der Immobilienwirtschaft ständig geschult werden, um die Funktionsweise und vor allem Grenzen von KI-Systemen zu verstehen. Weiterbildung in datenwissenschaftlichen Grundlagen, Ethik und kritischer Analyse kann dazu beitragen, eine zu starke Abhängigkeit von automatisierten Systemen zu vermeiden.
  4. Regulatorische Rahmenbedingungen: Aufsichtsbehörden und Branchenverbände (z.B. VDI, IVD, BVI, BVFI , BID etc.) sollten Richtlinien und Standards für den Einsatz von KI in der Marktanalyse entwickeln, die Transparenz, Fairness und Diversität fördern.
  5. Förderung von Innovation und Wettbewerb: Durch die Unterstützung von Start-ups und die Förderung von Forschung in der Entwicklung und Nutzung neuen Technologien können frische Ideen und alternative Ansätze in die Branche eingebracht werden, welche die Tendenz zur Standardisierung durchbrechen.

Durch bewusste Anstrengungen zur Bewahrung der Diversität, Integration menschlicher Expertise und Entwicklung robuster regulatorischer Rahmenbedingungen können wir sicherstellen, dass KI-Technologien den Markt bereichern, ohne seine Komplexität und Vielfalt zu untergraben.

13. Verlust eigener Kreativität durch Künstliche Intelligenz

Während der ISARC Conference 2018 in Berlin habe ich mit meinen Kollegen unser Paper zum Einfluss von automatisierten Baukonstruktionssystemen auf die die berufliche Bildung vorgestell (Karl et al., 2018). Dabei hatte ich auch die Gelegenheit mit Kollegen aus der Architektur zu sprechen. Auf meine Frage hin, dass eine KI wohl nicht in der Lage sei die eigene Kreativität ersetzen zu können, wurde ich von der Antwort überrascht. Der eine oder andere Kollege war zu dem Zeitpunkt bereits der Ansicht, dass das für eine KI in naher Zukunft kein Problem mehr sei.

Im Hier und Jetzt überrascht mich die Antwort nun nicht mehr. Doch die übermäßige Abhängigkeit von KI-gestützten Lösungen kann in Zukunft dazu führen, dass individuelle kreative Prozesse und originelle Ideenfindung mehr und mehr in den Hintergrund treten. Dieser Verlust wird besonders in kreativen und designorientierten Branchen zum Tragen kommen. So auch in der Bau- und Immobilienwirtschaft, wo Künstliche Intelligenz zunehmend in den Entwurfs- und Planungsprozess integriert wird. In diesem Kontext empfehle ich, in das Themendossier “Künstliche Intelligenz in der Kultur und Kreativwirtschaft” des Kompetenzzentrum Kultur- und Kreativwirtschaft des Bundes reinzuschauen. Die Thesen und Inhalte sind sehr lesenswert.

Beispiel: KI in Architektur und Design

In der Architekturbranche werden zunehmend KI-Programme eingesetzt, um Gebäudeentwürfe zu optimieren, indem sie automatisch Planungsparameter anpassen, um Effizienz, Kosten und sogar ästhetische Aspekte zu optimieren. Ein konkretes Beispiel hierfür wären KI-Systeme, welche auf die Generierung von Gebäudemodellen spezialisiert sind und klimatische Bedingungen und Energieeffizienz in ihren Designs berücksichtigen. Während solche Tools Architektinnen und Architekten unterstützen können, indem sie schnell eine Vielzahl von Designoptionen erstellen, besteht die Sorge, dass sie letztendlich die Rolle menschlicher Designer in der kreativen Phase der Architektur ersetzen und zu einer Standardisierung der Baustile führen könnten. Das könnte schließlich dazu führen, dass innovative, unkonventionelle oder kulturell spezifische Designs, die aus dem tiefen, intuitiven Verständnis menschlicher Designerinnen und Designer entstehen, weniger werden.

Herausforderungen

  1. Reduzierung kreativer Vielfalt: KI-Systeme sind oft darauf programmiert, die “beste” Lösung basierend auf bestimmten Algorithmen zu finden, die möglicherweise nicht die kreativen und kulturellen Aspekte eines Bauwerks berücksichtigen, welche eben auch schwer zu quantifizieren und für ein KI-System erfassbar sind.
  2. Abhängigkeit von Technologie: Mit zunehmender Abhängigkeit von KI-Tools könnten kommende Generationen von Architektinnen und Architekten wichtige Fähigkeiten im Bereich des kreativen Denkens und der Problemlösung verlieren, da die Technologie die meiste “Denkarbeit” übernimmt.
  3. Verlust der persönlichen Note: In der Architektur und im Design ist die persönliche Note der Schöpferin und des Schöpfers oft das, was ein Bauwerk einzigartig und bedeutungsvoll macht. Übermäßige Automatisierung durch KI könnte diese individuellen Ausdrücke minimieren und Bauwerke verlieren an Persönlichkeit.

Gegenmaßnahmen

Um den negativen Auswirkungen von KI auf die menschliche Kreativität entgegenzuwirken, können folgende Maßnahmen ergriffen werden:

  1. Ergänzende Nutzung von KI: Statt KI als Ersatz für menschliche Kreativität zu sehen, sollte sie als Werkzeug genutzt werden, das menschliche Fähigkeiten erweitert. Dies bedeutet, dass KI genutzt wird, um Routineaufgaben zu automatisieren, während kreative Entscheidungen weiterhin vom Menschen getroffen werden.
  2. Aus- und Weiterbildung: Bildungseinrichtungen und Unternehmen sollten darauf achten, dass die Ausbildung von Architektinnen und Architekten weiterhin Schwerpunkte auf kreativem Denken, innovativem Design und kritischer Bewertung legt, auch in einem technologiegetriebenen Umfeld.
  3. Interdisziplinäre Ansätze fördern: Durch die Zusammenarbeit verschiedener Disziplinen können neue Perspektiven in den Designprozess einfließen. Das kann helfen, die Einschränkungen zu überwinden, welche durch eine zu enge Fokussierung auf technologiebasierte Lösungen entstehen.
  4. Kulturelle und kontextuelle Sensibilität: Es ist wichtig, dass KI-Systeme in der Lage sind, kulturelle und kontextuelle Nuancen zu erkennen und zu integrieren. Das erfordert die Einbeziehung von Experten aus verschiedenen kulturellen und geografischen Hintergründen in die Entwicklung von KI-Systemen.
  5. Ethische Richtlinien entwickeln: Organisationen sollten ethische Richtlinien für den Einsatz von KI in kreativen Prozessen entwickeln. Diese Richtlinien sollten den Schutz der kreativen Freiheit und die Förderung der kulturellen Vielfalt als zentrale Werte betonen. Bestehende Richtlinien sollten dahingehen überprüft und ggf. erweitert werden. Einen Beitrag zur EU KI-Verordnung finden Sie hier.

Während Künstliche Intelligenz das Potenzial hat, den Design- und Bauprozess zu transformieren, ist es wichtig, dass wir uns des möglichen Verlustes von Kreativität im Klaren sein sollten. Durch den bewussten und ethisch verantwortlichen Einsatz von KI können wir sicherstellen, dass Technologie die menschliche Kreativität ergänzt und bereichert, anstatt sie zu ersetzen.

14. Mangel an individueller Ausdrucksform durch Künstliche Intelligenz

Die Zusammenarbeit des Menschen mit KI muss nicht immer direkt über einen ziel- und ergebnisorientierten spezifischen Algorithmus erfolgen. Vielmehr können aus der Aufbereitung der Daten über Umwege auch zahlreiche „Nebenerzeugnisse” entstehen. Über die Flut von Daten entstehen dann sogar neue Einsichten auf Eigenheiten im menschlichen Verhalten. Durch solche Learnings können wir beispielsweise das Design oder die Struktur von Begegnungsräumen und Architekturen gestalten (Bodrožić-Brnić & Fitzek, 2023).

Demgegenüber kann die Nutzung von KI in der Architektur- und Designphase auch zu einer Überbetonung von vorgefertigten Lösungen führen, was die individuelle Ausdrucksform der Architektinnen und Architekten einschränken kann. Durch die Standardisierung von Designprozessen besteht somit die Gefahr, dass einzigartige architektonische Konzepte und persönliche Handschriften von Architektinnen und Architekten durch homogenisierte, algorithmisch generierte Designs ersetzt werden. Diese Entwicklung könnte zu einer Verarmung der architektonischen Vielfalt und der kulturellen Identität der gebauten Umwelt führen und auch die Wertschätzung der architektonsichen Arbeit in der Gesellschaft herabsetzen.

Beispiel: KI-gesteuerte Planungswerkzeuge in der Wohnungsbaubranche

Ein Beispiel für den potenziellen Mangel an individueller Ausdrucksform durch Künstliche Intelligenz kann sich in der Nutzung von KI-gesteuerten Planungswerkzeugen in der Wohnungsbaubranche finden. Diese Werkzeuge können Algorithmen mutzen, um Grundrisse und Gebäudeentwürfe basierend auf einer Reihe von vordefinierten Parametern wie Kosten, Flächeneffizienz und Umweltverträglichkeit zu optimieren. Während solche Systeme in der Lage sein werden, schnell eine große Anzahl von Designvarianten zu generieren, tendieren sie womöglich auch dazu, ästhetisch ähnliche Lösungen zu bevorzugen, welche alle auf denselben algorithmischen Grundlagen basieren. Das kann schließlich dazu führen, dass neue Wohngebiete, welche ausschließlich mit solcher Software entworfen wurden, einen uniformen und sterilen Charakter aufweisen, der wenig Raum für individuelle Präferenzen oder kulturelle Besonderheiten lässt.

Herausforderungen

  1. Reduzierte kreative Freiheit: Architektinnen und Architekten können sich zunehmend darauf verlassen, dass KI-Lösungen die meiste “Denkarbeit” übernehmen, was zu einer Verringerung ihrer eigenen kreativen Beteiligung führt. Das Ergebnis sind standardisierte Designs, die sich weniger durch künstlerische oder kulturelle Überlegungen als durch algorithmische Effizienz auszeichnen.
  2. Verlust von kultureller Relevanz: Architektur ist ein Spiegel der Gesellschaft und drückt oft lokale Traditionen, Geschichte und soziale Werte aus. KI-Modelle, welche globale Daten verwenden und nicht auf lokale Kontexte zugeschnitten sind, können unfähig sein, diese Nuancen in ihren Entwürfen zu berücksichtigen.
  3. Homogenisierung des städtischen Raums: Wenn immer mehr Projekte mit denselben algorithmischen Werkzeugen geplant werden, könnte dies zu einer Homogenisierung der gebauten Umwelt führen, in der Städte und Gemeinden weltweit zunehmend ähnlich aussehen.

Gegenmaßnahmen

  1. Hybride Designansätze: Eine Kombination aus KI-gestützten Tools und traditionellen, handgeführten Designmethoden könnte helfen, die Vorteile der Technologie zu nutzen, während gleichzeitig Raum für individuelle Kreativität gelassen wird. Architektinnen und Architekten sollten Künstliche Intelligenz als ein Werkzeug betrachten, das ihre Fähigkeiten erweitert, nicht als Ersatz.
  2. Anpassung der KI an lokale Bedürfnisse: Die Entwicklung von KI-Systemen, die lokale architektonische Stile, Materialien und kulturelle Kontexte berücksichtigen, könnte helfen, die Relevanz und Akzeptanz der Technologie zu verbessern.
  3. Förderung von Innovation und Vielfalt: Architekturschulen und -firmen sollten Innovation und experimentelles Design fördern, um sicherzustellen, dass die nächste Generation von Architekten sowohl technisch versiert als auch kreativ unabhängig ist.
  4. Regulatorische und ethische Rahmenbedingungen: Die Entwicklung von Richtlinien und Standards, welche die Nutzung von KI in der Architektur regeln, kann dazu beitragen, dass Technologie im Sinne des öffentlichen Interesses und unter Wahrung der kreativen Vielfalt eingesetzt wird.

Die Integration von Künstlicher Intelligenz in der Architektur bietet bedeutende Möglichkeiten, wirft jedoch auch wichtige Fragen hinsichtlich des Erhalts der kreativen und kulturellen Dimensionen des Bauens auf. Durch einen ausgewogenen Ansatz, welcher die technologischen Innovationen mit einem breiten Verständnis und notwendigen Respekt für lokale Traditionen und individuelle Kreativität verbindet, können Architektinnen und Architekten sicherstellen, dass unsere gebaute Umwelt in Zukunft sowohl intelligent ist als auch inspirierend für uns bleibt.

15. Untergrabung kultureller und architektonischer Vielfalt durch Künstliche Intelligenz

Die Punkte 13. und 14. haben uns bereits Hinweise darauf gegeben, dass das Verhältnis zwischen Kultur und Kunst zu Künstlicher Intelligenz sehr ambivalent ist. Aktuell stellt sich zum Beispiel die Frage, ob KI-Technologien eine Bereicherung oder eine Herausforderung für die menschliche Kreativität und die Kulturproduktion ist. Erste Auswirkungen zeigen sich bereits: In den USA hat die “Writers Guild of America” (WGA) mit den großen amerikanischen Filmproduzenten vereinbart, dass KI-Technologien nicht für die Erstellung von Drehbüchern genutzt werden dürfen (Anguiano & Beckett, 2023). Weitere interessante Informationen zu diesem Teilbereich finden Sie auf der entsprechenden Webseite der WGA.

Und auch in der Bau- und Immobilienbranche tut sich einiges. Als Beispiel sei der RIBA Artificial Intelligence Report des Royal Institute of British Architects (RIBA) genannt. Dieser Report beschreibt detailliert die Ergebnisse einer Befragung unter mehr als 500 RIBA-Mitgliedern über KI und ihre Bedeutung für die Praxis und den Beruf. Der Bericht zeigt, dass 41 % der befragten Architektinnen und Architekten in Großbritannien bereits KI-Software nutzen, um ihre Entwürfe zu verbessern und effizienter zu gestalten.

Und gerade dort sehe ich auch eine Gefahr. Denn die Tendenz, dass KI-gestützte Entwurfsprogramme wiederholt Muster favorisieren, könnte zu einer Landschaft führen, in welcher neue Bauwerke einen Mangel an Originalität aufweisen. KI-Systeme, welche in der Regel auf Standards und Optimierung ausgelegt sind, können dazu führen, dass einzigartige lokale Baustile, kulturelle Identitäten und traditionelle Bauweisen in den Hintergrund gedrängt werden. Und das kann zu einer Untergrabung der kulturellen und architektonischen Vielfalt führen.

Beispiel: KI in der städtischen Entwicklungsplanung

Ein Beispiel für diese Problematik bietet die Umsetzung der städtischen Entwicklungsplanung durch Künstliche Intelligenz. Hier können KI-Algorithmen eingesetzt werden, um Flächennutzungspläne zu optimieren und die Bebauungsdichte zu maximieren. In einem Fall könnte ein KI-System vorschlagen, ein historisches Viertel mit niedriger Bebauungsdichte durch ein Hochhauskomplex zu ersetzen, um die Wohnraumkapazität zu erhöhen. Während dies aus einer rein ökonomischen und raumplanerischen Perspektive sinnvoll erscheinen mag (und auch mehr dringend benötigten Wohnraum schaffen würde), könnte es die Zerstörung architektonisch einzigartiger Strukturen bedeuten, die Teil des kulturellen Erbes der Stadt sind.

Herausforderungen

  1. Verlust kultureller Identität: Architektur ist ein Ausdruck kultureller Identität und Geschichte. Wenn KI-Systeme Entscheidungen treffen, die ausschließlich auf quantitativen Daten und Wahrscheinlichkeiten basieren, kann das zur Vernachlässigung kultureller Werte führen, was letztlich den Verlust von Bauwerken zur Folge haben kann, die eine Gemeinschaft prägen.
  2. Homogenisierung des Städtebaus: Die globale Verbreitung ähnlicher KI-gesteuerter Entwurfs- und Planungsmethoden kann zu einer visuellen und funktionalen Homogenisierung führen, bei der Städte weltweit immer ähnlicher aussehen und spezifische lokale Bedürfnisse und Traditionen ignoriert werden.
  3. Mangelnde Berücksichtigung lokaler Gegebenheiten: KI-Modelle, die nicht speziell auf regionale Unterschiede in Klima, Topographie oder sozioökonomischen Bedingungen angepasst sind, können Lösungen vorschlagen, die in bestimmten Umgebungen nicht praktikabel oder nachhaltig sind.

Gegenmaßnahmen

Um die negativen Auswirkungen der Künstlichen Intelligenz auf die kulturelle und architektonische Vielfalt zu minimieren, könnten folgende Maßnahmen ergriffen werden:

  1. Einbeziehung lokaler Experten: Bei der Entwicklung und Implementierung von KI-Systemen sollte das Wissen und die Erfahrung lokaler Architektinnen und Architekten wie auch weiterer Kulturschaffender einbezogen werden. Durch sie könnte sichergestellt werden, dass die KI-Lösungen lokale Besonderheiten und kulturelle Werte berücksichtigen und respektieren.
  2. Diversifizierung der Datensätze: Die Verwendung diversifizierter und kulturell sensibler Datensätze in KI-Modellen kann helfen, die kulturelle Relevanz der generierten Lösungen zu verbessern. Daten sollten aus einer Vielzahl von Quellen stammen und die kulturelle Vielfalt der Gesellschaft für welche die gebaute Umwelt erschaffen wird widerspiegeln.
  3. Regulatorische Rahmenbedingungen: Gesetzliche Vorgaben können dazu beitragen, dass bei der Stadtplanung und Architektur kulturelle, historische und soziale Aspekte berücksichtigt werden müssen. Das könnte (zu recht) den Einsatz von KI-Systemen einschränken, welche diese Faktoren nicht adäquat berücksichtigen.
  4. Förderung von Innovation durch Diversität: Die Förderung von KI-Entwicklungen, welche innovative Ansätze zur Integration kultureller Vielfalt in den Entwurfsprozess verfolgen, kann helfen, die Homogenisierung zu vermeiden.
  5. Bewusstsein und Bildung: Die Schulung von allen an Planung, Bau und Betrieb beteiligten Fachkräften wie auch die allgemeine Bewusstseinsbildung in der Gesellschaft über die Bedeutung der Erhaltung kultureller und architektonischer Vielfalt kann zu einem verantwortungsbewussteren Einsatz von KI führen.

Durch bewusste Anstrengungen und regulative Maßnahmen können wir sicherstellen, dass unsere gebaute Umgebung sowohl innovativ als auch repräsentativ für die kulturelle Vielfalt und Identität bleibt, die unsere Städte und Gemeinschaften einzigartig macht.

Und nun?

Die Künstliche Intelligenz bietet eine Fülle von Möglichkeiten, unsere Arbeitsweisen und Lebensräume zu verbessern, steht aber auch vor erheblichen Herausforderungen und ethischen Fragestellungen. Diese dunklen Seiten der Künstlichen Intelligenz unterstreichen die Notwendigkeit, technologische Entwicklungen mit ethischen Überlegungen und sozialer Verantwortung zu verbinden. Es bedarf eines kritischen Diskurses und konkreter Maßnahmen, um sicherzustellen, dass die Entwicklung und Anwendung von KI das Wohl aller berücksichtigt und unbeabsichtigte Schäden minimiert.

Ein besonders kritischer Aspekt dabei ist meiner Meinung nach die Ausbeutung von Klickarbeitern, deren mühsame und schlecht bezahlte Arbeit oft im Schatten der Technologiefortschritte verborgen bleibt. Gerade in der Bau- und Immobilienwirtschaft zeigt sich, wie wichtig ihre Rolle ist, beispielsweise bei der Analyse von Satellitenbildern oder der Zuordnung von umfangreichen Datensätzen. Diese Arbeit wird oft unter prekären Bedingungen verrichtet, die dringend adressiert und verbessert werden müssen.

Uns steht es nun offen, diesen Herausforderungen entgegenzutreten. Durch faire Arbeitsbedingungen, angemessene Bezahlung und Anerkennung der Klickarbeiter können wir nicht nur die ethischen Grundlagen unserer technologischen Fortschritte stärken, sondern auch sicherstellen, dass die Entwicklung von KI nachhaltig und gerecht erfolgt. Es ist an der Zeit, dass Unternehmen und Gesellschaften gemeinsam Verantwortung übernehmen und für Transparenz, Gerechtigkeit und Respekt im Umgang mit allen Beteiligten sorgen. Denn auch das gehört zum Nachhaltigkeitsgedanken! Nur so kann die KI ihr wahres Potenzial entfalten, ohne dabei diejenigen zu übersehen, die im Hintergrund die Räder am Laufen halten.

Quellenverzeichnis:

Anguiano, D & Beckett, L. (2023). How Hollywood writers triumphed over AI – and why it matters, The Guardian, online

Barton, M.-C., Pöppelbuß, J. (2022). Prinzipien für die ethische Nutzung künstlicher Intelligenz. HMD 59, 468–481, online

Bodrožić-Brnić, K; Fitzek, H. (2023). Kreativität & Künstliche Intelligenz . Der Mensch als treibende Kraft der KI, Hrg. BSP Business and Law School – Hochschule für Management und Recht, Projekt Mittelstand-Digital Zentrum Zukunftskultur, online

BSI (2024). Deepfakes – Gefahren und Gegenmaßnahmen, Bundesamt für Sicherheit in der Informationstechnik, online

BMVU (2024). Künstliche Intelligenz für Umwelt und Klima, online

Deutscher Bundestag (2024). Ökologische Auswirkungen Künstlicher Intelligenz begrenzen. Parlamentarischer Beirat für nachhaltige Entwicklung — Ausschuss — hib 156/2024, online

Deutscher Ethikrat (2023). Mensch und Maschine – Herausforderungen durch Künstliche Intelligenz, Stellungnahme, online

EU Parlament (2023). Künstliche Intelligenz: Chancen und Risiken, Veröffentlicht: 29.09.2020, letzte Aktualisierung: 20.06.2023 um 12:15 Uhr, online

Forschung & Lehre (2024). Entlastet die KI das Gehirn zu sehr, baut es ab, online

Karl, C. K.; Spengler, A.; Bruckmann, T. und Ibbs, C. W. (2018). Influence of automated building construction systems on vocational education and training In: The Future of Building Things: 35th International Symposium on Automation and Robotics in Construction and International AEC/FM Hackathon / International Symposium on Automation and Robotics in Construction ; ISARC 2018; 20.-25.07.2018, Berlin / Teizer, Jochen; König, Markus; Hartmann, Timo (Hrsg.) 2018, S. 236 – 243, online

Kaufmann, S. (2024). Wie sozial ist Künstliche Intelligenz?, Frankfurter Rundschau, 19.02.2024, online

Lopez, P. (2021). Diskriminierung durch Data Bias Künstliche Intelligenz kann soziale Ungleichheiten verstärken, WZB Mitteilungen, Heft 171, 03/202, online

NDR (2023). EuGH-Urteil: Schufa-Score nicht maßgeblich für Kreditwürdigkeit, online

Peterson, A. J. (2024). AI and the Problem of Knowledge Collapse, arxiv, Cornell University, online

Schweitzer, E. (2022). KI und Stadtentwicklung – Einsatzfelder künstlicher Intelligenz in der Stadtentwicklung, Fachbeitrag, Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR) Referat RS 5 „Digitale Stadt, Risikovorsorge und Verkehr“, 06.04.2022, online

Bengio, Y.; Hinton, G.; Yao, A.; Song, D.; Abbeel, P.; Darrell, T.; Harari, Y. N.; Zhang, Y.-Q.; Xue, L.; Shalev-Shwartz, S.; Hadfield, G.; Clune, J.; Maharaj, T.; Hutter, F.; Baydin, A. G.; McIlraith, S.; Gao, Q.; Acharya, A.; Krueger, D.; Dragan, A.; Torr, P.; Russell, S.; Kahneman, D.; Brauner, J. and Mindermann, S. (2024). Managing extreme AI risks amid rapid progress – Preparation requires technical research and development, as well as adaptive, proactive governance In Science, Vol. 384, Nr. 6698, online

Spengler, A. J., Karl, C. K. (2018). Datensicherheit und BIM In: Build-Ing. (2018) Nr. 2, S. 52 – 55, online

Spiegel (2023). Training für künstliche Intelligenz – So sieht die Arbeit von Clickworkern aus, online

Tagesschau (2024). Weit, weit weg vom Silicon Valley, online

Schlagwörter: KI-Ethik, Klickarbeit, FairTech, digitale Gerechtigkeit, ZukunftDerArbeit, ZukunftBau, Datenschutz, nachhaltige Stadtentwicklung, algorithmische Vorurteile

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). Künstliche Intelligenz und ihre dunklen Seiten [Blog-Beitrag]. 18.06.2024. BauVolution, ISSN 2942-9145. online verfügbar




15 Auswirkungen der EU KI-Verordnung auf die Bau- und Immobilienwirtschaft

Wir haben uns gefühlt erst vor Kurzem von der Datenschutz-Grundverordnung (DSGVO) erholt und jetzt kommt wieder was neues aus Brüssel auf uns zu: Die EU KI-Verordnung.

Die EU KI-Verordnung, auch Artificial Intelligence Act (AIA, hier zu finden) genannt, ist ein Regelwerk zur Regulierung künstlicher Intelligenz (KI). Ziel der Verordnung ist, den Einsatz von KI-Systemen innerhalb der Europäischen Union zu standardisieren, wobei ein besonderes Augenmerk auf ethische Grundsätze, Transparenz und Sicherheit gelegt wird. Das hat auch Auswirkungen auf zahlreiche Bereiche in der Bau- und Immobilienwirtschaft.

Hintergrund zur EU KI-Verordnung

Die EU KI-Verordnung ist eine Verordnung zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (KI) und stellt die Basis zur Änderung bestimmter Rechtsakte der Europäischen Union. Ziel der Vorordnung ist es, einen ausgewogenen Rahmen zu schaffen, der sowohl die rasante technologische Entwicklung und den sozioökonomischen Nutzen der KI fördert, als auch neue Risiken oder Nachteile für Individuen oder die Gesellschaft adressiert.

Struktur der Verordnung anzeigen

  • Teil I (Art. 1-4): Gegenstand und Anwendungsbereich der Verordnung sowie Begriffsbestimmungen
  • Titel II (Art. 5): Liste verbotener KI-Praktiken
  • Titel III (Art. 6-51): Spezifische Vorschriften für KI-Systeme, die ein hohes Risiko für die Gesundheit und Sicherheit oder für die Grundrechte natürlicher Personen darstellen
  • Titel IV (Art. 52): Spezifische Manipulationsrisiken bestimmter KI-Systeme
  • Titel V (Art. 53-55): Maßnahmen zur Innovationsförderung
  • Titel VI (Art. 56-59): Vorgaben für die Leitungsstrukturen auf Unionsebene und nationaler Ebene
  • Titel VII (Art. 60): Einrichtung einer unionsweiten Datenbank für eigenständige Hochrisiko-KI-Systeme
  • Titel VIII (Art. 61-68): Beobachtungs- und Meldepflichten für die Anbieter von KI-Systemen ohne ein hohes Risiko
  • Titel IX (Art. 69): Grundlagen zur Schaffung von Verhaltenskodizes für Anbietern von KI-Systemen
  • Titel X (Art. 70-72): Vertraulichkeit und Sanktionen
  • Titel XI (Art. 73-74): Befugnisübertragung und Ausschussverfahren
  • Titel XII (Art. 75-85): Schlussbestimmungen

Risikoklassen von KI-Systemen

Die Verordnung betont die Bedeutung eines risikobasierten Ansatzes (siehe Artikel 6 der Verordnung: Klassifizierungsregeln für KI-Systeme mit hohem Risiko). Grundsätzlich können KI-Anwendungen wie folgt unterschieden werden:

  1. KI mit unannehmbarem Risiko: Das sind Systeme, die menschliches Verhalten manipulieren oder die Vertrauenswürdigkeit von Personen auf Grundlage ihres Sozialverhaltens bewerten (sogenanntes Social Scoring). Diese gelten nach Artikel 5 der Verordnung als nicht akzeptabel und werden verboten.
  2. Hochrisiko-KI-Systeme: Solche Systeme unterliegen strengeren Vorschriften in Bezug auf Daten, Daten-Governance, Dokumentation und das Führen von Aufzeichnungen, Transparenz und Bereitstellung von menschlicher Aufsicht, Robustheit, Genauigkeit, Sicherheit und Informationen für die Anwenderinnen und Anwender. Neben diesen spezifischen Anforderungen müssen Hochrisiko-KI-Systeme einer Konformitätsbewertung unterzogen werden (Hochrisiko-KI kommt in der Verordnung fast 300 Mal vor!). Ich empfehle hierzu auch den Anhang III der Verordnung zu lesen.
  3. KI mit begrenztem Risiko: Zu den Anwendungen, die ein begrenztes Risiko aufweisen, gehören z.B. KI-Systeme, die mit Menschen interagieren. Auch wenn solche KI-Systeme weniger strengen Anforderungen unterliegen, sollen Anbieter trotzdem einen Verhaltenskodex erstellen und die Regelungen für Hochrisiko-KI-Systeme freiwillig anwenden.
  4. KI mit niedrigem Risiko: Für solche Systeme gibt es noch keine konkreten rechtlichen Regelungen. Beispiele solcher Systeme sind KI-unterstützte Spamfilter oder Systeme im Bereich Predictive Maintenance. Es gilt jedoch zu beachten, dass eine mit niedrigem Risiko eingestufte KI-Anwendung trotzdem eine technische Dokumentation sowie eine Risikobewertung haben muss. Zudem müssen die Nutzenden darüber in Kenntnis gesetzt werden, dass sie mit einem KI-System interagieren bzw. es muss für sie durch den Kontext ersichtlich sein.

Besonders hervorgehoben werden in der Verordnung verbotene KI-Praktiken wie manipulative oder ausbeuterische Techniken, die Schwächen von Personen ausnutzen (siehe Teil II der Verordnung). Die Verordnung umfasst zudem Maßnahmen zur Stärkung der Governance und der effektiven Durchsetzung der neuen Regelungen​​.

VORSICHT: Vier Typen künstlicher Intelligenz

Die oben genannten Risikoklassen dürfen nicht verwechselt werden mit den vier Typen von Künstlicher Intelligenz.

Die vier Typen Künstlicher Intelligenz
Typ Beschreibung Beispiele
Typ 1: Reaktive Maschinen (Reaktive Machines) Können eine spezifische Aufgabe erfüllen, für die sie programmiert wurden, ohne Lernfähigkeit oder Anpassung an neue Situationen. IBM Schachcomputer DeepBlue,
gewann 1997 gegen Großmeister Garry Kasparov (Details)
Typ 2: Begrenzte Speicherkapazität (Limited Memory) Können Daten aus vergangenen Situationen sammeln und in aktuellen Entscheidungen berücksichtigen, fähig zu einfachem Lernen. Selbstfahrende Autos (die wiederum in fünf Level unterschieden werden),
Smartphone-Assistenten,
GPTs
Typ 3: Theorie des Geistes (Theory of Mind) Bisher theoretisch; würden menschliche Emotionen und Gedanken verstehen und darauf reagieren können. Sophia, ein fortgeschrittener humanoider Roboter mit Ansätzen zur Emotionserkennung, ähnlich wie in Fritz Langs Film Metropolis,
Sophia denkt und versteht,
ACHTUNG: Rein hypothetisch! Hab´ ich mir gerade ausgedacht 🙂 Gibt es noch nicht!
Typ 4: Selbstwahrnehmung (Self Awareness) Kommen menschlichem Bewusstsein nahe; würden vollständige Selbstwahrnehmung und Verständnis menschlicher Emotionen besitzen. Wer kennt ihn nicht: Commander Data (gespielt von Brent Spiner), der Android aus Star Trek, als fiktives Beispiel für eine selbstbewusste KI,
Data weiß dass er denkt und versteht.

Auswirkungen der KI-Verordnung auf die Bau- und Immobilienwirtschaft

Dem Thema KI habe ich ja bereits mehrere Beiträge gewidmet. In vielen ging es darum, die Nutzung von KI in der Bau- und Immobilienwirtschaft vorzustellen (z.B. in den 24 Tipps für 2024 oder KI und Robotik) oder Ihnen einen Überblick über Konsequenzen in Detailbereichen näher zu bringen (z.B. KI-Prompting oder das Problem des KI-Washings) [Update: 27.06.2024: Nutzen Sie das KI-Washing Assessment, um sich vor KI-Washing zu schützen].

In diesem Beitrag wollen wir gemeinsam einen Blick in die Glaskugel werfen und versuchen herauszufinden, welche Auswirkungen die EU KI-Verodnung konkret für die Bau- und Immobilienwirtschaft haben kann. Dabei geht es nicht darum eine Liste mit zig Elementen vorzustellen (das wäre etwas für eine umfassende Forschungsarbeit), sondern darum Kernbereiche mit spezifischen Beispielen zu besprechen, die in unserem unmittelbaren Umfeld sind. Dabei sind Systeme, die als Hochrisiko-KI klassifiziert werden könnten (entsprechend Teil 3 Kap. 1 der Verordnung) besonders relevant.

1. KI-Verordnung und kritische Infrastrukturen

KI-Systeme können zukünftig eine zentrale Rolle im Management kritischer Infrastrukturen spielen (z.B. im Brückenmonitoring). Die EU KI-Verordnung klassifiziert solche Systeme als hochriskant, wenn ihre Fehlfunktion oder Störung das Leben und die Gesundheit von Menschen gefährden könnte. Dies erfordert von intelligenten Bauwerkssystemen die Einhaltung strenger Sicherheits- und Zuverlässigkeitsstandards.

Beispiel: In intelligenten Bauwerken werden KI-Systeme zur Optimierung von Heizung, Lüftung, Klimatisierung (HLK) und Energieverwaltung eingesetzt. Die Verordnung kann verlangen, dass diese Systeme strengen Sicherheits- und Zuverlässigkeitsstandards entsprechen (da als Hochrisiko-KI-Systeme klassifiziert). Das könnte zu einer erhöhten Notwendigkeit für Zertifizierungen und Audits führen, um Compliance sicherzustellen.

2. KI-Verordnung und Immobilienbewirtschaftung

Obgleich die Verordnung keine direkten Beispiele für KI-Anwendungen in der Immobilienwirtschaft nennt, fallen KI-Systeme, welche für kritische Entscheidungsprozesse innerhalb der Immobilienbewirtschaftung verwendet werden, möglicherweise unter die Kategorie der Hochrisiko-KI-Systeme, wenn sie signifikante Auswirkungen auf die Sicherheit oder die Grundrechte haben könnten (z.B. die automatisierte Mieterauswahl oder die Instandhaltungsplanung). Solche Systeme müssen zusätzliche Dokumentation, Konformitätsnachweise und menschliche Aufsicht vorsehen, um Risiken zu minimieren.

Beispiel: Ein KI-gesteuertes System zur Vorhersage von Gebäudewartungsbedürfnissen könnte unter die Verordnung fallen, wenn seine Fehlfunktion oder sein Ausfall die Sicherheit der Bewohnerinnen und Bewohner gefährden könnte. Die Entwicklung und Implementierung solcher Systeme erfordert daher möglicherweise zusätzliche Dokumentation, Konformitätsnachweise und menschliche Aufsicht, um die Einhaltung der Verordnung zu gewährleisten.

3. KI-Verordnung und Planen und Bauen

Das ist der Bereich, an den wahrscheinlich die meisten von Ihnen denken werden. KI-Systeme, welche in der Planungsphase von Bauprojekten eingesetzt werden, um beispielsweise die Auslastung von Ressourcen zu optimieren oder Risiken zu bewerten, könnten unter die Kategorie der Hochrisiko-KI-Systeme fallen, wenn ihre Entscheidungen direkte Auswirkungen auf die Sicherheit von Bauwerken haben. Diese Systeme müssen den in der Verordnung festgelegten strengen Anforderungen genügen, um Risiken zu minimieren und die Sicherheit und Zuverlässigkeit der Bauplanung und -durchführung zu gewährleisten.

Beispiel: Ein KI-basiertes Tool zur Risikobewertung, das während der Bauphase zur Vorhersage potenzieller Strukturfehler eingesetzt wird, muss möglicherweise strengen Konformitätsbewertungen unterzogen werden, um die Genauigkeit und Zuverlässigkeit seiner Vorhersagen zu gewährleisten, um Gefährdungen auf Grund von Fehlannahmen oder Fehlinterpretationen zu vermeiden. Das könnte die Einführung zusätzlicher Sicherheitsüberprüfungen und die Entwicklung robusterer Modelle zur Risikominderung erfordern.

4. KI-Verordnung und Energieeffizienz

KI-gestützte Systeme zur Optimierung des Energieverbrauchs in Gebäuden oder zur Steuerung von erneuerbaren Energiesystemen könnten ebenfalls als Hochrisiko eingestuft werden, wenn ihre Fehlfunktion oder ihr Ausfall erhebliche negative Auswirkungen auf die Umwelt oder die Gesundheit und Sicherheit der Bewohnerinnen und Bewohner haben könnte. Basierend auf der Verordnung würde verlangt werden, dass diese Systeme transparent, sicher und unter menschlicher Aufsicht betrieben werden, um ihre Zuverlässigkeit zu gewährleisten.

Beispiel: Ein intelligentes System zur Steuerung der Energieversorgung eines Gebäudes, das erneuerbare Energiequellen integriert (z.B. eine Photovoltaikanlage) und den Energieverbrauch optimiert, muss sicherstellen, dass es die in der Verordnung festgelegten Anforderungen erfüllt. Die Implementierung solcher Systeme könnte eine umfassende Prüfung der Datengrundlage und Algorithmen erfordern, um sicherzustellen, dass sie effizient arbeiten und keine unbeabsichtigten Auswirkungen auf die Umwelt oder die Sicherheit der Gebäude haben.

5. KI-Verordnung und Automatisierte Überwachung

KI-gestützte Überwachungssysteme, welche in Gebäuden oder auf Baustellen eingesetzt werden, um Sicherheit zu gewährleisten oder unbefugten Zugang zu erkennen, könnten strenge regulatorische Anforderungen erfüllen müssen, wenn sie als Hochrisiko-KI-Systeme eingestuft werden. Dies ist besonders relevant für Systeme, die biometrische Daten verarbeiten oder Entscheidungen treffen, die erhebliche Konsequenzen für die Rechte und Freiheiten der Menschen haben könnten. Anbieter solcher Systeme müssen sicherstellen, dass ihre Produkte transparent arbeiten, menschliche Aufsicht ermöglichen und keine unzulässige Diskriminierung verursachen.

Beispiel: Ein KI-basiertes Zugangskontrollsystem, das Gesichtserkennungstechnologie nutzt, um Personen den Zugang zu einem Gebäude oder eine Baustelle zu ermöglichen, muss möglicherweise spezifische Maßnahmen implementieren, um den Schutz personenbezogener Daten zu gewährleisten und die Entscheidungsfindung nachvollziehbar zu machen. Das könnte bedeuten, dass solche Systeme erweiterte Datenschutzfunktionen benötigen und regelmäßig überprüft werden, um Verzerrungen oder Fehler in der Erkennung zu vermeiden.

6. KI-Verordnung und Gebäudeautomatisierung

KI-gestützte Technologien zur Automatisierung von Gebäudefunktionen (Smart Home), wie Beleuchtung, Temperaturregelung und Energiemanagement, könnten unter die Kategorie der Hochrisiko-KI-Systeme fallen, wenn ihre Fehlfunktion die Gesundheit oder Sicherheit der Bewohnerinnen und Bewohner gefährden könnte. Die Verordnung würde von den Anbietern solcher Systeme verlangen, dass sie die Zuverlässigkeit, Sicherheit und menschliche Überwachbarkeit ihrer Lösungen sicherstellen.

Beispiel: Ein intelligentes Heizungssystem, das KI nutzt, um den Energieverbrauch eines Gebäudes zu minimieren und gleichzeitig den Komfort für die Bewohnerinnen und Bewohner zu maximieren, muss so gestaltet sein, dass es den Anforderungen an Transparenz und Sicherheit entspricht. Bei einer Fehlfunktion, die zu einer Gefährdung der Bewohnerinnen und Bewohner führen könnte, müssten Mechanismen für schnelle Eingriffe und Korrekturen vorhanden sein, um sicherzustellen, dass das System keine Risiken für die Gesundheit oder Sicherheit darstellt. Eine menschliche menschliche Überwachungsinstanz wäre vorzusehen.

7. KI-Verordnung und Vermögensverwaltung

KI-gestützte Systeme, die in der Vermögensverwaltung und bei Investitionsanalysen eingesetzt werden, könnten bestimmten Vorschriften unterliegen, insbesondere wenn sie Entscheidungen treffen, die erhebliche finanzielle Auswirkungen auf Unternehmen oder Einzelpersonen haben können. Solche Systeme müssten transparente, nachvollziehbare und faire Entscheidungsprozesse gewährleisten und dürften nicht zu diskriminierenden Ergebnissen führen. Die Verordnung könnte verlangen, dass Anbieter solcher Systeme die zugrunde liegenden Algorithmen und Datenquellen offenlegen müssten, um Bias zu minimieren und die Zuverlässigkeit ihrer Analysen zu erhöhen. Das wäre in der Tat eine Gradwanderung zwischen Geschäftsgeheimnis ( = Wettbewerbsvorteil) und Regulierungsanspruch.

Beispiel: Ein KI-System, das Immobilieninvestoren dabei hilft, die Rentabilität potenzieller Investitionen zu analysieren, indem es Markttrends, Immobilienwerte und Mietpreisentwicklungen prognostiziert, muss sicherstellen, dass seine Vorhersagemodelle unvoreingenommen und transparent sind. Die Entwickler solcher Systeme könnten gezwungen sein, ihre Modelle regelmäßig zu aktualisieren und zu überprüfen (oder gar überprüfen zu lassen), um Compliance mit den regulatorischen Anforderungen zu gewährleisten.

8. KI-Verordnung und Nachhaltigkeitsbewertung

In der Bau- und Immobilienbranche eingesetzte KI-Systeme zur Bewertung der Nachhaltigkeit und zur Unterstützung der Zertifizierung von Gebäuden könnten ebenfalls den Anforderungen der Verordnung unterliegen. Diese Systeme spielen eine entscheidende Rolle dabei, Bauherren und Entwicklern dabei zu helfen, umweltfreundliche und energieeffiziente Gebäude zu entwerfen und zu realisieren. Die Verordnung könnte verlangen, dass solche Systeme genau, transparent und verlässlich sind, um sicherzustellen, dass die Bewertungen und Zertifizierungen die tatsächliche Nachhaltigkeitsleistung der Gebäude widerspiegeln.

Beispiel: Ein KI-basiertes Tool, das bei der Optimierung des Energieverbrauchs und der Minimierung der CO2-Emissionen von Neubauten unterstützt, muss möglicherweise seine Analysemethoden und Berechnungsgrundlagen offenlegen. Dadurch sollen die Genauigkeit der Nachhaltigkeitsbewertungen sichergestellt und das Vertrauen in die erzielten Zertifizierungen gestärkt werden. Die Anbieter solcher Systeme könnten zudem dazu verpflichtet werden, regelmäßige Updates durchzuführen, um die neuesten Standards in Bezug auf Umweltschutz und Energieeffizienz zu berücksichtigen.

9. KI-Verordnung und Barrierefreiheit von Gebäuden

Wahrscheinlich wären einige nicht auf die Idee gekommen, dass Zugänglichkeit und Barrierefereiheit von Gebäuden ein Thema sein könnte. Allgemein sind in EU Vorgaben sehr oft Bezüge zur barrierefreien Zugänglichkeit für Menschen mit Behinderungen zu finden (ob es nun die Verodnung als Dokument selbst ist oder auch bezüglich der in einer Verordnung behandelten Realität). KI-gestützte Systeme, die zur Verbesserung der Zugänglichkeit und Barrierefreiheit in Gebäuden beitragen, könnten besonderen Anforderungen unterliegen, um sicherzustellen, dass sie inklusiv gestaltet sind und niemanden diskriminieren. Solche Systeme müssen transparent arbeiten und ihre Entscheidungen nachvollziehbar sein, damit sie allen Nutzerinnen und Nutzern, einschließlich Menschen mit Behinderungen, gerecht werden. Die EU KI-Verordnung könnte verlangen, dass diese Technologien so gestaltet sind, dass sie die Vielfalt der Bedürfnisse von Nutzenden berücksichtigen und aktiv zur Förderung der Inklusion beitragen.

Beispiel: Ein KI-basiertes Navigationssystem für Blinde und Sehbehinderte in öffentlichen Gebäuden, welches akustische Signale und Sprachsteuerung nutzt, um Informationen über die Umgebung zu vermitteln, muss gewährleisten, dass seine Interaktionsmodelle für alle Nutzenden zugänglich sind. Die Entwickler solcher Technologien könnten dazu angehalten werden, umfassende Tests mit Nutzenden aus verschiedenen Zielgruppen durchzuführen, um sicherzustellen, dass die Systeme ihre Anforderungen erfüllen und keine unbeabsichtigten Barrieren schaffen. Somit muss sichergestellt werden, dass ein solches KI-System inklusiv ist.

10. KI-Verordnung und Risikomanagement in der Immobilienentwicklung

In der Immobilienentwicklung eingesetzte KI-Systeme für Prognosen und Risikomanagement, welche zukünftige Markttrends analysieren oder das Risiko von Naturkatastrophen einschätzen, könnten den strengen Auflagen der EU KI-Verordnung unterliegen, insbesondere wenn ihre Entscheidungen erhebliche finanzielle oder sicherheitsrelevante Auswirkungen haben. Diese Systeme müssen auf verlässlichen Daten basieren und ihre Algorithmen sollten transparent und frei von Verzerrungen sein, um faire und gerechte Entscheidungen zu ermöglichen.

Beispiel: Ein KI-System, welches Entwickler bei der Einschätzung des Überschwemmungsrisikos für potenzielle Baugrundstücke unterstützt, muss in der Lage sein, seine Prognosen auf der Grundlage aktueller und historischer Daten genau zu erklären. Entwickler solcher Systeme könnten verpflichtet werden, regelmäßig Datenaktualisierungen vorzunehmen, diese nachzuweisen und die Methodik ihrer Risikobewertungen offen zu legen, um Transparenz zu gewährleisten und das Vertrauen in die Zuverlässigkeit ihrer Analysen zu stärken.

11. KI-Verordnung und Robotik in der Baubranche

Robotik-Systeme, die in der Baubranche für Aufgaben wie das automatisierte Verlegen von Ziegeln, Schweißen oder sogar für die Inspektion von Strukturen mittels Drohnen eingesetzt werden, könnten unter die Kategorie der Hochrisiko-KI-Systeme fallen, wenn ihre Fehlfunktion die Sicherheit am Bau gefährden könnte. Solche Systeme müssen hohe Standards in Bezug auf Sicherheit, Zuverlässigkeit und menschliche Aufsicht erfüllen. Die EU KI-Verordnung könnte von den Entwicklern verlangen, dass sie nicht nur die Sicherheit der eingesetzten Robotersysteme gewährleisten, sondern auch deren Entscheidungen transparent und nachvollziehbar gestalten.

Beispiel: Ein autonom arbeitender Roboter, welcher für den Hochbau eingesetzt wird, um Materialien zu transportieren und zu verbauen, muss sorgfältig programmiert und regelmäßig gewartet werden, um Unfälle zu vermeiden. Für solche Technologien könnte es erforderlich sein, umfangreiche Sicherheitsanalysen durchzuführen und Dokumentationen bereitzustellen, welche die Einhaltung der regulatorischen Anforderungen belegen, einschließlich Maßnahmen zur Gewährleistung der menschlichen Überwachung und Eingriffsmöglichkeiten.

12. KI-Verordnung und automatisierte Immobilienbewertung

KI-gestützte Systeme zur automatisierten Bewertung von Immobilien, die umfangreiche Datenmengen analysieren, um den Wert von Objekten zu schätzen, könnten ebenfalls strengen Vorschriften unterliegen. Diese Systeme tragen erheblich zur Entscheidungsfindung bei Käufen, Verkäufen und der Kreditvergabe bei (wir erinnern uns an ähnliche Systeme wie z.B. den SCHUFA Score). Die EU KI-Verordnung könnte verlangen, dass diese Technologien transparente und faire Bewertungsprozesse gewährleisten, um Diskriminierung zu vermeiden und die Genauigkeit der Bewertungen sicherzustellen.

Beispiel: Ein KI-System, welches Big Data und maschinelles Lernen nutzt, um Immobilienpreise zu prognostizieren und individuelle Immobilienbewertungen zu erstellen, muss möglicherweise seine Methodik offenlegen und sicherstellen, dass seine Prognosen frei von Verzerrungen sind. Anbieter solcher Systeme könnten dazu verpflichtet werden, die Datengrundlagen, auf denen ihre Modelle basieren, regelmäßig zu aktualisieren, dieses zu dokumentieren und auch den Datenbestand regelmäßig zu überprüfen, um die Einhaltung der Verordnung zu gewährleisten.

13. KI-Verordnung und Exoskelette am Bau

Eine interessante weitere Entwicklung im Bauwesen sind Exoskelette. Ein Exoskelett bietet bei Bauarbeiten körperliche Unterstützung, um die Belastung durch schwere Hebearbeiten zu reduzieren oder die Effizienz bei repetitiven Aufgaben zu steigern, könnten unter bestimmte Bestimmungen der EU KI-Verordnung fallen. Insbesondere wenn sie mit KI-Systemen ausgestattet sind, welche Bewegungen anpassen oder optimieren. Die Verordnung könnte verlangen, dass diese Technologien sicher und zuverlässig sind und dass ihre Algorithmen transparent und frei von Verzerrungen sind, um Unfälle zu vermeiden und die Gesundheit der Nutzenden zu schützen.

Beispiel: Ein KI-gesteuertes Exoskelett, das Daten über die Körperhaltung des Trägers in Echtzeit analysiert, um die Unterstützung dynamisch anzupassen, muss möglicherweise detaillierte Informationen über die Funktionsweise seiner Algorithmen bereitstellen. Entwickler solcher KI-gestützten Exoskelette könnten verpflichtet werden, Sicherheits- und Leistungstests durchzuführen, um zu demonstrieren, dass die Technologie die Gesundheit und Sicherheit der Benutzerinnen und Benutzer nicht gefährdet.

14. KI-Verordnung und autonome Baumaschinen

Der Einsatz autonomer Baumaschinen, wie selbstfahrende Bagger oder Drohnen für Vermessungsaufgaben, stellt einen weiteren Bereich dar, in dem die EU KI-Verordnung Auswirkungen haben könnte. Solche Maschinen müssen hohe Sicherheitsstandards erfüllen und transparente Entscheidungsfindungsprozesse aufweisen, um das Risiko von Unfällen zu minimieren und die Effizienz auf Baustellen zu maximieren. Die Verordnung könnte strenge Anforderungen an die Entwicklung, den Test und den Betrieb dieser autonomen Systeme stellen, um sicherzustellen, dass sie zuverlässig funktionieren und keine Gefahr für Menschen oder die Umgebung darstellen.

Beispiel: Ein autonomer Bagger, welcher KI nutzt, um den Aushub von Baugruben zu optimieren, muss möglicherweise umfangreiche Trainingsdatensätze nutzen, die reale Baubedingungen widerspiegeln, um sicherzustellen, dass seine Algorithmen effektiv und sicher arbeiten. Betreiber solcher Maschinen könnten dazu angehalten werden, regelmäßige Software-Updates durchzuführen und Systemüberprüfungen vorzunehmen, um Compliance mit den aktuellen Sicherheitsstandards zu gewährleisten. Eventuell könnte vorgeschrieben werden, dass eine menschliche Kontroll- und Eingriffsinstanz vorzusehen ist,

15. KI-Verordnung und KI-gestützte Bewertung von Baumaterialien

Viele der bisherigen Punkte bezogen sich natürlicherwiese auf digitale Lösungen. In Bezug auf Nachhaltigkeit und speziell auf nachhaltiges Planen, Bauen und Betrieben ergibt sich ein weiteres Feld, welches durch die EU KI-Verordnung beeinflusst wird. Die KI-gestützte Bewertung von Baumaterialien. Die Verordnung könnte strenge Anforderungen an KI-Systeme stellen, die verwendet werden, um die Qualität, Nachhaltigkeit und Eignung von Baumaterialien zu bewerten. Diese Systeme könnten dazu beitragen, die Umweltverträglichkeit und Langlebigkeit von Bauprojekten zu verbessern, indem sie eine präzise Analyse der Materialien ermöglichen. Hierfür müssen sie jedoch transparente, nachvollziehbare und verlässliche Bewertungen liefern, um das Risiko von Fehlentscheidungen zu minimieren und um sicherzustellen, dass die verwendeten Materialien den gesetzlichen und ökologischen Standards entsprechen und zudem eine Gefährdung von Mensch und Umwelt ausgeschlossen wird. KI-Systeme, welche in diesem Bereich eingesetzt werden, müssen daher nicht nur die technischen Eigenschaften der Materialien berücksichtigen, sondern auch deren Lebenszyklus, Wiederverwertbarkeit und Umweltauswirkungen.

Beispiel: Ein KI-basiertes Analysetool, das Planenden dabei hilft, die optimalen Materialien für ein spezifisches Bauvorhaben auszuwählen, könnte ein konkretes Beispiel sein. Dieses Tool könnte Daten über die Zugfestigkeit, Wärmeleitfähigkeit, Wasserdichtigkeit und CO2-Bilanz verschiedener Baumaterialien analysieren und Empfehlungen geben, die nicht nur auf technischen Leistungsdaten basieren, sondern auch ökologische und nachhaltige Aspekte berücksichtigen. Um den Anforderungen der EU KI-Verordnung zu genügen, müsste ein solches System seine Entscheidungsgrundlagen offenlegen und sicherstellen, dass seine Empfehlungen auf aktuellen und umfassend geprüften Daten basieren. Entwickler eines solchen Tools müssten regelmäßig die Datengrundlage aktualisieren und transparent machen, wie die KI zu ihren Schlussfolgerungen kommt, um Vertrauen in die Zuverlässigkeit und Objektivität der Bewertungen zu schaffen.

Und nun?

Die EU KI-Verordnung markiert einen wichtigen Punkt, auch für die Bau- und Immobilienwirtschaft. Besonders hervorzuheben sind die spezifischen Anforderungen und Verpflichtungen für Hochrisiko-KI-Systeme, welche von der Steuerung kritischer Infrastrukturen über Immobilienmanagement und Bauplanung bis hin zur Energieeffizienz und Nachhaltigkeitsbewertung reichen. Diese Regelungen sollen die Sicherheit und Zuverlässigkeit von KI-gestützten Systemen gewährleisten, welche in kritischen und entscheidenden Bereichen der Branche zum Einsatz kommen.

Die Zukunft der Bau- und Immobilienbranche ist eng mit der Entwicklung und Implementierung von KI-Systemen verbunden, wodurch die EU KI-Verordung ihre Relevanz erhält. KI-Technologien bieten das Potenzial, Prozesse zu optimieren, die Effizienz zu steigern und die Nachhaltigkeit und Sicherheit von Projekten zu verbessern. Gleichzeitig betont die Verordnung die Notwendigkeit, Risiken sorgfältig zu managen und die Sicherheit und Grundrechte der Menschen zu schützen.

In den kommenden Jahren können wir davon ausgehen, dass die Branche zunehmend auf transparente, sichere und ethisch vertretbare KI-Lösungen setzen wird, welche den strengen Anforderungen der EU KI-Verordnung entsprechen müssen.

Transparenz und Aktualität der Datengrundlage, Dokumentation und der Mensch als Überwachungs- und Eingriffsinstanz sind wesentliche Komponenten, damit KI-Systeme der EU KI-Verodnung entsprechen. Bereits jetzt fallen mir dahingehend einige neue Geschäftsideen ein, um Entwicklern und Nutzenden Unterstützung zukommen zu lassen.

Tipps für Akteure aus der Bau- und Immobilienwirtschaft

  1. Frühzeitige Anpassung: Beginnen Sie so früh wie möglich damit, Ihre KI-Systeme an die Anforderungen der EU KI-Verordnung anzupassen. Das umfasst die Überprüfung und ggf. Anpassung bestehender Systeme sowie die Berücksichtigung der Verordnung bei der Entwicklung neuer KI-Lösungen.
  2. Investition in Transparenz und Sicherheit: Investieren Sie in Technologien und Prozesse, welche die Transparenz, Sicherheit und menschliche Aufsicht Ihrer KI-Systeme gewährleisten. Das beinhaltet auch die Schulung Ihres Personals im Umgang mit diesen Systemen und die Sensibilisierung für die damit verbundenen Risiken.
  3. Aktive Beteiligung am Diskurs: Engagieren Sie sich in Branchendiskussionen und -initiativen rund um die Implementierung der EU KI-Verordnung. Durch den Austausch mit anderen Akteuren können Sie Best Practices kennenlernen, Einblicke in die regulatorischen Entwicklungen gewinnen und Ihre Interessen effektiv vertreten.
  4. Datenmanagement und -qualität sicherstellen: Priorisieren Sie ein hochwertiges Datenmanagement, um die Grundlage für ein effektives KI-System zu schaffen. Die Qualität, Genauigkeit und Relevanz der Daten, auf denen KI-Modelle trainiert und ausgeführt werden, sind sehr relevant für deren Leistungsfähigkeit und Konformität mit regulatorischen Anforderungen. Implementieren Sie robuste Verfahren für die Datenerhebung, -verarbeitung und -speicherung, die Datenschutz und -sicherheit gewährleisten und Bias minimieren. Das beinhaltet auch die kontinuierliche Überwachung und Aktualisierung der Daten und Modelle, um deren Aktualität und Relevanz sicherzustellen.
  5. Partnerschaften und Kollaborationen ausbauen: Nutzen Sie die Vorteile von Partnerschaften mit Technologieanbietern, Forschungseinrichtungen und Branchenverbänden, um Zugang zu neuesten KI-Innovationen und Fachwissen zu erhalten. Der Austausch mit Partnern wird Ihnen helfen, Herausforderungen bei der Implementierung von KI-gestützten Lösungen effektiver zu bewältigen und gemeinsam Standards und Best Practices zu entwickeln, welche den Anforderungen der EU KI-Verordnung entsprechen. Kollaborationen können auch bei der Entwicklung von branchenspezifischen Lösungen unterstützen, welche speziell auf die einzigartigen Bedürfnisse und Herausforderungen der Bau- und Immobilienwirtschaft zugeschnitten sind.

Zu guter Letzt

Die EU KI-Verordnung stellt kein Dokument dar, dessen Ziel es ist Innovation zu bremsen oder Akteure zu gängeln. Sie bietet eine Chance zur Verbesserung der Sicherheit und Effizienz und fördert damit Innovationen, welche die Bau- und Immobilienwirtschaft nachhaltig transformieren können. Durch die proaktive Anpassung von Dienstleistungen und Produkten an diese Verordnung können Unternehmen nicht nur regulatorische Herausforderungen meistern, sondern auch Vorreiter in der Nutzung ethischer und sicherer KI-Technologien werden.

Es geht eben darum besser zu werden und sich nicht schlechter machen zu lassen. In diesem Sinne wünsche ich allen Beteiligten an der KI-Entwicklung und -Nutzung ein weiterhin gutes Händchen und ein noch bessers Ohr für den Bedarf sinnvoller KI-Lösungen.

Quellenverzeichnis:

Verordnung zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz und zur Änderung bestimmter Rechtsakte der Union (online)

Verordnung (EU) 2016/679 des Europäischen Parlaments und des Rates vom 27. April 2016 zum Schutz natürlicher Personen bei der Verarbeitung personenbezogener Daten, zum freien Datenverkehr und zur Aufhebung der Richtlinie 95/46/EG (Datenschutz-Grundverordnung) (online)

Schlagwörter: Künstliche Intelligenz, EU KI-Verordnung, Artificial Intelligence Act, AIA, Hochrisiko-KI, Datenschutz, Transparenz, Bauwirtschaft, Immobilienwirtschaft.

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). 15 Auswirkungen der EU KI-Verordnung auf die Bau- und Immobilienwirtschaft [Blog-Beitrag]. 03.04.2024. BauVolution, ISSN 2942-9145. online verfügbar




KI und Robotik – Steigerung von Effizienz und Sicherheit

Die Integration von künstlicher Intelligenz (KI) und Robotik verspricht eine erhebliche Steigerung der Effizienz und Sicherheit. Im Rahmen meiner Forschung habe ich mich sowohl mit den Technologien als auch mit den Auswirkungen von KI und Robotik auf der Baustelle und die Qualifikation von Mitarbeitenden beschäftigt (siehe z.B. die Projekte RobotVETcon und KI4Edu). Im Folgenden zeige ich Ihnen in gewohnter Kürze, wie KI und Robotik zu einer Effizienzsteigerung und Sicherheitsverbesserung führen wird.

Effizienzsteigerung durch KI und Robotik auf der Baustelle

Die Steigerung der Effizienz auf Baustellen ist und bleibt ein Schlüssel, um die Bauzeiten zu verringern und die Kosten zu senken. Künstliche Intelligenz (KI) und Robotik werden in Zukunft in vielfältiger Weise einen positiven Beitrag leisten können.

Automatisierung von Aufgaben

KI und Robotik ermöglichen die Automatisierung einer Vielzahl von Bauprozessen. Roboter können beispielsweise das Setzen von Mauerziegeln oder das Schweißen von Stahlträgern übernehmen. Dies führt zu einer erheblichen Reduzierung der Bauzeit und der Kosten. Robotik ermöglicht zudem die Automatisierung von Aufgaben, die normalerweise zeitaufwändig und arbeitsintensiv sind. Beispielsweise können Bauroboter Mauerziegel schneller und präziser platzieren als menschliche Arbeiter (Karl et al., 2018). Daneben können repetitive Aufgaben durch automatisierte Prozesse übernommen und für die MItarbeitenden minimiert werden.

Präzision und Genauigkeit

KI kann in der Bauplanung und -ausführung eine hohe Präzision gewährleisten. Mithilfe von BIM (Building Information Modeling) und Machine Learning können Projekte optimal geplant und koordiniert werden, wodurch Fehler noch mehr minimiert werden können. Desweiteren können KI-Systeme Abweichungen in Echtzeit erkennen und korrigieren, was zu weniger Fehlern und geringerer Verschwendung von Zeit und Material führt. In der Ausführung kann durch den Einsatz von Robotern insbesondere für repetitive und präzisionsintensive Aufgaben, wie zum Beispiel das Mauern, das Schweißen oder das Verlegen von Rohren, die Genauigkeit auf der Baustelle erheblich gesteigert werden.

Datenanalyse und Entscheidungsfindung

KI-Systeme spielen eine entscheidende Rolle bei der Analyse riesiger Datenmengen, um Einsichten zu gewinnen, welche die Planung und Ausführung von Bauprojekten optimieren. Von der Auswertung geografischer Informationen oer Wetterdaten über die Vorhersage von Materialbedarf bis hin zur Risikobewertung. Der Nutzen von KI ermöglicht eine fundierte Entscheidungsfindung für alle Beteiligten, durch welche Zeitverschwendung minimiert und Ressourceneffizienz maximiert werden.

Kollaborative Robotik

Die Integration von kollaborativen Robotern auf Baustellen (Cobot), die Seite an Seite mit menschlichen Arbeitskräften agieren, eröffnet neue Möglichkeiten für die Bauwirtschaft. In anderenb Industriezweigen werden Cobots bereits seit langem eingestzt, z.B. von Firmen wie ABB und FANUC. Solche Roboter haben auf Baustellen das Potential, Menschen bei schweren oder gefährlichen Aufgaben zu unterstützen, wodurch das Verletzungsrisiko gesenkt und die Arbeitsbelastung reduziert wird. Das wird langfristig auch die Branche attraktiver machen für neue Arbeitskräfte.

Logistik und Materialverwaltung

KI kann bei der Optimierung von Bauprozessen und Logistik helfen. Durch die Analyse großer Datenmengen aus vorhergehenden Projekten kann die Logistik wahrscheinlichkeitsbasiert antizipiert werden. Das bedeutet, dass KI eine verbesserte Logistik und Materialverwaltung auf Baustellen ermöglicht. Zum Beispiele können solche Systeme eine optimierte Planung der Baustelleneinrichtung und des Materialflusses ermöglichen, was die Wahrscheinlichkeit von Materialengpässen oder auch von Unfällen weiter verringert. Ebenso kann der Lagerbestand in Echtzeit überwacht werden, um Lieferungen optimal zu planen.

Nachhaltigkeit und Umweltschutz

Der Einsatz von KI und Robotik trägt auch zu einer nachhaltigeren Bauweise bei. Durch präzisere Arbeitsmethoden und eine optimierte Ressourcenplanung wird der Materialverschwendung entgegengewirkt. Zudem ermöglicht die Technologie eine genauere Planung und Ausführung von energieeffizienten Bauprojekten, was langfristig zur Reduzierung des ökologischen Fußabdrucks der Bauwirtschaft beiträgt.

Sicherheitsverbesserungen durch KI und Robotik auf der Baustelle

Die Baustelle gehört in Deutschland zu den gefährlichsten Arbeitsplätzen. Hauptursachen bei tödlichen Unfällen sind meist Abstürze, Verletzungen durch Baumaschinen und herabfallende Bauteile (Tagesschau, 2023). Technologien wie KI und Robotik können in diesem Kontext zur Erhöhung der Sicherheit beitragen.

Arbeitssicherheit

Der Einsatz von Robotern in gefährlichen Umgebungen oder für riskante Aufgaben reduziert das Verletzungsrisiko für menschliche Mitarbeiterinnen und MItarbeiter. Ein Beispiel ist der Einsatz einer Drohne für die Inspektionen in großen Höhen, schwer zugänglichen Orten, unter extremen Wetterbedingungen oder in kontaminierten Bereichen. In solchen Fällen können KI-gesteuerte Drohnen und Roboter Inspektionen an gefährlichen Standorten durchführen und tragen damit zur Sicherheit von Leib und Leben bei. Das dies keine wirkliche Neuerung ist, zeigt zum Beispiel der Brokk 120 D (nicht mehr im Lieferprogramm!), der sowohl zum Abbruch als auch zur Kampfmittelbeseitigung Anwendung findet. Ähnlich der PackBot(R) 525, ein Fernlenkmanipulator der nächsten Generation. Oder seit einiger Zeit öfters in der Presse zu lesen, Robo-Dog “Spot” der Polizei NRW.

Gefahrenerkennung, Frühwarnsysteme und Risikoanalyse

KI-Systeme sind in der Lage, Echtzeit-Daten von Baustellen zu analysieren, um potenzielle Gefahren zu erkennen, bevor sie zu Unfällen führen. Durch den Einsatz von Kameras und Sensoren können diese Systeme ungewöhnliche Verhaltensmuster oder gefährliche Situationen identifizieren, wie zum Beispiel instabile Strukturen, Einsturzgefahren, unsichere Arbeitsbedingungen, potentiell herabfallende Gegenstände oder Arbeitende, die sich in Bereichen aufhalten ohne entsprechende persönliche Schutzausrüstung. Sofortige Warnmeldungen an die Betroffenen (z.B. vom KI-System an ein Endgerät) oder auch direkt an die Bauleitung ermöglichen es, schnell einzugreifen und Unfälle zu verhindern. Doch bereits vor der Ausführung können durch die Analyse vergangener Unfälle und Beinahe-Unfälle präventive Maßnahmen entwickelt und in zukünftigen Projekten implementiert werden.

Sicherheitsschulungen und -simulationen

Virtual Reality (VR) und Augmented Reality (AR) können für Schulungen und Simulationen eingesetzt werden, um Baustellenpersonal auf gefährliche Situationen vorzubereiten. Durch den Einsatz von VR oder AR in Kombination mit KI können realistische Trainingsumgebungen geschaffen werden, in denen Arbeiterinnen und Arbeiter sich mit sicherheitskritischen Situationen auseinandersetzen können, ohne einem realen Risiko ausgesetzt zu sein. Solche Trainings verbessern das Sicherheitsbewusstsein und die Reaktionsfähigkeit der Mitarbeitenden im Umgang mit potenziellen Gefahren. Somit können Mitarbeiterinnen und Mitarbeiter gefährliche Szenarien in einer sicheren Umgebung üben, was zu einer besseren Vorbereitung auf potenzielle Risiken führt. Langfrsitig wird das auch dazu führen, dass die Sicherheitskultur in der Baubranche weiter gestärkt wird und somit die Branche noch attraktiver wird für potentielle Mitarbeiterinnen und Mitarbeiter.

Und nun?

Auch wenn die Integration von KI und Robotik auf Baustellen noch am Anfang steht, ist das Potenzial gerade bei der Verbesserung der Sicherheit enorm. In Zukunft werden autonome Baumaschinen und Roboter, Drohnen und Exoskelette die Norm auf Baustellen werden und die Effizienz und Sicherheit weiter steigern. Die Herausforderung besteht jedoch darin, diese Technologien weiterzuentwickeln, ihre Akzeptanz zu fördern (zur Akzeptanz von digitalen Lösungen hatte ich bereits hier geschrieben) und sie nahtlos in bestehende Arbeitsabläufe zu integrieren. Die Befähigung der Arbeitskräfte und die Anpassung an sich entwickelnde Technologien werden zudem entscheidende Faktoren für den Erfolg und die Durchdringung in der Bauwirtschaft sein (Karl & Spengler, 2018).

Quellenverzeichnis:

Karl, C.K. & Spengler, A. (2017). Digitalisierung in der Bauwirtschaft – Konsequenzen für den Mittelstand und die gewerblich-technische Ausbildung, Bauingenieur, Jahresausgabe 2017/2018, S. 26 – 30 

Karl, C.K., Spengler, A., Bruckmann, T. & Ibbs, C. W. (2018). Influence of automated building construction systems on vocational education and training In: 2018 Proceedings of the 35th ISARC, Berlin, Germany, 2018, S. 228-235, online lesen.

Tagesschau (2023). Alle drei Tage stirbt ein Arbeiter auf dem Bau. 08.04.2023. online

Schlagwörter: KI, Robotik, Baustelle, ZukunftDesBauens, Effizienzsteigerung, Arbeitssicherheit, Gefahrenerkennung.

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). KI und Robotik – Steigerung von Effizienz und Sicherheit [Blog-Beitrag]. 20.03.2024. BauVolution, ISSN 2942-9145. online verfügbar




KI-Washing: 10 Tipps wie Sie echte Innovationssprünge erkennen

KI-washing

Im Beitrag 7 Wege zur Akzeptanz von digitalen Lösungen hatte ich in meinem Fazit das Thema KI-Washing erwähnt. Hinter dem Begriff “KI-Washing” verbirgt sich eine problematische Praxis, bei der Oganisationen und (sogenannte) Experten künstliche Intelligenz (KI) als Marketingwerkzeug einsetzen, um den Eindruck von Innovation und Fortschritt zu erwecken, ohne tatsächlich substantielle KI-Anwendungen oder -Kenntnisse einzusetzen oder zu besitzen.

Diese Praxis ist in den letzten Jahren immer häufiger geworden, da KI zu einem Schlagwort für technologische Fortschritte geworden ist. Da stellt man sich natürlich die Frage “Wie erkenne ich echte Innovationssprünge von bloßem KI-Washing?”.

Hintergrund von KI-Washing

In den letzten Jahren hat KI erhebliche Fortschritte gemacht. Diese Technologie ermöglicht es, komplexe Aufgaben wie Bilderkennung, Textanalyse und Sprachverarbeitung effizienter und genauer zu erledigen. Auch in der Bau- und Immobilienwirtschaft ist KI ein zunehmendes Thema geworden (siehe die Beiträge Auswirkungen der Digitalisierung auf das Baumanagement und 24 Tipps für 2024).

Doch leider hat diese gestiegene Nachfrage nach KI auch zu dem beunruhigenden Phänomen des KI-Washing geführt. Unternehmen und Technologieanbieter haben erkannt, dass die Integration von KI in ihre Produkte und Dienstleistungen ein wichtiger Wettbewerbsvorteil sein kann.

Somit begannen Unternehmen, KI in ihre Produkte und Dienstleistungen zu integrieren. Doch nicht alle taten dies ehrlich und transparent. Einige begannen, KI-Washing-Praktiken zu verwenden, um von dem KI-Hype zu profitieren, ohne tatsächlich über ausgereifte KI-Technologien zu verfügen. Sie setzten auf übertriebene Versprechungen, irreführende Begriffe und technische Buzzwords, um den Eindruck zu erwecken, dass ihre Produkte und Dienstleistungen fortschrittliche KI-Fähigkeiten besitzen.

Das KI-Washing-Phänomen führt nicht nur zur Irreführung und Enttäuschung bei Kunden, sondern untergräbt auch das Vertrauen in die KI-Technologie. Unternehmen wie auch Berater, die KI-Washing betreiben, schaden somit dem Ruf der gesamten Branche und erschweren es seriösen KI-Entwicklern und -Anbietern, ihre Innovationen und Fortschritte angemessen zu kommunizieren.

Ein prominentes Beispiel ist das Unternehmen Theranos. Theraons versprach, Bluttests mit KI-Technologie durchzuführen, die nur eine winzige Menge Blut benötigten. Später wurde enthüllt, dass die Technologie nicht funktioniert, und das Unternehmen geriet in einen großen Betrugsskandal. Konsequenz ist eine 13-jährige Haftstrafe für die Gründerin (siehe Tagesschau).

KI-Washing im Bau- und Immobilienwesen

Anhand von sechs Beispielen stelle ich Ihnen vor, wie KI-Washing auch in der Bau- und Immobilienwirtschaft vorkommen könnte.

KI-Washing in der Bauplanung und Bauverwaltung

Ein Beispiel für KI-Washing in der Bauplanung könnte ein Unternehmen sein, das vorgibt, fortschrittliche KI-Algorithmen zur Optimierung von Bauabläufen zu verwenden. In Wirklichkeit handelt es sich jedoch um ein herkömmliches Projektmanagement-Tool, das lediglich Aufgaben zuweist und den Fortschritt verfolgt. Die Versprechen von KI-basierter Planung und Optimierung erweisen sich in dem Fall als kaum nachweisbar, da keine echte KI verwendet wird.

KI-Washing im Energiemanagement

Ein Unternehmen im Immobiliensektor könnte behaupten, KI einzusetzen, um den Energieverbrauch der Gebäude zu optimieren. In Wirklichkeit ist die dahinterliegende Technologie lediglich die Darstellung einer einfachen Zeitplanung und Regelung der Heiz- und Kühlsysteme, ohne fortschrittliche KI-Algorithmen zu integrieren. Die Nutzerinnen und Nutzer erhalten dann womöglich irreführende Informationen dahingehend, wie nachhaltig und intelligent das Gebäude wirklich ist.

KI-Washing in der Immobilienbewertung

In der Immobilienbewertung könnte ein Unternehmen ein KI-unterstützes System anpreisen. Bei genauerer Überprüfung stellt sich jedoch heraus, dass menschliche Experten die tatsächlichen Bewertungen durchführen und die KI-Systeme lediglich als Hilfsmittel zur Datenanalyse dienen. Die Verwendung von KI wird in diesem Fall übertrieben hervorgehoben und spielt nur eine untergeordnete Rolle bei der Bewertung.

KI-Washing in der Automatisierung von Bauprojekten

Ein Unternehmen könnte damit werben, den Bauprozess durch den Einsatz von KI zu automatisieren. Bei näherer Betrachtung stellt sich jedoch heraus, dass die Automatisierung auf einfachen, vorprogrammierten Regeln basiert, die wenig mit echter KI zu tun haben. Die Maschinen sind nicht in der Lage, sich in Echtzeit an veränderte Bedingungen auf der Baustelle anzupassen sondern folgen fest definierten Algorithmen.

KI-Washing in der Gebäudeverwaltung

In der Gebäudeverwaltung könnte ein Unternehmen behaupten, KI-Systeme zu verwenden, um den Komfort der Bewohnerinnen und Bewohner zu steigern. In Wirklichkeit handelt es sich jedoch um einfache Sensortechnologie, die Temperatur und Beleuchtung basierend auf vordefinierten Parametern regelt. Die Versprechen von KI-gesteuerter Gebäudeverwaltung sind dahingehend übertrieben dargestellt.

KI-Washing in der Datenanalyse und Prognose

Ein weiteres Beispiel für KI-Washing könnte die Datenanalyse und Prognose betreffen. Ein Unternehmen könnte behaupten, KI-Modelle zu verwenden, um genaue Marktprognosen zu erstellen. Tatsächlich basieren diese Prognosen jedoch auf herkömmlichen statistischen Methoden und werden von KI nur oberflächlich unterstützt. Die KI-Technologie spielt eine geringere Rolle, als es die Marketingaussagen vermuten lassen.

10 Tipps wie Sie KI-Washing erkennen

Um nicht auf irreführende Versprechungen wie in den Beispielen hereinzufallen, sind folgend 10 Tipps, die Ihnen helfen werden echte Innovationssprünge zu erkennen.

1. Überprüfen Sie die KI-Funktionalität

Ein häufiges Beispiel für KI-Washing ist, wenn Unternehmen behaupten, dass ihre Produkte oder Dienstleistungen von KI angetrieben werden, obwohl die KI tatsächlich nur eine geringe Rolle spielt. Zum Beispiel könnte eine einfache Datenauswertung als “KI-basierte Analyse” bezeichnet werden, um den Eindruck von KI-Technologie zu erwecken.

Ein Unternehmen könnte behaupten, dass sein Produkt “AI-inspiriert” ist, was lediglich bedeutet, dass sie von KI-Technologien inspiriert wurden, ohne tatsächlich KI in ihrem Produkt zu verwenden.

Deshalb ist die erste und wichtigste Maßnahme die Überprüfung der tatsächlichen KI-Funktionalität eines Produkts oder einer Dienstleistung. Fordern Sie konkrete Beispiele an, wie KI eingesetzt wird, und hinterfragen Sie, ob die KI tatsächlich einen Mehrwert bietet.

2. Hinterfragen Sie Versprechungen

Unternehmen versprechen oft revolutionäre Veränderungen in kurzer Zeit, ohne die technischen oder praktischen Realitäten der KI-Entwicklung zu berücksichtigen. Übertriebene Versprechungen sind ein deutlicher Hinweis auf KI-Washing. Wir kennen solche Praktiken auch aus anderen Bereichen, wie z.B. von “Wunderdiäten”, in denen man zig Kilos in kurzer Zeit ohne Bewegung und ohne Ernährungsumstellung verliert (Was einfach Kappes ist!).

Zudem neigen KI-Washer dazu, technische Begriffe im Übermaß zu verwenden, wie z.B. “neuronale Netzwerke” oder “Deep Learning”, um den Eindruck von KI-Komplexität zu erwecken, ohne tatsächlich auf solche Technologien zurückzugreifen.

Seien Sie deshalb skeptisch gegenüber Unternehmen und Beratern, die unrealistische Versprechungen machen und schnelle Wunder durch KI versprechen.

3. Fordern Sie klare Informationen

Wenn ein Unternehmen keine klaren Informationen darüber bereitstellt, wie genau KI in deren Produkten oder Dienstleistungen verwendet wird, ist dies ein Grund zur Skepsis. Oft verbergen KI-Washer ihre tatsächlichen Prozesse und Technologien, um z.B. nicht darstellen zu müssen, dass die KI lediglich ein einfaches regelbasiertes System ist.

Verlangen Sie von Unternehmen und Beratern Transparenz darüber, wie genau KI in ihren Produkten oder Dienstleistungen eingesetzt wird. Professionelle Anbieterinnen und Anbieter sollten in der Lage sein, klare und vor allem verständliche Informationen bereitzustellen.

4. Prüfen Sie die KI-Expertise

Ein weiteres Zeichen von KI-Washing ist das Fehlen von qualifizierten KI-Experten im Unternehmen. Wenn es keine Mitarbeitenden gibt, die nachweislich über das erforderliche Fachwissen verfügen, ist der KI-Mehrwert und dessen Wirkung fragwürdig.

Bedenken Sie, dass wohlklingende Bezeichnungen wie z.B. “AI Architect”, “AI & application expert” , “AI Consultant”, “ML Engineer” oder “Digitizer” in der Regel keine geschützen Bezeichnungen sind. Dahinter kann eine Koryphäe stecken oder auch nur warme Luft.

Deshalb fragen Sie direkt nach der Qualifikation und Erfahrung der Mitarbeitenden im Bereich KI und lassen Sie sich nicht mit Floskeln abspeisen.

5. Kontaktieren Sie Referenzkunden

Unternehmen könnten behaupten, KI zu nutzen, aber es gibt keine klaren Anwendungsbeispiele oder Integrationen von KI in ihre Produkte oder Dienstleistungen.

Suchen Sie deshalb nach Referenzkunden oder Nutzerinnen und Nutzern, welche die KI-Produkte oder -Dienstleistungen eines Unternehmens tatsächlich verwendet haben. Ihre Erfahrungen können wertvolle Einblicke liefern und zu Ihrer Entscheidungsfindung beitragen.

6. Überprüfen Sie unabhängige Bewertungen

In einigen Fällen kopieren KI-Washer einfach KI-Demonstrationen oder Anwendungsbeispiele aus anderen Quellen und geben vor, sie seien ihre eigenen Entwicklungen.

Suchen Sie deshalb nach unabhängigen Bewertungen und Analysen von KI-Produkten oder -Dienstleistungen, um objektive Meinungen zu erhalten.

7. Fragen Sie nach der KI-Entwicklungsgeschichte

Obgleich KI in der letzten Zeit massiv Fahrt aufgenommen hat, ist es bereits seit jahrzehnten ein Thema. Erfahrene Unternehmen und Berater können in der Regel auf eine gewisse “KI-Historie” zurückschauen.

Erkundigen Sie sich deshalb nach der Geschichte der KI-Entwicklung im Unternehmen, einschließlich früherer Projekte und Erfolge im KI-Bereich.

8. Prüfen Sie die Anpassungsfähigkeit der KI

Wenn ein Unternehmen behauptet, KI zu nutzen, aber keine Anpassung oder Weiterentwicklung der KI-Modelle oder -Anwendungen im Laufe der Zeit vorweisen kann, kann das ein Indikator für KI-Washing sein.

Untersuchen Sie deshalb, ob die KI-Modelle oder -Anwendungen im Laufe der Zeit angepasst oder weiterentwickelt wurden. Wer sich ernsthaft mit KI auseinandersetzt, der wird in der Regel seine Produkte und Dienstleistungen weiterentwickeln. Stagnation kann deshalb auf KI-Washing hinweisen.

9. Bewerten Sie die Datentransparenz

Unternehmen, die KI-Washing betreiben, können sich weigern, Informationen über die Datenquellen oder die Qualität der Daten, welche für ihre KI-Anwendungen verwendet werden, preiszugeben.

Fragen Sie deshalb nach Informationen über die Datenquellen und die Qualität der verwendeten Daten für die KI-Anwendungen. Fehlende Datentransparenz sollte ein rotes Tuch sein. Auch könnte es ein Indiz dafür sein, dass Datenschutz und ethische Grundsätze nicht ernst genommen werden. Gerade das könnte für eine zukünftige Geschäftsanbahnung ein nicht unwesentliches Problem darstellen.

10. Bleiben Sie auf dem Laufenden

Halten Sie sich über aktuelle Entwicklungen über KI auf dem Laufenden, um ein besseres und vertieftes Verständnis für den Stand der Technik zu haben. Das erleichtet die Identifikation von KI-Washing. Im Zweifelsfall sollten Sie sich von einer unabhängigen dritten Instanz beraten lassen.

Und nun?

Ich hoffe, dass Ihnen dieser Beitrag einen Einblicke geben konnte in das sogenannte KI-Washing. Die 10 Tipps können Ihnen in Zukunft helfen, echte KI-Innovationen von bloßen Marketingbehauptungen zu unterscheiden.

Abschließend möchte ich Ihnen empfehlen, dass Skepsis und gründliche Überprüfung von Angeboten und Dienstleistungen wesentliche Punkte sind, um sich vor KI-Washing zu schützen. Lassen Sie sich nicht von großen Versprechungen blenden sondern suchen Sie konkrete Beweise. Bleiben Sie stets informiert und kritisch, um die echten Vorteile der KI-Technologie von bloßem Marketing-Gerede zu unterscheiden. Bei Unsicherheit oder mangelndem Fachwissen ist es keine Schande, sich auch mal Rat von unabhängigen Experten zu holen.

[Update 26.06.2024: Nutzen Sie das KI-Washing Assessment]

Schlagwörter: KI-Washing, Innovationssprung, Künstliche Intelligenz, KI-Expertise, KI-Evaluation, Technologiehype

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). KI-Washing: 10 Tipps wie Sie echte Innovationssprünge erkennen [Blog-Beitrag]. 05.03.2024. BauVolution, ISSN 2942-9145. online verfügbar




KI-Prompts in 6 Schritten – Bringen Sie ihre KI-Fähigkeiten auf das nächste Level

In der Welt der künstlichen Intelligenz (KI) steigt zunehmend die Nachfrage nach immer besserer und präziserer Textgenerierung durch KI-Modelle. Doch wie bei anderen Entwicklungen in der IT-Welt gilt auch hier der Grundsatz: Der Fehler sitzt vor dem Bildschirm. Das gilt auch für die Nutzung von GPTs (Generative Pre-Trained Transformer) mit Hilfe von KI-Prompts.

In diesem Beitrag habe ich bereits grundlegend in das Thema Prompt-Engineering und KI-Prompts eingeführt. Zur Erinnerung, Prompt-Engineering dient dazu, den optimalen Prompt zu finden, damit das KI-Modell seine Aufgabe bestmöglich lösen kann. Jetzt widmen wir uns der Frage wie wir effektive KI-Prompts erstellen können.

Dieser Beitrag besteht aus zwei Teilen.

  1. Theorie: Im ersten Teil werde Ihnen sechs Schritte vorstellen, mit denen Sie Ihre KI-Prompting-Fähigkeiten auf ein nächstes Level heben können.
  2. Praxis: Im zweiten Teil lade ich Sie ein anhand von vier Experimenten herauszufinden, wie sich verschiedene Vorgehensweisen auf die Ergebnisse auswirken können.

[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]

TEIL 1 – Theorie

1. Sagen Sie der KI wer Sie sein soll (Rolle)

Wie bei jedem höflichen Gespräch stellt man sich zu Beginn vor. Wer Sie sind, wissen Sie ja selbst (Nehme ich mal an.). Es ist auch nicht unbedingt notwendig der KI mitzuteilen wer Sie sind (wobei das zur Schaffung eines Kontextes auch nicht schädlich ist). Was jedoch wichtiger ist, Sie müssen de KI mitteilen, wer sie ist. Welche Art von Person soll die KI für Sie sein? In der Psychologie wird so etwas Priming genannt. Auch ist es vorteilhaft sich immer wieder klar zu machen, dass wir mit der KI ein Gespräch führen. Die KI also unser Chat-Partner ist.

Und dabei ist die Definition der Rolle ein Schlüsselschritt. Wenn Sie der KI sagen, Sie soll als Politiker agieren, wird Sie anders reagieren, als wenn Sie die KI bitten, als Programmierer zu agieren.

Wenn Sie die KI auffordern: „Handle als Bundesgesundheitsminister und schreibe enen Python-Code für eine Login Seite“, wird die KI ein schlechteres Ergebnis liefern, als wenn Sie der KI die gleiche Aufgabe als Programmierer geben.

Probieren Sie es gerne aus. Beachten Sie bitte, dass Sie zwei getrennte Chats verwenden müssen. Bei meinem Test wurde bei der Rolle “Gesundheitsminister” ein ganz rudimentärer Code ausgegeben. Bei der Rolle “Programmierer” wurde ein ausführlicherer Code inkl. Datenbankanbindung ausgegeben.

Wir stellen uns vor ich möchte mich unterstützen lassen bei der Vorbereitung eines Vortrags zum Thema Hochwasser.

Erstellen wir uns in diesem Beispiel einen KI-Experten und vergeben die folgende Rolle: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.”

2. Sagen Sie der KI wo sie ist (Kontext)

Kontext ist entscheidend, um die KI sinnvoll zu verorten. Sie müssen sich die KI wie ein Kind vorstellen, das auf einem großen Platz steht. Von dort gehen mehrere Wege ab, einer zur Bibliothek mit Wörterbüchern in verschiedenen Sprachen, Atlanten aus verschiedenen Jahren, Romane und Tabellenbücher. Auf einer Säule rechts neben dem Kind sind Zettel mit Notizen. Links daneben hängen noch Plakate an einer Wand. Rechts daneben geht´s zum Metzger und am Ende der Straße steht ein Haus am See.

Unsere Aufgabe ist es dem Kind (also unserem Chat-Partner) möglichst genau mitzuteilen, wo es sich in der eigenen Rolle befindet und Informationen bereitstellen, die den Kontext erklären.

In unserem kleinen Beispiel wäre das wie folgt: “Du befindest Dich zur heutigen Zeit in Deutschland.”

3. Sagen Sie der KI was der Grund für das Gespräch ist (Ziel)

Bevor Sie mit der Formulierung von Prompts weiter machen, ist es wichtig, ganz klar das Ziel des Gesprächs zu definieren. Überlegen Sie, welche Informationen oder Handlungen Sie von der KI erwarten. Eine klare Zielsetzung dient als Leitlinie für die Entwicklung der Prompts und hilft, den Fokus beizubehalten.

Eine effektive Methode, um der KI das Ziel des Gesprächs mitzuteilen, ist die Verwendung einer klaren Absicht. Formulieren Sie eine präzise Aussage darüber, was Sie von Ihrem Chat-Partner erwarten.

Zum Beispiel: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.”

4. Sagen Sie der KI Randbedingungen (Maßgaben)

Dieser Schritt erscheint auf den ersten Blick vieleicht nicht so wesentlich, aber ich habe ihn einfach mal aus der Schulpädagogik gekapert. Bei der Formulierung von Aufgaben werden dort auch Randbedingungen (Maßgaben) berücksichtigt. Das bedeutet, das festgestellt wird womit eine Aufgabe erledigt werden soll. Das könnte z.B. im EDV-Unterricht (EDV = Elektronische Datenverarbeitung) wie folgt sein: “Mache [Aktivität] mit Hilfe eines Tabellenkalkulationsprogramms.”

Wir überlegen uns also womit oder womit eben nicht etwas erledigt werden soll. Das sind dann Formulierungen wie z.B. “berücksichtige xy”, “beziehe nicht abc mit ein”, “schließe A und B mit ein”. Jegliche Kombinationen, die sinnvoll erscheinen, können hier nützlich sein, um das Ergebnis zu fokussieren.

Bleiben wir bei unserem Beispiel: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.”

5. Sagen Sie der KI wer der Adressat des Ergebnisses ist (Zielgruppe)

Stellen wir uns vor unser Chat-Partner ist wie eine Kollegin oder Kollege oder eine Mitarbeiterin oder Mitarbeiter. Denken Sie einmal darüber nach, für wen Ihr Chat-Partner arbeitet. Für wen sollen die Ergebnisse sein? Würden wir einen Bericht schreiben zu Flutkatastrophen in Deutschland würden wir sicherlich für eine Grundschulklasse anders schreiben als für eine Gruppe von Experten. Das bedeutet, wir sollten unserem Chat-Partner auch mitteilen für wen das Ergebnis sein soll und am besten noch wie die KI schreiben soll.

Damit werden das Vorwissen und die Bedürfnisse der Zielgruppe berücksichtigt, um sicherzustellen, dass die Ergebnisse adäquat sind und die Erwartungen der Zielgruppe erfüllt werden.

In unserem Beispiel möchte ich das Thema “Flutereignisse” für eine Grundschulklasse aufbereiten lassen: “Schreibe in einfacher deutscher Sprache für Grundschüler.”

6. Sagen Sie der KI wie das Ergebnis aufbereitet werden soll (Ausgabe)

Jeder, der schon mit KI-Prompts experimentiert hat kennt vieleicht dass Problem, dass man eine Ausgabe erhält, die nur aus einem kurzen Text besteht – aber die Erwartung ein ausführlicher Bericht war. Oder man hat eine Auflistung von Punkten bekommen, obwohl man Fließtext gebrauchen könnte.

Der Grund dafür ist ganz einfach. Unser Chat-Partner ist kein Hellseher. Solange wir der KI nicht sagen, wie wir die Ergebnisse dargestellt haben möchten, solange gibt sie uns die Ergebnisse nach gut dünken raus. Wollen wir also bestimmte Formate, Fließtexte, Aufzählungen, Strukturen oder auch längere Texte haben, müssen wir das unserem Chat-Partner sagen.

Beispielsweise können wir schreiben, dass wir keine Aufzählungen haben wollen sondern nur Fließtext, oder dass wir eine maximale Länge von X Zeichen haben wollen oder dass wir das Ergebis in einer Tabelle mit 4 Spalten und 5 Zeilen haben wollen (inkl. Details zur Bezeichnung der Spalten und Namen).

In unserem Beispiel gehen wir davon aus, dass ich mit Bullet Points zufrieden bin, weil ich diese in einer Präsentation weiter verarbeiten will. Also schreibe ich: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.” Damit ich auf jeder Folie nur 5 Punkte habe.

Optional: Sagen Sie der KI wie sie arbeiten soll (Arbeitsschritte)

Wir sehen in unserem Beispiel, dass wir bereits eine Menge an Informationen für unseren Chat-Partner haben:

  1. Rolle: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.”
  2. Kontext: “Du befindest Dich zur heutigen Zeit in Deutschland.”
  3. Ziel: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.”
  4. Maßgaben: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.”
  5. Zielgruppe: “Schreibe in einfacher deutscher Sprache für Grundschüler.”
  6. Ausgabe: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.”

Wir könnten jetzt einen einzigen Prompt formulieren, in dem alles enthalten ist:

Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.”

Das mag auf den ersten Blick in Ordnung sein, aber mehrstufige Aufgaben sind für einen Chat-Partner oftmals komplexer als wir annehmen. In solchen Fällen ist es hilfreich entweder selbst die komplexen Aufgaben schrittweise zu prompten und einzugeben oder dem Chat-Partner im Prompt mitzuteilen, wie er die Aufgabe abarbeiten soll. Also eine Schritt-für-Schritt Anleitung mit an die Hand geben. Ich bevorzuge in der Regel die erste Möglichkeit: Selbst die Prompts nach und nach einzugeben und abarbeiten zu lassen. In den nachfolgenden Experimenten werden Sie sehen warum.

Demgegenüber gibt es noch eine weitere Option. Das sogenannte “Chain-of-Thought” (COT) Prompting. Bei dieser Art lassen Sie dem KI-Modell den Weg zum Ergebnis selbst beschreiben. Studien sollen gezeigt haben, dass diese Vorgehensweise, zu einer signifikanten Verbesserung der Ergebnisse führen kann (Wei & Zhou, 2022). Zudem soll besser nachvollzogen werden können, wie das Ergebnis entstanden ist und damit besser die Validierung ermöglicht.

Zur Einbindung des COT Prompting könnte beispielsweise ergänzt werden: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.” oder “Gehe bitte schrittweise vor und erkläre Deine Schritte.”.

TEIL 2 – Praxis

Im zweiten Teil lade ich Sie ein die oben vorgestellten Schritte nicht nur zu lesen, sondern auch selbst auszuprobieren. Nehmen Sie sich ein KI-Tool Ihrer Wahl, z.B. ChatGPT, neuroflash, Jasper Chat, MS Copilot oder Google Bard und probieren selbst die Experimente aus (einen umfangreichen Beitrag zu verschiedenen KI-Tools finden Sie hier.).

Experimente mit verschiedenen Prompts

Im Folgenden werde ich mit Ihnen gemeinsam experimentieren und verschiedene Wege des Promptens austesten. Ich habe für die Experimente ChatGPT4 genutzt. Jedes Experiment wurde in einem neuen Chat-Fenster gestartet. Die Eingabe habe ich hier im Beitrag in Anführungsstrichen und kursiver Schrift kenntlich gemacht. Der Ausgabetext ist ebenfalls in kursiver Schrift. Beginn und Ende sind kenntlich gemacht. Der Ausgabetext ist original wiedergegeben und wurde inhaltlich nicht verändert.

Experiment 1 (Schritt für Schritt eingeben)

Machen wir jetzt unser erstes Experiment. Wir öffnen einen neuen KI-Chat und setzen sukzessive unsere Prompts ein. Dabei ist jeder Prompt eine eigene Abfrage, die wir eingeben. Wir ignorieren die gegebenen Antworten nach jedem Schritt und setzen stoisch unsere Anfragen in die Chat-Eingabe. Sie können im Folgenden mit der Maus über die einzelnen Prompts gehen und durch Klicken in die Zwischenablage kopieren.

  1. Propmt: Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.
  2. Prompt: Du befindest Dich zur heutigen Zeit in Deutschland.
  3. Prompt: Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.
  4. Prompt: Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.
  5. Prompt: Schreibe in einfacher deutscher Sprache für Grundschüler.
  6. Prompt: Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.

Das Ergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

“Hier sind die Informationen über die Flutereignisse in Deutschland in einfacher Sprache für Grundschüler, aufgeteilt in Gruppen zu je fünf Punkten:

Gruppe 1:

  1. Im Juli 2021 gab es in Deutschland eine sehr große Überschwemmung.
  2. Es hat so stark geregnet, dass Flüsse über die Ufer traten.
  3. Viele Häuser und Straßen wurden durch das Wasser beschädigt.
  4. Leider sind auch Menschen bei dieser Überschwemmung gestorben.
  5. Das war die schlimmste Überschwemmung in Deutschland seit vielen Jahren.

Gruppe 2:

  1. Überschwemmungen passieren, wenn es sehr viel regnet.
  2. Der Boden kann dann das Wasser nicht mehr aufnehmen.
  3. Das Wasser fließt über die Straßen und in die Häuser.
  4. Viele Menschen arbeiten daran, Überschwemmungen zu verhindern.
  5. Sie helfen auch, wenn doch eine Überschwemmung passiert.

Gruppe 3:

  1. Es ist wichtig, dass wir auf das Wetter achten.
  2. Wir müssen uns gut auf Überschwemmungen vorbereiten.
  3. Der Klimawandel kann das Wetter verändern und mehr Regen bringen.
  4. Wir lernen, wie wir besser mit Überschwemmungen umgehen können.
  5. Es ist wichtig, dass wir uns gegenseitig helfen und sicher bleiben.

Diese Punkte helfen dabei, die wichtigen Informationen über die Flutereignisse verständlich zu machen. Es ist wichtig, dass wir aus solchen Ereignissen lernen und uns gut darauf vorbereiten.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Experiment 2 (alles zusammen eingeben)

In diesem Experiment nutzen wir alle Prompts zusammen in einer einzigen Eingabe. Gehen Sie hier mit der Maus auf den Anfang des Prompts und durch Klicken kopieren Sie ihn in die Zwischenablage.

Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.“

Das Ergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

Hier sind einige Informationen über Flutereignisse in Deutschland in den letzten fünf Jahren, aufgeteilt in Gruppen von je fünf Punkten:

  1. Betroffene Gebiete: In den letzten Jahren waren verschiedene Regionen in Deutschland von Hochwasser betroffen. Dazu gehören Niedersachsen, der Süden Sachsen-Anhalts, der Norden Thüringens, Nordrhein-Westfalen, Teile von Bremen, Hessen, und der Norden und Osten Bayerns.
  2. Pegelstände: In vielen dieser Regionen stiegen die Pegelstände der Flüsse aufgrund von anhaltendem Starkregen. Besonders betroffen waren Flüsse wie die Weser, Aller, Leine und deren Nebenflüsse sowie der Fluss Hase in Niedersachsen.
  3. Hochwasserwarnungen: Es gab in verschiedenen Teilen Deutschlands Hochwasserwarnungen, insbesondere im Westen und in der Mitte des Landes.
  4. Maßnahmen gegen Hochwasser: In einigen Regionen wurden präventive Maßnahmen ergriffen, wie zum Beispiel die Verteilung von Sandsäcken und die Verstärkung von Deichen.
  5. Schulbetrieb und Evakuierungen: In einigen Hochwassergebieten wurden Schulen geschlossen und Notbetreuung eingerichtet. Zudem gab es in einigen Fällen Evakuierungen und vorübergehende Unterkünfte für Betroffene.

Weitere fünf Punkte:

  1. Dauer des Hochwassers: Der Dauerregen führte in vielen Gebieten zu lang anhaltenden Überschwemmungen.
  2. Auswirkungen auf die Infrastruktur: Straßen, Brücken und andere Infrastrukturen wurden in einigen Regionen durch das Hochwasser beschädigt.
  3. Hilfeleistungen: Es gab umfangreiche Hilfsaktionen von Feuerwehr, Technischem Hilfswerk und anderen Organisationen.
  4. Wettervorhersagen: Wetterdienste verlängerten die Warnungen für einige Regionen, da der Regen länger andauerte als erwartet.
  5. Klimawandel und Hochwasser: Experten verweisen darauf, dass der Klimawandel zu häufigeren und intensiveren Hochwasserereignissen führen kann.

Diese Informationen geben einen Überblick über die Flutereignisse in Deutschland in den letzten Jahren und zeigen, wie vielfältig die betroffenen Gebiete und die Reaktionen darauf waren.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Experiment 3 (alles zusammen mit einem COT-Statement)

In diesem Test nutzen wir alle Prompts zusammen. Zusätzlich bitten wir, schrittweise vorzugehen, in dem wir die folgende Ergänzung für die Chain-of-Thought (COT) integrieren: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.”

Sie können wieder mit der Maus auf den Anfang des Prompts gehen und durch Klicken in die Zwischenanlage kopieren.

Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück. Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.“

Das Ergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

I did a quick search for more information and here’s what I found.

In den letzten fünf Jahren gab es in Deutschland einige bemerkenswerte Flutereignisse. Eines der gravierendsten war die Hochwasserkatastrophe im Juli 2021, die in einigen Gebieten Deutschlands zu verheerenden Zerstörungen führte und bei der mehr als 180 Menschen ihr Leben verloren.

Die Forschung zeigt, dass der Klimawandel Starkregenereignisse wahrscheinlicher und intensiver macht. Ein Beispiel dafür ist die Hochwasserkatastrophe 2021. Der Klimawandel hat Starkregenereignisse in der betroffenen Region um das 1,2- bis 9-Fache wahrscheinlicher gemacht und die Intensität solcher Regenfälle um 3 bis 19 Prozent erhöht.

Weitere statistische Daten und detaillierte Informationen zu einzelnen Flutereignissen der letzten Jahre sind derzeit nicht verfügbar. Dies liegt unter anderem daran, dass die Pegelmesser zur Erfassung von Flusspegelständen während solcher Ereignisse oft beschädigt wurden.

Für Grundschüler zusammengefasst:

  1. Im Juli 2021 gab es in Deutschland eine sehr große Flut.
  2. Mehr als 180 Menschen sind dabei gestorben.
  3. Wegen des Klimawandels gibt es jetzt öfter starke Regenfälle.
  4. Diese starken Regenfälle können Überschwemmungen verursachen.
  5. Es ist schwierig, alle Fluten genau zu messen, weil manchmal die Messgeräte kaputt gehen.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Experiment 4 (alles zusammen mit einem anderen COT-Statement)

In diesem Test nutzen wir wieder alle Prompts zusammen. Zusätzlich bitten wir wieder, schrittweise vorzugehen. Jedoch jetzt mit einer anderen Ergänzung für die Chain-of-Thought (COT): “Gehe bitte schrittweise vor und erkläre Deine Schritte.”

Kopeiern Sie einfach wieder den Prompt in die Zischenanlage.

Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück. Gehe bitte schrittweise vor und erkläre Deine Schritte.“

Das Endergebnis ist:

< —- Beginn der Ausgabe unseres Chat-Partners —- >

Hier sind einige Informationen über Flutereignisse in Deutschland in den letzten fünf Jahren, aufgeteilt in Gruppen von jeweils fünf Punkten und in einfacher Sprache:

Gruppe 1:

  1. Im Juli 2021 gab es in Westeuropa, einschließlich Deutschland, eine große Flutkatastrophe.
  2. Mehr als 180 Menschen haben bei dieser Flut ihr Leben verloren.
  3. Diese Flut war besonders verheerend in einigen Gebieten Deutschlands.
  4. Starkregenereignisse, wie das, was 2021 passierte, sind durch den Klimawandel wahrscheinlicher und intensiver geworden.
  5. Der Klimawandel hat Starkregenfälle um das 1,2- bis 9-Fache wahrscheinlicher gemacht und ihre Intensität um 3 bis 19 Prozent erhöht.

Gruppe 2:

  1. Extremwetter wie Starkregen, Überschwemmungen und Sturzfluten werden in Deutschland häufiger und intensiver.
  2. Besonders betroffen sind stark versiegelte Städte, wo der Regen nicht gut versickern kann.
  3. Mittelgebirgsregionen und der Alpenraum sind ebenfalls gefährdet.
  4. Wissenschaftler sagen, dass solche Wetterereignisse in Zukunft noch öfter passieren werden.
  5. Das Problem bei Starkregen ist, dass er meistens lokal und punktuell auftritt und schwer vorherzusagen ist.

Diese Informationen geben einen Überblick über die jüngsten Flutereignisse in Deutschland und deren Zusammenhang mit dem Klimawandel.

< – —- Ende der Ausgabe unseres Chat-Partners —- >

Diskussion der Experimente

Anhand unserer Experimente sehen Sie, wie einfach Sie mit nur sechs durchdachten Schritten zu angepassten und zielführenden Ergebnissen kommen.

Es ist aber auch ersichtlich geworden, dass die Ergebnisse sich teilweise stark unterscheiden.

Ergebnis Experiment 1 (Schritt für Schritt)

Wir haben im ersten Experiment jeden Prompt einzeln eingegeben. Die Ausgabe wurde sehr gut in einzelne Pakete (drei Gruppen) umgesetzt. Innerhalb jeder Gruppe sind fünf Punkte, wie ich sie mir als Bullet-Points für eine Präsentation vorstellen würde.

Zudem folgen die Gruppen scheinbar einer sinnvollen Logik, die ich jedoch in meinem Prompt nicht konkretisiert habe:

Gruppe 1 = Einführung und Sensibilisierung
Gruppe 2 = Hintergrund
Gruppe 3 = Fazit und Appell

Das ist in der Tat interessant und läßt vermuten, dass das KI-Modell antizipiert haben könnte, wofür ich das Ergebnis brauche. In der Formulierung des Ziel-Prompts könnte man das vieleicht noch konkreter bestimmen in der Form: “Ich benötige diese Informationen für eine Präsentation.”

Die Inhalte unter den einzelnen Punkten müssen natürlich noch entwickelt werden, aber zu irgendwas muss man je selbst auch gut sein 🙂

In der Tat ist das Ergebnis aus dem ersten Experiment durchaus brauchbar für die nächsten Schritte.

Ergebnis Experiment 2 (alles zusammen)

Auch in diesem Experiment erhalten wir fünf Punkte je Gruppe. Im Gegensatz zum ersten Experiment haben wir hier jedoch lediglich zwei Gruppen und damit 10 statt 15 Einzelpunkte. Diese sind zusätzlich mit Themenbegriffen versehen, was im ersten Experiment nicht der Fall war.

Auch der Inhalt ist etwas weitreichender und konkreter. Jedoch von der Wortwahl nicht unbedingt adressatengerecht.

Ein wesentlicher Unterschied ist auch, dass im ersten Experiment die Aufeinanderfolge von Elementen koherenter ist als in diesem hier. Hier ist es eher eine Aneinanderreihung von Informationen, die scheinbar keiner Struktur folgen.

Wir sehen also, dass die Zusammenfassung von Prompts in einen einzigen Prompt scheinbar Einzelanweisungen weniger akzentuiert bzw. nicht vollständig berücksichtigt.

Denken wir an uns selbst ist das nicht verwunderlich. Wenn uns jemand einen Arbeitsauftrag mit zig Punkten gibt, so fällt es uns sicherlich auch schwer uns an alles zu erinnern und abzuarbeiten. So geht es scheinbar auch unserem Chat-Partner.

Ergebnis Experiment 3 (alles zusammen mit COT-Statement)

Im Experiment 3 haben wir zusätzlich zu dem gesamten Prompt noch die folgende COT-Anweisung hinzugefügt: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.”.

Das Ergebnis unterscheidet sich wesentlich zu den Experimenten zuvor. Im ersten Teil der Ausgabe versucht unser Chat-Partner in der Tat schrittweise vorzustellen, was an Informationen verarbeitet wurde.

Der erste Abschnitt enthält Informationen ähnlich zur Gruppe 1 aus Experiment 1.

Der zwei Abschnitt behandelt teilweise Inhalte aus der Gruppe 2 des ersten Experiments, teilweise detailierter.

Der dritte Abschnitt klingt etwas wie eine Entschuldigung, warum nicht mehr Informationen für die Abarbeitung der Aufgabe verarbeitet werden können. Auch eine interessante Art mit aufgetragener Arbeit umzugehen 😉 .

Die Zusammenfassung für unsere Zielgruppe, bestehend aus fünf Punkten, ist vergleichsweise schmal ausgefallen. Jedoch können die zuvor generierten Abschnitte als Inhalte dienen, was grundsätzlich nicht schlecht ist.

Ergebnis Experiment 4 (alles zusammen mit anderem COT-Statement)

Im Experiment 4 haben wir neben dem gesamten Prompt eine andere COT-Anweisung hinzugefügt.: “Gehe bitte schrittweise vor und erkläre Deine Schritte.”.

Hier ist das Ergebnis ähnlich wie in Experiment 1 innerhalb von Gruppen mit je fünf Unterpunkten strukturiert.

Details werden ebenfalls gegeben und mit konkreten Zahlen unterlegt. Jedoch erscheint das Ergebnis nicht so zielgruppenadäquat wie es bei dem ersten Experiment ist. Eine Reflektion des Erkenntnisprozesses ist hier auch nicht klar zu erkennbar.

Es scheint einen Unterschied zu machen, ob wir als COT-Statement “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.” oder “Gehe bitte schrittweise vor und erkläre Deine Schritte.” verwenden. Es kommt die Vermutung auf, dass unser Chat-Partner scheinbar einen Unterschied im Verständnis von Nebensätzen (… , um …) und Satzverbindungen (… und …) macht.

Und nun?

Die Schritte wie auch die Experimente bieten einen ersten Zugang und die Basis für weitere eigene Experimente. Spielen Sie mit den einzelnen Prompts herum. Verändern Sie z.B. die Rolle, den Kontext oder auch die Zielgruppe und erkunden Sie, wie sich das Ergebnis verändert.

Noch ein letzter Tipp: Wenn wir die KI als Chat-Partner sehen, so sollte es doch auch legitim sein, dass unser Partner uns Rückfragen stellen kann. Die folgende Ergänzung im Prompt kann dabei hilfreich sein: “Stelle mir zum Abschluss fünf Fragen, mit denen Du das Ergebnis verbessern kannst.” In dieser und ähnlicher Form können Sie nun weiter experimentieren. Doch vorsichtig, das Experimentieren kann süchtig machen. 😀

Zum Abschluss noch ein Gedanke zu den oben dargestellten Versuchen.

Ist Ihnen aufgefallen, dass unser Chat-Partner im Experiment 1 scheinbar empathisch mit dem Thema umgegangen ist?

“Leider sind auch Menschen […] gestorben.”

“Es ist wichtig, dass wir uns gegenseitig helfen […].”

Für dieses Phänomen gibt es bereits den Begriff der “empathischen KI”. Woher das kommt? Finden Sie es heraus! Jetzt viel Spaß beim experimentieren.

Und wer tiefer einsteigen will, kann mit ChatGPT4 von openAI einen eigenen GPT machen. Und wer bereits Erfahrung mit der Programmierung, dem JSON Format und der request Bibliothek hat, der kann sich an der Integration der API von openAI versuchen und ein eigenes KI Projekt starten. All solche Sachen werden wir demnächst in unserem Projekt “KI4Edu: Künstliche Intelligenz in Lehre und Prüfung” ausprobieren können. Und wir freuen uns schon sehr darauf 🙂

[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]

Quellenverzeichnis:

Wei, J., Zhou, D. (2022): Language Models Perform Reasoning via Chain of Thought. Google AI Blog.

Schlagwörter: Prompt-Engineering, Künstliche Intelligenz, KI-Modelle, Chain-of-Thought, bessere Prompts, empathische KI

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). KI-Prompts in 6 Schritten – Bringen Sie ihre KI-Fähigkeiten auf das nächste Level [Blog-Beitrag]. 21.02.2024. BauVolution, ISSN 2942-9145. online verfügbar




5 Gründe warum Lehrkräfte gute Prompt-Engineers wären

Die Welt des maschinellen Lernens (ML) und der Künstlichen Intelligenz (KI) hat in den letzten Jahren erhebliche Fortschritte gemacht, und die Anwendungsbereiche erstrecken sich über verschiedene Branchen. Die Relevanz des Themas KI hatte ich Ihnen bereits im Beitrag Bau- & Immobilienwirtschaft: 24 Tipps für 2024 vorgestellt. Eine entscheidende Komponente für den Erfolg von KI-Modellen ist das sogenannte “Prompt-Engineering” – die Kunst, präzise und effektive Eingabeaufforderungen oder Prompts zu formulieren.

Ich habe mir die Frage gestellt, wer eigentlich prädestiniert wäre Prompt-Engineer zu werden und kam relativ schnell zu dem Gedanken: Lehrkräfte wären eigentlich gut geeignet. Wie ich darauf komme und ob sie am Ende wirklich so gut geeignet sind möchte ich Ihnen im Folgenden vorstellen.

[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]

Hintergrund zum Prompt-Engineering

In der Welt der künstlichen Intelligenz (KI) ist das Prompt-Engineering eine Schlüsselkomponente, welche die Interaktion zwischen Menschen und KI-Systemen ermöglicht.

Prompts sind im Grunde genommen Anweisungen oder Eingabeaufforderungen, die an ein KI-System gegeben werden, um eine spezifische Antwort oder Handlung auszulösen. Sie sind oft in natürlicher Sprache verfasst und dienen dazu, das gewünschte Verhalten des KI-Modells zu steuern.

Prompts kann ich einfach oder auch komplex formulieren. Von einfachen Fragen wie “Wie ist das Wetter heute?” bis hin zu komplexen Aufgabenstellungen, angefangen von “Übersetze den nachfolgenden Text ins Französische.”, was für mich und mein eingerostetes Französisch schon sehr hilfreich ist, bis hin zu “Analysiere mir die folgenden Daten.”. Prompts sind demnach die Schnittstelle, über die wir Menschen mit den KI-Systemen interagieren und Informationen abrufen können. Und diese Interaktion gehen weit über das hinaus was wir von der Nutzung einer Internet-Suchmaschine kennen.

Was ist Prompt-Engineering?

Prompt-Engineering ist der Prozess, bei dem Prompts entwickelt und optimiert werden, um die gewünschten Ergebnisse von KI-Systemen zu erhalten. Es beinhaltet die Gestaltung von Eingabeaufforderungen, die präzise, verständlich und anforderungsgerecht sind. Das Ziel des Prompt-Engineerings ist, sicherzustellen, dass KI-Modelle die gewünschten Informationen liefern und die gestellten Aufgaben erfolgreich ausführen. Dabei spielt die Wahl der richtigen Wörter, Satzstrukturen und Kontextinformationen eine entscheidende Rolle.

Um erfolgreiches Prompt-Engineering zu betreiben, müssen Nutzende in der Lage sein, Prompts zu formulieren, die sowohl die Fähigkeiten als auch die Einschränkungen des KI-Modells berücksichtigen. Das erfordert ein tiefes Verständnis der Funktionsweise von KI-Systemen und die Fähigkeit, Prompts zu erstellen, die deren Stärken nutzen und deren Schwächen minimieren.

Herausforderungen beim Prompt-Engineering

Also schreibe ich einfach rein was ich brauche? So einfach ist das eben nicht. Wie bereits gesagt, das Arbeiten mit KI-Systemen ist nicht gleichzusetzen mit der Nutzung einer Internet-Suchmaschine. Wobei auch dafür bestimmte Fähigkeiten notwendig sind, um mit der Suche erfolgreich zu sein. Das Prompt-Engineering birgt eine Reihe von weiteren Herausforderungen, mit denen wir uns auseinandersetzen müssen, um am Ende nicht frustriert vor mangelhaften Ergebnissen zu sitzen.

KI-Systeme brauchen klare Anweisungen

Das klingt erstmal banal: Klare Anweisungen. Aber in der Tat, die Notwendigkeit, Prompts zu formulieren, die klar und verständlich sind ist wirklich eine Herausforderung. Insbesondere wenn die Interaktion mit dem KI-System in natürlicher Sprache erfolgt. Es ist wichtig, Mehrdeutigkeiten zu vermeiden und sicherzustellen, dass die Prompts nicht missverstanden werden. Das ist schon bei der Kommunikation unter Menschen nicht so einfach.

Wer jetzt denkt, “Das ist ja nichts bahnbrechend Neues.”, der hat in der Tat recht. Es gab bereits in der Vergangenheit Wissenschaftler, die sich mit der Kommunikation beschäftigt haben. Zu nennen wären beispielsweise Paul Watzlawick mit den 5 Axiomen der Kommunikation, das 4-Ohren-Modell nach Schulz von Thun oder das Shannon–Weaver Modell der Kommunikation.

Shannon–Weaver Modell als Beispiel

Wir nehmen als Beispiel das Shannon–Weaver Modell (Shannon, 1984), auch wenn es in der Welt der Kommunikationswissenschaftler als eher ungeeignetes Modell angesehen wird, weil es zu technisch sei. Ich für meinen Teile halte es für unsere Zwecke aber für genau richtig. Also, das Shannon–Weaver Modell besagt, dass es bei der Kommunikation immer einen Sender und einen Empfänger gibt. Dabei codiert der Sender seine Botschaft (hier den Prompt) in ein Signal (zum Beispiel Schrift). Der Empfänger (hier das KI-System) nimmt das Signal (in diesem Beispiel über die Eingabemaske) auf und decodiert den Inhalt. Und genau da steckt die Herausforderung. Die Störungen in der Codierung und Decodierung zu minimieren, damit keine Missverständnisse entstehen.

KI-Systeme können voreingenommen sein

Eine weitere Herausforderung besteht darin, dass KI-Modelle voreingenommen sein können oder unerwünschte Verhaltensweisen zeigen, wenn die Prompts nicht sorgfältig entwickelt werden.

Die Voreingenommenheit von KI-Systemen, auch als “Bias” bezeichnet, ist ein weit verbreitetes Problem in der Welt der künstlichen Intelligenz. Sie tritt auf, wenn KI-Modelle aufgrund von ungleichen Daten oder Vorurteilen in ihrer Entwicklung und Anwendung ungleiche Ergebnisse liefern. Es gibt mehrere Gründe, warum KI-Systeme voreingenommen sein können.

  • KI-Modelle werden häufig mit Daten trainiert, die von Menschen erstellt und zusammengestellt werden. Diese Daten können Vorurteile und Diskriminierung enthalten, die in der realen Welt existieren. Wenn diese Vorurteile in die Trainingsdaten einfließen, übernehmen die KI-Modelle diese Vorurteile und reproduzieren sie in ihren Entscheidungen und Vorhersagen.
  • Algorithmische Entscheidungen und Vorhersagen von KI-Systemen können durch die Art und Weise, wie die Modelle trainiert und optimiert werden, beeinflusst werden. Wenn beispielsweise bestimmte Leistungsindikatoren für ein KI-Modell festgelegt werden, ohne auf Fairness und Gleichheit zu achten, kann dies zu ungewollter Voreingenommenheit führen.
  • Prompts, die von Nutzerinnen und Nutzern an KI-Systeme gesendet werden, können zu Voreingenommenheit führen, wenn sie rassistische, sexistische oder andere diskriminierende Inhalte enthalten. KI-Modelle können diese diskriminierenden Muster in den Prompts aufgreifen und sie in ihren Antworten reflektieren.

Das “Bias”-Problem hatte beispielsweise auch OpenAI als das erste Modell von ChatGPT öffentlich gemacht wurde.

Prompts müssen an der Leistung des KI-Systems ausgerichtet sein

Die Ausrichtung von Prompts an der Leistung eines KI-Systems ist notwendig, um die Interaktion zwischen Menschen und der künstlichen Intelligenz effizient und effektiv ablaufen zu lassen. Diese Anpassung gewährleistet, dass die KI-Systeme die gestellten Aufgaben korrekt verstehen und angemessen darauf reagieren (siehe zuvor das Beispiel mit dem Shannon–Weaver Modell). Es gibt mehrere Gründe, warum das relevant ist:

  • KI-Modelle können unangemessene oder irrelevante Antworten liefern, da sie die Aufgabenstellung nicht korrekt interpretieren können. Das führt zu Frustration bei den Benutzerinnen und Benutzern und am Ende zu einer geringeren Akzeptanz des KI-Systems.
  • Im Umkehrschluss heißt das, die Ausrichtung von Prompts auf die Leistung des KI-Systems ermöglicht eine verbesserte Benutzererfahrung. Indem die Prompts präzise und angepasst sind, können Nutzerinnen und Nutzer genau die Informationen oder Dienstleistungen erhalten, die sie benötigen, ohne unnötige Verzögerungen oder Fehlinterpretationen.
  • Die angepasste und für das gestellte Problem wesentliche Ausrichtung von Prompts führt zu einer höheren Effizienz. Wenn Prompts klar und spezifisch sind, können KI-Systeme Aufgaben schneller und genauer erledigen, was Zeit und Ressourcen spart.
  • Die korrekte Ausrichtung von Prompts trägt zur Vermeidung von Fehlern und Missverständnissen bei. Wenn Prompts nicht an die Leistung des KI-Systems angepasst sind, besteht das Risiko, dass falsche Informationen geliefert werden oder die Erwartungen der Nutzerinnen und Nutzer nicht erfüllt werden.

Warum Lehrkräfte im Prompt-Engineering theoretisch gut sein müssten

Wir haben gesehen, dass die Qualität und Präzision von Prompts maßgeblich die Leistung und das Verhalten von KI-Systemen beeinflusst. Lehrkräfte, die über fundiertes Fachwissen und Erfahrung im Unterrichten verfügen, besitzen theoretisch gute Fähigkeiten, die sie zum effizienten Prompt-Engineering befähigen könnten. Nachfolgend fünf Punkte, weshalb ich denke, dass Lehrkräfte gute Prompt-Engineers wären.

1. Verständnis von Lernprozessen

Lehrkräfte haben tiefgehendes Wissen über die Lernprozesse von Schülerinnen und Schülern. Sie verstehen, wie Informationen vermittelt und verstanden werden. Dieses Verständnis ist sehr hilfreich, um effektive Prompts zu entwickeln, welche auf die Fähigkeiten und Bedürfnisse der Nutzenden zugeschnitten sind.

2. Kommunikationsfähigkeiten

Die Fähigkeit, klare und präzise Anweisungen zu formulieren, ist im Prompt-Engineering von entscheidender Bedeutung. Lehrkräfte sind erfahren darin, komplexe Konzepte in verständliche und ansprechende Sprache zu übersetzen, was ihnen bei der Formulierung effektiver Prompts zugute kommt.

3. Pädagogisches Fachwissen

Lehrkräfte verfügen über ein breites pädagogisches Fachwissen, welches die Entwicklung von Prompts positiv beeinflussen kann. Sie verstehen, wie Wissen am besten vermittelt und erworben wird, und können dieses Verständnis nutzen, um Prompts zu erstellen.

4. Bewußstsein für Zielgruppen

Lehrkräfte sind es gewohnt, mit verschiedenen Altersgruppen und Bildungsniveaus umzugehen. Damit können sie Prompts entwickeln, die altersgerecht und zielgruppenspezifisch sind, um sicherzustellen, dass die Ergebnisse für die Zielgruppe relevant und verständlich sind.

5. Erfahrung in der Evaluierung von Leistungen

Lehrkräfte sind darin erfahren, die Leistungen ihrer Schülerinnen und Schüler zu bewerten und konstruktives Feedback zu geben. Diese Fähigkeit kann genutzt werden, um die Ergebnisse von Prompts zu evaluieren und gegebenenfalls die Prompts zielgerichtete anzupassen.

Warum Lehrkräfte im Prompt-Engineering praktisch (noch) nicht so gut sein könnten

Auch wenn Lehrkräfte zweifellos wertvolles Wissen und spezifische Fähigkeiten besitzen, gibt es auch Gründe, warum sie möglicherweise (noch) nicht so gut für das Prompt-Engineering befähigt sein könnten. Nachfolgend fünf Gründe.

1. Mangelnde technische Expertise

Lehrkräfte sind zwar Experten in ihren jeweiligen Fachgebieten und im Unterrichten, jedoch verfügen sie in der Regel nicht über umfassende technische Expertise, welche für das Prompt-Engineering erforderlich wäre. Die Entwicklung von Prompts erfordert zumindest ein Grundverständnis für KI-Algorithmen, Programmierung und die Funktionsweise von KI-Systemen, was in der Lehramtsausbildung in der Regel nicht vermittelt wird.

2. Unterschiedliche Zielsetzungen

Die Hauptaufgabe von Lehrkräften besteht darin, Schülerinnen und Schülern Wissen zu vermitteln und sie beim Lernen zu unterstützen. Im Gegensatz dazu sind Prompts in der Regel darauf ausgerichtet, bestimmte Aufgaben oder Anfragen an KI-Systeme zu stellen. Die Zielsetzungen im Bildungsbereich (Wissenvermittlung und Unterstützung) und im Bereich des Prompt-Engineerings (stellen von Aufgaben) können sich erheblich unterscheiden, was zu einem Missverhältnis zwischen den Rollen Lehrkraft und Prompt-Engineer führen kann.

3. Fehlende Erfahrung in der KI-Entwicklung

Lehrkräfte haben in der Regel keine Erfahrung in der Entwicklung von KI-Systemen. Das Prompt-Engineering erfordert jedoch ein Verständnis für die Funktionsweise von KI-Modellen, Trainingsdaten und Evaluationsverfahren. Ohne diese Erfahrung können Lehrkräfte Schwierigkeiten haben, effektive Prompts zu erstellen.

4. Herausforderungen bei der Anpassung an KI-Systeme

Das Arbeiten mit KI-Systemen erfordert eine Anpassung an die spezifischen Fähigkeiten und Einschränkungen dieser Systeme. Lehrkräfte, welche an gewohnte Lehrmethoden und didaktische Ansätze gebunden sind, könnten Schwierigkeiten haben, sich an die teilweise dynamischen Anforderungen des Prompt-Engineerings anzupassen.

5. Begrenzte Zeitressourcen

Lehrkräfte haben oft begrenzte Zeitressourcen aufgrund ihrer Unterrichtsverpflichtungen und anderer beruflicher Verantwortlichkeiten. Das Prompt-Engineering erfordert jedoch Zeit und Aufmerksamkeit, um Prompts sorgfältig zu entwickeln, zu testen und anzupassen. Der Zeitmangel kann zu oberflächlichen oder unausgereiften Prompts führen und damit zu unzureichenden Ergebnissen.

Und nun?

Lehrkräfte verfügen über theoretische Fähigkeiten und Erfahrungen, die sie zu idealen Kandidaten für das Prompt-Engineering machen. Ihr Verständnis von Lernprozessen, pädagogischem Fachwissen, Anpassungsfähigkeit an verschiedene Lernstile, Kenntnis von Zielgruppen, Fähigkeit zur Bewertung von Ergebnissen und das Bewusstsein für Ethik und Verantwortung sind wertvolle Ressourcen in der Entwicklung von effektiven Prompts.

Die Integration solcher Kompetenzen in das Feld des Prompt-Engineerings erscheint durchaus hilfreich und kann zu einer verbesserten Interaktion zwischen Menschen und KI-Systemen führen.

Demgegenüber steht jedoch die Realität und gelebte Praxis weshalb Lehrkräfte möglicherweise (noch) nicht so gut im Prompt-Engineering sein könnten. Unzureichende technische Expertise, die unterschiedlichen Zielsetzungen, zu geringe Erfahrung in der KI-Entwicklung und -Nutzung, begrenzte Zeitressourcen und die Notwendigkeit eines interdisziplinären Ansatzes sind Herausforderungen, die berücksichtigt werden müssen.

Was können Sie tun?

Sie können ihre Fähigkeiten im Prompt-Engineering bereits mit drei einfachen Schritten verbessern:

  1. Sie sollten sich über die Grundlagen des maschinellen Lernens und der KI informieren, um ein besseres Verständnis für die Funktionsweise von Modellen zu entwickeln.
  2. Sie sollten sich mit den spezifischen Plattformen und Tools vertraut machen, welche für die Erstellung von Prompts verwendet werden (siehe auch mein Beitrag 24 Tipps für 2024).
  3. Sie sollten von Experten im KI-Feld lernen, freie Ressourcen im Internet nutzen und Schulungen besuchen, die ihnen dabei helfen, ihre Prompt-Engineering-Fähigkeiten zu entwickeln und auszubauen.

Auch ich werde mit meinem Team versuchen dazu beizutragen, dass das Thema KI mehr in der Ausbildung von Lehrkräften berücksichtigt wird. Im Projekt “KI4Edu” adressieren wir KI im Kontext von Lernen und Prüfen und entwickeln einen Weg, um KI in der Ausbildung von Lehrkräften zu verankern.

Doch das Wichtigste ist, einfach machen! Legen Sie einfach los, experimentieren Sie und probieren Sie aus. Denn nur selber machen macht schlau! In diesem Sinne, viel Spaß dabei!

[Update 02.07.2024: Nutzen Sie den KI Prompts Generator]

Quellenverzeichnis:

Shannon, C. E. (1948). “A Mathematical Theory of Communication” (PDF). Bell System Technical Journal. 27 (3): 379–423

Schlagwörter: Prompt-Engineering, Lehrkräfte, Künstliche Intelligenz, maschinelles Lernens, KI-Modelle, effektive Prompts, Technisches Wissen, maschinelles Lernen, bessere Prompts.

Diesen Beitrag zitieren: Karl, C. [Christian K. Karl]. (2024). 5 Gründe warum Lehrkräfte gute Prompt-Engineers wären [Blog-Beitrag]. 06.02.2024. BauVolution, ISSN 2942-9145. online verfügbar