Ethik, Recht & Gesellschaft – Grundlagen einfach erklärt
Für Einsteiger ohne Vorkenntnisse: Du lernst Datenschutz & Urheberrecht, verstehst Bias & Fairness, reflektierst gesellschaftliche Auswirkungen und erhältst einen Überblick zu Nachhaltigkeit & Regulierung. Hinweis: Lernhilfe, keine Rechtsberatung. Prüfe stets den aktuellen Stand.
1. Datenschutz & Urheberrecht
Datenschutz – Basics
- Personenbezogene Daten: alles, was sich auf eine Person bezieht.
- Grundsätze: Zweckbindung, Datenminimierung, Transparenz, Sicherheit.
- Rechtsgrundlagen (Beispiele): Einwilligung, Vertrag, rechtliche Pflicht.
- Privacy by Design/Default, Verzeichnis & Verträge (Auftragsverarbeitung) führen.
Cookies/Tracking – kurz
- Nicht notwendige Cookies/Tracker → vorherige Einwilligung (Opt‑in).
- Banner klar, Dienste benennen, Widerruf ermöglichen.
Urheberrecht – Basics
- Geschützte Werke: Texte, Bilder, Musik, Software u. a.
- Nutzungsrechte klären (einfach/ausschließlich, Umfang, Dauer, Bearbeitung).
- Creative Commons: Lizenzen lesen; Namensnennung/NC/ND beachten.
Mini‑Übung
Prüfe einen Bild‑Download: Lizenz? Namensnennung? Bearbeitung erlaubt? Dokumentiere das Ergebnis in 3 Zeilen.
2. Bias & Fairness
Typische Verzerrungen
- Daten‑Bias: Stichprobenauswahl, Messfehler.
- Label‑Bias: subjektive Bewertungen in Trainingsdaten.
- Algorithmic Bias: Verfahren verstärken bestehende Ungleichheiten.
Fairness – Ansätze
| Ansatz | Kurz erklärt | Beispiel |
|---|---|---|
| Demographic Parity | Ergebnis‑Raten über Gruppen ähnlich | Einladung zu Interview |
| Equalized Odds | Fehlerraten über Gruppen ähnlich | Falsch‑Positiv‑Rate |
| Counterfactual Fairness | Entscheid gleich, wenn nur Gruppenzugehörigkeit wechselt | Scoring |
Gegenmaßnahmen
- Dateninventar & Bias‑Audit (Sichtbarkeit, Qualität, Lücken).
- Testsets für Fairness, regelmäßige Überwachung (Drift).
- Transparenz: Dokumentation (z. B. Model/Data Cards), Kontaktwege für Feedback.
Mini‑Übung
Formuliere eine Fairness‑Frage zu deinem Use‑Case: „Wäre das Ergebnis für Gruppe X systematisch schlechter?“
3. Gesellschaftliche Auswirkungen
Chancen
- Produktivität & Zugang zu Wissen steigen (Assistenz, Übersetzung).
- Barrierefreiheit (Untertitel, Vorlesen, adaptive Interfaces).
- Neue Dienstleistungen/Arbeitsmodelle (Remote, Plattformen).
Risiken
- Polarisation am Arbeitsmarkt; Qualifikationslücken.
- Desinformation/Manipulation; Überwachung.
- Digitale Kluft (Zugang, Geräte, Kompetenzen).
Gestaltung & Teilhabe
- Weiterbildung/Grundbildung breit fördern.
- Transparenz/Erklärbarkeit für Betroffene erhöhen.
- Partizipation: Stakeholder in Entwicklung/Einsatz einbinden.
Diskussionsimpuls
Nenne eine Situation, in der KI verpflichtend erklärt werden sollte (z. B. kreditrelevante Entscheidung) – warum?
4. Nachhaltigkeit & Regulierung
Ökologische Aspekte
- Energiebedarf von Modellen/Cloud – grüner Strom, Effizienz, Laststeuerung.
- Lebenszyklus denken: Hardware‑Herstellung, Nutzung, Entsorgung.
- „Green by Design“: kleinere Modelle, Caching, sparsames Prompting.
Regulierung – Überblick
- Risikobasierte Ansätze: verbotene, hoch‑, begrenzt‑, minimale Risiken.
- Pflichten (vereinfacht): Risikomanagement, Datenqualität, Dokumentation, Transparenz, Überwachung.
- Hinweispflichten bei KI‑generierten Inhalten je nach Kontext.
Governance im Unternehmen
- AI‑Policy & Leitplanken (Use‑Case‑Prüfung, Freigaben, Logging).
- Rollen: Product Owner, Datenschutz, Sicherheit, Ethik‑Board.
- Kontrolle: Audits, KPIs (Nutzerzufriedenheit, Fehler, Beschwerden).
Mini‑Übung
Skizziere eine 5‑Punkte‑AI‑Policy für dein Team (Zwecke, Daten, Prüfung, Transparenz, Feedbackkanal).
Vorlagen & Checklisten
Daten‑ & Tracking‑Inventar (Kurz)
System | Daten | Zweck | Rechtsgrundlage | Speicherdauer | Empfänger | Owner
Bias‑Audit – Starter
Ziel/Kontext | Betroffene Gruppen | Metriken | Testdaten | Ergebnisse | Maßnahmen
Model‑/Data‑Card (Kurz)
Zweck | Datenquellen | Preprocessing | Risiken/Bias | Tests | Updates | Kontakt
Risiko‑Matrix
Risiko | Eintritt | Auswirkung | Gegenmaßnahme | Owner | Termin
Glossar
Auftragsverarbeitung
Externe Verarbeitung im Auftrag – Vertrag & Maßnahmen nötig.
PII/Personenbezogene Daten
Daten mit Personenbezug (direkt/indirekt).
Creative Commons
Standardlizenzen für Inhalte – Bedingungen variieren (BY/NC/ND/SA).
Demographic Parity
Gleiche Ergebnisraten über Gruppen.
Explainability
Nachvollziehbarkeit von Entscheidungen/Outputs.
AI‑Governance
Regeln/Rollen/Prozesse für verantwortliche KI‑Nutzung.