![\"\"](\"https:\/\/schulzki-haddouti.de\/wp-content\/uploads\/2021\/11\/image.png\")
<\/a><\/figure><\/div>\n\n\n\nDies ist die Ausgangslage der vorliegenden 15 explorativen Interviews, die ich von September 2020 bis April 2021 f\u00fcr die \u201cPlattform Lernende Systeme\u201d von Acatech im Auftrag des Bundesministeriums f\u00fcr Bildung und Forschung (PDF) <\/a>f\u00fchren durfte. \u00a0Explorativ bedeutet im Rahmen dieses Projekts, dass es zwar f\u00fcr jedes Interview vorbereitete Leitfragen gab, dass jedoch im journalistischen Sinne nachgehakt und aufgebrachte Fragestellungen weiterverfolgt und eingeordnet werden konnten. Im Ergebnis handelt es um eine eigenst\u00e4ndige Arbeit in dem Sinne, dass inhaltliche Vorgaben oder Bewertungen seitens der Auftraggeber nicht stattfanden. An dieser Stelle m\u00f6chte ich mich bei allen Beteiligten f\u00fcr das Vertrauen, vor allem aber die wertsch\u00e4tzende und konstruktive Zusammenarbeit herzlich bedanken!<\/p>\n\n\n\n Ausgehend von der technikzentrierten Frage, was KI-gest\u00fctzte Methoden f\u00fcr unterschiedliche Prozesse rund um Fragen der sozial\u00f6kologischen Nachhaltigkeit beitragen k\u00f6nnen, sprach ich mit Menschen aus Unternehmen, Wissenschaft und Zivilgesellschaft mit theoretischem wie praktischem Dom\u00e4nenwissen im Bereich der Informatik und Ingenieurwissenschaften, der \u00d6kologie und Geografie, der Energie- und Landwirtschaft, Psychologie und Philosophie, Rechts- und Politikwissenschaft sowie \u00d6konomie. Die Interviews wurden in zwei Stufen gef\u00fchrt: Die Gespr\u00e4che wurden telefonisch gef\u00fchrt und aufgezeichnet. Im Rahmen der Verschriftlichung wurden einzelne Details und Sachfragen gekl\u00e4rt und mit weiterf\u00fchrenden Quellen und Literaturhinweisen sowie Begleittexten, Projektbeschreibungen und Grafiken erg\u00e4nzt. Zu jedem Interview gibt es als \u201eEssential\u201c eine Zusammenfassung des Gespr\u00e4chsinhalts; f\u00fcr die Ver\u00f6ffentlichung im Internet wurden \u00fcberdies Kurzvorstellungen auf Video aufgezeichnet.<\/p>\n\n\n\n Beim Versuch einer Standortbestimmung zeigt sich, dass dom\u00e4nenspezifische Anwendungen oftmals noch in den Kinderschuhen stecken und ihre Transformationskraft erst im Zusammenspiel mit weiteren Faktoren entwickeln k\u00f6nnen. Ordnet man die angesprochenen Themen den 17 Nachhaltigkeitszielen der UN (SDGs) zu, erkennt man, wie \u00fcbergreifend alle Ans\u00e4tze sind. Die Hauptherausforderung besteht offenbar weniger in der konkreten Entwicklung und Anwendung der KI-Methoden, sondern eher in der kooperativen Entwicklung von interdisziplin\u00e4ren Konzepten, die in ihren jeweiligen Wissensdom\u00e4nen auf eine \u00fcberschaubare und effektive Weise umsetzbar sind.<\/p>\n\n\n\n Wohl daher r\u00fchrt ein h\u00e4ufiger Beweggrund vieler Gespr\u00e4chspartnerinnen und -partnern, \u00fcber die eigenen Fachgrenzen hinweg in Kooperation mit anderen schneller und vor allem effektiver etwas zur Abmilderung der Klima- und Biodiversit\u00e4tskrise beitragen zu wollen. Dabei nehmen sie als Wissenschaftlerin und Institutsleiterin, Aktivist und Konferenz-Initiator, Entwickler und Unternehmensgr\u00fcnderin oftmals mehrere Rollen ein. So divers die in dieser Publikation angesprochenen Themen und Problemstellungen sind, so vielf\u00e4ltig sind auch die Menschen, die sich mit ihnen befassen.<\/p>\n\n\n\n In der Praxis ver\u00e4ndert sich so eine m\u00f6glicherweise technikzentrierte, solutionistische Handlungsorientierung zu Beginn eines Projekts in eine problemzentrierte und vielf\u00e4ltige Herangehensweise, die versucht verschiedene Problemkreise aus unterschiedlichen Dom\u00e4nen zu adressieren. In diesem Zusammenhang erinnert Jessica Heesen<\/em> an den augenf\u00e4lligen Unterschied zwischen technik- und problemzentrierten Problemzug\u00e4ngen: W\u00e4hrend der technikzentrierte Zugang fragt, was die Vor- und Nachteile einer bestimmten Technik f\u00fcr die L\u00f6sung eines Problems seien, stellt ein problemzentrierter Zugang die Aufgabe, f\u00fcr die eine L\u00f6sung gefunden werden soll, in den Vordergrund.<\/p>\n\n\n\n Die so notwendige interdisziplin\u00e4re Verst\u00e4ndigung ben\u00f6tigt jedoch Raum und Zeit, die jede und jeder Beteiligte sich oftmals erst schaffen muss. Um Br\u00fccken zwischen der Informatik und den Ingenieurwissenschaften einerseits und Disziplinen wie den Klimawissenschaften und der \u00d6kologie, der Rechts- und Politikwissenschaft sowie \u00d6konomie andererseits zu schlagen, wurden in den letzten Jahren neue Dialog- und Diskursplattformen etwa in Form von Mailinglisten, Call for Papers, Tagungen und Konferenzen organisiert. Lynn Kaack<\/em> und Rainer Rehak<\/em> setzten hier ma\u00dfgebliche Impulse.<\/p>\n\n\n\n In den Gespr\u00e4chen geht es denn nicht nur darum, KI-gest\u00fctzte Konzepte und Prototypen mit Bezug auf Klima und Biodiversit\u00e4t aus Sektoren Landwirtschaft, Energiewirtschaft und Verkehr vorzustellen und zu diskutieren. Es werden auch neue Ans\u00e4tze zur nachhaltigen Gestaltung \u00f6konomischer Wertsch\u00f6pfungsprozesse diskutiert, die beispielsweise Wege in eine resiliente Kreislaufwirtschaft bahnen oder die Entkopplung von unternehmerischer Wertsch\u00f6pfung von der Emissionsintensit\u00e4t bef\u00f6rdern. Dabei interessiert nicht allein die technische Umsetzbarkeit, sondern auch das Transformationspotenzial mit Blick auf die \u00f6konomischen und politischen Rahmenbedingungen \u2013 wobei in allen F\u00e4llen nur eine \u201eschwache KI\u201c zum Einsatz kommt.<\/p>\n\n\n\n Ribana Roscher<\/em> erl\u00e4utert mit Blick auf eine sogenannte Smart Earth Governance, dass mit wissensbasierten Modellen, die bestehendes Dom\u00e4nenwissen formalisieren, meist ein Kompromiss zwischen Detailgrad und der Skala eingegangen werden m\u00fcsse. Dabei sei eine datengetriebene Modellierung mit KI-gest\u00fctzten Methoden vor allem auf gro\u00dfer r\u00e4umlicher Skala schwer zu verallgemeinern und sto\u00dfe bei der Sicherstellung der wissenschaftlichen Konsistenz und Plausibilit\u00e4t an Grenzen. Aussagen zur Datenunsicherheit und Modellunsicherheit seien daher wichtig, um Unsicherheiten in den Ergebnissen besser einordnen zu k\u00f6nnen.<\/p>\n\n\n\n Rainer Rehak<\/em> wiederum weist darauf hin, dass KI-gest\u00fctztes Monitoring kein Selbstzweck bleiben d\u00fcrfe. Das Smart Sensing des Waldzustands, der Landnutzung sowie der Wasserverteilung und -nutzung sei nur dann sinnvoll, wenn die gewonnenen Erkenntnisse mit konkreten Handlungen zum Schutz der Biodiversit\u00e4t und des Klimas verkn\u00fcpft werden. Es gen\u00fcge nicht, aus einem abstrakt wissenschaftlichen Interesse heraus immer mehr und immer detaillierter etwas \u00fcber die Biodiversit\u00e4t von W\u00e4ldern erfahren zu wollen. Wie Smart Sensing, Nachhaltigkeitszertifizierung und gesetzliche Regulierung in diesem Sinne zusammenwirken k\u00f6nnen, schildert Philipp Kanstinger<\/em> am Beispiel der bis vor kurzem nur schwer beobachtbaren Hochseefischerei und dem Bem\u00fchen, Fischfang nachhaltiger zu gestalten.<\/p>\n\n\n\n Wiederholt zeigt sich in den Interviews, dass klassische, gleichwohl hochaktuelle Digitalisierungsfragen mit Blick auf KI-Anwendungen eine zentrale Rolle spielen: so ziehen sich die Problematik der Data Governance im Sinne von Datenzugriffs- und verwertungsrechten und die hiermit verbundenen Monopolisierungstendenzen von Plattformen durch etliche Interviews. Ralf Kalmar<\/em> beispielsweise erl\u00e4utert zur Frage von Big-Data-Ownership in der Landwirtschaft, wie ein Agrardatenraum bewusst auf die Entwicklung der Referenzarchitektur der International Dataspace-Initiative aufsetzen kann, um Landwirte bei der Durchsetzung ihrer Interessen gegen\u00fcber Saatgut- und Landmaschinenkonzernen zu unterst\u00fctzen.<\/p>\n\n\n\n Das Thema Nudging geh\u00f6rt ebenfalls zu den Klassikern der Digitalisierung: Kai Purnhagen<\/em> erkl\u00e4rt, wie Menschen rechtskonform mit KI-gest\u00fctzten Nudging-Methoden zu einem nachhaltigeren, ges\u00fcnderen Leben \u201egestupst\u201c werden d\u00fcrfen.<\/p>\n\n\n\n Zum Thema \u201enachhaltige KI\u201c erl\u00e4utert Thomas Liebig<\/em>, wie Datenmengen, -strukturen, -speicherung und -kommunikation die Effizienz eines Verfahrens und damit den CO2<\/sub>-Fu\u00dfabdruck beeinflussen. Die Anwendung ressourcensparsamer Verfahren werde vor allem von regulatorischen Vorgaben zur Datensparsamkeit, den Energiekosten des Gesamtsystems sowie das Einfordern bestimmter Systemeigenschaften in Ausschreibungen motiviert. Kerstin Fritzsche<\/em> erkl\u00e4rt dazu, welche regulatorischen Rahmenbedingungen und Anreize perspektivisch f\u00fcr eine gr\u00fcne, nachhaltigere KI sorgen k\u00f6nnen.<\/p>\n\n\n\n Matthias Gotsch<\/em> h\u00e4lt \u00f6kologisch orientierte KI-Anwendungen f\u00fcr eine sinnvolle Erg\u00e4nzung und Fortentwicklung f\u00fcr diverse Anwendungsf\u00e4lle im urbanen Raum, wie beispielsweise im individuellen und \u00f6ffentlichen Personennahverkehr, in der dezentralen Energieversorgung, in der urbanen Landwirtschaft oder in der Abfall- und Recyclingwirtschaft. An seinen Schilderungen wird deutlich, dass eine KI-gest\u00fctzte urbane Kreislaufwirtschaft m\u00f6glich w\u00e4re, doch die Konzeptentwicklung einer sozial\u00f6kologischen Smart City steht noch am Anfang. F\u00fcr den Energiesektor erkl\u00e4rt Philipp Richard<\/em> am Beispiel eines CO2<\/sub>-Mapping-Projekts f\u00fcr Kommunen, wie wichtig die Verbesserung der Datenqualit\u00e4t ist, um eine zuverl\u00e4ssige und glaubw\u00fcrdige Planungsgrundlage f\u00fcr politische Entscheidungen erarbeiten zu k\u00f6nnen.<\/p>\n\n\n\n Im Gespr\u00e4ch mit Janina Nakladal<\/em> wird deutlich, dass KI-gest\u00fctzte Process-Mining-Methoden mit Bezug auf \u00f6kologische Nachhaltigkeit in den Unternehmen noch nicht entlang der gesamten Wertsch\u00f6pfungskette betrieben werden. Gleichwohl veranschaulicht eine Reihe von Kundenbeispielen, dass dies mit entsprechender unternehmerischer Zielsetzung technisch m\u00f6glich w\u00e4re. Noch gibt es keinen Kunden, der mit einer werterhaltenden Aufarbeitung von Altteilen die Verbindung zur Kreislaufwirtschaft schlie\u00dfen w\u00fcrde. Allerdings zeigt das von Pinar Bilge<\/em> vorgestellte Projekt EIBA, dass dies KI-assistiert nicht nur technisch, sondern vermutlich auch gewinnbringend machbar w\u00e4re.<\/p>\n\n\n\n Ein wesentlicher Anreiz zu mehr Nachhaltigkeit besteht f\u00fcr gro\u00dfe Unternehmen darin, im Zuge der Lieferkettengesetzes ihre Lieferketten nachhaltig zu gestalten. Nakladal<\/em> schildert, dass der Aufbau einer entsprechenden Datenbasis erst am Anfang steht. Hannah Helmke<\/em> erkl\u00e4rt, welche Rolle die von ihr entwickelte Klima-Kennzahl X-Degree Compatibility (XDC) dabei spielen k\u00f6nnte, nicht nur Unternehmen, sondern auch KI-Anwendungen auf eine \u00f6konomische Emissionsintensit\u00e4t zu optimieren \u2013 um das 1,5\u00b0C bzw. 2\u00b0C-Ziel des Pariser Klimaabkommens zu erreichen.<\/p>\n\n\n\n In mehreren Interviews wird das Thema der sogenannten \u201emenschenzentrierten KI\u201c angeschnitten. Im Gespr\u00e4ch mit Pinar Bilge<\/em> geht es etwa darum, den Menschen in eine KI-gest\u00fctzte Aufarbeitung von industriellen Altteilen so einzubinden, dass er besser informiert Entscheidungen treffen kann. Julia Arlinghaus<\/em> wiederum erinnert daran, dass der Mensch selbst gerne am System vorbei eigene Entscheidungen treffe und dabei auch die \u00dcberregulierung eines Systems verursachen k\u00f6nne. Auch \u00fcberoptimistische Absatzprognosen k\u00f6nnten Produktionsprozesse fehlsteuern. KI-unterst\u00fctzt und menschen-zentriert k\u00f6nnte aber der Widerspruch zwischen Effizienz, Flexibilit\u00e4t und Nachhaltigkeit aufgel\u00f6st werden. Daher widmet sich das Gespr\u00e4ch mit Jessica Heesen<\/em> der \u201emenschenzentrierten KI\u201c. Heesen bevorzugt \u00fcbrigens den Begriff der \u201ehumanen KI\u201c, um das am Gemeinwohl und der Menschw\u00fcrde orientierte Menschenbild unmissverst\u00e4ndlicher zu kommunizieren.<\/p>\n\n\n\n So faszinierend die Vorstellung von KI-Systemen ist, die im Sinne ihrer Erfinder und Entwicklerinnen funktionieren, so vertraut sind die geschilderten H\u00fcrden auf dem Weg dahin. Die Gespr\u00e4che sind denn auch von einem optimistischen, aber realistischen Blick auf regelm\u00e4\u00dfige Handlungs- und Umsetzungsgrenzen gepr\u00e4gt: Unsicherheiten aufgrund mangelnder Datenqualit\u00e4t und begrenzter Rechenpower; Schwierigkeiten in der interdisziplin\u00e4ren Kooperation aufgrund strukturell bedingter Abgrenzungen von Wissensgebieten und Kompetenzen; Herausforderungen seitens etablierter Marktmechanismen und regulatorischer Rahmenbedingungen, die als unzureichend wahrgenommenen werden.<\/p>\n\n\n\n Das Thema der \u00dcberpr\u00fcf- und Korrigierbarkeit von automatisiert generierten Handlungsempfehlungen mittels Transparenzmechanismen wird von mehreren Gespr\u00e4chspartnern und -partnerinnen angeschnitten \u2013 wie auch der Umgang mit Unsicherheit sowohl als Gegenstand j\u00fcngerer Forschung wie auch als praktisches Problem. Ein Dauerthema bei allen Entwicklerinnen und Anwendern ist schlie\u00dflich nicht nur der Aufbau von qualitativ guten Datens\u00e4tzen, wie Lynn Kaack<\/em> und Ribana Roscher<\/em> an Projektbeispielen veranschaulichen, sondern auch die Pflege von KI-Modellen. Die Praktikerinnen verweisen hier auf begrenzte personelle und finanzielle Strukturen.<\/p>\n\n\n\n Nahezu alle Gespr\u00e4chspartnerinnen und -partner best\u00e4tigen eine der Kernaussagen des WBGU-Hauptgutachtens \u201eUnsere gemeinsame digitale Zukunft\u201c: Es kommt wesentlich auf eine vorausschauende Schwerpunktsetzung von F\u00f6rderung und Regulierung an, in welche Richtung sich KI-Anwendungen in Zukunft weiterbewegen. Wie die Digitalisierung sind sie ambivalenter Natur: Weitgehend ungerichtet treiben sie die \u00dcbernutzung nat\u00fcrlicher Ressourcen an, basierend auf einer klaren sozial\u00f6kologischen Policy k\u00f6nnen sie aber die Gro\u00dfe Transformation entscheidend voranbringen. Dabei wirken sie sogar, wie Lynn Kaack<\/em> f\u00fcr den Energie-, Verkehrs-, Finanz- und Geb\u00e4udesektor anschaulich erkl\u00e4rt, bei der Policy-Entwicklung und -Evaluierung direkt mit.<\/p>\n\n\n\n Damit sind nur einige, aber bei weitem nicht alle inhaltlichen Punkte und Querbez\u00fcge der 15 Interviews benannt. Viele angesprochenen Fragestellungen verdienen eine weitere Vertiefung, steht doch hinter jedem Interview eine dom\u00e4nenspezifische Herangehensweise. Im Rahmen dieser Ver\u00f6ffentlichung kann letztlich aber nur eine Ahnung dar\u00fcber vermittelt werden, welche Ans\u00e4tze sich unter welchen Bedingungen zu wirksamen Hebeln der Gro\u00dfen Transformation entwickeln k\u00f6nnen. Letztlich kommt es auf Sie, den interessierten Leser, die mitdenkende Leserin an, neue, andere, eigene Querbez\u00fcge zu entdecken. Ich w\u00fcnsche Ihnen eine interessante, vor allem aber inspirierende Lekt\u00fcre!<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Zum Digitalgipfel der Bundesregierung im November 2020 sind bereits vorab folgende vier Interviews online erschienen:<\/p>\n\n\n\n Lynn Kaack<\/a> erforscht im Rahmen der Forschungsgruppe \u201eEnergy Politics Group\u201c an der Eidgen\u00f6ssischen Technischen Hochschule (ETH) Z\u00fcrich Methoden des maschinellen Lernens f\u00fcr Policy-Analysis. Dabei arbeitet sie an Projekten im Energie-, Verkehrs-, Finanz- und Geb\u00e4udesektor. Sie ist Co-Leiterin der internationalen Experten\/-innen-Gruppe \u201eClimate Change AI\u201c.<\/p>\n\n\n\n Der Meeresbiologe Philipp Kanstinger <\/a>befasst sich f\u00fcr den WWF mit der Zertifizierung von Sea Food und wendet f\u00fcr das Monitoring von Fischereiaktivit\u00e4ten auf hoher See KI-Auswertungsmethoden an.<\/p>\n\n\n\n Die Psychologin Hannah Helmke<\/a> gr\u00fcndete das Frankfurter Start-up right.based on science, um mit der X-Degree Compatibility (XDC) eine Klima-Kennzahl zu entwickeln, welche die Entkopplung von unternehmerischer Wertsch\u00f6pfung von der Emissionsintensit\u00e4t misst. Die Kennzahl kann dazu genutzt werden, um in KI-Anwendungen auf die \u00f6konomische Emissionsintensit\u00e4t zu optimieren. <\/p>\n\n\n\n Matthias Gotsch <\/a>am Kompetenzzentrum Nachhaltigkeit und Infrastruktursysteme am Fraunhofer-Institut f\u00fcr System- und Innovationsforschung ISI sieht \u00f6kologisch orientierte KI-Anwendungen als sinnvolle Erg\u00e4nzung und Fortentwicklung f\u00fcr diverse Anwendungsf\u00e4lle im urbanen Raum, wie beispielsweise im individuellen und \u00f6ffentlichen Personennahverkehr, in der dezentralen Energieversorgung, in der urbanen Landwirtschaft oder in der Abfall- und Recyclingwirtschaft. <\/p>\n\n\n\n Im November 2021 wurden die nachfolgenden Interviews online auf der Plattform Lernende Systeme unter der Rubrik Nachhaltigkeit <\/a>mit Video-Kurzstatements ver\u00f6ffentlicht: <\/p>\n\n\n\n Alle Interviews wurden im Oktober 2021 in der folgenden Brosch\u00fcre (PDF) ver\u00f6ffentlicht: Christiane Schulzki-Haddouti (2021): KI und Nachhaltigkeit. Ein Diskussionsbeitrag f\u00fcr die Plattform Lernende Systeme<\/a>, M\u00fcnchen.<\/p>\n\n\n\n Aktuelle Artikel von mir zu diesen Themenkomplexen finden sich auf dieser Seite.<\/a><\/em> <\/p>\n","protected":false},"excerpt":{"rendered":" Die Klimakrise und das Artensterben fordern Gesellschaften heraus: Sie m\u00fcssen jetzt m\u00f6glichst schnell klima- und ressourcenfreundliche Lebens- und Produktionsweisen f\u00f6rdern, um die Risiken f\u00fcr Menschen in naher Zukunft m\u00f6glichst klein zu halten. Mit dem Urteil des Bundesverfassungsgerichts im M\u00e4rz 2021 zur Generationengerechtigkeit im Klimaschutz hat diese gewaltige Aufgabe an rechtlicher Verbindlichkeit gewonnen. Die vom Wissenschaftlichen … Interview-Projekt zu K\u00fcnstliche Intelligenz und Nachhaltigkeit<\/span> weiterlesen Herausforderung Interdisziplinarit\u00e4t<\/h2>\n\n\n\n
Was ist smart?<\/h2>\n\n\n\n
Fragen der Governance<\/h2>\n\n\n\n
Auf dem Weg zur Kreislaufwirtschaft<\/h2>\n\n\n\n
Humane KI<\/h2>\n\n\n\n
Reale KI<\/h2>\n\n\n\n
<\/li><\/ul>\n\n\n\n
<\/p>\n\n\n\n