Atlas of AI
Wie ein materieller und gesellschaftlicher Blick auf KI Ressourcen, Arbeit, Daten und Macht hinter scheinbar immateriellen Systemen sichtbar macht.
Kate Crawford · Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (2021)
Skill-Fokus: KI-Verantwortung · Systemdenken · Technikfolgenabschätzung
3-Minuten-Impuls lesen
Eine KI-Anwendung wirkt auf dem Bildschirm beinahe schwerelos: Frage eingeben, Antwort erhalten. Unsichtbar bleiben Rechenzentren, Energie- und Wasserverbrauch, mineralische Rohstoffe, global verteilte Arbeit, Datensammlungen und Institutionen, die über Entwicklung und Einsatz entscheiden.
Kate Crawford verschiebt in Atlas of AI den Blick vom einzelnen Algorithmus auf das gesamte System. Sie beschreibt KI als materielle und politische Infrastruktur, nicht als autonome, neutrale Intelligenz. Wer KI verantwortlich beurteilen will, muss deshalb über Modellqualität hinausfragen: Welche Ressourcen, Arbeitsverhältnisse, Klassifikationen und Machtbeziehungen machen das System möglich?
1. Die materielle Infrastruktur sichtbar machen
Digitale Systeme benötigen physische Grundlagen: Bergbau für Hardware, Fabriken und Transport, Rechenzentren, Strom und Kühlung. Auch eine scheinbar kleine Anfrage ist Teil dieser Infrastruktur. Einzelne Werte zum Ressourcenverbrauch hängen stark von Modell, Standort und Messmethode ab – der grundsätzliche materielle Fußabdruck bleibt.
Ein verantwortlicher Blick fragt daher nach Lebenszyklen statt nur nach Bedienkomfort: Welche Hardware und Energie werden benötigt? Wie oft wird ein Modell trainiert oder aufgerufen? Welche Umweltfolgen werden gemessen, veröffentlicht oder ausgelagert?
2. Daten und Kategorien als Entscheidungen erkennen
Trainingsdaten bilden die Welt nicht einfach neutral ab. Jemand entscheidet, was gesammelt, ausgeschlossen, beschriftet und als Zielvariable verwendet wird. Kategorien können historische Vorurteile, institutionelle Interessen oder ungeeignete Vereinfachungen enthalten.
Besonders folgenreich wird das, wenn Systeme Menschen bewerten oder sortieren. Eine technisch hohe Genauigkeit beantwortet noch nicht, ob die Aufgabe legitim ist, welche Fehler für wen entstehen und ob Betroffene eine Entscheidung verstehen oder anfechten können. Die Frage nach Fairness beginnt deshalb vor dem Modell.
3. Arbeit und Macht in die Bewertung aufnehmen
KI beruht auf menschlicher Arbeit: Daten werden gesammelt und annotiert, problematische Inhalte geprüft, Systeme gewartet und Ergebnisse in Organisationen umgesetzt. Ein Teil dieser Arbeit bleibt schlecht sichtbar oder findet unter ungleichen Bedingungen statt.
Zugleich konzentrieren große Systeme Daten, Rechenleistung und Entscheidungsmacht. Verantwortung darf daher nicht allein an einzelne Nutzende delegiert werden. Beschaffung, Unternehmensführung, Regulierung und öffentliche Kontrolle bestimmen mit, welche Systeme gebaut werden und welche Alternativen möglich bleiben.
Deine Übung: eine KI-Anwendung kartieren
Wähle ein KI-System, das Du nutzt oder dessen Einsatz Du erwägst. Erstelle in drei Minuten eine erste Landkarte:
- Minute 1 – Ressourcen und Arbeit. Welche Daten, Hardware, Energie und menschlichen Tätigkeiten könnten hinter dem System stehen? Markiere, was unbekannt ist.
- Minute 2 – Entscheidung und Betroffene. Was beeinflusst das System, wer profitiert und wer trägt mögliche Fehler oder Kosten?
- Minute 3 – Verantwortung. Formuliere eine Frage, die Anbieter oder Organisation beantworten müssten, und eine Grenze für Deinen eigenen Einsatz.
Die Landkarte muss nicht vollständig sein. Ihr Wert liegt darin, Unsichtbares in konkrete Prüf- und Gestaltungsfragen zu übersetzen.
Was wir daraus mitnehmen
Atlas of AI erweitert digitale Kompetenz um Systemdenken und Verantwortung. In WEITER7 kann die Landkarte Teil des Realitätschecks sein: nicht nur den unmittelbaren Nutzen betrachten, sondern Betroffene, Nebenfolgen und Gestaltungsspielräume in das nächste Experiment einbeziehen.
Welche Voraussetzung oder betroffene Gruppe bleibt unsichtbar, wenn ich eine KI-Anwendung nur nach Schnelligkeit und Ergebnisqualität bewerte?
Einordnung: Dieser Impuls verdichtet ausgewählte Argumente aus Crawfords kritischer Analyse in eigenen Worten. Übung und WEITER7-Zuordnung sind eigene Übertragungen. Das Buch bietet eine gesellschaftliche und politische Perspektive, keine technische Gesamtbewertung jedes KI-Systems. Konkrete Umwelt- und Sozialfolgen unterscheiden sich nach Technologie, Anbieter, Standort und Nutzung und sollten mit aktuellen, überprüfbaren Daten bewertet werden.
Quellen und Vertiefung: Offizielle Buchseite von Kate Crawford ↗ · Yale University Press ↗