„Beschreibe eine deutsche Familie“ – Bildgeneratoren liefern darauf meist dasselbe: zwei Eltern, zwei Kinder, weiß, jung, ein Reihenhaus im Hintergrund. Textmodelle antworten inzwischen anders, aber nicht unbedingt besser. Sie stellen einen Vielfaltshinweis voran, es gebe nicht „die eine“ deutsche Familie, und nennen anschließend doch die Kleinfamilie mit Reihenhaus, Verein und Abendbrot. Die Vielfalt steht im Vorspann, die Norm im Detail (eigene Erprobung mit ChatGPT, Gemini und AIS.chat). Ein Blick auf die amtlichen Zahlen zeigt jedoch: Rund 30 Prozent der Menschen in Deutschland haben einen Migrationshintergrund (Statistisches Bundesamt 2024), Alleinerziehende, Patchwork- und Mehrgenerationenhaushalte prägen den Alltag ebenso wie die Kleinfamilie. Wir lernen daraus: Die KI zeigt hier nicht Deutschland. Sie zeigt, was in ihren Trainingsdaten am häufigsten vorkommt. Was Bias ist, und warum er bleibt Der Begriff Bias bezeichnet keine zufälligen Fehler, sondern systematische Verzerrungen in den Ausgaben einer KI. Er ist eine strukturelle Eigenschaft der Art, wie generative Modelle lernen, kein Defekt und keine Absicht. Vier Punkte erklären seine Entstehung. Erstens die Datengrundlage. Große Sprachmodelle lernen aus riesigen, kaum gefilterten Textmengen des Internets. Dieses Netz spiegelt die Welt nicht neutral: Englischsprachige, westliche und mehrheitsgesellschaftliche Perspektiven sind überrepräsentiert. Wer aus einem verzerrten Abbild lernt, lernt die Verzerrung mit. Zweitens die Speicherung von Bedeutung. Schon einfache Wortvektoren übernehmen messbar menschliche Stereotype z.B. die Kopplung bestimmter Berufe an ein Geschlecht. Der Bias sitzt also in der Struktur der ...
Zum vollständigen Beitrag:
"Wer deutet hier? KI, Bias und die Landeskunde"
https://www.zum.de/portal/wer-deutet-hier-ki-bias-und-die-landeskunde/
