Ein Grundstück am Ortsrand, unmittelbar an der Grenze zum Außenbereich. Die Rechtslage scheint zunächst eindeutig: Das Vorhaben ist in dieser Form eigentlich nicht vorgesehen. Doch bei näherer Betrachtung zeigt sich ein differenzierteres Bild. Eine Ablehnung würde für den Antragsteller eine erhebliche Härte bedeuten. Nachbarliche Belange sind nicht berührt, die beteiligten Träger öffentlicher Belange äußern keine Bedenken und sprechen sich teilweise sogar ausdrücklich für das Vorhaben aus. Aufgrund der besonderen Lage des Grundstücks wäre zudem keine unerwünschte Vorbildwirkung für weitere Bauvorhaben zu erwarten. Auch das Ortsbild bliebe weitgehend unbeeinträchtigt. Vergleichbare Fälle hat die Behörde bislang nicht zu entscheiden gehabt.

Für einen Algorithmus stellt ein solcher Fall vor allem ein Problem dar: Es fehlen vergleichbare Muster. Für eine erfahrene Mitarbeiterin oder einen erfahrenen Mitarbeiter im Bauamt beginnt an dieser Stelle hingegen die eigentliche Arbeit. Denn genau für solche Konstellationen hat der Gesetzgeber Ermessens- und Abwägungsspielräume geschaffen. Hier geht es nicht um das schematische Abarbeiten von Vorschriften, sondern um die Würdigung eines Einzelfalls, die Berücksichtigung besonderer Umstände und die verantwortungsvolle Abwägung widerstreitender Interessen.

Für einen Algorithmus ist ein solcher Fall eine statistische Ausnahme. Für den Rechtsstaat ist er der Grund, warum menschliches Ermessen überhaupt existiert.

Dennoch plant Bayern nun, den Einsatz Künstlicher Intelligenz auch dort zu ermöglichen, wo bislang bewusst Menschen entscheiden sollten. Was als Modernisierung der Verwaltung verkauft wird, könnte sich als weitreichender Eingriff in ein zentrales Prinzip rechtsstaatlichen Handelns erweisen. Denn die eigentliche Frage lautet nicht, ob Maschinen schneller entscheiden können als Menschen. Die eigentliche Frage lautet, ob der Staat dort auf menschliche Erfahrung, Verantwortung und Einzelfallgerechtigkeit verzichten sollte, wo sie vom Gesetzgeber ausdrücklich gewollt sind.

Ein historischer Schritt – aber in welche Richtung?

Die Bayerische Staatsregierung betrachtet ihren Vorstoß als wegweisend. Der Leiter der Staatskanzlei, Florian Herrmann, sprach gegenüber der Süddeutschen Zeitung sogar von einem historischen Vorgang:

„Das ist Rechtsgeschichte, weil es das bisher noch nicht gab.“

Tatsächlich wäre die Änderung des Verwaltungsverfahrensrechts ein Paradigmenwechsel. Bisher galt ein einfacher Grundsatz: Dort, wo Ermessen oder Beurteilungsspielräume bestehen, soll kein vollautomatisiertes Verfahren entscheiden.

Der Grund dafür liegt auf der Hand. Ermessen existiert nicht deshalb, weil Gesetze unvollkommen wären. Ermessen existiert, weil der Gesetzgeber erkannt hat, dass sich menschliche Lebenswirklichkeit nicht vollständig in Regeln und Kategorien pressen lässt.

Gerade deshalb stellt sich die Frage, warum ausgerechnet dieser Bereich nun für den Einsatz von KI geöffnet werden soll.

Die Illusion der objektiven Maschine

Befürworter verweisen häufig auf schnellere Verfahren, mehr Einheitlichkeit und eine größere Konsistenz behördlicher Entscheidungen.

Doch diese Argumentation beruht auf einer problematischen Annahme: dass sich gute Verwaltung vor allem durch Gleichförmigkeit auszeichnet.

Moderne KI-Systeme treffen keine Entscheidungen aufgrund von Erfahrung oder Verständnis. Sie erkennen Muster in vorhandenen Daten. Sie bewerten Wahrscheinlichkeiten. Sie vergleichen neue Fälle mit bereits bekannten Konstellationen.

Das mag bei standardisierten Vorgängen sinnvoll sein.

Doch je stärker ein Fall vom Durchschnitt abweicht, desto größer wird das Problem.

Denn die Besonderheit eines Einzelfalls erscheint für die KI nicht als Qualität, sondern als Abweichung.

Gerade hier beginnt die Gefahr einer schleichenden Radikalisierung der Verwaltung.

Nicht im politischen Sinn, sondern im administrativen Sinn: Entscheidungen werden zunehmend auf Muster, Kategorien und Wahrscheinlichkeiten reduziert. Das Individuelle wird zum Störfaktor. Der atypische Fall wird zur Ausnahme, die möglichst effizient verarbeitet werden soll. Die Verwaltung wird dadurch nicht zwingend gerechter, sondern vor allem standardisierter.

Der Preis dieser Entwicklung könnte ein Verlust jener Flexibilität sein, die rechtsstaatliches Ermessen überhaupt erst ermöglichen soll.

Das eigentliche Problem heißt nicht Technik

Die Diskussion über KI in der Verwaltung wird häufig so geführt, als sei sie die Antwort auf eine objektive Notlage.

Doch die Überlastung vieler Behörden ist kein Naturereignis.

Seit Jahren berichten Beschäftigte von steigender Arbeitsverdichtung, wachsender Verantwortung und immer komplexeren Verfahren. Dokumentationspflichten nehmen zu, rechtliche Anforderungen werden umfangreicher und Aufgaben werden ständig erweitert.

Gleichzeitig wurden vielerorts Stellen abgebaut, nicht nachbesetzt oder organisatorisch zusammengelegt.

Die Beschäftigten sollen mehr leisten, komplexere Entscheidungen treffen und größere Verantwortung übernehmen – häufig unter denselben Rahmenbedingungen wie vor Jahren.

Vor diesem Hintergrund erscheint der Ruf nach KI in einem anderen Licht.

Die Technologie soll Probleme lösen, deren Ursachen nicht technischer Natur sind.

Wenn Unterstützung zur Vorentscheidung wird

Offiziell soll der Mensch weiterhin die Kontrolle behalten.

Doch diese Vorstellung ignoriert die Realität vieler Verwaltungen.

Wer täglich unter erheblichem Zeitdruck arbeitet, wird Vorschläge eines Systems kaum vollständig nachvollziehen und überprüfen können. Genau hier entsteht ein bekanntes Phänomen, das als „Automation Bias“ bezeichnet wird: Menschen neigen dazu, Empfehlungen technischer Systeme zu vertrauen, insbesondere dann, wenn Zeitdruck und Arbeitsbelastung hoch sind.

Auf dem Papier entscheidet weiterhin der Mensch.

In der Praxis besteht die Gefahr, dass die Maschine die Entscheidung vorbereitet, strukturiert und faktisch vorprägt.

Die Unterschrift bleibt menschlich.

Die Entscheidungslogik möglicherweise nicht.

Das Bauamt als Prüfstein

Gerade im Baurecht zeigt sich, wie problematisch diese Entwicklung sein könnte.

Baugenehmigungen bestehen nicht ausschließlich aus objektiv messbaren Kriterien. Sie betreffen gewachsene Ortsbilder, nachbarschaftliche Interessen, städtebauliche Entwicklungen und nicht zuletzt menschliche Lebensentwürfe.

Erfahrene Mitarbeiterinnen und Mitarbeiter entwickeln über Jahre ein Gespür für Besonderheiten, die sich nicht vollständig in Akten, Datenbanken oder Checklisten abbilden lassen.

Sie wissen, wann eine scheinbar vergleichbare Situation eben doch nicht vergleichbar ist.

Sie erkennen Konstellationen, für die es keine Muster gibt.

Sie verstehen lokale Besonderheiten, historische Entwicklungen und praktische Auswirkungen einer Entscheidung.

Genau dieses Erfahrungswissen droht verloren zu gehen, wenn Verwaltung zunehmend auf statistische Muster reduziert wird.

Denn die entscheidende Stärke menschlichen Ermessens liegt nicht darin, bekannte Fälle zu erkennen.

Sie liegt darin, unbekannte Fälle angemessen beurteilen zu können.

Wer trägt die Verantwortung?

Mit dem Einsatz von KI stellt sich zudem eine grundlegende rechtsstaatliche Frage.

Wer trägt die Verantwortung für eine Fehlentscheidung?

Bislang ist die Lage klar: Entscheidungen werden von Menschen getroffen, begründet und können gerichtlich überprüft werden.

Bei KI-gestützten Verfahren droht diese Verantwortlichkeit zu verschwimmen.

Die Behörde kann auf die Empfehlung des Systems verweisen.

Der Softwareanbieter kann erklären, lediglich ein Werkzeug bereitgestellt zu haben.

Die Beschäftigten können darauf hinweisen, dass sie die technische Bewertung nicht vollständig nachvollziehen konnten.

Doch ein Rechtsstaat benötigt Verantwortliche.

Er lebt davon, dass Entscheidungen nachvollziehbar, überprüfbar und zurechenbar bleiben.

Transparenz als ungelöstes Problem

Der Bayerische Landesbeauftragte für den Datenschutz, Thomas Petri, mahnt deshalb:

„Transparenz, Verständlichkeit und Nachvollziehbarkeit sind als Kernanliegen des Datenschutzes auch für die Vertrauenswürdigkeit von KI essenziell.“

Dieser Satz trifft den Kern der Debatte.

Denn Bürger haben nicht nur Anspruch auf eine Entscheidung.

Sie haben Anspruch darauf zu verstehen, warum diese Entscheidung getroffen wurde.

Je komplexer KI-Systeme werden, desto schwieriger wird genau diese Nachvollziehbarkeit.

Damit gerät ein weiteres Fundament rechtsstaatlichen Handelns unter Druck.

Wenn Ermessen zum Kostenfaktor wird

Die eigentliche Schwäche der aktuellen Debatte liegt möglicherweise in einer unausgesprochenen Grundannahme.

Menschliches Ermessen erscheint zunehmend als ineffizient.

Es kostet Zeit.

Es verlangt Erfahrung.

Es führt nicht immer zu identischen Ergebnissen.

Es lässt sich nicht beliebig skalieren.

Doch genau deshalb hat der Gesetzgeber es geschaffen.

Ermessen soll verhindern, dass Menschen ausschließlich nach abstrakten Regeln oder statistischen Mustern behandelt werden. Es soll sicherstellen, dass Besonderheiten berücksichtigt werden können. Es soll dort Gerechtigkeit ermöglichen, wo starre Gleichbehandlung zu ungerechten Ergebnissen führen würde.

Der Rechtsstaat hat das menschliche Ermessen nicht trotz seiner Unschärfen geschaffen, sondern gerade wegen seiner Fähigkeit, der Komplexität realer Lebenssituationen gerecht zu werden.

Fazit

Die Debatte über KI in der Verwaltung wird häufig als Frage technischer Machbarkeit geführt.

Tatsächlich geht es um etwas Grundsätzlicheres.

Es geht um die Frage, welche Art von Verwaltung wir wollen.

Eine Verwaltung, die den Bürger als Datensatz betrachtet, der möglichst effizient verarbeitet werden muss?

Oder eine Verwaltung, die den Menschen als Individuum begreift und bereit ist, Besonderheiten des Einzelfalls zu berücksichtigen?

Die geplante Öffnung von Ermessensentscheidungen für KI mag als Modernisierung verkauft werden.

Sie könnte sich jedoch als Schritt hin zu einer Verwaltung erweisen, in der menschliche Erfahrung, Verantwortung und Einzelfallgerechtigkeit zunehmend als Hindernisse erscheinen.

Eine solche Entwicklung wäre kein Fortschritt.

Sie wäre die technologische Vollendung einer Tendenz, die vielerorts bereits sichtbar ist: Arbeitsverdichtung, Rationalisierungsdruck und die Vorstellung, dass sich menschliches Urteil letztlich durch Mustererkennung ersetzen lasse.

Doch genau dort beginnt die eigentliche Gefahr.

Denn für einen Algorithmus ist der Mensch oft die Ausnahme.

Für den Rechtsstaat sollte er stets der Maßstab bleiben.

Quellen

1. Legal Tribune Online (LTO): „Bayern will Verwaltungsrecht ändern: Ermessen? Pah, das soll die KI machen“
   https://www.lto.de/recht/hintergruende/h/ki-verwaltung-ermessen-bayern-aendert-verwaltungsrecht-bund-kontrolle-kritik
2. Legal Tribune Online (LTO): „Künstliche Intelligenz in der Verwaltung: Keine Ermessensausübung durch die Maschine?“
   https://www.lto.de/recht/hintergruende/h/kuenstliche-intelligenz-ki-verwaltung-35a-vwvfg-ermessen-automatisiert-verwaltungsakt
3. Süddeutsche Zeitung: Berichterstattung zur bayerischen Verwaltungsrechtsänderung; Zitat von Florian Herrmann („Das ist Rechtsgeschichte, weil es das bisher noch nicht gab.“)
4. Bayerischer Landesbeauftragter für den Datenschutz: Künstliche Intelligenz
   https://www.datenschutz-bayern.de/nav/2501.html
5. move-online.de: „KI in der Verwaltung – aber mit Datenschutz“; Zitat von Thomas Petri („Transparenz, Verständlichkeit und Nachvollziehbarkeit sind als Kernanliegen des Datenschutzes auch für die Vertrauenswürdigkeit von KI essenziell.“)

Der Beitrag Der Mensch stört erschien zuerst auf Kunst & KI.

Ein System unter Druck

Die Diagnose ist seit Jahren bekannt, doch sie bleibt unbequem: Die deutsche Justiz arbeitet am Limit. Gerichte und Staatsanwaltschaften kämpfen mit überlasteten Geschäftsstellen, langen Verfahrensdauern, dauerhaften Vakanzen und einer Infrastruktur, die vielerorts nicht einmal grundlegenden digitalen Anforderungen genügt. Eine Analyse von Strategy& (PwC) beschreibt die Lage als einen Zustand zahlreicher „Medienbrüche“, manueller Bearbeitungswege und fehlender digitaler Schnittstellen, die zusammen die Funktionsfähigkeit der Justiz gefährden.

Die Hoffnung auf Entlastung verlagert sich immer stärker auf eine Technologie, die ihre Leistungsfähigkeit bereits in anderen Bereichen bewiesen hat: künstliche Intelligenz. Akten sollen vorsortiert, Metadaten extrahiert und Dokumente automatisch klassifiziert werden. Doch je tiefer die Technik in die Abläufe eindringt, desto deutlicher zeigt sich: Die entscheidenden Fragen sind nicht technischer Natur – sie sind rechtsstaatlich.

Die neue politische Leitlinie: „Chancen nutzen, Verantwortung übernehmen, Transparenz gewährleisten“

Im Juni 2025 verabschiedeten die Justizministerinnen und Justizminister des Bundes und der Länder die „Gemeinsame Erklärung zum Einsatz von Künstlicher Intelligenz in der Justiz“. Darin verpflichten sich die Behörden zu einem „menschenzentrierten, verantwortungsvollen und transparenten“ Einsatz von KI-Systemen. Zugleich wird betont, dass richterliche Entscheidungen nicht automatisiert getroffen werden dürfen und die Verantwortung immer beim Menschen bleibt.

Dieser Grundsatz ist eindeutig – aber seine Umsetzung komplex. Denn die Praxis zeigt, dass Arbeitsabläufe sich schon heute an digitale Systeme anlehnen. Wenn eine KI entscheidet, welche Akte zuerst erscheint, welche Passage als „relevant“ markiert wird oder welcher Schriftsatz Priorität erhält, entsteht faktisch Einfluss auf das Verfahren, lange bevor jemand eine Entscheidung trifft.

Pilotprojekte: Mehr als nur digitale Assistenten

Die wissenschaftlichen Dienste des Bundestags dokumentierten bereits 2021, dass KI-Anwendungen in mehreren Bundesländern erprobt werden – angefangen bei der automatisierten Klassifikation von Dokumenten über die Extraktion von Metadaten bis hin zu Tools, die Massendaten strukturieren sollen. In der Legal-Tech-Fachliteratur finden sich Hinweise auf Systeme zur Aktenvorstrukturierung, Mustererkennung und Anonymisierung von Gerichtsentscheidungen.

Offiziell wird stets betont, dass diese Systeme nur „assistieren“ sollen. Doch in der Praxis zeigt sich ein Graubereich: Wenn ein Algorithmus bestimmte Dokumente hervorhebt, andere ausblendet oder nach eigenen Kriterien sortiert, beeinflusst dies zwangsläufig die menschliche Wahrnehmung. Eine Filterung kann so leise zur Vorentscheidung werden.

Das Transparenzproblem: Die Blackbox im Gerichtssaal

Rechtsprechung verlangt Transparenz und Nachvollziehbarkeit. KI-Systeme hingegen operieren häufig als Blackbox. Selbst Fachleute können die internen Berechnungsschritte lernender Modelle oft nicht vollständig rekonstruieren.

Die Europäische Grundrechteagentur warnt deshalb ausdrücklich, dass der Einsatz algorithmischer Systeme nur auf Grundlage gründlich geprüfter Daten erfolgen dürfe. Denn fehlerhafte oder verzerrte Trainingsdaten können zu Entscheidungen führen, die Betroffene kaum anfechten können – weil der Weg zum Ergebnis nicht offenliegt.

Ein zusätzliches Problem: Viele KI-Lösungen stammen von privaten Anbietern. Deren Algorithmen stehen unter Geschäftsgeheimnissen, was unabhängige Audits erschwert. In einem sensiblen Bereich wie der Justiz ist das ein grundlegendes Dilemma.

Algorithmischer Bias: Ungleichheit als Datenbasis

KI lernt aus historischen Daten – und diese sind nie neutral. In der Vergangenheit getroffene strafrechtliche Entscheidungen, polizeiliche Fallzahlen oder regionale Besonderheiten können Verzerrungen enthalten, die ein Algorithmus reproduziert. Das Alexander von Humboldt Institut für Internet und Gesellschaft betont, dass viele Modelle „hauptsächlich das Vergangene vorhersagen“ und dadurch bestehende Ungleichheiten verstärken können.

Für die Justiz ist das brisant: Wenn historische Urteile oder Ermittlungsdaten als Grundlage dienen, kann ein Algorithmus fehlerhafte Muster verstetigen. Eine Prognose, die scheinbar objektiv wirkt, kann in Wahrheit ein algorithmisch reproduzierter Bias sein.

Verantwortung: Theorie und Praxis auseinander

Die politische Leitlinie behauptet, die Verantwortung bleibe beim Menschen. Doch die Forschung zeigt, dass sogenannte Automation Biases dazu führen, dass Menschen algorithmischen Vorschlägen oft mehr Vertrauen schenken als ihrer eigenen Einschätzung. Ein digitales System, das täglich Vorschläge erzeugt, kann so schleichend zur faktischen Autorität werden.

Zudem ist ungeklärt, wie sich Verantwortlichkeit verteilt, wenn ein Fehler geschieht:

• Wer haftet, wenn eine KI eine Akte falsch vorpriorisiert?
• Wer trägt die Verantwortung, wenn eine algorithmische Prognose Einfluss auf die Entscheidung nimmt?
• Welche Dokumentationspflichten gelten bei KI-gestützten Empfehlungen?

Weder der deutsche Gesetzgeber noch die europäische Regulierung haben diese Fragen abschließend beantwortet.

Infrastruktur: Moderner Anspruch, veraltete Realität

Parallel dazu ist die digitale Infrastruktur der Justiz vielerorts veraltet. Strategie- und Beratungsberichte zeigen, dass es an einheitlichen Datenstandards, verlässlichen Schnittstellen und leistungsfähigen Systemen fehlt. Die Gefahr ist offensichtlich: KI wird in ein System eingebaut, das technisch kaum in der Lage ist, ihre Ergebnisse zuverlässig aufzunehmen und zu prüfen.

Dieser Widerspruch führt zu einer paradoxen Situation: Während KI als Lösung präsentiert wird, fehlt vielerorts das Fundament, auf dem sie rechtsstaatlich betrieben werden könnte.

Der internationale Blick: Frühere Fehler, spätere Lehren

Andere Länder sind bei der KI-Nutzung in der Justiz weiter – und liefern mahnende Beispiele. In den USA gerieten Risiko-Score-Systeme wie COMPAS wegen intransparenter Berechnungen und rassistischer Biases in die Kritik. Auch in Großbritannien und Australien lösten algorithmische Entscheidungshilfen Debatten über Diskriminierung und fehlerhafte Prognosen aus.

Die wissenschaftlichen Dienste des Bundestages dokumentieren diese internationalen Entwicklungen und empfehlen, künftige Anwendungen in Deutschland strikt an rechtsstaatliche Anforderungen zu koppeln – insbesondere im Strafrecht.

Fazit: Modernisierung mit Augenmaß, nicht mit Blindflug

Künstliche Intelligenz kann der Justiz helfen. Sie kann entlasten, beschleunigen und Struktur schaffen. Aber Effizienz ist kein rechtsstaatlicher Wert an sich. Wo Transparenz fehlt, Daten verzerrt sind, Verantwortung unklar bleibt und technische Grundlagen wackeln, droht ein Justizsystem, das moderner wirkt, aber weniger überprüfbar ist.

Die entscheidende Frage lautet deshalb nicht, ob KI in der Justiz eingesetzt werden soll. Sie lautet:
Unter welchen Bedingungen – und wer kontrolliert diese Bedingungen?

Ein Rechtsstaat, der sich algorithmischer Unterstützung bedient, muss gleichzeitig seine demokratischen Kontrollmechanismen stärken. Sonst riskiert er nicht nur technische Fehlentwicklungen, sondern das Vertrauen in die Gerechtigkeit seiner Entscheidungen.

Quellen

• Wissenschaftliche Dienste des Deutschen Bundestages (2021): Künstliche Intelligenz in der Justiz – Internationaler Überblick, WD 7-017/21.
• Strategy& / PwC (2025): Ein Zukunftsprogramm für die Digitalisierung der Justiz.
• Gemeinsame Erklärung zum Einsatz von Künstlicher Intelligenz in der Justiz (Bund und Länder), Bad Schandau, Juni 2025.
• Legal-Tech.de (2024/2025): Beiträge zu Einsatzfeldern und Digitalstrategien in der Justiz.
• European Union Agency for Fundamental Rights (2022): Bias in Algorithms – Artificial Intelligence and Discrimination.
• Alexander von Humboldt Institut für Internet und Gesellschaft (2024): Analyse zu algorithmischen Verzerrungen.
• Fachliteratur zu „Trustworthy AI“ (u. a. Hirsch-Kreinsen, 2024).

Der Beitrag KI in der Justiz: Der stille Umbau eines Grundpfeilers des Rechtsstaats erschien zuerst auf Kunst & KI.

Die Philosophie hat seit jeher dort begonnen, wo Gewissheiten enden. Sie ist die Kunst der unbequemen Frage, die bereit ist, komplexe und widersprüchliche Realitäten zu akzeptieren, anstatt sie zu glätten. Doch in der von Künstlicher Intelligenz (KI) geprägten Welt scheint diese fundamentale Fähigkeit zunehmend bedroht. Algorithmen, Daten und das Streben nach Effizienz drängen auf Eindeutigkeit und Konsens. Was Philosophen wie Rainer Mühlhoff, Dr. Michael Andrick und Gwendolin Kirchhoff uns zeigen, ist eine tiefgreifende Verschiebung: Die Logik der KI ist nicht nur ein neues Werkzeug, sondern eine Ideologie, die den Grundpfeilern unserer Demokratie – dem offenen Diskurs und der Pluralität – zuwiderläuft.

KI als Sortiermaschine und die schleichende Macht des digitalen Faschismus

Die vielleicht provokanteste, aber zugleich präziseste Diagnose über die Rolle der KI stammt vom Philosophen Rainer Mühlhoff. Er nennt sie eine „Menschensortiertechnologie“. Was dahintersteckt, ist mehr als nur die Personalisierung von Werbung. Prädiktive Analytik sortiert Individuen und Gruppen auf Basis von Daten in Kategorien, um sie unterschiedlich zu behandeln: Wer bekommt einen Kredit? Wer wird zum Vorstellungsgespräch eingeladen? Wer wird an der Grenze als niedriges oder hohes Risiko eingestuft?

Mühlhoffs These, „KI-Technologie und Faschismus basieren auf den gleichen ideologischen Wurzeln“, ist keine leichtfertige Gleichsetzung, sondern ein philosophischer Weckruf. Sie weist auf einen gemeinsamen Nenner hin: eine technokratische, auf Effizienz und Kontrolle fixierte Weltsicht. Der digitale Faschismus manifestiert sich nicht in traditioneller Gewalt, sondern in der unsichtbaren Automatisierung der Macht. Er schafft eine Gesellschaft, in der Individuen durch Algorithmen kategorisiert und ihr Verhalten vorhergesagt wird, was die freie Entfaltung des Einzelnen massiv einschränkt. Die KI wird so zum idealen Werkzeug für eine zentrale Macht, die die Bürger ohne physischen Zwang in einen „algoritmischen Korridor“ drängt.

Die Verengung des Meinungskorridors und die Entwertung des Widerspruchs

In einem zunehmend technokratischen Umfeld, das auf Daten und Algorithmen fixiert ist, erodiert auch der öffentliche Diskurs. Der Philosoph Dr. Michael Andrick kritisiert scharf, wie sich die politische und mediale Landschaft verändert hat. Er beschreibt, dass ein Großteil des Mainstreams, der Institutionen und der Politik zunehmend von einem „Wir“ spricht, das ein homogenes Kollektiv suggeriert. Dieses „Wir“ scheint nicht mehr aus dem grundlegenden, pluralistischen Konstrukt einer Republik oder einer Demokratie zu stammen, sondern vielmehr eine geschlossene, exklusive Gruppe zu repräsentieren. Sein Buchtitel „Ich bin nicht dabei…“ steht symbolisch für die Entfremdung und den Dissens vieler Bürger, die sich in diesem vorgefertigten „Wir“-Diskurs nicht mehr wiederfinden.

Die Philosophin Gwendolin Kirchhoff bringt diese Dynamik der Ausgrenzung mit einer provokanten Frage auf den Punkt: „Wo sind denn die Nazis, wenn sie raus sind?“ Diese rhetorische Frage ist keine Verharmlosung von Faschismus oder Nationalsozialismus. Sie ist vielmehr eine philosophische Hinterfragung des Prozesses, mit dem abweichende Meinungen und kritische Stimmen pauschal stigmatisiert und aus dem öffentlichen Diskurs gedrängt werden. Es ist die Kritik an einer Gesellschaft, die es sich zu leicht macht, Andersdenkende zu verurteilen und zu exkommunizieren, anstatt sich mit der Komplexität und den tatsächlichen Ursachen ihres Dissenses auseinanderzusetzen.

KI-Technologien verschärfen diese Verengung. Algorithmen zur Inhaltsmoderation, die auf maschinellem Lernen basieren, lernen aus bestehenden, oft voreingenommenen Datensätzen. Sie entfernen bestimmte Wörter, Tonlagen oder Themen und fördern so eine scheinbare Harmonie, die in Wahrheit eine Homogenisierung des Denkens ist. Das System ist darauf programmiert, Stabilität und Vorhersagbarkeit zu bevorzugen – und nicht das kritische, kreative und oft unordentliche Denken, das eine offene Gesellschaft ausmacht. Indem die KI Widerspruch als potenzielles Störsignal behandelt, trägt sie direkt zur Entwertung des Widerspruchs und zum Verlust einer vielfältigen Debattenkultur bei.

Superintelligenz: Die Utopie als Ablenkungsmanöver

Die Gefahr, unbequeme Wahrheiten zu verdrängen, zeigt sich auch in der Debatte um die Superintelligenz. Der Philosoph Richard David Precht kritisiert die Profitlogik, die den Großteil der KI-Entwicklung antreibt. Ethische Bedenken und philosophische Fragen sind für diesen Prozess oft störende „Bremsklötze“.

Eindrucksvoll illustriert wird diese Dynamik durch die scheinbare Kehrtwende des Transhumanisten Nick Bostrom. Über Jahre hat er mit seinem dystopischen „Büroklammer-Maximierer“-Gedankenexperiment vor existenziellen Risiken gewarnt. Heute jedoch skizziert er eine „Deep Utopia“. Kritiker fragen: War die ursprüngliche „Schwarzmalerei“ nur ein cleveres Manöver, um die Aufmerksamkeit auf das Thema zu lenken? Oder spiegelt diese Kehrtwende den gesellschaftlichen und marktstrategischen Druck wider, ein positives, glattes Narrativ zu schaffen, das die unangenehmen Risiken ausblendet? In der Jagd nach der perfekten Lösung könnte die KI-Entwicklung die komplexen philosophischen und ethischen Fragen, die unbequem sind und keine einfachen Antworten liefern, einfach ignorieren.

Fazit: Die Kunst des philosophischen Widerstands

Die von Mühlhoff, Andrick und Kirchhoff beschriebenen Gefahren sind keine Zukunftsszenarien, sondern Realitäten. KI ist bereits eine Sortiermaschine; der Meinungskorridor verengt sich; und die kritische Auseinandersetzung mit unbequemen Themen wird zugunsten von Effizienz und optimistischen Narrativen zurückgedrängt.

Die Kunst des Philosophierens, einst eine rein akademische Disziplin, wird in diesem Kontext zu einem Akt des Widerstands. Sie ist der Gegenentwurf zur algorithmischen Logik. Wir müssen aktiv die Vielfalt der Meinungen verteidigen, das kritische Fragenstellen kultivieren und uns weigern, uns von Algorithmen in einen vorbestimmten Korridor drängen zu lassen. Die Zukunft unserer demokratischen Gesellschaft hängt nicht von der Intelligenz unserer Maschinen ab, sondern von unserer Fähigkeit, ihnen philosophisch zu widerstehen.

Quellen und Thesen:

Rainer Mühlhoff: re:publica 2023, Vortrag zum Thema „KI als Menschensortiertechnologie.“

Michael Andrick: Buch „Ich bin nicht dabei: Denk-Zettel für einen freien Geist“, sowie zahlreiche öffentliche Äußerungen und Diskussionen.

Gwendolin Kirchhoff: Öffentliche Diskussionen und Vorträge, unter anderem mit Michael Andrick.

Richard David Precht: Diverse Publikationen und Interviews, wie in seinem Buch „Jäger, Hirten, Kritiker: Eine Utopie für die digitale Gesellschaft“

Nick Bostrom: Bücher „Superintelligenz: Szenarien einer kommenden Revolution“ und „Deep Utopia.“

Der Beitrag Im algorithmischen Korridor: Die Kunst des Philosophierens in der KI-Ära erschien zuerst auf Kunst & KI.

Im öffentlichen Diskurs wird künstliche Intelligenz oft als eine allwissende, fast magische Entität dargestellt. Diese Vorstellung ist jedoch irreführend und verschleiert, worum es bei der KI-Technologie im Kern wirklich geht. Das größte Missverständnis liegt in der Bezeichnung selbst: Der Begriff „Intelligenz“ verleitet dazu, der Technologie menschliche kognitive Fähigkeiten wie Bewusstsein oder Kreativität zuzuschreiben. Die Realität ist jedoch weit weniger fantastisch, aber nicht weniger beeindruckend. Die KI, die wir heute kennen und täglich nutzen, ist im Grunde ein hochentwickeltes Werkzeug, das auf einem einzigen, zentralen Prinzip basiert: der Mustererkennung. Es ist eine aufgabenspezifische Technologie, die keine allgemeinen Fähigkeiten besitzt, aber in ihrem eng definierten Fachgebiet unübertroffene Leistungen erbringen kann.

Hype vs. Realität: Die zwei Gesichter der KI

Die Fachwelt unterscheidet künstliche Intelligenz grob in zwei Hauptkategorien, um der Kluft zwischen technischem Stand und öffentlicher Wahrnehmung gerecht zu werden.

Schwache KI: Die unsichtbaren Helfer im Alltag

Die Schwache KI (auch als Narrow AI bezeichnet) ist die einzige Form der künstlichen Intelligenz, die heute existiert. Sie ist auf ein einziges, eng definiertes Aufgabengebiet spezialisiert und kann ihr Wissen nicht auf andere Bereiche übertragen. Auf ihrem Spezialgebiet ist sie oft sogar besser als der Mensch, aber außerhalb davon ist sie nutzlos. Schwache KI besitzt kein Bewusstsein und keine Emotionen; sie trifft ihre Entscheidungen auf Grundlage vorab definierter Algorithmen und umfangreicher Trainingsdaten.

Beispiele für schwache KI begegnen uns unzählige Male pro Tag:

• Sprachassistenten wie Siri und Alexa verarbeiten und beantworten spezifische Fragen. Obwohl sie „menschlich“ wirken mögen, verstehen sie den Kontext einer Unterhaltung nicht wirklich, sondern analysieren und ordnen lediglich Sprachmuster zu.
• Empfehlungssysteme auf Streaming-Diensten wie Netflix analysieren das Kauf- oder Sehverhalten, um Muster zu erkennen und auf dieser Basis Produkte oder Filme vorzuschlagen.
• Autonome Fahrzeuge sind extrem komplexe Systeme, aber sie sind auf das definierte Gebiet des Fahrens beschränkt. Auch ein hochentwickeltes selbstfahrendes Auto würde nicht wissen, wie es auf eine E-Mail antworten soll.
• E-Mail-Spam-Filter und Betrugserkennung im Finanzsektor sind weitere klassische Beispiele, die spezifische Muster in Datenmengen identifizieren.

Starke KI: Das theoretische Ideal ohne reale Beispiele

Im krassen Gegensatz dazu steht die Starke KI (auch Artificial General Intelligence, AGI). Sie ist das theoretische Konzept einer menschenähnlichen, vielseitigen Intelligenz, die jede intellektuelle Aufgabe bewältigen könnte, die auch ein Mensch kann. Eine Starke KI wäre in der Lage, Wissen von einem Bereich auf einen anderen zu übertragen, abstrakt zu denken, kreativ Probleme zu lösen und wäre theoretisch sogar mit Selbstwahrnehmung ausgestattet. Bisher ist eine solche KI jedoch rein spekulativ und existiert nicht.

Künstliche Superintelligenz (ASI)

Künstliche Superintelligenz (ASI) ist ein hypothetisches Intelligenzniveau, das die kognitiven Fähigkeiten der klügsten menschlichen Gehirne in nahezu allen Bereichen, einschließlich wissenschaftlicher Kreativität, allgemeiner Weisheit und sozialer Fähigkeiten, bei Weitem übertrifft. Sie ist eine Form der Künstlichen allgemeinen Intelligenz (AGI), die nicht nur eine breite Palette von Aufgaben auf menschlichem Niveau lösen kann, sondern dies auch in einem Ausmaß tut, das die menschliche Leistungsfähigkeit bei weitem übersteigt. ASI ist in der Lage, sich selbst zu verbessern und neues Wissen auf eine Weise zu generieren, die uns unvorstellbar erscheint.

Die Spielarten der KI: Von Regeln bis hin zu Agenten

KI ist ein Teilgebiet der Informatik und umfasst eine Vielzahl unterschiedlicher Ansätze.

Regelbasierte Systeme und Expertensysteme

Die einfachste Form der KI basiert auf einem festen, regelbasierten Ansatz. Diese Systeme lernen nicht aus Daten und verbessern sich nicht über die Zeit. Sie treffen ihre Entscheidungen strikt nach vordefinierten Regeln. Eine fortgeschrittenere Variante sind Expertensysteme, die das Entscheidungsvermögen von menschlichen Experten in einem bestimmten Bereich simulieren.

Maschinelles Lernen (ML) und seine Unterarten

Der Großteil der heute existierenden KI fällt in den Bereich des Maschinellen Lernens (ML). Hierbei werden Algorithmen nicht explizit programmiert, sondern lernen selbstständig aus riesigen Datensätzen.

Es gibt drei Hauptmethoden des Maschinellen Lernens:

• Überwachtes Lernen (Supervised Learning): Hierbei wird die KI mit gelabelten Datensätzen trainiert, also mit Paaren aus Input und der korrekten Antwort. Die KI lernt, diese Paare zuzuordnen. Ein Spam-Filter ist ein Beispiel dafür: Er lernt anhand von Nachrichten, die als „Spam“ oder „Nicht-Spam“ markiert wurden, künftig neue E-Mails selbstständig zu klassifizieren.
• Unüberwachtes Lernen (Unsupervised Learning): Bei dieser Methode erhält die KI ungelabelte Daten ohne die richtigen Antworten. Ihre Aufgabe ist es, selbstständig Muster und Strukturen in den Daten zu erkennen. Empfehlungssysteme auf Netflix oder Amazon sind ein Paradebeispiel: Sie analysieren das Verhalten von Millionen von Nutzern, um Ähnlichkeiten zu finden und daraufhin Empfehlungen zu generieren.
• Bestärkendes Lernen (Reinforcement Learning): Bei diesem Ansatz lernt ein „Agent“ durch Ausprobieren in einer simulierten Umgebung. Er führt Aktionen aus und erhält dafür positive „Belohnungen“ oder negative „Strafen“. Dadurch entwickelt er eine Strategie, um seine Belohnungen zu maximieren. Dieses Prinzip wird oft im Gaming angewendet, wie bei der Entwicklung von Spiel-KI, die gegen menschliche Meister im Schach oder Go antreten kann.

Neuronale Netze und Deep Learning

Die beeindruckendsten Fortschritte im Maschinellen Lernen sind auf den Einsatz von Künstlichen Neuronalen Netzen zurückzuführen. Diese Netze sind eine vereinfachte Nachbildung des menschlichen Gehirns, bestehend aus miteinander verbundenen Knotenpunkten, den sogenannten „Neuronen“. Sie sind in Schichten aufgebaut, die den Lernprozess unterteilen: eine Eingabeschicht, eine oder mehrere versteckte Schichten (hidden layers) und eine Ausgabeschicht.

Deep Learning ist ein Spezialgebiet des Maschinellen Lernens, das tiefe neuronale Netze verwendet, also Netzwerke mit einer Vielzahl von versteckten Schichten. Dadurch können sie noch komplexere Probleme lösen, etwa in der Bild- und Sprachverarbeitung.

Generative KI und GANs

Generative Modelle sind eine spezielle Art von KI, die auf Maschinelles Lernen und Deep Learning zurückgreifen, um neue, originäre Daten zu erzeugen. Sie können Texte, Bilder oder Musik erschaffen.

Eine wichtige Unterkategorie sind Generative Adversarial Networks (GANs). Sie bestehen aus zwei neuronalen Netzen, die gegeneinander arbeiten:

• Der Generator erzeugt „gefälschte“ Daten, beispielsweise ein realistisches Bild einer Person.
• Der Diskriminator vergleicht die gefälschten Daten mit echten und versucht, die Fälschungen zu identifizieren.

Durch diesen Wettbewerb lernt der Generator, immer realistischere Inhalte zu erzeugen, die der Diskriminator nicht mehr von echten unterscheiden kann. Ein bekanntes, aber kontroverses Anwendungsbeispiel sind „Deepfakes“, täuschend echte Videos von Personen.

Skizze 1: Die Arbeitsweise eines GANs

Code-Snippet:

graph LR
    subgraph "Generator (Erzeuger)"
        A[Zufällige Eingabe] --> B(Erstellt 'gefälschte' Daten)
    end
    subgraph "Diskriminator (Klassifizierer)"
        C(Echte Daten)
        D(Klassifiziert Daten als 'echt' oder 'gefälscht')
    end
    B -- füttert --> D
    C -- füttert --> D
    D -- sendet Feedback --> B

Agenten und Multiagentensysteme

Ein Agent in der KI ist ein System, das seine Umgebung wahrnimmt und eigenständig Aktionen ausführt, um ein Ziel zu erreichen. Ein einfacher Rauchdetektor ist ein Beispiel für einen Agenten: Er nimmt Rauch wahr und löst einen Alarm aus. Auch ein Roboter an einem Fließband, der seine Umgebung wahrnimmt, um effizienter zu arbeiten, kann ein Agent sein.

Noch komplexer sind Multiagentensysteme (MAS), in denen mehrere KI-Agenten zusammenarbeiten, um eine Aufgabe zu lösen. Sie können große und komplexe Probleme bewältigen, die ein einzelner Agent nicht lösen könnte. Beispiele sind intelligente Verkehrsmanagement-Systeme, bei denen Agenten die Verkehrsströme optimieren, oder die Logistik in der Lieferkette, wo sie die Abläufe von der Beschaffung bis zur Auslieferung koordinieren.

Mensch vs. Algorithmus: Wo die wahren Unterschiede liegen

Der entscheidende Unterschied zwischen menschlicher und künstlicher Intelligenz liegt nicht in der Fähigkeit, Aufgaben zu erledigen, sondern im „Warum“ und „Wie“. Während die KI auf der effizienten Verarbeitung von Daten basiert, sind die menschliche Kreativität und das Bewusstsein von Absicht, Emotion und Erfahrung geprägt.

Kreativität: Intention vs. Iteration

Menschliche Kreativität ist ein mysteriöser, vielschichtiger Prozess, der aus Emotionen, persönlichen Erfahrungen und einem tiefen Verständnis für kulturelle Kontexte entsteht. Sie hat das Potenzial, etwas wirklich Originelles und Neues zu schaffen.

Die KI-Kreativität ist demgegenüber eine Iteration: Sie beruht auf der statistischen Rekombination von Mustern aus den ihr bekannten Daten. Eine KI kann lernen, den Stil eines Van Gogh zu imitieren oder Musik im Stil von Mozart zu komponieren. Sie hat jedoch keine persönliche Absicht oder künstlerische Intention.

Eine Studie der Max-Planck-Gesellschaft fand eine überraschende Ähnlichkeit in den kreativen Strategien von Menschen und KI-Modellen, nämlich einen Kompromiss zwischen Flexibilität (Ideen in der Breite suchen) und Beharrlichkeit (Ideen in der Tiefe ausloten). Doch während die menschlichen Testpersonen ihre Strategie anpassten, zeigten die KI-Modelle eine konsequente Präferenz für einen einzigen Ansatz. Dies unterstreicht, dass die maschinelle Herangehensweise mechanisch bleibt, während die menschliche situationsbezogen und adaptiv ist.

Bewusstsein und Emotion: Die unüberwindbare Grenze

Der vielleicht fundamentalste Unterschied liegt in der Existenz von Bewusstsein und Emotionen. Das menschliche Bewusstsein ist komplex und beinhaltet ein EGO und Selbstwahrnehmung. Unsere Handlungen sind von Empathie, Mitgefühl und einem tiefen Verständnis für die sozialen und moralischen Konsequenzen unseres Handelns geprägt.

KI-Systeme besitzen hingegen kein Bewusstsein, keine Gefühle oder einen moralischen Kompass. Sie können menschliche Reaktionen simulieren, basierend auf Mustern aus riesigen Datenmengen, aber ihnen fehlt die eigene emotionale Tiefe und die Fähigkeit, echte soziale Beziehungen aufzubauen.

Das wahre Potenzial liegt daher nicht darin, dass KI den Menschen ersetzt, sondern in der Mensch-Maschine-Kollaboration. Die KI kann als effizienter „Sparringspartner“ und „Katalysator“ fungieren, der repetitive Aufgaben übernimmt. Der Mensch wiederum steuert die entscheidenden Aspekte bei: die Intentionalität, den Kontext, die emotionale Tiefe und das kreative Schaffen aus dem „Nichts“.

Das kritische Auge: Kontroversen, Gefahren und Kritik

Mit dem rasanten Fortschritt der KI-Entwicklung wachsen auch die Kritikpunkte und ethischen Herausforderungen, die nicht nur technischer, sondern auch gesellschaftlicher Natur sind.

Der Algorithmus-Bias: Wenn Vorurteile digital werden

Eines der größten ethischen Probleme ist der „Algorithmus-Bias“, ein systematischer Fehler in KI-Algorithmen, der zu unfairen oder diskriminierenden Ergebnissen führt. Die technologische Abhängigkeit der KI von riesigen Datensätzen ist die direkte Ursache dieses Problems.

Die Hauptursachen für Bias sind:

• Daten-Bias: Voreingenommene Trainingsdaten, die gesellschaftliche Vorurteile wie Rassismus oder Sexismus widerspiegeln. Wenn eine KI mit historischen Einstellungsdaten trainiert wird, die Männer bevorzugen, wird sie diese Benachteiligung fortsetzen.
• Design-Bias: Unbewusste Vorurteile der Entwickler können sich in den Algorithmen selbst wiederfinden.

KI-Systeme spiegeln somit nicht nur unsere gesellschaftlichen Vorurteile wider, sondern können sie auch aktiv verstärken.

Skizze 2: Der Bias-Kreislauf

Code-Snippet:

graph TD
    A[Gesellschaftliche Vorurteile] --> B
    B --> C
    C --> D
    D --> E[Verstärkung gesellschaftlicher Vorurteile]
    E --> A

Die „Black Box“: Mangel an Transparenz

Viele komplexe KI-Systeme gelten als „Black Box“, da ihre Entscheidungsprozesse für den Menschen oft nicht mehr nachvollziehbar sind. Dies ist in kritischen Bereichen problematisch, da die Grundlagen für eine Entscheidung transparent sein müssen.

Die Arbeitswelt im Wandel: Gefahr oder Chance?

Die Angst vor massivem Jobverlust durch KI ist weit verbreitet. Doch während ein Teil der Befragten in Umfragen angibt, Angst vor dem Jobverlust zu haben oder diesen bereits erlebt zu haben, sehen andere die KI als notwendiges Werkzeug. Die Technologie kann repetitive und zeitaufwendige Aufgaben übernehmen und somit Freiräume für kreativere, menschliche Aufgaben schaffen. Ironischerweise könnte das Ignorieren der KI-Möglichkeiten eher zum Jobverlust führen, als sie zu nutzen.

Ethik, Haftung und Urheberrecht: Die ungelösten Fragen

Die technologische Entwicklung hat das Recht in vielen Bereichen überholt. Es fehlen noch klare Rahmenbedingungen für grundlegende ethische und rechtliche Fragen.

• Haftung: Wer haftet bei Fehlentscheidungen eines autonomen KI-Systems?
• Transparenz: Es gibt mangelnde Transparenzpflichten gegenüber den betroffenen Individuen, die den Entscheidungen der KI ausgesetzt sind.
• Urheberrecht: Wem gehört ein Werk, das von einer KI erzeugt wurde, die auf der Analyse bestehender Daten trainiert wurde?

Fazit: Ein Werkzeug in menschlicher Hand

Die künstliche Intelligenz ist heute eine „schwache“ Form, deren beeindruckende Leistungen auf hochentwickelter Mustererkennung basieren. Sie ist ein äußerst mächtiges Werkzeug, aber keine dem Menschen ebenbürtige Intelligenz. Sie hat kein Bewusstsein, keine Emotionen und keine echte Kreativität. Ihre Fähigkeiten sind beeindruckend, aber stets auf die Daten beschränkt, mit denen sie trainiert wurde.

Die Zukunft der KI hängt von einer reflektierten und verantwortungsvollen Nutzung durch den Menschen ab. Es geht darum, die Technologie als Partner zu sehen, ihre Stärken in der Datenverarbeitung und Effizienz zu nutzen und ihre Schwächen – den Mangel an Kreativität, Bewusstsein und Emotion – durch menschliche Aufsicht und Intentionalität auszugleichen.

Quellen

Studie der Max-Planck-Gesellschaft: https://www.mpg.de/24920933/0623-nepf-nimmt-ki-die-welt-auf-dieselbe-weise-wahr-wie-der-mensch-und-versteht-sie-149575-x

Der Beitrag KI für Einsteiger: Was künstliche Intelligenz wirklich ist – und was nicht erschien zuerst auf Kunst & KI.

Die positiven Aspekte: Kreativität im Turbo-Modus

Eines der größten Versprechen von KI in der Kunst liegt in der Demokratisierung der Kreativität. Mit einfachen Textbefehlen können heute Menschen, die nie zeichnen gelernt haben, faszinierende Bildwelten erschaffen. KI-gestützte Tools eröffnen damit einen Zugang zu künstlerischen Ausdrucksformen, der bislang vielen verwehrt blieb.

Auch für Künstlerinnen und Künstler selbst ist KI kein Ersatz, sondern oft eine Inspirationsquelle. Sie kann als Partnerin fungieren, Ideen liefern, unvorhersehbare Assoziationen schaffen und kreative Blockaden auflösen. Manche vergleichen diesen Prozess mit dem Dialog zwischen zwei Künstlern – nur dass einer davon ein Algorithmus ist.

Nicht zuletzt eröffnet KI neue ästhetische Dimensionen: Durch die Fähigkeit, Millionen von Bildern oder Klängen in Sekunden zu analysieren und neu zu kombinieren, entstehen Formen, die jenseits menschlicher Vorstellungskraft liegen. So entstehen hybride Kunstwerke, die traditionelle Grenzen überschreiten.

Die kritischen Aspekte: Eigentum, Echtheit und Ethik

Doch wo Licht ist, gibt es auch Schatten. Die Debatte um KI-Kunst ist geprägt von ethischen Fragen: Wem gehört ein Kunstwerk, das von einer Maschine geschaffen wurde? Dem Programmierer, dem Nutzer oder der KI selbst? Und was bedeutet das für Urheberrechte, wenn KI auf bestehenden Werken trainiert wurde – oft ohne Zustimmung der Künstlerinnen und Künstler?

Hinzu kommt die Frage nach der Echtheit. Ein von Hand gemaltes Bild trägt Spuren der Biografie, der Emotionen und der Handschrift seiner Schöpferin. Ein KI-generiertes Werk hingegen wirkt manchmal „perfekt“, aber auch „seelenlos“. Kritiker fürchten, dass eine Flut generierter Inhalte den Wert menschlicher Kunst untergraben könnte.

Darüber hinaus besteht die Gefahr, dass KI bestehende Klischees reproduziert. Wenn Trainingsdaten voller Stereotype sind, spiegelt sich das auch in den Ergebnissen wider – sei es in Form von stereotypen Darstellungen von Geschlechtern, Kulturen oder Körperbildern.

Zwischen Euphorie und Verantwortung

Die Zukunft der Kunst mit KI liegt wahrscheinlich nicht im Entweder-oder, sondern im Sowohl-als-auch. KI kann ein Werkzeug sein, das Kunstschaffende in neue Welten führt – vorausgesetzt, es wird verantwortungsvoll eingesetzt. Transparenz bei den Trainingsdaten, faire Vergütung von Künstlerinnen und Künstlern sowie ein kritisches Bewusstsein für ethische Fragen sind entscheidend.

Am Ende wird die entscheidende Rolle weiterhin der Mensch spielen: als interpretierendes und fühlendes Wesen, das der Kunst Sinn verleiht. Vielleicht ist genau das die neue Herausforderung – nicht sich gegen die KI zu behaupten, sondern zu lernen, sie als Partnerin in einem erweiterten kreativen Prozess zu begreifen?

Der Beitrag Kunst trifft KI – Zwischen Inspiration und Irritation erschien zuerst auf Kunst & KI.