Digital Learning Campus

Wortwolke

Zusammenfassung

Kontext

Der Vortrag von Verónica Mota Galindo thematisiert die kritische Auseinandersetzung mit Künstlicher Intelligenz (KI) in akademischen Kontexten. KI wird zunehmend als neutrale Technologie wahrgenommen, reproduziert jedoch oft systemische Ungleichheiten, epistemische Gewalt und ökologische Schäden. Die Referentin stellt ein an der Freien Universität Berlin entwickeltes Workshop-Konzept vor, das KI nicht als technisches Werkzeug, sondern als politischen, epistemischen und ökologischen Konfliktraum begreift. Ziel ist es, Akademiker:innen eine intersektionale, feministische und dekoloniale Perspektive auf KI zu vermitteln, um deren Einsatz verantwortungsvoll zu gestalten.

Kernaussagen

1. Diagnose: KI in der akademischen Praxis

Problemfelder:
- Institutionelle KI-Programme fokussieren primär auf technische Effizienz (z. B. Prompt-Engineering, Produktivitätssteigerung) und vernachlässigen koloniale Strukturen, epistemische Ungerechtigkeit, ökologische Kosten, Datenextraktion und algorithmische Diskriminierung.
- Studierende und Forschende nutzen KI oft unkritisch, ohne ethische Implikationen zu reflektieren.
These:
- Akademische Akteur:innen sind technologisch kompetent, aber politisch und ethisch unterentwickelt.
- KI entwickelt sich schneller als das gesellschaftliche Verständnis ihrer Folgen – besonders in den USA, wo eine „Go-fast“-Mentalität vorherrscht, während Europa nach ethischen Rahmenbedingungen sucht.

2. Theoretische Grundlagen: Dekoloniale und feministische Kritik

Herbert Marcuse:
- Technologie ist nie neutral, sondern ein Instrument der Herrschaft („technologische Rationalität“ vs. kritische Reflexion).
- Technologische Systeme produzieren Machtverhältnisse, formen Bewusstsein und priorisieren Effizienz auf Kosten von Entfremdung und Ausbeutung.
Donna Haraway (Cyborg Manifesto):
- Technologien sind weder per se emanzipatorisch noch unterdrückend – entscheidend ist, wer sie kontrolliert.
- KI kann als „Schauplatz des Kampfes“ fungieren, der sowohl Dominanz reproduziert als auch Widerstand ermöglicht.
Dekoloniale Perspektiven (u. a. lateinamerikanische Denker:innen):
- Kolonialität wirkt als Kontinuum fort, u. a. durch Wissenssysteme und Infrastrukturen. KI wird als mechanismus kolonialer Herrschaft analysiert.
Feministische und BIPoC-Kritik (z. B. Ruha Benjamin, Safiya Noble):
- KI verstärkt bestehende Ungleichheiten, während sie Objektivität vortäuscht.
- KI-Literacy muss über technische Nutzung hinausgehen und Kritikfähigkeit vermitteln.

3. Empirische Beobachtungen: KI in der Lehre

Studienlage:
- Lernerfolge durch KI entstehen nur bei pädagogischer Integration (z. B. durch Feedback, Praxisunterstützung oder forschungsbasiertes Lernen).
- Risiko: Unreflektierter KI-Einsatz untergräbt akademische Standards (z. B. durch „Halluzinationen“ oder Fake-Epistemologien).
Forderung:
- Train-the-Trainer-Ansätze: Lehrende und Forschende müssen geschult werden, um KI kritisch zu vermitteln.

4. **Lösungsansatz: Das FIE:D-Framework**

Ziel:
- Transformation von KI-Nutzer:innen zu KI-Kritiker:innen durch ein 2-stündiges Crash-Workshop-Format.
Komponenten des Workshops:
1. Bias-Auditing:
  - Analyse algorithmischer Diskriminierung (z. B. rassistische oder geschlechtsspezifische Verzerrungen).
2. Ökologische Verantwortung:
  - Sichtbarmachung des CO₂-Fußabdrucks von KI-Workflows (z. B. durch Tools zur Emissionsschätzung).
3. Kritische Evaluation von KI-Outputs:
  - Umgang mit „Halluzinationen“ und Fake-Epistemologien durch kontextbewusste Interpretation.
4. Alternative KI-Modelle:
  - Nutzung nicht-hegemonialer Modelle (z. B. europäische, feministische oder Open-Source-Modelle aus Kuba) statt US-amerikanischer oder chinesischer Systeme.
  - Betonung: Die Wahl des Modells ist eine ethische Entscheidung.
5. Menschzentrierte Bewertung:
  - KI-Outputs als interpretative Datenpunkte behandeln – nicht als autoritative Antworten.
Dekoloniale Operationalisierung:
- Einbindung epistemischer Pluralität (z. B. Perspektiven des Globalen Südens).
- Reflexive menschliche Aufsicht und Verantwortung für materielle Folgen (z. B. Umwelt, Arbeitsbedingungen).

5. Empirische Ergebnisse des Workshops

Feedback von ca. 200 Teilnehmer:innen:
- Zunahme von Skepsis gegenüber KI.
- Stärkere Quellenprüfung und epistemologische Hinterfragung.
- Bewusstsein für ökologische Auswirkungen und rassistische Verzerrungen.
- Reduzierter, aber reflektierterer KI-Einsatz.

6. Skalierung und Netzwerkbildung

Angebot:
- Workshops für Fakultäten, Studierende, Forschungsgruppen und Verwaltung.
- Kooperationen mit europäischen Universitäten zur Pilotierung des Konzepts.
Vision:
- Entwicklung einer Open-Source-Lernplattform für globale Zugänglichkeit.
- Veröffentlichung eines Buches zum Thema.

Fazit

Verónica Mota Galindo plädiert für eine paradigmatische Verschiebung in der akademischen KI-Literacy: weg von rein operativer Nutzung hin zu einer kritischen, dekolonialen und ökologischen Bildung. Universitäten stehen vor der Wahl, entweder KI-Nutzer:innen auszubilden oder KI-kritische Bürger:innen zu fördern. Das vorgestellte FIE:D-Framework bietet hierfür einen praxisnahen Ansatz, der epistemische Vielfalt, feministische Perspektiven und ökologische Verantwortung integriert. Die Referentin lädt Institutionen ein, sich an der Weiterentwicklung und Verbreitung des Konzepts zu beteiligen – als Beitrag zu einer verantwortungsvollen, intersektionalen KI-Bildung.

Fragen & Antworten

Kann Künstliche Intelligenz ein kritisches Werkzeug in der Wissenschaft und darüber hinaus sein?

Ja, laut der Referentin ist Technologie weder per se emanzipatorisch noch unterdrückend; entscheidend ist, wer sie kontrolliert und mit welcher Geisteshaltung sie genutzt wird. KI kann somit sowohl Dominanz reproduzieren als auch als Schauplatz für Widerstand und alternative Zukünfte dienen.

Kann Künstliche Intelligenz dekolonisiert werden?

Die Referentin adressiert dies durch ihr FIE:D-Framework, das eine Verschiebung von der rein operativen Nutzung hin zu einer kritischen Literacy fordert. Dies geschieht durch die Einbindung epistemischer Pluralität (z. B. Perspektiven des Globalen Südens), die Nutzung nicht-hegemonialer Modelle und die Reflexion materieller sowie ökologischer Folgen.

Welche Machtformen werden normalisiert, wenn KI zu einer akademischen Infrastruktur wird?

Die Referentin weist darauf hin, dass KI oft als neutral erscheint, aber bestehende Ungleichheiten verstärkt und koloniale Herrschaftsmechanismen durch Wissenssysteme und Infrastrukturen fortsetzt. Wenn KI unkritisch als Infrastruktur übernommen wird, riskieren Universitäten, technologische Rationalität und Effizienz über kritische Reflexion und ethische Verantwortung zu stellen.

Diagramm

100%

mindmap
  root)Decolonizing AI: Intersectional, Feminist & Ecological Literacy for Academics(
    ["Diagnose: KI in der akademischen Praxis"]
      ["Problemfelder: Technische Effizienz vs. koloniale Strukturen"]
      ["These: Technologisch kompetent, aber ethisch unterentwickelt"]
    ["Theoretische Grundlagen"]
      ["Herbert Marcuse: Technologie als Herrschaftsinstrument"]
      ["Donna Haraway: KI als Schauplatz des Kampfes"]
      ["Dekoloniale Perspektiven: KI als kolonialer Mechanismus"]
    ["FIE:D-Framework"]
      ["Bias-Auditing: Algorithmische Diskriminierung"]
      ["Ökologische Verantwortung: CO₂-Fußabdruck von KI"]
      ["Alternative KI-Modelle: Nicht-hegemoniale Systeme"]
    ["Empirische Ergebnisse"]
      ["Zunahme von Skepsis gegenüber KI"]
      ["Stärkere Quellenprüfung und epistemologische Hinterfragung"]
    ["Skalierung und Netzwerkbildung"]
      ["Workshops für Fakultäten und Studierende"]
      ["Vision: Open-Source-Lernplattform"]

Decolonizing AI: Intersectional, Feminist & Ecological Literacy for Academics