Nachhaltigkeit

Die Sustainable Development Goals (SDGs) der Vereinten Nationen zielen auf ein nachhaltiges, friedliches, wohlhabendes und gerechtes Leben für alle ab. Bildung für nachhaltige Entwicklung (BNE) ist dabei wichtig. Sie kann Nachhaltigkeitskompetenzen fördern. Damit können die Ziele der SDGs verstanden und Beiträge dazu geleistet werden. Außerdem können bestimmte SDGs durch spezifische Lernprozesse erschlossen werden.

Nachhaltigkeitskriterien für künstliche Intelligenz

Zusammenfassende Definition für nachhaltige KI

Künstliche Intelligenz (KI) ist so zu entwickeln und einzusetzen, dass sie nachhaltig ist. Das bedeutet, dass KI nicht nur ökologische Aspekte berücksichtigt, sondern auch soziale und wirtschaftliche Auswirkungen mit einbezieht.

Ziele:

• Ganzheitliche Betrachtung: Der gesamte Lebenszyklus einer KI, von der Entwicklung bis zur Anwendung, soll unter Nachhaltigkeitsgesichtspunkten betrachtet werden.
• Konkrete Kriterien: Es sollen klare Kriterien und Indikatoren entwickelt werden, um die Nachhaltigkeit von KI-Systemen zu messen.
• Mindestanforderungen: Die entwickelten Kriterien sollen als Richtlinie dienen, um sicherzustellen, dass alle KI-Systeme bestimmte Nachhaltigkeitsstandards erfüllen.
• Breiter Einsatzbereich: Die Kriterien sollen für alle Bereiche gelten, in denen KI eingesetzt wird.
• Gesellschaftliche Ziele: Die Entwicklung von KI soll sich an den übergeordneten Nachhaltigkeitszielen der Gesellschaft orientieren.

Warum wichtig:

• KI kann sowohl Nutzen als auch Schaden anrichten: KI kann zwar zur Lösung globaler Herausforderungen beitragen, aber auch negative Auswirkungen haben.
• Verknüpfung mit digitaler Infrastruktur: Die digitale Infrastruktur, auf der KI basiert, spielt ebenfalls eine wichtige Rolle für die Nachhaltigkeit.

Nachhaltigkeitskriterien und -indikatoren für künstliche Intelligenz

Der Text (Quelle s. o.) beschreibt ein detailliertes Framework zur Bewertung der Nachhaltigkeit von Künstlichen Intelligenz (KI) Systemen. Dabei wird der gesamte Lebenszyklus einer KI, von der Konzeption bis zur Nutzung, in verschiedene Phasen unterteilt und für jede Phase werden spezifische Nachhaltigkeitskriterien definiert.

Kernpunkte:

• Organisationale Einbettung: Die Unternehmenskultur und -struktur spielen eine entscheidende Rolle für die Entwicklung nachhaltiger KI. Aspekte wie Fairness, Diversität in Entwicklungsteams und die Entscheidung für offene Daten oder Quellcode sind hier zu verankern.
• Konzeptualisierung: In dieser frühen Phase werden grundlegende Entscheidungen getroffen, die die Nachhaltigkeit des Systems maßgeblich beeinflussen. Dazu gehören die Beteiligung von Stakeholdern, die Berücksichtigung von Nutzungsautonomie und die Definition klarer Nachhaltigkeitsziele.
• Datenmanagement: Die Qualität und Repräsentativität der Daten sind entscheidend für die Fairness und Verlässlichkeit des KI-Systems. Offene Datenpools und Datenschutz durch Design können soziale und ökologische Vorteile bringen.
• Modellentwicklung: Hier geht es um Transparenz, Nachvollziehbarkeit und Energieeffizienz. Die Dokumentation des Entwicklungsprozesses, die Wahl geeigneter Modellarchitekturen und die Messung des Energieverbrauchs sind wichtige Aspekte.
• Modellimplementierung: Die Überwachung der Systemleistung, die Gewährleistung der Erklärbarkeit und die Minimierung des CO2-Fußabdrucks sind zentrale Ziele dieser Phase.
• Modellnutzung und Entscheidungsfindung: Die Frage, welche Ziele mit dem KI-System verfolgt werden, ist entscheidend für dessen Nachhaltigkeit. Es gilt abzuwägen, ob das System zu nachhaltigem Konsum beiträgt oder eher zu Überkonsum anregt.

Übergreifende Ziele:

• Ganzheitliche Betrachtung: Der gesamte Lebenszyklus einer KI soll unter Nachhaltigkeitsgesichtspunkten betrachtet werden.
• Konkrete Kriterien: Für jede Phase werden spezifische Kriterien und Indikatoren definiert.
• Soziale, ökologische und ökonomische Aspekte: Das Framework berücksichtigt alle drei Dimensionen der Nachhaltigkeit.
• Transparenz und Nachvollziehbarkeit: Die Entwicklungsprozesse sollen transparent und nachvollziehbar sein.
• Energieeffizienz: Der Energieverbrauch der KI-Systeme soll minimiert werden.
• Fairness und Gerechtigkeit: Die Systeme sollen fair und gerecht gestaltet sein und keine Diskriminierung fördern.

Fazit:

Das vorgestellte Framework bietet einen umfassenden Ansatz zur Entwicklung und Bewertung nachhaltiger KI-Systeme. Es betont die Bedeutung einer ganzheitlichen Betrachtung und unterstreicht die Notwendigkeit, Nachhaltigkeit bereits in der Konzeptionsphase zu berücksichtigen. Durch die Einbeziehung verschiedener Stakeholder und die Förderung von Transparenz und Nachvollziehbarkeit soll sichergestellt werden, dass KI-Systeme einen positiven Beitrag zur Gesellschaft leisten.