{"id":1948,"date":"2022-04-25T16:23:00","date_gmt":"2022-04-25T16:23:00","guid":{"rendered":"https:\/\/blog.zhdk.ch\/digitalskills\/?p=1948"},"modified":"2022-04-25T16:23:00","modified_gmt":"2022-04-25T16:23:00","slug":"algorithmen-besser-verstehen","status":"publish","type":"post","link":"https:\/\/blog.zhdk.ch\/digital-skills\/2022\/04\/25\/algorithmen-besser-verstehen\/","title":{"rendered":"Algorithmen besser verstehen"},"content":{"rendered":"\n

Bild: Christoph Schramm\/Deepmind on Unsplash<\/em><\/p>\n\n\n\n

Dieser Artikel erschien im MIZ Aktuell Blog<\/strong><\/a> der ZHdK.<\/em><\/p>\n\n\n\n

<\/div>\n\n\n\n

Eines wird schnell klar: Ohne Algorithmen geht in der digitalen Welt gar nichts. Jeder Computer ist eine Algorithmen ausf\u00fchrende Maschine und jede Software basiert auf ihnen. Das Gef\u00fchl, machtlos ausgeliefert zu sein, ist stark. Dies zeigt auch das Stimmungsbild zu Beginn des zweiten Kurstages.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"
Stimmungsbild der Kursteilnehmenden am 6.4.2022 mit mentimeter<\/em><\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n

K\u00f6nnen wir \u00fcberhaupt Einfluss auf die Aktivit\u00e4t und den Einsatz von Algorithmen nehmen? Dieser brennenden Frage ging Destination Digital im zweiteiligen Workshop \u00abAlgorithmen. Was tun sie und wie gehen wir damit um\u00bb<\/em> mit Expert:innen von Dezentrum<\/strong><\/a> auf den Grund.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Was sind algorithmische Entscheidungssysteme?<\/h2>\n\n\n\n

Die Grundregel jedes Algorithmus lautet \u00abwenn \u2013 dann\u00bb. Daten werden nach einer Regel zu einem Ergebnis verarbeitet. Das k\u00f6nnen ganz einfache Handlungen sein oder aber auch eine ganze Kette von Entscheidungen.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Automatisierte (dh. durch Software ausgef\u00fchrte) Berechnungsverfahren, welche basierend auf Datenanalysen Schlussfolgerungen ziehen und darauf basierend Handlungsempfehlungen abgeben oder diese ggf. selbst aus\u00fcben.<\/p>Anna Boos, Dezentrum<\/cite><\/blockquote><\/figure>\n\n\n\n

<\/div>\n\n\n\n

So wird etwa dank Algorithmen ein Vertipper stillschweigend korrigiert oder ich kann \u00fcber Empfehlungen wunderbare neue Musik entdecken. Oftmals merke ich gar nicht, dass welche im Spiel sind und teilweise bin ich so sehr an ihre Unterst\u00fctzung gewohnt, dass ich etwa eine Suche in einer Datenbank ohne Korrektursystem richtig m\u00fchsam finde. <\/p>\n\n\n\n

Die Bandbreite reicht also von willkommenen \u00abHelfern\u00bb bis zu recht unheimlichen \u00abVerfolgern\u00bb. Besonders delikat sind Anwendungen, die einen Einfluss auf mein Leben oder meine Privatsph\u00e4re haben: etwa in der Diagnostik, bei Recruiting Tools, in personalisierten Empfehlungen, Wearables und Gesundheitstrackern, aber auch bei Predictive Policy oder beim Autonomen Fahren. <\/p>\n\n\n\n

Wie k\u00f6nnen wir zwischen \u00abgut\u00bb und \u00abb\u00f6se\u00bb unterscheiden? Und sind wir \u00fcberhaupt bereit, f\u00fcr besseren Datenschutz auf gewisse Gewohnheiten und Annehmlichkeiten zu verzichten?<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"
Quelle: Dezentrum, Pr\u00e4sentation von Anna Boos am 30.3.2022<\/em><\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n

Was „weiss“ ein Algorithmus und wie lernt er?<\/h2>\n\n\n\n

Jede:r von uns produziert in der realen wie auch in der virtuellen Welt st\u00e4ndig Daten. Diese teilen wir bewusst und unbewusst. Und selbst aus Daten, die wir mit unserem Einverst\u00e4ndnis teilen (collected data) werden weitere Daten generiert, die auf Grund dieser Werte abgeleitet werden (interferred data). Es ist also nahezu unm\u00f6glich, wirklich anonym in der digitalen Welt zu agieren.<\/p>\n\n\n\n

Abgesehen davon, dass es beim Datenschutz (noch) keine globalen Regelungen gibt, ist es auch kaum m\u00f6glich, ein solches Datenschutzgesetz im Netz durchzusetzen. Wegen fehlender Transparenz weiss ich oft nicht, wann ich Objekt einer algorithmischen Entscheidung bin. Ebenso wenig weiss ich, auf welchen Kriterien diese Entscheidung basiert.<\/p>\n\n\n\n

Um das Agieren von Algorithmen zu verstehen, ist es also wesentlich zu wissen, woher und aus welchen Kontexten diese Daten stammen. Entscheidend f\u00fcr die Nachvollziehbarkeit der Funktionsweise ist auch, ob die Daten regelbasiert von Menschen definiert wurden oder die Maschine selbst \u00ablernt\u00bb? Denn Machine Learning (ML) ist derart komplex, dass es von Menschen oft nicht mehr nachvollziehbar ist.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"
Quelle: Dezentrum, Pr\u00e4sentation von Anna Boos am 30.3.2022<\/em><\/figcaption><\/figure>\n\n\n\n
<\/div>\n\n\n\n

Ethik von Algorithmen<\/h2>\n\n\n\n

Unweigerlich kommen wir so zum Begriff der \u00abK\u00fcnstlichen Intelligenz\u00bb und beginnen zu hinterfragen: Ist die blosse Repetition dessen, was wir als intelligent betrachten und die Tatsache, dass diese Handlung durch eine Maschine durchgef\u00fchrt wird, noch intelligent? Denn Algorithmen sind per se dumm, sie f\u00fchren nur aus, was man ihnen antrainiert hat. Und somit schliesst sich der Kreis: Das Wesentliche sind die Daten. Aber nur in strukturierter Form werden sie wertvoll.<\/p>\n\n\n\n

Und wieder geht es um die Nachvollziehbarkeit, die ganz besonders wichtig ist, wenn ein direkter Einfluss auf mein Leben oder auf meine Autonomie besteht. Der Algorithmus reproduziert n\u00e4mlich nur das, was er erh\u00e4lt oder selbst errechnet. Die Resultate entsprechen dem Training und deshalb w\u00e4re es elementar, nicht nur die Herkunft der Daten zu kennen, sondern auch, wie nach welchen Modellen oder aus welchem soziografischen Kontext sie gewonnen wurden. Selbst die Diversit\u00e4t der Personen, die den Algorithmus programmieren, kann einen Einfluss haben.<\/p>\n\n\n\n

<\/div>\n\n\n\n
\n
\n

Chancen<\/h2>\n\n\n\n