Das Zerstörungspotenzial von Big Data und Künstlicher Intelligenz für die Demokratie
Autor(en):
Zusammenfassung
Der Ansatz, Massendaten („Big Data“) mit den heutigen mächtigen, nach wie vor exponentiell wachsenden Computerkapazitäten und dazu passenden Methoden zu erfassen, zu speichern, zu durchforsten, zu kombinieren und auszuwerten, hat auch für die Künstliche Intelligenz (KI) neue Impulse und Möglichkeiten geschaffen. Diese rücken einerseits alte KI-Träume näher in den Bereich des Realen, können aber andererseits ein großes zerstörerisches Potenzial entfalten. Damit gehen neue Bedrohungen einher, unter anderem für die Datenintegrität, Persönlichkeitsrechte und Privatheit, für die Unabhängigkeit von Wissen und Information sowie für den gesellschaftlichen Zusammenhalt. Neue Medien wie Facebook oder Twitter , übermächtige IT-Konzerne wie Google oder Amazon sowie die fortschreitende Digitalisierung alltäglicher Vorgänge und Gegenstände („Internet der Dinge“) spielen dabei eine entscheidende Mittlerrolle. Immer wieder verkündete Visionen von der „technischen Singularität“, d. h. der möglichen Machtübernahme der Maschinen über die Menschen werfen Fragen nach dem Primat der Politik über Wirtschaft und Technik und dem Bestand und der Überlebensfähigkeit der Demokratie, wenn nicht sogar der Menschheit, auf.
- Vollständige Referenz
- BibTeX
Hesse, W.,
(2020).
Das Zerstörungspotenzial von Big Data und Künstlicher Intelligenz für die Demokratie.
Informatik Spektrum: Vol. 43, No. 5.
Springer.
(S. 339-346).
DOI: 10.1007/s00287-020-01283-2
@article{mci/Hesse2020,
author = {Hesse, Wolfgang},
title = {Das Zerstörungspotenzial von Big Data und Künstlicher Intelligenz für die Demokratie},
journal = {Informatik Spektrum},
volume = {43},
number = {5},
year = {2020},
,
pages = { 339-346 } ,
doi = { 10.1007/s00287-020-01283-2 }
}
author = {Hesse, Wolfgang},
title = {Das Zerstörungspotenzial von Big Data und Künstlicher Intelligenz für die Demokratie},
journal = {Informatik Spektrum},
volume = {43},
number = {5},
year = {2020},
,
pages = { 339-346 } ,
doi = { 10.1007/s00287-020-01283-2 }
}
Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.1007/s00287-020-01283-2
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISSN: 1432-122X
Datum: 2020
Typ: Text/Journal Article

