KI an einem Scheideweg?

Die Technologie rund um künstliche Intelligenz (KI) entwickelt sich rasant. Während grosse Techunternehmen wie OpenAI immer leistungsstärkere Modelle entwickeln, warnen Expertinnen und Experten vor einem «Peak Data»-Szenario – dem Punkt, an dem die Menge der verfügbaren Daten im Internet nicht mehr ausreicht, um gigantische KI-Modelle weiter zu trainieren. Dieser mögliche Datenmangel ist jedoch nur eine der zahlreichen Herausforderungen, die durch die fortschreitende KI-Entwicklung entstehen. Eine andere, oft unsichtbare Schattenseite ist die Rolle der Datenarbeiterinnen und Datenarbeiter, deren Arbeit die KI-Systeme überhaupt erst möglich macht: Sie sichten und moderieren täglich riesige Mengen an Daten, um sicherzustellen, dass nur qualitativ hochwertige und geeignete Inhalte in die KI-Modelle einfliessen. Diese Arbeit geht mit teils schwerwiegenden sozialen und psychischen Kosten einher, da sie oft verstörende oder belastende Inhalte bewältigen müssen, die Maschinen noch nicht zuverlässig erkennen können.

Durchschnittliche Lesezeit ca. 5 Minuten

Die bedeutende Rolle der Daten und die Gefahr des «Peak Data»

In den letzten Jahren wurde die KI-Entwicklung stark durch den ständigen Zuwachs an Daten getrieben. Doch dieser Trend könnte bald an ein Ende kommen, da das Internet zunehmend «ausgelesen» ist und die Menge an neuen, nutzbaren Daten abnimmt. Dieser sogenannte «Peak Data»-Effekt wird als eine der zentralen Herausforderungen für die KI angesehen, denn ohne stetig neues Material werden die Modelle zwangsläufig stagnieren). Wenn sich diese Entwicklung bewahrheitet, könnte das die weitere Leistungssteigerung der KIs entscheidend behindern.

Um dem drohenden Datenmangel entgegenzuwirken, ziehen immer mehr Unternehmen alternative synthetische Daten in Erwägung. Dabei handelt es sich um künstlich erzeugte Informationen, die auf bestehenden Datenmodellen basieren und durch Algorithmen generiert werden. Diese Methode ist jedoch nicht ohne Risiken: Die Qualität der KI-Ergebnisse könnte sich langfristig verschlechtern, wenn die Modelle hauptsächlich auf Fehlern der eigenen Berechnungen trainieren. Experten warnen, dass sich so eine «Degeneration» der KI-Modelle einstellen könnte – ähnlich wie ein Lernender, der ohne Anleitung vor sich hin arbeitet und seine eigenen Fehler unreflektiert reproduziert.

Ein alternativer Ansatz könnte in spezialisierteren, weniger datenhungrigen Systemen liegen. Diese könnten als kleinere, agile Modelle operieren, die sich durch Teamarbeit und Informationsaustausch verbessern. Diese Art der «Teamarbeit» zwischen spezialisierten KI-Systemen könnte den allgemeinen Datenbedarf reduzieren, während die Modelle durch gegenseitige Unterstützung und Kollaboration bessere Ergebnisse liefern. So könnte möglicherweise ein nachhaltigeres KI-System entstehen, das weniger abhängig von endlosen Datenströmen ist.

Die unsichtbare Arbeit hinter der «autonomen» KI

Hinter der beeindruckenden Fassade von «autonomen» KI-Systemen steckt oft die Arbeit zahlloser Menschen, die als Datenarbeiterinnen und -arbeiter die Systeme mit Trainingsdaten versorgen. Diese Arbeit bleibt häufig unsichtbar, findet unter mangelhaften Bedingungen statt und wird schlecht bezahlt. Die Tätigkeit dieser Menschen umfasst unter anderem das Kategorisieren und Filtern von problematischen Inhalten, die maschinell noch nicht zuverlässig erkannt werden können. Diese Inhalte beinhalten oft verstörende Darstellungen wie Gewaltvideos, Hassreden und explizite Materialien, die für die menschlichen Betrachter eine grosse psychische Belastung darstellen können.

Besonders tragisch ist die Situation vieler Arbeiterinnen und Arbeiter in Ländern wie Kenia, die für internationale Techunternehmen wie OpenAI und Meta tätig sind und oft gezwungen sind, solche psychisch belastenden Arbeiten zu verrichten. Sie leiden unter posttraumatischen Belastungsstörungen und anderen psychischen Beschwerden, die durch die dauerhafte Exposition gegenüber belastenden Inhalten verursacht werden. Hinzu kommt die Tatsache, dass ihre Arbeit schlecht entlohnt wird. Viele Datenarbeiterinnen und -arbeiter verdienen weniger als zwei US-Dollar pro Stunde, was die Arbeit zu einer modernen Form der Ausbeutung macht.

Ein weiterer Aspekt dieser unsichtbaren Arbeit ist das Crowdsourcing von Aufgaben, die als zu komplex oder zu unökonomisch für Computer gelten. Plattformen wie Amazons Mechanical Turk setzen gezielt Menschen für diese Arbeiten ein, oft zu Löhnen, die weit unter den Lebenshaltungskosten in ihren jeweiligen Regionen liegen. Diese Arbeitskräfte, die oft aus ökonomischer Not heraus handeln, stellen eine wesentliche Basis für die Entwicklung moderner KI dar, doch ihre Beiträge werden in der öffentlichen Wahrnehmung meist ignoriert. Es entsteht so ein toxisches Klima rund um die KI-Entwicklung, das menschliche Arbeit als Ressource ausbeutet und die psychische Gesundheit der Arbeiterinnen und Arbeiter gefährdet.

Der gigantische Energiehunger der KI

Die Entwicklung und der Betrieb moderner KI-Modelle sind nicht nur datenhungrig, sondern auch energieintensiv. Rechenzentren auf der ganzen Welt arbeiten Tag und Nacht, um die benötigten KI-Modelle am Laufen zu halten. Google etwa verbraucht laut eigenen Angaben jährlich 5,7 Milliarden kWh, was dem Energiebedarf einer amerikanischen Grossstadt entspricht. Obwohl der Gesamtverbrauch des IT-Sektors unter einem Prozent des weltweiten Energieverbrauchs liegt, wird der Umweltfussabdruck der KI-Entwicklung immer grösser. In Zeiten der globalen Klimakrise stellt sich die Frage, ob dieser Energieaufwand für die KI-Entwicklung gerechtfertigt ist.