Eine aktuelle Studie des Instituts für ökologische Wirtschaftsforschung hat untersucht, welche Nachhaltigkeitseffekte Künstliche Intelligenz (KI) haben kann und wie diese bewertet werden können.
Studie zur sozialen und ökologischen Wirkung von KI
Wie nachhaltig ist Künstliche Intelligenz? - Quelle: Shutterstock.com
Die nachhaltige Transformation der Wirtschaft und ihre Digitalisierung sind zwei der größten Herausforderungen unserer Zeit. Der Einzug der ESG-Kriterien ist in der Finanzbranche bereits allgegenwärtig, immer mehr Kunden wünschen sich nachhaltige Finanzdienstleistungen. Vor diesem Hintergrund stellt sich die Frage, wie es in Sachen sozialer und ökologischer Wirkung eigentlich um neue Technologien wie maschinelles Lernen oder KI steht. Eine aktuelle Studie des Instituts für ökologische Wirtschaftsforschung (IÖW) hat sich mit dem Thema Nachhaltigkeitskriterien für künstliche Intelligenz befasst und liefert einige Antworten. Seit 2005 vergleicht und bewertet das unabhängige Umweltforschungsinstitut mit Sitz in Berlin und Heidelberg in einem Ranking die Nachhaltigkeitsberichte von deutschen Unternehmen.
Welche Nachhaltigkeitseffekte hat KI?
Quelle: IÖW
Von Spracherkennung, personalisierten Nachrichtenfeeds und Chat Bots bis hin zu maschinell optimierten Industrieprozessen: Sogenannte Künstliche Intelligenz (KI) und maschinelles Lernen sind aus dem Alltag nicht mehr wegzudenken. Mit ihrer Ausbreitung nehmen Fragen zu hinsichtlich der Transparenz von Entscheidungsprozessen, Inklusion und Diskriminierung oder steigender Energieverbräuche bei der KI-Modellentwicklung. Ein Team aus der NGO AlgorithmWatch, dem IÖW und dem Distributed Artificial Intelligence Laboratory (DAI) der Technischen Universität Berlin hat mit Förderung durch das Bundesumweltministerium jetzt ein Kriterien- und Indikatorenset für nachhaltige KI entwickelt.
In der Studie wurde analysiert, welche Nachhaltigkeitseffekte entlang des Lebenszyklus der KI auftreten – vom Datenmodell und Systemdesign über die Modellentwicklung und -nutzung bis hin zur Entsorgung der Hardware. Über 40 Indikatoren beschreiben, wie sich Kriterien wie Transparenz, Selbstbestimmung, inklusives Design und kulturelle Sensibilität, aber auch Ressourcenverbräuche, Treibhausgasemissionen oder die Verteilungswirkungen in Zielmärkten der KI-Anwendungen erfassen lassen.
„Derzeit wird unter den Schlagworten ‚AI for Earth‘ oder ‚AI for Good‘ viel darüber gesprochen, wie Künstliche Intelligenz eingesetzt werden kann, um zu einer nachhaltigen Entwicklung beizutragen“, sagt die Studienautorin Friederike Rohde, Soziologin am IÖW. „Die Nachhaltigkeitswirkungen der KI-Systeme selbst werden hingegen nicht systematisch betrachtet. Dabei ist das hochrelevant, um ein Bewusstsein für Nachhaltigkeitsrisiken zu schaffen und diese zu minimieren. Mit unseren Kriterien und Indikatoren wollen wir dazu beitragen, dass konkrete Bewertungsinstrumente entwickelt werden können, die aufzeigen, wie Systeme maschinellen Lernens nachhaltiger gestaltet werden können“, so Rohde.
„Immer größere und komplexere Modelle des maschinellen Lernens brauchen nicht nur mehr Rechenleistung, die häufig nur große Organisationen bereitstellen können, sondern erschweren auch die Nachvollziehbarkeit und Transparenz von KI-Systemen“, ergänzt Andreas Meyer vom DAI-Labor der TU Berlin. Deshalb sei eine übergreifende Nachhaltigkeitsperspektive entlang des KI-Lebenszyklus so bedeutsam.
