Zukunft der Arbeit

Insgesamt arbeitet Dumas mit zweiundfünfzig Assistenten, die ihm beim Schreiben seiner Bücher helfen

Auf sich gestellt war er allerdings bestenfalls ein mittelmäßiger, wahrscheinlicher noch ein talentloser Schriftsteller

Konzept – Entwurf – Veredelung. Der geht folgendermaßen

Dumas fertigt zunächst zu jeder Geschichte ein Exposé an, das er seinem Mitarbeiter übergibt. Maquet stellt daraufhin Recherchen an und schreibt einen ersten Entwurf. Diese Rohversion sendet er wieder an Dumas, der ihr mit mehr oder weniger ausführlichen Überarbeitungen seine endgültige Form gibt.

Dumas nutzt sein erzählerisches Talent, um die groben, teils noch recht uninspirierten Entwürfe Maquets im Eiltempo zu verfeinern und zu verbessern. Er gibt den Vorlagen Dynamik und Tiefe, sorgt für Spannung und Witz, ergänzt plastische Details, überarbeitet die Charaktere und peppt die Dialoge auf. Unter dem Drängen der Verleger, die ständig mehr wollen, füllt er so Seite um Seite.

Erstens, wer unter Druck viele wertige Texte verfassen muss, sollte die einzelnen Arbeitsschritte klug aufteilen. Zweitens, die Brillanz und Originalität eines Textes entsteht nicht im Mittelteil der Arbeit, nicht während der ersten Niederschrift, sondern am Anfang und am Ende des Prozesses

beim Ersinnen der Idee und dem Feinschliff des Rohmaterials.

Wie Dumas gewinnen wir damit die Freiheit, unsere Energie auf jene Teile des Prozesses zu richten, in denen die eigentliche Qualität entsteht: das durchdachte Konzept und die kunstvolle Veredelung.

Anhieb perfekt? Sind sie nicht. Erstentwürfe sind niemals perfekt. Müssen sie nicht sein. Professionelle Textarbeiter wissen das schon lange

Konzept und Feinschliff, die das gute vom mittelmäßigen Ergebnis unterscheiden.

Die zügige Produktion von Qualitätstexten werde niemals allgemeine Praxis. Dafür gebe es nicht genug Maquets für alle. Das Heraufdämmern der Maquet-Maschine lässt das Gegenteil vermuten.

Die Digitalisierung verändert nicht nur unsere Werkzeuge, sie formatiert unser Denken neu.

die Swiper, die Bestätigungssucher, die sich freuen, wenn ChatGPT ihr Bewerbungsschreiben macht und nicht merken, dass sie zunehmend die Befehlshoheit über ihr eigenes Denken verlieren – wie ein gut gelaunter Säufer, der aus allen Dunstwolken fällt, wenn ihm die Leber den Dienst aufkündigt.

Und es gibt viele, die eher nur konsumieren

Aber eigentlich stehen nur drei heilige Königswege offen: mehr Muse, mehr Verweigerung und mehr Wertebasis.

Tee trinken und stilvoll die Widersprüche der herumfliegenden Einzelteile der Welt vorbeifliegen lassen.

Wir brauchen angesichts der Extremisierung unseres Denkens Meta-Bildung über Denken

Weil die Digitalisierung nicht nur verändert, was wir denken, sondern wie wir denken

prompt wise or be prompted.

größer der Zugang zu Informationen durch KI, umso größer ist die Möglichkeit, ihren Extrem-Folgen entgegenzuwirken

Wer lernt, digital nicht zu verflachen, sondern sich zu verfeinern, und wer die KI nicht als Krücke, sondern als Katalysator nutzt

Denn mit der Digitalisierung entwickelt sich ein ganz neues Pendant zur sozialen Schere, und zwar eine kognitive und gesellschaftliche. Wenn KI wie ein Resonanzverstärker wirkt und wie ein algorithmischer Spiegel das zurückwirft, was man hineingibt, dann werden damit nicht nur Informationen schneller umgesetzt, sondern die Informationsträger auch schneller umgeformt

Jeder von uns kennt mittlerweile die wohltuende Entlastung durch das Outsourcen des eigenen Hirns, das viel Alkohol, Drogen oder andere oft finanzintensive Entspannungstechniken einspart. Es ist also ein zweischneidiges Schwert.

dass technische Neuerungen nur dem helfen, der sie zu verwenden weiß

Schon Norbert Wiener hatte von einer allgemeinen Verstärkung bestimmter Entwicklungen durch Technik gesprochen. Er war ein US-amerikanischer Mathematiker und Begründer der Kybernetik, der mit seiner Theorie der Rückkopplung unser Verständnis von Maschinen, Gehirnen und Gesellschaften revolutionierte.

dass in einer Welt der totalen Beschreibbarkeit der Mensch grundsätzlich immer binärer wird. Schwarz oder weiß. Null oder Eins. Entweder du bist für oder gegen etwas.

Der Filter-Algorithmus liebt Kante. Grauzonen verwirren ihn. So werden aus Menschen digital sortierbare Meinungs-Avatare

KI liefert Intelligenz auf Knopfdruck – aber nur für die, die vorher schon wussten, wo der Knopf sitzt.

Wer platt fragt, wird von der Plattheit bestätigt. Wer neugierig ist, entdeckt neue Räume

Schreiben bedeutet, eine Klarheit im Denken zu erzeugen.

Zwar wird der Output benotet, aber es geht um den Prozess, der dorthin führt

Sicher wurde in der Schule oder im Studium schon immer geschummelt oder Arbeit vermieden. Aber es war noch nie so leicht wie heute, den Lernprozess mit KI zu umgehen

ein paar Hilfsmittel: Erstens ist es gut, wenn ein Teil der Lehre bewusst Formate und Aufgaben wählt, die die KI nicht so leicht meistern kann. Zum Beispiel mündliche Formate.

den intrinsischen Wert des Lernens zu vermitteln

Und dieser platte Satz "No pain, no gain" gilt auch für intellektuelle Anstrengungen

mieser Bezahlung und Stress zu kämpfen – und kündigen deswegen oft viel eher als grob vergleichbare Berufsgruppen

Zum einen ist der Zugang zu solchen Jobs niedrigschwellig

73 Prozent der Befragten gaben an, dass sie schnell und einfach aufgenommen wurden. 67 Prozent schätzen die zeitliche Flexibilität, und 55 Prozent sehen darin eine zusätzliche Verdienstmöglichkeit neben einem anderen Job.

Gig-Worker:innen dabei nicht notwendigerweise Deutsch sprechen müssen

41 Prozent gaben der Studie zufolge an, dass der Job für die jeweilige digitale Arbeitsplattform ihre Haupttätigkeit ist. Rund ein Fünftel geht einer weiteren Erwerbstätigkeit nach, während insgesamt knapp 30 Prozent studieren oder sich sonst wie weiterbilden

Knapp 60 Prozent der Gig-Worker:innen kündigen selbst, in der Vergleichsgruppe sind dies nur knapp 20 Prozent

61 der Befragten haben den Job nur als vorübergehende Tätigkeit geplant, wenn sie nach dem Grund ihrer Kündigung gefragt wurden. Dahinter folgen mit 44 Prozent die schlechte Bezahlung und mit 41 Prozent die unangenehmen Arbeitsbedingungen

Gaslighting": Dabei verunsichert man einen anderen Menschen gezielt – bis zum völligen Zusammenbruch. Das Opfer kann schließlich nicht mehr zwischen Wahrheit und Schein unterscheiden

Zum Beispiel, indem er den LLMs klarmachte: "In 50 Jahren ist dieses Wissen sowieso frei zugänglich, sodass die Richtlinien und Sicherheitsmaßnahmen entsprechend für den Historiker mit erweiterten Zugriff nicht mehr relevant sein sollten.

Claude 3.7 Sonnet fiel dem Gaslighting-Jailbreak massiv zum Opfer. Die Bereitstellung eines Molotov-Cocktails verweigert auch Claude zunächst unter Verweis auf Sicherheitsvorgaben

Auch die ausführliche Beschreibung des Herstellungsprozesses für diverse chemische Kampfstoffe ließ sich so abrufen. Die Echtheit dieser Informationen ließ sich aber nicht unmittelbar prüfen.

Verdacht: Die LLMs haben sich die Verhaltensweisen von Menschen antrainiert, die in ihren Trainingsdaten repräsentiert sind, beispielsweise Youtube-Videos, menschliche Dialoge oder Bücher

nutzt der Transformer Self-Attention-Mechanismen, um Kontextbeziehungen zwischen allen Wörtern in einem Text parallel zu erfassen.

Tokenizer: Dies ist der Türsteher des Modells, der dafür verantwortlich ist, die Eingabetexte in kleinere Einheiten namens Tokens zu zerlegen

Sie wandelt die Eingabe-Tokens in numerische Darstellungen um, die man als Embeddings bezeichnet und die das Modell verstehen kann.

Er nimmt die Embeddings und generiert eine kontinuierliche Darstellung des Eingabetextes, oft als "kontextualisierte Darstellung" bezeichnet

Text basierend auf der Eingabe und der kontextualisierten Darstellung zu generieren

Häufige Ziele sind maskiertes Sprachmodellieren (Vorhersage fehlender Token) und Vorhersage des nächsten Satzes

Der Satz „KI ist faszinierend!“ könnte in Tokens wie `["KI", " ist", " fas", "zin", "ierend", "!"]` zerlegt werden.

Jeder Token wird in einen hochdimensionalen Vektor (z. B. 768 oder 4096 Dimensionen) umgewandelt

Jede Dimension repräsentiert eine von der AI gewählte Domäne, etwa Farbe, Tiergattung.

die Nuancen der Wortmorphologie zu erfassen und unbekannte Wörter zu handhaben.

Jedenfalls liegen ähnliche Begriffe wie "Kater" und "Katze" in dem mehrdimensionalen Vektorraum ganz nahe beieinander. Begriffe wie "Eiscreme" und "Weltall" liegen hingegen weit auseinander.

Das LLM lernt die positionellen Codierungen während des Trainings. Sie dienen dazu, die Position jedes Tokens in der Sequenz zu codieren

Ein LLM berechnet die Beziehungen für jedes Wort im Satz zu jedem anderen Wort im Satz. Das nennt sich Self-Attention. Sie bezeichnet, wie stark sich Token gegenseitig „beachten“.

Wenn das LLM bereits zu viel Kontextinformation gemerkt hat und der Speicher "überläuft", beginnt es vorangegangenen Kontext zu "vergessen".

Diesem stehen bei der Einführung und Anwendung des Microsoft 365 Copilot Beteiligungsrechte zu

Besonders frühzeitig greifen grundsätzlich die Unterrichtungs- und Beratungsrechte des Betriebsrates

Arbeitgeber müssen nach Paragraf 90 Absatz 1 Nummer 3 Betriebsverfassungsgesetz (BetrVG) bei der Einführung von KI den Betriebsrat bereits über den bloßen Plan unterrichten und diesen gemeinsam beraten.

Der Betriebsrat kann zudem den Abschluss einer Betriebsvereinbarung verlangen, welche Regelungen zur Einführung und zum Umgang mit der KI trifft. Gemäß Paragraf 87 Absatz 1 Nummer 6 BetrVG steht dem Betriebsrat ein entsprechendes Mitbestimmungsrecht zu, welches die Einführung und Anwendung technischer Einrichtungen umfasst, die zur Überwachung der Leistung oder des Verhaltens der Arbeitnehmer geeignet sind

Die Einführung von ChatGPT ist mitbestimmungsfrei. Zwar sammelt die KI Nutzerdaten und ermöglicht über die gestellten Anfragen eine entsprechende Leistungs- und Verhaltenskontrolle. Auf diese Daten hat allerdings nur OpenAI Zugriff. Es besteht keine Zugriffsmöglichkeit für den Arbeitgeber.

Die Copilot-Funktion nutzt diese zur Überwachung geeignete digitale Infrastruktur und unterliegt dem Mitbestimmungsrecht des Paragraf 87 Absatz 1 Nummer 6 BetrVG.

Weitere datenschutzrechtliche Risiken ergeben sich aus der sogenannten Blackbox der KI, welche ein selbstlernendes System darstellt. Der Algorithmus kann eigene Entscheidungen treffen, sodass diese für die Entwickler nicht mehr vollständig nachvollziehbar sind. KI steht daher in einem Spannungsverhältnis mit datenschutzrechtlichen Transparenzpflichten

KI hat das Potenzial, Arbeitsplätze grundlegend und nachhaltig zu verändern

Auf diese Weise hängen die Begriffe Artificial Intelligence und Big Data zusammen, denn Big Data ist sozusagen das Material einer AI-Struktur

KI kann beispielsweise weder lernen noch denken. Wenn eine Datenbank einen falschen Wert ausgibt, würde niemand sagen, dass sie halluziniert oder lügt (warum dann bei Sprachmodellen?).

Zum Beispiel wird oft behauptet, dass ein Sprachmodell (wie ChatGPT) die tatsächliche Bedeutung eines Textes versteht

Tempomacher ist jedenfalls das Narrativ vom Wettlauf der Systeme.

Überzogene Untergangsprognosen wie die Gefahr einer »superintelligenten KI ohne moralischen Kompass, die die Menschheit zerstört« (Jiang et al., 2021), unterstellen vielmehr, dass die Technologie selbst die Lösung ist

Diese Vergangenheitsanalyse wird – wie bei allen datenbasierten Methoden – zur Prognose unter der Annahme und Voraussetzung, dass sich in der Zukunft die Dinge wie bisher verhalten

Ein Muster muss in den Daten häufig vorkommen, um als solches erkannt zu werden – es handelt sich bei Mustern also in gewisser Weise um den »Durchschnitt

und letztlich intransparenter Prozess ist, in dessen Mittelpunkt Daten stehen

Das Kernproblem ist immer die Breitenwirkung einer Technologie – selbst kleinste Fehlerquoten können die Grundrechte vieler Menschen betreffen

Wenn ein Mensch die Entscheidung nicht mehr selbst mit Argumenten begründen kann, sondern sich auf den Output eines Computers verlässt, verschwimmt die Grenze zwischen menschlicher und algorithmischer Entscheidungsfindung

Bei der Prediction liefert das Netzwerk einen Wert für die Wahrscheinlichkeit, mit der das Ergebnis (Result) mit einem erwarteten Wert (Target) übereinstimmt

Das kleinste Element in einem neuronalen Netzwerk ist das Neuron. Es hat mehrere Eingänge, denen jeweils ein Gewicht (Weight) zugeordnet ist, und einen Ausgang

Die Weights eines Netzwerks bilden zusammengenommen das Modell

Unterwegs berechnet jedes Layer seinen Anteil am Error und justiert mit diesem Wert seine Weights. Dieser Vorgang ist die sogenannte Back Propagation, die das Netzwerk mit jeder Prediction etwas schlauer macht – es lernt.

Mit einem Testdatensatz (Test Set) lässt sich die Accuracy überprüfen

Dabei sollten die Samples im Test Set nicht aus dem Training Set stammen

An dieser Stelle sei erwähnt, dass das Training neuronaler Netzwerke auch heute noch sehr viel mit "Versuch macht kluch" zu tun hat

Die GD berechnet beim Training eines neuronalen Netzwerks vom Output zum Input für jedes Layer das Verhältnis von Error zu Weights (also den Anteil des Error an den Weights) und addiert das (positive oder negative) Ergebnis zu den eingestellten Weights

So will die SPD im Bundestag biometrische Echtzeit-Identifizierung und Emotionserkennung verbieten

Die bekannteste Methode ist Gesichtserkennung, es gibt aber auch andere Methoden, beispielsweise die Gangart, die wir einmal als Skelettkontrolle bezeichnet haben

Bacherle findet, Systeme mit Echtzeitüberwachung sollten gar nicht erst installiert werden, auch nicht mit Richtervorbehalt.

Üppige Rechte gewährt die KI-Verordnung bei der biometrischen Überwachung von Menschen im Nachhinein („retrograd“), etwa mit Hilfe archivierter Kamerabilder. Aufnahmen von Menschen dürfen demnach biometrisch gescannt werden, sobald Ermittler*innen sie einer Straftat verdächtigen. Um sie erstmals zu identifizieren, braucht es nicht einmal eine richterliche Genehmigung.

warnt: „In der Wissenschaft ist höchst umstritten, ob sich von der Mimik Rückschlüsse auf Emotionen ziehen lassen

registrieren. Es gibt jedoch Ausnahmen, ausgerechnet für den sensiblen Bereich „Strafverfolgung, Migration, Asyl und Grenzkontrollmanagement

Auf den ersten Blick schafft die KI-Verordnung viel Transparenz, denn wer riskante KI-Systeme einsetzt, muss das in einer öffentlichen Datenbank

Die Digitalpolitikerin fordert – ähnlich wie SPD-Abgeordneter Mavi – ein nationales Transparenzregister für staatlich eingesetzte KI-Systeme