Alexander Veller
Über 90% der weltweit produzierten Daten werden innerhalb der letzten zwei Jahre generiert, ein Großteil davon von Algorithmen und KI-Systemen gesteuert.
Die Algorithmen-Revolution: Eine neue Ära der Steuerung
Wir leben in einer Welt, die zunehmend von Algorithmen gestaltet und gesteuert wird. Von der personalisierten Werbung, die wir online sehen, über die Kreditwürdigkeitsprüfungen, die unsere finanzielle Zukunft beeinflussen, bis hin zu autonomen Fahrzeugen, die auf unseren Straßen fahren – Algorithmen sind allgegenwärtig. Sie versprechen Effizienz, Präzision und die Lösung komplexer Probleme, die für den Menschen allein unlösbar wären. Doch mit dieser wachsenden Macht und Verbreitung von algorithmischen Systemen rückt auch die Frage nach ihrer Governance und der Notwendigkeit ethischer Leitplanken immer stärker in den Fokus.
Die Entwicklung von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) hat eine rasante Beschleunigung erfahren. Diese Technologien sind nicht nur Werkzeuge, sondern beginnen, Entscheidungen zu treffen, die tiefgreifende Auswirkungen auf Individuen und Gesellschaften haben. Die Geschwindigkeit, mit der diese Systeme entwickelt und implementiert werden, übersteigt oft die Kapazitäten etablierter regulatorischer Rahmenwerke, was eine dringende Notwendigkeit für neue Lösungsansätze schafft.
Die Debatte über die Regulierung von KI ist komplex und vielschichtig. Sie berührt grundlegende Fragen der Gerechtigkeit, Transparenz, Verantwortlichkeit und des Schutzes der Grundrechte. Während einige die Vorteile der KI preisen und vor einer übermäßigen Regulierung warnen, die Innovationen hemmen könnte, fordern andere entschiedene Maßnahmen, um potenzielle Risiken zu minimieren. Die Suche nach einem Gleichgewicht zwischen Fortschritt und Sicherheit ist zu einer der zentralen Herausforderungen des 21. Jahrhunderts geworden.
Die Dynamik der algorithmischen Entscheidungsfindung
Algorithmen lernen aus Daten. Die Qualität und Repräsentativität dieser Daten sind entscheidend für die Leistung und Fairness des Systems. Wenn die Trainingsdaten fehlerhaft, unvollständig oder diskriminierend sind, werden diese Eigenschaften unweigerlich in die Entscheidungen des Algorithmus übernommen und potenziell sogar verstärkt. Dies führt zu einem Kreislauf der Ungleichheit, der schwer zu durchbrechen ist.
Die Komplexität moderner KI-Modelle, insbesondere tiefer neuronaler Netze, macht ihre Funktionsweise oft zu einer "Black Box". Es ist nicht immer leicht nachzuvollziehen, wie ein Algorithmus zu einer bestimmten Entscheidung gelangt ist. Diese Intransparenz erschwert nicht nur die Fehleranalyse, sondern auch die Zuweisung von Verantwortung, wenn etwas schiefgeht.
Die Automatisierung von Entscheidungen hat weitreichende Konsequenzen. Sie beeinflusst die Kreditvergabe, die Einstellung von Personal, die Strafverfolgung und sogar medizinische Diagnosen. Die potenziellen Auswirkungen von fehlerhaften oder voreingenommenen algorithmischen Entscheidungen sind daher immens und können zu erheblichen Nachteilen für betroffene Personen führen.
Die Schattenseiten der Automatisierung: Diskriminierung und Voreingenommenheit
Eines der drängendsten Probleme im Zusammenhang mit KI-Systemen ist die inhärente Voreingenommenheit (Bias), die sich aus den Trainingsdaten speisen kann. Historische Daten spiegeln oft gesellschaftliche Ungleichheiten und Diskriminierung wider. Wenn KI-Modelle auf diesen Daten trainiert werden, lernen sie, diese Muster zu replizieren und zu perpetuieren. Dies kann zu diskriminierenden Ergebnissen führen, beispielsweise bei der Einstellung von Personal, der Kreditvergabe oder der Strafverfolgung, wo bestimmte demografische Gruppen systematisch benachteiligt werden.
Ein bekanntes Beispiel ist die algorithmische Rekrutierungssoftware, die Frauen bei der Bewerbung benachteiligte, weil sie überwiegend auf Lebensläufe von Männern trainiert worden war. Ähnliche Probleme traten bei Gesichtserkennungssoftware auf, die bei Frauen und Personen mit dunklerer Hautfarbe eine höhere Fehlerrate aufwies. Diese Fälle verdeutlichen, dass die vermeintliche Objektivität von Algorithmen trügerisch sein kann.
Die Konsequenzen dieser Voreingenommenheit sind weitreichend. Sie können die soziale Mobilität einschränken, den Zugang zu Bildung und Beschäftigung erschweren und bestehende Ungleichheiten verstärken. Ohne proaktive Maßnahmen zur Identifizierung und Minderung von Bias laufen wir Gefahr, eine technologisch fortschrittliche, aber zutiefst ungerechte Gesellschaft zu schaffen.
| Anwendungsbereich | Problem der Voreingenommenheit | Auswirkungen |
|---|---|---|
| Personalbeschaffung | Diskriminierung aufgrund historischer Geschlechterverteilung im Unternehmen | Benachteiligung weiblicher Bewerber |
| Kreditwürdigkeitsprüfung | Benachteiligung von Minderheiten aufgrund von sozioökonomischen Faktoren oder Wohnorten | Erschwerter Zugang zu Krediten und Finanzdienstleistungen |
| Strafverfolgung | Überschätzung des Rückfallrisikos bei bestimmten ethnischen Gruppen | Ungleichbehandlung bei Urteilsfindung und Bewährungsentscheidungen |
| Gesichtserkennung | Höhere Fehlerraten bei Frauen und Personen mit dunklerer Hautfarbe | Fehlanalyse, ungerechtfertigte Festnahmen |
Die Herausforderung der Black Box
Ein weiteres zentrales Problem ist die mangelnde Erklärbarkeit vieler KI-Modelle. Insbesondere tiefe neuronale Netze, die bei vielen fortschrittlichen Anwendungen zum Einsatz kommen, funktionieren oft wie eine "Black Box". Ihre Entscheidungsfindung ist so komplex, dass selbst die Entwickler oft nicht genau sagen können, warum eine bestimmte Entscheidung getroffen wurde. Diese Intransparenz macht es schwierig, Fehler zu identifizieren, Voreingenommenheit aufzudecken und Verantwortlichkeiten zuzuweisen.
Die fehlende Transparenz untergräbt das Vertrauen in KI-Systeme. Wenn wir nicht verstehen können, wie eine Entscheidung zustande kommt, fällt es uns schwer, sie zu akzeptieren, insbesondere wenn sie negative Konsequenzen hat. Dies ist besonders kritisch in Bereichen wie der Medizin oder dem Justizwesen, wo Leben und Freiheit auf dem Spiel stehen.
Die Forschung im Bereich der erklärbaren KI (Explainable AI, XAI) zielt darauf ab, diese Lücke zu schließen. Ziel ist es, KI-Modelle zu entwickeln, deren Entscheidungsfindung nachvollziehbar und transparent ist, ohne dabei die Leistungsfähigkeit zu beeinträchtigen.
Ethische KI: Ein neues Paradigma für vertrauenswürdige Systeme
Angesichts der Risiken, die mit unregulierten und voreingenommenen KI-Systemen verbunden sind, wächst die Forderung nach der Entwicklung und Implementierung von "ethischer KI". Dies ist kein technisches Problem allein, sondern ein multidisziplinärer Ansatz, der technologische, philosophische, rechtliche und soziale Aspekte vereint. Das Ziel ist die Schaffung von KI-Systemen, die nicht nur leistungsfähig, sondern auch fair, transparent, sicher und menschenzentriert sind.
Ethische KI beginnt bereits in der Entwurfsphase. Entwickler müssen sich bewusst sein, welche Daten sie verwenden, wie diese Daten repräsentativ sind und welche potenziellen Risiken von voreingenommenen Ergebnissen ausgehen. Dies erfordert eine Diversifizierung der Teams, die KI entwickeln, sowie die Einbeziehung von Ethikexperten und Stakeholdern aus verschiedenen gesellschaftlichen Gruppen.
Die Prinzipien der ethischen KI umfassen typischerweise Werte wie Fairness, Nicht-Diskriminierung, Transparenz, Rechenschaftspflicht, Sicherheit und Zuverlässigkeit, Datenschutz und menschliche Aufsicht. Die Umsetzung dieser Prinzipien in konkrete technische und organisatorische Maßnahmen ist die eigentliche Herausforderung.
Transparenz und Erklärbarkeit als Grundpfeiler
Um Vertrauen in KI-Systeme aufzubauen, ist Transparenz unerlässlich. Dies bedeutet nicht unbedingt, den kompletten Quellcode eines Systems offenzulegen, sondern vielmehr zu verstehen, wie es zu seinen Entscheidungen kommt. Explainable AI (XAI) ist ein Forschungsfeld, das darauf abzielt, KI-Modelle verständlicher zu machen. Techniken wie SHAP (SHapley Additive exPlanations) oder LIME (Local Interpretable Model-agnostic Explanations) helfen dabei, die Beiträge einzelner Merkmale zur Vorhersage eines Modells zu quantifizieren.
Die Erklärbarkeit ist auch entscheidend für die Rechenschaftspflicht. Wenn ein KI-System einen Fehler macht oder diskriminierende Ergebnisse liefert, muss nachvollziehbar sein, warum dies geschehen ist, um zukünftige Fehler zu vermeiden und die Verantwortung korrekt zuzuordnen. Dies ist insbesondere in regulierten Branchen wie dem Finanzwesen oder dem Gesundheitswesen von großer Bedeutung.
Die Herausforderung besteht darin, einen Kompromiss zwischen der Komplexität leistungsfähiger Modelle und ihrer Erklärbarkeit zu finden. Oftmals sind die fortschrittlichsten Modelle die am wenigsten transparenten. Die Forschung arbeitet daran, Modelle zu entwickeln, die von Natur aus erklärbarer sind oder Methoden bereitzustellen, um auch komplexe Modelle besser zu verstehen.
Der Mensch im Mittelpunkt: Menschliche Aufsicht und Kontrolle
Ein weiterer wichtiger Aspekt der ethischen KI ist die Notwendigkeit menschlicher Aufsicht und Kontrolle. Dies bedeutet, dass KI-Systeme so konzipiert sein sollten, dass sie Menschen nicht vollständig ersetzen, sondern als Werkzeuge dienen, die menschliche Fähigkeiten erweitern und unterstützen. In kritischen Anwendungsbereichen, in denen Entscheidungen erhebliche Auswirkungen haben, sollte immer die Möglichkeit bestehen, dass ein Mensch die Entscheidung des Algorithmus überprüft, korrigiert oder überstimmt.
Die Idee eines "Human-in-the-loop"-Ansatzes ist hierbei zentral. Dabei interagiert der Mensch aktiv mit dem KI-System, liefert Feedback, korrigiert Fehler und trifft letztendlich die endgültige Entscheidung. Dies ist besonders relevant in Bereichen wie der medizinischen Diagnose, der autonomen Navigation oder dem Justizwesen.
Die Automatisierung von Entscheidungen birgt die Gefahr, dass menschliches Urteilsvermögen und ethische Überlegungen in den Hintergrund treten. Die Aufrechterhaltung menschlicher Kontrolle stellt sicher, dass KI-Systeme im Einklang mit menschlichen Werten und gesellschaftlichen Normen agieren und nicht zu autonomen Akteuren werden, deren Handlungen unkontrollierbar sind.
Regulatorische Ansätze im globalen Wettlauf
Die Notwendigkeit einer Regulierung von KI ist unbestritten, doch die Frage ist: Wie und von wem? Verschiedene Länder und Regionen verfolgen unterschiedliche Strategien, was zu einem globalen "Wettlauf" um die besten regulatorischen Rahmenbedingungen führt. Ziel ist es, Innovationen zu fördern, aber gleichzeitig Risiken zu minimieren und faire Wettbewerbsbedingungen zu schaffen.
Die Europäische Union hat mit dem AI Act einen wegweisenden Schritt unternommen. Dieses Gesetz klassifiziert KI-Systeme nach ihrem Risikograd und legt entsprechend strenge Regeln für Hochrisiko-Systeme fest. Dazu gehören Anforderungen an die Datensicherheit, Transparenz, menschliche Aufsicht und Risikomanagement. Der AI Act verfolgt einen prinzipienbasierten Ansatz, der darauf abzielt, KI vertrauenswürdig und menschenzentriert zu gestalten.
In den USA ist die regulatorische Landschaft fragmentierter. Es gibt eine Mischung aus sektorspezifischen Regulierungen und Bestrebungen zur Entwicklung nationaler KI-Richtlinien. Der Fokus liegt oft stärker auf der Förderung von Innovation und der Wettbewerbsfähigkeit, wobei ethische Bedenken und Risikominimierung als nachgelagert betrachtet werden können. Initiativen wie die "National AI Initiative" versuchen, die Forschung und Entwicklung voranzutreiben und gleichzeitig ethische Standards zu fördern.
Der Europäische AI Act: Ein Vorreiter?
Der AI Act der Europäischen Union, der voraussichtlich 2024 in Kraft tritt, ist eines der umfassendsten Gesetze zur Regulierung von KI weltweit. Er verfolgt einen risikobasierten Ansatz, der KI-Systeme in vier Kategorien einteilt: unannehmbares Risiko, Hochrisiko, eingeschränktes Risiko und minimales Risiko. Systeme mit unannehmbarem Risiko, wie z. B. Social Scoring durch Regierungen, werden verboten. Hochrisiko-Systeme, die in Bereichen wie kritischer Infrastruktur, Bildung, Beschäftigung, Strafverfolgung oder medizinischer Geräte eingesetzt werden, unterliegen strengen Anforderungen hinsichtlich Risikomanagement, Datenqualität, Transparenz, menschlicher Aufsicht und Cybersicherheit.
Die EU hat bewusst einen proaktiven und rechtlich bindenden Ansatz gewählt, um sicherzustellen, dass KI-Systeme, die auf dem europäischen Markt angeboten werden, sicher und ethisch sind. Dies könnte andere Regionen dazu veranlassen, ähnliche Standards zu übernehmen, wodurch der EU-Ansatz zu einem de-facto globalen Standard werden könnte. Kritiker befürchten jedoch, dass der AI Act die Innovation verlangsamen und die Wettbewerbsfähigkeit Europas im Vergleich zu Regionen mit lockereren Vorschriften beeinträchtigen könnte.
Die genaue Ausgestaltung und Durchsetzung des AI Acts wird entscheidend sein, um seine Wirksamkeit zu beurteilen. Die Definition von "Hochrisiko" und die technischen Standards, die für die Konformität erforderlich sind, werden fortlaufend weiterentwickelt und müssen mit dem rasanten technologischen Fortschritt Schritt halten.
Globale Koordination und Herausforderungen
Die Globalisierung der Technologie bedeutet, dass KI-Systeme oft grenzüberschreitend agieren. Dies unterstreicht die Notwendigkeit einer internationalen Zusammenarbeit bei der Entwicklung von KI-Regulierungen. Unterschiede in den Ansätzen können zu regulatorischer Fragmentierung und zu einem "Race to the Bottom" führen, bei dem Unternehmen in Regionen mit laxeren Vorschriften abwandern.
Internationale Organisationen wie die UNESCO und die OECD arbeiten an globalen Rahmenwerken und Empfehlungen für ethische KI. Diese Bemühungen zielen darauf ab, gemeinsame Werte und Prinzipien zu etablieren, die als Grundlage für nationale Gesetzgebungen dienen können. Die Herausforderung besteht darin, Konsens über komplexe und oft divergierende nationale Interessen und ethische Auffassungen zu erzielen.
Eine weitere Herausforderung ist die schnelle Entwicklung der Technologie selbst. Regulierungen laufen Gefahr, bereits veraltet zu sein, bevor sie überhaupt vollständig umgesetzt sind. Daher ist es wichtig, dass regulatorische Rahmenwerke flexibel und anpassungsfähig gestaltet werden, um zukünftige Entwicklungen berücksichtigen zu können. Dies erfordert einen kontinuierlichen Dialog zwischen Regulierungsbehörden, Industrie, Wissenschaft und Zivilgesellschaft.
Die Rolle der Zivilgesellschaft und der Industrie
Die Regulierung von KI ist keine Aufgabe, die allein von staatlichen Akteuren gelöst werden kann. Sowohl die Zivilgesellschaft als auch die Industrie spielen eine entscheidende Rolle bei der Gestaltung einer ethischen und verantwortungsbewussten KI-Entwicklung und -Nutzung.
Die Zivilgesellschaft, einschließlich Nichtregierungsorganisationen, Wissenschaftler und Bürgerinitiativen, fungiert als wichtige Kontrollinstanz. Sie sensibilisiert die Öffentlichkeit für die potenziellen Risiken von KI, deckt Missstände auf und fordert von Regierungen und Unternehmen mehr Transparenz und Rechenschaftspflicht. Organisationen wie AlgorithmWatch oder das AI Ethics Lab leisten wertvolle Arbeit, indem sie die Auswirkungen von Algorithmen auf die Gesellschaft untersuchen und auf problematische Anwendungen aufmerksam machen.
Die Industrie, also die Unternehmen, die KI entwickeln und einsetzen, trägt die primäre Verantwortung für die Implementierung ethischer Praktiken. Viele Unternehmen erkennen zunehmend die Bedeutung von ethischer KI für ihren langfristigen Erfolg. Dies reicht von der Entwicklung interner Ethikrichtlinien und -komitees bis hin zur Investition in Forschung und Entwicklung zur Minderung von Voreingenommenheit und zur Verbesserung der Transparenz. Responsible AI-Initiativen und die Ernennung von Chief AI Ethics Officers sind Beispiele für diese Entwicklung.
Verantwortung der Entwickler und Unternehmen
Die Entwickler und Ingenieure, die KI-Systeme erstellen, sind an vorderster Front der technologischen Entwicklung. Sie haben die Verantwortung, ethische Überlegungen in jeden Schritt des Entwicklungsprozesses zu integrieren. Dies beinhaltet die sorgfältige Auswahl und Aufbereitung von Trainingsdaten, die Implementierung von Mechanismen zur Erkennung und Minderung von Bias sowie die Gewährleistung der Sicherheit und Robustheit der Systeme.
Unternehmen müssen eine Kultur der Verantwortung fördern, in der ethische Bedenken offen diskutiert und ernst genommen werden. Dies erfordert klare Richtlinien, Schulungen für Mitarbeiter und Mechanismen zur Meldung und Behebung von Problemen. Die freiwillige Selbstregulierung, wie z.B. die Entwicklung von KI-Verhaltenskodizes, kann ein wichtiger erster Schritt sein, ist aber oft nicht ausreichend, um alle Risiken abzudecken. Die Verpflichtung zur Einhaltung gesetzlicher Vorschriften wird daher unerlässlich.
Es gibt auch wachsende Bestrebungen, KI-Systeme so zu gestalten, dass sie von Natur aus fair und transparent sind. Dies wird als "Ethics by Design" bezeichnet und bedeutet, dass ethische Prinzipien von Anfang an in die Architektur und Funktionalität des Systems integriert werden. Dies ist oft effektiver, als zu versuchen, ethische Probleme nachträglich zu beheben.
Die Rolle der Transparenz und des öffentlichen Dialogs
Die Öffentlichkeit muss ein besseres Verständnis für die Funktionsweise und die Auswirkungen von KI entwickeln. Nur so können informierte Entscheidungen über die Gestaltung und Regulierung dieser Technologie getroffen werden. Dies erfordert Investitionen in die KI-Bildung und die Förderung eines offenen Dialogs zwischen Technologieentwicklern, politischen Entscheidungsträgern und der breiten Öffentlichkeit.
Die Forderung nach Transparenz geht über die reine Erklärbarkeit von Algorithmen hinaus. Sie umfasst auch die Offenlegung, wo und wie KI-Systeme eingesetzt werden, und welche Daten für ihre Entwicklung verwendet wurden. Bürger sollten das Recht haben zu erfahren, ob sie mit einer KI interagieren, und die Möglichkeit haben, Entscheidungen anzufechten, die von KI getroffen wurden.
Ein aktiver öffentlicher Diskurs über die Chancen und Risiken von KI ist entscheidend, um sicherzustellen, dass die Entwicklung und der Einsatz dieser Technologie im Einklang mit unseren gesellschaftlichen Werten und Prioritäten stehen. Die Zivilgesellschaft spielt dabei eine Schlüsselrolle als Vermittler und Anwalt der öffentlichen Interessen.
Zukunftsausblick: Wo stehen wir auf dem Weg zur ethischen KI?
Wir befinden uns zweifellos in einer entscheidenden Phase der KI-Entwicklung. Die Technologie schreitet mit atemberaubender Geschwindigkeit voran, und die Gesellschaft beginnt gerade erst, die volle Tragweite ihrer Auswirkungen zu erfassen. Die Bemühungen, ethische KI und regulatorische Rahmenwerke zu schaffen, sind im vollen Gange, aber der Weg ist noch lang und komplex.
Der AI Act der EU ist ein wichtiges Beispiel für einen proaktiven regulatorischen Ansatz. Doch die Herausforderung besteht darin, diese Regulierungen an die sich ständig weiterentwickelnde Technologie anzupassen. Es bedarf eines kontinuierlichen Dialogs und einer engen Zusammenarbeit zwischen Gesetzgebern, Forschern, der Industrie und der Zivilgesellschaft, um wirksame und zukunftssichere Rahmenwerke zu schaffen.
Die ethische KI ist kein Endzustand, sondern ein fortlaufender Prozess. Sie erfordert ständige Wachsamkeit, Anpassungsfähigkeit und die Bereitschaft, aus Fehlern zu lernen. Die Investition in Forschung und Entwicklung von erklärbarer KI, die Förderung von KI-Bildung und die Schaffung von Mechanismen für Rechenschaftspflicht und menschliche Aufsicht sind entscheidende Schritte auf diesem Weg.
Die Zukunft der KI wird maßgeblich davon abhängen, wie gut es uns gelingt, diese Technologie im Einklang mit unseren menschlichen Werten und dem Streben nach einer gerechteren Gesellschaft zu gestalten. Die Technologie selbst ist neutral; ihre ethische Dimension liegt in unserer Verantwortung als Schöpfer und Anwender.
Die Notwendigkeit globaler Standards
Angesichts der globalen Natur der KI-Entwicklung und -Anwendung ist die Schaffung internationaler Standards und Abkommen von entscheidender Bedeutung. Ein Flickenteppich nationaler Regulierungen birgt das Risiko von regulatorischer Arbitrage und ungleichen Wettbewerbsbedingungen. Initiativen zur Harmonisierung von Vorschriften, wie sie von Organisationen wie der OECD und der UN vorangetrieben werden, sind daher von immenser Bedeutung.
Diese globalen Standards sollten sich nicht nur auf die technische Sicherheit und Fairness von KI-Systemen konzentrieren, sondern auch auf Fragen des Datenschutzes, der Souveränität und der ethischen Grundsätze. Die Herausforderung liegt in der Überwindung nationaler Eigeninteressen und der Schaffung eines Konsenses, der die universellen Menschenrechte und Grundwerte berücksichtigt.
Die Entwicklung gemeinsamer Best Practices und die Förderung von Wissensaustausch über Grenzen hinweg können dazu beitragen, die globale KI-Landschaft zu stabilisieren und sicherzustellen, dass KI-Technologien zum Wohle aller Menschen eingesetzt werden.
Die Rolle von Bildung und Bewusstsein
Ein Schlüsselfaktor für die erfolgreiche Governance von KI ist die Bildung und das Bewusstsein der Öffentlichkeit. Viele Menschen haben immer noch ein vages oder unrealistisches Bild von KI. Eine breitere Aufklärung über die Funktionsweise von KI, ihre Chancen und Risiken ist unerlässlich, um fundierte öffentliche Debatten zu ermöglichen und die Akzeptanz von Regulierungsmaßnahmen zu fördern.
Bildungsinitiativen sollten sich nicht nur an technisch Interessierte richten, sondern an alle Bevölkerungsgruppen. Nur so können wir sicherstellen, dass die Gesellschaft als Ganzes in der Lage ist, die ethischen und gesellschaftlichen Implikationen von KI zu verstehen und aktiv an ihrer Gestaltung mitzuwirken. Dies schließt auch die Ausbildung von Fachkräften ein, die in der Lage sind, ethische KI-Prinzipien in der Praxis umzusetzen.
Die Förderung eines kritischen Denkens in Bezug auf KI ist entscheidend. Die Menschen sollten in der Lage sein, algorithmische Entscheidungen zu hinterfragen und potenzielle Voreingenommenheit zu erkennen. Dies ist eine langfristige Aufgabe, die einen nachhaltigen Fokus auf KI-Kompetenz in allen Bildungsbereichen erfordert.