@roos

Im Originaltext von Larry Hardesty findet sich eine weitere spannende Frage/Ansicht: Die Beantwortung der vierten und fünften Fragen („Wer interagiert wie mit wem?“ und „Und was passiert als nächstes?“) könne man leichter beantworten, wenn man die Fähigkeit, Geschichten zu erzählen und zu verstehen als einen Teil der menschlichen Intelligenz betrachte. Dieser Ansatz wird durch ein image classification Beispiel illustriert: ein Bild von einer Katze, die ihren Kopf gerade nach oben zu einem tropfenden Wasserhahn dreht würde man als „trinken“ auffassen. Dieses „trinken“ kann jedoch unterschiedlichste Formen annehmen, die Situation sieht immer sehr anders aus, die Geschichte jedoch ist die gleiche.

Den Ansatz, ökologische, ökonomische und soziale Aspekte nicht als konkurrierende Dimensionen zu betrachten, finde ich sehr gut und interessant. Jedoch sehe ich auch den Ursprung dieser „Konkurrenz“ immer noch gegeben, da ökologische und soziale Nachhaltigkeit auf den ersten Blick schwer miteinander vereinbar scheinen. In unserem Alltag scheint es doch auch oft so, dass ökologische Nachhaltigkeit mit Verzicht einhergeht und soziale Nachhaltigkeit ihren (auch ökologischen) „Preis“ hat.

Sehr beeindruckende Vorhersage aus dem Jahr 1972, die gleichzeitig jedoch sehr erschreckend ist.

Die UN-Nachhaltigkeitsziele sind ein guter Anfang, um die Welt nachhaltiger zu gestalten. Eine aussagekräftige Einschätzung, ob ein Unternehmen wirklich nachhaltig ist, aufgrund eines Zertifikates, bezweifle ich jedoch stark, da, wie oben beschrieben, ein Zertifikat in einem bestimmten Bereich wenig über die allgemeine Nachhaltigkeits-Bilanz des Unternehmens aussagt. Konsumierenden Personen sollte durch die Zertifikate eine einfachere Einschätzung des Unternehmens gewährleistet werden, da dies aus vorangehendem Punkt jedoch schwierig ist, bleibt die Einschätzung zu einem Großteil wieder auf Seiten der konsumierenden Personen. Vielleicht wäre eine andere Herangehensweise zielführender. Z.B. könnte ein Unternehmen in seiner Gesamtheit bewertet werden, wobei auch bei diesem Verfahren natürlich andere Probleme auftreten.

Ein weiteres Problem besteht meiner Meinung nach darin, dass Definitionen von Anzüglichkeit in verschiedenen kulturellen Kontexten stark variieren können. Die Daten, die zum Trainieren von KI-Modellen verwendet werden, stammen in der Regel aus dem globalen Norden und spiegeln die dort vorherrschenden Normen wider. Diese Daten werden jedoch in einigen Fällen von Menschen aus dem globalen Süden ausgewertet. Wenn diese Bewertungen dann auf der eigenen Vorstellung von Anzüglichkeit basieren, kann es dazu führen, dass Bilder, die in einer deutschen Gesellschaft beispielsweise nicht als anzüglich angesehen werden, von KI-Modellen in Zukunft als anzüglich eingestuft werden.