Zum Hauptinhalt
Porträt von Mathias Ellmann

Autonomie und Verantwortung · typische Beratungsfälle

KI-Ethik: typische Use Cases

KI-Ethik wird praktisch relevant, wenn technische Optimierung mit unterschiedlichen Interessen, Fehlerfolgen und menschlichen Handlungsmöglichkeiten in Konflikt geraten kann. Ziel ist nicht eine abstrakte Wertediskussion, sondern eine nachvollziehbare Analyse konkreter Entscheidungen.

Beratungs- und Problemlösungszyklus

Die Use Cases werden nicht als starre lineare Projekte verstanden. Neue Informationen können frühere Annahmen verändern. Diagnose, Zielformulierung, Analyse und Entscheidungsfindung werden deshalb bei Bedarf mehrfach durchlaufen. Die anschließende Umsetzungsplanung übersetzt die Entscheidung in konkrete nächste Schritte.

1

Diagnose

Problem und Situation präzisieren. Beobachtungen, Symptome, Grenzen, Beteiligte, Informationslücken und Annahmen werden getrennt betrachtet.

2

Zielformulierung

Den gewünschten Zustand und überprüfbare Erfolgskriterien bestimmen. Dabei wird geklärt, was erreicht, erhalten, vermieden oder beendet werden soll.

3

Analyse

Mehrere Erklärungen und Handlungsoptionen entwickeln. Alternativen, Abhängigkeiten, Risiken, Nebenwirkungen und verfügbare Mittel werden untersucht.

4

Entscheidungsfindung

Bewertungskriterien festlegen, Optionen vergleichen, Zielkonflikte sichtbar machen und eine begründete Priorisierung beziehungsweise Entscheidung treffen.

5

Umsetzungsplan

Die gewählte Lösung in Verantwortlichkeiten, Meilensteine, Nachweise, Kontrollen und erneute Entscheidungspunkte übersetzen.

Methodische Grundlage: Die Struktur ist eine eigenständige, auf die hier angebotenen Beratungsleistungen übertragene Anwendung eines iterativen Problemlösungsansatzes in Anlehnung an Nicolai Andler, Tools für Projektmanagement, Workshops und Consulting – Kompendium der wichtigsten Techniken und Methoden, Band 6, Publicis, Erlangen, 2015. Die hier beschriebenen Use Cases, Fragestellungen und Beratungsinhalte sind auf die jeweiligen Leistungsfelder von Mathias Ellmann zugeschnitten.

Typische Ausgangssituationen

Geeignet für

  • Produkt- und KI-Teams mit personenbezogenen oder folgenreichen Entscheidungen
  • Organisationen mit Zielkonflikten zwischen Leistung und Fairness
  • Führungskräfte mit Verantwortung für automatisierte Entscheidungen
  • Teams, die menschliche Handlungsmöglichkeiten erhalten möchten

Typische Ergebnisse

  • Explizite Werte- und Zielkonflikte
  • Stakeholder- und Folgenanalyse
  • Begründete Kriterien für Fairness und menschliche Kontrolle
  • Transparente Abwägung von Alternativen
  • Konkrete Gestaltungs- und Kontrollmaßnahmen

Typische Use Cases

Die folgenden Beispiele zeigen typische Entscheidungssituationen. Ein konkretes Beratungsprojekt wird nicht automatisch nach diesem Muster durchgeführt, sondern an Problem, Ziel, verfügbare Informationen und organisatorische Rahmenbedingungen angepasst.

Use Case 1

Automatisierte Priorisierung von Personen ethisch bewerten

Ausgangslage: Ein KI-System priorisiert Bewerbungen, Kundinnen, Anträge oder andere Personen. Fehler treffen unterschiedliche Menschen unterschiedlich stark.

1. Diagnose

Entscheidung, Zielgröße, Betroffene, Fehlerarten, verfügbare Alternativen und bestehende menschliche Kontrollen erfassen.

2. Zielformulierung

Klären, welche legitimen Ziele verfolgt werden sollen und welche Folgen nicht akzeptabel sind.

3. Analyse

Nutzen, Fehlerrisiken, Gruppenwirkungen, Transparenz, Autonomie und mögliche Diskriminierungswirkungen vergleichen.

4. Entscheidungsfindung

Festlegen, ob und unter welchen Grenzen die automatisierte Priorisierung verantwortbar eingesetzt werden kann.

Umsetzungsplan

Kontrollpunkte, menschliche Überprüfung, Beschwerde- oder Korrekturmöglichkeiten und Monitoring gestalten.

Use Case 2

Fairness und Modellleistung in einen nachvollziehbaren Ausgleich bringen

Ausgangslage: Ein leistungsstarkes Modell erzeugt unterschiedliche Fehlerquoten oder Benachteiligungen zwischen relevanten Gruppen.

1. Diagnose

Ermitteln, welche Fairnessprobleme tatsächlich vorliegen, welche Metriken verwendet werden und welche Gruppen betroffen sind.

2. Zielformulierung

Definieren, welche Form von Fairness für den konkreten Anwendungskontext begründet werden kann.

3. Analyse

Alternative Fairnessmetriken, Modellvarianten, Schwellenwerte, Auswirkungen und Zielkonflikte untersuchen.

4. Entscheidungsfindung

Eine begründete Kombination aus Leistungs- und Fairnesskriterien auswählen, statt nur eine einzelne Kennzahl zu optimieren.

Umsetzungsplan

Gewählte Kriterien dokumentieren, testen, überwachen und bei veränderten Einsatzbedingungen erneut prüfen.

Use Case 3

Menschliche Autonomie bei KI-Empfehlungen erhalten

Ausgangslage: Ein Empfehlungssystem beeinflusst Entscheidungen stark, obwohl formal weiterhin Menschen entscheiden.

1. Diagnose

Untersuchen, wie Empfehlungen präsentiert werden, welche Alternativen sichtbar bleiben und ob Nutzer realistisch widersprechen können.

2. Zielformulierung

Ein System gestalten, das Menschen unterstützt, ohne Entscheidungen faktisch vorwegzunehmen.

3. Analyse

Informationsdarstellung, Defaults, Zeitdruck, Erklärungen, Override-Möglichkeiten und mögliche Abhängigkeiten vergleichen.

4. Entscheidungsfindung

Festlegen, welche Eingriffs- und Wahlmöglichkeiten erhalten bleiben müssen.

Umsetzungsplan

Interaktionsdesign, Eskalation, Transparenz und Feedbackmechanismen entsprechend gestalten.

Vertiefende Bücher und fachliche Grundlagen

Mehrere der in der Beratung verwendeten Denkweisen werden in den folgenden Büchern ausführlicher behandelt. Die Buchseiten enthalten zusätzliche Informationen zu Inhalt, Zielgruppe und thematischen Schwerpunkten.

Buchcover Kritisches Denken in Data Science mit Python

Kritisches Denken in Data Science mit Python

Fragestellungen, Annahmen, Unsicherheit, Fairness und verantwortbare Entscheidungen.

Buchseite ansehen
Buchcover Von Modellen zu Entscheidungen in Machine Learning mit Python

Von Modellen zu Entscheidungen in Machine Learning mit Python

Modelle, Metriken, Risiken, Unsicherheit, Fairness und Entscheidungsunterstützung.

Buchseite ansehen

Gerechte Selbstbehauptung und die leise Stimme

Klarheit, Grenzen, Verantwortung, Autonomie und faire Kommunikation.

Buchseite ansehen
Buchcover Die Kunst der gerechten Selbstbehauptung

Die Kunst der gerechten Selbstbehauptung

Klarheit, Verantwortung und ein fairer Umgang mit unterschiedlichen Interessen.

Buchseite ansehen

Einordnung der Beratung

Die Beratung unterstützt bei technischer, organisatorischer und wirtschaftlicher Analyse, Entscheidungsfindung und Umsetzungsplanung. Sie ersetzt keine individuelle Rechtsberatung, Steuerberatung, Anlageberatung oder psychotherapeutische Beratung. Bei Fragestellungen zum EU AI Act werden technische, organisatorische und methodische Aspekte behandelt; rechtliche Bewertungen müssen gegebenenfalls durch entsprechend qualifizierte Rechtsberatung ergänzt werden.

Konkreten Beratungsfall besprechen

Wenn Ihre Situation einem der beschriebenen Use Cases ähnelt, kann zunächst die konkrete Entscheidungs- oder Problemstellung abgegrenzt werden. Daraus lässt sich bestimmen, welche Form der Beratung sinnvoll ist.

Bitte übermitteln Sie sensible oder vertrauliche Unterlagen erst über einen zuvor abgestimmten sicheren Übermittlungsweg. Zeitkritische Fristen gelten erst dann als übernommen, wenn dies ausdrücklich bestätigt wurde.