Vorträge

Modeling Stage - Vorträge zu ethischen Dimensionen

Drawn graphic showing different people exchanging ideas symbolised by blurbs filled with symbols like light bulbs and scales.
© Ezequiel Hyon

Mi, 28.09.2022 9:30 Uhr – 11:00 Uhr

Online



Programm


09:30 Michael Puntschuh und Lena Rickenberg (iRightsLab Berlin): Warum es eine Rolle spielt, wenn Mobilitätsdaten verzerrt sind - eine Untersuchung des geschlechtsspezifischen Datengefälles
Was haben mobile Sharing-Dienste, Crashtest-Dummys und Mobilitätserhebungen gemeinsam? Sie alle weisen große geschlechtsspezifische Datenlücken auf: Ungleiche Datengrundlagen bezüglich Mobilitätsanforderungen und -bedürfnissen der verschiedenen Geschlechter. Oftmals bemerken wir diese Lücken in unserem Mobilitätsalltag nicht oder sind uns einfach nicht bewusst, dass solche Lücken überhaupt existieren. Das ist ein Problem, denn es kann zu Diskrepanzen in der Verkehrsinfrastruktur führen: Welche Arten von Dienstleistungen angeboten werden, wohin Straßen und Straßenbahnlinien führen oder wie Autos gebaut werden, beeinflusst direkt, wie mobil wir sind. Was also, wenn all diese Daten in irgendeiner Form verzerrt sind?
Mobilitätsdaten, die Art und Weise, wie sie erhoben werden und was sie widerspiegeln, spielen hier eine Schlüsselrolle. Politiker*innen, Stadt- und Verkehrsplaner*innen sowie Unternehmen stützen ihre Entscheidungen auf diese Daten. KI wird dann oft eingesetzt, um aus diesen Daten Wissen abzuleiten oder Tools zu ihrer Analyse zu entwickeln. In diesem Vortrag werden wir beleuchten, was der Gender Data Gap ist und welche Beispiele es dafür gibt. Dabei wird deutlich, warum eine repräsentative Datenbasis für die Planung eines gerechten und effizienten Verkehrssystems von zentraler Bedeutung ist.

09:45 Q&A 


09:55 David Dao (ETH Zürich, GainForest, Cimate Change AI): Die Wiederherstellung der natürlichen Welt durch künstliche Intelligenz
Flächennutzung und Flächennutzungsänderungen spielen eine entscheidende Rolle für unser Klima und waren im Zeitraum 2007-2016 für etwa ein Viertel der jährlichen anthropogenen Treibhausgasemissionen verantwortlich. Leichtfertige Landnutzung ist nicht nur ein Hauptfaktor für die globale Erwärmung, sondern zerstört auch wertvolle Ökosystemleistungen und bedroht die Lebensgrundlage der lokalen Bevölkerungen und zahlreicher Arten. Um diese Verluste einzudämmen und zu verhindern, werden derzeit große Anstrengungen zur Erhaltung und Wiederherstellung unternommen. Darüberhinaus wurde der Zeitraum 2021-2030 zur "UN-Dekade zur Wiederherstellung von Ökosystemen" erklärt, um die Dringlichkeit des Themas zu unterstreichen. Wir können jedoch nicht bewahren, was wir nicht messen können. Das maschinelle Lernen (ML) kann eine wichtige Rolle dabei spielen, diesem dringenden Handlungsbedarf gerecht zu werden und die Erhaltung und nachhaltige Nutzung unserer natürlichen Welt zu beschleunigen - aber nur, wenn wir es in Zusammenarbeit mit den lokalen Gemeinschaften entwickeln.

10:10 Q&A 


10:20 Buse Çetin (Kreativstrategin, KI-Ethikerin) und Iyo Bisseck (Designerin, Forscherin, Künstlerin): Dreaming Beyond AI
Dreaming Beyond AI ist ein multidisziplinäres und gemeinschaftliches webbasiertes Projekt, das Künstler*innen, Forscher*innen, Aktivist*innen und politische Entscheidungsträger*innen zusammenbringt, um neue Narrative und Visionen rund um KI-Technologien zu entwickeln. Das Projekt zielt darauf ab, die Auswirkungen von KI-Technologien auf die Ungleichheit zu verstehen und die gängigen KI-Erzählungen sowie auferlegte Zukunftsvisionen zu hinterfragen. Dreaming Beyond AI fungiert als Container für die (Neu-)Definition unserer technologischen Gegenwart und möglicher Zukünfte mit künstlerischen und aktivistischen Stimmen vom Rande. Der Vortrag wird einen kurzen Einblick in die Themen des Projekts geben und populäre Missverständnisse und fehlerhafte Grundlagen von KI - als Technologie, Geschäft, wissenschaftliche Disziplin und Ideologie - aufdecken, um neue Wege zu beschreiten, die feministisch, dekolonial sind.

10:35 Q&A und Diskussion

Das Programm findet auf Englisch statt.