Autonomie & Algorithmen Archiv
19 Episoden
11 Minuten
Ein T-Shirt zu falten, ist für uns Menschen eine ziemlich einfache Aufgabe, die schon Kinder erledigen können. Für einen Roboter ist das dagegen eine echte Herausforderung, denn die Form eines T-Shirts verändert sich bei jeder Bewegung. Wie kann man Robotern solche Handgriffe beibringen, ohne jede einzelne Bewegung aufwendig programmieren zu müssen?
In dieser Kurzfolge sprechen wir mit Jonas Zielke von der KI-Akademie OWL darüber, wie Industrie-Roboter durch einfaches Vormachen neue Aufgaben lernen können. Am Beispiel des sogenannten Aloha-Systems erklären wir, wie das Imitationslernen funktioniert, warum Roboter dabei lernen müssen, ihre Bewegungen an unterschiedliche Situationen anzupassen, und welche Rolle menschliche Korrekturen spielen. Außerdem sprechen wir darüber, wie KI-gestützte Robotik insbesondere kleinen und mittleren Unternehmen helfen kann und wie eine Zukunft aussehen könnte, in der Menschen und Roboter in der Industrie zusammenarbeiten.
+++
Jonas Zielke ist Doktorand in der KI-Akademie OWL und promoviert an der Universität Bielefeld in der Arbeitsgruppe "Kollaborative Robotik". Dort forscht er zu KI-gestützter Robotik und ihren Einsatzmöglichkeiten in der Industrie.
+++
Linkliste
Automatica (2025). Automatica Trendindex: Wie Roboter und Digitalisierung die Arbeitswelt verändern.
Trossen Robotics (2026). Imitation Learning in Robotics: From Human Demonstrations to Reliable Skills.
Zhao et al. (2023). Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
In dieser Kurzfolge sprechen wir mit Jonas Zielke von der KI-Akademie OWL darüber, wie Industrie-Roboter durch einfaches Vormachen neue Aufgaben lernen können. Am Beispiel des sogenannten Aloha-Systems erklären wir, wie das Imitationslernen funktioniert, warum Roboter dabei lernen müssen, ihre Bewegungen an unterschiedliche Situationen anzupassen, und welche Rolle menschliche Korrekturen spielen. Außerdem sprechen wir darüber, wie KI-gestützte Robotik insbesondere kleinen und mittleren Unternehmen helfen kann und wie eine Zukunft aussehen könnte, in der Menschen und Roboter in der Industrie zusammenarbeiten.
+++
Jonas Zielke ist Doktorand in der KI-Akademie OWL und promoviert an der Universität Bielefeld in der Arbeitsgruppe "Kollaborative Robotik". Dort forscht er zu KI-gestützter Robotik und ihren Einsatzmöglichkeiten in der Industrie.
+++
Linkliste
Automatica (2025). Automatica Trendindex: Wie Roboter und Digitalisierung die Arbeitswelt verändern.
Trossen Robotics (2026). Imitation Learning in Robotics: From Human Demonstrations to Reliable Skills.
Zhao et al. (2023). Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
55 Minuten
Beim Stichwort "Entwicklungszusammenarbeit" haben viele von uns Bilder im Kopf, wie im Globalen Süden Schulen oder Brunnen gebaut werden. Doch moderne Entwicklungszusammenarbeit setzt zunehmend auf digitale Tools und Künstliche Intelligenz. So kann KI zum Beispiel dabei helfen, kleinbäuerliche Landwirtschaft zu unterstützen oder digitale Technologien für bislang unterrepräsentierte Sprachen verfügbar zu machen. Aber wie kann der Einsatz von KI gelingen, ohne bestehende Ungleichheiten zu verstärken?
In dieser Folge sprechen wir über zwei Projekte der vom Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung geförderten Initiative FAIR Forward: Zum einen geht es um den Aufbau hochwertiger Sprachdatensätze für sogenannte Low-Resource-Sprachen und die Frage, wie diese fair lizenziert werden können. Denn nur so können die Gemeinschaften, die die Daten bereitstellen, auch davon profitieren. Zum anderen schauen wir auf eine KI-Anwendung für die Landwirtschaft in Indien, die Kleinbäuer:innen dabei unterstützt, Schädlingsbefall frühzeitig zu erkennen und den Einsatz von Pestiziden zu reduzieren. Außerdem diskutieren wir, warum Entwicklungszusammenarbeit ohne lokale Partner:innen nicht funktionieren kann, welche Rolle Open Source spielt und weshalb hochwertige Daten oft wichtiger sind als möglichst große Datensätze.
+++
Kathleen Ziemann und Philipp Olbrich arbeiten bei der Gesellschaft für Internationale Zusammenarbeit (GIZ). Kathleen ist Co-Lead von FAIR Forward, Philipp ist dort Berater mit dem Schwerpunkt Künstliche Intelligenz.
+++
Linkliste
BMZ (2025). Laut und deutlich: Open Source für Indiens Sprachenvielfalt.
Deutsche Gesellschaft für Internationale Zusammenarbeit (2023). Creating community-driven
datasets: Insights from Mozilla Common Voice activities in East Africa.
Dalmia et al. (2020). Pest Management In Cotton Farms: An AI-System Case Study from the Global South. KDD '20: Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining.
FAIR Forward auf GitHub: Catalog of Open Source AI Datasets, Models & AI Systems.
Mozilla Common Voice
NOODL-Lizenz: Licensing African Datasets.
Lokaler Partner: Prof. Prasanta Kumar Ghosh am Indian Institute of Science
Lokaler Partner: Wadhwani AI
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
In dieser Folge sprechen wir über zwei Projekte der vom Bundesministerium für wirtschaftliche Zusammenarbeit und Entwicklung geförderten Initiative FAIR Forward: Zum einen geht es um den Aufbau hochwertiger Sprachdatensätze für sogenannte Low-Resource-Sprachen und die Frage, wie diese fair lizenziert werden können. Denn nur so können die Gemeinschaften, die die Daten bereitstellen, auch davon profitieren. Zum anderen schauen wir auf eine KI-Anwendung für die Landwirtschaft in Indien, die Kleinbäuer:innen dabei unterstützt, Schädlingsbefall frühzeitig zu erkennen und den Einsatz von Pestiziden zu reduzieren. Außerdem diskutieren wir, warum Entwicklungszusammenarbeit ohne lokale Partner:innen nicht funktionieren kann, welche Rolle Open Source spielt und weshalb hochwertige Daten oft wichtiger sind als möglichst große Datensätze.
+++
Kathleen Ziemann und Philipp Olbrich arbeiten bei der Gesellschaft für Internationale Zusammenarbeit (GIZ). Kathleen ist Co-Lead von FAIR Forward, Philipp ist dort Berater mit dem Schwerpunkt Künstliche Intelligenz.
+++
Linkliste
BMZ (2025). Laut und deutlich: Open Source für Indiens Sprachenvielfalt.
Deutsche Gesellschaft für Internationale Zusammenarbeit (2023). Creating community-driven
datasets: Insights from Mozilla Common Voice activities in East Africa.
Dalmia et al. (2020). Pest Management In Cotton Farms: An AI-System Case Study from the Global South. KDD '20: Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining.
FAIR Forward auf GitHub: Catalog of Open Source AI Datasets, Models & AI Systems.
Mozilla Common Voice
NOODL-Lizenz: Licensing African Datasets.
Lokaler Partner: Prof. Prasanta Kumar Ghosh am Indian Institute of Science
Lokaler Partner: Wadhwani AI
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
10 Minuten
Aufzählungen mit drei Elementen, "delve into", "nicht nur... sondern auch": Manche Texte klingen verdächtig so, als wären sie von einem großen Sprachmodell geschrieben worden. Aber wie kann man nachweisen, dass ein Text tatsächlich aus der Feder von ChatGPT und Co. stammt? KI-Detektoren versprechen, KI-generierte Texte zu erkennen. Doch wie funktionieren sie eigentlich? Und wie zuverlässig sind sie wirklich?
In dieser kompakten Folge sprechen wir darüber, wie Detektoren KI-generierte Texte erkennen sollen, warum sie dabei auch von Menschen geschriebene Texte fälschlicherweise verdächtigen und weshalb schon kleine Änderungen an einem Text die Zuverlässigkeit eines Detektors stark beeinflussen können. Außerdem beleuchten wir, was das für Bereiche wie Schule und Universität bedeutet, in denen die Eigenleistung von Menschen bewertet werden soll.
+++
Lukas Gehring promoviert in der Arbeitsgruppe Wissensrepräsentation und Maschinelles Lernen an der Universität Bielefeld und ist Mitglied der KI-Akademie OWL. Dort forscht er zu KI-geschriebenen Texten im Bildungsbereich.
+++
Linkliste
Demo "Wer hat das geschrieben?" auf der Website der KI-Akademie OWL
Demo "Detektor austricksen" auf der Website der KI-Akademie OWL
Gehring (2025). KI-Text Detektoren im (Hochschul-)Bildungsbereich. Wie gut sind sie wirklich?. Vortrag im Rahmen der BI.teach.talks.
Gehring & Paaßen (2025). Assessing LLM Text Detection in Educational Contexts: Does Human Contribution Affect Detection?. arXiv.
Gostmann & Hildermeier (2026). KI prüft KI – und scheitert? Über Bias-Effekte und Verzerrungen in KI‑Detektoren. Beitrag im Blog des Hochschulforum Digitalisierung.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
In dieser kompakten Folge sprechen wir darüber, wie Detektoren KI-generierte Texte erkennen sollen, warum sie dabei auch von Menschen geschriebene Texte fälschlicherweise verdächtigen und weshalb schon kleine Änderungen an einem Text die Zuverlässigkeit eines Detektors stark beeinflussen können. Außerdem beleuchten wir, was das für Bereiche wie Schule und Universität bedeutet, in denen die Eigenleistung von Menschen bewertet werden soll.
+++
Lukas Gehring promoviert in der Arbeitsgruppe Wissensrepräsentation und Maschinelles Lernen an der Universität Bielefeld und ist Mitglied der KI-Akademie OWL. Dort forscht er zu KI-geschriebenen Texten im Bildungsbereich.
+++
Linkliste
Demo "Wer hat das geschrieben?" auf der Website der KI-Akademie OWL
Demo "Detektor austricksen" auf der Website der KI-Akademie OWL
Gehring (2025). KI-Text Detektoren im (Hochschul-)Bildungsbereich. Wie gut sind sie wirklich?. Vortrag im Rahmen der BI.teach.talks.
Gehring & Paaßen (2025). Assessing LLM Text Detection in Educational Contexts: Does Human Contribution Affect Detection?. arXiv.
Gostmann & Hildermeier (2026). KI prüft KI – und scheitert? Über Bias-Effekte und Verzerrungen in KI‑Detektoren. Beitrag im Blog des Hochschulforum Digitalisierung.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
1 Stunde 1 Minute
Im Zusammenhang mit sozialen Medien wird immer wieder die Frage diskutiert, inwiefern Plattformen und Algorithmen uns in "Filterblasen", "Echokammern" oder "Rabbit Holes" einsperren. Doch wie stark beeinflussen die Empfehlungsalgorithmen der großen Plattformen tatsächlich, welche Inhalte wir auf YouTube, TikTok oder X sehen?
In dieser Live-Folge, aufgenommen vor Publikum in der Wissenswerkstadt Bielefeld im Rahmen der GENIALE, sprechen wir darüber, wie Empfehlungsalgorithmen funktionieren, was die Forschung über Filterblasen und Echokammern weiß und warum sich viele verbreitete Annahmen empirisch nur teilweise bestätigen lassen. Außerdem geht es um den Einfluss sozialer Medien auf politische Meinungsbildung – und darum, dass Wahlen nicht allein auf TikTok entschieden werden. Unsere Gesprächspartnerin Merja Mahrt plädiert viel mehr für ein differenziertes Bild, das auch das individuelle Mediennutzungsverhalten und die Lebensumstände der Nutzenden einbezieht.
+++
Merja Mahrt ist Privatdozentin an der Freien Universität Berlin und forscht am Weizenbaum-Institut zu digitaler Kommunikation, Mediennutzung und den gesellschaftlichen Auswirkungen digitaler Plattformen. In ihrer Forschung beschäftigt sie sich unter anderem mit Filterblasen, Echokammern und digitaler Fragmentierung.
+++
Linkliste
Autonomie & Algorithmen (2026). Hate Speech im Internet: KI und Content Moderation.
Chen et al. (2023). Subscriptions and external links help drive resentful users to alternative and extremist YouTube channels. Science Advances.
Hickey et al. (2024). X under Musk’s leadership: Substantial hate and no reduction in inauthentic activity. PLoS ONE.
Mahrt (2025). Digitale Demokratie. Lenken soziale Medien die Meinungsbildung?. Weizenbaum-Institut.
Mahrt (2025). Meinungsbildung und soziale Medien. Weizenbaum-Institut / Berliner Landeszentrale für politische Bildung.
Mahrt (2019). Beyond Filter Bubbles and Echo Chambers: The Integrative Potential of the Internet. Digital
Communication Research, 5.
Pariser (2014). Filter Bubble. Wie wir im Internet entmündigt werden. Hanser.
Pariser (2011). Beware online "filter bubbles". TED Talk.
Robertson et al. (2023). Negativity drives online news consumption. Nature Human Behaviour.
Ross Arguedas et al. (2022). Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute for the Study of Journalism.
Sunstein (2001). Republic.com. Princeton University Press.
Sunstein (2017). #Republic. Princeton University Press.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
In dieser Live-Folge, aufgenommen vor Publikum in der Wissenswerkstadt Bielefeld im Rahmen der GENIALE, sprechen wir darüber, wie Empfehlungsalgorithmen funktionieren, was die Forschung über Filterblasen und Echokammern weiß und warum sich viele verbreitete Annahmen empirisch nur teilweise bestätigen lassen. Außerdem geht es um den Einfluss sozialer Medien auf politische Meinungsbildung – und darum, dass Wahlen nicht allein auf TikTok entschieden werden. Unsere Gesprächspartnerin Merja Mahrt plädiert viel mehr für ein differenziertes Bild, das auch das individuelle Mediennutzungsverhalten und die Lebensumstände der Nutzenden einbezieht.
+++
Merja Mahrt ist Privatdozentin an der Freien Universität Berlin und forscht am Weizenbaum-Institut zu digitaler Kommunikation, Mediennutzung und den gesellschaftlichen Auswirkungen digitaler Plattformen. In ihrer Forschung beschäftigt sie sich unter anderem mit Filterblasen, Echokammern und digitaler Fragmentierung.
+++
Linkliste
Autonomie & Algorithmen (2026). Hate Speech im Internet: KI und Content Moderation.
Chen et al. (2023). Subscriptions and external links help drive resentful users to alternative and extremist YouTube channels. Science Advances.
Hickey et al. (2024). X under Musk’s leadership: Substantial hate and no reduction in inauthentic activity. PLoS ONE.
Mahrt (2025). Digitale Demokratie. Lenken soziale Medien die Meinungsbildung?. Weizenbaum-Institut.
Mahrt (2025). Meinungsbildung und soziale Medien. Weizenbaum-Institut / Berliner Landeszentrale für politische Bildung.
Mahrt (2019). Beyond Filter Bubbles and Echo Chambers: The Integrative Potential of the Internet. Digital
Communication Research, 5.
Pariser (2014). Filter Bubble. Wie wir im Internet entmündigt werden. Hanser.
Pariser (2011). Beware online "filter bubbles". TED Talk.
Robertson et al. (2023). Negativity drives online news consumption. Nature Human Behaviour.
Ross Arguedas et al. (2022). Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute for the Study of Journalism.
Sunstein (2001). Republic.com. Princeton University Press.
Sunstein (2017). #Republic. Princeton University Press.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
1 Stunde 2 Minuten
Hassrede im Internet ist für viele Menschen Teil des digitalen Alltags geworden. Sie begegnet uns in Kommentarspalten sozialer Medien – mal ganz offen, mal versteckt hinter Emojis, Zahlenkombinationen und sogenannten Dog Whistles. Doch was genau ist Hate Speech? Warum ist ihre Erkennung so schwierig? Und welche Rolle kann Künstliche Intelligenz dabei spielen, Online-Communitys zu schützen?
In dieser Folge sprechen wir darüber, wie Community-Manager:innen mit Hassrede umgehen, warum Kontext bei der Bewertung von Sprache entscheidend ist und weshalb automatisierte Moderation trotz großer Fortschritte noch an ihre Grenzen stößt. Zudem geht es um die Dynamiken sozialer Plattformen, die Verbreitung von Hass durch Algorithmen und die Frage, wie KI-Systeme Menschen bei der Content Moderation sinnvoll unterstützen können, ohne dabei wichtige Stimmen zu unterdrücken.
+++
Daniel Brockmeier betreut als Community- und Social-Media-Manager diverse Online-Communitys. Die Moderation von Hate Speech und Shitstorms gehört zu seiner täglichen Arbeit. In seinem Philosophie-Podcast "Privatsprache" beschäftigt Daniel sich ebenfalls mit KI-Themen.
Sina Zarrieß erforscht als Professorin für Computerlinguistik an der Universität Bielefeld Methoden des maschinellen Lernens zur Analyse von Sprache. Sie ist Principal Investigator im Projekt "Sail", in dem es um nachhaltige intelligente soziotechnische Systeme geht, sowie im SFB 1646 "Sprachliche Kreativität in der Kommunikation".
+++
Linkliste
Alacam, Hoeken & Zarrieß (2024). Eyes Don’t Lie: Subjective Hate Annotation and Detection with Gaze. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing.
Hoeken, Zarrieß & Alacam (2023). Identifying Slurs and Lexical Hate Speech via Light-Weight Dimension Projection in Embedding Space. Proceedings of the 13th Workshop on Computational Approaches to Subjectivity, Sentiment, & Social Media Analysis.
Worteinbettung (Wikipedia)
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
In dieser Folge sprechen wir darüber, wie Community-Manager:innen mit Hassrede umgehen, warum Kontext bei der Bewertung von Sprache entscheidend ist und weshalb automatisierte Moderation trotz großer Fortschritte noch an ihre Grenzen stößt. Zudem geht es um die Dynamiken sozialer Plattformen, die Verbreitung von Hass durch Algorithmen und die Frage, wie KI-Systeme Menschen bei der Content Moderation sinnvoll unterstützen können, ohne dabei wichtige Stimmen zu unterdrücken.
+++
Daniel Brockmeier betreut als Community- und Social-Media-Manager diverse Online-Communitys. Die Moderation von Hate Speech und Shitstorms gehört zu seiner täglichen Arbeit. In seinem Philosophie-Podcast "Privatsprache" beschäftigt Daniel sich ebenfalls mit KI-Themen.
Sina Zarrieß erforscht als Professorin für Computerlinguistik an der Universität Bielefeld Methoden des maschinellen Lernens zur Analyse von Sprache. Sie ist Principal Investigator im Projekt "Sail", in dem es um nachhaltige intelligente soziotechnische Systeme geht, sowie im SFB 1646 "Sprachliche Kreativität in der Kommunikation".
+++
Linkliste
Alacam, Hoeken & Zarrieß (2024). Eyes Don’t Lie: Subjective Hate Annotation and Detection with Gaze. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing.
Hoeken, Zarrieß & Alacam (2023). Identifying Slurs and Lexical Hate Speech via Light-Weight Dimension Projection in Embedding Space. Proceedings of the 13th Workshop on Computational Approaches to Subjectivity, Sentiment, & Social Media Analysis.
Worteinbettung (Wikipedia)
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
23 Minuten
Diese Folge ist Teil des Adventskalenders #WissPodWeihnacht von wissenschaftspodcasts.de.
Weihnachtsgeschenke können wir mit einem Klick online bestellen – aber damit das Geschenk den Weg unter den Tannenbaum findet, braucht es komplexe Logistikprozesse. Methoden der künstlichen Intelligenz können dabei helfen, Auftragsmengen vorherzusagen, Routen zu optimieren und Abläufe zu automatisieren. Gleichzeitig stellen sich die Fragen, wo klassische mathematische Modelle sinnvoller sind und wie sich die Arbeit der Menschen in der Logistik durch KI verändert. Genau darüber sprechen wir heute mit Alexander Krooß!
+++
Alexander Krooß ist wissenschaftlicher Mitarbeiter in der Abteilung Intralogistik- und IT-Planung des Fraunhofer-Instituts für Materialfluss und Logistik (IML) in Dortmund, wo er zu Einsatzmöglichkeiten der künstlichen Intelligenz in der Intralogistik forscht sowie im Rahmen von Industrieprojekten berät.
+++
Linkliste
Murrenhoff, Friedrich & Witthaut (2021). Künstliche Intelligenz in der Logistik.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
Weihnachtsgeschenke können wir mit einem Klick online bestellen – aber damit das Geschenk den Weg unter den Tannenbaum findet, braucht es komplexe Logistikprozesse. Methoden der künstlichen Intelligenz können dabei helfen, Auftragsmengen vorherzusagen, Routen zu optimieren und Abläufe zu automatisieren. Gleichzeitig stellen sich die Fragen, wo klassische mathematische Modelle sinnvoller sind und wie sich die Arbeit der Menschen in der Logistik durch KI verändert. Genau darüber sprechen wir heute mit Alexander Krooß!
+++
Alexander Krooß ist wissenschaftlicher Mitarbeiter in der Abteilung Intralogistik- und IT-Planung des Fraunhofer-Instituts für Materialfluss und Logistik (IML) in Dortmund, wo er zu Einsatzmöglichkeiten der künstlichen Intelligenz in der Intralogistik forscht sowie im Rahmen von Industrieprojekten berät.
+++
Linkliste
Murrenhoff, Friedrich & Witthaut (2021). Künstliche Intelligenz in der Logistik.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.
Redaktionelle Unterstützung: Ingrid Rogalski.
Postproduktion: Ingrid Rogalski und Lena Ackermann.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
1 Stunde 26 Minuten
Die Regelung unser alltäglichen Notwendigkeiten – Frischwasser, Strom, Internet, ÖPNV, Nahrungsmittelversorgung, Finanzen und vieles mehr – erfordert heutzutage riesige Datenmengen. Systeme der künstlichen Intelligenz können hier extrem nützlich sein, um die vielen Informationen zu verarbeiten und dadurch die sogenannte "kritische Infrastruktur" robuster zu machen. KI-Systeme, die darüber hinaus selbst Entscheidungen treffen, beispielsweise in Bezug auf dynamische Strompreise, bergen aber auch ethische Risiken. Beide Aspekte werden heute bei uns beleuchtet!
+++
Valerie Vaquet ist Doktorandin im Projekt KI-Akademie der Uni Bielefeld und beschäftigt sich mit KI-Modellen von Wassernetzen. Außerdem erzählt sie gern von ihrer Forschung, zum Beispiel bei Science Slams.
Florian Braun ist Philosoph, wissenschaftlicher Assistent und Dozent an der Christian-Albrechts-Universität zu Kiel und beschäftigt sich u.a. mit Künstlicher Intelligenz aus technik- und wissenschaftsphilosophischer Perspektive.
+++
Linkliste
Vaquet et al. (2024). Challenges, Methods, Data – a Survey of Machine Learning in Water Distribution Networks. arXiv.
Vaquet et al. (2024). Investigating the Suitability of Concept Drift Detection for Detecting Leakages in Water Distribution Networks. arXiv.
Statistik zu Trinkwasserverlusten in Deutschland
Zanutto (2024). Lessons learned from the Battle of Water Demand Forecasting (Blogbeitrag).
Braun (2023). Klimaverantwortung und Energiekonflikte. Nomos.
Braun (2021). Soweit die Gründe tragen. Zum Spannungsverhältnis zwischen verallgemeinerter Klimawandelargumentation und kontextbezogenen Einwänden (Blogbeitrag).
Pressemitteilung des Deutschen Wetterdienstes über KI-gestützte Datenaufbereitung für Wettermodelle (2024)
Gerechtigkeitstheorien (Wikipedia)
Dynamic Pricing (Wikipedia)
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
+++
Valerie Vaquet ist Doktorandin im Projekt KI-Akademie der Uni Bielefeld und beschäftigt sich mit KI-Modellen von Wassernetzen. Außerdem erzählt sie gern von ihrer Forschung, zum Beispiel bei Science Slams.
Florian Braun ist Philosoph, wissenschaftlicher Assistent und Dozent an der Christian-Albrechts-Universität zu Kiel und beschäftigt sich u.a. mit Künstlicher Intelligenz aus technik- und wissenschaftsphilosophischer Perspektive.
+++
Linkliste
Vaquet et al. (2024). Challenges, Methods, Data – a Survey of Machine Learning in Water Distribution Networks. arXiv.
Vaquet et al. (2024). Investigating the Suitability of Concept Drift Detection for Detecting Leakages in Water Distribution Networks. arXiv.
Statistik zu Trinkwasserverlusten in Deutschland
Zanutto (2024). Lessons learned from the Battle of Water Demand Forecasting (Blogbeitrag).
Braun (2023). Klimaverantwortung und Energiekonflikte. Nomos.
Braun (2021). Soweit die Gründe tragen. Zum Spannungsverhältnis zwischen verallgemeinerter Klimawandelargumentation und kontextbezogenen Einwänden (Blogbeitrag).
Pressemitteilung des Deutschen Wetterdienstes über KI-gestützte Datenaufbereitung für Wettermodelle (2024)
Gerechtigkeitstheorien (Wikipedia)
Dynamic Pricing (Wikipedia)
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
55 Minuten
Social Media-Trends, geboren durch Generative KI: Egal ob Szenen wie aus einem Ghibli-Film, Starterpack der eigenen Actionfigur oder "professionelle Bewerbungsfotos" basierend auf hochgeladenen Selfies – es gab schon so einige Inhalte von Bildgeneratoren, die durch die sozialen Medien gegangen sind. Wir fragen uns in dieser Folge: Was macht es mit der ästhetischen Empfindung, wenn wir immer mehr KI-generierte Inhalte zu Gesicht bekommen? Können Menschen den Unterschied zwischen maschinen- und menschengenerierter Kunst erkennen?
+++
Theresa Demmer ist Doktorandin am Art*is Lab der Universität Wien. In ihrer Forschung beschäftigt sie sich mit der Frage, wie Verbindungen zwischen Künstler*in und Rezipient*in ästhetische Erfahrungen prägen, ob sie das Potenzial für Transformation in sich tragen – und was geschieht, wenn der sendende Teil dieser Beziehung keine menschliche Instanz ist.
+++
Linkliste
Fernandez (2024), Effects of algorithmic curation in users’ music taste on Spotify.
Felder et al. (2011), Recommender Systems and their Effects on Consumers.
Sougwen Chung (Künstlerin, die Grenzen zwischen Mensch und Maschine exploriert)
Demmer et al. (2023), Does an emotional connection to art really require a human artist? Emotion and intentionality responses to AI- versus human-created art and impact on aesthetic experience.
In der Studie benutztes Bildmaterial
Kollektiv Obvious: Portrait of Edmond De Belamy (2018)
Jason M. Allen: Théâtre d’Opéra Spatial (2022)
Skygge: Magic Man (2018)
Zentrum für Kunst und Medien Karlsruhe: (A)I Tell You, You Tell Me“ (2024)
Krishnaraja et al. (2025), Modeling Creativity in Education.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
+++
Theresa Demmer ist Doktorandin am Art*is Lab der Universität Wien. In ihrer Forschung beschäftigt sie sich mit der Frage, wie Verbindungen zwischen Künstler*in und Rezipient*in ästhetische Erfahrungen prägen, ob sie das Potenzial für Transformation in sich tragen – und was geschieht, wenn der sendende Teil dieser Beziehung keine menschliche Instanz ist.
+++
Linkliste
Fernandez (2024), Effects of algorithmic curation in users’ music taste on Spotify.
Felder et al. (2011), Recommender Systems and their Effects on Consumers.
Sougwen Chung (Künstlerin, die Grenzen zwischen Mensch und Maschine exploriert)
Demmer et al. (2023), Does an emotional connection to art really require a human artist? Emotion and intentionality responses to AI- versus human-created art and impact on aesthetic experience.
In der Studie benutztes Bildmaterial
Kollektiv Obvious: Portrait of Edmond De Belamy (2018)
Jason M. Allen: Théâtre d’Opéra Spatial (2022)
Skygge: Magic Man (2018)
Zentrum für Kunst und Medien Karlsruhe: (A)I Tell You, You Tell Me“ (2024)
Krishnaraja et al. (2025), Modeling Creativity in Education.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
1 Stunde 8 Minuten
Stellt euch ein KI-System vor, das automatisiert faire Entscheidungen über die Einladung zum Bewerbungsgespräch auf Basis von Bewerbungsunterlagen treffen soll. Klingeln da bei euch die Alarmglocken? Wenn ja: Zu Recht! Der EU AI Act stuft ein solches System als Hochrisikosystem ein. Wir schauen uns ein solches System heute genauer an und klären: Was bedeutet eigentlich Fairness in Bezug auf KI? Wie kann man prüfen, ob ein KI-System zu fairen Entscheidungen führt? Und was hat das alles mit menschlicher Autonomie zu tun?
+++
Janine Strotherm ist Mathematikerin und Mitarbeiterin der Universität Bielefeld. Im Projekt "Water Futures" beschäftigt Janine sich mit maschinellem Lernen in Bezug auf faire Verteilung von Wasserressourcen.
+++
Linkliste
Lee (2018), Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society.
Starke et al. (2022), Fairness perceptions of algorithmic decision-making: A systematic review of the empirical literature. Big Data & Society.
Strotherm et al. (2023), Fairness in KI-Systemen. arXiv.
Fiske: Stereotype Content Model
Eckes (2002), Paternalistic and Envious Gender Stereotypes: Testing Predictions from the Stereotype Content Model. Sex Roles.
DuBois: The Philadelphia N-Wort
Paaßen et al. (2019), Dynamic fairness – Breaking vicious cycles in automatic decision making. ESANN 2019.
Race Norming
COMPAS Software
Knibbe (2021), Fairness in Question: Do Music Recommendation Algorithms Value Diversity? Music Tomorrow.
Torabi (2023), The Inner Workings of Spotify’s AI-Powered Music Recommendations: How Spotify Shapes Your Playlist. Medium.
Henry et al. (2024), Impacts of AI on Music Consumption and Fairness. Emerging Media.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
+++
Janine Strotherm ist Mathematikerin und Mitarbeiterin der Universität Bielefeld. Im Projekt "Water Futures" beschäftigt Janine sich mit maschinellem Lernen in Bezug auf faire Verteilung von Wasserressourcen.
+++
Linkliste
Lee (2018), Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society.
Starke et al. (2022), Fairness perceptions of algorithmic decision-making: A systematic review of the empirical literature. Big Data & Society.
Strotherm et al. (2023), Fairness in KI-Systemen. arXiv.
Fiske: Stereotype Content Model
Eckes (2002), Paternalistic and Envious Gender Stereotypes: Testing Predictions from the Stereotype Content Model. Sex Roles.
DuBois: The Philadelphia N-Wort
Paaßen et al. (2019), Dynamic fairness – Breaking vicious cycles in automatic decision making. ESANN 2019.
Race Norming
COMPAS Software
Knibbe (2021), Fairness in Question: Do Music Recommendation Algorithms Value Diversity? Music Tomorrow.
Torabi (2023), The Inner Workings of Spotify’s AI-Powered Music Recommendations: How Spotify Shapes Your Playlist. Medium.
Henry et al. (2024), Impacts of AI on Music Consumption and Fairness. Emerging Media.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
1 Stunde 42 Minuten
Diese Folge wurde zuerst im Podcast Privatsprache von Daniel Brockmeier veröffentlicht. Wenn ihr euch für differenzierte und unterhaltsame Auseinandersetzungen mit Philosophie begeistern könnt, solltet ihr den Podcast unbedingt abonnieren!
+++
Daniel, Benjamin und Christiane fragen sich: Warum und in welcher Weise lesen wir menschliche Eigenschaften in künstliche Systeme wie etwa Large Language Models hinein? Wir klären, was der Begriff Anthropomorphisierung bedeutet, blicken in die Kultur-, Technik- und Wissenschafts-Geschichte und gehen den Psychologischen Grundlagen nach. Mit Daniel Dennetts "Intentional Stance" stellt Daniel eine philosophische Theorie der Anthropomorphisierung vor und Christiane präsentiert mehrere psychologische Studien, die die Frage nach dem "Warum" strategisch eingrenzen. Am Ende fragen wir noch nach der Moral von der Geschicht': Sollten KI-Systeme, Programme, Computer und Roboter menschenähnlich designet werden?
+++
Linkliste
Der Geschichte des künstlichen Menschen in Daniels Blog: https://perspektiefe.privatsprache.de/der-geist-in-der-maschine/
Privatsprache-Podcastfolge zum Androiden Data: https://perspektiefe.privatsprache.de/the-measure-of-a-man-die-philosophie-von-star-trek/
Dennett, D. C. (1989). The Intentional Stance. MIT Press.
Dennett, D. C. (1988). The intentional stance in theory and practice. In R. W. Byrne & A. Whiten (Eds.), Machiavellian intelligence: Social expertise and the evolution of intellect in monkeys, apes, and humans (pp. 180–202). Clarendon Press/Oxford University Press.
Karel Capek (1922). Werstands Universal Robots.
Harald Salfellner (2019). Der Prager Golem - Jüdische Sagen aus dem Ghetto.
Alan Turing (1950). Computing Machinery and Intelligence. Mind: A Quarterly Review of Psychology and Philosophy, 59(236), 433-460.
Joseph Weizenbaum (1960). ELIZA – A computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36-45.
Valentino Braitenberg (1986). Vehicles – Experiments in Synthetic Psychology. MIT Press.
Heider, F., & Simmel, M. (1944). An experimental study of apparent behavior. The American journal of psychology, 57(2), 243-259.
Reeves, B., & Nass, C. I. (1996). The media equation: How people treat computers, television, and new media like real people and places. Center for the Study of Language and Information; Cambridge University Press.
Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886.
Gazzola, V., Rizzolatti, G., Wicker, B., & Keysers, C. (2007). The anthropomorphic brain: the mirror neuron system responds to human and robotic actions. Neuroimage, 35(4), 1674-1684.
Roesler, E., Manzey, D., & Onnasch, L. (2021). A meta-analysis on the effectiveness of anthropomorphism in human-robot interaction. Science Robotics, 6(58), eabj5425.
Mandl, S., Laß, J.S., Strobel, A. (2024). Associations Between Gender Attributions and Social Perception of Humanoid Robots. In: Camarinha-Matos, L.M., Ortiz, A., Boucher, X., Barthe-Delanoë, AM. (eds), IFIP Advances in Information and Communication Technology, vol 726. Springer, Cham.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
+++
Daniel, Benjamin und Christiane fragen sich: Warum und in welcher Weise lesen wir menschliche Eigenschaften in künstliche Systeme wie etwa Large Language Models hinein? Wir klären, was der Begriff Anthropomorphisierung bedeutet, blicken in die Kultur-, Technik- und Wissenschafts-Geschichte und gehen den Psychologischen Grundlagen nach. Mit Daniel Dennetts "Intentional Stance" stellt Daniel eine philosophische Theorie der Anthropomorphisierung vor und Christiane präsentiert mehrere psychologische Studien, die die Frage nach dem "Warum" strategisch eingrenzen. Am Ende fragen wir noch nach der Moral von der Geschicht': Sollten KI-Systeme, Programme, Computer und Roboter menschenähnlich designet werden?
+++
Linkliste
Der Geschichte des künstlichen Menschen in Daniels Blog: https://perspektiefe.privatsprache.de/der-geist-in-der-maschine/
Privatsprache-Podcastfolge zum Androiden Data: https://perspektiefe.privatsprache.de/the-measure-of-a-man-die-philosophie-von-star-trek/
Dennett, D. C. (1989). The Intentional Stance. MIT Press.
Dennett, D. C. (1988). The intentional stance in theory and practice. In R. W. Byrne & A. Whiten (Eds.), Machiavellian intelligence: Social expertise and the evolution of intellect in monkeys, apes, and humans (pp. 180–202). Clarendon Press/Oxford University Press.
Karel Capek (1922). Werstands Universal Robots.
Harald Salfellner (2019). Der Prager Golem - Jüdische Sagen aus dem Ghetto.
Alan Turing (1950). Computing Machinery and Intelligence. Mind: A Quarterly Review of Psychology and Philosophy, 59(236), 433-460.
Joseph Weizenbaum (1960). ELIZA – A computer program for the study of natural language communication between man and machine. Communications of the ACM, 9(1), 36-45.
Valentino Braitenberg (1986). Vehicles – Experiments in Synthetic Psychology. MIT Press.
Heider, F., & Simmel, M. (1944). An experimental study of apparent behavior. The American journal of psychology, 57(2), 243-259.
Reeves, B., & Nass, C. I. (1996). The media equation: How people treat computers, television, and new media like real people and places. Center for the Study of Language and Information; Cambridge University Press.
Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886.
Gazzola, V., Rizzolatti, G., Wicker, B., & Keysers, C. (2007). The anthropomorphic brain: the mirror neuron system responds to human and robotic actions. Neuroimage, 35(4), 1674-1684.
Roesler, E., Manzey, D., & Onnasch, L. (2021). A meta-analysis on the effectiveness of anthropomorphism in human-robot interaction. Science Robotics, 6(58), eabj5425.
Mandl, S., Laß, J.S., Strobel, A. (2024). Associations Between Gender Attributions and Social Perception of Humanoid Robots. In: Camarinha-Matos, L.M., Ortiz, A., Boucher, X., Barthe-Delanoë, AM. (eds), IFIP Advances in Information and Communication Technology, vol 726. Springer, Cham.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
1 Stunde 7 Minuten
Mal eben ein paar Stichworte zur gerade durchgeführten Studie in ein KI-Chatbot-Interface eingeben und den Bot darum bitten, auf Basis dieser Stichpunkte die erste Version einer Kurzzusammenfassung zu schreiben: Richtig praktisch! Aber funktioniert das gut? Und sollte man das machen? Und was, wenn Studierende KI für ihre Hausarbeiten nutzen? Welche wissenschaftlichen Tätigkeiten sollten vollständig den Forschenden überlassen bleiben? Diese und ähnliche Fragen bewegen gerade sehr viele Menschen, die in der Wissenschaft arbeiten. Und damit auch uns.
+++
Dzifa Vode ist Mitarbeiterin des Schreibzentrums der Technischen Hochschule Nürnberg. Zur Zeit entwickelt sie dort mit dem Online Writing Lab eine freie Bildungsumgebung für Studierende, die wissenschaftlich schreiben wollen oder müssen. Als Schreibwissenschaftlerin forscht und lehrt sie im Bereich des wissenschaftlichen Schreibens – mit und ohne künstliche Intelligenz. Sie organisiert außerdem Schreibretreats und coacht Wissenschaftler*innen in ihren Schreibprozessen.
+++
Linkliste
Virtuelles Kompetenzzentrum: Künstliche Intelligenz und wissenschaftliches Arbeiten
Reflexionsinstrument für Lehrende
Zohery (2023), ChatGPT in Academic Writing and Publishing: A Comprehensive Guide.
Kostikova et al. (2022), Fine-Grained Detection of Solidarity for Women and Migrants in 155 Years of German Parliamentary Debates. arXiv.
Barnum et al. (2024), Large Language Models based on historical text could offer informative tools for behavioral science. PNAS.
Alahdab (2024), Potential impact of large language models on academic writing. BMJ Evidence-Based Medicine.
Bin-Nashwan et al. (2023), Use of ChatGPT in academia: Academic integrity hangs in the balance. Technology in Society.
Leung et al. (2023), Best Practices for Using AI Tools as an Author, Peer Reviewer, or Editor. Journal of Medical Internet Research.
Liang et al. (2024), Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews. arXiv.
Preiß et al.,(2023). ChatGPT and Me. Erste Ergebnisse der quantitativen Auswertung einer Umfrage über die Lebensrealität mit generativer KI an der Universität Hamburg. Digital and Data Literacy in Teaching Lab. Universität Hamburg.
Parasuraman & Riley (1997), Humans and Automation: Use, Misuse, Disuse, Abuse. Human Factors.
Kobak et al. (2024), Delving into ChatGPT usage in academic writing through excess vocabulary. arXiv.
Geng & Trotta (2024), Is ChatGPT Transforming Academics' Writing Style? arXiv.
Gottschling et al. (2024). Nutzung von KI-Tools durch Studierende. Eine exemplarische Untersuchung studentischer Nutzungsszenarien. die hochschullehre.
Hwang et al. (2024). Is ChatGPT a "Fire of Prometheus" for Non-Native English-Speaking Researchers in Academic Writing? Korean Journal of Radiology.
DFG (2023), Stellungnahme des Präsidiums der Deutschen Forschungsgemeinschaft (DFG) zum Einfluss generativer Modelle.
Limburg et. al (2023), Zehn Thesen zur Zukunft des Schreibens in der Wissenschaft.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
+++
Dzifa Vode ist Mitarbeiterin des Schreibzentrums der Technischen Hochschule Nürnberg. Zur Zeit entwickelt sie dort mit dem Online Writing Lab eine freie Bildungsumgebung für Studierende, die wissenschaftlich schreiben wollen oder müssen. Als Schreibwissenschaftlerin forscht und lehrt sie im Bereich des wissenschaftlichen Schreibens – mit und ohne künstliche Intelligenz. Sie organisiert außerdem Schreibretreats und coacht Wissenschaftler*innen in ihren Schreibprozessen.
+++
Linkliste
Virtuelles Kompetenzzentrum: Künstliche Intelligenz und wissenschaftliches Arbeiten
Reflexionsinstrument für Lehrende
Zohery (2023), ChatGPT in Academic Writing and Publishing: A Comprehensive Guide.
Kostikova et al. (2022), Fine-Grained Detection of Solidarity for Women and Migrants in 155 Years of German Parliamentary Debates. arXiv.
Barnum et al. (2024), Large Language Models based on historical text could offer informative tools for behavioral science. PNAS.
Alahdab (2024), Potential impact of large language models on academic writing. BMJ Evidence-Based Medicine.
Bin-Nashwan et al. (2023), Use of ChatGPT in academia: Academic integrity hangs in the balance. Technology in Society.
Leung et al. (2023), Best Practices for Using AI Tools as an Author, Peer Reviewer, or Editor. Journal of Medical Internet Research.
Liang et al. (2024), Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews. arXiv.
Preiß et al.,(2023). ChatGPT and Me. Erste Ergebnisse der quantitativen Auswertung einer Umfrage über die Lebensrealität mit generativer KI an der Universität Hamburg. Digital and Data Literacy in Teaching Lab. Universität Hamburg.
Parasuraman & Riley (1997), Humans and Automation: Use, Misuse, Disuse, Abuse. Human Factors.
Kobak et al. (2024), Delving into ChatGPT usage in academic writing through excess vocabulary. arXiv.
Geng & Trotta (2024), Is ChatGPT Transforming Academics' Writing Style? arXiv.
Gottschling et al. (2024). Nutzung von KI-Tools durch Studierende. Eine exemplarische Untersuchung studentischer Nutzungsszenarien. die hochschullehre.
Hwang et al. (2024). Is ChatGPT a "Fire of Prometheus" for Non-Native English-Speaking Researchers in Academic Writing? Korean Journal of Radiology.
DFG (2023), Stellungnahme des Präsidiums der Deutschen Forschungsgemeinschaft (DFG) zum Einfluss generativer Modelle.
Limburg et. al (2023), Zehn Thesen zur Zukunft des Schreibens in der Wissenschaft.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
45 Minuten
Zum Start unserer zweiten Staffel werfen wir einen Blick auf die Frage, wie weit die KI-Forschung auf dem Weg zur allgemeinen künstliche künstlichen Intelligenz – auch starke KI genannt – mittlerweile ist. Solch ein KI-System wäre in der Lage, alle möglichen intellektuellen Aufgaben auszuführen, die auch ein Mensch bewältigen könnte. Um beispielsweise zu bewerten, wie nah ChatGPT an einem solchen Status ist, muss erst einmal geklärt werden, was denn Menschen alles können – also, welche Fähigkeiten wir unter dem Intelligenzbegriff verstehen.
+++
Linkliste
Emmert-Streib, F. (2024). Is ChatGPT the way toward artificial general intelligence? Discover Artificial Intelligence 4, 32.
Nick Boström: The Paperclip Maximizer
Noam Chomsky: The False Promise of ChatGPT
Ullman, T. (2023): Large Language Models Fail on Trivial Alterations to Theory-of-Mind Tasks. ArXiv.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
+++
Linkliste
Emmert-Streib, F. (2024). Is ChatGPT the way toward artificial general intelligence? Discover Artificial Intelligence 4, 32.
Nick Boström: The Paperclip Maximizer
Noam Chomsky: The False Promise of ChatGPT
Ullman, T. (2023): Large Language Models Fail on Trivial Alterations to Theory-of-Mind Tasks. ArXiv.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Ingrid Rogalski und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.
2 Stunden 7 Minuten
Bitte schenkt uns 10 Minuten eurer Zeit, um an der Evaluation unseres Podcasts teilzunehmen! Danke! Zur Umfrage geht es hier.
+++
Der empathische Roboter, der anhand von Mimik, Stimme oder Körperhaltung erkennt, wie man sich fühlt, um wahlweise aufzuheitern, zu loben, oder emotionale Unterstützung anzubieten – klingt sehr nach Science Fiction, oder? Tatsächlich wurden im Rahmen des sogenannten Affective Computing in den letzten Jahren enorme Fortschritte erzielt, sodass diese Vorstellung keine reine Zukunftsmusik mehr ist. KI-basierte Systeme zur Emotionsdetektion sind jedoch komplex und umstritten. Was können sie wirklich messen? Sind es wirklich Stimmungen, Emotionen oder lediglich beobachtbare Gefühlsausdrücke? Und darüber hinaus: wollen wir maschinelle Systeme, die uns anhand von Daten emotionale Zustände zuschreiben?
+++
Jana Bressem ist Linguistin und Wissenschaftliche Mitarbeiterin an der Professur für Germanistische Sprachwissenschaft, Semiotik und Multimodale Kommunikation an der Technischen Universität Chemnitz. Ihre Forschungsschwerpunkte sind u.a. Multimodalität, typologische Gestenforschung, Sprache und Kognition sowie Mensch und Technik. Im Wissenschaftspodcast “Talking Bodies” spricht Jana gemeinsam mit Silva Ladewig, Sprachwissenschaftlerin von der Uni Göttingen, zu Themen der Sprache, Gestik und Kommunikation.
Björn Schuller ist Professor für Health Informatics an der Technischen Universität München sowie Professor für Künstliche Intelligenz am Imperial College London. Darüber hinaus ist er Mitbegründer, CEO und derzeitiger Chief Scientific Officer der audEERING GmbH – einem Start-up im Bereich intelligenter Audiotechnik. Björns Forschungsschwerpunkte sind u.a. Maschinelles Lernen, automatische Spracherkennung und Affective Computing.
+++
Linkliste
Emotionstheorien
Ekman & Friesen: Facial Action Coding System (FACS)
Das Emotionswörterbuch für das FACS: "EMFACS" von Friesen & Ekman
Feldman Barrett (2006), Are emotions natural kinds? Perspectives on Psychological Science.
Feldman Barrett et al. (2019), Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological Science in the Public Interest.
Gendron et al. (2014), Perceptions of emotion from facial expressions are not culturally universal: Evidence from a remote culture. Emotion.
„Whisper“ von OpenAI
Plutchiks "Emotion Wheel"
Sander et al. (2005), A systems approach to appraisal mechanisms in emotion. Neural Networks.
Wagner et al. (2022), Dawn of the transformer era in speech emotion recognition: Closing the valence gap.
Studie am KIT: AI Recognizes Athletes’ Emotions.
Mehrabian & Weiner (1967), Decoding of inconsistent communications. Journal of Personality and Social Psychology.
Schuller (2006), Automatische Emotionserkennung aus sprachlicher und manueller Interaktion. Dissertation.
Buolamwini & Gebru (2018), Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of Machine Learning Research.
Halberstadt et al. (2018), Preservice teachers’ racialized emotion recognition, anger bias, and hostility attributions. Contemporary Educational Psychology.
Talking Bodies Folge # 33 – Zeigt der Körper an, wenn wir lügen?
Bond & DePaulo (2006), Accuracy of deception judgments. Personality and Social Psychology Review.
EMOBIO, Fraunhofer: KI-gestützte Emotionserkennung im Fahrzeug aus physiologischen Daten.
Q for Sales-Software zur Emotionsanalyse von Kund*innen
EU-Projekt iBorderCtrl: Kommt der Lügendetektor oder kommt er nicht?
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.
+++
Der empathische Roboter, der anhand von Mimik, Stimme oder Körperhaltung erkennt, wie man sich fühlt, um wahlweise aufzuheitern, zu loben, oder emotionale Unterstützung anzubieten – klingt sehr nach Science Fiction, oder? Tatsächlich wurden im Rahmen des sogenannten Affective Computing in den letzten Jahren enorme Fortschritte erzielt, sodass diese Vorstellung keine reine Zukunftsmusik mehr ist. KI-basierte Systeme zur Emotionsdetektion sind jedoch komplex und umstritten. Was können sie wirklich messen? Sind es wirklich Stimmungen, Emotionen oder lediglich beobachtbare Gefühlsausdrücke? Und darüber hinaus: wollen wir maschinelle Systeme, die uns anhand von Daten emotionale Zustände zuschreiben?
+++
Jana Bressem ist Linguistin und Wissenschaftliche Mitarbeiterin an der Professur für Germanistische Sprachwissenschaft, Semiotik und Multimodale Kommunikation an der Technischen Universität Chemnitz. Ihre Forschungsschwerpunkte sind u.a. Multimodalität, typologische Gestenforschung, Sprache und Kognition sowie Mensch und Technik. Im Wissenschaftspodcast “Talking Bodies” spricht Jana gemeinsam mit Silva Ladewig, Sprachwissenschaftlerin von der Uni Göttingen, zu Themen der Sprache, Gestik und Kommunikation.
Björn Schuller ist Professor für Health Informatics an der Technischen Universität München sowie Professor für Künstliche Intelligenz am Imperial College London. Darüber hinaus ist er Mitbegründer, CEO und derzeitiger Chief Scientific Officer der audEERING GmbH – einem Start-up im Bereich intelligenter Audiotechnik. Björns Forschungsschwerpunkte sind u.a. Maschinelles Lernen, automatische Spracherkennung und Affective Computing.
+++
Linkliste
Emotionstheorien
Ekman & Friesen: Facial Action Coding System (FACS)
Das Emotionswörterbuch für das FACS: "EMFACS" von Friesen & Ekman
Feldman Barrett (2006), Are emotions natural kinds? Perspectives on Psychological Science.
Feldman Barrett et al. (2019), Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological Science in the Public Interest.
Gendron et al. (2014), Perceptions of emotion from facial expressions are not culturally universal: Evidence from a remote culture. Emotion.
„Whisper“ von OpenAI
Plutchiks "Emotion Wheel"
Sander et al. (2005), A systems approach to appraisal mechanisms in emotion. Neural Networks.
Wagner et al. (2022), Dawn of the transformer era in speech emotion recognition: Closing the valence gap.
Studie am KIT: AI Recognizes Athletes’ Emotions.
Mehrabian & Weiner (1967), Decoding of inconsistent communications. Journal of Personality and Social Psychology.
Schuller (2006), Automatische Emotionserkennung aus sprachlicher und manueller Interaktion. Dissertation.
Buolamwini & Gebru (2018), Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of Machine Learning Research.
Halberstadt et al. (2018), Preservice teachers’ racialized emotion recognition, anger bias, and hostility attributions. Contemporary Educational Psychology.
Talking Bodies Folge # 33 – Zeigt der Körper an, wenn wir lügen?
Bond & DePaulo (2006), Accuracy of deception judgments. Personality and Social Psychology Review.
EMOBIO, Fraunhofer: KI-gestützte Emotionserkennung im Fahrzeug aus physiologischen Daten.
Q for Sales-Software zur Emotionsanalyse von Kund*innen
EU-Projekt iBorderCtrl: Kommt der Lügendetektor oder kommt er nicht?
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.
1 Stunde 8 Minuten
Bitte schenkt uns 10 Minuten eurer Zeit, um an der Evaluation unseres Podcasts teilzunehmen! Danke! Zur Umfrage geht es hier.
+++
Unter dem Stichwort "Erklärbare KI" (Explainable AI, XAI) werden Ansätze verstanden, mit Hilfe derer KI-Systeme selbst Erklärungen über ihre Funktionsweise und ihre Ergebnisse an die Nutzenden kommunizieren. Klingt simpel? Ist es aber nicht. Erklärungen können die Nachvollziehbarkeit eines Systems erhöhen, sie können aber auch nur das Gefühl erwecken, das System verstanden zu haben. Oder sie können Antworten auf Fragen geben, die die Nutzenden gar nicht haben. Was es alles zu beachten gilt und wie sich die Forschung zu XAI in den letzten Jahren gewandelt hat, das erfahrt ihr bei uns!
+++
Katharina Rohlfing ist Professorin für Psycholinguistik an der Universität Paderborn und Sprecherin des Sonderforschungsbereich/Transregio 318 "Constructing Explainability", in dem Forscher*innen Wege erforschen, die Nutzer*innen in den Erklärprozess einzubinden und damit ko-konstruktive Erklärungen zu schaffen. Darüber sind ihre Forschungsschwerpunkte u.a. Multimodale Interaktion, frühkindlicher Spracherwerb und Gedächtnisprozesse und Kind-Roboter Interaktion.
Tim Schrills ist Wissenschaftlicher Mitarbeiter an der Professur für Ingenieurpsychologie und Kognitive Ergonomie am Institut für Multimediale und Interaktive Systeme der Universität zu Lübeck. In seiner Forschung beschäftigt er sich u.a. mit der Unterstützung menschlicher Informationsverarbeitung durch KI-Systeme, Methoden der Erklärbarkeit sowie KI-Systemen in der Medizin.
+++
Linkliste
Madsen & Gregor (2000), Measuring Human-Computer Trust.
Jian et al. (2010), Foundations for an Empirically Determined Scale of Trust in Automated Systems. International Journal of Cognitive Ergonomics.
Bartlett & McCarley (2017), Benchmarking Aided Decision Making in a Signal Detection Task. Human Factors.
Schrills (2023), Erklärbare KI. In: Künstliche Intelligenz in öffentlichen Verwaltungen.
Chromik et al. (2021), I Think I Get Your Point, AI! The Illusion of Explanatory Depth in Explainable AI. Proceedings of the 26th International Conference on Intelligent User Interfaces.
Schrills & Franke (2023), How Do Users Experience Traceability of AI Systems? Examining Subjective Information Processing Awareness in Automated Insulin Delivery (AID) Systems. ACM Transactions on Interactive Intelligent Systems.
Yacobi et al. (2022), “If it didn’t happen, why would I change my decision?”: How Judges Respond to Counterfactual Explanations for the Public Safety Assessment. Proceedings of the Tenth AAAI Conference on Human Computation and Crowdsourcing.
Rohlfing et al. (2020), Explanation as a Social Practice: Toward a Conceptual Framework for the Social Design of AI Systems. IEEE Transactions on Cognitive and Developmental Systems.
Buschmeier et al. (2023), Forms of Understanding of XAI-Explanations. arXiv.
EU AI Act: Einheitliche Regeln für Künstliche Intelligenz in der EU
Häntzschel & Schrills (2024), Der EU AI Act und seine Auswirkungen auf Human-Computer Interaction. (YouTube-Video)
Deck et al. (2024), A Critical Survey on Fairness Benefits of Explainable AI. Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.
+++
Unter dem Stichwort "Erklärbare KI" (Explainable AI, XAI) werden Ansätze verstanden, mit Hilfe derer KI-Systeme selbst Erklärungen über ihre Funktionsweise und ihre Ergebnisse an die Nutzenden kommunizieren. Klingt simpel? Ist es aber nicht. Erklärungen können die Nachvollziehbarkeit eines Systems erhöhen, sie können aber auch nur das Gefühl erwecken, das System verstanden zu haben. Oder sie können Antworten auf Fragen geben, die die Nutzenden gar nicht haben. Was es alles zu beachten gilt und wie sich die Forschung zu XAI in den letzten Jahren gewandelt hat, das erfahrt ihr bei uns!
+++
Katharina Rohlfing ist Professorin für Psycholinguistik an der Universität Paderborn und Sprecherin des Sonderforschungsbereich/Transregio 318 "Constructing Explainability", in dem Forscher*innen Wege erforschen, die Nutzer*innen in den Erklärprozess einzubinden und damit ko-konstruktive Erklärungen zu schaffen. Darüber sind ihre Forschungsschwerpunkte u.a. Multimodale Interaktion, frühkindlicher Spracherwerb und Gedächtnisprozesse und Kind-Roboter Interaktion.
Tim Schrills ist Wissenschaftlicher Mitarbeiter an der Professur für Ingenieurpsychologie und Kognitive Ergonomie am Institut für Multimediale und Interaktive Systeme der Universität zu Lübeck. In seiner Forschung beschäftigt er sich u.a. mit der Unterstützung menschlicher Informationsverarbeitung durch KI-Systeme, Methoden der Erklärbarkeit sowie KI-Systemen in der Medizin.
+++
Linkliste
Madsen & Gregor (2000), Measuring Human-Computer Trust.
Jian et al. (2010), Foundations for an Empirically Determined Scale of Trust in Automated Systems. International Journal of Cognitive Ergonomics.
Bartlett & McCarley (2017), Benchmarking Aided Decision Making in a Signal Detection Task. Human Factors.
Schrills (2023), Erklärbare KI. In: Künstliche Intelligenz in öffentlichen Verwaltungen.
Chromik et al. (2021), I Think I Get Your Point, AI! The Illusion of Explanatory Depth in Explainable AI. Proceedings of the 26th International Conference on Intelligent User Interfaces.
Schrills & Franke (2023), How Do Users Experience Traceability of AI Systems? Examining Subjective Information Processing Awareness in Automated Insulin Delivery (AID) Systems. ACM Transactions on Interactive Intelligent Systems.
Yacobi et al. (2022), “If it didn’t happen, why would I change my decision?”: How Judges Respond to Counterfactual Explanations for the Public Safety Assessment. Proceedings of the Tenth AAAI Conference on Human Computation and Crowdsourcing.
Rohlfing et al. (2020), Explanation as a Social Practice: Toward a Conceptual Framework for the Social Design of AI Systems. IEEE Transactions on Cognitive and Developmental Systems.
Buschmeier et al. (2023), Forms of Understanding of XAI-Explanations. arXiv.
EU AI Act: Einheitliche Regeln für Künstliche Intelligenz in der EU
Häntzschel & Schrills (2024), Der EU AI Act und seine Auswirkungen auf Human-Computer Interaction. (YouTube-Video)
Deck et al. (2024), A Critical Survey on Fairness Benefits of Explainable AI. Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency.
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.
1 Stunde 38 Minuten
In Medizin und Gesundheitswesen haben Systeme der Künstlichen Intelligenz längst Einzug gehalten – und das aus gutem Grund, denn man verspricht sich eine verbesserte Diagnostik, präzise Verlaufsprognosen und vereinfachte Administration in einem immer stärker belasteten Gesundheitssystem. In welchen Bereichen werden die größten Potenziale gesehen? Warum ist angemessenes Vertrauen so wichtig, wenn es um die Nutzung von KI-Systemen geht? Und wie kann man sich ein ganz spezifisches bildanalysierendes System für die Darmspiegelung vorstellen?
+++
Susanne Gaube ist Assistenzprofessorin für Human Factors in Healthcare an der Global Business School for Health (GBSH) am University College London. Sie wurde an der Uni Regensburg zu den psychologischen Faktoren, die das Handhygieneverhalten im Krankenhaus beeinflussen, promoviert. Nach ihrer Promotion, für die sie den Max-Weber-Preis der Bayerischen Akademie der Wissenschaften erhielt, hat sie auch auf den Bereich Mensch-KI-Interaktion im Gesundheitssystem fokussiert. Susanne Gaubes primäre Forschung dreht sich somit um das Verstehen und Optimieren von Faktoren, die die Mensch-KI-Interaktion im Gesundheitswesen beeinflussen.
Thomas Wittenberg ist Wissenschaftlicher Leiter am Fraunhofer-Institut für Integrierte Schaltungen in Erlangen und außerdem Projekt- und Arbeitsgruppenleiter an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Seine Forschungsthemen umfassen unter anderem Intelligente Bildanalyse in der Endoskopie, Digitale Pathologie und Mammographie.
+++
Linkliste
Ada: Künstliche Intelligenz als Diagnosehilfe
Emotion AI: Multimodale Emotionsanalyse (Projekt am Fraunhofer IIS)
Medizinische Messtechnik (Forschungsbereich am Fraunhofer IIS)
Detektion von Polypen und Läsionen während der Koloskopie (Projekt am Fraunhofer IIS)
Technikakzeptanzmodelle
Cecil et al. (2024), Einflussfaktoren auf die Nutzung KI-gestützter Technologien in der psychischen Gesundheitsversorgung. In Klein et al., Künstliche Intelligenz im Healthcare-Sektor.
Klare et al. (2019). Automated polyp detection in the colorectum: a prospective study. Gastrointestinal Endoscopy.
Dinge et al., (2024). Predictors of Healthcare Practitioners' Intention to Use AI-Enabled Clinical Decision Support Systems (AI-CDSSs): A Meta-Analysis Based on the Universal Theory of Acceptance and Use of Technology (UTAUT). JMIR Preprints.
Hummelsberger et al. (2023). Insights on the Current State and Future Outlook of AI in Health Care: Expert Interview Study. JMIR AI.
Lapuschkin et al. (2019). Unmasking Clever Hans predictors and assessing what machines really learn. Nature Communications (Studie zur Erkennung von Pferdefotos anhand der Quellen-URL)
Zulassung, Zertifizierung und CE-Kennzeichnung von Medizinprodukten
EU-Gesetz zur Künstlichen Intelligenz
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.
+++
Susanne Gaube ist Assistenzprofessorin für Human Factors in Healthcare an der Global Business School for Health (GBSH) am University College London. Sie wurde an der Uni Regensburg zu den psychologischen Faktoren, die das Handhygieneverhalten im Krankenhaus beeinflussen, promoviert. Nach ihrer Promotion, für die sie den Max-Weber-Preis der Bayerischen Akademie der Wissenschaften erhielt, hat sie auch auf den Bereich Mensch-KI-Interaktion im Gesundheitssystem fokussiert. Susanne Gaubes primäre Forschung dreht sich somit um das Verstehen und Optimieren von Faktoren, die die Mensch-KI-Interaktion im Gesundheitswesen beeinflussen.
Thomas Wittenberg ist Wissenschaftlicher Leiter am Fraunhofer-Institut für Integrierte Schaltungen in Erlangen und außerdem Projekt- und Arbeitsgruppenleiter an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Seine Forschungsthemen umfassen unter anderem Intelligente Bildanalyse in der Endoskopie, Digitale Pathologie und Mammographie.
+++
Linkliste
Ada: Künstliche Intelligenz als Diagnosehilfe
Emotion AI: Multimodale Emotionsanalyse (Projekt am Fraunhofer IIS)
Medizinische Messtechnik (Forschungsbereich am Fraunhofer IIS)
Detektion von Polypen und Läsionen während der Koloskopie (Projekt am Fraunhofer IIS)
Technikakzeptanzmodelle
Cecil et al. (2024), Einflussfaktoren auf die Nutzung KI-gestützter Technologien in der psychischen Gesundheitsversorgung. In Klein et al., Künstliche Intelligenz im Healthcare-Sektor.
Klare et al. (2019). Automated polyp detection in the colorectum: a prospective study. Gastrointestinal Endoscopy.
Dinge et al., (2024). Predictors of Healthcare Practitioners' Intention to Use AI-Enabled Clinical Decision Support Systems (AI-CDSSs): A Meta-Analysis Based on the Universal Theory of Acceptance and Use of Technology (UTAUT). JMIR Preprints.
Hummelsberger et al. (2023). Insights on the Current State and Future Outlook of AI in Health Care: Expert Interview Study. JMIR AI.
Lapuschkin et al. (2019). Unmasking Clever Hans predictors and assessing what machines really learn. Nature Communications (Studie zur Erkennung von Pferdefotos anhand der Quellen-URL)
Zulassung, Zertifizierung und CE-Kennzeichnung von Medizinprodukten
EU-Gesetz zur Künstlichen Intelligenz
+++
Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!
Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.de
Unser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.social
Unser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback
+++
"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion. Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.
Redaktionelle Unterstützung: Johanna Dobroschke.
Postproduktion: Anne-Katrin Pache-Wilke und Christiane Attig.
Musik: Almut Schwacke.
Grafikdesign: Sven Sedivy.
Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Wissenschaftsjahres 2024 – Freiheit.
