Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
pai19. November 2024 · Q000928

Towards Responsible AI Content

partnershiponai.org · Originalbericht öffnen ↗

Zusammenfassung

Kurz

PAI empfiehlt, wesentliche KI-Bearbeitungen kontextbezogen zu definieren, Medien mit aussagekräftigen Kontextinformationen zu versehen und Offenlegungssignale zu vereinheitlichen. Außerdem fordert der Bericht koordinierte Medienbildung und zusätzliche Maßnahmen zur Schadensbegrenzung, da Kennzeichnungen allein etwa KI-generiertes Material über sexuellen Kindesmissbrauch nicht ausreichend eindämmen können.

Mittel

Partnership on AI (PAI) leitet aus fünf Fallstudien fünf Empfehlungen zur direkten Offenlegung von KI-generierten oder KI-veränderten Medien ab. Eine letzte Gruppe von Fallstudien soll die Empfehlungen Anfang 2025 weiterentwickeln.

Erstens sollten verschiedene Interessengruppen und Nutzerforschung klären, wann KI-Bearbeitungen inhaltlich wesentlich sind. Als typische Beispiele nennt der Bericht Inhalte zu Wahlen und aktuellen Ereignissen, fotorealistische Darstellungen sowie Änderungen, die Personen etwas sagen oder tun lassen, was nicht geschehen ist. Eine allgemeingültige Definition sei wegen der Bedeutung des Kontexts kaum möglich; auch scheinbar kosmetische Änderungen können relevant werden.

Zweitens empfiehlt PAI, Medien mit Kontextinformationen wie Quelle, Herkunft und Authentizitätsprüfung zu versehen, damit das Publikum Änderungen besser einordnen kann. Solche Angaben bestätigen jedoch nicht automatisch die Richtigkeit eines Inhalts. Drittens sollen Angaben und visuelle Signale vereinheitlicht werden, etwa durch verbreitete Standards wie Content Credentials, mit Anpassungsspielraum für Plattformen.

Viertens fordert der Bericht mehr Ressourcen und Koordination für KI- und Medienbildung. Dabei müsse klar werden, was Offenlegungen aussagen und was nicht. Fünftens seien Kennzeichnungen allein zur Schadensvermeidung unzureichend: Bei Risiken wie KI-generiertem Material über sexuellen Kindesmissbrauch brauche es zusätzliche Maßnahmen entlang der Entwicklung, Bereitstellung und des Hostings von Modellen und Inhalten.

Ausführlich lesen

Der Bericht von Partnership on AI (PAI) entwickelt fünf politische Empfehlungen zur direkten Offenlegung von KI-generierten oder KI-veränderten Medien. Grundlage sind fünf Fallstudien zur Umsetzung des Synthetic Media Frameworks. Nach einer ersten Gruppe von zehn Fällen, die unter anderem Transparenz, Einwilligung und verantwortungsvolle beziehungsweise schädliche Anwendungen behandelte, richtet sich diese Auswertung auf Signale wie Kennzeichnungen, die dem Publikum Änderungen durch KI mitteilen. PAI kündigt an, die Empfehlungen mit einer letzten Gruppe von Fallstudien Anfang 2025 weiterzuentwickeln.

Erstens empfiehlt PAI, gemeinsam mit verschiedenen Interessengruppen und durch Nutzerforschung genauer zu bestimmen, wann eine KI-Bearbeitung inhaltlich wesentlich ist und deshalb eine auffällige direkte Offenlegung verdient. Eine umfassende, kontextunabhängige Definition dürfte laut Bericht kaum möglich sein, weil die Bedeutung von Bearbeitungen vom jeweiligen Zusammenhang abhängt. Die angeführten Forschungsergebnisse nennen Inhalte zu Wahlen und aktuellen Ereignissen, fotorealistische Inhalte sowie Darstellungen, die Personen etwas tun oder sagen lassen, was sie nicht getan oder gesagt haben, als typische wesentliche Fälle. Farbkorrektur, Entrauschung und übliche ästhetische Anpassungen gelten dagegen oft als unwesentlich. Auch kosmetische Bearbeitungen können jedoch wesentlich werden, etwa wenn die Hautfarbe einer Politikerin oder eines Politikers verändert wird; deshalb sei der Kontext mitzuberücksichtigen.

Zweitens plädiert PAI für reichhaltige Kontextinformationen zu allen Medien, unabhängig davon, ob KI eingesetzt wurde. Solche indirekten Offenlegungen könnten dem Publikum helfen, selbst einzuschätzen, ob eine Änderung bedeutsam ist, und vermeiden, diese Bewertung allein wenigen Unternehmen zu überlassen. Als mögliche Angaben nennt der Bericht Quelle und Herkunft eines Inhalts sowie Informationen darüber, wer seine Authentizität geprüft hat. Solche Angaben können die Einschätzung unterstützen, belegen aber für sich genommen nicht zwingend die Richtigkeit des Inhalts.

Drittens sollen Angaben zu Medien und die dafür verwendeten visuellen Signale stärker standardisiert werden. Ein bloßer Hinweis, dass KI beteiligt war, reiche zur Beurteilung der Bedeutung einer Änderung oft nicht aus. Laut den Fallstudien verwenden Anbieter unterschiedliche Details und Symbole; uneinheitliche Signale könnten es erschweren, Authentizität zu erkennen, und Irreführung begünstigen. PAI schlägt vor, verbreitete Standards wie Content Credentials zu übernehmen oder einen Standardisierungsprozess etwa bei NIST oder internationalen Gremien zu prüfen. Die Darstellung soll zugleich an Plattformen und ihre Nutzeroberflächen angepasst werden können.

Viertens fordert der Bericht mehr Mittel und bessere Koordination für KI- und Medienbildung, insbesondere mit Akteuren, denen Menschen im öffentlichen Leben vertrauen. Bildung soll vermitteln, was Offenlegungen aussagen und was nicht: Die Herkunft oder Bearbeitungsgeschichte eines Inhalts bestätigt nicht automatisch dessen Genauigkeit. Auch eine bessere KI-Kenntnis unter Journalistinnen und Journalisten könne zu sachkundigerer Berichterstattung beitragen.

Fünftens sollen Regeln zur direkten Offenlegung durch Maßnahmen zur Schadensbegrenzung ergänzt werden. Die Fallstudien von Thorn und Forschenden des Stanford HAI heben insbesondere die Risiken KI-generierten Materials über sexuellen Kindesmissbrauch hervor. Kennzeichnungen allein reichten hier laut PAI nicht aus. Zusätzliche Eingriffe sollten bereits bei Erstellung, Entwicklung, Bereitstellung und Hosting von Modellen und Inhalten ansetzen. Der Bericht betont damit, dass Transparenzmaßnahmen wichtig sind, aber schwere Schäden nicht allein verhindern können.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu, lässt aber den Rahmenkontext aus und ist deshalb als kleiner Mangel zu werten; die Einordnung stützt sich nur auf den Bericht und bewertet Lunas eigene Stufen nicht.

Im Bericht, aber nicht in der Zusammenfassung

  • Start des Synthetic Media Frameworks im Februar 2023 mit 18 Unterstützerorganisationen
  • Vorgängerrunde mit zehn Fallstudien und PAI-Fallstudie im März 2024
  • Beispiele aus den Fallstudien wie Meta und Microsoft Content Credentials
  • Begründung, warum gerade die direkte Offenlegung als unterbelichteter Bereich gewählt wurde

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. SF-M5 Was muss vor und nach einem Vorfall geschehen, damit Verantwortliche einstehen, man daraus lernt, Beweise bleiben und Betroffene auch über Grenzen hinweg zu ihrem Recht kommen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 33 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 45 %gleiches Oberthema, hilft nicht
    • JEV 28 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 56 %einzelne zitierbare Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 46 %einzelne zitierbare Belege
    • JEV 26 %nur am Rande erwähnt
    • amos 24 %Hintergrund, keine Belege
    • SubQ 31 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 44 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 24 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 25 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 20 %gleiches Oberthema, hilft nicht
    • Luna 49 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 21 %gleiches Oberthema, hilft nicht
    • Luna 36 %gleiches Oberthema, hilft nicht
    • JEV 63 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 46 %nur am Rande erwähnt
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 61 %Hintergrund, keine Belege
    • JEV 21 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 24 %nur am Rande erwähnt
    • Luna 67 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 31 %gleiches Oberthema, hilft nicht
    • drex 23 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 24 %beantwortet teilweise oder widerspricht
    • Luna 81 %einzelne zitierbare Belege
    • JEV 45 %beantwortet teilweise oder widerspricht
    • amos 28 %beantwortet teilweise oder widerspricht
    • SubQ 28 %beantwortet direkt und ausführlich
    • drex 48 %beantwortet direkt und ausführlich
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-I1-T01 Welche gemeinsamen Standards für Herkunftsnachweis und Erkennung (Wasserzeichen, signierte Metadaten, Fingerabdrücke von Modellen) würden Labore, Plattformen und Regierungen einführen, damit KI-erzeugte Texte, Tonaufnahmen und Videos über Ländergrenzen hinweg zuverlässig zuzuordnen sind? Luna: Stufe 4 · 45 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 5 · umfangreiche Belege
    • SF-I1-T02 Welche gemeinsamen Regeln sollten Labore und Regierungen für Herkunftsnachweis, Kennzeichnung und schnelle Reaktion auf maschinell erzeugte oder veränderte Medien oder Texte annehmen, die eingesetzt werden, um die Öffentlichkeit zu täuschen, und dabei Journalismus, Satire und Forschung schützen? Luna: Stufe 4 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →