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
pai8. November 2022 · Q003229

9bc51a3

partnershiponai.org · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der vorgelegte Berichtsausschnitt beschreibt, wie PAI und DeepMind Leitlinien, Prüfverfahren und praktische Hilfsmittel für eine verantwortungsvollere Beschaffung von Datenanreicherungsarbeit entwickelten und nach Tests mit zwei Teams intern einführten. Als Grenzen nennt er die Vielfalt der Einsatzfälle und ungenaue Standortdaten, die eine faire ortsbezogene Bezahlung erschweren; quantitative Wirkungsergebnisse enthält der Ausschnitt nicht.

Mittel

Der vorgelegte Berichtsausschnitt schildert, wie PAI und DeepMind Empfehlungen für verantwortungsvolle Datenanreicherung in interne Abläufe überführten. Nach einer Bestandsaufnahme entwickelten sie Materialien, holten Rückmeldungen verschiedener Fachbereiche ein und erprobten Leitfaden und Prüfverfahren mit zwei Forschungsteams, bevor sie diese organisationsweit einführten.

Zu den Ergebnissen zählen ein kurzer Leitfaden, ein angepasstes Prüfverfahren, eine Checkliste für Arbeitsanweisungen, ein Anbietervergleich und eine Tabelle lokaler existenzsichernder Löhne. Der Leitfaden empfiehlt Pilotprojekte, passende Arbeitskräfte und klare Anweisungen sowie regelmäßige Kommunikationswege. DeepMind untersagte laut Bericht unbegründete massenhafte Aufgabenablehnungen, verpflichtete sich grundsätzlich zur Bezahlung der aufgewendeten Zeit und wollte nur Anbieter nutzen, die in Geld zahlen. Abweichungen von den Leitlinien müssen begründet oder korrigiert werden; Ausnahmen bei existenzsichernder Bezahlung und einer Kontaktmöglichkeit für Beschäftigte sind ausgeschlossen.

Der Bericht nennt Schwierigkeiten: sehr unterschiedliche Anwendungsfälle erschweren allgemeine Regeln, und Plattformen liefern teils nur Standortdaten auf Landesebene. Das macht eine faire, ortsgenaue Bezahlung schwer. Rückmeldungen flossen über Gespräche, Interviews und Umfragen ein. Der Ausschnitt nennt keine quantitativen Wirkungsdaten und hält fest, dass Leitlinien mit neuen Anwendungsfällen weiterentwickelt werden müssen.

Ausführlich lesen

Der vorgelegte Berichtsausschnitt beschreibt die Zusammenarbeit von Partnership on AI (PAI) und DeepMind, mit der DeepMind verantwortungsvolle Praktiken bei der Beschaffung angereicherter Daten dauerhaft in Forschungsprojekten verankern wollte. Das Umsetzungsteam prüfte zunächst bestehende Abläufe, entwickelte anschließend Hilfsmittel und holte Rückmeldungen von Forschenden, Ingenieurinnen und Ingenieuren, Programmverantwortlichen sowie Rechts-, Sicherheits- und Datenschutzfachleuten ein. Zwei Forschungsteams erprobten die Materialien und das Prüfverfahren; nach Überarbeitungen wurden sie organisationsweit eingeführt.

Als zentrale Ergebnisse nennt der Bericht fünf Ressourcen beziehungsweise Änderungen: einen zweiseitigen Leitfaden, ein angepasstes Prüfverfahren, eine Checkliste für verständliche Arbeitsanweisungen, einen Vergleich von Anbietern und Plattformfunktionen sowie eine Tabelle mit lokalen existenzsichernden Löhnen. Der Leitfaden empfiehlt, ein geeignetes Bezahlmodell zu wählen und mindestens den lokalen existenzsichernden Lohn zu zahlen, vorab Pilotprojekte durchzuführen, passende Arbeitskräfte auszuwählen, geprüfte Anweisungen oder Schulungen bereitzustellen und regelmäßige Kommunikationswege einzurichten. Piloten sollen unter anderem helfen, Aufgaben und Anweisungen zu testen, Rückmeldungen einzuholen und Zeitaufwand sowie angemessene Vergütung besser einzuschätzen.

Laut Bericht untersagte DeepMind massenhafte Ablehnungen von Aufgaben ohne Begründung und wollte Beschäftigte grundsätzlich für ihre aufgewendete Zeit bezahlen, sofern keine klaren Betrugsbelege vorlagen. Außerdem sollten nur Anbieter in Regionen genutzt werden, in denen die Bezahlung in Geld statt per Gutschein erfolgt. Das Prüfverfahren ergänzt die bestehende Prüfung von Projekten mit menschlichen Daten um eine Einstufung danach, ob Forschungsteilnehmende oder Datenanreicherungs-Arbeitskräfte betroffen sind. Fachbereiche für verantwortungsvolle Entwicklung, Ethik, Recht, Sicherheit und Datenlösungen prüfen Datenanreicherungsprojekte; Studien mit Forschungsteilnehmenden werden einer IRB-Prüfung zugeordnet. Abweichungen von den Leitlinien müssen begründet oder behoben werden. Ausnahmen bei existenzsichernder Bezahlung und einer klaren Kontaktmöglichkeit für Beschäftigte sind laut Bericht ausgeschlossen.

Die Checkliste für Anweisungen wurde nach Rückmeldungen in verpflichtende, anwendbare und aufgabenabhängige Punkte gegliedert. Der Bericht hebt hervor, dass allgemeine Vorgaben bei sehr unterschiedlichen Projekten nicht immer passen und dass die Grenze zwischen Arbeitskräften, die Trainingsdaten erstellen, und Personen, deren Denkweisen als Forschungsdaten erfasst werden, verschwimmen kann.

Als Grenzen der Umsetzung nennt der Bericht insbesondere die uneinheitliche Verfügbarkeit genauer Standortdaten und die Schwierigkeit, für ein Projekt unterschiedliche Löhne nach Wohnort festzulegen. Wo nur ein Landesdurchschnitt verfügbar ist, sollten Forschende diesen vorläufig verwenden; die Lohntabelle soll regelmäßig aktualisiert werden. Rückmeldungen wurden in Gesprächen, Interviews, Kommentarrunden und Umfragen erhoben, auch vor und während beziehungsweise nach den Pilotprojekten. Der Ausschnitt berichtet jedoch keine quantitativen Wirkungsergebnisse. Er betont vielmehr, dass sich das Wissen über gute Arbeitsbedingungen und die passenden Leitlinien mit neuen Anwendungsfällen weiterentwickeln müsse.

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

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 7 von 7
Angezeigte Modelle
Vorfälle melden
  1. 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 46 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Fähigkeiten messen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-P2-T01 Wer wählt die Prüfer aus, wer bezahlt sie, wer darf sie entlassen, und wird dieser Vertrag vor dem ersten Befund veröffentlicht? Welchen Mindestvertrag, der ihre Unabhängigkeit wahrt, könnten Labore jetzt unterschreiben, ohne auf ein Gesetz zu warten, einschließlich der Frage, wie Berichte veröffentlicht werden? Und wie bleiben die Prüfer unabhängig, wenn Geld oder Infrastruktur vom geprüften Labor kommen? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 32 %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 69 %einzelne zitierbare Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 50 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV 24 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Offenlegung und Rechenschaft
  1. SF-O1 Wie können Mitarbeitende Sicherheitsbedenken melden, ohne alles zu riskieren?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 63 %einzelne zitierbare Belege
    • JEV 33 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 59 %einzelne zitierbare Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 30 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • 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 46 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 62 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 4 · 45 % · einzelne zitierbare Belege
Wirtschaft und Haftung

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 →