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
oecd1. Juni 2021 · Q006441

‘If it isn’t diverse, it isn’t ethical’: the United Kingdom’s approach to AI policy

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt, wie das Vereinigte Königreich mit KI-Institutionen, vielfältigeren Ausbildungsmöglichkeiten und Vorgaben zur öffentlichen Beschaffung ethischere KI fördern wollte. Erste Evaluationsbefunde deuteten laut Beitrag auf mehr Vielfalt unter den Teilnehmenden hin; konkrete Zahlen und langfristige Wirkungen werden nicht angegeben.

Mittel

Der Bericht schildert den britischen Ansatz, ethischere KI durch staatliche Institutionen und eine vielfältigere KI-Belegschaft zu fördern. Als zentralen Gedanken nennt er Wendy Halls Aussage, KI sei nicht ethisch, wenn sie nicht vielfältig sei. Vielfalt umfasst im Beitrag unter anderem Geschlecht, ethnische Zugehörigkeit, Behinderung, soziale Herkunft und fachliche Perspektiven.

2017 wurden das Office for AI, der AI Council und das unabhängige Centre for Data Ethics and Innovation eingerichtet beziehungsweise angekündigt. Ein konkretes Vorhaben des Office for AI und des Office for Students waren flexible Master-Umwandlungskurse an 28 Hochschulen in England. Sie sollten bis 2023 mindestens 2.500 zusätzliche qualifizierte Absolventinnen und Absolventen hervorbringen; 1.000 Stipendien waren für unterrepräsentierte Gruppen vorgesehen. Bezahlte Praxisplätze sollten den Zugang erleichtern. Ergänzend forderten Beschaffungsleitlinien vielfältige Teams und Gleichstellungsprüfungen bei staatlichen KI-Anwendungen.

Laut den im Bericht wiedergegebenen frühen Befunden einer externen Evaluation habe das Programm die Vielfalt der Teilnehmenden verbessert. Zahlen, Evaluationsmethodik und langfristige Wirkungen nennt der Text nicht; Erfahrungsberichte wurden noch gesammelt.

Ausführlich lesen

Der Bericht beschreibt den Ansatz des Vereinigten Königreichs, ethischere KI durch staatliche Institutionen und mehr Vielfalt in der KI-Belegschaft zu fördern. Sein Leitgedanke stammt von Professorin Dame Wendy Hall: „Wenn es nicht vielfältig ist, ist es nicht ethisch.“ Der Beitrag argumentiert, dass KI die Gesellschaft besser widerspiegeln könne, wenn unterschiedliche Gruppen sowohl bei ihrer Entwicklung als auch bei Entscheidungen über ihren Einsatz vertreten seien. Vielfalt umfasst dabei nicht nur Geschlecht und ethnische Zugehörigkeit, sondern auch Behinderung, soziale Herkunft und unterschiedliche fachliche Perspektiven.

Als Begründung für staatliches Handeln führt der Bericht an, KI könne sich in ihrer Entwicklung und Nutzung selbst verstärken und dadurch rasch weitreichende Auswirkungen entfalten. 2017 wurden mehrere Institutionen geschaffen oder angekündigt: Das Office for AI sollte die KI-Politik und ihre Umsetzung voranbringen; der AI Council versammelte laut Beitrag 22 Fachleute und Führungskräfte aus Industrie, Forschung, Hochschulen und Zivilgesellschaft. Ergänzend berät das unabhängige Centre for Data Ethics and Innovation Regierung und Regulierungsbehörden zu Fragen der Datennutzung, auch im Zusammenhang mit KI. Der Beitrag erklärt, dass Ethik im AI Review nicht im Mittelpunkt gestanden habe, weil das Centre einen breiteren Auftrag zur Datenverantwortung übernehmen sollte.

Ein konkretes Vorhaben setzte an der Ausbildung an. Das Office for AI arbeitete dafür mit dem Office for Students zusammen, weil die Zuständigkeiten für KI-Kompetenzen und Hochschulbildung auf verschiedene Stellen verteilt seien. Die gemeinsam entwickelten Master-Umwandlungskurse sollten bis 2023 mindestens 2.500 zusätzliche hoch qualifizierte Absolventinnen und Absolventen hervorbringen. Für Studierende aus unterrepräsentierten Gruppen – insbesondere Frauen, Schwarze Studierende und Menschen mit Behinderung – waren 1.000 Stipendien vorgesehen. Die Kurse starteten ab Herbst 2020 an 28 Hochschulen in England. Flexible Lernangebote und bezahlte Praxisplätze sollten den Zugang auch für Menschen mit Arbeit, Sorgepflichten oder einem späteren beruflichen Wechsel erleichtern.

Der Beitrag stellt diese Kurse als Teil eines breiteren Ansatzes dar. Leitlinien für die Beschaffung von KI im öffentlichen Sektor verlangten vielfältige Teams und verwiesen auf die gesetzliche Gleichstellungspflicht. Bei der Einführung von KI-Lösungen sollten neben Folgen für den Datenschutz auch Gleichstellungsfolgen geprüft werden. Eine vielfältigere Ausbildung solle zudem dazu beitragen, genügend Fachkräfte für staatliche Stellen und die öffentliche Beschaffung auszubilden.

Zu den Ergebnissen berichtet der Text lediglich frühe Befunde: Eine externe Evaluation durch CRAC habe nach Angaben des Beitrags erste Hinweise darauf ergeben, dass das Programm die Vielfalt der Teilnehmenden verbessert habe. Eine genaue Methodik, Zahlen zur Veränderung oder längerfristige Wirkungen werden nicht genannt. Erfahrungsberichte von Stipendiatinnen und Stipendiaten würden noch zusammengetragen. Die Darstellung belegt daher vor allem Ziele, Maßnahmen und institutionelle Zuständigkeiten; die Wirkung bleibt anhand der vorgelegten Angaben vorläufig. Der Text enthält außerdem Bildverweise und nachgetragene Bildunterschriften, aus denen sich hier keine zusätzlichen Ergebnisse ableiten lassen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht behandelt britische KI-Politik mit Schwerpunkt auf Ethik, Diversität und Ausbildung, nicht auf KI-Sicherheit im engeren Sinn; die niedrigen Einordnungen spiegeln das wider. Lunas Stufen und Anteilswerte wurden nicht übernommen, sondern unabhängig vergeben. Die Kurzfassung ist sachlich korrekt, wenn ihre Aussage zu fehlenden Zahlen auf die Evaluation bezogen ist.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Centre for Data Ethics and Innovation geht auf den Data-Governance-Bericht von Royal Society und British Academy zurück, nicht auf den AI Review, und Ethik war im AI Review kein Schwerpunkt
  • Der AI Council umfasst 22 Fachleute aus Industrie, Forschung und Zivilgesellschaft
  • Die Gleichstellungsprüfungen stützen sich auf die Public Sector Equality Duty des Equalities Act
  • Die externe Evaluation führt CRAC im Auftrag des OfS durch, und Fallstudien zu Stipendiatinnen und Stipendiaten werden gesammelt

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-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 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 54 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. 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 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 73 %Hintergrund, keine Belege
    • JEV 51 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 39 %gleiches Oberthema, hilft nicht
    • Luna 39 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 76 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 54 %Hintergrund, keine Belege
    • JEV 38 %Hintergrund, keine Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 28 %Hintergrund, keine Belege
    • d3-ultra 61 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 65 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 73 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 78 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 24 %Hintergrund, keine Belege
    • Luna 38 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 24 %einzelne zitierbare Belege
    • d3-ultra 46 %gleiches Oberthema, hilft nicht

  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 26 %Hintergrund, keine Belege
    • Luna 71 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 27 %einzelne zitierbare Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 28 %Hintergrund, keine Belege
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 24 %Hintergrund, keine Belege
    • Luna 51 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 38 %einzelne zitierbare Belege
    • SubQ 43 %einzelne zitierbare Belege
    • drex 44 %einzelne zitierbare Belege
    • d3-ultra 56 %einzelne zitierbare Belege
    • Haiku-Prüfung umfangreiche Belege
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 74 %gleiches Oberthema, hilft nicht

  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 40 %einzelne zitierbare Belege
    • JEV 39 %Hintergrund, keine Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 69 %gleiches Oberthema, hilft nicht

    • 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 · 56 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • 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 · 55 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-E5-T03 Wie können Menschen, die von KI betroffen sind, die Sicherheitszusagen ihrer Regierungen verbindlich mitbestimmen, bevor diese sie auf einem Gipfel festlegen? Zum Beispiel über einen Bürgerrat, ein Einspruchsrecht nach öffentlicher Anhörung oder eine unabhängige Vertretung mit festen Rechten, und nicht nur über Gespräche mit Fachleuten. Luna: Stufe 3 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
  1. SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
    • clef 20 %Hintergrund, keine Belege
    • Luna 65 %einzelne zitierbare Belege
    • JEV 38 %nur am Rande erwähnt
    • amos 29 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %nur am Rande erwähnt
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-W2-T03 Welche Mindestkriterien für Sicherheit, etwa Prüfkarten mit wiederholbaren Tests, die Freigabe durch im Labor eingebettete Prüfer oder Verzeichnisse, an denen jede Manipulation sichtbar wird, würden Staaten für jedes mit öffentlichen Mitteln beschaffte KI-System verbindlich machen, damit Sicherheitszusagen automatisch an diese Käufe gebunden sind, statt auf freiwilligen Versprechen der Labore zu beruhen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
Information und Öffentlichkeit

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 →