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
oecd14. Dezember 2020 · Q006854

Collective and Augmented Intelligence Against COVID-19 – a decision support tool for policymakers

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt CAIAC als Plattform, die Fachwissen, Studien und Daten zu COVID-19 mithilfe menschlicher und künstlicher Intelligenz bündeln soll, damit politische Entscheidungsträger Wissenslücken erkennen und schneller fundierte Entscheidungen treffen können. Die Initiative nennt erste Anwendungsfälle und Arbeitszahlen, doch der Text bietet keine unabhängige Evaluation; mehrere Vorhaben waren noch Zukunftspläne.

Mittel

Der Bericht stellt CAIAC als Plattform vor, die verstreute Informationen zu COVID-19 zusammenführen und politischen Entscheidungsträgern schneller nutzbares Wissen bereitstellen soll. Der Ausgangspunkt: Viele Datensätze, Dashboards und Portale seien schwer zu überblicken, ihre Quellen nicht immer eindeutig einzuordnen und die Informationen nur unzureichend miteinander verknüpft. Zudem seien soziale und wirtschaftliche Folgen der Pandemie weniger berücksichtigt worden.

CAIAC kombiniert laut Bericht strukturierte Gespräche mit Fachleuten, ausgewählte Studien und Datensätze sowie KI-Verfahren. So sollen Wissenslücken und mögliche blinde Flecken sichtbar werden. Als Beispiel dient die systematische Auswertung von Studien zu Gesichtsmasken. Für die erste Version nennt der Bericht drei Anwendungsfälle: Infektionsketten, Falschinformationen und Unterstützung marginalisierter Gruppen. Dafür seien 1.174 Vorgänge, 13.865 Anmerkungen, 530 Webadressen und 146 PDFs verarbeitet worden. Weitere Themen seien geplant. Die Initiative erklärt, sich an den OECD-KI-Prinzipien auszurichten. Der Text berichtet jedoch aus Sicht der Initiative selbst; eine unabhängige Evaluation oder ein abgeschlossener Wirkungsnachweis wird nicht vorgelegt. Mehrere angekündigte Schritte waren zum Berichtszeitpunkt noch geplant.

Ausführlich lesen

Der Bericht stellt CAIAC („Collective and Augmented Intelligence Against COVID-19“) als Plattform vor, die politischen Entscheidungsträgern helfen soll, Wissen über COVID-19 zu bündeln und daraus Orientierung für Entscheidungen zu gewinnen. Die Autorin bzw. der Autor beschreibt die Ausgangslage als ein Überangebot an verstreuten Datensätzen, Dashboards und Informationsportalen. Deren Quellen seien teils schwer einzuordnen; zudem fehlten Verbindungen zwischen den Informationen. So entstehe trotz vieler Daten nicht automatisch ein umfassender, verlässlicher Überblick oder eine konkrete Handlungsempfehlung. Besonders soziale und wirtschaftliche Folgen der Pandemie seien in der Datenarbeit nach Darstellung des Berichts zu wenig berücksichtigt worden.

CAIAC soll deshalb Wissen aus verschiedenen Bereichen, Fachgebieten und Ländern zusammenführen. Beteiligt seien unter anderem Unternehmen, Hochschulen, zivilgesellschaftliche Organisationen, internationale Einrichtungen und Stiftungen. Die Plattform kombiniere menschliche Expertise mit KI-Verfahren und solle Informationen strukturieren, Wissenslücken sichtbar machen und Ergebnisse unter anderem als Wissensgraphen, Abfragen und anpassbare Berichte bereitstellen.

Als Beispiel für den angestrebten Nutzen führt der Bericht die Entwicklung des Wissens zu Gesichtsmasken an. Zu Beginn der Pandemie hätten einzelne Studien widersprüchlich gewirkt. Eine systematische Übersichtsarbeit habe nach Darstellung des Berichts die verfügbare Evidenz zu Masken, Augenschutz und Abstand umfassender gebündelt und so dazu beigetragen, dass Regierungen Masken als wichtige Maßnahme zur Eindämmung anerkannten. Der Bericht leitet daraus drei Anforderungen an CAIAC ab: Die Wissensbasis solle umfassend, maßgeblich und aktuell sein.

Das beschriebene Verfahren beginnt mit strukturierten Gesprächen mit Fachleuten zu einem konkreten Anwendungsfall. Aussagen werden transkribiert und mithilfe von Verfahren zur Erkennung benannter Entitäten ausgewertet. Empfohlene Datensätze und weitere Arbeiten können ergänzt werden. Laut Bericht bilden sich dadurch Verknüpfungen, anhand derer KI-Werkzeuge Bekanntes, Unbekanntes und mögliche blinde Flecken erkennen sollen. Der Ansatz richte sich auf Wissen statt auf große Datenmengen; dies solle auch weniger sichtbare Erkenntnisse, etwa nicht veröffentlichte negative Ergebnisse, berücksichtigen.

Für die erste Plattformversion nennt der Bericht drei COVID-19-Anwendungsfälle: das Nachverfolgen von Ansteckungsketten mithilfe von Mobilitätsdaten und KI, den Umgang mit Falschinformationen sowie Unterstützung für marginalisierte Gruppen, die unter mittelbaren Folgen der Pandemie leiden. Bis zum Zeitpunkt des Berichts seien dafür 1.174 Vorgänge verarbeitet und 13.865 Einzelanmerkungen zu 530 Webadressen und 146 PDF-Dateien erstellt worden. Als nächste mögliche Themen nennt der Text die Zukunft der Arbeit, Impfstoffverteilung und Telemedizin.

CAIAC erklärt, sich an den OECD-KI-Prinzipien und einem Ethikansatz orientieren zu wollen, der unter anderem gesellschaftliches Wohlergehen, menschliche Aufsicht, Transparenz, Sicherheit und Rechenschaftspflicht umfasst. Eine Selbsteinschätzung sei entwickelt worden; eine Folgenabschätzung für Algorithmen und ein Ethikgremium seien geplant. Der Bericht präsentiert CAIAC überwiegend aus Sicht der Initiative selbst. Er liefert keine unabhängige Evaluation, keine Ergebnisse eines abgeschlossenen Wirkungsnachweises und beschreibt mehrere Vorhaben ausdrücklich als künftige Pläne. Die genannten Zahlen belegen den dokumentierten Umfang der damaligen Recherche, für sich genommen aber nicht die Qualität oder Wirkung der daraus abgeleiteten Entscheidungen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung gilt für beide von Luna gelieferten Zusammenfassungen (kurz und mittel), die im Wesentlichen treu sind. Der Bericht betrifft Entscheidungsunterstützung zu COVID-19 und beantwortet keine der KI-Sicherheitsfragen direkt, weshalb die Stufen niedrig ausfallen. Lunas Stufen 3 und 4 sind bei fehlenden Belegen zu hoch angesetzt; der Bericht ist Selbstdarstellung ohne unabhängige Evaluation.

Im Bericht, aber nicht in der Zusammenfassung

  • Die tragenden Partner (u. a. stability.ai, Stanford HAI, The Future Society, UNESCO, UN Global Pulse sowie WHO, UNDP, Weltbank) und die Einbindung der UN
  • Der Ansatz, Wissen statt bloßer Datenmengen zu erfassen, mit Expertenbefragungen und Named Entity Recognition
  • Die drei Säulen umfassend, maßgeblich und aktuell sowie das Gesichtsmasken-Beispiel als Begründung
  • Die geplanten Schritte zur Selbstbewertung, zur algorithmischen Folgenabschätzung und zu einem Ethikausschuss

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-M2 Wie muss ein Meldekanal zwischen Staaten gebaut sein, damit er verlässlich arbeitet, auch in einer Krise?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  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 74 %einzelne zitierbare Belege
    • JEV 49 %beantwortet teilweise oder widerspricht
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug

    • SF-M4-T04 Wenn Labore rivalisierender Staaten einen gemeinsamen, vertraulichen Meldekanal für Beinahe-Vorfälle einrichteten: Welche Leitungs- und Kontrollstruktur gäbe allen Beteiligten die Gewissheit, dass geteilte Angaben später nicht in einem geopolitischen Streit als Waffe eingesetzt werden? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege
  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 65 %Hintergrund, keine Belege
    • JEV 25 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-M5-T06 Welche Pflicht sollten Regierungen, Labore und Betreiber haben, wenn sich später zeigt, dass ein eingesetztes Modell eine Sicherheitsschwelle verletzt hat: die Entscheidungen, die es beeinflusst hat, zu ermitteln, darüber zu benachrichtigen, sie zu berichtigen oder für sie zu entschädigen? Und wie kann eine nachträgliche Prüfung den vom Modell verursachten Schaden vom umgebenden menschlichen Entscheidungsprozess unterscheiden? Luna: Stufe 3 · 51 % · Hintergrund, keine Belege
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 49 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 54 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 77 %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 38 %gleiches Oberthema, hilft nicht
    • Luna 40 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 74 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 45 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 78 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
  3. 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 35 %Hintergrund, keine Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 20 %gleiches Oberthema, hilft nicht
    • Luna 51 %einzelne zitierbare Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra 100 %kein Bezug

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 36 %Hintergrund, keine Belege
    • JEV 31 %nur am Rande erwähnt
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
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 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 46 %einzelne zitierbare Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 58 %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 55 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 38 %nur am Rande erwähnt
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 46 %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 23 %Hintergrund, keine Belege
    • Luna 45 %einzelne zitierbare Belege
    • JEV 26 %nur am Rande erwähnt
    • amos 30 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 29 %nur am Rande erwähnt
    • d3-ultra 100 %kein Bezug

    • SF-E1-T01 Wie bekommen Staaten des Globalen Südens, Hochschulen und Zivilgesellschaft eine verbindliche Stimme statt Beobachterstatus in den entstehenden KI-Sicherheitsplattformen, Prüfverbünden und Normungsgremien? Luna: Stufe 3 · 41 % · Hintergrund, keine Belege
    • 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 · 51 % · Hintergrund, keine Belege
    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 58 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 22 %Hintergrund, keine Belege
    • Luna 36 %Hintergrund, keine Belege
    • JEV 34 %nur am Rande erwähnt
    • amos 29 %einzelne zitierbare Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 28 %Hintergrund, keine Belege
    • d3-ultra 100 %kein Bezug

  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 32 %einzelne zitierbare Belege
    • JEV 36 %gleiches Oberthema, hilft nicht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 48 % · Hintergrund, keine Belege
  5. 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 66 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 37 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 35 %Hintergrund, keine Belege
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • 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 · 53 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
    • 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 · 54 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • 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
Wirtschaft und Haftung
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 →