Alle Tabs der Lerneinheit (Erklärung · Interaktiv verstehen · Praxis-Übung · Klausur-Quiz) als durchgehender Text. Ideal zum Wiederholen vor der Klausur, und für Suchmaschinen wie Google, Bing und KI-Suche (ChatGPT, Perplexity).
Erklärung
Software prägt Gesellschaft. Algorithmen entscheiden über Kredite, Bewerbungen, Diagnosen. Jede WInf-Klausur enthält 1-2 Fragen zur Ethik der IT, wer nichts dazu sagen kann, lässt Punkte liegen.
Die Idee in einem Satz
IT und Gesellschaft: Untersuchung, wie IT-Systeme gesellschaftliche Strukturen, Arbeit, Privatsphäre, Macht und Werte beeinflussen, und wie Gesellschaft die IT-Entwicklung umgekehrt prägt.
Die großen ethischen Themen
| Thema | Frage | Beispiel |
|---|---|---|
| Privatsphäre | Wer sieht meine Daten? | DSGVO, Tracking, Cookies |
| Algorithmic Bias | Sind Algorithmen fair? | Bewerbungs-KI bevorzugt Männer |
| Arbeitsmarkt | Wer verliert Jobs? | LKW-Fahrer durch autonomes Fahren |
| Macht-Konzentration | Wer kontrolliert wen? | Big Tech: Google, Meta, Amazon |
| Verantwortung | Wer haftet, wenn KI versagt? | Autonomes Auto verursacht Unfall |
| Manipulation | Wer manipuliert was? | Filter-Blasen, Fake News |
| Nachhaltigkeit | Wie viel CO₂ kostet IT? | Server-Farmen, Kryptowährungen |
| Digital Divide | Wer ist abgehängt? | Senioren ohne Internet-Zugang |
DSGVO, der wichtigste rechtliche Rahmen
DSGVO (Datenschutz-Grundverordnung), EU 2018:
| Prinzip | Bedeutung |
|---|---|
| Rechtmäßigkeit | Verarbeitung nur mit Rechtsgrundlage |
| Zweckbindung | Daten nur für definierten Zweck |
| Datenminimierung | So wenige Daten wie möglich |
| Richtigkeit | Falsche Daten korrigieren |
| Speicherbegrenzung | Daten nicht ewig aufbewahren |
| Integrität + Vertraulichkeit | Sicher speichern |
| Rechenschaftspflicht | Compliance nachweisen |
Betroffenen-Rechte:
- Auskunft (was wird gespeichert?)
- Berichtigung
- Löschung ("Recht auf Vergessen")
- Datenübertragbarkeit
- Widerspruch
Strafe: bis 4 % des weltweiten Umsatzes oder 20 Mio. € (was höher ist).
Algorithmic Bias
Problem: Algorithmen reproduzieren menschliche Vorurteile aus den Trainingsdaten.
Berühmte Fälle:
- Amazon-Bewerbungs-KI (2018): lernte Männer zu bevorzugen, weil historische Daten überwiegend männliche Bewerber zeigten. Amazon stellte das System ab.
- COMPAS (USA): Rückfall-Vorhersage-Tool im Justiz-System bewertete Afroamerikaner systematisch als höheres Rückfall-Risiko.
- GPT-Sprachmodelle: zeigen Geschlechter-Stereotypen ("CEO" = männlich, "Krankenschwester" = weiblich).
Lösungsansätze:
- Diverse Trainingsdaten
- Bias-Tests vor Deployment
- "Algorithmic Auditing"
- EU AI Act (2024): Hochrisiko-KI braucht spezielle Compliance
Big Tech und Macht-Konzentration
Die "GAFAM" (oder MAANG):
- Google (Alphabet)
- Apple
- Facebook (Meta)
- Amazon
- Microsoft
Plus: Netflix, Tesla, Tencent, Alibaba.
Probleme:
- Monopol-artige Markt-Position
- Daten-Macht
- Politischer Einfluss
- Steuer-Optimierung
Gegenmaßnahmen:
- EU-Wettbewerbsrecht (Strafen für Google, Meta)
- DMA (Digital Markets Act) 2024
- DSA (Digital Services Act) 2024
- US-Antitrust-Klagen
Automatisierung und Arbeitsmarkt
Studien (Frey/Osborne 2013): 47 % der US-Jobs sind mittelfristig automatisierbar.
| Job | Automatisier-Risiko |
|---|---|
| Telemarketer | 99 % |
| Lager-Arbeiter | 95 % |
| LKW-Fahrer | 80 % (autonomes Fahren) |
| Buchhalter | 70 % |
| Anwalt (Standard-Verträge) | 35 % |
| Lehrer | 1 % |
| Therapeut | 1 % |
Diskussion:
- Optimisten: Neue Jobs entstehen (Industrie 4.0 → KI-Engineer, Data Scientist)
- Pessimisten: Massen-Arbeitslosigkeit, Ungleichheit
- Realisten: Wahrscheinlich beides, mit Verschiebung der Skills
Filter-Blasen + Fake News
Filter-Blase (Eli Pariser 2011): Algorithmen zeigen Nutzern nur, was sie ohnehin schon glauben → Verstärkung von Ansichten.
Echo-Chamber: Ähnliches Konzept, Soziale Bubble verstärkt eigene Meinung.
Fake News: Bewusste Falschmeldungen, oft viral. Großes Problem bei Wahlen (US 2016, Brexit).
Nachhaltigkeit der IT
Energie-Verbrauch IT:
- ~3-4 % des globalen Strom-Verbrauchs (steigend)
- Bitcoin-Mining: so viel wie Argentinien
- KI-Modelle: einer GPT-4-Training = mehrere hundert Tonnen CO₂
Green IT:
- Energie-effiziente Hardware
- Cloud statt eigener Server (oft effizienter)
- "Carbon-aware Computing": Workloads zu Zeiten mit grünem Strom
Klausur-Faustregeln
1. DSGVO kennen: Datenschutz-Grundverordnung, 2018, EU-weit, Strafen bis 4 % Umsatz.
2. Algorithmic Bias: Algorithmen reproduzieren Vorurteile aus Daten. Beispiel: Amazon-Bewerbungs-KI.
3. GAFAM: Google, Apple, Facebook, Amazon, Microsoft, die "Big Tech".
4. Filter-Blase (Pariser 2011): Algorithmen verstärken eigene Meinung.
5. Frey/Osborne (2013): 47 % der US-Jobs automatisierbar.
6. Green IT: IT verbraucht 3-4 % des globalen Stroms.
Häufige Stolpersteine
1. DSGVO und Bundesdatenschutzgesetz verwechseln. DSGVO = EU-Verordnung (gilt direkt). BDSG = nationales Gesetz (ergänzt DSGVO).
2. "Algorithmus ist neutral". Falsch. Algorithmen sind Produkte ihrer Entwickler und Trainingsdaten, und damit nie wirklich neutral.
3. "Ethik ist nicht prüfbar". Stimmt nicht. Frameworks wie EU AI Act 2024, Asilomar-Prinzipien (Future of Life Institute) machen Ethik konkret.
4. "Arbeit wird einfach verschwinden". Studien sind uneinheitlich. Realistisch: Verschiebung statt Verschwinden. Aber: einige Berufe werden komplett wegfallen.
5. "Big Tech ist nicht regulierbar". EU zeigt: doch. DSGVO, DMA, DSA sind funktionierende Regulierungs-Instrumente.
Interaktiv verstehen
Ethik-Themen im Überblick
Klicke auf ein Thema, um die wichtigsten Fakten + Beispiele zu sehen.
Interaktive Visualisierung
Interaktive Komponente: probiere sie im Topic-Player oben aus.
Klausur-Tipp: Bei "Diskutieren Sie ein ethisches Problem der IT" IMMER mit Beispiel arbeiten (Amazon-KI, COMPAS, Bitcoin-Strom). Konkrete Beispiele zeigen Verständnis statt Auswendig-Lernen.
Praxis-Übung
IT und Gesellschaft, Praxis-Übung
6 Aufgaben zu Ethik, DSGVO und Algorithmic Bias.
Klausurfragen mit Lösungen (6)
- F1.Was ist die DSGVO?
Antwort: Datenschutz-Grundverordnung der EU (2018)
Erklärung: DSGVO = Datenschutz-Grundverordnung, EU-weite Verordnung seit 25.05.2018. Regelt Verarbeitung personenbezogener Daten. Strafen bis 4 % des weltweiten Umsatzes oder 20 Mio. €. International auch GDPR (General Data Protection Regulation).
- F2.Was ist 'Algorithmic Bias'?
Antwort: Algorithmen reproduzieren Vorurteile aus den Trainingsdaten
Erklärung: Algorithmic Bias: Algorithmen lernen Vorurteile aus den Trainingsdaten. Klassisches Beispiel: Amazon-Bewerbungs-KI bevorzugte Männer, weil historische Daten überwiegend männlich waren. Daten waren biased → Algorithmus war biased. Lösung: diverse Daten + Bias-Tests + AI Act.
- F3.Ordne die Themen ihren Beispielen zu.
Zuordnungen:
- Algorithmic Bias → Amazon-Bewerbungs-KI bevorzugte Männer
- Big Tech-Macht → GAFAM (Google/Apple/Facebook/Amazon/Microsoft)
- Filter-Blase → Eli Pariser 2011, Algorithmen verstärken eigene Meinung
- Nachhaltigkeit → Bitcoin-Mining verbraucht so viel Strom wie Argentinien
Erklärung: Die wichtigsten 4 Ethik-Themen mit konkreten Beispielen: Algorithmic Bias (Amazon-KI), Big Tech (GAFAM), Filter-Blase (Pariser), Nachhaltigkeit (Bitcoin). Diese Beispiele in der Klausur nennen = Glaubwürdigkeit.
Typ: Zuordnung
- F4.Was bedeutet 'GAFAM'?
Antwort: Google, Apple, Facebook, Amazon, Microsoft
Erklärung: GAFAM = die 5 größten US-Tech-Konzerne: Google (Alphabet), Apple, Facebook (Meta), Amazon, Microsoft. Synonym auch 'MAANG' (Meta, Amazon, Apple, Netflix, Google) oder 'Big Tech'. Diese Firmen dominieren digitale Märkte und stehen wegen Markt-Macht in der Kritik.
- F5.Bei DSGVO-Verstößen können Strafen bis zu 4 % des weltweiten Umsatzes oder 20 Millionen Euro verhängt werden, je nachdem, welcher Betrag höher ist.
Antwort: Wahr
Erklärung: RICHTIG. Art. 83 DSGVO: bei schweren Verstößen bis 4 % des weltweiten Jahresumsatzes (vorher Jahr) ODER 20 Mio. €, JE NACHDEM, was HÖHER ist. Beispiel: Meta wurde 2023 mit 1,2 Mrd. € bestraft. Bei kleineren Verstößen: max. 2 % oder 10 Mio. €.
Typ: Wahr/Falsch
- F6.Welches Argument zur Automatisierung des Arbeitsmarkts ist FALSCH?
Antwort: Wahrscheinlich werden in 5 Jahren ALLE Jobs durch KI ersetzt sein
Erklärung: Die Aussage 'ALLE Jobs in 5 Jahren ersetzt' ist Quatsch, kein seriöser Forscher prognostiziert das. Realistische Studien (Frey/Osborne, McKinsey): Verschiebung mit signifikanten Verlierern. Berufe mit hoher Empathie/Kreativität (Lehrer, Therapeut) bleiben sicher. Stereotype/standardisierte Jobs (Telemarketing, Lagerlogistik) verschwinden.
Klausur-Quiz
IT und Gesellschaft, Klausur-Quiz
6 typische Klausurfragen.
Klausurfragen mit Lösungen (6)
- F1.Wer hat den Begriff 'Filter-Blase' geprägt?
Antwort: Eli Pariser (2011)
Erklärung: Eli Pariser prägte 2011 den Begriff in seinem Buch 'The Filter Bubble: What the Internet Is Hiding from You'. Bedeutet: Algorithmen zeigen Nutzern bevorzugt Inhalte, die ihren bisherigen Präferenzen entsprechen → man sieht nur eine Seite. Verstärkt Polarisierung. Snowden = NSA-Whistleblower (anderes Thema: Massen-Überwachung).
- F2.Welches Recht haben Personen NICHT nach DSGVO?
Antwort: Recht auf kostenlosen Zugang zu allen Internet-Diensten
Erklärung: Kostenloser Zugang ist KEIN DSGVO-Recht. DSGVO-Rechte: Auskunft, Berichtigung, Löschung, Datenübertragbarkeit, Widerspruch, Einschränkung der Verarbeitung. Die Kosten von Internet-Diensten sind eine Verbraucherschutz-Frage, kein Datenschutz-Thema.
- F3.Die {{1}} (kurz: DSGVO) gilt EU-weit seit dem Jahr {{2}}. Strafen können bis zu {{3}} % des weltweiten Umsatzes betragen.
Lösungen pro Lücke:
- {{1}}: Datenschutz-Grundverordnung / Datenschutzgrundverordnung
- {{2}}: 2018
- {{3}}: 4
Erklärung: DSGVO = Datenschutz-Grundverordnung, EU-weit seit 25.05.2018. Strafen bis 4 % des weltweiten Umsatzes ODER 20 Mio. € (was höher ist). Wer diese Fakten kennt, hat in jeder DSGVO-Klausur-Frage volle Punkte.
Typ: Lückentext
- F4.Bringe die Berufe nach Automatisierungs-Risiko (HOCH zuerst).
Richtige Reihenfolge:
- Telemarketer
- LKW-Fahrer
- Buchhalter
- Therapeut
Erklärung: Automatisierungs-Risiko nach Frey/Osborne (HOCH→NIEDRIG): Telemarketer (99%), LKW-Fahrer (80% durch autonomes Fahren), Buchhalter (70% durch Software), Therapeut (1%, braucht Empathie + persönliche Beziehung). Lehrer + Therapeut sind die sichersten Berufe.
Typ: Reihenfolge
- F5.Welches Beispiel ist KEIN Fall von Algorithmic Bias?
Antwort: Ein Algorithmus berechnet Bitcoin-Mining-Schwierigkeit
Erklärung: Bitcoin-Mining-Schwierigkeit ist ein DETERMINISTISCHER Algorithmus ohne Daten-Bias, er berechnet exakt nach Formel. Die anderen 3 sind klassische Bias-Fälle: Amazon-KI (geschlechter-biased durch historische Daten), COMPAS (rassisch-biased durch US-Justiz-Daten), GPT (gesellschaftliche Stereotypen aus Trainings-Texten).
- F6.Der EU AI Act (2024) reguliert Hochrisiko-KI-Systeme mit speziellen Compliance-Anforderungen.
Antwort: Wahr
Erklärung: RICHTIG. Der EU AI Act ist 2024 in Kraft getreten und definiert KI-Risiko-Kategorien: Unzulässig (z.B. Social Scoring), Hochrisiko (z.B. Bewerbung, Justiz), Begrenztes Risiko (z.B. Chatbots), Minimales Risiko. Hochrisiko-KI braucht: Risikobewertung, Daten-Qualitäts-Management, Transparenz, menschliche Aufsicht, Robustheit. Strafen bis 35 Mio. € oder 7 % des Umsatzes. Erstes weltweites umfassendes KI-Gesetz.
Typ: Wahr/Falsch
