WÜRZBURG / LONDON (IT BOLTWISE) – Alicia von Schenk leitet in Würzburg den Lehrstuhl „Economics of AI and Human Behavior“. Sie ordnet den aktuellen KI-Boom als Gefahr der undifferenzierten Betrachtung ein. KI sei kein einzelnes Produkt, sondern ein Sammelbegriff für sehr unterschiedliche Technologien. Besonders wirtschaftliche und verhaltensbezogene Effekte müssten deshalb stärker in den Blick rücken.
Alicia von Schenk verkörpert in Deutschland gewissermaßen die frühe Schnittstelle zwischen akademischer Strenge und einer Technologie, die sich rasant in den Alltag drängt. An der Julius-Maximilians-Universität in Würzburg leitet sie den Lehrstuhl „Economics of AI and Human Behavior“ – damit verbindet sie KI-Forschung nicht nur mit Modellierung, sondern auch mit ökonomischen und psychologischen Wirkungen. Das ist insofern relevant, als „KI“ im öffentlichen Diskurs oft wie ein einheitliches Versprechen behandelt wird: schneller Fortschritt, messbare Effizienz, am Ende ein konkretes Ergebnis. Ihre zentrale Forderung lautet jedoch, den Begriff auseinanderzunehmen und die jeweiligen Wirkmechanismen je Technologie zu prüfen, statt sie unter einer Dachmarke zu vermischen.
Das erste, was bei einer differenzierten Einordnung auffällt: „Es gibt nicht nur die eine KI“, betont von Schenk sinngemäß. KI sei ein Sammelbegriff für viele Ansätze – von vergleichsweise einfachen statistischen Verfahren bis hin zu hochkomplexen neuronalen Netzen im maschinellen Lernen. Dazwischen liegen auch generative Sprachmodelle, wie sie etwa in Produkten für Text- und Codeunterstützung sichtbar werden. Genau hier setzt ihr Kritik an: Wenn man unter „KI“ gleichzeitig reine Datenanalysemethoden, generative Systeme und vollständig unterschiedliche Lernparadigmen subsumiert, verschwimmen sowohl Nutzenversprechen als auch Risiken. Für Unternehmen und öffentliche Stellen ist das mehr als semantisch – denn je nach Technologieklasse ändern sich Datenerfordernisse, Fehlerbilder, Kontrollmöglichkeiten und damit auch die wirtschaftliche Kalkulierbarkeit.
Technisch betrachtet ist diese Unterscheidung entscheidend, weil „KI“ auf mehreren Ebenen unterschiedliche Eigenschaften mitbringt. Statistische Tools reagieren oft stark auf die Qualität und Repräsentativität der Trainings- oder Beobachtungsdaten, ohne dass sie „verstehen“ müssen, was sie wiedergeben. Generative Sprachmodelle hingegen erzeugen neue Inhalte auf Basis gelernter Muster und erzeugen dabei aus Nutzerperspektive den Eindruck von Kontextverständnis, obwohl die zugrundeliegende Optimierung vorrangig auf Wahrscheinlichkeitsstrukturen zielt. Neuronale Netze im engeren Sinne können wiederum in sehr unterschiedlichen Architekturen auftauchen, etwa mit verschiedenem Umgang mit Langzeitabhängigkeiten oder mit unterschiedlichen Trainings- und Inferenzkosten. Diese Unterschiede beeinflussen direkt, wie man Systeme testet, wie man sie in Prozesse integriert und welche Metriken man als Management-Entscheidungsgrundlage heranzieht – von Latenz und Durchsatz bis zur Robustheit gegenüber „Out-of-Distribution“-Eingaben.
Ökonomisch und verhaltensbezogen wird die Debatte noch konkreter. Von Schenks Lehrstuhl trägt explizit den Zusatz „Human Behavior“, und genau das weist auf einen Punkt hin, der in vielen Technikdiskussionen zu kurz kommt: KI verändert nicht nur Prozesse, sondern auch Entscheidungen, Routinen und Anreizstrukturen. Selbst wenn die reine Modellgüte steigt, kann sich der Nutzen im Betrieb entkoppeln, etwa wenn Mitarbeitende Tools anders verwenden als vorgesehen oder wenn Kontrollmechanismen zu zeitintensiv werden. Ebenso können KI-Systeme Erwartungen prägen – etwa die Erwartung, dass Antworten „automatisch richtig“ seien, oder dass Automatisierungsschritte ohne Moderation erfolgen. Eine differenzierte Betrachtung der konkreten KI-Variante hilft, diese Effekte vorherzusehen: Bei regelbasierten Assistenzfunktionen ist die Akzeptanz typischerweise anders als bei vollautomatischen Entscheidungsunterstützungen; bei generativen Systemen wiederum spielt die Gestaltung von Feedback- und Korrekturzyklen eine besonders große Rolle.
Der persönliche Weg von von Schenk illustriert außerdem, warum sie den Hype nicht nur theoretisch, sondern mit Blick auf Karriere- und Lernbiografien betrachtet. In der Darstellung wird sie als sehr früh akademisch gestartet beschrieben: eingeschult mit vier Jahren, später ein sehr frühes Abitur, Studium von Mathematik und Ökonomie, Promotion in Volkswirtschaftslehre zu den Auswirkungen von KI und ein hoher akademischer Abschluss. Auch wenn solche Lebensläufe keine technische Strategie ersetzen, liefern sie eine Perspektive: Forschung und Methodik werden in ihrem Ansatz nicht gegen Praxis ausgespielt, sondern als Werkzeugkasten verstanden, um die tatsächlichen Wirkungen von KI zu analysieren. Für den KI-Markt ist das relevant, weil viele Investitionsentscheidungen derzeit nicht aus einer ökonomischen Wirkungskette, sondern aus dem allgemeinen Fortschrittsnarrativ heraus getroffen werden. Wer genauer hinsieht, kann dagegen eine belastbarere Roadmap entwickeln: Welche KI-Technologie passt zu welchem Prozess, welche Datenbasis ist realistisch, und wie verändert sich das Nutzerverhalten in den nächsten Monaten?
Welche Konsequenzen ergeben sich daraus für Organisationen, die „KI“ einführen wollen? Zuerst wird die Auswahl des Systems zur Managementfrage, nicht nur zur Engineering-Aufgabe. Wer etwa mit statistischen Analysen startet, braucht andere Betriebsprozesse als bei generativen Modellen, und bei jedem Systemtyp müssen Testfälle und Qualitätsmetriken entlang des erwarteten Einsatzszenarios definiert werden. Daneben rückt die Frage in den Vordergrund, wie man menschliche Entscheidungsschleifen gestaltet: Wo greift KI vor, wo prüft ein Mensch nach, und wie werden Unsicherheiten sichtbar gemacht? Wenn „KI“ als Sammelbegriff behandelt wird, entstehen leicht Investitions- und Schulungsfehler, weil man annimmt, gleiche Versprechen würden sich über unterschiedliche Technologien hinweg übertragen. Von Schenks Position zielt damit nicht auf Anti-Technologie, sondern auf eine nüchterne technische und ökonomische Differenzierung – gerade jetzt, wo der Boom die Aufmerksamkeit lenkt und damit das Risiko wächst, Annahmen mit Ergebnissen zu verwechseln.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Boom aus Uni-Sicht: Alicia von Schenk fordert mehr Differenzierung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Boom aus Uni-Sicht: Alicia von Schenk fordert mehr Differenzierung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-Boom aus Uni-Sicht: Alicia von Schenk fordert mehr Differenzierung« bei Google Deutschland suchen, bei Bing oder Google News!