LONDON (IT BOLTWISE) – Eine neue Studie zeigt, dass Menschen KI-Systeme häufig als „White“ einordnen, auch wenn die Systeme keine sichtbaren oder akustischen Merkmale besitzen. Diese wahrgenommene Zuschreibung hängt mit höherer Überzeugungskraft von KI-Empfehlungen zusammen. In Experimenten führte die Beschreibung, dass Trainingsdaten aus Black- und Latino-Erwachsenen stammen, zu weniger anspruchsvollen Aufgaben, die KI übertragen wurden. Die Ergebnisse deuten darauf hin, dass Nutzer soziale Hierarchien auf KI-Prozesse übertragen – oft ohne es zu merken.
Die Studie, die in Journal of Personality and Social Psychology veröffentlicht wurde, dreht den Blick weg von der Frage, wie KI Menschen behandelt, und hin zu der Wahrnehmung, wie Menschen KI überhaupt „verstehen“. Der Kernbefund ist bemerkenswert schlicht: Teilnehmende ordnen KI-Systeme überdurchschnittlich oft einer „White“-Zuschreibung zu, selbst dann, wenn die Systeme keine offensichtlichen Hinweise auf Identität besitzen – also ohne Gesicht, ohne Stimme, ohne Namen und ohne Körper. Damit wird ein psychologischer Mechanismus sichtbar, der in vielen Organisationen praktisch relevant ist: Wer einer Empfehlung mehr Autorität zubilligt, bewertet nicht nur die Modellleistung, sondern auch die wahrgenommene soziale Einbettung der Technologie.
Psychologisch lässt sich das über den Ansatz der Anthropomorphisierung einordnen: Menschen schreiben nicht-menschlichen Objekten Eigenschaften zu, die eigentlich für soziale Partner gedacht sind. Sobald ein Tool als „responsiv“ erlebt wird, greifen in der Wahrnehmung mentale Abkürzungen, mit denen Menschen auch Menschen sortieren – nach Kategorien wie Alter oder Geschlecht, im Experiment sogar nach Rasse. Die Autorinnen und Autoren formulieren dabei einen Perspektivwechsel: Racialization ist eigentlich die Zuweisung kultureller Stereotype an Entitäten ohne „biologische“ Grundlage; im Alltag könnte das aber auch für disembodierte Software greifen. In den Experimenten zeigte sich genau dieses Muster auch dann, wenn keine expliziten visuellen oder sprachlichen „Cues“ vorhanden waren.
Um das systematisch zu testen, liefen mehrere Studien mit insgesamt 459 bis 568 Teilnehmenden in US-Stichproben sowie zusätzliche Varianten in weiteren Ländern. In Studie 1a wurden 459 US-Erwachsene über eine vordefinierte Liste gebeten, für sechs Technologien (etwa „AI“, „chatbot“, „selbstfahrendes Auto“) zu benennen, welcher rassischen oder ethnischen Gruppe die Technologie am ehesten zuzuordnen sei. Im Mittel wählten die Teilnehmenden „White“ für 72% der Technologien – deutlich über dem 50%-Benchmark, gegen den die Forschenden statistisch geprüft haben, obwohl mit sechs Antwortkategorien ohnehin eine gewisse Streuung zu erwarten gewesen wäre. Studie 1b veränderte die Methode: Statt vorgegebener Labels beantworteten 465 US-Erwachsene die gleiche Frage in einem offenen Textfeld. Auch dort ordneten rund 75% der Antworten den Technologien eine Rassenidentität zu, und in diesen Zuschreibungen lag „White“ bei 71%. Wichtig ist: Das Muster blieb offenbar unabhängig vom eigenen rassischen Hintergrund der Befragten erhalten, und ein zusätzlicher „no race“-Button konnte es nicht vollständig aushebeln.
Was besonders für den Transfer in Produkt- und Policy-Entscheidungen zählt, ist die Verbindung zwischen wahrgenommener „White“-Zuschreibung und der Überzeugungskraft von KI-Ratschlägen. In Studie 4 bewerteten 424 US-Teilnehmende, wie überzeugend und glaubwürdig die Analyse einer KI erscheint, nachdem in einer Aufgabenbeschreibung eine mögliche „Rasse“ der KI eingebettet wurde. Teilnehmende, die die KI eher als „White“ wahrnahmen, bewerteten die KI-Empfehlung zur politischen Faktenprüfung insgesamt als etwas überzeugender. Die Forschenden kontrollierten dabei weitere Einflussfaktoren wie politische Orientierung, allgemeine Einstellungen gegenüber KI sowie Vertrautheit mit KI-Tools; dennoch blieb die Beziehung bestehen, auch wenn allgemeine Einstellungen gegenüber KI als deutlich stärkerer Prädiktor herausstachen. Entscheidend ist aber auch die Einschränkung: Diese Studie ist korrelativ – sie zeigt Zusammenhang, aber nicht eindeutig Kausalität in beide Richtungen.
In der finalen Experimentreihe (Studie 5) versuchten die Forschenden, den Mechanismus kausal zu prüfen, indem sie die „Ökosystem“-Information manipulierten. 568 US-Erwachsene lasen einen kurzen Artikel über ein angebliches System namens „Nexus AI“, wobei ausschließlich die ethnische Herkunft des Trainingsdateninputs variiert wurde: White US-Erwachsene, Black- und Latino-US-Erwachsene oder „people“ ohne Nennung einer Rasse. Danach sollten Teilnehmende auswählen, welche von 26 Arbeitsplatzaufgaben „Nexus AI“ übernehmen sollte; die Aufgaben waren zuvor auf einer 1- bis 7-Skala nach erwarteter Intelligenz- und Argumentationsanforderung bewertet. Das Ergebnis: Wenn die Trainingsdaten als Black- und Latino-basiert beschrieben wurden, wiesen Teilnehmende „Nexus AI“ im Schnitt weniger anspruchsvolle Aufgaben zu – mit einem durchschnittlichen Intelligenzscore von 4,27 gegenüber 4,51 bei der identischen KI, die mit White-Daten trainiert wurde. Beim Blick auf Kategorien zeigte sich zudem, dass weniger Aufgaben im hohen Intelligenzbereich ausgewählt wurden (im Mittel 2,06 von 6) und stattdessen eher leichter zu bewältigende Tätigkeiten häufiger im Portfolio landeten. Gleichzeitig fielen die Bewertungen für die White-Trainingsdaten und die Kontrollbedingung mit „unbekannt/ohne Rassenangabe“ nahezu identisch aus, was die Forschenden so interpretieren, dass Nutzer bei fehlenden Informationen häufig eine überwiegend „White“ geprägte Wissensbasis vermuten.
Auch der Blick über die USA hinaus stärkt die Aussagekraft, macht aber zugleich die Grenzen sichtbar. In Studie 3 wurden englischsprachige Erwachsene in Indien (147 Teilnehmende) und Japan (113 Teilnehmende) befragt. In Japan wurde KI in 82% der Fälle als „White“ klassifiziert; zudem ordneten die Teilnehmenden Roboter, Chatbots und selbstfahrende Autos besonders häufig als „White“ ein (zwischen 64% und 69%). In Indien zeigte sich zwar ebenfalls „White“ als am häufigsten gewählte Option, aber bei den spezifischen Technologien lagen die Werte für Roboter, Chatbots und selbstfahrende Fahrzeuge nur knapp über bzw. teilweise um den 50%-Benchmark, ohne statistische Signifikanz. Die Autorinnen und Autoren erklären das damit, dass der Sammelbegriff „artificial intelligence“ stärker an Technologieanbieter, Trainingsdaten und Entwickler als „soziale“ Quelle gekoppelt sein könnte als einzelne Alltagsgeräte.
Für Unternehmen bedeutet das vor allem: KI-Einführung ist nicht nur ein Modell-Engineering-Thema, sondern auch ein Wahrnehmungs- und Kommunikationsproblem. Wenn Nutzer soziale Hierarchien in die Maschine hineinlesen, können sie die Autorität von KI-Empfehlungen an Stellen über- oder unterschätzen, die durch reine Leistungsmetriken nicht sichtbar wären. Gleichzeitig unterstreicht die Studie, was ihre Ergebnisse nicht leisten: Sie zeigt, dass Menschen rassifizierte Wahrnehmungen auf KI projizieren und dass diese Wahrnehmungen mit Bewertungen und Entscheidungszuordnungen zusammenhängen; sie behauptet nicht, dass KI tatsächlich eine „Rasse“ hat. Spätere Forschung soll deshalb gezielt klären, wie solche Projektionen mit Vorstellungen über soziale Ungleichheit, Automatisierungseffekte und die Frage zusammenwirken, wer vom technologischen Wandel profitiert und wessen Interessen Schutz verdienen.
🔥 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 "Studie zeigt: Menschen schreiben KI „White“ zu – und vertrauen ihr eher" 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 "Studie zeigt: Menschen schreiben KI „White“ zu – und vertrauen ihr eher" 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: »Studie zeigt: Menschen schreiben KI „White“ zu – und vertrauen ihr eher« bei Google Deutschland suchen, bei Bing oder Google News!