Alle Folgen

Ich sehe was, was du nicht siehst? Filterblasen, Echokammern und KI.

Vor 4 Tagen•1:01:45

Im Zusammenhang mit sozialen Medien wird immer wieder die Frage diskutiert, inwiefern Plattformen und Algorithmen uns in "Filterblasen", "Echokammern" oder "Rabbit Holes" einsperren. Doch wie stark beeinflussen die Empfehlungsalgorithmen der großen Plattformen tatsächlich, welche Inhalte wir auf YouTube, TikTok oder X sehen?In dieser Live-Folge, aufgenommen vor Publikum in der Wissenswerkstadt Bielefeld im Rahmen der GENIALE, sprechen wir darüber, wie Empfehlungsalgorithmen funktionieren, was die Forschung über Filterblasen und Echokammern weiß und warum sich viele verbreitete Annahmen empirisch nur teilweise bestätigen lassen. Außerdem geht es um den Einfluss sozialer Medien auf politische Meinungsbildung – und darum, dass Wahlen nicht allein auf TikTok entschieden werden. Unsere Gesprächspartnerin Merja Mahrt plädiert viel mehr für ein differenziertes Bild, das auch das individuelle Mediennutzungsverhalten und die Lebensumstände der Nutzenden einbezieht.+++Merja Mahrt ist Privatdozentin an der Freien Universität Berlin und forscht am Weizenbaum-Institut zu digitaler Kommunikation, Mediennutzung und den gesellschaftlichen Auswirkungen digitaler Plattformen. In ihrer Forschung beschäftigt sie sich unter anderem mit Filterblasen, Echokammern und digitaler Fragmentierung.+++LinklisteAutonomie & Algorithmen (2026). Hate Speech im Internet: KI und Content Moderation.Chen et al. (2023). Subscriptions and external links help drive resentful users to alternative and extremist YouTube channels. Science Advances. Hickey et al. (2024). X under Musk’s leadership: Substantial hate and no reduction in inauthentic activity. PLoS ONE. Mahrt (2025). Digitale Demokratie. Lenken soziale Medien die Meinungsbildung?. Weizenbaum-Institut.Mahrt (2025). Meinungsbildung und soziale Medien. Weizenbaum-Institut / Berliner Landeszentrale für politische Bildung. Mahrt (2019). Beyond Filter Bubbles and Echo Chambers: The Integrative Potential of the Internet. DigitalCommunication Research, 5. Pariser (2014). Filter Bubble. Wie wir im Internet entmündigt werden. Hanser. Pariser (2011). Beware online "filter bubbles". TED Talk. Robertson et al. (2023). Negativity drives online news consumption. Nature Human Behaviour. Ross Arguedas et al. (2022). Echo chambers, filter bubbles, and polarisation: a literature review. Reuters Institute for the Study of Journalism.Sunstein (2001). Republic.com. Princeton University Press. Sunstein (2017). #Republic. Princeton University Press.+++Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.deUnser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.socialUnser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback+++"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.Redaktionelle Unterstützung: Ingrid Rogalski.Postproduktion: Ingrid Rogalski und Lena Ackermann.Musik: Almut Schwacke.Grafikdesign: Sven Sedivy.Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.

Hate Speech im Internet: KI und Content Moderation.

02.06.2026•1:02:27

Hassrede im Internet ist für viele Menschen Teil des digitalen Alltags geworden. Sie begegnet uns in Kommentarspalten sozialer Medien – mal ganz offen, mal versteckt hinter Emojis, Zahlenkombinationen und sogenannten Dog Whistles. Doch was genau ist Hate Speech? Warum ist ihre Erkennung so schwierig? Und welche Rolle kann Künstliche Intelligenz dabei spielen, Online-Communitys zu schützen?In dieser Folge sprechen wir darüber, wie Community-Manager:innen mit Hassrede umgehen, warum Kontext bei der Bewertung von Sprache entscheidend ist und weshalb automatisierte Moderation trotz großer Fortschritte noch an ihre Grenzen stößt. Zudem geht es um die Dynamiken sozialer Plattformen, die Verbreitung von Hass durch Algorithmen und die Frage, wie KI-Systeme Menschen bei der Content Moderation sinnvoll unterstützen können, ohne dabei wichtige Stimmen zu unterdrücken.+++Daniel Brockmeier betreut als Community- und Social-Media-Manager diverse Online-Communitys. Die Moderation von Hate Speech und Shitstorms gehört zu seiner täglichen Arbeit. In seinem Philosophie-Podcast "Privatsprache" beschäftigt Daniel sich ebenfalls mit KI-Themen.Sina Zarrieß erforscht als Professorin für Computerlinguistik an der Universität Bielefeld Methoden des maschinellen Lernens zur Analyse von Sprache. Sie ist Principal Investigator im Projekt "Sail", in dem es um nachhaltige intelligente soziotechnische Systeme geht, sowie im SFB 1646 "Sprachliche Kreativität in der Kommunikation".+++LinklisteAlacam, Hoeken & Zarrieß (2024). Eyes Don’t Lie: Subjective Hate Annotation and Detection with Gaze. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing.Hoeken, Zarrieß & Alacam (2023). Identifying Slurs and Lexical Hate Speech via Light-Weight Dimension Projection in Embedding Space. Proceedings of the 13th Workshop on Computational Approaches to Subjectivity, Sentiment, & Social Media Analysis.Worteinbettung (Wikipedia)+++Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.deUnser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.socialUnser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback+++"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.Redaktionelle Unterstützung: Ingrid Rogalski.Postproduktion: Ingrid Rogalski und Lena Ackermann.Musik: Almut Schwacke.Grafikdesign: Sven Sedivy.Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.

Vom Lager zur "letzten Meile": KI in der Logistik.

19.12.2025•22:39

Diese Folge ist Teil des Adventskalenders #WissPodWeihnacht von wissenschaftspodcasts.de.Weihnachtsgeschenke können wir mit einem Klick online bestellen – aber damit das Geschenk den Weg unter den Tannenbaum findet, braucht es komplexe Logistikprozesse. Methoden der künstlichen Intelligenz können dabei helfen, Auftragsmengen vorherzusagen, Routen zu optimieren und Abläufe zu automatisieren. Gleichzeitig stellen sich die Fragen, wo klassische mathematische Modelle sinnvoller sind und wie sich die Arbeit der Menschen in der Logistik durch KI verändert. Genau darüber sprechen wir heute mit Alexander Krooß!+++Alexander Krooß ist wissenschaftlicher Mitarbeiter in der Abteilung Intralogistik- und IT-Planung des Fraunhofer-Instituts für Materialfluss und Logistik (IML) in Dortmund, wo er zu Einsatzmöglichkeiten der künstlichen Intelligenz in der Intralogistik forscht sowie im Rahmen von Industrieprojekten berät. +++LinklisteMurrenhoff, Friedrich & Witthaut (2021). Künstliche Intelligenz in der Logistik.+++Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.deUnser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.socialUnser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback+++"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.Konzeption und Produktion: Christiane Attig, Lena Ackermann und Benjamin Paaßen.Redaktionelle Unterstützung: Ingrid Rogalski.Postproduktion: Ingrid Rogalski und Lena Ackermann.Musik: Almut Schwacke.Grafikdesign: Sven Sedivy.Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.

Von der Steckdose bis zum Wasserhahn: KI in der kritischen Infrastruktur.

11.07.2025•1:26:10

Die Regelung unser alltäglichen Notwendigkeiten – Frischwasser, Strom, Internet, ÖPNV, Nahrungsmittelversorgung, Finanzen und vieles mehr – erfordert heutzutage riesige Datenmengen. Systeme der künstlichen Intelligenz können hier extrem nützlich sein, um die vielen Informationen zu verarbeiten und dadurch die sogenannte "kritische Infrastruktur" robuster zu machen. KI-Systeme, die darüber hinaus selbst Entscheidungen treffen, beispielsweise in Bezug auf dynamische Strompreise, bergen aber auch ethische Risiken. Beide Aspekte werden heute bei uns beleuchtet!+++Valerie Vaquet ist Doktorandin im Projekt KI-Akademie der Uni Bielefeld und beschäftigt sich mit KI-Modellen von Wassernetzen. Außerdem erzählt sie gern von ihrer Forschung, zum Beispiel bei Science Slams.Florian Braun ist Philosoph, wissenschaftlicher Assistent und Dozent an der Christian-Albrechts-Universität zu Kiel und beschäftigt sich u.a. mit Künstlicher Intelligenz aus technik- und wissenschaftsphilosophischer Perspektive.+++LinklisteVaquet et al. (2024). Challenges, Methods, Data – a Survey of Machine Learning in Water Distribution Networks. arXiv.Vaquet et al. (2024). Investigating the Suitability of Concept Drift Detection for Detecting Leakages in Water Distribution Networks. arXiv.Statistik zu Trinkwasserverlusten in DeutschlandZanutto (2024). Lessons learned from the Battle of Water Demand Forecasting (Blogbeitrag).Braun (2023). Klimaverantwortung und Energiekonflikte. Nomos.Braun (2021). Soweit die Gründe tragen. Zum Spannungsverhältnis zwischen verallgemeinerter Klimawandelargumentation und kontextbezogenen Einwänden (Blogbeitrag).Pressemitteilung des Deutschen Wetterdienstes über KI-gestützte Datenaufbereitung für Wettermodelle (2024)Gerechtigkeitstheorien (Wikipedia)Dynamic Pricing (Wikipedia)+++Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.deUnser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.socialUnser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback+++"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.Redaktionelle Unterstützung: Johanna Dobroschke.Postproduktion: Ingrid Rogalski und Christiane Attig.Musik: Almut Schwacke.Grafikdesign: Sven Sedivy.Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.

Glanz ohne Gefühl? KI und ästhetische Erfahrung.

16.05.2025•55:20

Social Media-Trends, geboren durch Generative KI: Egal ob Szenen wie aus einem Ghibli-Film, Starterpack der eigenen Actionfigur oder "professionelle Bewerbungsfotos" basierend auf hochgeladenen Selfies – es gab schon so einige Inhalte von Bildgeneratoren, die durch die sozialen Medien gegangen sind. Wir fragen uns in dieser Folge: Was macht es mit der ästhetischen Empfindung, wenn wir immer mehr KI-generierte Inhalte zu Gesicht bekommen? Können Menschen den Unterschied zwischen maschinen- und menschengenerierter Kunst erkennen? +++Theresa Demmer ist Doktorandin am Art*is Lab der Universität Wien. In ihrer Forschung beschäftigt sie sich mit der Frage, wie Verbindungen zwischen Künstler*in und Rezipient*in ästhetische Erfahrungen prägen, ob sie das Potenzial für Transformation in sich tragen – und was geschieht, wenn der sendende Teil dieser Beziehung keine menschliche Instanz ist.+++LinklisteFernandez (2024), Effects of algorithmic curation in users’ music taste on Spotify.Felder et al. (2011), Recommender Systems and their Effects on Consumers.Sougwen Chung (Künstlerin, die Grenzen zwischen Mensch und Maschine exploriert)Demmer et al. (2023), Does an emotional connection to art really require a human artist? Emotion and intentionality responses to AI- versus human-created art and impact on aesthetic experience.In der Studie benutztes BildmaterialKollektiv Obvious: Portrait of Edmond De Belamy (2018)Jason M. Allen: Théâtre d’Opéra Spatial (2022) Skygge: Magic Man (2018)Zentrum für Kunst und Medien Karlsruhe: (A)I Tell You, You Tell Me“ (2024)Krishnaraja et al. (2025), Modeling Creativity in Education.+++Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.deUnser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.socialUnser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback+++"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.Redaktionelle Unterstützung: Johanna Dobroschke.Postproduktion: Ingrid Rogalski und Christiane Attig.Musik: Almut Schwacke.Grafikdesign: Sven Sedivy.Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.

KI & Fairness: Wer bekommt den Job, wer den Hit?

28.03.2025•1:08:52

Stellt euch ein KI-System vor, das automatisiert faire Entscheidungen über die Einladung zum Bewerbungsgespräch auf Basis von Bewerbungsunterlagen treffen soll. Klingeln da bei euch die Alarmglocken? Wenn ja: Zu Recht! Der EU AI Act stuft ein solches System als Hochrisikosystem ein. Wir schauen uns ein solches System heute genauer an und klären: Was bedeutet eigentlich Fairness in Bezug auf KI? Wie kann man prüfen, ob ein KI-System zu fairen Entscheidungen führt? Und was hat das alles mit menschlicher Autonomie zu tun?+++Janine Strotherm ist Mathematikerin und Mitarbeiterin der Universität Bielefeld. Im Projekt "Water Futures" beschäftigt Janine sich mit maschinellem Lernen in Bezug auf faire Verteilung von Wasserressourcen. +++LinklisteLee (2018), Understanding perception of algorithmic decisions: Fairness, trust, and emotion in response to algorithmic management. Big Data & Society.Starke et al. (2022), Fairness perceptions of algorithmic decision-making: A systematic review of the empirical literature. Big Data & Society.Strotherm et al. (2023), Fairness in KI-Systemen. arXiv.Fiske: Stereotype Content ModelEckes (2002), Paternalistic and Envious Gender Stereotypes: Testing Predictions from the Stereotype Content Model. Sex Roles.DuBois: The Philadelphia N-WortPaaßen et al. (2019), Dynamic fairness – Breaking vicious cycles in automatic decision making. ESANN 2019.Race NormingCOMPAS SoftwareKnibbe (2021), Fairness in Question: Do Music Recommendation Algorithms Value Diversity? Music Tomorrow.Torabi (2023), The Inner Workings of Spotify’s AI-Powered Music Recommendations: How Spotify Shapes Your Playlist. Medium.Henry et al. (2024), Impacts of AI on Music Consumption and Fairness. Emerging Media.+++Habt ihr Fragen, Ideen, Impulse oder Feedback? Bringt euch ein, wir freuen uns!Unsere E-Mail-Adresse: autonomie-algorithmen@lists.techfak.uni-bielefeld.deUnser Bluesky-Profil: https://bsky.app/profile/auto-algo.bsky.socialUnser Kontaktformular: https://autonomie-algorithmen.letscast.fm/feedback+++"Autonomie und Algorithmen: Freiheit im Zeitalter von KI" ist eine Gemeinschaftsproduktion.Konzeption und Produktion: Christiane Attig und Benjamin Paaßen.Redaktionelle Unterstützung: Johanna Dobroschke.Postproduktion: Ingrid Rogalski und Christiane Attig.Musik: Almut Schwacke.Grafikdesign: Sven Sedivy.Dieser Podcast wird gefördert vom Bundesministerium für Bildung und Forschung im Rahmen des Projekts KI-Akademie OWL.