Veröffentlicht am

Unser Blog hat eine ISSN erhalten und orientiert sich als Online-Publikation an einem konstruktiven Journalismus

Image by Erik Lucatero from Pixabay

Durch die anhaltende Ökonomie der Aufmerksamkeit werden oft schon banale Ereignisse emotional aufgeladen. Dabei kommt der verwendeten Sprache natürlich eine besondere Rolle zu.

In unseren Blogbeiträgen haben wir uns schon beim Start im Jahr 2006 an eine eher wissenschaftliche Herangehensweise orientiert. Wir zitieren Quellen, trennen das von unserer Meinung und versuchen so wenig wie nötig zu emotionalisieren – und wenn dann möglichst positiv.

Die aktuelle Medienlandschaft, ob Personen oder Organisationen, verwendet für Probleme den Begriff „Krise“ oder noch viel häufiger „Bedrohung“, Vorschläge werden einfach so zu „Forderungen“ , und jedes noch so nebensächliche Meeting wird als „Gipfel“ tituliert, bei dem am Ende kaum etwas berichtenswertes herauskommt. Alle sind danach enttäuscht – wieder eine Emotion erreicht…

Schon 2007 hat Reinhard Mohr mit seinem Beitrag Das ist der Gipfel! in Deutschlandfunk Kultur auf solche Entwicklungen hingewiesen. Siehe dazu auch meinen Beitrag Der Droh-Journalismus geht mir auf die Nerven von 2009.

Dieser destruktive Journalismus ist nicht so unser Ding, denn das kann gesellschaftlich weitreichende Folgen haben: Was bedeutet es, wenn wir uns von einer Risikogesellschaft zu einer Bedrohungsgesellschaft entwickeln?

Wir orientieren uns als anerkannte Online-Publikation mit der ISSN 3056-7432 an einem eher Konstruktiven Journalismus.

„Der Kern des konstruktiven Journalismus liegt darin, die Gesellschaft darüber zu informieren, welche Lösungen es geben könnte“ (Wikipedia).

Vorreiter ist wieder einmal Dänemark. Auf der Website des Constructive Institute finden sich dazu folgende Hinweise:

„Constructive journalism embraces solutions, nuance and dialogue. (…) Today, people do not need more news, they need better news. That’s what we call constructive journalism.“

Unser Vorgehen wird uns im Ranking der Blogs nicht an die Spitze führen, wenn es um Klickraten geht- und das ist gut so. Mehr und mehr Menschen verstehen allerdings immer besser, wie der sogenannten „Qualitäts-Journalismus“ funktioniert und wenden sich von ihm ab.

Veröffentlicht am

Künstliche Intelligenz und Werte für das Zusammenleben in der Europäischen Union

Image by Pete Linforth from Pixabay

Werte spielen in der heutigen Zeit eine bedeutende Rolle. Einerseits bei modernen Arbeitsformen, in denen Werte und Prinzipien eine wichtige Hebelwirkung haben, andererseits sind Werte auch Ordner von sozialer Komplexität.

Gerade in einem so großen Raum wie der Europäischen Union ist es wichtig zu wissen, auf welchen Werten das Zusammenleben basiert. Im Amtsblatt der Europäischen Union 2016/C 202/1 über den Vertrag für die Europäische Union findet man im §2 folgenden Text:

„Die Werte, auf die sich die Union gründet, sind die Achtung der Menschenwürde, Freiheit, Demokratie, Gleichheit, Rechtsstaatlichkeit und die Wahrung der Menschenrechte einschließlich der Rechte der Personen, die Minderheiten angehören. Diese Werte sind allen Mitgliedstaaten in einer Gesellschaft gemeinsam, die sich durch Pluralismus, Nichtdiskriminierung, Toleranz, Gerechtigkeit, Solidarität und die Gleichheit von Frauen und Männern auszeichnet“ (ebd.).

Manchmal habe ich den Eindruck, dass Regionen in der Europäischen Union gerne eigene Werte durchsetzen möchten, sich regional abschotten, aber dennoch die Vorteile der Europäischen Union nutzen wollen. Diese Vorteile gibt es nicht, ohne die Berücksichtigung der genannten Werte – sogar dann, wenn es um die Nutzung der Künstlichen Intelligenz geht. Siehe dazu auch

Bris, A. (2025): SuperEurope: The Unexpected Hero of the 21st Century 

Weltweite Übersicht zum Umgang mit Künstlicher Intelligenz

Veröffentlicht am

Open Source AI: Besser für einzelne Personen, Organisationen und demokratische Gesellschaften

Adobe: AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

Die bekannten KI-Anwendungen (AI Apps) wie ChatGPT, Gemini usw. dominieren den Markt und setzen durch schnelle Neuerungen (Updates) Standards bei der Performance. Solche Angebote können als closed-source Large Language Models (LLMs) bezeichnet werden. Die Nutzung wird dabei durch wenig Transparenz bei den verwendeten Daten und durch immer mehr kostenpflichtige Angebote „erkauft“.

Diese schnelle Abhängigkeit von der jeweiligen Funktionsweise der verwendeten KI-Apps führt bei einem Wechsel – beispielsweise zu Open Source AI – zu erhöhten Switching Costs. Diesen Effekt nutzen die kommerziellen Anbieter, um ihr Geschäftsmodell weiter zu etablieren und zu kommerzialisieren.

Open Source AI (Definition) bedeutet u.a. die Transparenz bei den Trainingsdaten zu schaffen, und den Zugang für jeden zu ermöglichen. Meine Auffassung ist, dass Open Source AI in Zukunft für Privatpersonen, Organisationen und demokratische Gesellschaften besser ist. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Diese Ansicht wird auch von wissenschaftlichen Forschungen zu dem Thema gestützt. Eine aktuelle Veröffentlichung von Manchanda et al. (2024) beschreibt die Zusammenhänge wie folgt:

„Closed-source LLMs continue to lead in performance, leveraging proprietary datasets and significant computational investments to excel in tasks requiring advanced generative abilities, multi-step reasoning, and broad generalization. However, their success comes at the cost of limited transparency and restricted accessibility, which creates challenges for external validation and replication.

The closed-source approach also consolidates resources and technological power within a few institutions. In so doing, it poses barriers to equitable AI development and raising concerns about reproducibility of outcomes and organizational accountability. By contrast, open-source LLMs emphasize accessibility and collaborative development. While these models often trail closed-source systems in absolute performance, they have made significant progress in narrowing the gap through methods such as Low-Rank Adaptation (LoRA) and quantization. These strategies enable efficient, competitive outcomes even in resource-constrained environments. By utilizing diverse datasets across languages and contexts, open-sourcemodels demonstrate their capacity to address realworld challenges with inclusivity. This democratic ethos has already empowered researchers and developers globally, and is likely to continue to do so“ (Manchanda et al 2024).

Siehe dazu ausführlicher

Open Source AI Definition

Open Source AI-Models for Europe: Teuken 7B – Training on >50% non English Data

Open Source AI: Common Corpus als größte offene Trainingsdatenbank veröffentlicht