Kalender

Queere KI. Zum Coming-out smarter Maschinen

Insbesondere die geistes-, sozial- und kulturwissenschaftliche Forschung hat in den vergangenen Jahren in Anbetracht der rasanten Weiterentwicklung von Verfahren Künstlicher Intelligenz (KI) einige Anstrengungen geleistet, um auf die mit digitalen Technologien verbundenen Exklusions- und Marginalisierungsproblematiken aufmerksam zu machen. Dazu zählen die nicht vorhandenen Möglichkeiten für Trans- oder Interpersonen sich außerhalb heteronormativ-binärer Muster zu identifizieren, die nicht gelingende Wahrnehmung von People of Color durch Gesichtserkennungssoftware oder die Benachteiligung von Frauen bei automatisierten Bewerbungsverfahren im Berufsalltag. In dem auf dieser Problematik aufbauenden Forschungsfeld verweisen viele Stimmen auf einen lückenhaften Datensatz und stellen ein Aufbrechen der Exklusion durch die Einspeisung von zusätzlichen Daten aus pluralen Perspektiven in Aussicht.

Wissen wird jedoch queerfeministisch stets als partikular, situativ und unvollständig verstanden. Damit öffnen sich Möglichkeiten des Umgangs mit KI, die reduktive Kategorisierungen zu überschreiten versuchen. Was indessen aus einer queeren Perspektive deutlich wird, ist, dass der binären Codierung digitaler Technologien ein simplifiziertes Repräsentationsverständnis zugrunde liegt, welches sich über die Datensätze hinaus in das Digitale einschreibt. Queerness weist im Gegensatz dazu stets auf einen Überschuss an Bedeutung hin, auf die stete Gegebenheit von Pluralität wie auch auf Un- und Vieldeutigkeiten, welche nur partikular erfassbar sind.

Ausgehend von einer solchen Bestandsaufnahme sollte deutlich geworden sein, dass KI vor allem bestimmte normative Geschlechterbilder sowie klassistische und rassifizierte Vorstellungen widergespiegelt und systematisch diesem Bild entsprechende Körper, Handlungen und Verhaltensweisen durch autonome Entscheidungssysteme, Überwachungssysteme oder Wearables vermittelt. Es stellt sich somit die Frage nach der Politik und Ethik maschineller Verkörperungen auf der einen Seite und nach technischen Möglichkeiten einer von Diversität und Pluralität geprägten Produktion sozialer Identitäten auf der anderen Seite, die durch und mittels digitaler Technologien vermittelt werden.

Die Idee, Maschinen Mehrdeutigkeit, Eigenartigkeit und Fluidität in Bezug auf Identität beibringen zu können und sie nicht nur auf rigide Klassifikationen zu reduzieren, sollte auch in einer wissenschaftlichen Reflexion des Denkens jenseits von Technik eine Entsprechung finden.

Das Symposium möchte sich daher – nach der bisher vor allem empirisch in den Mittelpunkt gerückten Auseinandersetzung mit Auswirkungen im Zuge des Einsatzes von KI – dem Verhältnis von Queerness und KI aus einer stärker theoretischen Perspektive widmen. Geistes-, sozial- und kulturwissenschaftliche Forschung zeichnet sich insbesondere durch eine Diversität an begrifflichen Instrumenten, kritischen Ansätzen und ideengeschichtlichen Traditionen aus. Daher scheint es angesichts vielfältiger disziplinärer Hintergründe sinnvoll, eine gemeinsame Präzisierung der diskursiven Verschränkungen von KI und Queerness anzustreben, beispielsweise hinsichtlich ihrer Materialitäten und Ästhetiken, ihres dialektischen Potentials oder des ihnen zugeschriebenen Autonomieverständnisses.

Ziel ist es, Formen der Diskriminierung und der Reproduktion normativer Stereotype in Zusammenhang mit Verfahren von KI zu erschließen und Möglichkeiten der Reduktion dieser Diskriminierung zu verhandeln.

Das Symposium wird ausgerichtet vom Schaufler Kolleg@ TU Dresden in Kollaboration mit der GenderConceptGroup der Technischen Universität Dresden (TUD).

Das Symposium findet ausschließlich digital und öffentlich statt. Um formlose Anmeldung zur Teilnahme wird bis zum 20. Juni 2021 per E-Mail gebeten: schaufler.symposium(at)tu-dresden.de. Der Zoom-Link zur Teilnahme wird einige Tage im Voraus verschickt.

Organisation

Schaufler Kolleg@ TU Dresden | GenderConceptGroup TU Dresden

Ort

virtuell | Zoom

Beginn

24.06.21

Ende

25.06.21

Dateien