Kurs: KI und Nachhaltigkeit | OnCourse UB

  • Lektion 1

    • Konfliktäre Zukunftsvisionen: Erlösung, Kollaps oder Gestaltbarkeit?

      Die Verheißung: KI als Produktivkraft, Wohlstandsmotor, Problemlöserin

      Die großen Technologieunternehmen erzählen die Zukunft der Künstlichen Intelligenz nicht nur als technische Entwicklung, sondern als gesellschaftliches Versprechen und in ihren Visionen erscheint KI als neue Produktivkraft: als Werkzeug, das Arbeit beschleunigt, Forschung vorantreibt, Unternehmen effizienter macht und langfristig Wohlstand erzeugen soll.

      Diese Erzählung ist sehr machtvoll, weil sie an vertraute Fortschrittsmotive anschließt: Maschinen nehmen dem Menschen Routinen ab, Wissen wird breiter zugänglich, medizinische und ökologische Probleme werden lösbarer, und wirtschaftliches Wachstum entsteht durch eine neue Basistechnologie.

      So zeigt auch Stanford AI Index 2025, dass die private KI-Investition in den USA 2024 bei 109,1 Milliarden US-Dollar lagen und weltweit generative KI 33,9 Milliarden US-Dollar privates Kapital angezogen hat, Insgesamt geben 78 Prozent der befragten Organisationen an, KI zu nutzen, nach 55 Prozent im Jahr zuvor (Stanford HAI, 2025). Wir sehen also eine rasante Ausbreitung dieser Technologie. Doch welche Viosionen und Versprechungen sind eigentlich damit verbunden?

      Aus Sicht von Unternehmen wie OpenAI, Microsoft, Google, Meta, Nvidia, Amazon oder Tesla/xAI ist KI deshalb nicht bloß ein weiteres digitales Produkt, sondern sie wird als Infrastruktur beschrieben, vergleichbar mit Elektrizität, Internet oder industrieller Automatisierung. Sam Altman, CEO von OpenAI, spricht vom Beginn eines „Intelligence Age“, also eines Zeitalters, in dem künstliche Intelligenz Menschen helfen soll, deutlich mehr zu leisten, als sie allein könnten. OpenAI formuliert seine Mission entsprechend als Entwicklung von AGI, die „allen“ zugutekommen soll; Altman verbindet diese Perspektive mit personalisierten Tutorinnen, wissenschaftlichen Durchbrüchen, besseren Werkzeugen und einer Zukunft größerer materieller Fülle (Altman, 2024). In seinem späteren Text „Abundant Intelligence“ wird diese Verheißung noch zugespitzter:

      Wenn Rechenleistung der Engpass sei, müsse man mehr davon bauen, weil KI bei genügend Compute etwa Krebsforschung oder individualisierte Bildung für alle beschleunigen könne (Altman, 2025).

    • Die Sichtweisen der großen Tech-Firmen Textseite

    • Die Warnung: KI als materielle Infrastruktur der Ausbeutung

      Wenn heute über Künstliche Intelligenz gesprochen wird, klingt es oft so, als wäre sie etwas fast Körperloses, also nur „Cloud“, Daten und Algorithmen, die irgendwo im Digitalen schweben. Doch wir haben in diesem Kurs gelernt, dass KI eigentlich sehr materiell ist, weil sie Rohstoffe, Energie, Wasser, Gebäude, Kabel, Server, menschliche Arbeit und politische Macht braucht. Hinter jedem Chatbot, Bildgenerator oder automatisierten System steht also eine Welt, die meistens unsichtbar bleibt.

      Schon bei den Rohstoffen zeigt sich das deutlich, denn für Chips, Server, Speicher und Kühlungssysteme werden Kupfer, Lithium, Kobalt und seltene Erden gebraucht, die oft in Regionen abgebaut werden, die von Ausbeutung geprägt sind. Während große Tech-Unternehmen Gewinne machen, bleiben zerstörte Landschaften, verschmutztes Wasser und schlechte Arbeitsbedingungen oft vor Ort zurück. Auch die Cloud ist keine leichte Wolke, sondern besteht aus Rechenzentren, die viel Strom verbrauchen, Wärme erzeugen und Wasser zur Kühlung benötigen. Dazu kommt die menschliche Arbeit: Viele Menschen sammeln, sortieren, bewerten und bereinigen Daten, häufig schlecht bezahlt und kaum sichtbar. KI ersetzt Arbeit also nicht einfach, sondern baut auf neuer, oft prekärer Arbeit auf. Deshalb sollte KI nicht nur als nützliches Werkzeug gesehen werden, sondern als gesellschaftliches Projekt, das demokratisch kontrolliert, ökologisch begrenzt und sozial verantwortet werden muss.

    • Die Machtfrage: KI-Zukunft als politischer Konflikt Textseite
Vorherige Lektion Nach oben Nächste Lektion