Shaping the Future of Generative AI for Black Communities: A Frame Analysis of Public Discourse and Empirical Scholarly Research

Stellen Sie sich eine Welt vor, in der Computer Geschichten schreiben, Bilder generieren und Fragen mit der Leichtigkeit eines menschlichen Gesprächs beantworten können. Diese Technologie, bekannt als generative künstliche Intelligenz, bewegt sich rasant aus der Science-Fiction in Schulen, Krankenhäuser und Arbeitsplätze. Doch während diese Werkzeuge Teil des täglichen Lebens werden, stellt sich eine kritische Frage: Wem dienen sie, und wen lassen sie zurück? Seit Jahrzehnten wissen Forscher, dass Computersysteme die Vorurteile ihrer Schöpfer erlernen können und Menschen unterschiedlicher Hautfarben oft ungerecht behandeln. Diese neue Studie stellt eine tiefergehende Frage darüber, wie wir über diese Probleme sprechen. Sie untersucht zwei verschiedene Gruppen von Menschen, die versuchen, diese Probleme zu lösen: die Journalisten und Gemeindeführer, die in den Nachrichten schreiben, und die Wissenschaftler, die Arbeiten in akademischen Fachzeitschriften veröffentlichen. Die Forscher wollten sehen, ob diese beiden Gruppen dasselbe Problem auf die gleiche Weise betrachten oder ob sie völlig unterschiedliche Sprachen sprechen.

Die Studie, die von einem Team aus Wissenschaftlern und Branchenforschern durchgeführt wurde, setzte sich zum Ziel, zu vergleichen, wie die Öffentlichkeit die Gefahren der künstlichen Intelligenz für schwarze Gemeinschaften versteht und wie Wissenschaftler dieselben Gefahren untersuchen. Sie sammelten zwei große Textsammlungen zur Analyse. Die erste Sammlung bestand aus 28 öffentlichen Ressourcen, wie Zeitungsartikeln, Meinungsbeiträgen und Berichten von Think Tanks, die repräsentieren, wie die Öffentlichkeit und die Medien diese Themen diskutieren. Die zweite Sammlung war eine systematische Übersicht von 91 wissenschaftlichen Arbeiten, die zwischen 2010 und 2025 in bedeutenden Informatik-Konferenzen veröffentlicht wurden. Das Team nutzte eine Methode namens Frame-Analyse, um diese Texte zu lesen. Dieser Ansatz zählt nicht nur Wörter; er untersucht, wie eine Geschichte konstruiert wird. Er stellt vier spezifische Fragen: Wie wird das Problem definiert? Was wird als Ursache identifiziert? Welches moralische Urteil wird über die Situation gefällt? Und welche Lösung wird vorgeschlagen? Durch die Anwendung dieser Linse auf sowohl die Nachrichten als auch die Wissenschaft konnten die Forscher genau kartografieren, wo die beiden Welten übereinstimmen und wo sie auseinanderdriften.

Die Ergebnisse zeigen eine erhebliche Diskrepanz zwischen der Art und Weise, wie die Öffentlichkeit das Thema sieht, und der Art und Weise, wie Forscher versuchen, es zu lösen. Im öffentlichen Diskurs ist die Erzählung klar und strukturell. Wenn Journalisten und Gemeindeführer über den durch künstliche Intelligen Intelligenz verursachten Schaden diskutieren, weisen sie fast immer auf tiefe, historische Wurzeln hin. Sie beschreiben das Problem als Folge von Jahrhunderten des systemischen Rassismus und ungerechter politischer Maßnahmen, die die Gesellschaft geformt haben. Ihre Lösungsvorschläge sind gleichermaßen breit gefächert und fordern staatliche Regulierungen, Änderungen in den Einstellungspraktiken und neue Gesetze, um Gemeinschaften zu schützen. Sie sehen die Technologie als einen Spiegel, der eine kaputte Gesellschaft reflektiert, und argumentieren, dass die Reparatur des Spiegels die Reparatur der Gesellschaft selbst erfordert.

Im Gegensatz dazu erzählt die wissenschaftliche Literatur eine andere, viel engere Geschichte. Die Forscher fanden heraus, dass die überwältigende Mehrheit der 91 akademischen Arbeiten sich fast ausschließlich auf technische Lösungen konzentrierte. Wenn Wissenschaftler ein Problem identifizierten, betrachteten sie die Geschichte oder die Gesellschaft selten als Ursache. Stattdessen verwiesen sie auf die Daten, die verwendet wurden, um die Computermodelle zu trainieren. Sie argumentierten, dass die Voreingenommenheit existierte, weil die Trainingsdaten fehlerhaft waren. Folglich waren ihre Lösungen fast vollständig technischer Natur: Sie schlugen vor, bessere Datensätze zu erstellen, neuen Code zur Erkennung von Fehlern zu schreiben oder die Algorithmen anzupassen. Während der öffentliche Diskurs nach Gesetzen und gesellschaftlichem Wandel rief, forderten die wissenschaftlichen Arbeiten bessere Ingenieurskunst. Die Studie deutet darauf hin, dass dies kein Zufall oder eine einfache Meinungsverschiedenheit ist. Vielmehr zeigt es, dass die wissenschaftliche Gemeinschaft weitgehend davor zurückgeschreckt ist, die tieferen strukturellen Bedingungen anzusprechen, die die Voreingenommenheit überhaupt erst ermöglichen.

Die vielleicht auffälligste Entdeckung war, worin sich beide Gruppen einig waren und was beide übersehen haben. Sowohl die Zeitungsartikel als auch die wissenschaftlichen Arbeiten stimmten darin überein, dass der sichtbarste Schaden ein „repräsentativer Schaden“ sei. Dies bezieht sich auf die Art und Weise, wie diese Systeme die schwarze Identität verzerren oder auslöschen, wie etwa die Erzeugung von Bildern Schwarzer Menschen mit hellerem Hautton oder die Verwendung von Stereotypen in Texten. Da beide Gruppen sich so stark auf diese spezifische Art des Schadens konzentrierten, schlugen beide Lösungen vor, die darauf abzielen, die Bilder und Texte genauer zu machen. Doch indem sie dies taten, ignorierten beide Gruppen weitgehend eine entscheidende Perspektive: die Idee, dass schwarze Gemeinschaften diejenigen sein sollten, die die Gestaltung und Entscheidungsprozesse dieser Technologien leiten. Die Studie fand, dass Schwarze in den Nachrichten oft als Opfer dargestellt wurden, die Schutz benötigen, während sie in den wissenschaftlichen Arbeiten als Subjekte behandelt wurden, die untersucht oder als Datenpunkte gemessen werden sollen. Weder die Journalisten noch die Wissenschaftler stellten schwarze Gemeinschaften konsistent als Experten oder Architekten dar, die entscheiden sollten, wie diese mächtigen Werkzeuge gebaut und gesteuert werden sollten.

Die Forscher argumentieren, dass dieser gemeinsame Fokus auf Repräsentation, obwohl wichtig, eine Falle ist. Indem sie sich nur darauf konzentrieren, die Technologie fairer oder genauer erscheinen zu lassen, übersehen beide Gruppen das große Ganze. Sie versuchen, den Output der Maschine zu reparieren, ohne die Regeln zu hinterfragen, die die Erstellung der Maschine regeln. Die Studie legt nahe, dass echter Fortschritt mehr erfordert als nur bessere Daten oder neue Gesetze; er erfordert einen grundlegenden Wandel in der Frage, wer die Macht hält. Sie fordert eine Zukunft, in der schwarze Gemeinschaften nicht nur als Formalität konsultiert werden, sondern als die primären Autoritäten anerkannt werden, die entscheiden, was diese Technologien tun sollen und wie sie eingesetzt werden sollen. Bis die wissenschaftliche Gemeinschaft über technische Anpassungen hinausgeht, um sich mit den strukturellen Realitäten der Gesellschaft auseinanderzusetzen, und bis der öffentliche Diskurs über die Sichtweise des Schwarzen als passiver Empfänger der Technologie hinausgeht, wird die Kluft zwischen dem Versprechen der künstlichen Intelligenz und der Realität ihrer Auswirkungen weit bleiben. Die Studie schließt mit dem Schluss, dass die Überbrückung dieser Kluft ein neues Denken erfordert – eines, das schwarzes Wissen und Erfahrung nicht als eine zu korrigierende Variable betrachtet, sondern als das Fundament für den Aufbau einer besseren Zukunft.