Wird geladen
EuraStudy
Dein Lernraum wird vorbereitet — Curriculum, Notizen und KI verbinden sich.
Wird geladen
Dein Lernraum wird vorbereitet — Curriculum, Notizen und KI verbinden sich.
DE-Abitur · EthikT·1010 / 11
Die Medien- und Digitalethik ist die jüngste Bereichsethik: Sie reflektiert die moralischen Fragen der vernetzten Informationsgesellschaft. Vier Felder strukturieren das Thema: (1) Grundlagen der Informationsethik (Luciano Floridi: Infosphäre, „onlife", Information als moralisch relevantes Gut); (2) soziale Medien (Filterblase nach Eli Pariser 2011 und Echokammer nach Cass Sunstein 2001, Fake News, Hatespeech, NetzDG 2017); (3) Privatsphäre und Big Data (informationelle Selbstbestimmung, DSGVO 2018, Recht auf Vergessenwerden, Überwachung); (4) KI-Ethik (algorithmische Verzerrung, Verantwortungslücke, EU AI Act 2024). Maßstab bleiben die klassischen Theorien — Kant (Würde, Autonomie), Utilitarismus (Folgenabwägung) und Verantwortungsethik (Jonas, Floridi) — angewandt auf digitale Streitfälle.
4Abschnitteca. 10Min Lesezeit2Kompetenzen
Operatoren:analysieren · anwenden · erörtern · beurteilen
grundlegendes Niveau
gA-Niveau: Begriffe Medien-/Digitalethik und informationelle Selbstbestimmung; Filterblase und Echokammer unterscheiden; Grundproblem Fake News und Hatespeech; Grundzüge des Datenschutzes (DSGVO); ein Beispiel algorithmischer Verzerrung.
erhöhtes Niveau
eA-Niveau: Floridis Informationsethik (Infosphäre, onlife, Patientenstatus von Informationswesen); BVerfG-Volkszählungsurteil 1983 (Recht auf informationelle Selbstbestimmung); DSGVO Art. 17/22, „Recht auf Vergessenwerden" (EuGH Google Spain 13.5.2014); Verantwortungslücke (responsibility gap) und EU AI Act 2024; Kant, Utilitarismus und Jonas im digitalen Anwendungsstreit.
Kernpunkte
Typische Fehler
Quellen: Stanford Encyclopedia of Philosophy — Information (Stanford University) · KMK EPA Ethik 2006 (KMK)
Kernpunkte
FILTERBLASE UND ECHOKAMMER — PERSONALISIERUNG UND POLARISIERUNG
Welche drei Beschriftungen in "Filterblase und Echokammer — Personalisierung und Polarisierung" sind prüfungsrelevant?
Folgeaufgabe: Skizziere dasselbe Schema ohne Beschriftungen und ergänze sie aus dem Gedächtnis.
Typische Fehler
Quellen: Stanford Encyclopedia of Philosophy — Ethics (Stanford University) · Grundgesetz Art. 1 — Menschenwürde (BMJ)
Kernpunkte
VERANTWORTUNGSLÜCKE BEI ALGORITHMISCHEN ENTSCHEIDUNGEN
Welche drei Beschriftungen in "Verantwortungslücke bei algorithmischen Entscheidungen" sind prüfungsrelevant?
Folgeaufgabe: Skizziere dasselbe Schema ohne Beschriftungen und ergänze sie aus dem Gedächtnis.
Typische Fehler
LK-Vertiefung
eA-Vertiefung: Diskutieren Sie Shoshana Zuboffs These vom „Überwachungskapitalismus" (2019). Inwiefern verwandelt die kommerzielle Datennutzung menschliches Verhalten in eine handelbare Ware und bedroht damit Autonomie und Demokratie?
Quellen: Stanford Encyclopedia of Philosophy — Privacy and Information Technology (Stanford University) · Datenschutz-Grundverordnung (DSGVO) — Art. 17 Recht auf Löschung (Europäische Union) · Grundgesetz Art. 1 — Menschenwürde (BMJ)
Kernpunkte
VERANTWORTUNGSLÜCKE BEI ALGORITHMISCHEN ENTSCHEIDUNGEN
Welche drei Beschriftungen in "Verantwortungslücke bei algorithmischen Entscheidungen" sind prüfungsrelevant?
Folgeaufgabe: Skizziere dasselbe Schema ohne Beschriftungen und ergänze sie aus dem Gedächtnis.
Musterlösung
Eine Bank setzt ein KI-System ein, das die Kreditwürdigkeit von Antragstellern aus Tausenden Datenpunkten (auch Wohnort und Kaufverhalten) automatisch bewertet. Eine Antragstellerin wird ohne nachvollziehbare Begründung abgelehnt; eine Prüfung ergibt, dass das Modell Bewohner bestimmter Stadtviertel systematisch schlechter bewertet. Beurteilen Sie den Einsatz aus deontologischer, utilitaristischer und verantwortungsethischer Sicht.
Ethisch relevante Aspekte: (a) Intransparenz — die Betroffene erhält keine Begründung (Black-Box-Problem); (b) statistische Diskriminierung — der Wohnort korreliert mit geschützten Merkmalen, sodass ein Bias im Trainingsdatensatz reproduziert wird (Proxy-Diskriminierung); (c) fehlende Anfechtbarkeit; (d) Verantwortungsdiffusion zwischen Entwickler, Bank und Modell.
Die Selbstzweckformel verlangt, jede Person „niemals bloß als Mittel" zu behandeln. Eine undurchschaubare, nicht begründete Ablehnung verweigert der Betroffenen die Achtung als vernünftiges Subjekt — sie wird zum bloßen Datenpunkt. Die Maxime „bewerte Menschen nach intransparenten Gruppenkorrelationen" lässt sich nicht universalisieren, ohne die Idee gleicher Würde aufzuheben. Pflicht zu Transparenz und Begründung (vgl. DSGVO Art. 22: Recht, einer rein automatisierten Entscheidung nicht unterworfen zu werden).
Ein Algorithmus kann Kredite effizienter und im Schnitt treffsicherer vergeben (Nutzengewinn: weniger Ausfälle, schnellere Bearbeitung). Doch der systematische Bias erzeugt erheblichen Schaden: ganze Bevölkerungsgruppen werden benachteiligt, Vertrauen sinkt, soziale Ungleichheit verfestigt sich. Eine ehrliche Gesamtbilanz muss diese verteilten Schäden und langfristigen Folgen einrechnen — der scheinbare Effizienzgewinn ist dann nicht eindeutig positiv.
Jonas’ Imperativ verpflichtet zur Vorsorge bei technologischer Macht: im Zweifel ist das Risiko ernst zu nehmen (Heuristik der Furcht). Floridis Informationsethik fordert, die „Infosphäre" und ihre Bewohner (auch als Informationswesen) nicht zu schädigen. Daraus folgt die Forderung nach human-in-the-loop, Erklärbarkeit, Bias-Audits und klarer Zurechnung — die „Verantwortungslücke" muss geschlossen werden.
Die drei Perspektiven konvergieren ausnahmsweise: Kant (Würde/Transparenz), eine ehrliche Utilitarismus-Bilanz (Schaden durch Bias) und die Verantwortungsethik (Vorsorge, Zurechnung) verurteilen den intransparenten, voreingenommenen Einsatz. Vertretbar wäre der Algorithmus nur als Entscheidungsunterstützung mit Begründungspflicht, Diskriminierungs-Audit und menschlicher Letztentscheidung — wie es der EU AI Act für Hochrisiko-Systeme verlangt.
Ergebnis: Der Einsatz in der vorliegenden Form ist ethisch nicht zu rechtfertigen: Er verletzt die Würde (Kant), erzeugt verteilten Schaden (Utilitarismus) und lässt die Verantwortung im Dunkeln (Jonas/Floridi). Klausurtauglich ist eine Erörterung, die das Black-Box- und das Bias-Problem benennt, alle drei Theorien anwendet und konkrete Schutzauflagen (Transparenz, Audit, human-in-the-loop) als reflektierte Position formuliert.
Typische Fehler
LK-Vertiefung
eA-Vertiefung: Diskutieren Sie, ob eine Maschine moralischer Akteur (agent) sein kann oder nur moralisch relevantes Werkzeug bleibt. Was folgt daraus für die Zurechnung von Verantwortung?
Quellen: Stanford Encyclopedia of Philosophy — Ethics of Artificial Intelligence and Robotics (Stanford University) · Verordnung über künstliche Intelligenz (EU AI Act) — in Kraft seit 1.8.2024 (Europäische Kommission) · Grundgesetz Art. 1 — Menschenwürde (BMJ)