„Bias in Künstlicher Intelligenz ist nicht einfach ein technisches Problem, sondern ein Spiegel unserer gesellschaftlichen Strukturen und Vorurteile, die sich in den Daten, auf denen die Systeme trainiert werden, manifestieren. Solange KI-Modelle auf historischen Daten beruhen, reproduzieren sie bestehende Ungleichheiten und Diskriminierungen – sei es hinsichtlich Geschlecht, Ethnie oder sozioökonomischem Status. Dies führt dazu, dass Entscheidungen, die von KI unterstützt werden, wie etwa in der Kreditvergabe, Bewerberauswahl oder Strafverfolgung, nicht neutral sind, sondern tief verwurzelte Verzerrungen verstärken können. Deshalb ist es essenziell, Bias nicht nur auf technischer Ebene durch Methoden wie faire Datenvorverarbeitung, Regularisierung oder Bias-Korrektur zu adressieren, sondern auch eine ethische und interdisziplinäre Reflexion einzubeziehen. Nur durch Transparenz, diverse Entwicklungsteams und kontinuierliche Überprüfung lassen sich KI-Systeme entwickeln, die gerechtere und inklusivere Entscheidungen treffen. Bias zu erkennen und zu minimieren ist somit eine fundamentale Herausforderung, um das volle Potenzial von KI verantwortungsvoll und zum Wohle aller nutzen zu können.“
– frei nach Expertinnen und Experten aus dem Bereich Fairness in Machine Learning
