Kollektive Maschinen-Intelligenz als demokratischer Gestaltungsraum

Lädt...

0:00 14:15

Abstract

In der aktuellen Phase der KI-Entwicklung verdichten sich technische, politische und epistemische Dynamiken zu einem neuen Typ sozio-technischer Ordnung, in dem hybride Systeme aus Menschen und Maschinen zunehmend zentrale Entscheidungsprozesse strukturieren. Der Artikel entwickelt das Konzept kollektiver Maschinen-Intelligenz, verstanden als verteiltes Gefüge menschlicher und maschineller Akteure, das weder auf technische Leistungsoptimierung noch auf klassische Demokratietheorie allein reduziert werden kann. Im theoretischen Teil werden drei Stränge zusammengeführt: erstens Ansätze kollektiver und hybrider Intelligenz, die verteilte Problemlösungsfähigkeit und die komplementären Stärken von Menschen und KI herausarbeiten; zweitens das Actor-Actor-Interaction-Modell nach Döben-Henisch, das Mensch–Maschine-Systeme als Netzwerke von Akteuren mit unterschiedlichen Wahrnehmungs-, Verarbeitungs- und Handlungsfähigkeiten formalisiert; drittens demokratietheoretische und Citizen-Science-Perspektiven, die Technikgestaltung als Feld epistemischer und politischer Ko-Produktion begreifen. Empirisch werden Fallstudien aus Smart-City-Governance, Gesundheitswesen und Umweltmonitoring analysiert, in denen KI-basierte Systeme mit unterschiedlichen Formen von Bürgerbeteiligung gekoppelt sind. Die Analyse zeigt, dass kollektive Maschinen-Intelligenz dort demokratisches Potenzial entfaltet, wo Bürger frühzeitig in Problemdefinition, Zielpriorisierung und Modellgestaltung eingebunden werden, wo Interfaces Exploration, Kritik und kollektive Aushandlung ermöglichen und wo mehrstufige Feedback- und Kontrollmechanismen verankert sind. Zugleich treten strukturelle Grenzen zutage, insbesondere technische Intransparenz, soziale Partizipationsgefälle, epistemische Spannungen zwischen Validität und Inklusion sowie politisch-ökonomische Widerstände. Der Artikel schließt mit einer Forschungsagenda, die interdisziplinäre Designs, designbasierte Experimente und theoriegeleitete Simulationen vorschlägt, um kollektive Maschinen-Intelligenz als demokratisches Projekt weiter zu präzisieren und institutionell zu erden.

1. Einleitung: Die demokratische Herausforderung der KI

Die gegenwärtige Entwicklung künstlicher Intelligenz vollzieht sich in einem Spannungsfeld zwischen rasanter technischer Innovation und vergleichsweise träger demokratischer Kontrolle. KI-Systeme treffen Entscheidungen mit unmittelbaren Folgen für Lebenschancen, Ressourcenverteilung und politische Regulation, etwa in der Kreditvergabe, in sicherheitsrelevanten Bereichen oder bei stadtplanerischen Weichenstellungen (Boucher et al. 2023). Zugleich werden ihre Architektur, Trainingsdaten und Zielkriterien überwiegend in organisationalen Kontexten bestimmt, die sich formaler demokratischer Einflussnahme weitgehend entziehen. Dieses Auseinanderfallen von gesellschaftlicher Reichweite und demokratischer Einbettung markiert die spezifische Problemqualität gegenwärtiger KI-Governance.

Vor diesem Hintergrund setzt dieser Beitrag die These, dass kollektive Maschinen-Intelligenz als genuin sozio-technisches Phänomen begriffen werden muss, dessen Gestaltung nicht allein technischen, sondern vor allem politischen und epistemischen Aushandlungsprozessen unterliegt. Anstatt KI als externes Werkzeug zu konzipieren, das auf eine bereits konstituierte Gesellschaft einwirkt, wird sie als integraler Bestandteil kollektiver Handlungs- und Wissensprozesse verstanden. Kollektive Maschinen-Intelligenz bezeichnet in diesem Sinne Konfigurationen, in denen menschliche und maschinelle Akteure in verteilten, dynamischen und lernfähigen Strukturen gemeinsam Probleme bearbeiten. Die Frage ist nicht nur, ob diese Konfigurationen effizienter sind als rein menschliche oder rein maschinelle Systeme, sondern ob und wie sie demokratisch legitimierbar und gestaltbar sind.

Demokratietheoretisch entsteht ein besonderes Spannungsverhältnis: Je leistungsfähiger und allgegenwärtiger KI-Systeme werden, desto größer ist die Gefahr, dass Entscheidungsprozesse sich in undurchsichtige Zonen algorithmischer Steuerung verlagern. Gleichzeitig eröffnet gerade die Digitalisierung neue Möglichkeiten, Wissen und Urteilsvermögen vieler zu bündeln und deliberative Verfahren zu skalieren (Jaeger et al. 2023; Herzog 2022). Der normative Konflikt verläuft damit nicht einfach zwischen "mehr" oder "weniger" KI, sondern zwischen verschiedenen Modi ihrer Einbettung: technokratische Delegation an expertokratische oder privatwirtschaftliche Zentren einerseits, oder demokratisch gerahmte, kollektive Intelligenzarchitekturen andererseits.

Die leitende Forschungsfrage dieses Artikels lautet entsprechend: Unter welchen theoretischen, institutionellen und technischen Bedingungen kann kollektive Maschinen-Intelligenz als demokratischer Gestaltungsraum realisiert werden? Damit verbunden sind drei subordinierte Leitfragen, welche die argumentative Struktur bestimmen. Erstens: Welche theoretischen Konzepte eignen sich, um die Interaktion zwischen menschlichen und maschinellen Akteuren als prinzipiell symmetrische Beziehung zu modellieren? Das von Döben-Henisch entwickelte Actor-Actor-Interaction-Modell (AAI/DAAI) bietet hier einen Ansatz, der nicht länger von einer hierarchischen Subjekt–Objekt-Logik zwischen Mensch und Maschine ausgeht, sondern beide als Akteure in verteilten Interaktionsgefügen beschreibt (Döben-Henisch 2019). Zweitens: Inwiefern lassen sich Prinzipien und Praktiken der Citizen Science auf die Entwicklung und Governance von KI-Systemen übertragen, um Bürgerinnen und Bürger als epistemische und normative Ko-Akteure einzubinden (Jaeger 2023; Krick 2022)? Drittens: Welche strukturellen Barrieren – etwa digitaler Ausschluss, ungleiche Ressourcen, epistemische Ungleichheiten – begrenzen derzeit die Demokratisierung kollektiver Maschinen-Intelligenz, und welche institutionellen Arrangements könnten diese Spannungen zumindest partiell moderieren?

Die wissenschaftliche Relevanz der Fragestellung ergibt sich aus der Beobachtung, dass zentrale Diskursstränge bislang weitgehend nebeneinander herlaufen. Forschung zu kollektiver Intelligenz und hybrider Human–AI-Collaboration fokussiert typischerweise auf Leistungsfähigkeit, Robustheit und Resilienz solcher Systeme, behandelt Fragen der demokratischen Einbettung aber nur randständig (Boucher et al. 2023). Umgekehrt diskutieren demokratietheoretische und science-studies-orientierte Arbeiten die Transformationen politischer und epistemischer Ordnungen im Zuge der Digitalisierung, ohne die spezifischen Eigenschaften lernender, adaptiver KI-Systeme systematisch in ihre Modelle zu integrieren (Herzog 2022). Citizen-Science-Forschung wiederum beleuchtet die Demokratisierung wissenschaftlicher Wissensproduktion, adressiert KI aber meist nur als unterstützende Infrastruktur, nicht als konstitutiven Akteur epistemischer Prozesse (Jaeger et al. 2023). Der vorliegende Beitrag zielt auf eine systematische Verknüpfung dieser drei Perspektiven.

Praktisch ist die Problemlage in mehreren Politikfeldern sichtbar. In der Stadtplanung werden KI-gestützte Simulationsmodelle eingesetzt, um Verkehrsflüsse, Bebauungsdichten oder Energiebedarfe zu prognostizieren; gleichzeitig experimentieren Kommunen mit partizipativen Plattformen, in denen Bürgerinnen und Bürger an der Bewertung und Priorisierung urbaner Szenarien mitwirken (Helsinki City 2024; Schmitt et al. 2020). Im Gesundheitswesen entstehen KI-Systeme, die Diagnostik und Triage unterstützen, während patientengetriebene Datengemeinschaften neue Formen kollektiver Selbstvermessung und -interpretation etablieren (Wicks et al. 2010). Und im Umweltmonitoring verbinden Projekte wie Safecast oder groß angelegte Biodiversitätsplattformen sensorbasierte Datenerhebung mit verteilten Bürgerbeiträgen und maschinellem Lernen (Hultquist et al. 2017; Sullivan et al. 2014). In all diesen Fällen stellt sich die Frage, ob Bürger lediglich Datenlieferanten für fremdbestimmte Modelle sind oder als gleichberechtigte Akteure in hybride, kollektive Intelligenzsysteme eingebunden werden.

Gesellschaftlich berührt die Frage nach der demokratischen Gestaltung kollektiver Maschinen-Intelligenz grundlegende Vorstellungen von Autonomie, Öffentlichkeit und Legitimation. Wenn algorithmische Systeme zunehmend an der Selektion von Informationen, der Strukturierung von Problemwahrnehmung und der Vorstrukturierung von Entscheidungsoptionen beteiligt sind, verschieben sich die Bedingungen kollektiver Selbstverständigung. Demokratische Legitimation kann dann nicht mehr allein an formalen Entscheidungsverfahren festgemacht werden, sondern muss die vorgelagerten, oft unsichtbaren Schichten algorithmischer Vorstrukturierung mit in den Blick nehmen. Kollektive Maschinen-Intelligenz ist in diesem Sinne nicht nur ein Effizienzversprechen, sondern ein Ort der Aushandlung darüber, welche Stimmen, Wissensformen und Wertorientierungen in die Definition von Problemen und Lösungen einfließen.

Der Artikel ist wie folgt aufgebaut. Kapitel 2 entfaltet die theoretischen Grundlagen, indem es Konzepte kollektiver Intelligenz, hybride Human–AI-Ansätze und das Actor-Actor-Interaction-Modell zusammenführt und in demokratietheoretische Debatten zur Technikgestaltung einbettet. Kapitel 3 interpretiert Citizen Science als Modell partizipativer KI-Entwicklung und arbeitet heraus, wie unterschiedliche Formen bürgerwissenschaftlicher Praxis – von beitragenden bis zu ko-kreativen Projekten – unterschiedliche Rollen für Bürger als epistemische Akteure implizieren. Kapitel 4 widmet sich den Architekturen kollektiver Maschinen-Intelligenz und diskutiert technische Infrastrukturen, Interface-Design, Feedback-Mechanismen sowie Anforderungen an Transparenz und Kontrollierbarkeit. Kapitel 5 analysiert konkrete Fallstudien aus Stadtplanung, Gesundheitswesen und Umweltmonitoring, um die Spannung zwischen Rhetorik der Partizipation und realer Machtverteilung empirisch zu beleuchten. Kapitel 6 adressiert zentrale Herausforderungen und Grenzen, insbesondere technische Komplexität, soziale Exklusion und epistemische Spannungen zwischen Inklusion und Strenge. Kapitel 7 formuliert Gestaltungsempfehlungen für partizipative KI-Systeme auf der Ebene von Prinzipien, Institutionen, Bildung und Regulierung. Kapitel 8 schließlich zieht die Argumentationslinien zusammen und schlägt eine Forschungsagenda für die Weiterentwicklung des Konzepts kollektiver Maschinen-Intelligenz als demokratisches Projekt vor.

2. Theoretische Grundlagen

Die Analyse kollektiver Maschinen-Intelligenz als demokratischer Gestaltungsraum setzt einen begrifflich und normativ sorgfältig kalibrierten Rahmen voraus. Im Zentrum stehen drei Stränge: erstens Konzepte kollektiver Intelligenz, wie sie von Schwarmintelligenz über die „Weisheit der Vielen“ bis zu hybriden Human–AI-Systemen entwickelt wurden; zweitens das von Döben-Henisch formulierte Actor-Actor-Interaction-Modell, das die Beziehung zwischen menschlichen und künstlichen Akteuren neu fasst; drittens demokratietheoretische Perspektiven, die Technikgestaltung als genuin politisches Feld der Aushandlung epistemischer und normativer Ordnungen verstehen.