Comparison of Care – ethische Perspektiven und FAT (Fairness, Accountability, Transparency)

In diesem Projekt untersuchen wir kritisch, warum die zeitgenössische Ethik Künstlicher Intelligenz überwiegend entlang von fairness, accountability und transparency (FAT) strukturiert ist und ob diese Kriterien ausreichen, um KI-Systeme in Kontexten zu bewerten, in denen menschliche Beziehungen, Verwundbarkeit und Sinnstiftung geprägt werden. In Anlehnung an Jonathan Cohn (2020) und care ethics (Care-Ethik) (Gilligan 1996 / Held 2006) argumentieren wir, dass FAT-ethische Ansätze einer zugrunde liegenden „ethics of justice“ (Gerechtigkeitsethik) folgen, die formale Gleichheit, regelbasiertes Denken und Effizienz priorisiert und dabei Abhängigkeit, Relationalität und kontextbezogenes Urteil marginalisiert.

Mit einem Fokus auf KI-vermittelte Sprachübersetzung als einem empirisch gut zugänglichen Feld, in dem diese Fragen auftreten, untersuchen wir, wie DeepL und ChatGPT FAT- versus care-ethische Werte realisieren. Anhand qualitativer Fallstudien (Anrede, emotionale Verwundbarkeit, Gender) und quantitativer LIWC-Analyse (Linguistic Inquiry and Word Count) zeigen wir, dass aktuelle Systeme dazu tendieren, FAT-orientierte Muster zu reproduzieren, relationalen Intent häufig zu verfehlen und Default-Annahmen zu verstärken (z.B. gegenderte Pronomen, nicht markierte Höflichkeits- bzw. Formalitätsentscheidungen etc.). Care-ethische Ergebnisse treten nur sporadisch auf und sind vermutlich nicht intendiert, sondern ergeben sich aus dem breiteren Trainingskorpus und nicht aus einer normativen Gestaltung.

Unsere Ergebnisse legen nahe, dass eine FAT-ethische Dominanz nicht nur mit einer „ethics of justice“ (Gerechtigkeitsethik) übereinstimmt, sondern neoliberale Hegemonien von Optimierung und Effizienz widerspiegelt, wodurch die Fähigkeit von KI eingeschränkt wird, soziale und relationale Schäden zu adressieren. Als Reaktion darauf schlagen wir eine care-ethical AI model card (care-ethisch ausgerichtete „AI model card“) vor, die Stimme, Interdependenz, kontextbezogenes Urteil und Verwundbarkeit in den Vordergrund stellt. Die Integration von Care-Ethik in KI ist nicht bloß additiv, sondern erfordert eine Revision des zugrunde liegenden Gerechtigkeitsbegriffs selbst. Zugleich machen empirische und methodologische Begrenzungen deutlich, dass care-based AI (Care-basierte KI) ein offenes und sich weiterentwickelndes Forschungsprogramm bleibt.