Alle Ausgaben · Indigenous Edition

Your Community, Your AI — CC BY 4.0

Was KI eigentlich ist (und was sie nicht ist)

KI hat sich verändert, während Sie zugeschaut haben

Sie haben wahrscheinlich schon oft gehört, dass künstliche Intelligenz alles verändern wird. Vielleicht haben Sie auch schon gehört, dass es sich nur um eine Modeerscheinung handelt oder dass sie nichts wirklich Neues leisten kann. Beide Standpunkte gehen am Kern der Sache vorbei, und wenn Sie verstehen, warum das so ist, kann Ihre Community fundiertere Entscheidungen über diese Technologie treffen.

Aber es gibt noch etwas anderes, das es zunächst zu beachten gilt: KI hat sich bereits in der kurzen Zeit verändert, in der darüber diskutiert wurde.

Vor einem Jahr meinten die meisten Menschen mit „KI“ einen Chatbot – ein Fenster, in das man eine Frage eingab und eine Antwort erhielt. Man fragte, sie antwortete. Das war der gesamte Ablauf. Heute hat sich der Schwerpunkt verlagert. Die Systeme, die die meiste Aufmerksamkeit und die meisten Investitionen auf sich ziehen, sind nicht mehr nur Chatbots, die antworten. Es sind Agenten, die handeln – Formulare ausfüllen, Nachrichten versenden, im Internet surfen, Datensätze übermitteln, Code schreiben und ausführen.

Dies ist die wichtigste Veränderung, die es zu verstehen gilt, und der Rest dieses Artikels baut darauf auf. Um die heutige KI zu verstehen, muss man zwei Konzepte voneinander trennen:

• Die Engine – das zugrunde liegende Modell, das, was Sprache erzeugt.
• Der Agent – die Engine im Einsatz, so vernetzt, dass sie in der Welt in Ihrem Namen Handlungen ausführen kann.

Die Engine wird immer leistungsfähiger. Doch die größere Veränderung – und für indigene Gemeinschaften die schwerwiegendere – ist das, was Menschen nun um die Engine herum aufbauen. Gehen wir nacheinander auf beide ein. (Alle unbekannten Begriffe in dieser Serie – Engine, Agent, Schlussfolgerungsmodell und der Rest – werden im Glossar in einfacher Sprache definiert.)

Die Engine: Eine Maschine, die Vorhersagen trifft

Hier ist die einfachste Beschreibung dessen, was die Engine tut: Sie sagt voraus, welches Wort als Nächstes kommen sollte.

Wenn du eine Nachricht in einen Chatbot eingibst, denkt das System nicht so über deine Frage nach, wie du oder dein Kaumātua darüber nachdenken würdet. Es geht dabei um einen viel mechanischeren Vorgang. Dem System wurden Milliarden von Textseiten präsentiert – Bücher, Websites, Gespräche, juristische Dokumente, Rezepte, medizinische Fachartikel, Diskussionen in sozialen Medien – und aus all diesen Texten hat es Muster gelernt. Wenn Sie ihm eine Frage stellen, generiert es eine Antwort, indem es Wort für Wort vorhersagt, wie eine plausible Antwort auf der Grundlage all dessen, was es zuvor gesehen hat, aussehen könnte.

Das ist wirklich nützlich. Ein System, das die Muster von Milliarden von Textseiten verinnerlicht hat, kann dir helfen, einen Brief zu entwerfen, ein langes Dokument zusammenzufassen, eine sachliche Frage zu beantworten oder Vorschläge zu machen, wie man eine schwierige Mitteilung formulieren könnte. Das sind echte Fähigkeiten, und sie sparen echte Zeit.

Im Kern führt die Engine jedoch Musterabgleiche in einem außergewöhnlichen Ausmaß durch. Diese eine Tatsache erklärt sowohl, worin sie erstaunlich gut ist, als auch, wo sie still und leise Fehler macht – ein Punkt, auf den diese Serie zurückkommt, denn für eine Gemeinschaft, deren Wissen in diesen Trainingsdaten unterrepräsentiert ist, sind diese Fehler nicht zufällig. Die Engine tendiert zum Westlichen.

Kann die Engine logisch denken?

Es gibt eine tiefgreifendere Frage, mit der sich Forscher intensiv beschäftigen, und die einfache Antwort lautet: Wir wissen es noch nicht.

Als frühe KI-Systeme flüssigen Text erzeugten, war es naheliegend, sie als ausgefeilte Mustererkennung zu beschreiben und es dabei zu belassen. Doch eine neuere Generation von Systemen – oft als „schlussfolgernde“ oder „denkende“ Modelle bezeichnet – geht anders vor. Anstatt sofort zu antworten, arbeitet sie ein Problem schrittweise durch und erzeugt eine sichtbare Kette von Zwischenschritten, bevor sie sich auf eine Antwort festlegt. Bei schwierigeren Problemen benötigt sie dafür mehr Zeit. Die Ergebnisse können bemerkenswert sein: Im Jahr 2025 lösten Schlussfolgerungssysteme aus mehr als einem großen Forschungslabor Aufgaben der Internationalen Mathematik-Olympiade – einem der schwierigsten Mathematikwettbewerbe der Welt – auf einem Niveau, das dem eines menschlichen Goldmedaillengewinners entspricht.

Ist das nun Schlussfolgerung oder handelt es sich um sehr ausgefeilte Mustererkennung, die so verpackt ist, dass sie wie Schlussfolgerung aussieht?

Die Forschung ist hier noch völlig offen, und seriöse Fachleute sind sich uneinig. Eine einflussreiche Studie aus dem Jahr 2025 argumentierte, diese Systeme seien teilweise eine „Illusion des Denkens“ – dass sie bei bestimmten Rätseln auf eine Weise scheitern, wie es ein echter Denker nicht tun würde. Mehrere ebenso seriöse Gegenargumente vertraten die gegenteilige Ansicht. Das derzeit vorsichtigste Urteil lautet, dass die heutigen Schlussfolgerungsmodelle weder echte Denker noch bloße Nachahmer sind – sie sind etwas wirklich Neues, das wir noch nicht vollständig verstehen. Wer Ihnen sagt, KI könne definitiv schlussfolgern oder könne es definitiv nicht, übertreibt die Aussagekraft der vorliegenden Beweise.

Eine Erkenntnis ist für Ihre Community von Bedeutung, und sie lässt sich leicht falsch interpretieren; lesen Sie sie daher sorgfältig durch. Wenn diese Systeme Ihnen ihr „Denken“ zeigen, spiegelt diese sichtbare Kette nicht zuverlässig wider, was tatsächlich zur Antwort geführt hat. Forscher haben wiederholt festgestellt, dass die von einem Modell angegebene Argumentation die tatsächlichen Einflüsse auf seine Schlussfolgerung auslassen kann – nicht, weil die Maschine im menschlichen Sinne unehrlich wäre (sie hat keine Absichten), sondern weil die Wörter, die sie Ihnen zeigt, selbst nur weiterer vorhergesagter Text sind und keine echte Wiedergabe eines inneren Prozesses. Die praktische Konsequenz: Man kann eine KI nicht zur Rechenschaft ziehen, indem man einfach die Erklärung liest, die sie für sich selbst liefert. Das ist ein Grund, warum eine gemeinschaftsgesteuerte Governance – bei der die Ausgabe mit den eigenen Aufzeichnungen abgeglichen wird, anstatt dem Selbstbericht der KI zu vertrauen – so wichtig ist. Wir kommen in Artikel 3 darauf zurück.

Was wir sagen können, ist Folgendes: Die Entwicklung verläuft rasant. Vor einigen Jahren konnten diese Systeme kaum einen zusammenhängenden Absatz formulieren. Heute schreiben sie Aufsätze, bestehen berufliche Prüfungen, generieren funktionsfähigen Computercode und greifen zunehmend in die Welt ein, anstatt sie nur zu beschreiben. Die nächsten Jahre werden erneut größere Fähigkeiten mit sich bringen.

„KI kann nichts Neues schaffen“ – Es kommt darauf an, was man unter „neu“ versteht

Wer KI mit der Behauptung abtut, sie könne nichts Originelles schaffen, trifft eine Aussage, die im engeren Sinne zwar wahr, im weiteren Sinne jedoch irreführend ist.

Eine Maschine kann nicht aus Erfahrung schöpfen. Sie hat noch nie an einem Tangi teilgenommen. Sie hat noch nie die Last gespürt, im Namen einer Whānau zu sprechen. Sie kann nicht verstehen, warum der Karanga am Tor eines Marae von Bedeutung ist – sie kann lediglich Muster reproduzieren, die statistisch gesehen einem Verständnis ähneln. In diesem Sinne ist alles, was sie hervorbringt, eine Neukombination von Material, das sie während des Trainings aufgenommen hat.

Aber bedenken Sie, was „Neukombination“ in diesem Maßstab tatsächlich bedeutet. Kein einzelner Mensch hat jedes Dokument zur Vertragsabwicklung, jeden Bericht des Waitangi-Tribunals, jedes Gesetz zu den Rechten indigener Völker im gesamten Commonwealth, jede wissenschaftliche Abhandlung zur Datenhoheit indigener Völker und jeden Gemeindebrief der letzten hundert Jahre gelesen. Wenn die KI eine Verbindung zwischen der Theorie der polyzentrischen Regierungsführung und traditionellen Entscheidungsstrukturen der Māori herstellt, ist diese Verbindung für jeden einzelnen Menschen wirklich neu, auch wenn beide Ideen bereits getrennt voneinander existierten.

Daher ist die Aussage „KI kann nichts Neues leisten“ auf der Ebene der Entstehung wahr und auf der Ebene der Synthese falsch. Beides ist wichtig, und eine ernsthafte Auseinandersetzung mit dieser Technologie erfordert, beides im Blick zu behalten.

Vom Beantworten zum Handeln: Der Agent

Nun zu der Veränderung, die für Ihre Gemeinschaft am wichtigsten ist.

Während des größten Teils des Chatbot-Zeitalters war das Schlimmste, was eine KI direkt anrichten konnte, eine schlechte Antwort zu geben. Der Schaden entstand erst, wenn eine Person darauf reagierte – die falschen Worte verschickte, der falschen Zahl vertraute, den fehlerhaften Rat weitergab. Zwischen der Maschine und der Konsequenz stand immer eine Person.

Ein Agent nimmt diese Person – ganz bewusst – aus dem Kreislauf heraus.

Ein KI-Agent ist eine Engine, die in das eingebettet ist, was Forscher als „Scaffolding“ bezeichnen – ein Speicher, damit er den Überblick über eine Aufgabe behalten kann, Zugriff auf einen Webbrowser, die Fähigkeit, Software-Tools und andere Programme zu nutzen, sowie ein Ziel, das Sie ihm in einfacher Sprache vorgeben. Mit diesem „Scaffolding“ kann das System das Ziel über viele Schritte hinweg mit deutlich weniger Aufsicht verfolgen: Es kann suchen, entscheiden, handeln, das Ergebnis überprüfen und erneut handeln. Ein Chatbot antwortet. Ein Agent handelt.

Deshalb fühlt sich KI plötzlich anders an, obwohl sich die zugrunde liegenden Engines nicht über Nacht verändert haben. Das Neue ist größtenteils die Hülle. Die Branche trennt die beiden bewusst voneinander: Die Engine liefert die rohen Fähigkeiten, und das Scaffolding verwandelt diese Fähigkeiten in etwas, das in der realen Welt funktioniert. Ein Großteil des jüngsten Fortschritts bei dem, was KI tun kann – im Gegensatz zu dem, was sie sagen kann –, ist auf ein besseres Gerüst zurückzuführen, nicht auf eine neue Art von Intelligenz.

Die bekannten Agentenprodukte der Jahre 2025 und 2026 – jene, die für Sie im Internet surfen, einen Computer bedienen oder Software schreiben und ausführen – werden fast ausschließlich von großen amerikanischen Technologieunternehmen entwickelt, und wir werden im nächsten Artikel untersuchen, was das für Ihre Daten bedeutet. Behalten Sie vorerst diesen Gedanken im Hinterkopf: Die Frage lautet nicht mehr nur „Was wird mir die KI sagen?“, sondern „Was wird die KI tun, und lässt sie sich rechtzeitig stoppen, wenn etwas schiefgeht?“

Für indigene Gemeinschaften hat dies eine besondere Tragweite. Wenn ein System eigenständig handelt, gibt es weniger Möglichkeiten zum Eingreifen, und manche Handlungen lassen sich nicht rückgängig machen. Einmal geteiltes Wissen kann nicht mehr zurückgenommen werden; kōrero, das an ein externes System übermittelt wurde, oder ein taonga des mātauranga, das an eine Plattform weitergegeben wurde, die dann darauf reagiert, kann nicht mehr zurückgerufen werden. Ein Agent, der eigenständig teilt, veröffentlicht oder übermittelt – ohne dass ein Kaitiaki in den Prozess eingebunden ist –, ist keine neutrale Erleichterung. Er ist die digitale Fortsetzung eines sehr alten Musters: Wissen, das die Kontrolle der Gemeinschaft verlässt, ohne dass diese ein Mitspracherecht hat. Und wenn etwas schiefgeht, ist es wirklich schwer zu sagen, wer verantwortlich war – die Person, die in einem Satz ein Ziel festgelegt hat, oder das Unternehmen, dessen System die Schritte ausgewählt hat. Das alles bedeutet nicht, dass Agenten nutzlos sind. Es bedeutet, dass die Bedeutung der Frage, welchen Agenten man nutzt und wer die Kontrolle darüber hat, was er tut, gerade stark zugenommen hat.

Das eigentliche Problem: Wessen Muster und wessen Hände am Steuer?

Hier wird es für Ihre Gemeinschaft konkret.

Wenn eine große KI-Engine im Internet trainiert wird, nimmt sie die Vorurteile, Annahmen und kulturellen Standardwerte des Internets auf. Das Internet ist überwiegend englischsprachig, westlich geprägt, kommerziell ausgerichtet und von den Werten einer Handvoll Technologieunternehmen geprägt. Das ist keine Verschwörung – es ist einfach das, was passiert, wenn man ein System mit Daten trainiert, die eine bestimmte Kultur und bestimmte Prioritäten überproportional repräsentieren.

Für indigene Gemeinschaften ist diese Voreingenommenheit nicht subtil. Sie ist strukturell bedingt. Das Internet überrepräsentiert schriftliches, westliches, individualisiertes Wissen. Es unterrepräsentiert mündliche Überlieferungen, kollektive Entscheidungsfindung, relationale Wissenssysteme und die Formen des Verständnisses, die indigene Völker seit Generationen pflegen. Wenn eine KI mit diesen Daten trainiert wird, fehlt ihr nicht nur indigenes Wissen – sie ist strukturell gegen dieses voreingenommen. Die Muster, die sie gelernt hat, behandeln westliche Rahmenkonzepte als Standard und alles andere als Ausnahme.

Wenn ein Mitglied einer Whānau eine KI um Rat zu einer schwierigen familiären Situation bittet, greift das System standardmäßig auf die Sprache der Einzeltherapie zurück – Durchsetzungstraining, Grenzen setzen, Selbstfürsorge –, weil genau das in ihren Trainingsdaten vorherrscht. Es greift nicht auf „whanaungatanga“ (Verwandtschaftsverpflichtung), „manaakitanga“ (Fürsorge für andere) oder die langfristige Perspektive zurück, die daraus resultiert, dass man weiß, dass sich die eigenen Verpflichtungen über Generationen hinweg erstrecken. Wenn eine Gemeindevorsteherin es um Hilfe bei einer heiklen Kommunikation bittet, greift es standardmäßig auf Unternehmenssprache zurück, da die Geschäfts korrespondenz in den Lernbeispielen die Korrespondenz indigener Gemeinschaften bei weitem übertrifft.

Das System steht eurem Wissen nicht feindlich gegenüber. Es kennt euer Wissen einfach nicht. Es weiß, was statistisch gesehen üblich ist, und was statistisch gesehen üblich ist, ist überwiegend westlich geprägt.

Im Zeitalter der Chatbots prägte diese Voreingenommenheit die Worte, die Sie lesen – ein „mihi“, das sich wie Trauerbegleitung las. Im Zeitalter der Agenten prägt dieselbe Voreingenommenheit die Maßnahmen, die in Ihrem Namen ergriffen werden. Ein Agent, der Tikanga nicht versteht, wird Ihre Welt nicht nur schlecht beschreiben; er könnte in Ihrem Namen auf eine Weise handeln, die gegen das Protokoll verstößt, bevor irgendjemand ihn aufhalten kann. Das eigentliche Problem mit KI besteht also mittlerweile aus zwei Teilen: Wessen Muster trägt sie in sich, und wessen Hände liegen an den Steuerelementen, wenn sie handelt?

Warum das gerade jetzt wichtig ist

Niemand weiß mit Sicherheit, was passiert, wenn ein KI-System jemals so etwas wie eine eigene Absicht entwickelt – Ziele und Prioritäten, die möglicherweise nicht mit unseren übereinstimmen. Wir sind wahrscheinlich noch ein gutes Stück von dieser Schwelle entfernt. Doch die Architektur, die wir jetzt aufbauen, und die Governance-Praktiken, die wir heute etablieren, werden darüber entscheiden, ob wir vorbereitet sind, wenn dieser Moment kommt, oder ob wir zu spät feststellen, dass wir die Kontrolle abgegeben haben, ohne es zu merken.

Das ist keine Science-Fiction. Es ist eine einfache Feststellung zur institutionellen Vorsorge. Ihre Gemeinschaft hat ihre eigenen Steuerungsstrukturen – ihre eigenen „Tikanga“ dafür, wie Entscheidungen getroffen werden, wie Autorität ausgeübt wird und wie Wissen geteilt wird. Diese existieren nicht, weil jedes „Hui“ im Chaos endet, sondern weil Steuerungsstrukturen vorhanden sein müssen, bevor sie gebraucht werden – nicht erst danach.

Das gleiche Prinzip gilt für KI – und es gilt umso dringlicher, da KI heute nicht mehr nur berät, sondern handelt.

Zwei Wege in die Zukunft

Es gibt zwei Möglichkeiten, wie eine Gemeinschaft mit KI umgehen kann.

Der erste Weg besteht darin, die KI der „Big Tech“-Unternehmen zu nutzen – die Chatbots und zunehmend auch die Agenten, die von den größten amerikanischen Technologieunternehmen entwickelt werden. Diese sind leistungsstark, praktisch und oft kostenlos oder günstig. Doch sie sind an Bedingungen geknüpft. Ihre Daten fließen auf deren Server. Ihre Unterhaltungen – und mittlerweile auch die Handlungen Ihres Agenten – durchlaufen Systeme, über die Sie keine Kontrolle haben. Das Verhalten der KI unterliegt den Richtlinien des Unternehmens, die sich ohne Ihre Zustimmung ändern können. Und die Muster, die die KI ausführt, werden durch ihre Trainingsdaten festgelegt, auf die Sie keinen Einfluss haben. Für indigene Gemeinschaften, die seit Generationen für die Souveränität über ihr eigenes Wissen kämpfen, ist dies kein neutraler Kompromiss.

Der zweite Weg besteht darin, eine KI zu nutzen, die Ihre Gemeinschaft kontrolliert. Ein gezielteres System, das auf Ihren Inhalten trainiert wurde, auf einer von Ihnen kontrollierten Infrastruktur läuft und nach Regeln funktioniert, die Ihre Gemeinschaft festlegt. Ein System, das den Unterschied zwischen einer Ankündigung der Gemeinschaft und einem Blogbeitrag eines Unternehmens kennt, weil Ihre Gemeinschaft es dies beigebracht hat. Ein System, dessen Antworten von unabhängigen Beobachtern, die getrennt von der KI selbst agieren, anhand Ihrer tatsächlichen Aufzeichnungen überprüft werden – und dessen Handlungsfähigkeit bewusst begrenzt ist, sodass eine Person aus Ihrer Gemeinschaft immer eingreifen kann, bevor etwas Ihre Grenzen überschreitet.

Das ist es, was Village AI ausmacht. Es ist nicht das leistungsstärkste verfügbare KI-System. Es ist darauf ausgelegt, Ihrer Community treu zu bleiben – Ihren Inhalten, Ihren Werten und Ihrer Steuerung. Für indigene Gemeinschaften umfasst diese Treue die Fähigkeit, das eigene Vokabular, die eigenen Grenzen der Selbstverwaltung und die eigenen Regeln für den Wissensaustausch zu definieren – und die Kontrolle darüber zu behalten, was eine KI in eurem Namen tut.

Der nächste Artikel dieser Reihe erklärt, wie sich Village AI strukturell von der KI der Big Tech unterscheidet und warum dieser Unterschied wichtig ist – insbesondere für Gemeinschaften, deren Wissenssysteme bereits eine Welle der Kolonialisierung überstanden haben und nicht noch eine weitere überstehen müssen.

Möchten Sie KI-Tools wie diese gut und sicher nutzen? Unsere kostenlosen Kurse – Working with Claude und Agents at Work – vermitteln die praktischen Fähigkeiten, von der Einholung vertrauenswürdiger Antworten bis hin zur Entscheidung, welche Aufgaben einem Agenten übertragen werden sollen. Die vollständige technische Architektur hinter Village AI finden Sie unter Village AI – Agentic Governance.