KI und Kirche: 1. KI Grundlagen

KI und die Anwendung von KI haben auch in der Kirche eine grosse Reichweite. Im Think Tank CornerStone haben wir 2024 in Verbindung mit der schweizerischen Evangelischen Allianz die interdisziplinäre Projektgruppe KI und Kirche gebildet (s. 4 Quellen und Informationen). Im Cornerstone Blog Research for Leadership starten wir dazu eine Reihe von Blog Beiträgen. Wir beginnen mit KI und Kirche: 1 Grundlagen KI.

Einführung

In den letzten Jahren fand bereits ein starker Ausbau der Digitalisierung statt. Mit KI bekommt die Digitalisierung nicht nur noch mehr Power, KI übernimmt auch immer mehr die inhaltliche Gestaltung des digitalen Outputs: (1) Bei Informationen, Dienstleistungen und Produkten, (2) als Angebot KI selbst zu nutzen und (3) als Mensch, der seine Sicht durch KI vertritt, einfordert. Wie wir KI verstehen und anwenden, bestimmt, in welcher Weise KI-Anwendungen unser Leben beeinflussen werden.

Dieses Kapitel will notwendige Grundlagen zum Verständnis von KI vermitteln. Diese sind wichtig für Leitungspersonen, für die zukünftige Zusammenarbeit in Kirchen und Gemeinden sowie auch für die Kommunikation nach aussen.

Für uns als Kirchen und Gemeinden hat die Verarbeitung von Texten und Sprache eine besondere Bedeutung. Durch Generative KI können Inhalte (Texte und Sprache) neu generiert und verbreitet werden. Welchen Wert, welchen Wahrheitsgehalt haben KI-generierte Inhalte? Es hängt stark von demjenigen ab, der KI nutzt!

KI ist komplex und schwierig zu durchschauen. Eine gute, konstruktive Anwendung von KI erfordert eine Durchdringung und Beachtung dieser Komplexität.

Dieses Kapitel enthält wichtige Navigationspunkte für die Sicht auf KI und eine verantwortungsvolle Nutzung von KI. Neben einem kurzen historischen Überblick der Entwicklungsgeschichte von KI und einer Beschreibung, wie KI funktioniert und betrieben wird, eröffnet das Kapitel die Frage, welche Konsequenzen sich aus den neuen technologischen Entwicklungen für die Gemeinde ergeben und wie Verantwortung für KI wahrgenommen wird.

1 KI: Ein kurzer Überblick

In der öffentlichen Debatte und in einschlägigen Werken der Populärkultur kursieren oft widersprüchliche Vorstellungen und Bilder. So wird in entsprechenden Filmen und Büchern oft ein übermenschliches Computersystem mit eigenem Willen und Zielen beschrieben, das alle Mittel der Technik zur Verfügung hat, um Menschen zu beherrschen.

Im allgemeinen Sprachgebrauch hat sich der Begriff der «starken KI» etabliert. Damit ist eine computerbasierte Intelligenz gemeint, die in unterschiedlichsten Bereichen und Anwendungsfällen operiert und all dies in eine zusammenhängende Logik und Denkweise vereint.

Eine solche «starke KI» gibt es derzeit nicht und es ist auch nicht gesichert oder absehbar, ob es sie jemals geben wird. Auch die faszinierenden Ergebnisse von Sprachmodellen, die in den letzten Jahren entstanden sind, ordnen sich sogenannter «schwacher KI» zu, also KI-Algorithmen, die für einen gezielten Zweck implementiert sind und auch nur diesen beherrschen. Im Fall von Sprachmodellen ist es die Fortführung von Texten auf Basis der wahrscheinlichsten Folgeworte und Sätze. Im Fall eines Bilderkennungssystems ist es die Einordnung eines unbekannten Bildes anhand einer erlernten Menge vergleichbarer Bilder.

Ein kurzer Rückblick

Um den heutigen Stand der KI-Entwicklung einordnen zu können, ist ein Blick auf die lange Entwicklung von Theorien und Grundlagen der Digitalisierung bis zu aktuellen Neuerungen im sprachlichen Bereich mithilfe von Generativer KI (siehe 1.3) wichtig.

Naturwissenschaft als Grundlage der KI-Entwicklung

Naturwissenschaft ist die Grundlage aller technologischen Entwicklungen. Ohne den langen Weg von Berechnungen, Hypothesen und aufeinander aufbauenden Erkenntnissen gäbe es viele Errungenschaften heute nicht. Auch KI ist eine Fortsetzung dieser technologischen Entwicklungen. Dieses Grundverständnis ist für eine realistische Betrachtung dessen, was KI leisten kann, notwendig und hilft bei einer Abgrenzung von unrealistischen Annahmen und Spekulationen.

In ihrem 2024 erschienenen Buch «Alles überall auf einmal» geben Mirjam Meckel und Lea Steinacker als Kommunikationswissenschaftlerinnen und Unternehmerinnen nicht nur einen guten Überblick über die aktuellen KI-Entwicklungen, für sie ist auch ein Blick auf die KI-Geschichte wichtig. Sie beginnt mit Ada Lovelace[3], der Pionierin der modernen Informatik, und wie sie bereits im 19. Jahrhundert die Grundlagen für spätere KI-Entwicklungen legte.[4] Es wird aufgezeigt, dass die Entwicklung neuronaler Netze, die Muster in Daten ähnlich wie unser Gehirn erkennen, ein entscheidender Durchbruch für KI war. Sie ermöglichten sogenanntes «Deep Learning», eine Methode, bei der Computer durch viele verknüpfte Schichten lernen. Dadurch ist KI als Querschnittstechnologie in viele Technikbereiche eingezogen und hat unser Leben nachhaltig verändert.

Die Zeit der Digitalisierung

Digitalisierung ist in wenigen Jahrzehnten zu einem Megatrend geworden, der alle Lebensbereiche erfasst und uns weltweit vernetzt. Aus der analogen Welt fliessen immer mehr Daten und Informationen in die digitale Welt, um dort analysiert, bewertet und weiterverarbeitet zu werden. Das sind Abläufe, an die wir uns gewöhnt haben und die unser Zusammenleben mitbestimmen. Ohne Digitalisierung würde unser Zusammenleben in vielen Bereichen nicht mehr funktionieren.

Auf diesem Weg wurden die Menge und Verfügbarkeit der digitalen Informationen ständig erweitert. So leben wir heute in einem Zeitalter, in dem weite Teile der Welt «digital-global» miteinander verbunden sind. Jeder kann von seinem Laptop oder Mobiltelefon weltweit senden und empfangen.

Eine zentrale Frage der modernen digitalen Infrastruktur ist, wie die verfügbaren, riesigen Datenmengen nutzbringender, produktiver und umfassender eingesetzt werden können. Algorithmen helfen, Daten zu analysieren, zu bewerten und zu nutzen. Suchmaschinen und Kommunikationsnetzwerke bringen die globale Welt jeden Tag ein Stück näher. Wir kennen Orte, auch wenn wir noch nie dort waren, und erreichen Menschen mit unseren Ansichten, die wir analog nie gesehen haben und denen wir meistens auch nie begegnen werden.

Der Beginn der Generativen KI

Im November 2022 hatte OpenAI so grosse Mengen an Daten aufgenommen, verarbeitet und daraus gelernt, dass man mit dem Chatbot ChatGPT an die Öffentlichkeit ging. Ein Meilenstein in der KI-Entwicklung, denn generative Sprachmodelle wie ChatGPT können nicht nur natürliche Sprachen verarbeiten, sondern auch Texte und Bilder generieren (daher der Begriff «Generative KI). Das Besondere daran ist, dass diese generierten Inhalte ganz individuell auf Eingabetexte und deren Kontext eingehen. Damit wurde die Kommunikation von Mensch und Maschine in einer neuen Form für die Allgemeinheit möglich. Technologie wurde in einer ganz neuen Art zum «Gegenüber», das auf meine Fragenals Mensch gezielt antwortet.

Die Entwicklung und Verbreitung der Generativen KI erfolgt in hoher Geschwindigkeit und hat die die digital-globale Welt in kürzester Zeit erfasst. Generative KI wird zunehmend zu einem der wichtigsten Leistungsfaktoren von digitalen Anwendungen. Bei den Anbietern digitaler Dienste ist in kürzester Zeit ein unglaublicher Wettbewerb entstanden. Es ist davon auszugehen, dass die Entwicklungsgeschwindigkeit für KI-Innovationen auch weiterhin hoch sein wird. Mit den daraus entstehenden Chancen, Anforderungen und Risiken befassen wir uns detaillierter in den nachfolgenden Abschnitten und Kapiteln.

1.2 Big Data für KI

KI braucht Daten – und davon möglichst viel! Durch die Digitalisierung entstehen jeden Tag grosse Mengen an maschinenlesbaren Daten. Ein grosser Teil davon ist über das Internet verfügbar und wird nicht nur von uns, sondern auch von KI-Anbietern genutzt. Durch deren Weiterverarbeitung entsteht eine Wertschöpfung. Der Mehrwert liegt in der Aufbereitung von Daten, der Analyse und Strukturierung bis zur Verknüpfung verschiedenster Datenquellen. Je mehr übereinstimmende Datensätze entdeckt werden, desto aussagefähiger wird die Analyse. So können Trends erkannt, aber auch Abweichungen sichtbar gemacht werden.

Zentral ist dabei die Erkennung von Mustern in der Datenaufbereitung und -bearbeitung. Ein Muster in der Automatisierungstechnik kann zum Beispiel der bevorstehende Ausfall einer Maschine sein, der durch Sensordaten frühzeitig erkannt wird[5]. Digitale Mustererkennung ist in vielen Bereichen ein fester Bestandteil, sowohl in der Forschungsarbeit als auch in praktischen Anwendungen verschiedener Brachen (z.B. Maschinenbau und Medizintechnologie).

Je mehr Daten ausgewertet werden und je besser sie aufbereitet sind, desto aussagefähiger sind die Ergebnisse. Die Frage, die uns bei der Anwendung von KI immer begleiten muss, ist: Sind die erforderlichen Daten für die spezifische Anfrage vorhanden und wurden die richtigen Bezüge und Verknüpfungen hergestellt? Das ist natürlich ein hoher Anspruch an die Nutzer von KI-Anwendungen. Was für konkrete Auswirkungen dies auf unseren Umgang mit KI hat, wird in den Kapiteln 2 und 3 noch tiefer behandelt.

1.3 Generative KI

Generative KI[6] ist der grosse Sprung in der KI-Entwicklung. Die Modelle für Generative KI sind in der Lage, nicht nur zu analysieren, sondern auch Textzusammenhänge zu berechnen, mit denen neue Inhalte generiert werden können.

KI-generierte Inhalte

Um Antworten auf Fragen zu erhalten, musste man bisher überlegen, wo man sucht, und die Antwort selbst zusammenstellen und formulieren. Mit ChatGPT und ähnlichen Anwendungen hat eine neue Zeit begonnen. Plötzlich ist es für Millionen von Menschen möglich, mit ihrem Mobilgerät oder Laptop die unterschiedlichsten Fragen zu stellen und KI-generierte Antworten zu erhalten. Antworten, die nicht nur von einer Person stammen, sondern aus digitalem Wissen mit digitalen Technologien erstellt wurden. Inzwischen ist ein starker Wettbewerb entbrannt, der die Leistungsfähigkeit erweitert und immer neue Anwendungsbereiche entstehen lässt. Wir stehen erst am Beginn neuer KI-Entwicklungen, die alle Lebens- und Anwendungsbereiche betreffen.

Durch die Generative KI ist es also möglich, Inhalte zu generieren, ohne die Quellen selbst recherchiert und die Inhalte selbst verstanden zu haben. Die Qualität sowie Chancen und Gefahren von generativer KI werden in Kapitel 3 «Verantwortung wahrnehmen» vertieft.

Filme, Bilder und Sprache

Lange Zeit war ein Bild oder ein Filmmitschnitt Ausdruck der Wirklichkeit, in der Regel auch ein Beweis für einen Sachverhalt. Im Zeitalter der digitalen Video- und Bildbearbeitung können wir uns dieser Annahme nicht mehr sicher sein. Generative KI lässt eigene Bilder entstehen, die aufgrund einer Anfrage aus generierten Daten entstehen: Bilder, die der Realität entsprechen können, aber auch Bilder, die es in der analogen Welt so nicht gibt.

Die gleiche Entwicklung erleben wir mit Sprache: Aus wenigen Sätzen lernen KI-Modelle das Sprachverhalten von einzelnen Menschen. Sie können Aussagen von Menschen produzieren, die diese nie gemacht haben, und Inhalte sprechen, die sie nie gesagt haben.

Ein Beispiel sind Unternehmen, die KI-Anwendungen immer häufiger nutzen, um Anfragen von Kunden und Mitarbeitenden zu interpretieren und Antworten automatisch zu generieren. Es kann davon ausgegangen werden, dass in einzelnen Disziplinen in sehr naher Zukunft maschinell generierte Antworten eine höhere Aussagequalität haben als die Antwort eines durchschnittlichen Mitarbeiters.

Damit kann eine «digitale Realität» erstellt werden, die nicht der Wirklichkeit entspricht. Man kann sich plötzlich nicht mehr auf Beweise in Video, Bild und Ton verlassen. Wie können wir in der Zukunft noch den Unterschied von Wirklichkeit und Deepfakes erkennen? Im Bereich Bild und Sprache sind diese Herausforderungen besonders gross.

1.4 Worauf wir uns einstellen sollten

Entwicklungen der Technologie

Die Weiterentwicklung von KI erfolgt auf einem sehr hohen technologischen Stand mit einer globalen Infrastruktur. Neue Erkenntnisse lassen sich in kürzester Zeit umsetzen. KI ist eine Querschnittstechnologie, welche die gesamte Digitalisierung durchdringt und damit alle Lebensbereiche betrifft. Wir müssen lernen, mit dieser schnellen Entwicklung umzugehen, und gemeinsame Ansichten über die Auswirkungen und die Anwendung finden.

Qualifikationsanforderungen in Zeiten von KI

Die Nutzung von KI verändert Abläufe in hoher Geschwindigkeit. Für die meisten Personen wird die damit steigende Komplexität zu einer zunehmenden Herausforderung. Nochmals Miriam Meckel und Lea Steinacker mit der Aussage: Alles überall auf einmal[7].

Es ist eine Aufforderung, Qualifikationen zu überdenken und zu aktualisieren – persönlich und dort, wo wir Verantwortung tragen. Dazu folgende Anregungen:

• Wie qualifiziere ich mich persönlich und die Mitarbeitenden in meinem Verantwortungs­bereich unter Einbeziehung der durch KI entstehenden Entwicklungen?
• Wie treffe ich persönlich und in meinem Verantwortungsbereich die richtige Auswahl von KI-Anwendungen?
• Welche Nutzungsbedingungen gelten für KI?

Ein Update unserer Qualifikationen kann nicht nur hilfreich für die Nutzung sein, es hilft uns auch, die Möglichkeiten, die KI bietet, strategisch einzuordnen. Eine Konkretisierung dieser Anregungen erfolgt in den Abschnitten 1.2 «Wie funktioniert Künstliche Intelligenz?» und 1.3.3 «Perspektive Qualifizierung».

[3] Anna Siffert Ada: Lovelace und das erste Computerprogramm der Welt, Max-Plank-Gesellschaft https://www.mpg.de/frauen-in-der-forschung/ada-lovelace abgerufen: 07.03.2025

[4]  Miriam Meckel, Lea Steinacker: Alles überall auf einmal, Rowohlt Verlag, Kapitel 2 Ex Machina: Eine kurze Geschichte der KI

[5]  Maximilian Köster: Mustererkennung durch KI: Produktion effizienter gestalten (Stand: 29.10.2024) https://www.uxuix.de/kuenstliche-intelligenz/mustererkennung-durch-ki-produktion-effizienter-gestalten/ [03.08.2024]

[7] Miriam Meckel und Lea Steinacker: Alles überall auf einmal, 2024, Rowohlt Verlag

2 Wie funktioniert Künstliche Intelligenz?

2.1 Algorithmen und Analytik

Künstliche Intelligenz nutzt Algorithmen, die aus Eingabedaten lernen, um bessere Ausgabedaten zu erzeugen, basierend auf statistischen Methoden zur Analyse von Datenbeziehungen. Maschinelles Lernen, ein Teilgebiet der KI, entwickelt mathematische Modelle, die aus Beispieldaten trainiert werden und verschiedene Lernmethoden wie überwachtes, unüberwachtes und bestärkendes Lernen anwenden, um aus grossen Datenmengen Muster abzuleiten und zukünftige Eingaben zu verarbeiten. Nach ausreichendem Training können diese Modelle auch unbekannte Eingabedaten analysieren und entsprechende Ergebnisse liefern.

Neuronale Netze (eine spezielle Form des maschinellen Lernens) ahmen Strukturen des menschlichen Gehirns nach und sind besonders gut darin, Korrelationen zwischen Daten zu erkennen. Sie bestehen aus digitalen Neuronen, deren Verbindungen in Schichten organisiert sind, wobei die Ausgaben einer Schicht als Eingabe für die nächste dienen. Tiefe neuronale Netze mit mehreren Zwischenschichten (bekannt als Deep Learning) haben bedeutende Fortschritte in der Sprach- und Bilderkennung erzielt.

2.2 Die Rolle von Daten

Die Qualität und Struktur der Eingabedaten sind entscheidend für die Ergebnisse selbstlernender KI-Modelle. Moderne KI-Modelle profitieren von der zunehmenden Digitalisierung und der damit verbundenen Verfügbarkeit grosser Datenmengen, wie sie beispielsweise für das Training von OpenAIs ChatGPT genutzt werden. Die Herausforderung besteht darin, reale Szenarien digital abzubilden, wobei die Komplexität der Daten die Komplexität des KI-Modells bestimmt, insbesondere bei anspruchsvollen Eingabedaten wie Texten und Bildern.

Entscheidend für den Lernerfolg von KI-Modellen ist ebenfalls, ob die Daten gut zu dem passen, was sie in der Praxis leisten sollen. Die Daten zum Training müssen sorgfältig ausgewählt und strukturiert werden, damit das Modell auch unbekannte Fälle korrekt verarbeiten kann. Wenn Modelle mit unpassenden Daten trainiert werden, können sie schlechter auf unbekannte Situationen reagieren. Moderne generative Modelle profitieren besonders von der Fähigkeit, grosse Datenmengen zu verarbeiten, was ihre Leistungsfähigkeit erheblich steigert.

2.3 Notwendige Infrastruktur

Das Trainieren moderner KI-Modelle erfordert grosse Datenmengen und hohe Rechenkapazitäten, die nur durch Hochleistungsrechenzentren und Netzwerke von Rechnern mit paralleler Verarbeitung erreicht werden können. Ein Grossteil der heutigen KI-Logik wird in einer Cloud abgebildet, wobei Anbieter wie Microsoft Azure, Google Cloud oder Amazon Webservices um die beste Infrastruktur für die notwendigen Rechenleistungen konkurrieren.

Nach dem Training können die Modelle mit weniger Ressourcen genutzt werden. Eine Ausführung auf Endanwendergeräten stellt aber hohe IT-technische Anforderungen an den Endanwender und bringt Einschränkungen durch die Leistungsfähigkeit der Hardware mit sich. Online-Angebote grosser Anbieter werden voraussichtlich die grösste Nutzerbasis gewinnen, da sie die hohen Anforderungen an parallele Zugriffe und Datenverarbeitung am besten bewältigen können. Der aktuelle Fortschritt in der KI-Entwicklung ist auf die gesteigerte Leistungsfähigkeit aller beteiligten Elemente zurückzuführen.

2.4 Die Entwicklung eines Marktes (Ansätze zur KI-Nutzung)

Auch wenn eine sichere Prognose der Marktentwicklung im Bereich der KI-Services schwierig ist, lassen sich doch folgende Entwicklungen feststellen:

• Es gibt einige grosse Cloud-Anbieter, die sich im Bereich der Generativen KI – insbesondere für die Erstellung von Texten und multimedialen Inhalten wie Bildern und Videos – am Markt um eine Etablierung als führender Anbieter bemühen.
• Darüber hinaus entstehen viele Start-ups, die basierend auf den neuen KI-Modellen gezielte Dienste für bestimmte Anwendungsbereiche einbringen.

Der erste Kontakt mit KI wird für die meisten Anwender hauptsächlich über etablierte Anwendungen stattfinden, in denen KI-Assistenten oder KI-Algorithmen im Hintergrund verwendet werden. Hier haben besonders die generativen Sprach- und Bildermodelle das Potenzial, die Interaktion der Anwendung mit dem Benutzer zu vereinfachen und ihn in der Erzeugung von Texten und Inhalten zu unterstützen. Diese Integration von KI-Modellen in bestehende Applikationen (wie z.B. Canva oder Microsoft Office) ist essenziell geworden, um wettbewerbsfähig zu bleiben.[1]

In welcher Form KI-Angebote genutzt werden, hängt auch stark von der Art und Grösse einer Organisation ab. Während Privatpersonen vor allem auf fertige Dienste oder integrierte KI-Funktionen in Standardanwendungen zurückgreifen, bauen grössere Unternehmen auch eigene Infrastrukturen auf.

Angebote mit externer Infrastruktur und externen Daten

Viele KI-Dienste sind als reine Cloud-Dienste für den Endbenutzer verfügbar, sie haben entsprechend aus Benutzersicht eine externe Infrastruktur. Beispiele hierfür sind ChatGPT, Google-Gemini oder Microsoft Copilot. Hierbei ist zu beachten, dass die Datenbasis und verwendete Algorithmen nicht immer transparent sind. Dies trifft sowohl auf Trainings- wie auch auf Eingabedaten und Systemprompts[2] zu.

Eine Variante davon sind KI-unterstützte Funktionen in bereits bestehenden Anwendungen wie z.B. einem E-Mail-Programm. In diesem Fall greift das Modell auf die eigenen E-Mails zu und analysiert diese. Solche Angebote sind interessengeleitet und zielen unter anderem auf die Generierung von Umsatz ab. Hierbei ist besonders darauf zu achten, ob Daten, die an ein KI-Modell und dessen Betreiberfirma weitergeleitet werden, von dieser ausgewertet oder sogar bewusst, oder durch Hackerangriffe ungewollt, weitergegeben werden.

Es ist schwierig zu bewerten, welche Daten und Algorithmen zur Anwendung kommen. Diese Herausforderung ist nicht neu, wir kennen sie bereits aus der Anwendung von Suchmaschinen. Die Anwendung generativer KI, also die Generierung neuer Inhalte, verstärkt diese Herausforderung noch einmal.

Angebote zum Aufbau eigener digitaler Infrastruktur und Datenhaltung

Viele Unternehmen verfügen in der Produktion oder der Erbringung von Dienstleistungen über eine eigene leistungsfähige digitale Infrastruktur und arbeiten in regulierten Netzwerken zusammen. Die Nutzung von Daten und damit auch von KI ist damit vertraglich geregelt. Hierbei wird oft auf die Infrastruktur der grossen Cloud Service Provider zurückgegriffen, sodass nicht zwingend alle Dienste im eigenen Rechenzentrum betrieben werden.

Solche Ansätze bieten die Möglichkeit, eigene Systeme geschützt im eigenen Netzwerk bzw. in einem abgesicherten Netzwerk in der Cloud an KI-Dienste anzubinden und somit isolierte, nicht öffentliche KI-Modelle mit bekannten Daten und Prozessen zu nutzen. Dies führt zu einer höheren Qualität des KI-Outputs mit Bezug auf die Interessen der Organisation, zu einer fortlaufenden Verbesserung der Ergebnisse und es ermöglicht, Datenschutzrichtlinien einzuhalten.

[1] Bachmann, Marion: KI 2024: Was erwartet uns in diesem Jahr? (Stand: 28.05.2024) https://www.gruender.de/kuenstliche-intelligenz/ki-2024 [02.04.2024]

[2] Damit sind dem Benutzer nicht einsehbare Anweisungen an das Sprachmodell gemeint, die sein Ausgabeverhalten mitbestimmen.

3 Verantwortung wahrnehmen

Künstliche Intelligenz ist ein weites Feld mit unterschiedlichen Einsatzbereichen. Entsprechend differenziert sind auch die Möglichkeiten und Gefahren einzuordnen und zu beachten. Im Folgenden ein paar Gedankenanstösse, wie die KI-Technologie verantwortungsvoll eingesetzt werden kann und wie christliche Organisationen von den Vorteilen profitieren können.

3.1 Leitungsverantwortung bei der Anwendung von KI

Wie oben beschrieben, ist der Markt von direkten und integrierten KI-Angeboten komplex und breit aufgestellt. Die Qualität des Outputs ist sehr stark von den verwendeten Daten und Werkzeugen abhängig. Die Beachtung von globalen und gesamtgesellschaftlichen Zusammenhängen, wie sie in der Einführung aufgezeigt und in den nachfolgenden Kapiteln vertieft werden, ist nicht nur wichtig, sondern eine wesentliche Voraussetzung für einen erfolgreichen Einsatz. Dies betrifft auch die Förderung von Qualifizierungen (siehe Abschnitt 1.1.4 «Worauf wir uns einstellen sollten») und die Zusammenarbeit. Darüber hinaus ist ein Überblick über verfügbare KI-Dienste und deren Anwendungsgebiete in der Gemeinde notwendig, die wir in Kapitel 4 aufzeigen.

An dieser Stelle werfen wir einen kurzen Blick auf die spezifische Situation im christlichen Umfeld:

Die Situation von Kirchen und christlichen Werken

Kirchen und christliche Werke sind zum einen dezentral und zum anderen in Verbänden organisiert. Oft verfügen sie kaum über digitale Netzwerke, die eine eigene KI-Anwendung ermöglichen würden. Für KI-Anwendungen werden daher hauptsächlich KI-Services von grossen Anbietern genutzt, die mit externen und mit aus christlicher Sicht nicht qualifizierten Daten arbeiten.

Da stellt sich die Frage: Wie viel von dem, was uns als Christen wichtig ist, und in welcher Qualität finden wir im Internet vor? Welche der verfügbaren Daten flossen in die Trainingsdaten der KI-Modelle ein? Im Abschnitt 1.3.3 «Perspektive Qualifizierung» gehen wir hierauf weiter ein.

Die folgenden beiden Beispiele geben einen Eindruck, wie unterschiedlich der Einsatz von KI in christlichen Organisationen aussehen kann.

Beispiel: Persönliche Produktivität mit Microsoft Copilot und E-Mail

Als kostenpflichtige Erweiterung stellt Microsoft für seine Office Produkte, wie Word, Excel, Power Point, Outlook und Teams, den Copilot für Microsoft 365 bereit. Dieser ist unter anderem im E-Mail-Programm Outlook integriert und erlaubt es dort, über einen Chat Fragen zu allen E-Mails im Postfach zu stellen oder Zusammenfassungen einzelner E-Mail-Konversationen oder E-Mails in einem bestimmten Zeitraum zu erstellen. Ausserdem lassen sich E-Mails mithilfe des Copiloten verfassen und anpassen.

Eine solche Funktion ist sehr breit von vielen Akteuren nutzbar und kann sowohl in grossen Organisationen als auch in Kirchen mit wenigen hauptamtlichen Mitarbeitern eine Hilfe zur Handhabung von hohem E-Mail-Aufkommen sein.

Beispiel: Nikodemus.AI – Chatfunktion als integriertes Angebot in bibleserver.com

Die Webseite bibleserver.com wird vom Evangeliums-Rundfunk (ERF) betrieben, einem Medienunternehmen und Missionswerk, das sich darauf konzentriert, Menschen durch Radio, Fernsehen, Web und Social Media Gott näherzubringen. Der ERF Bibleserver hat dabei neben einer umfangreichen Auswahl an Bibelübersetzungen auch einige integrierte Zusatzfunktionen, die mit einem persönlichen Account verknüpft sind: z.B. eigene Notizen, multimediale Inhalte zu einzelnen Bibeltexten und -themen oder ein Katalog von Bibelleseplänen, der es Nutzern auch erlaubt, eigene Bibellesepläne bereitzustellen.

Mit der neuen KI-basierten Chatfunktion Nikodemus.AI ergänzt der ERF nun sein Angebot um einen Chatbot, der zwar im Hintergrund das GPT-Modell von OpenAI nutzt, es jedoch gezielt auf eine christliche Weltsicht fokussiert und ihm alle Informationen des Bibleserver zur Verfügung stellt. Damit ist Nikodemus.AI ein interaktiver Assistent, den man zu Bibel- und Glaubensfragen befragen kann. Zum Beispiel können Bibelstellen direkt aus dem Chat heraus nachgeschlagen werden und bei einer Frage wie «Was ist eine gute Vorgehensweise, um die Bibel durchzulesen?» wird auf den eigenen Katalog an Bibelleseplänen verwiesen. Damit ist Nikodemus.AI ein gutes Beispiel, wie christliche Organisationen KI-Funktionen nutzen können, um Benutzern einen neuartigen und intuitiven Zugang zu bestehenden Angeboten zu geben.[1]

Eine umfangreiche Übersicht vieler weiterer Beispiele findet sich in den Kapiteln 3 und 4.

3.2 Gefahren erkennen – Gefahren reduzieren

KI trägt zu spürbaren Leistungsverbesserungen bei, etwa zur Verbesserung der Wertschöpfung in verschiedenen Bereichen. Gleichzeitig kann die Anwendung von KI zu Fehlinformationen und Verwirrung bis hin zu gezielter Zerstörung von Werten führen. Wir müssen in der Lage sein, zu erkennen, ob die KI-Nutzung in der konkreten Anwendung zur Wertschöpfung beiträgt oder im konkreten Fall toxisch ist, zur Wertminderung oder gar zerstörerisch wirkt. Es folgen ein paar Grundsätze, wie mit KI umgegangen werden sollte.

Qualität sicherstellen

Daten: Wir müssen die Quellen kennen, also die Daten, die zur Anwendung kommen, um die Datenqualität beurteilen zu können. Enthalten sie Inhalte, die für unseren Output wichtig sind?

Kontext: Wir müssen wissen, in welchem Kontext und mit welchem Ziel KI-Output generiert wird. Stehen die Auswertungen im richtigen Kontext zueinander und im Kontext unserer Werte? Auch richtige Daten können in einen nicht relevanten oder falschen Kontext gestellt werden.

Deep Fakes: Zur Erstellung von Deep Fakes gibt es eine Vielzahl von Tools, ja ganze Industrien. Wir müssen beachten, dass Falschinformationen gezielt verbreitet werden können, auch um zu diffamieren und zu zerstören. Es gilt, toxische Inhalte zu erkennen und zu meiden.

Komplexität: KI ist in seiner Anwendung komplex, auch wenn die Nutzung oft einfach ist. Mit generativer KI kann Output generiert und verbreitet werden, den die Nutzerin oder der Nutzer selbst nicht beurteilen kann. Und mit generierten Inhalten kann jede und jeder sich Wissen aneignen und verbreiten, das nicht den eigenen Grundwerten und Überzeugungen entsprechen muss.

Gesunde Skepsis: Generell gilt, KI-generierten Daten nicht einfach zu vertrauen. Oft ist es hilfreich, die gleiche Anfrage an verschiedene KI-Chatbots zu senden und die unterschiedlichen Antworten zu differenzieren.

Wir müssen lernen, Komplexität zu durchdringen und Naivität zu vermeiden – die Naivität eines Nutzers, der einfach generieren lässt und keine Verantwortung für den erhaltenen Output übernimmt, aber auch die Naivität des «Ablehners», der meint, KI-Entwicklungen könnten wir vermeiden oder umgehen.

Synthetische Daten und Remix

Die vorgenannten Entwicklungen führen dazu, dass im Netz neben den Daten aus der analogen Welt auch immer mehr synthetische Daten[2] entstehen, also Informationen, die von KI-Systemen und nicht von Menschen generiert wurden.

Meckel/Steinacker beschreiben in «Alles überall auf einmal»[3] sehr eindrücklich, wie immer mehr ein Remix entsteht, eine Vermischung von Daten aus der realen Welt und synthetischen Daten, welche von einer KI produziert wurden. Ein solcher Remix beinhaltet Gefahren, die bisher viel zu wenig Beachtung gefunden haben, aber explosiv sein können. Dies betrifft insbesondere den Bereich Sprache. Wenn immer mehr sprachliche Inhalte vermischt werden, entfernen sich die Aussagen zunehmend von der Realität. Da die Menge von Daten im Netz auch die Häufigkeit ihrer Verwendung bestimmt, kommt es zu einer immer höheren Beachtung von Mehrheitsmeinungen und immer geringeren Beachtung von Minderheitsmeinungen. Da wir als gläubige Christen auch in der digitalen Welt eine Minderheit sind, kann sich diese Entwicklung für uns besonders stark auswirken.

3.3 Perspektive Qualifizierung

Sowohl die Entwicklung wie auch die Nutzung von KI-Anwendungen erfordern menschliche Intelligenz. Qualifizierung und Zusammenarbeit sind ein Schlüsselthema und eine wichtige Perspektive für den Einsatz von KI.

Mit KI befinden wir uns technologisch und inhaltlich in einem höchst komplexen Umfeld. Es gibt praktisch keinen Bereich, der nicht von der Digitalisierung und der Anwendung von KI betroffen ist. Doch die Meinungen über deren Auswirkungen gehen weit auseinander und die erwarteten Ergebnisse werden sehr unterschiedlich gesehen.

Durch KI befinden wir uns in der grössten Qualifizierungsoffensive aller Zeiten. Dies betrifft die Wissensvermittlung in der Schule, die berufliche Ausbildung, Studiengänge, aber vor allem die Umstellung im beruflichen Alltag.

Im christlichen Bereich finden wir diese Qualifikationen eher bei Einzelpersonen und weniger in unseren Organisationen. Es ist dringend erforderlich, dass wir mehr interdisziplinär denken und die berufliche Erfahrung unserer Mitglieder stärker in die Gestaltung unserer Arbeit einfliesst. In unseren Kirchen, Gemeinden und christlichen Werken gibt es eine Vielzahl von Personen, die über die erforderlichen Qualifikationen für die Anwendung von KI verfügen. Wie gelingt eine bessere Vernetzung, eine interdisziplinäre Zusammenarbeit örtlich und überregional? In den nachfolgenden Kapiteln ist mehr zu den praktischen Überlegungen zu finden.

Wenn man in der Nutzung von KI allein unterwegs ist, ist die Gefahr gross, sich zu verirren und an einem anderen Punkt zu landen als geplant. Komplexität, wie sie uns in der Anwendung von KI begegnet, lässt sich nur im gemeinsamen Research durchdringen und in der Anwendung gemeinsamer Regeln bewältigen. Hier gilt ein Appell an die Qualitätssicherung, inhaltlich und in der Zusammenarbeit, und an ein aktives Risikomanagement! Ein wesentlicher Schlüssel für gute KI-Ergebnisse und eine Gefahrenreduzierung liegt in der persönlichen und gemeinsamen Qualifizierung. KI ist ein Querschnittsthema für alle Bereiche und für alle Führungsebenen. Unternehmen investieren daher sehr viel in das KI-bezogene Risikomanagement für den einzelnen Mitarbeiter, für Mitarbeiterteams und für Führungskräfte.

Die Digitalisierung und Anwendung von KI in der Wirtschaft führt zu einer noch stärkeren Zusammenarbeit, z. B. in Lieferketten, Einkaufsplattformen, Netzwerken, Cloud-Lösungen etc. In christlichen Bereichen werden diese Möglichkeiten der Zusammenarbeit bisher nicht genutzt, obwohl es viele Chancen in der Zusammenarbeit, der Ressourcenteilung und letztlich auch in der christlichen Wertevermittlung gibt. Doch es muss nicht so bleiben!

In den folgenden Kapiteln zeigen wir auf, wie wir die Chancen, die KI uns bietet, gemeinsam besser nutzen können. Zur theologischen Verantwortung, Kapitel 2 (Perspektive Theologie) und zur Anwendung von KI die Kapitel 3 (Perspektive: Leitungspersonen) und 4 (Perspektive: Mitarbeitende).

[1] Nikodemus.AI, ERF Wetzlar/DE https://www.bibleserver.com/nicodemus-ai

[2] KI: Kollaps droht wegen KI-generierter Trainingsdaten, Heise 04.08.2024,https://www.heise.de/news/KI-Kollaps-  droht-wegen-KI-generierter-Trainingsdaten-9823352.html

[3]  Miriam Meckel und Lea Steinacker: Alles überall auf einmal, Rowohlt Verlag 2024

Informationen & Quellen

Projektteam und Autoren

Friedhelm Wolf, M.Sc. Computer Science, Software-Architekt,  Dr. Jörn Krebs, Theologe und Informatik-Student, Sandro Jacky, Software Engineer, Simeon Stiefel, Praktischer Theologe, zert. AI-Trainer, Dr. Andreas M. Walker, Zukunfts- und Veränderungsexperte, Jürgen Rintz, Business Consultant, Think Tank CornerStone, Marcel Keller, Informatik Ingenieur und IT-Architekt

Kooperation Schweizerische Evangelische Allianz SEA

Besten Dank an die SEA  https://www.each.ch/ für den guten Austausch und die Priorisierung der KI Themen, Beat Ungricht, Präsident,  für die gute Zusammenarbeit und den wertvollen Input zur Projektarbeit, Andi Bachmann-Roth, Co-Generalsekretär, Daniela Baumann, Leiterin Kommunikation/Medien und Roland Mürner, Grafikdesign/Web/IT für die gute Begleitung, das Mitgestalten und die Veröffentlichung des Arbeitspapiers Künstliche Intelligenz und Kirche https://www.each.ch/aktuellethemen/ki-kirche/

Themenreihe KI und Kirche

Die Themenreihe KI und Kirche werden wir mit weiteren Blogbeiträgen fortsetzen. Als nächstes folgt: KI und Kirche 2: KI als Assistent. Kontaktadresse: juergen.rintz@ttc-cornerstone.org

Bilder

Bild: shutterstock.com