medialepfade.org
Verein für Medienbildung e.V.
medialepfade.org
Verein für Medienbildung e.V.
Gemeinnütziger Verein für Medienbildung (seit 2013, Sitz in Berlin)
Bildungs- und Beratungsprojekte mit Fokus auf Technologie, Soziale Medien, Politik und Gesellschaft
18-köpfiges Team an zwei Standorten in Berlin
Prävention von Online-Radikalisierung
Über uns
Unsere Schwerpunkte
CiviLink
(ab Juni 2025)
BruchGold
(ab Sept. 2025)
Coding, Gaming, Making
Mehr Demokratie auf Plattformen
Tagesablauf
-
Begrüßung und Kennenlernen
-
Umfrage: Social Media Nutzungsverhalten
-
Input und Austausch: Was sind Algorithmen?
-
Kleine Pause
-
Praxis und Auswertung: TikTok Erkunden
-
Mittagspause
-
Methode: Daten by Design
-
Kleine Pause
-
Methode: TikTok-Boxing
-
Feedback und Tagesabschluss
Vorstellungsrunde
👋 Sag gern kurz…
- Deinen Vornamen
- Wo du aktiv bist (z. B. Verein, Ehrenamt, Organisation)
- Was dich an Social Media interessiert oder beschäftigt
💬 Wenn du magst:
- Was war dein letzter Aha-Moment beim Scrollen?
Umfrage: Social Media Nutzungsverhalten
Was sind Algorithmen?
© José Rojas, 2021
Was ist Künstliche Intelligenz?
- ist bereits ein fester Bestandteil unseres Alltags, z. B. in Smartphones und Computern.
- wird in großen Unternehmen genutzt
- bezeichnet Systeme, die versuchen, menschliche Intelligenz nachzubilden.
- wird in vielen Bereichen und Geräten verwendet, ähnlich wie Salz verschiedene Gerichte „würzt“.
© José Rojas, 2021
Was ist Künstliche Intelligenz?
Screenshot von Google-Suche nach "KI"
Künstliche Intelligenz?
Maschinelles Lernen!
Google-Bildersuche nach Maschinellem Lernen
Maschinelles Lernen
- Benutzt Algorithmen = Rezept
- Erhält Rezept (Algorithmus), Ziel (Output) und Zutaten (Daten) und kann Aufgaben für uns übernehmen.
- Findet Muster in den Daten, mit denen es „gefüttert“ wird.
- Macht Vorhersagen und trifft Entscheidungen auf Basis dieser Muster.
Wo steckt es drin?
© José Rojas, 2021
Daten
Selbsterstellte Collage von Stock-Fotos
© José Rojas, 2021
Daten
Kein maschinelles Lernen ohne Daten
- Wenn du Apps auf deinem Handy nutzt, entstehen ständig Daten
- WhatsApp-Nachrichten, die du schreibst, sind auch Daten.
- Auf Google Maps entstehen Daten, wenn du von A nach B navigierst.
- Wenn du online nach Klamotten shoppst, hinterlässt du Daten über deinen Modegeschmack.
Algorithmen und Empfehlungen in Social Media
360 Stunden Video werden pro Minute auf TikTok hochgeladen
Das sind 1296000 Sekunden
Pro Sekunde!
Wie soll TikTok nun wissen, was dir angezeigt werden soll?
Mit Empfehlungsalgorithmen -
Social Media Plattformen zeigen dir nicht einfach alles.
Der Algorithmus entscheidet
- Was du siehst
- In welcher Reihenfolge
- Und wie oft
Wie funktioniert die Empfehlung?
Der Algorithmus "lernt" dich kennen:
❤️ Was du likst
⏱️ Wie lange du schaust
💬 Womit du interagierst
👥 Wem du ähnlich bist
Zentrale Fähigkeiten von Empfehlungssystemen
-
Items kategorisieren
-
User analysieren
-
Beziehungen modellieren
-
Rankings erstellen
-
Vorhersagemodelle verbessern
Zentrale Fähigkeiten von Empfehlungssystemen
1. Items kategorisieren
d.h., "Verstehen", was ein Video zeigt und was für ein Video das ist.
Das System muss erkennen:
Ist das ein Tanz, ein politischer Kommentar, ein Beauty-Tutorial oder ein wütender Monolog?
➡️ Dafür analysiert das System Bild, Ton, Text.
Zentrale Fähigkeiten von Empfehlungssystemen
2. User analysieren
d.h., "Beobachten", wie Menschen auf Videos reagieren
Das System merkt sich:
- Wer hat wie lange geschaut?
- Wurde geliked, geteilt oder kommentiert?
- Wurde gleich weitergewischt?
➡️ Es „lernt", welche Inhalte einen Account wirklich interessieren – und welche nicht.
Zentrale Fähigkeiten von Empfehlungssystemen
3. Beziehungen modellieren
d.h., Zusammenhänge zwischen Menschen und Videos erkennen
Das System versucht zu verstehen:
„Aha, Menschen, die Video A mochten, mochten oft auch Video B."
➡️ Es bildet so Cluster von ähnlichen Videos und Accounts, ohne dass wir Einsicht haben.
Zentrale Fähigkeiten von Empfehlungssystemen
4. Rankings dynamisch erstellen
d.h. schnell entscheiden, was du als nächstes sehen wirst
Das System bewertet aktuell Millionen von Videos:
„Welches davon passt jetzt genau zu dir – basierend auf deinen bisherigen Reaktionen?"
➡️ Es will möglichst genau vorhersagen: „Was hält einen User am längsten auf der Plattform und erzeugt Engagement?"
Zentrale Fähigkeiten von Empfehlungssystemen
5. Vorhersagemodelle verbessern
d.h. es lernt über eine dauerhafte Feedback-Schleife
Wenn du aufhörst, bestimmte Inhalte zu schauen oder neue Interessen zeigst, merkt es das.
➡️ Es passt sich ständig an – dein Feed verändert sich mit dir.
Zentrale Fähigkeiten von Empfehlungssystemen
Diese Systeme sind nicht neutral
Sie zeigen dir das, was dein Nutzungsverhalten bedient, nicht unbedingt das, was du brauchst oder suchst.
Das bedeutet:
-
du mehr Ähnliches siehst
-
kontroverse/emotionale Inhalte überbetont werden
-
Inhalte „unsichtbar", wenn du nicht darauf reagierst
Zentrale Fähigkeiten von Empfehlungssystemen
Das Empfehlungssystem denkt:
„Welche Inhalte sollen diesem Account als Nächstes angezeigt werden?"
Dazu analysiert es das Nutzungsverhalten, Inhaltsmerkmale und Engagement und lernt daraus Wahrscheinlichkeiten:
- Wie wahrscheinlich ist es, dass du das nächste Video zu Ende schaust?
- Oder likest, kommentierst, folgst?
Das Ziel dahinter?
-
Aufmerksamkeit (Engagement) als Währung:
- Kostenlose Plattformen finanzieren sich durch Werbung
- Mehr Nutzungszeit = mehr Werbeplätze = mehr Umsatz
- Deine Daten ermöglichen präzises "Targeting"
Chancen und Risiken
Chancen:
- Personalisierung: Relevante Inhalte schneller finden
- Demokratisierung: Auch kleine Akteure können große Reichweite erzielen
- Effizienz: Filtert Informationsflut
Risiken:
- Filter Bubbles: Eingeschränkte Meinungsvielfalt
- Polarisierung: Verstärkung extremer Positionen
- Manipulation: Gezielte Beeinflussung durch Dritte
20 Minuten Pause
TikTok Erkundung
Praxis: In Zweiergruppen
- nutzt ihr TikTok praktisch,
- beobachtet den Feed,
- testet Einstellungen und Interaktionen
Ich begleite euch dabei und kläre Fragen.
📌 Auswertung im Plenum
- Was habt ihr beim Erkunden von TikTok beobachtet?
- Welche Inhalte wurden euch angezeigt? Gab es Muster?
- Was habt ihr ausprobiert – und wie hat sich euer Feed verändert?
- Wie unterscheidet sich TikTok von anderen Plattformen?
- War etwas für euch überraschend?
- Was habt ihr verstanden – was bleibt unklar?
60 Minuten Mittagspause
Social Media-Boxing
Zwei Teams treten gegeneinander an:
PRO und CONTRA
- Jedes Team bekommt Argumentekarten
- Ziel: Gute Begründungen für die eigene Position liefern
- Das Publikum („TikTok-Community“) stimmt ab, wer überzeugt
Social Media-Boxing
Ablauf
-
Drei Teams à 2–3 Personen, (PRO, CONTRA, COMMUNITY)
-
Karten anschauen, kurze Vorbereitung
-
Team PRO oder CONTRA spielt eine Karte mit Begründung
-
Gegenseite kontert mit passender Karte + Begründung
-
Community vergibt einen Punkt an ein Team.
-
Danach neue Runde – bis keine Karten mehr übrig sind
🧩 Abschlussrunde & Feedback
- Was waren eure wichtigsten Aha-Momente heute?
- Was nehmt ihr mit in eure Praxis oder Organisation?
- Feedback zum Workshop?
Vielen Dank!
Vielen Dank!
Siemens Stiftung, 2019
Siemens Stiftung, 2019
Welche Zwecke verfolgen diese KI-Technologien?
-
Schufa - Kreditwürdigkeit prüfen
-
TikTok/Amazon - Produktempfehlungen aussprechen
-
Gesichtserkennung - Überwachung automatisieren
-
Spamfiltern - Gegenautomatisierung
-
Smart-Home-Anwendungen - Datenerfassung
-
Nachrichten ohne Redaktion
-
Navigation/Fahren - Fehlervermeidung/Sicherheit
-
Diagnostik/Klima - Komplexität erfassen
Haltungen und Einstellungen
Datenschutz-Grundverordnung (DSGVO)
Artifical Intelligence Act (AI ACT)
ethische und rechtliche Fragen
Artifical Intelligence Act (AI ACT)
-
Risikobasierter Ansatz
-
Hochrisiko Bildungseinrichtungen, Arbeitsplatz, Strafverfolgung, Migration, Justiz und Wahlen
-
Verbot von Social Scoring, biometrische Überwachung, Emotionserkennung
-
-
Neue Informationsrechte - Hochrisikosysteme
-
Ausnahmen - nationale Sicherheit
Text
Urheberrecht an Daten und KI-Inhalten
starkes Urheberrecht in Deutschland
-
Schutz durch menschliche Mitwirkung
Kreative Prompts
Persönlichkeits- und Markenrechte
-
Rechtsstreitigkeiten um Trainingsdaten
New York Times vs. Microsoft
Trainingsdaten aus Anwendungen
Text
Desinformation durch KI-generierte Inhalte
Keine speziellen Regelungen für Deep Fakes
Kennzeichnungspflicht auf EU-Ebene (DSA)
-
Gefahren durch Deep Fakes
Desinformation
pornografische Inhalte, Nudes
Identitätsdiebstahl
Verleumdung
250724 LNBE Workshop Behind The Screen
By mediale pfade
250724 LNBE Workshop Behind The Screen
Das ist unsere Organisation in 2025
