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

 

  1. Items kategorisieren

  2. User analysieren

  3. Beziehungen modellieren

  4. Rankings erstellen

  5. 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

  1. Drei Teams à 2–3 Personen, (PRO, CONTRA, COMMUNITY)

  2. Karten anschauen, kurze Vorbereitung

  3. Team PRO oder CONTRA spielt eine Karte mit Begründung

  4. Gegenseite kontert mit passender Karte + Begründung

  5. Community vergibt einen Punkt an ein Team.

  6. 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)

 youngdata.de

Digital Service Act (DSA)

algorithmwatch.org

algorithmwatch.org

Artifical Intelligence Act (AI ACT)

irights.info

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