DEFINITION

Was ist ein Bias?

Bias bedeutet auf Englisch Verzerrung. In der KI beschreibt der Begriff eine systematische Voreingenommenheit: Das Modell trifft Vorhersagen, die nicht neutral sind, sondern in eine bestimmte Richtung kippen. Das Ergebnis sind fehlerhafte oder ungerechte Ausgaben, die bestimmte Gruppen benachteiligen oder Stereotype verfestigen. Daraus entstehen reale Schäden, sozial, wirtschaftlich und ethisch, und das Vertrauen in KI-Systeme leidet.

Wie entsteht Bias?

Die häufigste Ursache liegt in den Trainingsdaten. Wenn diese Daten bestimmte Demografien über- oder unterrepräsentieren oder historische Vorurteile enthalten, lernt das Modell genau diese Muster. Hinzu kommen Annahmen, die Entwicklerteams unbewusst ins Modelldesign einfließen lassen, sowie Feedback-Schleifen, die entstehen, wenn Nutzerverhalten als Trainingssignal dient.

Bei generativer KI wie großen Sprachmodellen zeigt sich das konkret: Modelle reproduzieren Geschlechter-, Rassen- oder Kulturklischees, weil Internetdaten, auf denen sie trainiert wurden, entsprechend unausgewogen sind.

Unterschied zu verwandten Begriffen

Varianz

Varianz beschreibt, wie empfindlich ein Modell auf Schwankungen in den Trainingsdaten reagiert. Hohe Varianz führt zu Overfitting: Das Modell lernt die Trainingsdaten auswendig, scheitert aber bei neuen Eingaben.

Unterschied zum Bias
Bias ist eine systematische Abweichung, die entsteht, weil ein Modell zu stark vereinfacht. Varianz entsteht durch das Gegenteil: zu viel Komplexität und Abhängigkeit von den Trainingsdaten. Beide erhöhen den Gesamtfehler, was als Bias-Varianz-Dilemma bekannt ist.

Fairness

Fairness beschreibt den Anspruch, dass KI-Entscheidungen keine Gruppen benachteiligen. Metriken und gezielte Korrekturen helfen, dieses Ziel zu erreichen.

Unterschied zum Bias
Bias ist die Ursache: eine Verzerrung im Modell, die zu ungerechten Ergebnissen führt. Fairness ist das angestrebte Ziel. Die beiden Begriffe stehen also nicht in Konkurrenz, sondern in einem Ursache-Ziel-Verhältnis.

KI-Ethik

KI-Ethik ist das übergeordnete Feld, das die moralischen Implikationen von KI-Systemen behandelt. Dazu gehören Transparenz, Verantwortung und der Umgang mit Bias.

Unterschied zum Bias
Bias ist ein konkretes technisches Problem: eine messbare Verzerrung im Modell. KI-Ethik ist der breitere Rahmen, der Bias als eines von mehreren Prinzipien einschließt. Man kann Bias beheben, ohne alle ethischen Fragen zu lösen.