Die Souveränitätsfrage
Wenn Kulturforschende mit KI-Werkzeugen arbeiten, fließen oft sensible Daten in Cloud-Dienste großer Tech-Unternehmen. Förderdaten, Interviewtranskripte, interne Strategiepapiere — all das landet auf Servern, deren Datenverarbeitungspraktiken nicht immer transparent sind.
Lokale KI bietet eine Alternative: Modelle, die auf dem eigenen Rechner oder eigenen Servern laufen, ohne dass Daten das Haus verlassen.
Was bedeutet "lokale KI"?
Lokale KI-Modelle (auch: On-Premise-KI) sind Sprachmodelle und Analysewerkzeuge, die ohne Internetverbindung funktionieren. Aktuelle Entwicklungen machen es möglich, leistungsfähige Modelle auf Standard-Hardware zu betreiben.
Vorteile:
- Datensouveränität: Keine Daten verlassen den eigenen Rechner
- Reproduzierbarkeit: Ergebnisse sind nicht von externen API-Änderungen abhängig
- Kosteneffizienz: Nach der Einrichtung entstehen keine laufenden API-Kosten
- Transparenz: Die verwendeten Modelle und ihre Einschränkungen sind bekannt
Praxisbeispiel: KI-Weiterbildung
In meiner Arbeit mit Doktorand*innen setze ich auf lokale KI-Werkzeuge. Die Teilnehmenden lernen:
- Lokale Sprachmodelle für Textanalyse einzurichten und zu nutzen
- Kritisch mit KI-generierten Ergebnissen umzugehen
- Datensouveränität als Forschungsprinzip zu verstehen
- Eigene Workflows für KI-gestützte Analyse zu entwickeln
Die politische Dimension
Die Entscheidung für oder gegen lokale KI ist nicht nur technisch. Sie ist eine Frage der digitalen Souveränität: Wer kontrolliert die Werkzeuge, mit denen wir forschen? Wer hat Zugang zu den Daten, die wir analysieren?
Für die Kulturforschung — die häufig mit sensiblen, personenbezogenen oder politisch relevanten Daten arbeitet — ist diese Frage besonders drängend.
Empfehlungen
- Sensible Forschungsdaten grundsätzlich lokal verarbeiten
- KI-Werkzeuge vor dem Einsatz auf Datenverarbeitungspraktiken prüfen
- In Weiterbildung investieren: Der souveräne Umgang mit KI ist eine Kernkompetenz
- Open-Source-Modelle bevorzugen, wo möglich