Alle Ausgaben · Conservation Edition

Your Community, Your AI — CC BY 4.0

KI der Big Tech vs. Ihre Naturschutz-KI – Warum der Unterschied wichtig ist

Wo die KI der Big Tech ihre Manieren lernt

Stellen Sie sich vor, Sie würden ein Kind in einem Haushalt großziehen, in dem es als einzige Bücher Marketingbroschüren, Social-Media-Diskussionen und Wikipedia gäbe. Dieses Kind wäre redegewandt, in gewisser Weise belesen und in der Lage, zu fast jedem Thema flüssige Texte zu verfassen. Aber es hätte eine ganz bestimmte Sicht auf die Welt – kommerziell geprägt, kontroversionsbewusst und im Ton selbstbewusst, unabhängig von der Tiefe des Inhalts. Es wüsste, wie man autoritär klingt, ohne dabei unbedingt sorgfältig zu sein.

So werden, grob gesagt, die KI-Systeme der Big Tech-Unternehmen „erzogen“.

Die bekanntesten KI-Systeme der Big Tech-Unternehmen – die großen kommerziellen Chatbots und mittlerweile auch die darauf aufbauenden Agenten – werden mit riesigen Mengen an Text trainiert, die aus dem Internet gesammelt wurden. Milliarden von Seiten. Das Ergebnis ist ein System, das über fast alles diskutieren kann – dessen Standardwerte, Annahmen und Instinkte jedoch von dem geprägt sind, was im Internet überrepräsentiert ist.

Das Internet überrepräsentiert:

• Englischsprachige Inhalte (und innerhalb des Englischen vor allem amerikanisches Englisch)
• Wirtschafts- und Marketingsprache
• Individualistische Sichtweisen („Was ist das Beste für dich?“)
• Selbstbewusste, uneingeschränkte Behauptungen
• Technischen und fachlichen Diskurs
• Inhalte aus den letzten zwanzig Jahren mit begrenzter historischer Tiefe

Das Internet unterrepräsentiert:

• Qualifizierte wissenschaftliche Berichterstattung mit ausgewiesenen Unsicherheiten
• Langfristige ökologische Überwachungsdaten
• Traditionen gemeinschaftlicher Entscheidungsfindung
• Indigenes und lokales ökologisches Wissen
• Die gelebten Erfahrungen kleiner, ortsgebundener Organisationen
• Die tatsächlichen Felddaten, Artenlisten und Bewirtschaftungsunterlagen Ihrer Naturschutzgruppe

Wenn Ihr Freiwilligenkoordinator ein KI-System eines Big-Tech-Unternehmens zum Thema Lebensraummanagement befragt, greift dieses auf die Sprache einer Wikipedia-Zusammenfassung oder eines Beratungsberichts zurück – nicht, weil es diese als überlegen erachtet, sondern weil genau das in seinen Trainingsdaten vorherrscht. Es bietet nicht das detaillierte, ortsspezifische Wissen, das aus zwanzig Jahren Überwachung desselben Flussuferabschnitts stammt, da solche Muster in den Daten, aus denen es gelernt hat, statistisch selten sind.

Dies ist kein Fehler, der durch bessere Eingabeaufforderungen behoben werden kann. Er ist struktureller Natur. Der Charakter des Systems wird durch seine Prägung bestimmt, und diese Prägung war das Internet.

Was „lokal trainiert“ tatsächlich bedeutet

Village AI funktioniert anders, und der Unterschied besteht nicht darin, dass es kleiner oder weniger leistungsfähig ist. Der Unterschied liegt darin, wo die KI ihre Muster lernt.

Ein Village AI für Ihre Naturschutzgruppe wird anhand von drei Inhaltsebenen trainiert. (Alle in dieser Reihe vorkommenden unbekannten Begriffe werden im Glossar in einfacher Sprache erklärt.)

Die Plattformebene. Dies ist das Fundament – wie die Village-Plattform funktioniert, welche Funktionen verfügbar sind und wie man sich im System zurechtfindet. Jedes Village teilt diese Ebene. Das bedeutet, dass die KI einem neuen Freiwilligen helfen kann, sich zurechtzufinden, und ihm erklären kann, wie man einen Feldbericht einreicht oder an einem Videoanruf teilnimmt, ohne dass ihr diese Grundlagen von Grund auf beigebracht werden müssen.

Die Organisationsebene. Das ist es, was Ihr „Village“ zu Ihrem eigenen macht. Die KI lernt aus den Inhalten, die Ihre Gruppe tatsächlich erstellt hat – Feldberichte, Artenbeobachtungsprotokolle, Geschichten, die Mitglieder geteilt haben, Veranstaltungsbeschreibungen, Dokumente, die Ihr Vorstand veröffentlicht hat. Wenn ein Freiwilliger fragt: „Was war das Ergebnis der Vogelzählung vom letzten Herbst?“, kann die KI anhand der eigenen Aufzeichnungen Ihrer Organisation antworten – und nicht anhand einer Vermutung, die darauf basiert, wie Vogelzählungen im Internet allgemein aussehen.

Einwilligung bei jedem Schritt. Keine Inhalte gelangen ohne ausdrückliche Genehmigung in das Training der KI. Ein Mitglied, das einen Feldbericht teilt, kann wählen, ob dieser Bericht in das Wissen der KI aufgenommen wird. Als privat markierte Inhalte bleiben privat – strukturell, nicht nur aufgrund von Richtlinien. Die KI kann nicht auf das zugreifen, was ihr nie zur Verfügung gestellt wurde.

Das Ergebnis ist ein System, das Ihre Organisation kennt – und nicht die Vorstellung des Internets davon, wie eine Naturschutzgruppe aussehen könnte. Wenn es beim Verfassen einer Zusammenfassung eines Feldberichts hilft, stützt es sich auf die Muster Ihrer früheren Berichte und nicht auf Vorlagen für Unternehmensnewsletter. Wenn sie eine Frage zu Ihrer Arbeit beantwortet, stützt sie sich auf die Aufzeichnungen Ihrer Organisation und nicht auf einen statistischen Durchschnitt aller Organisationen.

Wer hat die Kontrolle?

Bisher haben wir darüber gesprochen, wessen Muster die KI in sich trägt. Doch wie in Artikel 1 erläutert, ist KI nicht mehr nur etwas, das Fragen beantwortet – zunehmend ist sie etwas, das handelt. Und in dem Moment, in dem eine KI in Ihrem Namen handeln kann, wird ein zweiter Unterschied zwischen der KI der Big-Tech-Unternehmen und einem System, das Sie kontrollieren, genauso wichtig wie der erste: wer die Schlüssel in der Hand hält.

Wenn Sie einen Agenten eines Big-Tech-Unternehmens etwas für Sie erledigen lassen – Datensätze an einen regionalen Datensatz übermitteln, auf eine Planungsanhörung antworten, eine Steuererklärung einreichen, eine Liste verwalten –, übergeben Sie ihm die Schlüssel: den Zugriff auf Ihre Daten, manchmal auch auf Ihre Konten, sowie die Befugnis, in Ihrem Namen Maßnahmen zu ergreifen. Diese Handlungen finden auf der Infrastruktur des Unternehmens statt, nach dessen Regeln, wobei die Standardvoreinstellungen des Unternehmens die einzelnen Schritte bestimmen. Wenn der Agent etwas Falsches tut, erfährst du es möglicherweise erst, nachdem es bereits geschehen ist, denn ein eigenständig handelnder Agent lässt dir weniger Möglichkeiten, einzugreifen. Für eine Organisation, die sensible Daten verwahrt – Standorte geschützter Arten, unveröffentlichte Ergebnisse, Beziehungen zu Grundstückseigentümern –, stellt dies eine besondere Art von Risiko dar: Manche Dinge lassen sich, einmal geteilt, nicht mehr zurücknehmen.

Village AI basiert auf dem gegenteiligen Prinzip. Wo es überhaupt tätig wird, agiert es innerhalb der Grenzen Ihrer Organisation, auf einer speziell für Ihre Gruppe vorgesehenen Infrastruktur und nach den von Ihrer Organisation festgelegten Regeln – und, was entscheidend ist: seine Reichweite ist bewusst begrenzt, sodass ein Mensch immer eingreifen kann, bevor etwas Ihre Grenzen verlässt. Es wird Entwürfe erstellen, Vorschläge unterbreiten, organisieren und priorisieren; es wird jedoch nicht stillschweigend in Ihrem Namen etwas einreichen, versenden oder weitergeben, ohne dass eine Person in den Prozess eingebunden ist. Die Schlüssel verbleiben bei Ihrer Organisation. In Artikel 3 beschreiben wir genau, wie dies durchgesetzt wird, und in Artikel 4, was heute genau in Ihrem Namen agiert.

Der Punkt ist vorerst einfach: Im Zeitalter der Chatbots lautete die Frage: „Wessen Muster trägt meine KI?“ Im Zeitalter der Agenten müssen Sie zusätzlich fragen: „Wessen Hände liegen an den Steuerelementen – und kann ich sie zurücknehmen?“

Warum Datenintegrität hier eine noch größere Rolle spielt

Naturschutzorganisationen nehmen in der KI-Landschaft eine besondere Stellung ein. Im Gegensatz zu einem Verein oder einem Unternehmen hat ein Großteil Ihrer Daten wissenschaftlichen Wert. Artenzählungen, Bewertungen des Lebensraumzustands, Wasserqualitätsmessungen, Aufzeichnungen zum Bruterfolg – all dies sind nicht nur administrative Inhalte. Es handelt sich um Beweismaterial. Sie können Planungsentscheidungen beeinflussen, zu regionalen Datensätzen beitragen oder Teil langfristiger ökologischer Referenzwerte sein.

Wenn eine KI diese Art von Daten zusammenfasst, steht viel mehr auf dem Spiel. Ein leicht ungenauer Social-Media-Beitrag ist ein kleines Ärgernis. Eine nach oben gerundete Artenzählung, eine Lebensraumbewertung, bei der ein Vorbehalt ausgelassen wird, oder ein Trend, der zu einer glatteren Darstellung geglättet wird, als es die Daten rechtfertigen – all dies kann die wissenschaftliche Glaubwürdigkeit untergraben, auf die Naturschutzorganisationen angewiesen sind.

Die KI der großen Tech-Unternehmen ist darauf trainiert, selbstbewusste, flüssige Texte zu produzieren. Selbstbewusstsein und Flüssigkeit sind jedoch die falschen Standardwerte für wissenschaftliche Daten. Was man braucht, sind Einschränkungen, Präzision und ein System, das seine eigene Unsicherheit kennzeichnet, anstatt sie zu verschleiern.

Deshalb ist lokales Training für Naturschutzgruppen in einer Weise wichtig, die über den allgemeinen Fall hinausgeht. Die KI muss nicht nur Ihre Inhalte lernen, sondern auch Ihre Standards – den Unterschied zwischen einer bestätigten und einer wahrscheinlichen Sichtung, die Bedeutung der Erfassung des Untersuchungsaufwands neben den Ergebnissen, die Disziplin, sowohl anzugeben, was nicht gefunden wurde, als auch, was gefunden wurde.

Guardian Agents: Die Wächter am Tor

Selbst eine lokal trainierte KI kann Fehler machen. Sie könnte sich an ein Detail falsch erinnern, zwei Erhebungssaisons verwechseln oder eine Antwort generieren, die zwar richtig klingt, aber nicht auf Ihren tatsächlichen Aufzeichnungen basiert. Das liegt in der Natur der Technologie – sie sagt plausible Texte voraus, und plausibel ist nicht dasselbe wie korrekt.

Hier kommen die Guardian Agents ins Spiel.

Guardian Agents sind unabhängige Verifizierungsinstanzen, die jede KI-Antwort überprüfen, bevor sie das Mitglied erreicht. Es handelt sich nicht um weitere KI – es sind messungsbasierte Prüfungen, die strukturell von der KI, die sie überwachen, getrennt sind, sodass der Wächter nicht die blinden Flecken des Überwachten teilt.

Einfach ausgedrückt funktioniert das folgendermaßen:

Der erste Wächter nimmt die Antwort der KI und misst, wie genau sie mit dem tatsächlichen Inhalt in den Unterlagen Ihrer Organisation übereinstimmt. Dabei geht es nicht darum, ob sie richtig klingt – sondern darum, ob sie mathematisch mit echten Dokumenten übereinstimmt. Wenn die KI sagt: „Die Otter-Erhebung verzeichnete im September drei Baue entlang des Oberlaufs“, prüft der Wächter, ob Ihre Überwachungsunterlagen diese Daten tatsächlich enthalten.

Der zweite Wächter zerlegt die Antwort in einzelne Aussagen und prüft jede davon separat. Eine KI-Antwort könnte drei Aussagen enthalten – zwei korrekte und eine erfundene. Der zweite Wächter erkennt die Erfindung selbst dann, wenn die Antwort insgesamt überzeugend klingt.

Der dritte Wächter achtet auf ungewöhnliche Muster im Zeitverlauf – Veränderungen im Verhalten der KI, wiederholte Fehler, Ausgaben, die sich definierten Grenzen nähern. Er überwacht den Zustand des Systems, nicht nur einzelne Antworten.

Der vierte Wächter lernt aus dem Feedback Ihrer Organisation. Wenn ein Mitglied eine KI-Antwort als nicht hilfreich markiert – ein einfacher Daumen-runter reicht aus –, untersucht das System, was schiefgelaufen ist, klassifiziert die Ursache und passt sich an. Moderatoren können diese Korrekturen überprüfen und verfeinern, doch der Lernprozess beginnt bei den normalen Freiwilligen. Mit der Zeit passt sich die KI immer besser an das tatsächliche Wissen Ihrer Organisation an, nicht weniger.

Jede KI-Antwort in Village ist mit einem Konfidenzindikator versehen, der dem Mitglied anzeigt, wie fundiert die Antwort ist. Eine hohe Konfidenz bedeutet, dass der Wächter starke Übereinstimmungen in Ihren Unterlagen gefunden hat. Eine niedrige Konfidenz bedeutet, dass die Antwort eher spekulativ ist. Mitglieder können jede Aussage der KI bis zu ihrer Quelle zurückverfolgen – zu dem spezifischen Dokument, Feldbericht oder Datensatz, der sie stützt.

Dies ist keine Funktion, die die KI der großen Tech-Konzerne bietet, da deren KI nicht auf Ihren Aufzeichnungen basiert. Sie stützt sich auf das Internet, und es gibt keine praktikable Möglichkeit, Milliarden von Seiten an Trainingsdaten anhand einer einzelnen Antwort zu überprüfen.

Speziell bei Naturschutzdaten ist diese Rückverfolgbarkeit keine Annehmlichkeit – sie ist eine Voraussetzung. Wenn jemand fragt: „Hat sich der Bestand der Schleun linx seit Beginn des Nistkastenprogramms erholt?“, muss die Antwort auf tatsächliche Erhebungsdaten zurückverfolgt werden können, nicht auf eine plausibel klingende Erzählung.

Der Kompromiss

Village AI ist bewusst enger gefasst als die großen kommerziellen Systeme. Es ist nicht dafür ausgelegt, Sonette zu schreiben, fotorealistische Bilder zu generieren oder jedes erdenkliche Thema abzudecken – und im Zeitalter der Agenten geht es nicht wirklich um bloße Bandbreite. Der entscheidende Kompromiss ist nicht Eloquenz um der Eloquenz willen, sondern Verwahrung und Kontrolle. Ein fokussiertes System, das Ihre Organisation kennt, Ihre Daten innerhalb Ihrer eigenen Grenzen hält und Ihrer Governance gegenüber rechenschaftspflichtig bleibt – und das, wenn es handelt, nur dort eingreift, wo noch ein Mensch eingreifen kann –, ist für eine Naturschutzorganisation mehr wert als ein schillernderes System, über das sie keine Kontrolle hat.

Stattdessen bietet es ein System, das Ihrer Organisation treu bleibt – ihren Inhalten, ihren Werten, ihren Datenstandards – und das die Gewissheit gibt, dass seine Reaktionen auf Ihren tatsächlichen Aufzeichnungen beruhen und nicht auf statistischen Mustern aus dem Internet.

Für eine Naturschutzorganisation, die Unterstützung bei der Zusammenfassung von Feldberichten, der Beantwortung von Fragen der Freiwilligen zu Erhebungsprotokollen, der Erstellung von Förderberichten auf der Grundlage von Überwachungsdaten oder der Koordination von Landbewirtschaftungsmaßnahmen benötigt – ist dies keine Einschränkung. Es ist genau das richtige Werkzeug für diese Aufgabe. Und wenn dieses Werkzeug nicht nur antwortet, sondern auch handelt, geschieht dies, während die Kontrolle weiterhin in den Händen Ihrer Organisation liegt.

Die Frage lautet nicht: „Welche KI ist leistungsfähiger?“ Die Frage lautet: „Welche KI dient meiner Organisation – und wer hat die Kontrolle, wenn sie handelt?“

Möchten Sie KI-Tools wie diese gut und sicher einsetzen? Unsere kostenlosen Kurse – Working with Claude und Agents at Work – vermitteln die praktischen Fähigkeiten. Die vollständige Guardian Agents-Architektur hinter Village AI finden Sie unter Village AI – Agentic Governance.