Algorithmische Voreingenommenheit und soziale Ungleichheit in KI-Entscheidungssystemen aus soziologischer Perspektive

Die schnelle Einführung von Künstlicher Intelligenz (KI) in Entscheidungssystemen hat neue Effizienzsteigerungen gebracht, aber auch Debatten über Fairness, Gleichheit und soziale Gerechtigkeit verschärft. Aus soziologischer Sicht ist algorithmische Voreingenommenheit nicht nur eine technische Anomalie, sondern eine strukturelle Spiegelung vorbestehender sozialer Ungleichheiten, die in historischen Daten, institutionellen Praktiken und kulturellen Normen verankert sind. Diese Studie untersucht, wie algorithmische Systeme in Bereichen wie Strafjustiz, Gesundheitswesen, Wohnungswesen und Beschäftigung Ungleichheit aufrechterhalten und manchmal verschärfen. Durch eine umfassende Überprüfung empirischer Studien analysiert diese Arbeit Mechanismen der Voreingenommenheit im gesamten KI-Lebenszyklus und die soziologischen Theorien, die diese erklären, wie Intersektionalität, kritische Rassentheorie und soziale Schichtung, und präsentiert fallbasierte statistische Evidenz, einschließlich Diskrepanzen bei der Genauigkeit der Gesichtserkennung, Kreditbewertung und Risikobewertungstools. Die Studie skizziert zudem methodologische Ansätze zur soziologischen Untersuchung von KI-Voreingenommenheit, diskutiert Ergebnisse sowohl anhand quantitativer Messgrößen als auch qualitativer Interpretationen und schlägt zukünftige Perspektiven zur Gestaltung substantiell fairer Systeme vor. Die Ergebnisse betonen, dass die Bekämpfung algorithmischer Voreingenommenheit einen interdisziplinären Ansatz erfordert, der Soziologie, Informatik und Politik verbindet.