Sieben Mythen der KI-Nutzung

Wer das Internet nutzt, kommt im Frühjahr 2026 nicht um Anwendungen generativer Künstlicher Intelligenz (kurz KI) herum. Suchmaschinen bieten neben Links standardmäßig KI-generierte Antworten an, Chatbots unterstützen bei der Buchung von Websites, Schüler*innen lassen sich Tests passend zu den Arbeitsblättern der Lehrer*innen generieren usw. Doch nicht alles, was uns die KI-Anwendungen liefern, wie wir sie nutzen und ihre Ergebnisse verstehen, ist zutreffend und unproblematisch. Das liegt auch an Missverständnissen darüber, wie KI-Anwendungen funktionieren. Aus unserer Sicht – es gibt dazu noch keine empirische Evidenz – verdienen folgende sieben Aussagen besondere Aufmerksamkeit:

1. KI-Anwendungen sind neutral, objektiv und vorurteilsfrei.
2. KI-Anwendungen arbeiten logisch.
3. KI-Anwendungen denken und lernen wie Menschen.
4. KI-Anwendungen sind empathisch.
5. KI-Anwendungen sind ökologisch und sozial problemlos.
6. KI-Nutzung ist rechtlich einwandfrei.
7. KI-Anwendungen machen Wissen und Kompetenzentwicklung überflüssig.

In diesem Beitrag möchten wir diese als „Mythen“ bezeichneten Aussagen beschreiben und aufzeigen, dass und warum sie nichtzutreffend sind. Damit möchten wir einen zukünftig fundierten Umgang und durch die Beschreibung von KI-Mythen Forschung dazu initiieren und unterstützen.

Hintergrund

Mythische Erzählungen werden oft über Generationen und Jahrhunderte hinweg erzählt und gehören zum Verständnis
einer Kultur. Die Nutzung des Begriffs Mythos in diesem Text ist insofern passend, als dass wir hier Erzählungen – kurz formuliert als Thesen – beschreiben möchten, die derzeit rund um KI-Nutzung bestehen, die jedoch nicht auf Fakten basiert sind und diesen sogar zuwiderlaufen. Wir haben diese Mythen in sieben Abschnitten kondensiert, um sie klar zu adressieren und ihnen widersprechen zu können – bzw. gegebenenfalls auf Entwicklungen und Lösungen hinweisen zu können. „Mythos“ soll hier metaphorisch verstanden werden vor dem Stand der KI-Entwicklungen im Jänner 2026. Hintergrund für diesen Beitrag ist, dass uns aufgefallen ist, dass es viele Dinge rund um KI gibt, die unausgesprochen sind, aber trotzdem wirken. Das heißt, es handelt sich um Aussagen und Annahmen, für die wir nicht unbedingt jemanden kennen, der/die diese Aussage genauso tätigen würde – aber sie erklären aus unserer Perspektive, was aktuell „falsch läuft“ im Umgang mit KI und wir haben diese Konzepte daher geschärft. Umfrageergebnisse zum Verständnis und Funktionalität von KI-Anwendungen bei Studierenden, anekdotische Evidenz, u. a. beim KI-Lab des Hochschulforum Digitalisierung im Juli 2025 in Münster, und Schulungen wie unter anderem rund um die „Prompting.Schule“ gaben uns aber den Anlass, diese Aspekte einmal dezidiert zu benennen, auch um sie in zukünftigen Forschungsarbeiten zu validieren, zu revidieren, weiterzuentwickeln, also auch um den wissenschaftlichen Diskurs zu unterstützen. Beim Begriff „KI“ geht es uns nicht um Anwendungen der Künstlichen Intelligenz, wie sie uns u. a. beim Einsatz von maschinellem Lernen seit Jahrzehnten entwickelt und genutzt werden: Auch wir beziehen uns hier auf die von zahlreichen Anbietern erhältliche KI-Anwendungen, die als eigenständige Anwendungen wie ChatGPT seit 2022 zunehmend auch als integrative Bestandteile von Webseiten genutzt werden (können). Als KI-Anwendungen sehen wir vereinfacht Generatorenservices (Text, Bild, und mehr) wie ChatGPT, Gemini, Grok, DeepSeek und Co. Denn, eine Nutzung des Internets oder des Smartphones ohne KI-Nutzung ist faktisch kaum mehr möglich, seitdem auch die Suchmaschine Google automatisch Texte zu den Suchanfragen generieren lässt, anstatt es bei den Links zu anderen Seiten zu belassen.

1. KI-Anwendungen sind neutral, objektiv und vorurteilsfrei

KI-Anwendungen basieren auf Computern und maschinellem Lernen – beides wird so verstanden, dass hier Daten algorithmisch und damit neutral verarbeitet werden und Ergebnisse nicht von menschlichen Emotionen, Stereotypen, Vorannahmen beeinflusst wird. KI-Anwendungen und deren Ergebnisse sind aber keineswegs neutral, objektiv und vorurteilsfrei:

• KI-Anwendungen beruhen auf Trainingsdaten, die zwar oft objektiv sind, aber zugleich Ungerechtigkeiten, Stereotype und Vorurteile reproduzieren. So nutzte ­OpenAI (ChatGPT) neben Wikipedia auch Reddit – eine Plattform, auf der praktisch alles gepostet wird (Vukov et al.: 2023) – oder auch Medienoutlets wie Breitbart, die politischen Extrema zugeordnet werden können (Feng et al.: 2023).
• Daraus entstehen fehlerhafte und unerwünschte Einschätzungen, welche bestehende Stereotype perpetuieren (vgl. BSI: 2025). 2024 stellte so der österreichische Arbeitsmarktservice einen Chatbot für die Berufsberatung bereit, der Männern Wirtschaftsberufe und Frauen „Gender Studies“ empfahl (Netzpolitik.org: 2024). Kruspe et al. (2024) zeigen zudem, dass ChatGPT ostdeutsche Bundesländer jenseits faktischer Grundlagen deutlich schlechter bewertet als ihre westdeutschen Pendants.
• KI-Anwendungen unterliegen immer einigen grundlegenden Systemeinstellungen – z. B. ob es Anfragen gibt, die sie nicht beantworten, wie das Erstellen von tödlichen Giften oder Waffen, zur Person Elon Musk (Der Standard: 2025) oder wie freundlich die KI-Anwendung agieren soll. Solche Anweisungen nennt man „Systemprompts“. Grundsätzlich sind sie eine gute Sache, weil so unerwünschtes Verhalten eingeschränkt wird, z. B. weil aus ethisch-moralische Überlegungen heraus vermieden werden soll, dass KI-Anwendungen Anleitungen für (Selbst-)Mord geben, pornographische Bilder von bekannten Personen erstellen oder sich als Psychotherapeut*innen betätigen. Dem gegenüber steht u. a. Zensur oder politisch motivierte Beeinflussung der Ergebnisse als ernstzunehmende Herausforderung.
• Wie und weshalb KI-Anwendungen zu Entscheidungen kommen, ist in der Regel nicht nachvollziehbar (z. B. Guidotti et al.: 2018; European Commission: o. J.).
• KI-Anwendungen funktionieren darüber hinaus nicht so, dass sie allen die gleiche Antwort auf die gleiche Frage/Prompt geben (Heya et al.: 2024).
• Zudem wird auch gezielt versucht, die Ergebnisse von KI-Anwendungen zu beeinflussen, um zum Beispiel besonders gut positiv dargestellt zu werden (Stichwort „Generative Engine Optimization“; Wikipedia: 2025) oder auch mit Hilfe von „Indirect Prompt Injection“ versuchen, z. B. positive Gutachten für Einreichungen in Fachzeitschriften zu bekommen (vgl. Hires et al.: 2024).

2. KI-Anwendungen arbeiten logisch

Computer sind Rechenmaschinen – da ist es naheliegend davon auszugehen, dass KI-Anwendungen auf ähnliche Weise funktionieren. Tatsächlich sind damit verbundene Konzepte wie „Rechnen“ oder „logisches Ableiten“ nicht bei KI-Anwendungen vorzufinden:

• KI-Anwendungen können nicht rechnen (vgl. Boye & Moell: 2025). Falls ein Rechenergebnis korrekt wiedergegeben wird, liegt es daran, dass in den Trainingsdaten gegebenenfalls dieses Ergebnis enthalten ist, aber nicht, weil die KI-Anwendung das Konzept „Rechnen“ kennt. Das bedeutet auch, dass sie das Ergebnis für eine Gleichung wie „3 mal 345“ sich ganz anders erschließt als „4 mal 345“ – aber nicht rechnet im mathematischen Sinn, weder wie ein Taschenrechner noch wie ein Statistikprogramm. Korrekt rechnen können KI-Anwendungen nur dann, wenn sie z. B. die Anweisung haben oder bekommen für exakte Berechnungen einen externen Rechner wie einen Python-Interpreter zu verwenden (Yamauchi et al.: 2023). Im Sinne einer Analogie entspricht Ersteres einem Volksschulkind, welches auf „3 mal 345“ die richtige Antwort gab, da es schon einmal gehört hat, was die richtige Antwort ist; Zweiteres entspricht einem Volksschulkind, das einen Taschenrechner zur Hand nimmt.
• KI-Anwendungen sind auch bei logischen Fragestellungen nicht fehlerfrei. Und das hat nicht nur wie im vorherigen Mythos aufgezeigt mit Stereotypen und Daten zu tun, sondern treten auch bei logischen Schlussfolgerungen auf, weil KI-Anwendungen nicht „logisch“ agieren (u. a. Parmar et al.: 2025). So scheitern sie auch daran klassische Logikaufgaben wie die Türme von Hanoi² konsistent zu lösen (Shojaee et al.: 2025), da nicht ein Logikproblem (z. B. Türme von Hanoi mit vier Scheiben) auf ein verwandtes (z. B. Türme von Hanoi mit drei Scheiben) zurückgeführt werden kann.
• KI-Anwendungen konnten lange Zeit nicht aufgrund ihrer Trainingsdaten bestimmen, welcher Wochentag ein Tag in der Zukunft ist – für Daten in der Vergangenheit gibt es in der Regel ausreichend korrekte Hinweise (Reddit: 2025). Inzwischen haben die meisten Systeme eine Anweisung, wie man z. B. Wochentage oder Festtage in der Zukunft berechnen können und führen diese Funktionen aus.
• Es ist auch ein Fehler anzunehmen, dass KI-Anwendungen in jedem Fall aktiv das Internet/WWW nach „richtigen“ oder aktuellen Antworten suchen – ein Verhalten, dass wir von einem Menschen voraussetzen, wenn wir eine aktuelle Frage stellen, z. B. wer aktuell Präsident in Bolivien ist. Zukünftig werden viele naheliegende Operationen wie Rechnen als Funktionen in den KI-Systemen hinterlegt sein und solche Fehler werden nicht mehr so offensichtlich sein – es ist aber wichtig, entsprechende mögliche Einschränkungen der Systeme zu kennen bzw. kritisch zu reflektieren, was ein System macht, auf dem „KI“ steht.

3. KI-Anwendungen denken und lernen wie Menschen

Im Kontext von KI-Anwendungen werden viele Begriffe verwendet, die wir von Menschen und Lebewesen kennen – denken, Intelligenz, Training, halluzinieren, lernen – sodass es naheliegend erscheint, anzunehmen, dass all das dann auch so „funktioniert“ wie bei Menschen. Obwohl es Ähnlichkeiten gibt, gibt es aber auch deutliche Unterschiede: Wie der Mensch verändert auch die Maschine „anhand von Daten“ ihr Verhalten – aber im Detail funktioniert es doch anders:

• KI-Anwendungen sind nicht intelligent im Sinne von menschlicher Intelligenz (Webster: 2025). Menschen haben z. B. eine hohe Abstraktions- und Transfermöglichkeit und können sich schnell anpassen, beispielsweise bei bedeutenden Erlebnissen – Maschinen können das in Regel nur domänenbezogen, größere Änderungen bedürfen ein „Update“ (vgl. Mitchell: 2021; Combs, Lu & Bihl: 2023).
• KI-Anwendungen lernen nicht wie ein Mensch. Wenn Menschen lernen, hat das z. B. auch etwas mit Gefühlen und Emotionen zu tun: Kinder lernen u. a. „am Modell“, also von Vorbildern (Bandura et al.: 1963). Außerdem hat das menschliche Gehirn verschiedene Gedächtnisfunktionen (z. B. deklarativ, prozedural), die in der gesamten Komplexität noch nicht ausreichend verstanden werden (Sridhar et al.: 2023).
• KI-Anwendungen werden nicht trainiert wie ein Mensch oder Lebewesen. Bei Lebewesen wird Training genutzt, um Verhaltensweisen durch Wiederholung einzuüben und zu verstetigen. Bei Maschinen werden damit versucht, ein Grundgerüst an Daten und Zusammenhänge für weitere Operationen aufzubereiten (Kinaneva et al.: 2021)
• KI-Anwendungen denken bzw. handeln nicht wie Menschen. Wenn sie gefragt werden, wie sie beispielsweise vorgehen, um guten Unterricht zu gestalten, verfolgen sie diese Schritte eben nicht systematisch – sondern sie generieren Unterrichtsvorschläge auf Grundlage von typischen Textzusammenhängen zum Thema Unterricht.
• Menschen lernen aus Erfahrungen und Rückkopplungen – bei generativen KI-Tools gibt es oft keine konkrete „Reaktionen“ oder „Wirkungen“ auf falsche oder oberflächliche Antworten (MIT: 2025, S. 8). Gerade im Kontext von Bildungsfragen und -anwendungen zeigt sich, dass ein für Lehrende grundlegendes Verständnis wie Lernunterstützung funktioniert, nicht einfach von KI-Anwendungen umgesetzt wird. Ein gutes Beispiel dafür ist die Evaluation der KI-Anwendung „Fobizz“ (Mühlhoff & Henningsen: 2024). Die Autoren zeigen dabei auf, dass die KI-Anwendung z. B. Lernenden Hinweise für Verbesserungen gibt, sie nach der Umsetzung aber nicht mit einer besseren Bewertung belohnt. Dieser didaktisch wichtige Zusammenhang erscheint für Lehrende und Lernende wichtig – spielt aber für die KI-Anwendung keine Rolle.

4. KI-Anwendungen sind empathisch

Haben Sie sich schon mal über die Antworten eine KI-Anwendung geärgert? Oder gefreut, weil sie Ihnen Recht gegeben hat? Vermutlich haben Sie auch davon gelesen, dass es Personen gibt, die gegenüber KI-Anwendungen Gefühle wie Liebe verspüren – oder in den Selbstmord getrieben haben. Unzweifelhaft können KI-Anwendungen also Gefühle im Menschen wecken. Doch ist daraus nicht abzuleiten, dass KI-Anwendungen selbst Gefühle empfinden; d.h. einfühlsam, also eben „empathisch“ sind – auch wenn das auf die Nutzenden so wirken kann.

• Obwohl es das Forschungsfeld der „affektiven Informatik“ (Affective Computing) gibt, das KI-Anwendungen beibringen soll, menschliche Emotionen zu erkennen und zu simulieren, „fühlen“ die Maschinen diese Emotionen nicht (Gratch: 2014). Eine KI kann anhand von Gesichts- oder Stimmanalysen auf „Frustration“ schließen und ihr Verhalten anpassen, aber sie erlebt kein eigenes Gefühl der Frustration oder Empathie (Erol et al.: 2020).
• Einige erinnern sich vielleicht daran, dass die Entwickler*innen von ChatGPT die „Freundlichkeit“ des Chatbots verändert haben (z. B. Independent.co.uk: 2025).
• Man kann eine KI-Anwendung darum bitten, einen psychologischen Persönlichkeitstest auszufüllen – die unterschiedlichen Trainingsdaten und System-Prompts lassen unterschiedliche Persönlichkeitsmerkmale erwarten: Jedrzejczak & ­Kobosko (2025) haben dabei herausgefunden, dass ältere KI-Anwendungen bzw. -Modelle die Tests „wie Menschen“ ausfüllen – während aktuellere Modelle darüber „reflektieren“, es wie ein KI-Sprachmodell auszufüllen. – Dieses Beispiel zeigt aus unserer Sicht auch gut, wie es uns schwerfällt, Formulierungen zu finden, die nicht auf menschliches Verhalten hinweisen.
• Anthropomorphismus – das Zuschreiben von menschlichen Eigenschaften oder Verhaltensweisen einer nicht-menschlichen Instanz (Epley, Waytz & Cacioppo: 2007) – lässt es wirken, als haben KI-Anwendungen dieselben Gefühle und Dispositionen wie Menschen. Ein Chatbot hat jedoch genauso wenig eine Persönlichkeit, wie es ein Auto hat (Krammer & Hanfstingl: 2025). Als Lehrende und auch als Gesellschaft werden wir uns in den nächsten Jahren damit beschäftigen müssen, wo und wie wir KI-Systeme einsetzen möchten, die z. B. beim Lernen oder auch in der Pflege auch gezielt auf emotionale Unterstützung abzielen.

5. KI-Anwendungen sind ökologisch und sozial problemlos

KI-Anwendungen können kostenfrei genutzt werden – zumindest gibt es sehr viele entsprechende Angebote. Und damit erscheint es naheliegend, dass sie auch mit wenig Aufwand angeboten werden. Das komplette Gegenteil ist der Fall:

• Große Sprachmodelle benötigen riesige, manuell gelabelte Datensätze. Plattformen wie Appen, Clickworker, Scale AI und Remotask rekrutieren sogenannte Mikro-Arbeiter*innen aus Niedriglohn-Regionen (z. B. Kenia, Indien, Philippinen) – nach Schätzungen arbeiten Millionen Menschen an solchen Aufgaben (Wired.com: 2023).
• Berichte zeigen, dass diese Arbeiter*innen häufig auch psychischen Belastungen ausgesetzt sind, weil sie potenziell schädliche Daten prüfen müssen (AlgorithmWatch: 2025).
• KI-Anwendungen benötigen Energie. Nutzer*innen, die 15 Text-Abfragen, zehn Bild-Generierungen und drei kurze Videos erstellen, verbrauchen zirka 2,9 kWh – genug, um mit einem E-Bike 160 Kilometer zu fahren oder einen Mikrowellenherd 3,5 Stunden laufen zu lassen (MIT Technology Review). Mehr Transparenz zum Energiebedarf wird gefordert (Nature.com: 2025). Die Tech-Konzerne sorgen vor, so hat Google mit einem Atomkraft-Unternehmen einen Vertrag abgeschlossen, um kleine modulare Kernreaktoren zu bauen, die künftig die Stromversorgung seiner KI-Rechenzentren und den hohen Bedarf durch KI sicherstellen sollen (BBC: 2024).
• Befragungen von Studierenden beim Studienstart an der TU Graz lassen vermuten, dass die Nutzung von KI-Anwendungen auf Kosten der Nutzung von offenen Wissensressourcen wie v. a. der Wikipedia erfolgt (Nagler et al.: 2025). Mit abnehmender Nutzung und Bekanntheit ist zu befürchten, dass für diese wichtigen Projekte – weil auf menschlichem Wissen und Interaktion aufgebauten Wissensbestände – zukünftig auch Beiträge und Sponsorengelder fehlen. Dass KI-Anwendungen in etlichen Werkzeugen standardmäßig eingesetzt werden – beispielsweise seit Herbst 2025 bei der Google-Suche in Österreich – könnte also nicht nur aus Qualitäts- (siehe Abschnitt 1 und 2), sondern auch aus Nachhaltigkeitsgründen kritisch hinterfragt werden.

6. KI-Nutzung ist rechtlich einwandfrei

Haben Sie schon mit Hilfe einer KI-Anwendung versucht Privates über Kolleg*innen zu recherchieren? Haben Sie schon Texte aus Magazinen und Journals oder Schulbuchseiten in einer KI hochgeladen und dazu Anfragen gestellt? Solche Verhaltensweisen, bei denen viele vermutlich wissen, dass sie aus Urheberrechts- und Datenschutzgründen problematisch sind und gegebenenfalls auch strafrechtlich relevant sind, ist wohl mit Muuß-Merholz (2021) mit der vielfach anzutreffenden „digitalen Pubertät“ auch vieler Erwachsener in Bezug auf KI-Anwendungen zu erklären: Es wird einfach mal ausprobiert, obwohl wir uns vielleicht auch denken, dass das nicht so sein dürfte, was wir da gerade machen, ob das sinnvoll ist, ob KI so überhaupt „sinnvoll“ eingesetzt werden kann:

• Das Urheberrecht in Österreich erlaubt nicht, proprietäre Werke – das ist quasi alles, was nicht aus gesetzlichen Gründen gemeinfrei ist und nicht offen lizenziert ist – in KI-Anwendungen hochzuladen und dort z. B. auswerten zu lassen. Es ist in ­Österreich illegal, wenn ein Screenshot vom Schulbuch in einer KI hochgeladen wird und die KI gebeten wird, passend dazu Fragen zur Vorbereitung auf einen Test zu erstellen. (s. Urheberrechtsgesetz §42g; Digitalanalog.at: 2018). Nutzer*innen, welche dies tun, machen sich strafbar.
• Auch die Annahme, dass, was in den KI-Anwendungen gemacht wird, nicht von Dritten nachvollzogen werden kann oder niemals veröffentlicht werden wird, ist nicht haltbar. So waren eine Zeit lang ChatGPT-Anfragen, die mit anderen Nutzer*innen „geteilt“ wurden, mit Suchmaschinen auffindbar, sodass private Daten und Angaben recherchierbar waren. (FastCompany.com: 2025)
• Auch ein häufiger Irrtum ist, dass die Ergebnisse und Produkte, die die KI „ausspuckt“, automatisch ein Werk der Nutzer*innen sind, die Personen also Urheberrechte daran haben. Ganz im Gegenteil, sind unbearbeitete Ergebnisse von KI-Anwendungen gemeinfrei (s. Digitalhandwerk.rocks: 2025) – solange sie nicht das Urheberrecht Dritter verletzen.
• Gerade für Unternehmen und Behörden mit sensiblen Daten bergen KI-Anwendungen ein größeres Risiko, weil unklar ist, wie und wo die eigenen Daten verwendet werden. Wenn sich Hochschulen nicht von KI-Unternehmen abhängig machen möchten und auch nicht möchten, dass ihre Daten – oder die ihrer Studierenden – auf fremden Servern landen, ist es unabdingbar, wenn sie sich auch im Sinne der digitalen Souveränität und der in der EU geltenden Regelungen über die Nutzung entsprechend sicherer bzw. eigener Systeme Gedanken machen (Hoeren: 2025).

7. KI-Anwendungen machen Wissen und Kompetenzentwicklung überflüssig

Die Ergebnisse von Anfragen an KI-Anwendungen erstaunen häufig. Gerade, wenn man sich wo nicht sehr gut auskennt, gewinnt man den Eindruck, dass die KI-Anwendungen viele Dinge für einen selbst erledigen können. Veröffentlichungen wie die Umfrage von EdX (2023), dass in den nächsten ­Jahren knapp die Hälfte der Einstiegsstellen für Wissensarbeiter*innen wegfallen, können dafür sorgen, dass einem das eigene Lernen und Wissen weniger wichtig erscheint. Was spricht hier dagegen?

• In den zahlreichen Wissensberufen wird es notwendig sein, dass die Funktionsweisen, Herausforderungen und Fehlermöglichkeiten von KI-Anwendungen bekannt sind, um sie sachgerecht nutzen zu können (vgl. Ng et al.: 2021).
• • Eine wichtige Aufgabe wird sein, Fehler oder unerwünschte Entwicklungen durch die Nutzung von KI-Anwendungen zu vermeiden bzw. zu entdecken. Dazu gehört im Zweifel Detailwissen, aber auch konzeptionelles Verständnis, Werthaltungen und ein effizientes Suchen und Finden von möglichen Bias in den Daten und Ergebnissen (siehe erster Mythos).
• KI-Systeme sorgen nicht für Entwicklung – individuell und gesellschaftlich. Sie können zwar z. B. „kreative Lösungen“ vorschlagen, Empfehlungen und Entscheidungen werden aber auf den bekannten Grundlagen gefällt. Die Autorin Michaela Vieser beschreibt in einem Essay, dass KI-Anwendungen immer nach dem am ehesten passenden folgenden Wort suchen, während sie selbst genau das Gegenteil macht: Als Autorin sucht sie gerade das unvorhersehbare Wort und neue Gedanken (Tagesanzeiger.ch: 2025). In den beiden Versionen von „Quality Land“ von Kling (2017a, 2017b) kann man in Romanform nachlesen, was es bedeutet, wenn z. B. das System selbst Dinge bestellt, die man vermeintlich gerne hätte, weil man einem bestimmten Profil entspricht. Wenn wir eigenverantwortliches, kompetentes und mündiges Handeln als Ziel verfolgen, ist der Einsatz von KI-Anwendungen zwar oft eine Erleichterung, die Anforderungen werden dabei jedoch nicht geringer – man muss nun Fehler entdecken können und bewusst Maßnahmen setzen – mit den dafür notwendigen Kompetenzen. Auch wir als Gesellschaft müssen überlegen, an welchen Stellen wir es möchten, dass Systeme Entscheidungen für uns übernehmen oder beeinflussen. //