Im Zusammenhang mit den Gefahren Künstlicher Intelligenz ist oft die Rede von der KI-Verordnung der EU – Hemmschuh für die einen, Hoffnungsträger für die anderen. Wichtig zu wissen ist in diesem Zusammenhang, was „normale“ Software von KI-Systemen unterscheidet. Dazu sind heute gleich drei Expert:innen ins MANZ-Podcast Studio gekommen, um im Gespräch mit Elisabeth Maier (MANZ) zu erkunden, wie eng Recht und Technik beim Thema KI verschränkt sind und wie sehr das Verständnis des einen für das andere wichtig ist: Merve Taner (Erste Bank der oesterreichischen Sparkassen), Alexandra Ciarnau (DORDA Rechtsanwälte) und Bernhard Nessler (Software Competence Center Hagenberg). Die drei sind zugleich auch die Herausgeber:innen der neuen Fachzeitschrift ailex. Hören Sie rein!
Im Zusammenhang mit den Gefahren Künstlicher Intelligenz ist oft die Rede von der KI-Verordnung der EU – Hemmschuh für die einen, Hoffnungsträger für die anderen. Wichtig zu wissen ist in diesem Zusammenhang, was „normale“ Software von KI-Systemen unterscheidet. Dazu sind heute gleich drei Expert:innen ins MANZ-Podcast Studio gekommen, um im Gespräch mit Elisabeth Maier (MANZ) zu erkunden, wie eng Recht und Technik beim Thema KI verschränkt sind und wie sehr das Verständnis des einen für das andere wichtig ist: Merve Taner (Erste Bank der oesterreichischen Sparkassen), Alexandra Ciarnau (DORDA Rechtsanwälte) und Bernhard Nessler (Software Competence Center Hagenberg). Die drei sind zugleich auch die Herausgeber:innen der neuen Fachzeitschrift ailex.
Hören Sie rein!
Service:
Elisabeth Maier (MANZ):
[0:10] Liebe Hörerinnen und Hörer, herzlich willkommen zum MANZ-Podcast Recht Aktuell. Mein Name ist Elisabeth Maier, ich bin Zeitschriftenredakteurin beim Verlag MANZ. Heute geht es um ein Thema rund um die KI-Verordnung. Nämlich um die Frage, was unter Anführungszeichen normale Software von KI-Systemen unterscheidet. Dazu haben wir heute gleich drei Expertinnen ins Podcast-Studio geladen. Und ganz besonders ist heute auch die Zusammenstellung. Es ist ein Mix aus zwei Juristinnen und einem Techniker. Herzlich willkommen Frau Mag. Merve Taner, Frau Mag. Alexandra Ciarnau und Diplom-Ingenieur Dr. Bernhard Nessler.
Merve Taner:
[0:44] Hallo, hallo.
Bernhard Nessler:
[0:46] Grüß Gott.
Elisabeth Maier (MANZ):
[0:47] Danke, dass Sie zu uns gekommen sind ins Podcast-Studio. Ja, kurz zu unseren drei Expertinnen. Frau Mag. Taner arbeitet bei der Erste Bank der österreichischen Sparkassen als Legal Council Product Advisory und AI Advisory. Frau Mag. Ciarnau ist Rechtsanwältin und Co-Leiterin der Digital Industry Group bei Dorda Rechtsanwälte und Diplomingenieur Dr. Nessler ist Research Manager for Intelligent Systems and Certifications of AI am Software Competence Center in Hagenberg. Ja, dass unsere drei Gäste genau in dieser Zusammenstellung heute im Podcaststudio sind, ist kein Zufall. Sie sind nämlich die Herausgeberinnen der neuen Zeitschrift ailex. Das ist eine Fachzeitschrift für KI-Recht. Von der ailex ist im Dezember 2025 die erste Ausgabe erschienen. Und dazu habe ich auch gleich die erste Frage. Die ailex behandelt vor allem die KI-Verordnung, ist ein großes Thema dort. Und die KI-Verordnung spielt ja in viele Bereiche hinein, sei es ins Arbeitsrecht, in Datenschutz, IP-Recht, Regulierungsrecht. Wozu braucht man eigentlich eine eigene Zeitschrift? Das wird doch eh schon in zig anderen Zeitschriften an diese Themen behandelt.
Merve Taner:
[1:53] Ja, also dieselbe Frage hat man sich auch beim Pitch der Zeitschrift sozusagen gestellt. Und die Antwort ist nach wie vor dieselbe. Unserer Ansicht nach handelt es sich einfach um ein neues Rechtsgebiet, das in dieser Form vorher nicht so behandelt wurde. Es handelt sich um eine Querschnittsmaterie und die ganzen rechtlichen Fragen rund um den Einsatz von KI-Systemen stellen sich in unterschiedlichen Rechtsgebieten, ja, aber in ähnlicher Weise natürlich. Und das KI-Recht ist dann eigentlich eine Zusammenschau aus diesen Teildisziplinen sozusagen. Im Unterschied aber zu anderen Sachverhalten werden durch diese besonderen technischen Eigenschaften von KI-Systemen oder KI-Technologien natürlich KI-spezifische Fragen dadurch aufgeworfen. Und für die Beantwortung braucht man einfach ein tieferes Verständnis, auch auf Seiten der Juristen.
Merve Taner:
[2:42] Und darüber hinaus sind wir auch davon überzeugt, dass wir interdisziplinär diese Definitionen, Begrifflichkeiten, das Verständnis erarbeiten müssen und auch dann sozusagen dieses Verständnis schaffen müssen. Wenn die technische Basis nicht stimmt bei einer rechtlichen Prüfung, dann egal wie gut man sich an die rechtsdogmatischen Regelungen haltet, wird das Ergebnis auch nicht passen und das ist dann auch in der Praxis nicht anwendbar. Und so ist es ja auch mir gegangen vor drei Jahren. Es gab wenig aus der Lehre, dass man wirklich in der Praxis sehr zeitnah an den technologischen Fortschritt sozusagen gebunden einsetzen und verwenden konnte. Und deswegen haben wir uns bei einem Konzept überlegt, Deine Zeitschrift ist ein viel flexibleres Modell sozusagen.
Merve Taner:
[3:26] Und das Besondere ist definitiv unser interdisziplinärer Ansatz, wo wir alles gemeinsam erarbeiten und auch sozusagen die Autoren und auch wir im Redaktionsteam immer die Möglichkeit haben, uns mit Bernhard Nessler auszutauschen, auch vorab der Beitragsverfassung. Und das ist wirklich ein Unikum, glaube ich.
Elisabeth Maier (MANZ):
[3:45] Ja, also Sie wollen auch die Technik den Juristen ein bisschen näherbringen. Richtig, genau. Genau. Frau Mag. Taner, Frau Mag. Ciarnau, Sie haben in der ersten Ausgabe der ailex einen
Elisabeth Maier (MANZ):
[3:55] Beitrag geschrieben mit dem Titel Was ist noch herkömmliche Software? Warum muss man eigentlich zwischen KI-Systemen und herkömmlicher Software differenzieren? Wozu braucht man das?
Alexandra Ciarnau:
[4:05] Das ist ganz relevant. Da geht es nämlich nicht nur um Begrifflichkeiten, sondern um ganz konkrete Konsequenzen. Sobald ein System als KI gilt, können umfangreiche Anforderungen der KI-Verordnung greifen. Das bedeutet, dass Unternehmen neben der Risikoklassifizierung gewinnen.
Alexandra Ciarnau:
[4:25] Je nachdem, ob es sich um ein Hochrisiko-KI-System oder um ein anderes System handelt, auch diverse Transparenzpflichten bis hin zu Risikomanagement- und Qualitätsmanagementpflichten oder der Einbindung der menschlichen Aufsicht berücksichtigen müssen. Das bedeutet für die Organisation beziehungsweise das Unternehmen ein anderes Denken, wie man Produkte auf den Markt bringt, die KI-gestützte Funktionen oder KI-Systeme beinhalten müssen, sozusagen auch das Produktdesign und die Prozesse neu denken. Und das möchte ich auch an einem ganz einfachen Beispiel verdeutlichen. Stellen Sie sich alle vor, ein Unternehmen entwickelt eine Software, die Bewerbungen vorsortiert. So weit, so gut. Wenn diese Software jetzt beginnt, nur nach festen Regeln zu filtern, zum Beispiel haben jetzt die Bewerber mindestens drei Jahre Berufserfahrung oder bestimmte Abschlüsse, dann ist das herkömmliche Software. Aber sobald das System beginnt, aus früheren Einstellungen oder der Bewerbungsunterlage Muster zu erkennen und Ziele, die vorgegeben werden, zu bewerten, sprich welche Kandidatinnen sind vielversprechender als andere, kann sich das Blatt schon wenden. Und da kann es sich schon um ein KI-System im Hochrisiko-KI-Bereich handeln. Und in dem Moment, da verändert sich einfach alles für ein Unternehmen.
Elisabeth Maier (MANZ):
[5:54] Und ich glaube, dass Bewerbungen einmal gefiltert werden in irgendeiner Art dieser Gang und Gebe. Das war ja auch schon die letzten 10, 20 Jahre wahrscheinlich der Fall.
Alexandra Ciarnau:
[6:04] Absolut.
Elisabeth Maier (MANZ):
[6:05] Aber gerade wenn viele Bewerbungen reinkommen, kann man sich vorstellen, dass der Einsatz von solchen Filtersystemen sehr vielversprechend ist und auch zeitsparend ist.
Alexandra Ciarnau:
[6:15] Genau, wie Sie es sagen. Es kann sich wirklich von einem klassischen IT-Projekt verändern. Komplett verändern hin zu einem KI-Regulierungsprojekt, wo man sich mehr Gedanken machen muss, wie man die Pflichten der KI-Forderung umsetzt.
Elisabeth Maier (MANZ):
[6:28] Ja, so schnell kann es gehen, oder?
Elisabeth Maier (MANZ):
[6:32] Gibt es eigentlich, was jetzt die Frage ist, gibt es eigentlich eine Definition von herkömmlicher Software? Wäre doch eigentlich naheliegend, dass es sowas gibt, ne?
Bernhard Nessler:
[6:41] Wenn wir fragen, was ist herkömmliche Software und was unterscheidet KI-Systeme von herkömmlicher Software, dann sollte man vielleicht kurz einmal auch die technische Brille aufsetzen und dann sehen, dass da eigentlich gar kein substanzieller Unterschied ist, sondern dieser Unterschied jetzt durch ein Gesetz sozusagen relativ künstlich geschaffen wird. Es gibt natürlich das Hype-Wort KI bereits eigentlich schon seit den 50er Jahren, vom letzten Jahrhundert, unter den verschiedensten Tech-Mänteln und verschiedensten Bedeutungen. Aber es ist kein qualitativer Unterschied, wo man wirklich sagen würde, als Techniker, das ist jetzt ganz was anderes. Deswegen muss man eigentlich auch sagen, viele der Risiken, vor denen der AI-Act sozusagen einen schützen möchte, bestanden auch mit herkömmlicher Software, nur wurden sie da halt nicht vom Gesetz abgedeckt.
Elisabeth Maier (MANZ):
[7:32] Ja.
Bernhard Nessler:
[7:34] Es ist das erste Mal sozusagen ein allgemeines Gesetz da, dass Software, nämlich ganz spezielle Software, regelt, die unter gewissen Bedingungen greifen soll. Und obwohl das eigentlich keine technische Begründung hat, sondern eine rein juristische Begründung, aber sich natürlich an technischen Fakten versucht festzumachen, um eine Abgrenzung zu definieren. Und da wird es jetzt sehr, sehr schwierig, wie genau diese Abgrenzungen man definieren muss, sodass sie technisch nicht ganz unsinnvoll sind und noch einen gewissen Sinn ergeben. Und juristisch ausreichend sicher definiert werden können.
Elisabeth Maier (MANZ):
[8:09] Da kommen wir gleich zum nächsten Punkt. Gibt es nämlich eine Definition für herkömmliche Software?
Merve Taner:
[8:15] Also die gibt es tatsächlich nicht. Und es gibt nur die Definition von KI-Systemen, sozusagen im Artikel 3 der KI-Verordnung. Und diese Definition ist leider nicht so gut und einfach durchschaubar. Deswegen haben wir auch in dem Artikel den Ansatz gewählt, dass wir per Ausschluss versuchen, und sozusagen an den Begriff heranzuhanteln. Und das ist ja auch so ein bisschen die Herausforderung, die der Gesetzgeber grundsätzlich immer hat in einem Gesetzgebungsverfahren. Natürlich wollte man eine Definition wählen, die sehr zukunftsorientiert ist, wo natürlich, wenn neue Technologien kommen, die auch darunter fallen. Gleichzeitig hat man die Herausforderung, dass man Software sozusagen nicht dann plötzlich drinnen hat, die eigentlich gar nicht als KI-System oder KI oder wie man es auch bezeichnen möchte, sozusagen drunter fallen würde, weil man möchte ja nicht zusätzlich Regularien in einem Unternehmen auch in der Praxis umsetzen müssen, obwohl es gar nicht so speziell wäre sozusagen oder so riskant oder das, was der Gesetzgeber eigentlich im, sozusagen sich vorgenommen hatte.
Elisabeth Maier (MANZ):
[9:17] Das heißt, es ist nicht vergessen worden, die Definition, sondern es hat sich aus der Problematik ergeben, dass man eben einfach auch flexibel bleiben muss.
Merve Taner:
[9:25] Nein, vergessen worden nicht, aber man merkt schon, es war sicher eine Art Kompromiss. Sie mussten sich dann sozusagen im Gesetzgebungsverfahren einigen und man merkt das auch besonders, wenn man sich die Leitlinien sozusagen durchliest,
Merve Taner:
[9:38] wo die Europäische Kommission doch dann immer wieder eine eigene Haltung natürlich einnimmt. Man hat bewusst eigentlich technologiebasierten Ansatz ausgeschlossen im Gesetzgebungsverfahren und in der Europäischen Kommission hat dann in den Leitlinien dann doch wieder einen sehr technologiebasierten Ansatz wieder und da merkt man, dass dann doch eine Art von Kompromiss offenbar stattgefunden hat.
Elisabeth Maier (MANZ):
[10:01] Ja, Sie haben die Leitlinien schon angesprochen. Die Wissenschaft ist ja sicher auch nicht untätig geblieben. Was gibt es jetzt denn für Ansätze, um diese beiden Bereiche zu unterscheiden?
Alexandra Ciarnau:
[10:10] Nun, wir haben uns in der juristischen Literatur unterschiedliche Anhaltspunkte angesehen, wie Juristen eben versuchen zu identifizieren, liegt ein KI-System vor oder eben keines, weil das ausschlaggebend ist, ob die KI-Verordnung anwendbar ist oder nicht. Und da haben wir einerseits den technologiebasierten Ansatz sehr stark herausgelesen, dass man sich zum Beispiel an den verwendeten Technologien in diesem Gebiet festhält und zum Beispiel ableitet, wenn maschinelles Lernen eingesetzt wird, dass es sich sehr wohl um ein KI-System handelt. Sehr beliebt sind auch positive Prüfansätze, wo man klassisch-juristisch Tatbestandsmerkmal für Tatbestandsmerkmal prüft.
Elisabeth Maier (MANZ):
[10:59] Eins nach dem anderen.
Alexandra Ciarnau:
[11:00] Eins nach dem anderen, genau. Aber damit wird man halt in der Praxis wenig glücklich. Und dann sind wir auch noch auf einen Drei-Faktor-Ansatz gestoßen. Vielleicht kann dann der Bernhard dazu gleich mehr erzählen.
Bernhard Nessler:
[11:12] Ja, der Drei-Faktor-Ansatz war eine der Möglichkeiten, wie wir versucht haben. Das ist eine Veröffentlichung, die ich gemeinsam mit der Christiane Wendehorst schon vor einem halben Jahr gemacht habe, wo wir versucht haben herauszufinden, was soll denn substanziell sozusagen wirklich etwas sein, was sich wie KI sich unterscheidet von herkömmlicher Software. Und da gibt es schon ein paar Dinge, die man festmachen kann, auch aus technischer Sicht. Also wird zum Beispiel bei herkömmlicher Software typischerweise keine große Datenbasis eingesetzt, sondern sie wird eben von Menschen programmiert. Das ist eines der Kennzeichen, dass wie viel, Die Datenbasis, die Grundlage für die Entwicklung dieser Software war, das können jetzt terroristische Informationen gewesen sein, die über den Entwickler eingehen, das können aber eben auch systematisch automatisierte Algorithmen sein, die die Daten sozusagen in Programmsoftware verwandeln. Das war eines der ganz wesentlichen Kennzeichen. Das zweite Kennzeichen, das wir herausgearbeitet haben, war, dass typischerweise vom AI-Act und von denen gemeint gewesen sein könnte, die diese Gesetze geschaffen haben, die Methodik während dem Programmlauf, also nicht in der Entstehung des Programms, sondern beim Einsatz des Programms dann, Optimierungsmethoden zu verwenden und tatsächlich herauszufinden, was muss ich in ein Modell hineintun, damit etwas Bestimmtes herauskommt. Also wie optimiere ich ein Ergebnis?
Bernhard Nessler:
[12:33] Das ist eben nicht der Ansatz, wo ich etwas nach vorwärts berechne, so wie 3 plus 3 ist 7, sondern wo ich herausfinde, wie viel muss ich denn zu irgendwas machen, damit das und das herauskommt. Das ist quasi die inverse Rechnung. Bei der einfachen Addition ist das sehr, sehr einfach, aber bei komplexen Modellbildungen kann das unter Umständen sehr, sehr schwierig sein und eben aufwendig Optimierungsverfahren zur Folge haben, das man braucht. Das wäre also das zweite Kennzeichen. Das ist übrigens eine Eigenschaft, die bei allen typischen als KI wahrgenommenen Anwendungen überhaupt nicht vorkommt. Also ein KI-System, ein Chatbot, ein Large Language Modell, das braucht genau diese Optimierung, diese Komplexoptimierung zur Laufzeit überhaupt nicht. Hingegen basiert es natürlich sehr extensiv auf einer großen Datenmenge bei der Entwicklung. Und dann am Schluss hätten wir noch den dritten Faktor herausgearbeitet, der dann gewesen wäre, inwieweit ersetzt dieses System, das dann als KI-System zu bezeichnen wäre.
Bernhard Nessler:
[13:33] Eine Entscheidung oder eine Aufgabenerfüllung eines Menschen, der dabei einen gewissen Ermessensspielraum hätte. Wohlgemerkt, der Mensch hätte einen Ermessensspielraum, die Maschine hat dann keinen mehr, aber weil sie eben programmiert ist und immer noch eine Software ist, aber wenn sie eine Aufgabe erfüllt, die typischerweise einem Menschen einen Ermessensspielraum eingeräumt hätte, dann hätten wir das aus dem dritten Faktor sozusagen in der Einordnung gesehen. Und das ist jetzt, wie sagen die Juristen so schön, ein verbundenes System, glaube ich.
Elisabeth Maier (MANZ):
[14:07] Ein bewegliches System.
Bernhard Nessler:
[14:09] Ein bewegliches System. Ich bin noch immer kein Jurist, ich bin noch immer Techniker. Ein bewegliches System. Und wenn ausreichend viel von diesen drei Faktoren erfüllt sind, dann hätten wir gesehen, das ist eine wirklich sinnvolle Einordnung zur Unterscheidung zwischen KI-Systemen und herkömmlicher Software. So hat das aber die EU-Kommission nicht gesehen.
Alexandra Ciarnau:
[14:31] Genau, vielleicht darf ich da auch noch ganz kurz reingrätschen, weil man merkt schon anhand dieser Diskussionen, Das ist extrem schwerfällig und was brauchen die Product Owner im Unternehmen? Ein schnelles Verfahren, damit sie mal ausschließen können, das ist KI und es ist keine KI, jetzt sehr lapidar gesprochen. Und da sind wir ins Spiel gekommen, aus der Produktprüfung heraus, wie kann man das noch vereinfachen und besser abgrenzen. Und so sind wir eben zu unserem komplementären System eines Ausschlussprinzips gekommen und da haben uns natürlich die Leitlinien sehr schön in die Hände gespielt, weil dadurch können wir zumindest sozusagen die Dinge wegschneiden, die sehr wohl kein KI-System sind und dann bleibt der Rest über, wo man dann diskutieren muss.
Merve Taner:
[15:18] Und warum komplementär? Weil natürlich, wenn ich den Ausschlusskatalog durchgeprüft habe und, Das trifft nicht zu, da muss ich noch immer die positiven Tatbestandselemente durchprüfen von dem Artikel 3 und deswegen kann man das sozusagen nur als komplementären Schritt sehen.
Elisabeth Maier (MANZ):
[15:33] Das bleibt einem nicht erspart sozusagen.
Merve Taner:
[15:35] Genau.
Elisabeth Maier (MANZ):
[15:36] Aber Sie haben jetzt schon mehrfach erwähnt, die Leitlinien, das ist eine Besonderheit im europäischen Recht, dass es so Leitlinien gibt. Sind die verbindlich oder wie kann man deren rechtliche Qualität einstufen?
Alexandra Ciarnau:
[15:49] Die Leitlinien sind tatsächlich nicht verbindlich. Rechtlich verbindlich ist am Ende des Tages nur die Auslegung durch den EuGH, aber, und das ist ein ganz wichtiges Aber, das sind eine Guidance. Man darf nicht vergessen, die wurden von der EU-Kommission als Vorschlaggeber der KI-Verordnung und als wesentlicher Player im Gesetzgebungsprozess veröffentlicht und natürlich schauen sich das alle an, verlassen sich drauf oder bauen darauf auf, weil es am Ende des Tages wohl auch zu einer vertretbaren Rechtsansicht führt, wenn man eine Leitlinie heranzieht von der EU-Kommission. Dass es Kritik gibt, darüber müssen wir auch gar nicht sprechen. Viele Beispiele sind zum Teil verkürzt, weichen wesentlich von der gesetzlichen Definition ab. Also das ist die eine Kritik und die anderen kritisieren auch, dass die Leitlinien nicht ausreichend viel Feedback der Mitgliedstaaten berücksichtigt haben, was auch zu einer potenziell fehlenden Akzeptanz in der Marktüberwachung auf einer nationalen Ebene führen kann.
Merve Taner:
[16:58] Und man muss auch sagen, trotzdem ist es in der Praxis sehr bedeutungsvoll sozusagen, weil wir haben dann in der Praxis etwas, woran wir uns zumindest orientieren können. Also wir haben ja schon angesprochen, dass die Definition im Artikel 3 nicht sehr viel hergibt und wir müssen aber trotzdem tagtäglich das prüfen, anwenden auf die Use Cases, die wir einfach de facto haben. Und gleichzeitig ist es sozusagen eine Förderung, dass das in Europa dann auch einheitlich angewendet wird, wenn sich alle diese Leitlinie durchlesen, das so anwenden, dann ist die Wahrscheinlichkeit höher, dass das alle ähnlich sehen und gleichzeitig müssen die Mitgliedstaaten die Leitlinien berücksichtigen, wenn sie die Sanktionen und die Durchsetzungsmaßnahmen dann regeln Und wir selber in der Praxis, wir orientieren uns natürlich an diesen Leitlinien in der Hoffnung, dass wir dadurch eine größere Rechtssicherheit genießen und dass eben der EuGH das dann auch irgendwann so sehen wird.
Merve Taner:
[17:56] Gleichzeitig kann es auch strategische Vorteile bringen, dass man dann gegenüber einem Unternehmen in den Verkaufsverhandlungen oder wenn es um die Lizenzbedingungsbesprechungen geht sozusagen, dass man sagt, na, wir halten uns nicht nur die KI-Verordnung, sondern wir wissen auch genau, wie man die Leitlinie umsetzt. Ich bin zum Beispiel der Meinung, dass das Unternehmen ein Produkt verkaufen will und sagt, ich bin AI-Act-compliant, das allein ist nicht aussagekräftig oder ausreichend. Man merkt dann einfach in der Tiefe, wie sich das Unternehmen damit beschäftigt hat und erst dann wird dann sozusagen das relevant. Und da glaube ich, können die Leitlinien unterstützen und da kann man eine bessere Selbstanalyse auch durchführen.
Elisabeth Maier (MANZ):
[18:37] Gibt es eigentlich einen Grund, warum die nicht gleich in die KI-Verordnung mit aufgenommen worden sind? Wäre doch eigentlich naheliegend gewesen.
Alexandra Ciarnau:
[18:43] Die offene und ehrliche Antwort lautet, das hätten sie nie durchbekommen. Das ist wie alles im Gesetzgebungsverfahren ein Kompromiss. Ein politischer Prozess. Genau, also das ist es. Aber natürlich macht es auch Sinn, dass es jetzt so aussieht, wie es aussieht, weil die Merve hat es ja auch vorhin betont, Technologien entwickeln sich rasant. Was heute Stand der Technik ist, ist vielleicht in wenigen Jahren schon wieder überholt. Heißt, ich brauche eigentlich eine Verordnung, die sehr langlebig ist. Also man denkt ja an das ABGB, das wunderschön, das nationale Gesetz.
Elisabeth Maier (MANZ):
[19:17] Also 1811, schauen wir mal, ob die KI-Verordnung das schafft.
Alexandra Ciarnau:
[19:21] Genau, schauen wir mal.
Elisabeth Maier (MANZ):
[19:23] Ja, Sie haben ja schon erwähnt, die Leitlinie beschließt bestimmte Systeme als KI-Systeme aus. Welche Systeme werden da konkret ausgeschlossen?
Merve Taner:
[19:31] Also ich beginne gleich einmal sozusagen mit der ersten Ausnahme. Und das sind die Systeme, die zur Verbesserung der mathematischen Optimierung dienen. So nennt das die Leitlinie. Und die Überschrift allein ist schon problematisch, denn auch das Lernen eines KI-Systems besteht in einem mathematischen Optimierungsprozess. Und wir haben uns dann deswegen einfach die Beispiele angesehen, die die Leitlinie dann unter diesem Punkt nennt und in der Leitlinie werden Methoden im Zusammenhang mit physikalischen Systemen und Satellitentelekommunikationssystemen genannt und da geht es um den Einsatz von maschinellem Lernen zur Verbesserung der Rechenleistung, Vorhersagen zum Ressourcenmanagement in Netzwerken. Wir haben uns dann aber überlegt, diese Prozesse werden ja auch in anderen Branchen eigentlich genutzt und wenn in der Leitlinie sozusagen diese Beispiele genannt werden, sollte das auch entsprechend die Schlussfolgerung sein, dass das nicht nur jetzt im Telekommunikationsbereich gilt, sondern auch in anderen Industrien. Die Leitlinie nennt dann beides auch sehr punktuell, dass lineare und logistische Regressionsmethoden auszuschließen seien, das sich ja aus dem Gesetz so nicht ergibt. Da war im Vorfeld auch sehr viel Diskussion um das Thema. Das wirft dann natürlich wieder die Frage auf, was bedeutet das jetzt für andere Machine Learning Methoden? Der Gesetzgeber wollte eigentlich keinen technologiebasierten Ansatz. Das jetzt sozusagen spezifisch diese zwei Methoden auszuschließen, ist aber doch sehr technologiebasiert.
Merve Taner:
[20:59] Und dann stellt sich natürlich die Frage, wie schaut es aus mit Entscheidungsbäumen, Random Forest Gradient Boosting, also mit diesen anderen Methoden.
Merve Taner:
[21:08] Wahrscheinlich wird man sagen, bei den einzelnen Machine Learning Methoden wird es dann dennoch darauf ankommen, in welchem Zusammenhang diese Methoden eingesetzt werden und in welcher Form und welcher Komplexität sozusagen.
Elisabeth Maier (MANZ):
[21:20] Also wenn es ganz einfache Strukturen sind, dann, Ihr herkömmliche Software.
Bernhard Nessler:
[21:24] Meinen tut hier die Kommission wohl wahrscheinlich, dass sie eigentlich einfachere
Bernhard Nessler:
[21:29] Systeme, also weniger komplexe Systeme ausschließen möchte. Das ist aber ganz problematisch, weil es gibt ganz, ganz wenig komplexe Dinge, die unter Umständen gerade für Menschen in der Anwendung mit relativ hohen Risiken verbunden sind. So zum Beispiel Kreditbewertungen und ähnliche Sachen vorhersagen.
Bernhard Nessler:
[21:48] Das sind sehr, sehr einfache Systeme aus der informatischen Sicht betrachtet. Aber deren Einsatz kann halt genau zu den Problemen führen, vor denen ja eigentlich der AI-Act die Menschen schützen möchte. Und die meisten dieser Machine Learning Methoden sollten wohl deswegen ausgenommen sein, weil sie vermeintlich einfach sind, aber dass da im Wesentlichen genau dieselbe Methode auch in einer komplexeren Idee eingesetzt wird, einfach mit mehr Daten eingesetzt wird zum Beispiel oder genau die gleiche Idee mit mehr Parametern eingesetzt wird, Das ist ein schwieriger Punkt, den die Kommission sich nicht im Endeffekt darauf einigen wollte. Definitiv wollte die Kommission leider nicht den Weg gehen, zu sagen, ein gewisses Komplexitätsmaß muss überschritten werden. Das war jahrelang in Debatte, haben sie da nicht getan. Deswegen haben wir jetzt hier einzelne Einzelfälle, die aufgezeigt werden. Und im Endeffekt die Juristen, und ich hoffe, dass ich dabei helfen kann, haben die Aufgabe, aus diesen Einzelfällen jetzt eine Generalisierung zu bilden. Das ist eigentlich die Sprache von Technikern bei Machine Learning. Trifft aber auf Juristen auch zu, eine Generalisierung zu bilden, was denn diese Aufzählung der Fälle jetzt wirklich heißen soll.
Elisabeth Maier (MANZ):
[22:57] Also eine Verallgemeinerung herauszusuchen.
Merve Taner:
[23:00] Bei den linearen logistischen Regressionsmodellen spezifisch im Kreditwürdigungskontext muss man halt auch sagen, dass diese Modelle schon sehr lange eigentlich auch von den Behörden überwacht werden und dass es da eigene Model-Governance-Modelle oder Policies gibt sozusagen. Das heißt, da wird wahrscheinlich das eher ein Problem. Wieder mal ein politischer Kompromiss gewesen sein. Aber das ist wahrscheinlich der Hintergrund, dass das eh schon quasi reguliert ist eigentlich. Und wahrscheinlich wird das weniger ein technisches Argument gewesen sein.
Bernhard Nessler:
[23:35] Sicherlich.
Alexandra Ciarnau:
[23:37] Ja, aber wir haben ja noch ein paar andere Ausnahmen, und zwar die einfache Datenverarbeitung und die klassischen heuristischen Methoden sowie die einfachen Vorhersagesysteme.
Merve Taner:
[23:49] Also bei den einfachen Datenverarbeitungen, Da haben wir uns auch natürlich viele Gedanken gemacht, weil auch nicht steht sozusagen, weder in der Leitlinie noch wirklich im Gesetzestext, was ist jetzt eine einfache Datenverarbeitung. Es werden Beispiele in der Leitlinie genannt, Datenbankmanagementsysteme zum Sortieren oder Filtern von Daten nach bestimmten Kriterien. Also zum Beispiel alle Kunden finden, die im letzten Monat ein bestimmtes Produkt gekauft haben. Standard-Tabellen-Kalkulations-Software-Anwendungen, ohne sozusagen KI-gestützt zu sein und Systeme zur ausschließlichen beschreibenden Analyse oder Testen von Visualisierungen und Hypothesen. Aber trotzdem muss man sagen, auch diese Begrifflichkeit einfache Datenverarbeitung bleibt dann relativ technisch und auch rechtlich unbestimmt. Wir haben das dann im Artikel herausgearbeitet, dass es sich wohl als Gegensatz zu Lern- und Schlussfolgerungs- und Modellierungsprozesse zu sehen ist.
Merve Taner:
[24:54] Der Gesetzgeber hatte offensichtlich eine Art Komplexitätsniveau vor Augen, hat das aber nicht wirklich adressiert. Und deswegen schlagen wir auch in dem Artikel eine Grenze vor, die quasi aus der Technik herauskommt, nämlich die Trivialität. Eine Grenze sozusagen mit technischem Bedeutungsgehalt, wo die Lösung so offensichtlich ist, dass man nicht weiter nachdenken kann. Also da kann da vielleicht der Bernhard ein bisschen mehr zu Trivialität sagen.
Bernhard Nessler:
[25:22] Trivial ist etwas besser erklärbar technisch, auch wenn es natürlich auch eine sehr, sehr verschwommene und ungenaue Bedeutung hat. Aber zumindest ist es besser erklärbar als einfach. Trivial ist mehr oder weniger, wenn ohne Berechnung das Ergebnis direkt aus den Eingaben hervorgeht.
Elisabeth Maier (MANZ):
[25:38] Also wenn es ganz offensichtlich ist.
Bernhard Nessler:
[25:40] Also zum Beispiel eine triviale Addition wäre 10 plus 0 ist 10. Also das Ergebnis 10 stand schon in der Eingabe. Aber das ist also bei den meisten Datenverarbeitungen ist es eben nicht trivial und unter einfach wird halt verstanden was wir halt an Algorithmen schon seit 30 oder 40 Jahren haben, nur diese Algorithmen können teilweise sehr, sehr komplex sein und sollen ja jetzt natürlich trotzdem ausgenommen werden also hier scheint mir schon an einigen Stellen ein, manches Missverständnis über die technische Realität beim Gesetzgeber jetzt bei der Kommission bestanden zu haben. Dessen kann ich mich als Techniker nicht erwehren, das so zu sehen.
Elisabeth Maier (MANZ):
[26:20] Ja, da sieht man wieder, auch Juristen brauchen technische Unterstützung und technisches Know-how.
Merve Taner:
[26:24] Ja, das ist ganz wichtig.
Alexandra Ciarnau:
[26:25] Aber wo eine der Ausnahmen auch ein bisschen mit der Psychologie zusammenspielt, das sind die einfachen oder klassischen heuristischen Methoden. Also da habe ich so viel über meine Entscheidungsfindung gelernt bei der Recherche und der Erarbeitung dieser Ausnahme, weil Heuristiken, die begegnen uns jeden Tag, auch ganz ohne Software. Das ist das, was wir typischerweise als Faustregel oder Daumenmal-Pi-Regel verstehen. Wir gehen oder wir treffen Entscheidungen nicht immer auf Basis voller Informationen. Die könnten wir so ja gar nicht verarbeiten. Wir nehmen manchmal Dinge an, in der Hoffnung, dass sie richtig sind, auch wenn sie nicht immer perfekt sind. Wie zum Beispiel die Entscheidung, in welcher Schlange stelle ich mich denn an, wenn ich am Samstag zur Peak-Zeit einkaufen gehe.
Elisabeth Maier (MANZ):
[27:13] Supermarkt-Kassenschlangen-Probleme.
Alexandra Ciarnau:
[27:15] Genau, richtig. Also da beginnt es schon einmal. Und das zeigt auch sehr schön, wo die Grenzen zwischen der herkömmlichen Software, wenn sie mit einfachen klassischen Heuristiken arbeiten würde, verschwimmend ist, hin zu einem KI-System. Aber da schaue ich in deine Richtung.
Bernhard Nessler:
[27:34] Bernd. Ja, danke Alexander für das Beispiel. Das ist natürlich ein sehr schönes Beispiel, weil daran sieht man, wie man von einer Heuristik eigentlich zu einer hoch sophisticated KI-Idee kommt. Als erstes, wenn ich die Supermarktkasse sehe, die erste Intuition, die einfachste Heuristik ist, die Kasse, die am kürzesten erscheint, bei der stelle ich mich hin.
Elisabeth Maier (MANZ):
[27:53] Ja, einer braucht weniger lang als zehn, ne?
Bernhard Nessler:
[27:55] Genau, ja. Also bei diesem Verhältnis von der Länge dürfte es wahrscheinlich zutreffen. Wenn die Kassen jetzt aber meistens, weil die meisten Menschen eben schon ähnliche Heuristiken anwenden, in ihrer Schlangenlänge ähnlich sind, dann wird es mir nicht mehr ausreichend Informationen geben. Also ich gehe dann meistens her und schaue mal ganz kurz an, wer steht denn da so in der Schlange? Wie voll sind denn hier die Waagerlen? Weil dann doch es natürlich nicht pro Waagerl braucht, sondern es braucht halt pro Artikel, der drinnen ist. Also volles Waagerl heißt längere Zeit. Meistens. Jetzt, Das wäre also schon eine etwas sofistikierte Heuristik, nicht mehr die ganz einfache, aber ich glaube, das würde immer noch als Heuristik durchgehen. So, und jetzt kann man aber natürlich hergehen und sagen, ich bin ein sehr erfahrener Kassenschlangenansteller und verwende hier sehr viel Erfahrung aus allem, was ich bisher so gelernt habe. Und jetzt war sie halt, wenn ich das so flapsig ausdrücken darf, dass manche Menschen typischerweise etwas länger brauchen an der Kasse, sei es um die Waren herauszutun und wieder wegzuräumen oder auch vielleicht das Geld herauszuzählen aus der Geldtasche oder sich herauszählen zu lassen.
Bernhard Nessler:
[28:55] Also da kann man schon die Erfahrung anwenden, um zu wissen, wo braucht es länger. Zusätzlich könnte ich natürlich auch noch die Kassierer oder Kassiererinnen persönlich kennen, also Erfahrung haben, wie schnell schieben denn die die Produkte durch. Und da sind sicher auch noch signifikante Unterschiede. Und jetzt bin ich eigentlich schon beim Profiling, weil ich jetzt tatsächlich jede einzelne Person anschauen muss, eine historische Idee über die Personen habe und damit also ein sophisticated KI-System einsetzen kann. Und das ist dann sicherlich tatsächlich ein KI-System, verwendet personenbezogene Daten natürlich, also hoch riskant aus der juristischen Sicht. Und auf diese Weise ermitteln, auf welche Schlange stelle ich mich am besten.
Bernhard Nessler:
[29:38] Wo jetzt wirklich der Übergang von einer klassisch-heuristischen, ganz einfachen Methode zu einem echten KI-System ist, das fürchte ich, überlässt sowohl die Kommission ihren Leitlinien als auch, dass wir jetzt den Hörern überlassen, das ist ein sehr persönlicher Geschmack und wird dann draufkommen, wo der EuGH findet, dass die Grenze ist.
Merve Taner:
[30:01] Und man muss dann auch sagen, also im Einzelfall betrachtet muss man sich Man kommt nicht drum herum, also man muss es sich einzelfallbetrachtend anschauen. Die letzte Kategorie, die sozusagen als Ausschlusskriterium noch aufgezählt wird, sind die einfachen Vorhersagesysteme. Da werden auch wieder beispielhaft genannt Finanzprognosen und da aber schon mit der Einschränkung zum Beispiel Finanzprognose zur Vorhersage künftiger Aktienkurse mit Mittelwertschätzfunktion oder man verwendet zum Beispiel die Durchschnittstemperatur der vergangenen Woche, um die Vorhersage für die morgige Temperatur abzuleiten. Und das sind die Beispiele, die die Kommission nennt. Aber man muss auch wirklich ehrlicherweise sagen, es gibt natürlich auch Finanzprognosesysteme oder Temperaturbemessungssysteme, die nicht so einfach sind und trotzdem sozusagen.
Merve Taner:
[30:54] Vorhersagesysteme sind, die aber sehr wohl KI-Systeme sein können. Man wird sich immer den Einzelfall anschauen müssen. Wir wissen jetzt aufgrund der Leitlinien, dass eben sehr auf historische Daten bezogene statistische Auswertungen auf jeden Fall auszuschließen sind. Aber das so pauschal zu sagen, ist wirklich sehr schwierig. Wenn ein System sagt, morgen wird es warm, so warm nämlich wie im Durchschnitt die letzten sieben Tage, ist es natürlich weniger ein KI-System, als wenn es dann, wie auch der Bernhard schon gesagt hat, zu einem komplexeren Ermittlungssystem zurückgreift, um die Temperatur zu bemessen.
Elisabeth Maier (MANZ):
[31:31] Ja, Sie haben ja gesagt, Sie haben jetzt einen neuen Interpretationsersatz, den Sie in Ihrem Beitrag genau erläutert haben. Was bringt denn das jetzt? Wo ist da der Vorteil?
Alexandra Ciarnau:
[31:41] Schnell zu einer Lösung zu kommen und alltagstauglich zu gestalten. Wir verschieben ein wenig den Fokus. Wir schauen uns also nicht an, sind alle Definitionsmerkmale erfüllt, sondern wir hinterfragen werden Techniken und Maßnahmen eingesetzt, die wirklich eine Ableitung ermöglichen, wie aus Eingaben eine Ausgabe generiert wird, die für ein KI-System unter anderem auch wesentlich ist. Also es ging zuerst sehr technisch, aber tatsächlich hat es einen sehr praktischen Hintergrund, ne?
Bernhard Nessler:
[32:15] Witz von dieser zweiten Methode, von dieser orthogonalen Bestimmung ist einfach in der Klassifikation von KI-System versus Nicht-KI-System nicht nur die Schranke zu haben und genau zu ermitteln, ab der etwas ein KI-System ist, also diesen Threshold nach oben festzulegen, sondern eben auch einen zweiten Threshold, der weiter unten liegt, nach unten zu bestimmen, um damit sozusagen die klar zuordenbaren Fälle möglichst schnell klar zuzuordnen. Und zwischen diesen beiden Thresholds ist eben sozusagen der Graubereich übrig, in dem es dann sehr schwierig wird, genau herauszufinden und wo man wahrscheinlich bis zu einer Entscheidung vom ÖGH braucht, um herauszufinden, was denn da das Gesetz tatsächlich sagt.
Elisabeth Maier (MANZ):
[32:56] Also es geht einfach darum, diesen Graubereich genauer zu definieren und klarer
Elisabeth Maier (MANZ):
[32:59] abzugrenzen gegenüber den eindeutigen Fällen.
Bernhard Nessler:
[33:01] Genau, die eindeutigen Fälle möglichst schnell als eindeutig zu erkennen und damit für viele das Leben leichter gemacht zu haben. Das ist, glaube ich, wenn ich das so sagen darf, das Ziel am Ende des Tages.
Elisabeth Maier (MANZ):
[33:10] Ja, ist ja auch ein durchaus legitimes Ding und ist auch notwendig. Gibt es sich etwas, was Sie vom Gesetzgeber noch gewünscht hätten, was für die Zukunft irgendwie interessant wäre?
Merve Taner:
[33:21] Am besten, dass er nicht mehr allzu viel macht, zumindest der europäische Gesetzgeber. Wir sehen schon, dass die KI-Verordnung schon mit einigen Hürden kommt. Dann gab es eine Zeit lang die KI-Haftungsrichtlinie, die dann wieder zurückgezogen wurde. Und das ist auch in meinen Augen sinnvoll gewesen, weil wir haben bereits ein Zivilrecht in den Mitgliedstaaten. Und das jetzt quasi noch einmal europäisch neu aufzurollen, würde eine zusätzliche komplizierte Dimension aufbereiten. Und natürlich, dann gibt es immer wieder Diskussionen mit Omnibus und weiteren Vereinfachungen der KI-Verordnung. Nur jedes neue Gesetz ist... Wieder eine Herausforderung für ein Unternehmen, das in der Praxis existieren muss und diese auf Papier niedergeschriebenen Prozesse dann einführen muss, mit Menschen besetzen muss und das ist sehr schwierig. Das Einzige, was ich mir schon noch wünschen würde, ist, dass man natürlich das österreichische KI-Gesetz hoffentlich bald kommt, damit wir wissen, welche Behörden konkret zuständig sind. Das würde ich mir wünschen.
Elisabeth Maier (MANZ):
[34:23] Vielleicht jetzt auch noch eine persönliche Frage. Wie Sie diesen Beitrag geschrieben haben, Sie haben sich ja auch, wie man schon gehört hat, sehr intensiv mit KI-Systemen beschäftigt und recherchiert. Wo hätten Sie denn am wenigsten eine KI vermutet?
Alexandra Ciarnau:
[34:36] Oh, in einer Service-Hotline. Und dazu passend habe ich auch gleich eine persönliche Geschichte mitgenommen, die mir letzte Woche untergekommen ist. Das kennen Sie alle natürlich. Man ruft wo an in einer Service-Hotline und hofft schnell zu einem Sachbearbeiter, nämlich zu einem menschlichen Sachbearbeiter verbunden zu werden. und man korrespondiert dann aber sehr, sehr lange mit einem KI-Voice-Bot. So weit, so gut, weil der will ein bisschen heraushören sehr oft, wie wichtig ist das Anliegen, worum geht es, welcher Mitarbeiter kann es im Hintergrund bespielen, geht es um eine Beschwerde oder Einwände gegen eine Rechnung oder will ich ein neues Produkt bestellen. Also je nachdem ist die Priorität wahrscheinlich unterschiedlich beim Unternehmen. Und diese Organisation, die im Hintergrund erfolgt, wer bekommt denn jetzt diese Anfrage? Ich kann auch sehr stark auf Mustererkennung zum Beispiel basieren, auf Sprache, Verhalten, historische Daten.
Elisabeth Maier (MANZ):
[35:38] Also vom Anrufer die historischen Daten.
Alexandra Ciarnau:
[35:40] Ja, absolut. Da kann auch tatsächlich ein System als Key-System gelten. Und ich habe das versucht, wenn ich zweimal angerufen habe, mit demselben Anliegen. Einmal ist es mir gelungen, das viel konkreter oder präziser zu fassen und ich bin direkt weitergeleitet worden zu einem Menschen. Und einmal bin ich da aus dieser Schleife mindestens 30 Minuten nicht rausgekommen. Da habe ich das richtige Triggerwort nicht erkannt.
Bernhard Nessler:
[36:02] Ja, bei der Frage, wo man nicht vermuten möchte, dass es sich um ein KI-System handelt. Aus der Sicht eines Technikers stellt sich natürlich die Frage etwas anders, weil nachdem mein Forschungsgebiet Machine Learning ist, vermute ich jetzt nicht KI irgendwo nicht, wo es vielleicht doch drinnen wäre, weil ich typischerweise weiß, wie die Systeme gebaut sind. Aber das, was ich da vielleicht ausführen könnte, ist, wo sicherlich viele gar nicht verstanden haben oder erkannt haben, weil es auch damals noch nicht die Rede davon war, dass KI drinnen ist, das typischerweise nach heutigen Maßstäben KI drinnen wäre. Das sind zum Beispiel solche Sachen wie der Drucker-Ratgeber im Windows 95. Ich weiß nicht, wer sich daran noch erinnert. Die älteren Semester wissen das vielleicht noch. Auch wenn irgendein Problem mit dem Drucker bestanden hat, dann ist irgendwann ein Fenster aufgepoppt und es hat geheißen, Sie haben ein Problem mit dem Drucker, bitte prüfen Sie als erstes, ob Ihr Drucker an das Stromnetz angesteckt ist und so weiter. Das und die nachfolgenden Fragen basiert zum Beispiel auf Bayesian Netzwerken, ein typisches Element von Machine Learning Methoden, das damals sehr, sehr populär gewesen ist und würde heute klassischerweise als ein KI-System von Technikern gesehen werden. um.
Bernhard Nessler:
[37:21] Das ist das, glaube ich, auffälligste. Oder zum Beispiel, ich weiß nicht, wer noch die alten Office-Varianten kennt, wo es den Clippy gegeben hat, diese kleine Büroklammer, mit den Augen, die dann aufgepoppt sind, und wo es dann geheißen hat, Sie wollen einen Brief schreiben.
Bernhard Nessler:
[37:39] Darf ich Sie unterstützen durch Blablabla? Das ist natürlich auch klassischerweise das, was man unter Machine Learning, also heute unter KI, um so ein Modewort zu verwenden, verstanden hat. Und das, glaube ich, war damals den Menschen gar nicht so sehr bewusst, dass das künstliche Intelligenz ist. Und das ist eben, künstliche Intelligenz ist das Hype-Wort, das dann daraus entstanden ist, sowohl von Forschern, um Forschungsgelder zu akquirieren, als auch von Firmen, um das Produkt besser zu verkaufen. Aber dahinter steckt bei all diesen Methoden hauptsächlich jetzt Machine Learning. Und das ist in der Entwicklung 40, 50 Jahre alt, muss man jetzt natürlich schon auch sagen.
Merve Taner:
[38:16] Und was ich sehr interessant gefunden habe, was du neulich gesagt hast, ist, eigentlich ist das Gebiet künstliche Intelligenz das Gebiet, wo man sich hinarbeitet Richtung künstliche Intelligenz.
Bernhard Nessler:
[38:26] Ja, genau. Das ist von der Namensgebung her natürlich, also der Begriff Artificial Intelligence, der ist geprägt worden bereits bei der damaligen Dartmouth-Konferenz, wo Alan Turing gerade nicht mehr dort war, weil er bereits davor gestorben ist. Das war 1952, wenn ich mich nicht ausgetauscht, oder 1956. 50. Jedenfalls war das in den 50er Jahren der Startschuss. Also da war aber klar, natürlich diese ersten Turing-Maschinen sind nicht künstlich intelligent. Diese ersten Programmiermethoden, diese ersten auch anderen Maschinen, die entstanden sind, Programme wurden natürlich nicht als künstlich intelligent wahrgenommen. Aber man hat von KI gesprochen als der Forschungsrichtung, die Idee, in die Richtung zu arbeiten, Informationen so verarbeiten zu können wie ein Mensch.
Elisabeth Maier (MANZ):
[39:12] Mhm.
Bernhard Nessler:
[39:14] Und natürlich unter dem Gedanken, natürlich sind wir noch nicht dort. Und ich muss auch sagen, wir sind auch heute noch nicht dort. Also alles, was wir an Methoden haben, verarbeitet die Informationen nicht so, wie ein Mensch es tut. Aber wir kommen in den Ergebnissen, wie sie ein Mensch auch hervorbringen würde, teilweise, in manchen Bereichen schon sehr nahe und in manchen Bereichen noch gar nicht so nahe. Also da betreiben wir mehr die Forschung, was ist denn eigentlich bitte die Intelligenz eines Menschen, als sozusagen Intelligenz abstrakterweise voranzubringen. Aber das sind verschiedene Verständnisse von verschiedenen Denkrichtungen und Forschungsrichtungen, die es in dem Bereich gibt. Also so würde ich gern den Begriff künstliche Intelligenz verstehen und damit ist er natürlich nicht abgrenzend, sondern damit ist er eine Zielvorstellung.
Elisabeth Maier (MANZ):
[39:59] Und es geht noch weiter, der Weg ist noch langer.
Bernhard Nessler:
[40:00] Genau, der Weg ist noch lang.
Merve Taner:
[40:01] Sehr langer.
Elisabeth Maier (MANZ):
[40:03] Eine Frage vielleicht noch zum Abschluss. Die erste Ausgabe der ailex ist ja im letzten Dezember erschienen, also Dezember 2025. Das nächste Heft steht jetzt schon in den Startlöchern, was ich weiß. Können Sie für uns vielleicht was für den Inhalt verraten? Geht es Schwerpunkte geben oder auf was kann man sich freuen?
Alexandra Ciarnau:
[40:19] In der nächsten Ausgabe werden wir noch sehr viel Grundarbeit bringen und nach und nach auch Schwerpunkte einplanen. Man denke an Finanzversicherungen, Medizinbereich, das Thema Standardisierung und Normierung, also stärker das Produktsicherheitsrecht als solches herauszuarbeiten, natürlich bis hin zum neuen KI-Gesetz. Sobald es da ist, werden wir natürlich auch sehr viel darüber berichten.
Merve Taner:
[40:49] Ja, und auch alles, was in Richtung Standardisierung noch kommen wird. Und wir versuchen immer sehr aktuell und sehr flexibel zu bleiben in der Zeitschriftgestaltung. Also wenn ein Thema aktueller ist, dann wird das vorgezwungen und versuchen dann wirklich so nah wie möglich an den technologischen Fortschritten zu sein. Auch wenn das eine ziemliche Herausforderung ist.
Elisabeth Maier (MANZ):
[41:12] Haben Sie schon bereut, dass Sie eine Zeitschrift gegründet haben?
Alexandra Ciarnau:
[41:15] So würde ich das nicht sagen.
Merve Taner:
[41:18] Bereut nicht, aber reflektiert. Okay.
Elisabeth Maier (MANZ):
[41:23] Ja.
Elisabeth Maier (MANZ):
[41:23] Ja, was man heute deutlich gesehen hat, glaube ich, ist, wie eng diese Verschränkung zwischen Recht und Technik ist, was ja auch gerade bei der AI-Lex ein wesentliches Merkmal dieser Zeitschrift ist. Man kann ja einiges lernen. Technische Hintergründe sind für Jürgen, glaube ich, wirklich hilfreich und sinnvoll. Danke auf jeden Fall, dass Sie heute ins Podcast-Studio gekommen sind und danke für das viel Beispiel und interessanten Beispiel auch, die das ganze Thema doch etwas plastischer gemacht haben.
Merve Taner:
[41:47] Vielen herzlichen Dank für die Einladung.
Alexandra Ciarnau:
[41:50] Dankeschön und bis zum nächsten Mal.
Bernhard Nessler:
[41:52] Danke auch.
Elisabeth Maier (MANZ):
[41:52] Ja, liebe Hörer und Hörer, wenn Sie künstliche Intelligenz interessiert, werfen Sie einfach einen Blick in die Zeitschrift ailex. Bis zum 31. März 2026 gibt es noch ein günstiges Einstiegsangebot, konkret um 50% günstiger. ailex gibt es sowohl als digitale Zeitschrift oder auch in der Kombination Print und Digital, also mit digitalem Zugang. Alle Details finden Sie im Internet unter www.manz.at/angebote. Ja, und wie immer an dieser Stelle, wenn Ihnen dieser Podcast gefallen hat, empfiehlt es uns bitte weiter. Bis bald und auf Wiederhören.