Quellenkritik für KI-Modelle

Modelle sind nicht schwarz per se

Die Behauptung, KI-Modelle seien undurchsichtig, stimmt oft nur halb. Architektur, Trainingsumfang und Ausgabemaße sind in der Regel dokumentiert. Was fehlt, ist häufig nicht Transparenz, sondern die Mühe, die Dokumentation zu lesen.

Drei Fragen an ein Modell

• Womit wurde trainiert? Die Zusammensetzung der Trainingsdaten bestimmt, welche Sprache ein Modell wie gewichtet.
• Wie wird verarbeitet? Architektur und Vorverarbeitung beeinflussen, welche Muster erkannt werden und welche untergehen.
• Was kommt heraus? Eine Stimmungszahl ohne Konfidenzmaß ist eine Aussage ohne Selbstprüfung.

Warum Quellenkritik zählt

Ein Modell, das auf seriösen Publikationen trainiert wurde, liefert unter gleichen Bedingungen oft stabilere Werte als eines, das einen unbegleiteten Strom aus Foren und Social-Media-Feeds verarbeitet. Menge ersetzt keine Quellenkritik — auch nicht in der Stimmungsanalyse.

Was das für die Lektüre bedeutet

Wer einen Stimmungswert liest, sollte nicht nur die Zahl kennen, sondern auch das Modell dahinter. Sonst liest er eine Zahl, ohne zu wissen, worauf sie beruht.