Software Testing & Qualität - Testautomatisierung, KI & Agilität

Wenn generative KI gegen die eigenen Werte verstößt - Johannes Link

Listen Later
Energieverbrauch, Datenmissbrauch und ein klares Nein zu Gen AI

📌 Konferenz-Tipp: TACON 2026 in Leipzig (16.–17. September). Ich war letztes Jahr als Keynote dort und fand den Austausch richtig gut 👉 https://swt.fm/tacon

„Ein statistisches Modell kennt weder richtig noch falsch, noch Wahrheit." - Johannes Link

Generative KI einfach nicht zu nutzen, weil sie den eigenen Werten widerspricht: das ist die Position, die Johannes Link konsequent vertritt. Mit ihm spreche ich darüber, warum er hyperskalierte Gen AI für ethisch nicht vertretbar hält und was ihn zu diesem Schluss gebracht hat. Wir reden über Trainingsdaten, die ohne Zustimmung der Urheber verwendet werden, über den massiven Energieverbrauch, über den Zerfall des freien Internets und darüber, was mit Studierenden passiert, die das Schreiben und Denken delegieren, bevor sie es je wirklich geübt haben. Johannes erklärt auch, was sich ändern müsste, damit er seine Meinung überdenken würde, und ob er diesen Wandel für realistisch hält.

Johannes Link programmiert seit mehr als 40 Jahren, 30 davon im Beruf. Seit Ende des letzten Jahrhunderts stehen Extreme Programming und anderen auf den Menschen ausgerichtete Softwareentwicklungsansätze im Zentrum seiner Tätigkeit. Im beruflichen Fokus sind die (Um-)Gestaltung von Teams hinzu mehr Eigenverantwortung und Selbststeuerung. Die sinnvolle und ethische Gestaltung seines privaten und beruflichen Lebens treibt ihn seit Jahren um. Mit dem Thema GenAI beschäftigt er sich seit den frühen Tagen von OpenAI's GPT-Sprachmodellen.

Highlights:

  • Generative KI, die an US-amerikanische Hyperscaler ausgelagert wird, basiert auf Trainingsdaten, deren Urheber in den meisten Fällen nie zugestimmt haben, dass ihre Werke für das Modelltraining genutzt werden.
  • Der prognostizierte Anstieg des Stromverbrauchs durch KI-Rechenzentren in den USA von 4,4 Prozent auf 25 Prozent des Gesamtverbrauchs entspricht in etwa dem gesamten Zubau erneuerbarer Energien im selben Zeitraum.
  • Statistische Sprachmodelle können strukturell weder Wahrheit noch Falschheit unterscheiden, weshalb Halluzinationen kein Implementierungsfehler sind, sondern ein Grundmerkmal des Modelltyps.
  • Studierende, die Lernaufgaben vollständig an generative KI delegieren, erwerben die Kompetenzen nicht, die diese Aufgaben aufbauen sollen, und erste Absolventenjahrgänge mit vollständig KI-gestütztem Studium existieren bereits.
  • Kleine, domänenspezifische Modelle mit transparenten Trainingsdaten, etwa für Sprachanalyse oder Proteinstrukturvorhersage, liefern stabilen Nutzen, erhalten aber einen Bruchteil der Investitionen, die in große kommerzielle Modelle fließen.

    • Weitere Links zur Episode:

    • Blog-Artikel zum Thema
    • Artikel zum Thema

      • Danke an die Community-Partner des Podcasts:Alliance for Qualification | ASQF | Austrian Testing Board | dpunkt.verlag | German Testing Board | German Testing Day | GI Fachgruppe TAV | Heise | HANSER Verlag | ISTQB | iSQI GmbH | oop | QS-TAG | SIGS-DATACOM | skillsclub | Swiss Testing Board | TACON Credits: Sound | Grafik

      ...more
      View all episodesView all episodes
      Download on the App Store
      Software Testing & Qualität - Testautomatisierung, KI & AgilitätBy Richard Seidl - Experte für Software-Entwicklung und Testautomatisierung