Künstliche Intelligenz: Reproduziert sie Kolonialismus, indem sie indigene Daten ohne deren Zustimmung ausbeutet?

Systeme der künstlichen Intelligenz nutzen zunehmend die Sprachen, biometrischen, georäumlichen und ökologischen Daten indigener Völker ohne deren Zustimmung oder gerechte Entschädigung aus. Diese Praxis erinnert an koloniale Methoden der Ressourcenausbeutung, diesmal jedoch in digitaler Form. Während strenge Regeln die Nutzung genetischer Ressourcen regeln, wie es das Nagoya-Protokoll vorsieht, gibt es nichts Vergleichbares zum Schutz indigenen Wissens im Bereich der KI. Unternehmen und Staaten profitieren so von diesem Wissen unter dem Deckmantel der Datenoffenheit und wissenschaftlichen Neutralität, ohne die von den Vereinten Nationen anerkannten Rechte zu beachten.

Die Extraktion indigener Daten durch KI nimmt verschiedene Formen an. Aufnahmen bedrohter Sprachen wie Te Reo Māori oder ʻŌlelo Hawaiʻi wurden ohne Genehmigung genutzt, um Spracherkennungsmodelle zu trainieren. Biometrische Überwachung zielt unverhältnismäßig stark auf indigene Gemeinschaften ab, insbesondere bei Protesten oder Widerstandsbewegungen. Von KI analysierte Satellitenkarten enthüllen heilige Stätten oder natürliche Ressourcen und setzen diese Gebiete unerwünschten Eindringlingen aus. Schließlich ermöglicht die digitale Ausbeutung ökologischer Daten, traditionelle Schutzmechanismen zu umgehen, ähnlich wie es einst Biopiraten mit Heilpflanzen taten.

Diese Praktiken sind nicht neutral. Sie perpetuieren eine koloniale Logik, in der indigenes Wissen als frei zugängliche Ressource behandelt wird. Doch für die betroffenen Völker sind Sprache, biometrische Daten oder Umweltkenntnisse keine bloßen Datensätze. Sie verkörpern Kultur, Identität und eine tiefe Verbindung zur Erde. Ihre nicht konsentierte Aneignung verschärft Ungleichheiten und bedroht die Souveränität der Gemeinschaften.

Angesichts dieser Feststellung bieten indigene Governance-Rahmen wie die OCAP- und CARE-Prinzipien eine Alternative. OCAP besagt, dass Gemeinschaften die Kontrolle über den Zugang, den Besitz und die Nutzung ihrer Daten haben müssen. CARE betont die Bedeutung eines kollektiven Nutzens, einer Kontrollinstanz, geteilter Verantwortung und respektvoller Ethik. Die Integration dieser Prinzipien in einen internationalen Mechanismus für Zugang und Vorteilsausgleich, inspiriert vom Nagoya-Protokoll, könnte KI-Entwickler verpflichten, mit den Wissensinhabern zu verhandeln. Das würde bedeuten, eine informierte Zustimmung einzuholen, faire Bedingungen festzulegen und die durch diese Technologien generierten wirtschaftlichen Vorteile umzuverteilen.

Ein solcher rechtlicher Rahmen würde KI von einem Werkzeug der Dominanz zu einem Werkzeug der Gerechtigkeit transformieren. Er würde indigene Völker nicht als passive Subjekte, sondern als gleichberechtigte Partner anerkennen, die selbst entscheiden können, wie ihre Daten genutzt werden. Konkrete Beispiele zeigen, dass dieser Ansatz funktioniert. In Kanada haben Vorteilsausgleichsvereinbarungen es Gemeinschaften bereits ermöglicht, einen Teil der Gewinne aus ihrem traditionellen Wissen zurückzuerhalten. In Neuseeland führten Kooperationen mit Technologieunternehmen zu Spracherkennungstools, die an lokale Sprachen angepasst und mit sowie für die betroffenen Gemeinschaften entwickelt wurden.

Die Herausforderung ist groß. Ohne Schutz droht die KI die schlimmsten Auswüchse des Kolonialismus zu reproduzieren, indem sie die Ausbeutung von Völkern und ihren Territorien digitalisiert. Mit klaren und verbindlichen Regeln könnte sie jedoch im Gegenteil zu einem Hebel für kulturelle Wiederbelebung und Anerkennung indigener Rechte werden. Technologie ist kein Schicksal: Ihre Auswirkungen hängen von den Entscheidungen ab, die wir heute treffen.

Documentation et sources

Document de référence

DOI : https://doi.org/10.1007/s00146-026-02931-z

Titre : Preventing AI extractivism: the case for braiding indigenous data justice with ABS for stronger AI data governance

Revue : AI & SOCIETY

Éditeur : Springer Science and Business Media LLC

Auteurs : Maria Schulz; Jordan Loewen-Colón