Demokratische Steuerung durch DAO-basierte Beratung und Abstimmung für inklusive Entscheidungsfindung in KI-Modellen

Warum das für alltägliche Technologie‑Nutzer wichtig ist

Wenn wir eine KI bitten, ein Bild zu zeichnen oder eine Frage zu beantworten, sehen wir selten, wer darüber entschieden hat, wie dieses System sich verhalten soll. Dieses Paper untersucht einen neuen Weg, um gewöhnlichen Menschen—insbesondere solchen, die oft ausgeschlossen werden—wirklich Mitspracherecht bei Gestaltung und Aktualisierung von KI-Modellen zu geben. Anstatt dass Technologieunternehmen alle Regeln hinter verschlossenen Türen festlegen, testen die Autoren ein demokratisches, blockchain-basiertes System, das diversen Gemeinschaften ermöglicht, zu debattieren, zu abstimmen und direkt zu beeinflussen, wie KI mit sensiblen Fragen wie Stereotypen in Bildern umgeht.

Probleme mit versteckten Entscheidungen in der KI

Moderne KI-Systeme basieren auf riesigen Datensätzen und komplexem Code, aber die Entscheidungsprozesse darum sind oft undurchsichtig. Diese fehlende Transparenz hat zu Diskriminierung, Fehlrepräsentation und sogar zu Verletzungen von Privatsphäre oder geistigem Eigentum geführt. Die Schäden sind nicht gleich verteilt: Menschen mit Behinderungen und Gemeinschaften im Globalen Süden sind oft frühe Nutzer von KI und zugleich diejenigen, die am stärksten betroffen sind, wenn etwas schiefgeht. Traditionelle Instrumente zur Einbindung der Öffentlichkeit—wie Umfragen und Fokusgruppen—kommen mit dem rasanten Tempo der KI kaum nach und unterstützen meist keine tiefgehenden Diskussionen, Konsensbildung oder fortlaufende Mitwirkung.

Eine neue Art digitales Gemeindeversammlungs‑Haus

Die Autoren schlagen vor, dezentrale autonome Organisationen, kurz DAOs, als eine Art digitales Gemeindeversammlungs‑Haus für KI‑Governance zu nutzen. DAOs sind blockchain-basierte Systeme, die Menschen kollektive Entscheidungen mit transparenten Regeln und Smart Contracts statt einer zentralen Autorität ermöglichen. In dieser Studie unterstützt die DAO-Struktur einen mehrstufigen Prozess: Zuerst diskutieren Menschen wertgeladene Fragen in natürlicher Sprache, dann sehen sie konkrete Optionen, wie ein KI‑Modell sich verhalten könnte, und schließlich stimmen sie darüber ab, welche Optionen sie bevorzugen. Die Fallstudie konzentriert sich auf ein bekanntes Problem—Geschlechterbias in Text-zu-Bild-Modellen, etwa dass bei neutralen Eingaben eine Krankenschwester meist als Frau und ein Geschäftsführer als Mann dargestellt wird.

Wie die Studie mit unterrepräsentierten Gruppen durchgeführt wurde

Um zu prüfen, ob dieses demokratische Rahmenwerk praktisch funktioniert, führten die Forschenden ein Online-Experiment mit 177 Teilnehmern durch, die aus zwei unterversorgten Gruppen stammten: Menschen aus dem Globalen Süden und blinde oder sehbehinderte Nutzer in den Vereinigten Staaten. Die Teilnehmenden interagierten zuerst mit einem KI‑Assistenten über ein verzerrtes Bildszenario, diskutierten anschließend mit anderen in einem Online‑Forum und stimmten schließlich über Vorschläge zur Änderung des Verhaltens des Text-zu-Bild-Modells ab. Das Team verglich vier Governance‑Aufbauten, die sowohl die Zusammenführung von Präferenzen (ein einfaches Rangfolgeverfahren versus ein quadratisches Verfahren, das stärkere Präferenzen erlaubt, indem Menschen mehr von ihrem Abstimmungs‑„Budget“ einsetzen können) als auch die jeweilige Entscheidungsstärke pro Person (gleiches Gewicht für alle versus eine verschobene 20/80‑Aufteilung) variierten.

Was sich die Menschen für fairere Bildgenerierung wünschten

Trotz kultureller Unterschiede fanden die Teilnehmenden zu mehreren gemeinsamen Erwartungen an fairere KI‑Bilder. Viele wünschten sich mehr Kontrolle für Nutzer, etwa Optionen zur Anpassung von Geschlecht oder anderen sichtbaren Merkmalen, oder die Möglichkeit, mehrere unterschiedliche Bilder zu erhalten und dann dasjenige auszuwählen, das ihren Bedürfnissen entspricht. Ihnen ging es sowohl um gesellschaftliche Angemessenheit als auch um statistische Genauigkeit: Einige akzeptierten, dass in ihrem lokalen Kontext die Mehrheit der Krankenschwestern Frauen sind, während andere betonten, dass stereotype Darstellungen nicht weiter verstärkt werden dürfen. Teilnehmende aus dem Globalen Süden bevorzugten oft einen „Mittelweg“, mit ausreichender Vielfalt, um Nutzer nicht zu verwirren, während viele US‑Teilnehmende weniger tolerant gegenüber voreingenommenen oder mehrdeutigen Ausgaben waren. Insgesamt hoben Menschen mit Behinderungen die Bedeutung inklusiver Repräsentation und die Risiken enger oder idealisierter Bilder hervor.

Welche Abstimmungssysteme am demokratischsten wirkten

Die Teilnehmenden berichteten generell, dass der Prozess als angenehm, bedeutungsvoll und vertrauenswürdig empfunden wurde und dass sie glaubten, ihre Beiträge würden zur Verbesserung des KI‑Modells genutzt. Als am fairsten empfanden sie die Kombination aus quadratischem Voting und gleicher Entscheidungsstärke für alle. In dieser Konstellation fühlten sich die Stimmen besser widergespiegelt, die politische Gleichheit höher und der Prozess geordnet, zugleich inklusiv. Diese Methode schien stark vertretene Ansichten von Minderheiten zu verstärken, ohne einfach zusätzlichen Einfluss denen zu geben, die mehr Ressourcen haben. Gleichzeitig warnen die Autoren, dass solche Mechanismen in manchen Kontexten kleinere Gruppen überrepräsentieren könnten, weshalb künftige Systeme die Governance‑Einstellungen auf spezifische Themen und Gemeinschaften abstimmen müssen.

Was das für die Zukunft von KI‑Regeln bedeutet

Die Studie zeigt, dass es möglich ist, über Top‑down‑Firmenrichtlinien hinauszugehen und eine demokratische, rechnergestützte Governance von KI zu entwickeln. Durch die Kombination strukturierter Diskussion, transparenter Abstimmungsregeln und blockchain-gestützter Entscheidungsaufzeichnungen können DAO-basierte Systeme marginalisierten Gruppen eine glaubwürdige Möglichkeit geben, das Verhalten von KI mitzubestimmen. Für alltägliche Nutzer könnte das künftig wie Produktfunktionen aussehen, die es erlauben, bestimmte Ausgaben anzufechten, an Beratungen teilzunehmen und über Modelländerungen abzustimmen. Die Autoren argumentieren, dass solche partizipativen Rahmenwerke—sorgfältig gestaltet, um Privatsphäre zu schützen und Machtübernahmen zu verhindern—ein vielversprechender Weg sind, KI an eine breitere Palette menschlicher Werte anzupassen, statt nur an die der Entwickler und Führungskräfte.

Zitation: Sharma, T., Potter, Y., Park, J. et al. Democratic governance through DAO-based deliberation and voting for inclusive decision making in AI models. Sci Rep 16, 11792 (2026). https://doi.org/10.1038/s41598-026-40180-8

Schlüsselwörter: KI-Governance, demokratisches Abstimmen, algorithmische Voreingenommenheit, dezentrale Organisationen, Text-zu-Bild-Modelle