WEBVTT

00:00:00.000 --> 00:00:02.880
Speaker 1: Es war, als hätte der Himmel die Erde stillgekürzt.

00:00:03.380 --> 00:00:06.780
Speaker 1: Dass sie im blüten Schimmer von ihm nun träumen müsste.

00:00:07.340 --> 00:00:07.520
Speaker 1: Hihi!

00:00:09.140 --> 00:00:11.060
Speaker 2: Oh, ist poetisch?

00:00:11.860 --> 00:00:11.960
Speaker 1: Ja...

00:00:12.640 --> 00:00:14.120
Speaker 2: Svea wie kommst du in diesem Gedicht?

00:00:14.600 --> 00:00:15.720
Speaker 2: Worum handelt es sich hier?

00:00:16.000 --> 00:00:16.440
Speaker 2: Erzähl.

00:00:16.600 --> 00:00:17.360
Speaker 2: ich bin neugierig.

00:00:33.100 --> 00:00:36.920
Speaker 1: Hey hallo und herzlich willkommen zu Baytalk Tech Einzité Podcast.

00:00:37.000 --> 00:00:39.120
Speaker 1: Ich bin Sveaa Eckhardt Tech Journalistin.

00:00:39.300 --> 00:00:42.540
Speaker 2: Und ich bin Eva Wolf, eine ebenfalls Tech Journalisten.

00:00:42.640 --> 00:00:51.320
Speaker 2: und bevor ihr euch fragt ob ihr euch hier in einen Poesie Podcast verirrt habt Kurzer Hinweis, es wird ein Heil wieder ganz technisch.

00:00:51.440 --> 00:01:12.400
Speaker 2: Wir haben eine wunderbare Gästin und eine kebuffone ehemalige Mitarbeiterin bei Meta, die ausgestiegen ist oder kündigt wurde und jetzt auch öffentlich über die Verhältnisse dort spricht und wie Meta mit Studien- und Forschung umgeht, die Kinder, Jugendliche und Erwachsene davor schützen sollen zu lang online sein.

00:01:12.580 --> 00:01:16.540
Speaker 2: Vielleicht was man schon verraten kann, Meta ist nicht so begeistert über diese Studien?

00:01:17.180 --> 00:01:23.060
Speaker 1: Dazu kommen wir im zweiten Teil des Podcasts, aber vorne fangen wir erst mal an mit dem Gedicht.

00:01:23.420 --> 00:01:25.220
Speaker 1: Eva, hast du es erkannt von wem's war?

00:01:25.520 --> 00:01:29.380
Speaker 2: Vielleicht hab ich in der Schule nicht gut genug aufgepasst, aber ich kannte dieses Gedicht nicht!

00:01:29.420 --> 00:01:34.580
Speaker 2: Aber ich habe gemerkt, das ist ein Gedicht ... Du willst uns mit Poesie abholen was ich wunderschön

00:01:34.680 --> 00:01:34.940
Speaker 2: finde?!

00:01:35.800 --> 00:01:36.900
Speaker 2: Erzähl von Wie Misses.

00:01:37.160 --> 00:01:41.360
Speaker 1: Das ist Josef von Eichendorf, Mondnacht, achtzehntundertsieben und dreißig.

00:01:41.420 --> 00:01:49.800
Speaker 1: das ist so aus dieser Zeit von Kaspar David Friedrich also aus dieser zeit wo man so viel über Natur gesprochen hat.

00:01:49.900 --> 00:01:54.980
Speaker 1: und naja dieses Gedicht hat auf jeden fall viel mit der folge heute zu tun Rätsel rätsel.

00:01:55.220 --> 00:02:08.460
Speaker 1: wir werden heute mal für euch auseinander nehmen was es mit dem ganzen thema vermenschlichungen zu tun hat oder um es in den komplizierten wort zu sagen Anthropomorphisierung.

00:02:08.620 --> 00:02:09.240
Speaker 1: Das habe ich geübt!

00:02:10.220 --> 00:02:12.520
Speaker 2: Sehr gut, dass du es jetzt einmal fehlerfrei sagen kannst.

00:02:12.960 --> 00:02:14.900
Speaker 2: Ich hab's mir mal versucht, Fehler frei zu schreiben.

00:02:15.660 --> 00:02:18.280
Speaker 2: Anthropophisierung sagen kann ich das auch.

00:02:18.320 --> 00:02:24.580
Speaker 2: Aber wir können ja auch sagen einfach der Himmel küsst die Erde und da haben wir es eigentlich schon... Jetzt weiß ich was das bedeuten soll.

00:02:28.400 --> 00:02:31.120
Speaker 2: Es wäre total cool, dass Du ein Gedicht mitgebracht hast.

00:02:31.720 --> 00:02:41.060
Speaker 2: Das machen wir viel zu selten aber ich finde den ganz oft kann man in so kreativen künstlerischen Formen, Dinge vermitteln die man dann auf einer anderen Ebene versteht.

00:02:41.360 --> 00:02:42.940
Speaker 2: Das finde ich hat hier funktioniert.

00:02:43.020 --> 00:02:44.060
Speaker 2: der Himmel hat die Erde geküsst.

00:02:44.300 --> 00:02:57.620
Speaker 1: genau und ich komme da drauf weil ich meine Tochter macht gerade Gedichte Interpretation in der Schule Und da haben wir genau darüber gesprochen und sie meinte aber der himmel kann doch nicht küssen und das macht überhaupt keinen Sinn.

00:02:58.280 --> 00:02:59.540
Speaker 1: und Dann Haben wir eben drüber gesprochen.

00:02:59.660 --> 00:03:01.160
Speaker 1: okay warum?

00:03:01.620 --> 00:03:04.160
Speaker 1: er hat Eichendorf das benutzt.

00:03:04.300 --> 00:03:09.180
Speaker 1: Und warum machen wir es überhaupt, dass wir Dinge vermenschlichen?

00:03:10.220 --> 00:03:11.860
Speaker 1: Was macht das mit uns?

00:03:12.680 --> 00:03:22.460
Speaker 1: und genau so kam ich überhaupt darauf, dass sich dachte Moment mal ... Das ist doch gerade das was wir im Bereich Künstliche Intelligenz grade so krass erleben.

00:03:22.880 --> 00:03:25.180
Speaker 1: Eva hast du diesen Spiegeltitel gesehen von dieser Woche?

00:03:26.360 --> 00:03:34.960
Speaker 2: Ja, gruselig anthropomorphisiert Ja, und deswegen jetzt kommen wir durch die Hintertür mit unserem ... Müsste vielleicht doch ein Tech-Podcast.

00:03:35.160 --> 00:03:35.380
Speaker 2: Genau,

00:03:35.520 --> 00:03:36.500
Speaker 1: aber musst du ja immer beschreiben?

00:03:36.840 --> 00:03:41.820
Speaker 1: Wenn ihr nicht gesehen hat... Ich mich halt so erinnert keine Ahnung, die Panzerknacker brechen aus oder so.

00:03:43.380 --> 00:03:47.040
Speaker 1: Gitterstäbe werden auseinandergebogen von zwei grünen Händen.

00:03:47.120 --> 00:03:48.700
Speaker 1: Und man sieht im Hintergrund zwei grüne Augen.

00:03:48.840 --> 00:03:55.420
Speaker 1: Dann steht drunter ganz fett der Ausbruch wie die Menschheit, die Kontrolle über die KI verliert.

00:03:56.020 --> 00:04:00.460
Speaker 1: Man stellt sich sozusagen die KI vor als Ich nenn's mal grünen Panzerknacker.

00:04:01.000 --> 00:04:09.540
Speaker 2: Ja, und die Gitterstäbe auseinanderbiegt, so als wenn unsere Kraft nicht gereicht hat, unsere Gitterstäbe zu schwach sind?

00:04:10.560 --> 00:04:20.519
Speaker 1: Und wir dachten, wir nehmen uns das zum Anlass um euch diesen Begriff auseinanderzunehmen und auch in die Forschung und Wissenschaft reinzuschauen was es mit uns macht.

00:04:20.560 --> 00:04:30.060
Speaker 1: Vielleicht einmal ganz kurz zu anfangen Antropos der Mensch Morph die Gestalt, also etwas in Menschengestalt bringen.

00:04:30.320 --> 00:04:36.120
Speaker 1: Der Begriff kommt aus der Theologie und da war er ursprünglich sogar ein Vorwurf.

00:04:37.040 --> 00:04:40.640
Speaker 1: Und der Erste, der das formuliert hat, war ein Grieche ungefähr fünfhundert vor Christus.

00:04:41.020 --> 00:04:43.840
Speaker 1: Also es ist richtig alt schon das Ganze.

00:04:43.940 --> 00:04:45.520
Speaker 2: Welcher Griechewaar das wäre?

00:04:45.860 --> 00:04:47.520
Speaker 2: Was für einen Vorwurf hatte denn gehabt?

00:04:47.960 --> 00:04:51.840
Speaker 1: Ja, jetzt muss ich sagen, das habe ich mir wirklich raus recherchiert hier für den Podcast heute.

00:04:51.900 --> 00:04:54.880
Speaker 1: Weil ... Ich hatte kein Altkrieg in der Schule!

00:04:55.560 --> 00:05:03.000
Speaker 1: Aber genau, das war Xenophonus von Colophon und er hat sich über die Götter seiner Zeit genossen lustig gemacht.

00:05:03.760 --> 00:05:10.500
Speaker 1: Genau daher kommt eigentlich diese Thematik und im Prinzip ist das Konzept einfach.

00:05:11.000 --> 00:05:14.920
Speaker 1: wir haben ein Modell von Handeln, fühlen, wollen.

00:05:15.440 --> 00:05:18.400
Speaker 1: Und das ist eben das Menschliche und das nehmen wir überall mit hin.

00:05:19.240 --> 00:05:27.680
Speaker 2: Was ich daran so interessant finde ... Jetzt grade merke, dass spielt ja ganz viele Dinge rein, die ich zumindest auch schon in der Vergangenheit mal recherchiert habe.

00:05:28.340 --> 00:05:37.020
Speaker 2: Also allen voran unser Gehirn, was Dinge auf eine Art und Weise vervollständigt oder plausibilisiert wie wir es halt kennen.

00:05:37.080 --> 00:05:40.520
Speaker 2: Es gibt ja auch Experimente aus Psychologie, ich weiß es noch ganz dunkel.

00:05:42.280 --> 00:05:49.100
Speaker 2: alles in irgendeiner Form von menschlich oder mit Leben versieht, was auch nur ganz leicht in die Richtung geht.

00:05:49.180 --> 00:05:55.340
Speaker 2: Ich weiß das Kreise werden zu Gesichtern und dieses klassische Rascheln im Gebüsch wird eben nicht so.

00:05:55.440 --> 00:05:59.260
Speaker 2: da ist der Wind sondern da ist ein Tier ... Super interessant wieder!

00:05:59.340 --> 00:06:04.320
Speaker 2: Also ich hab's Gefühl diese Anthropomorphisierung muss noch ein paar mal sagen aber es klingt schon ganz gut für mich.

00:06:06.140 --> 00:06:10.220
Speaker 2: Kommt ja direkt von deinem Xenophonis von Vor-Ewigkeiten.

00:06:12.080 --> 00:06:15.620
Speaker 1: Es ist quasi in uns drin, ein urmenschliches Konzept.

00:06:15.700 --> 00:06:20.320
Speaker 1: Und es gab dann in der Psychologie auch verschiedene ... Man hat das erforscht.

00:06:20.620 --> 00:06:22.960
Speaker 1: Verschiedene Experimente und Studien dazu.

00:06:23.120 --> 00:06:32.320
Speaker 1: Ein ganz bekanntes war ... Da haben zwei Wissenschaftlerinnen, zwei PsychologInnen einen kurzen Trickfilm gebaut.

00:06:32.640 --> 00:06:37.880
Speaker 1: Darin bewegen sich ein großes Dreieck, ein kleines Dreiecks- und ein Kreis mehr nicht.

00:06:38.500 --> 00:06:41.740
Speaker 1: Und dann haben sie die Leute gefragt, was Sie gesehen haben.

00:06:43.640 --> 00:06:45.760
Speaker 2: Und eine Vorgungsjagd wahrscheinlich oder?

00:06:45.940 --> 00:06:47.160
Speaker 2: Ja, genau.

00:06:47.220 --> 00:06:48.900
Speaker 2: Es waren wirklich so... Es war wirklich so.

00:06:48.940 --> 00:06:50.280
Speaker 2: ...ein kleines Armes und so.

00:06:51.300 --> 00:06:55.960
Speaker 1: Also bis auf eine einzige Versuchsperson haben alle die gleiche Geschichte erzählt.

00:06:56.520 --> 00:07:00.500
Speaker 1: Das große Dreieck verfolgt die beiden anderen und der Kreis hat Angst.

00:07:00.660 --> 00:07:06.440
Speaker 1: Eifersucht ist im Spiel also bei zwei Dreiecken und einem.

00:07:06.760 --> 00:07:07.140
Speaker 1: Kreis.

00:07:07.540 --> 00:07:12.820
Speaker 1: Und im Prinzip die Schlussfolge war daraus, die Menschen sind nicht naiv ja?

00:07:13.220 --> 00:07:16.480
Speaker 1: Sondern man sieht sozusagen diese Verfolgung.

00:07:16.620 --> 00:07:23.120
Speaker 1: also man schließt nicht daraus ach das wird das so sein sondern man kann es nicht anders sehen als so.

00:07:23.660 --> 00:07:24.880
Speaker 1: Ja und

00:07:25.400 --> 00:07:32.960
Speaker 2: ein eines meiner Hobbys für dich viel zu wenig Zeit da bist du Improtheater und habe ich meine ähnliche Erfahrung gemacht und zwar haben wir so Masken gebastelt.

00:07:33.000 --> 00:07:35.480
Speaker 2: also es gibt Masken im Broteater.

00:07:35.700 --> 00:07:45.680
Speaker 2: Da hat man so eine Maske auf, die hat einen bestimmten Gesichtsausdruck der im Idealfall eben nicht keine eindeutige Emotionen oder einfach ein neutrales Gesicht.

00:07:45.760 --> 00:07:47.440
Speaker 2: Klar siehst du irgendwie den Charakter in dieser Maske.

00:07:47.720 --> 00:07:50.820
Speaker 2: Die werden echt kunstvoll gebastelt und ich hab auch mal eine gemacht.

00:07:51.380 --> 00:07:52.800
Speaker 2: Dann ist ja klar ne Maske bewegt sich nicht.

00:07:52.960 --> 00:08:01.540
Speaker 2: Du setzt die auf und gehst auf die Bühne und dann ... Man redet meistens nicht mehr sondern diese beiden Figuren mit Maske interagieren in irgendeiner Form.

00:08:02.060 --> 00:08:07.760
Speaker 2: Und es ist so abgefahren, wie man als Zuschauernde genau da Emotionen drin sieht und zwar ganz verschieden.

00:08:07.820 --> 00:08:12.520
Speaker 2: also du siehst eben auch eine ganze Geschichte ohne das was gesagt wird und ohne dass die Gesichter sich verändern weil geht ja gar nicht.

00:08:12.880 --> 00:08:14.780
Speaker 2: Verändern die sich doch in unserem Gehirn?

00:08:14.840 --> 00:08:24.920
Speaker 2: Das finde ich so ein Abgefahren-Effekt und habe auch wirklich ganz spannende Geschichten kreiert, die einfach so entstanden sind zwischen unseren Gehirnen.

00:08:25.060 --> 00:08:27.200
Speaker 2: Also ich fand, das fand ich wirklich abgefahrene

00:08:27.240 --> 00:08:31.440
Speaker 1: Wenn wir jetzt so weitergehen, sozusagen in der Computertechnik.

00:08:31.500 --> 00:08:34.200
Speaker 1: Da gibt es ja eine ganz bekannte Geschichte.

00:08:34.799 --> 00:08:37.159
Speaker 1: Manche von euch werden die wahrscheinlich kennen, aus den Sechsten und Sechzig.

00:08:37.260 --> 00:08:41.820
Speaker 1: am MIT hat dann Joseph Walzenbaum Eliza gebaut.

00:08:42.220 --> 00:08:46.200
Speaker 1: Und Eliza war quasi der erste Chatbot wenn man so möchte.

00:08:46.880 --> 00:08:57.460
Speaker 1: Und er war noch ganz unerlatscht, Language Model ohne KI sondern Eliza hat Mustervergleich gemacht deine Sätze umgedreht und sie als Frage zurückgegeben.

00:08:57.560 --> 00:09:00.820
Speaker 1: Also du sagst zum Beispiel, ich bin unglücklich?

00:09:01.380 --> 00:09:04.460
Speaker 1: Und Eliza fragt zurück warum sind Sie unglücklich?

00:09:05.260 --> 00:09:08.980
Speaker 1: also eigentlich so Prinzip total simpel.

00:09:09.120 --> 00:09:18.460
Speaker 1: und dann gibt es eine kleine Geschichte dazu Dass die Walzmann später erzählt hat, dass seine eigene Sekretärin ihn gebeten hätte den Raum zu verlassen.

00:09:18.520 --> 00:09:22.180
Speaker 1: Damit sie sich ungestört mit dem Programm unterhalten könne.

00:09:22.300 --> 00:09:28.840
Speaker 1: und Sie hatte ihn eben monatelang beim Programmieren beobachtet und wusste also ganz genau das es eine Maschine ist.

00:09:28.900 --> 00:09:32.240
Speaker 1: Und trotzdem hat sie gesagt so ich muss mich jetzt unterhalten ja?

00:09:33.800 --> 00:09:42.920
Speaker 2: Das kann man ... Es gibt Seiten, wo man Eliza heute noch testen kann dass viele Menschen tatsächlich nicht mehr unterscheiden konnten, ist da jetzt Eliza am anderen Ende.

00:09:42.960 --> 00:09:56.520
Speaker 2: Also klar, man versucht aufbauen muss so sein, dass man natürlich die Person mit der man spricht in einem anderen Raum hat, die Person oder eben Eliza ... also du chattest und sagst ich weiß nicht sicher ob das Eliza ist oder ob es echter Psychotherapeut ist.

00:09:57.160 --> 00:10:00.420
Speaker 2: Und wenn man das heute ausprobiert, Eliza dann denkt man wie kann das passieren?

00:10:01.000 --> 00:10:08.960
Speaker 2: Heute merkt man, und das ist glaube einfach weil wir jetzt inzwischen mit sehr viel ausgefeilteren Chatbots zu tun haben Das, was man da auch mehr erwartet.

00:10:09.520 --> 00:10:15.240
Speaker 2: Aber selbst auch so eine ganz einfache regelbasierte Architektur sind es!

00:10:15.520 --> 00:10:15.880
Speaker 2: wie große

00:10:15.960 --> 00:10:18.040
Speaker 1: Faszinationen auslösen kann.

00:10:18.100 --> 00:10:28.460
Speaker 1: Wobei vielleicht kurz wiederhackend zu der Sekretärin ein Story gibt, so ein Forschungsprojekt namens Eliza Ecology und die haben versucht diese Kriteriengeschichte zu belegen.

00:10:28.700 --> 00:10:33.840
Speaker 1: aber es gibt keinen wirklichen Archivbeleg für diese Sekreterinnen.

00:10:34.140 --> 00:10:37.120
Speaker 1: Weilsbaum selbst hat sie in unterschiedlichen Fassungen erzählt.

00:10:38.720 --> 00:10:40.920
Speaker 1: Wer weiß, ob es diese Sekretärin wirklich gab.

00:10:41.480 --> 00:10:42.960
Speaker 1: Das werden wir auch nicht lösen lassen.

00:10:43.840 --> 00:10:45.040
Speaker 1: Aber die Story ...

00:10:45.960 --> 00:10:46.320
Speaker 2: Zumindest

00:10:46.520 --> 00:10:57.460
Speaker 1: ist die Story gut und es gab dann im Jahr seven noch mal eine Forschung dazu beziehungsweise einer theoretischen Aufarbeitung dieses Phänomens.

00:10:57.620 --> 00:11:07.660
Speaker 1: und die Forschenden kommen da zu dem Schluss, dass das daher kommt, nichts besser kennen als den Menschen.

00:11:07.800 --> 00:11:12.920
Speaker 1: und wenn etwas unklar ist, greifen wir zum vertrautesten Erklärungsmodell das wir haben.

00:11:13.160 --> 00:11:15.620
Speaker 1: Das ist die erste Erklärung, warum benutzen wir das?

00:11:16.340 --> 00:11:24.960
Speaker 1: Die zweite ist Wir wollen Kontrolle also wir wollen Wenn etwas Absichten hat, wird es vorhersehrbar.

00:11:26.360 --> 00:11:31.040
Speaker 1: Das finde ich ja so krass an dieser ganzen Ausbruchsdebatte, finde ich überhaupt diesen Begriff Ausbruch.

00:11:32.200 --> 00:11:38.740
Speaker 1: Also das ist immer so ... Da krieg ich innerlich immer so ein ... Ah, da stellen sich irgendwie meine Armhaare auf?

00:11:39.540 --> 00:11:41.280
Speaker 2: Weil ich immer ... Ist du keine Nackenhaare oder was?

00:11:41.600 --> 00:11:41.820
Speaker 1: Genau!

00:11:42.720 --> 00:11:48.840
Speaker 1: Da stellen sie meine Nackenhäure auf weil ich immer denke bei einem Ausbrug Da schreiben wir etwas einem Willen zu.

00:11:49.400 --> 00:11:54.740
Speaker 1: Also der möchte etwas ausbrechen, ist ... Etwas empfindet sich eingesperrt und muss ausbrechnen.

00:11:55.080 --> 00:12:06.520
Speaker 1: Und das finde ich so schwierig in diesem Zusammenhang mit künstlicher Intelligenz, weil künstliche Intelligenzen oder Agenten jetzt haben ja keinen Willen und haben auch kein Gefühl.

00:12:07.020 --> 00:12:11.280
Speaker 1: Wir schreiben da einen Softwareprogramm Attribute?

00:12:11.840 --> 00:12:12.460
Speaker 1: Die es gar nicht hat.

00:12:13.240 --> 00:12:14.740
Speaker 2: Das Schlimme ist, das verfängt.

00:12:15.180 --> 00:12:19.420
Speaker 2: Es kommt ja an bei den Menschen und ich hab jetzt viel zu recherchiert.

00:12:19.480 --> 00:12:26.720
Speaker 2: Und vor allem auch zur Frage glaubt eigentlich jemand wirklich, dass KI hier einen bösen Willen entwickelt oder überhaupt einen Willen entwickelt?

00:12:27.840 --> 00:12:30.440
Speaker 2: Mein Eindruck ist ... Fast niemals, ja.

00:12:31.020 --> 00:12:43.000
Speaker 2: Aber in der Öffentlichkeit durch diese Ausbruchsgeschichte stellt sich das so dar, dass fast schon wie ein Fakt die KI hat einen eigenen Willen, widersetzt sich uns weil sie eine eigene Agenda hat oder sowas.

00:12:43.480 --> 00:12:56.460
Speaker 2: und das finde ich ist das Gefährliche daran also, dass man eben mit diesem vermenschlichen und vielen Begriffen, den wir im KI-Bereich verwenden und auch uns passiert es auch, tut er auch mir dass es gar kein gutes anderes Wort gibt.

00:12:56.500 --> 00:13:02.500
Speaker 2: Und da ist das, glaub ich doch erst dachte ich naja gut so ist es halt ja es gibt keine für alles gute Wörter.

00:13:03.620 --> 00:13:05.680
Speaker 2: dann dann ist es also das wird jetzt überführen.

00:13:05.740 --> 00:13:19.280
Speaker 2: aber inzwischen bin ich da echt seit mir das so klar geworden ist was es in den Köpfen von den meisten Menschen anrichtet weil die meist die wenigsten sind ja Machine Learning Profis denke ich doch dass wir uns noch mehr damit beschäftigen müssen weil das ist das ist schon ein großer Schaden.

00:13:19.340 --> 00:13:27.300
Speaker 2: ja dass diese Debatte Bei den meisten Menschen so ankommt, wie jetzt entwickelt hier was Bewusstsein und einen bösen Willen?

00:13:27.340 --> 00:13:29.000
Speaker 2: Und wird die Menschheit auslöschen.

00:13:29.140 --> 00:13:36.280
Speaker 2: Wenn man bei den Fachleuten nachfragt ganz im Ernst, sagen alle wenigsten, wenn man so nachfragt doch das glaube ich, die KI entwickelt ein Willen!

00:13:36.820 --> 00:13:38.960
Speaker 1: Das finde ich sozusagen der spannende.

00:13:39.520 --> 00:13:41.280
Speaker 1: Nächste Punkt, was macht das mit uns?

00:13:41.520 --> 00:13:42.760
Speaker 1: Also wenn wir Dinge vermenschlichen.

00:13:42.800 --> 00:13:43.840
Speaker 1: Wir vermenschlichen ja viel!

00:13:44.120 --> 00:13:50.140
Speaker 1: Ich meine Leute vermenschlichen ihre Autos, Leute vermenschliche gerade hier im Serie Alexa... Die

00:13:50.480 --> 00:13:51.060
Speaker 2: Staubsauger.

00:13:51.460 --> 00:13:52.440
Speaker 1: Die Staubsauger, ja.

00:13:54.040 --> 00:14:05.100
Speaker 1: Ist ja oft, gerade wenn uns etwas fremd und unbekannt ist dann fangen wir an Dinge zu vermenschlichten weil es eben dieses Erklärungsmodell bietet, weil es Dinge vorher sagbarer macht oder hersehbarer.

00:14:05.160 --> 00:14:07.020
Speaker 1: Wir bekommen dadurch Kontrolle.

00:14:07.700 --> 00:14:11.840
Speaker 1: und jetzt ist aber die Frage was macht das wiederum mit denen dies hören?

00:14:11.900 --> 00:14:13.180
Speaker 1: Oder was macht dass mit uns selbst?

00:14:13.240 --> 00:14:36.780
Speaker 1: und eine ganz entscheidende Sache und das finde ich auch hier in dieser ganzen Debatte rund um dieses Thema KI-Agenten, die andere Webseiten hacken oder andere Firmen hacken Dass wir das so vermenschlichen, nehmen wir die Verantwortung weg von denjenigen, die den Prompt geschrieben haben und diese Sicherheitsumgebung gebaut haben.

00:14:37.420 --> 00:14:51.180
Speaker 1: Das heißt also ... Die Firmen, die entschieden haben was diese Systeme tun sollen, die diese Systemen aufgesetzt haben oder programmiert haben verschwinden hinter diesen Willen dieser Agenten.

00:14:52.140 --> 00:14:57.020
Speaker 1: Vermenschlichungen ist nicht nur ungenau sondern auch bequem für die Hersteller.

00:14:57.720 --> 00:15:03.620
Speaker 2: Ich würde auch sagen, dass sie das durchaus gezielt so erzählen.

00:15:03.720 --> 00:15:09.820
Speaker 2: Also das ist kein Zufall, dass es jetzt um den Ausbruch geht und um wild gewordene KI-Agenten

00:15:10.660 --> 00:15:10.740
Speaker 1: usw.

00:15:10.800 --> 00:15:13.500
Speaker 1: Die Verantwortung wandert vom Unternehmen ins Produkt?

00:15:14.080 --> 00:15:14.120
Speaker 2: Ja!

00:15:14.860 --> 00:15:15.640
Speaker 1: Genau, wir können ja

00:15:15.700 --> 00:15:16.120
Speaker 2: nix dafür.

00:15:18.480 --> 00:15:25.520
Speaker 1: Das Auto ist einfach losgefahren und ich finde immer im Kopf kann man auch mal so eine Gegenprobe machen.

00:15:25.620 --> 00:15:35.660
Speaker 1: also wenn man sich jetzt vorstellt man hat einen Satz und ersetzt die KI durch die Firma also zum Beispiel ChatGypity kann jetzt sehen hören und sprechen.

00:15:36.540 --> 00:15:43.560
Speaker 1: und wenn man jetzt über Ersetzen würde und sagen Ja OpenAI hat Bilderkennung und Spracherkennung angebaut

00:15:44.200 --> 00:15:45.260
Speaker 2: Klingt schon weniger nach Zauberei.

00:15:45.640 --> 00:15:48.280
Speaker 1: Genau, klingt schon wenig nach Zauberrei.

00:15:48.400 --> 00:15:56.520
Speaker 1: Also ich denke, da können wir auch viel tun, indem wir versuchen eine präzise Sprache zu verwenden.

00:15:57.740 --> 00:16:00.820
Speaker 1: Weil wir dann nicht den Herstellern in die Hände spielen.

00:16:01.360 --> 00:16:11.980
Speaker 2: Ja aber das ist wirklich gar nicht so einfach und da denk ich müssen wir vielleicht jetzt mehr darüber sprechen als Gesellschaft überlegen wie wir die Dinge benennen sollen weil ... Ein

00:16:12.760 --> 00:16:15.620
Speaker 1: bisschen Vermenschlichung würde ich auch sagen, ist unvermeidlich.

00:16:16.920 --> 00:16:17.620
Speaker 1: Weil

00:16:17.660 --> 00:16:18.920
Speaker 2: die Begriffe teilweise fehlen?

00:16:19.380 --> 00:16:26.400
Speaker 1: Ja und ich sag zum Beispiel auch so was wie ja ... Ich hab KI gefragt oder ja KI hat mir das und das gebaut.

00:16:27.100 --> 00:16:27.180
Speaker 2: Oder

00:16:28.800 --> 00:16:35.900
Speaker 1: Claude hat gesagt oder ... Die sagen halt nichts, sondern die geben halt Wörter aus.

00:16:37.140 --> 00:16:44.220
Speaker 1: So müsste man es eigentlich sagen oder ich habe einen Prompt eingegeben oder eine Frage eingegebt und so müsste man darüber sprechen.

00:16:44.260 --> 00:16:45.460
Speaker 1: aber das ist natürlich unbequem.

00:16:46.780 --> 00:16:47.600
Speaker 2: Aber was zeigt ihr immer wieder?

00:16:47.660 --> 00:16:57.580
Speaker 2: Wenn man sich mit Hirnforschung beschäftigt in Psychologie dass wir das unterschätzen was Sprache macht also wie Sprache in unserem Gehirn verarbeitet wird.

00:16:59.280 --> 00:17:02.400
Speaker 2: Ja, Schlüsse da schon gezogen werden.

00:17:03.580 --> 00:17:10.420
Speaker 2: Auf eine ja-werde weniger unbewusste Art oder was wie Dinge eben festgelegt werden durch dadurch, wie wir sie benennen.

00:17:11.260 --> 00:17:12.440
Speaker 2: und das ist ja super für dich.

00:17:12.480 --> 00:17:15.460
Speaker 2: Super interessant dass wir da mal ein bisschen genauer drauf geschaut haben.

00:17:16.240 --> 00:17:28.620
Speaker 1: Und ihr könnt jetzt auch wenn ihr abends beim Essen beim Dinner seid oder so dann könnt ihr jetzt rumschlaumeiern und sagen, ja, Anthropomorphisierung.

00:17:28.840 --> 00:17:33.320
Speaker 1: Das kommt von Anthropos der Mensch-und-Morph die Gestalt.

00:17:33.500 --> 00:17:39.000
Speaker 1: Und Xenophonus von Cologne hat sich das fünfhundert vor Christus schon ausgedacht.

00:17:39.560 --> 00:17:48.940
Speaker 2: Wenn euch dann im weiteren Gespräch gute neue Begriffe einfallen oder für Dinge, die wir einfach oft sagen über KI, alternative Optionen, die trotzdem verständlich sind?

00:17:48.980 --> 00:17:51.220
Speaker 2: Ich glaube, das ist halt wichtig, dass man irgendwie trotzdem ...

00:17:51.880 --> 00:17:53.960
Speaker 1: Ich arbeite tatsächlich in so einer Sammlung gerade!

00:17:54.340 --> 00:17:56.440
Speaker 1: von Wörtern, also von Begriffen.

00:17:56.520 --> 00:18:07.380
Speaker 1: Ja, weil ich hab mir das mal vorgenommen mit auch für diesen Podcast aber auch für andere Dinge die ich schreibe und verfasse mal so typische Phrasen zu gucken okay kann ich die ersetzen?

00:18:07.460 --> 00:18:09.120
Speaker 1: Und wie klingt es dann eigentlich?

00:18:09.760 --> 00:18:10.220
Speaker 2: Super cool!

00:18:10.480 --> 00:18:15.260
Speaker 2: Also wenn euch da noch Dinger einfallen, schreibt uns dass viersliste immer länger wird.

00:18:15.760 --> 00:18:27.940
Speaker 1: Genau jetzt haben sie ja schon versprochen haben wir tatsächlich eine ganz exklusive Gäste bei uns im podcast Profone, das erste Mal in einem deutschsprachigen Podcast.

00:18:28.000 --> 00:18:31.520
Speaker 1: Eva sagt wo einmal wer sie ist was sie macht warum sie heute hier ist?

00:18:32.200 --> 00:18:43.120
Speaker 2: Genau Anika hat als es Sozialpsychologin und war Forscherin beim META Und ihr Job war rauszufinden, wie viele Menschen die Kontrolle über ihre eigene Nutzungszeit verlieren.

00:18:43.180 --> 00:18:45.660
Speaker 2: Also dieses Thema was wir jetzt immer wieder auch hier hatten.

00:18:46.280 --> 00:18:57.060
Speaker 2: Über diese süchtig machenden Mechanismen, die eben in Social Media eingebaut und gerade im Meter steht ja in verschiedenen Prozessen den USA derzeit vor Gericht zu genau dieser Frage.

00:18:57.180 --> 00:19:02.420
Speaker 2: also wie bewusst hat das Unternehmen versucht?

00:19:03.060 --> 00:19:06.380
Speaker 2: insbesondere Jugendliche und Kinder online zu halten.

00:19:06.920 --> 00:19:17.880
Speaker 2: Und Anneke Buffone hat in dem Bereich geforscht, und ihr Job war es unter anderem eben auch Maßnahmen vorzuschlagen die das Ganze verbessern also die Menschen da schützen.

00:19:18.900 --> 00:19:34.980
Speaker 2: Und am Ende ist sie gefeuert worden so sagt sie's uns weil Meta ihr dann und ihrem Team vorgeben wollte wie sie ihre Forschung verkauft oder auch nicht und es wurden wohl auch einige Studien von ihr und ihrem Team, die eben gezeigt haben welche Mechanismen problematisch sind.

00:19:35.080 --> 00:19:40.320
Speaker 2: Und wie man da davon wegkommen kann wurden dann auch nicht veröffentlicht wohl weil es eben nicht im Interesse von Beta war.

00:19:41.640 --> 00:19:46.980
Speaker 1: Jetzt saß sie im Zeugenstand in Nashville vor Gericht gegen ihren früheren Arbeitgeber.

00:19:47.020 --> 00:19:50.760
Speaker 1: und vielleicht noch einmal ganz kurz zum Hintergrund, wenn ihr sie jetzt auch gleich hört.

00:19:51.600 --> 00:20:07.680
Speaker 1: Manchmal sucht sie so ein bisschen die deutschen Wörter weil sie lebt schon sehr lange in den USA ist aber in Deutschland aufgewachsen kommt aus Kloppenburg, aber es dann über Studium in die USA gekommen und deswegen ist sozusagen zwar Deutsch ihre Muttersprache.

00:20:07.740 --> 00:20:10.980
Speaker 1: Aber man merkt das gleich im Gespräch, dass sie manchmal Wörter sucht?

00:20:11.260 --> 00:20:13.180
Speaker 1: Da bitten wir euch auf Nachsicht!

00:20:13.940 --> 00:20:20.500
Speaker 1: Und ich finde es wahnsinnig toll, dass ihr zu uns gekommen ist und den Mut hatte, das erste Mal an einem deutschen Podcast zu sprechen.

00:20:29.740 --> 00:20:30.820
Speaker 2: Herzlich willkommen Annike.

00:20:31.160 --> 00:20:32.020
Speaker 1: Schön, dass du da bist.

00:20:32.300 --> 00:20:33.660
Speaker 0: Ja danke, dass ich hier sein darf.

00:20:35.460 --> 00:20:36.880
Speaker 1: zum ersten Mal wahrgenommen.

00:20:37.560 --> 00:20:41.640
Speaker 1: Da war noch gar nicht klar, dass wir hier diese Gelegenheit haben dich zu Interviewen.

00:20:41.820 --> 00:20:57.720
Speaker 1: da bist du mir sozusagen ausgespielt worden vom Instagram Algorithmus und zwar während deiner Aussage vor Gericht in Nashville das so sehr bewegt gesprochen auch warum du da sitzt und warum du aussagst gegen deinen früheren Arbeitgeber.

00:20:58.400 --> 00:21:01.600
Speaker 1: Da hattest du sogar Tränen in den Augen bei deiner Aussage.

00:21:02.160 --> 00:21:08.480
Speaker 1: Das hat mich selbst total berührt beim Sehen und deswegen interessiert mich, was hat dich da so mitgenommen?

00:21:09.700 --> 00:21:10.580
Speaker 0: Ja genau, erst mal!

00:21:11.000 --> 00:21:14.320
Speaker 0: Mit funk in den Augen muss ich sagen, das hatte ich selber auch nicht erwartet.

00:21:14.360 --> 00:21:23.440
Speaker 0: Dass ich dann auf einmal im Internet bin und eine ganz spannende Sache ... Das geht für mich so wieder ein bisschen rund weil man da auf einmal ... Also ich wusste das natürlich nicht.

00:21:23.480 --> 00:21:28.120
Speaker 0: Und auf einmal ist man dann weinend im Internet ohne das zu wissen oder so.

00:21:28.980 --> 00:21:41.360
Speaker 0: Aber natürlich von dem Account, von dem das gepostet wurde, wenn nicht mein Account war, das war eine Influencerin auch, die das gepostert hat eben, die halt auch für sichere sozialen Medien eben... einsteht.

00:21:42.220 --> 00:21:49.800
Speaker 0: Und was da passiert war, ich wurde eben gefragt vor dem Anwalt der Staatsanwaltschaft von Tennessee warum ich denn jetzt dabeln?

00:21:50.000 --> 00:21:54.480
Speaker 0: Obwohl ich eigentlich doch ja einiges in Kauf nehme so als Person.

00:21:54.580 --> 00:22:03.880
Speaker 0: Ich hatte halt so etwas erzählt dass ich eben eigentlich nie so richtig vorher hatte irgendwie vor Gericht zu stehen oder irgendwie auszusagen oder so.

00:22:04.600 --> 00:22:10.780
Speaker 0: Aber es war halt dann doch so gewesen, dass das Gefühl hatte, als ich diese Verfahren verfolgt hatte.

00:22:11.380 --> 00:22:20.540
Speaker 0: Dass ich gesehen habe, dass da ganz viel ... auch sehr problematische Aussagen getroffen wurden von der Führungsliege, von Metta.

00:22:21.340 --> 00:22:32.980
Speaker 0: Und eben also dann das Gefühl hatte ja dass was ich jetzt weiß Das ist schon vielleicht ein bisschen einzigartig und also Ich kann das irgendwie nicht so stehen lassen und Also das genaue war eben das sich eigentlich gesagt habe.

00:22:33.680 --> 00:22:49.740
Speaker 0: Ich bin als Deutsche aufgewachsen mit dieser Idee von Zivilcourage Dass wenn man eben was sieht Was eben also nicht richtig ist wo eben Menschen zu Schade kommen, dass man aussagen muss und dass man das Richtige einstehen muss.

00:22:50.440 --> 00:22:51.800
Speaker 0: Das hat mich sehr berührt.

00:22:51.860 --> 00:22:55.940
Speaker 0: in dem Moment, weil es ist halt so ... Man stellt sich schon auf eine Seite, wenn man sowas macht.

00:22:56.200 --> 00:23:02.640
Speaker 0: Also man kommt von einem sehr guten Einkommen auch wirklich einer sehr guten Berufsperspektive eigentlich.

00:23:03.120 --> 00:23:09.880
Speaker 0: Und wenn man sich dann so auf die andere Seite stellt Also da hat man schon ziemlich viele Arbeitgeber sich verbaut.

00:23:10.020 --> 00:23:14.940
Speaker 0: Und es ist natürlich auch sehr öffentlich, also das war jetzt auch nicht was, was ich so unbedingt wollte.

00:23:16.100 --> 00:23:22.480
Speaker 0: Es kam halt persönlich für mich viele Dinge zusammen eben aber es war halt einfach klar, dass das richtiges was getan werden muss.

00:23:23.520 --> 00:23:30.300
Speaker 2: Du sagst ja in der Aussage auch, dass du selbst Kinder hast und das dich die ganzen Vorgänge auch deswegen so betroffen haben.

00:23:30.340 --> 00:23:34.460
Speaker 2: Weil du halt immer dran denkst wie es ist mit deinen Kindern, wie's anderen mit ihren Kindern geht?

00:23:34.520 --> 00:23:42.360
Speaker 2: Wie schwierig es ist, die loszukriegen von Social Media und darum hieß er in dem Verfahren auch um diese süchtig machenden Designs von Social media.

00:23:42.460 --> 00:23:49.020
Speaker 2: Erzähl doch mal ein bisschen was sind denn die Hauptprobleme, die du jetzt auch also in deinen beiden Rollen bemerkst als Mutter oder als Expertin?

00:23:50.460 --> 00:23:51.320
Speaker 0: Ja, auf jeden Fall.

00:23:51.440 --> 00:23:57.800
Speaker 0: Das sind meine eigenen Kinder, die von allen anderen Mütter und Pädern Personen, die Kinder haben.

00:23:58.780 --> 00:24:06.060
Speaker 0: Es ist einfach so, dass es ganz viele Teils des Designs gibt, die eigentlich für Kinder besonders schwierig sind.

00:24:06.120 --> 00:24:09.780
Speaker 0: Also es geht halt mal diesen Algorithmischen ... also diese personalisierten Algorithmen.

00:24:09.840 --> 00:24:12.780
Speaker 0: Es geht um diese Notifications-, um infinite scroller.

00:24:12.900 --> 00:24:20.780
Speaker 0: Das ist halt eben nie auffährt immer diese Kurze vom Videos Wo es immer wieder mehr gezeigt wird, dass die sehr gefährlich sein können.

00:24:20.900 --> 00:24:26.480
Speaker 0: Weil sie die Aufmerksamkeit zum Beispiel verringern.

00:24:26.960 --> 00:24:28.040
Speaker 0: Das ist eine der vielen Dinge.

00:24:28.200 --> 00:24:36.020
Speaker 0: und diese ganzen Designs sind so, dass Kinder das noch viel weniger einschätzen können.

00:24:36.460 --> 00:24:41.340
Speaker 0: wie halt ... Alle möglichen Signale, die so so Tier sind eben quasi gegen sie verwandt werden.

00:24:41.820 --> 00:24:43.280
Speaker 0: Um immer mehr und immer mehr zu zeigen.

00:24:43.320 --> 00:24:46.600
Speaker 0: halt eben mit diesem Ziel immer das hier auf dem App bleiben.

00:24:47.220 --> 00:24:55.460
Speaker 0: Und es ist halt auch für Kinder dann noch ganz schwierig in also auch so Themen zu kommen die für sie vielleicht noch nicht bereit sind oder für sie nicht gut.

00:24:55.980 --> 00:25:09.380
Speaker 0: Also zum Beispiel Extreme-Diäten, oder Extremorsport-, Gewalt-, Selbstverletzung als diese Themen und das ist schon sehr problematisch.

00:25:09.460 --> 00:25:25.220
Speaker 0: Und wenn ich mir das überlege mit meinen eigenen Kindern auch, es gibt einen so ... Ich habe zwei Stiefkinder, die sind ein Teenager, einer ist jetzt schon im College und studiert Theater Zwei biologische Kinder, meine Tochter ist zwölf und die Kleine ist neun.

00:25:25.860 --> 00:25:30.240
Speaker 0: Und also die Zeugerin ist auch schon total irgendwie jetzt schon heiß drauf auf diese ganzen Apps.

00:25:30.920 --> 00:25:34.700
Speaker 0: Möchte ihr bliebst sofort wenn sie dreizehn ist was in ein paar Wochen ist?

00:25:34.780 --> 00:25:35.760
Speaker 0: Möchtest du sofort auf die Apps?

00:25:35.820 --> 00:25:37.920
Speaker 0: Und möchte ich natürlich nicht dass ihr das macht!

00:25:39.120 --> 00:25:42.280
Speaker 0: Wenn man sich dann übelt, dass es halt diesen Drang gibt das eben.

00:25:42.700 --> 00:25:47.760
Speaker 0: Das ist klar die Kinder Alle Erwachsenen sind quasi, ich nass auf Englisch immer so huckt.

00:25:47.960 --> 00:26:02.400
Speaker 0: Also alle Erwachsene sind eigentlich in diesen Geräten irgendwie und wer weiß also jeder hat seine Sache wo er dann irgendwie dranhängt und die sind ja nur umgeben von allen die jemals auf dem Bildschirm sind Und deswegen wollen wir natürlich auch.

00:26:02.920 --> 00:26:10.580
Speaker 0: Also es ist schon ein echtes Problem und ich glaube, dass sich so als Mama dann eben ... Ich sehe das halt von allen Seiten, ne?

00:26:10.700 --> 00:26:35.860
Speaker 0: Von der Seite eben, von jemandem, der da gearbeitet hat wie das genau designed ist, von der Seite der Mama versucht irgendwie verzweifelt die richtigen Settings zu finden und eben die richtungen Regeln eben zu finden, dass man schaut, dass die Kinder quasi nicht ausgeschlossen fühlen, wie nur dabei sein dürfen in ... in der Gruppe, in der Gesellschaft und in der Freundesgruppe aber eben trotzdem sicher sein können wie man das dann so einstellen soll.

00:26:36.420 --> 00:26:42.520
Speaker 0: Und jetzt mittlerweile auch, indem ich Gesetze mitgestalten darf.

00:26:43.160 --> 00:26:45.160
Speaker 0: So ein bisschen ist es von der Seite wieder.

00:26:45.240 --> 00:26:46.680
Speaker 0: wie gestalten wir das alles?

00:26:47.180 --> 00:26:53.700
Speaker 0: Damit es für alle Eltern möglich ist, da irgendwie das Richtige zu leisten und für alle Kinder am Ende sicher zu sein.

00:26:53.740 --> 00:26:58.340
Speaker 0: Weil auch das nicht so einfach... Nicht alle Eltern sind eben auch unbedingt in der Lage.

00:26:58.380 --> 00:27:04.380
Speaker 0: Also nicht alle Eltern haben erst mal sieben Jahre bei Meta gearbeitet um zu wissen, wie man das alles einstellen soll!

00:27:05.060 --> 00:27:08.780
Speaker 2: Und sogar wenn man sieben Jahre da war, sagst du ist es nicht so dass man das weiß.

00:27:09.580 --> 00:27:12.860
Speaker 2: Das hört man immer wieder.

00:27:13.180 --> 00:27:19.560
Speaker 2: Seit Jahren höre ich das, dass Leute die bei diesen Firmen arbeiten selbst so ihren Struggle haben mit ihrer eigenen Familie.

00:27:19.620 --> 00:27:26.920
Speaker 2: Dass sie teilweise ihre Kinder auch noch in höherem Alter da gar nicht versuchen fernzuhalten und selbst damit kämpfen davon ferngehalten zu

00:27:26.960 --> 00:27:27.260
Speaker 1: werden?

00:27:27.600 --> 00:27:31.780
Speaker 1: War das so bei deinen Kolleginnen und Kollegen eigentlich oder ist es eine Urban Legend?

00:27:32.820 --> 00:27:34.060
Speaker 1: Kannst du aus dem Nähkästchen plaudern?

00:27:35.180 --> 00:27:36.260
Speaker 1: Wie ist es im Silicon Valley?

00:27:37.780 --> 00:27:46.160
Speaker 0: Ich sag tatsächlich immer ... Es gibt so zwei Gruppen die ihre Kinder am wenigsten auf diesen sozialen Medien rumlaufen lassen, so in meiner Erfahrung.

00:27:46.540 --> 00:28:01.220
Speaker 0: Das eine sind die berühmten, also reichende Berühmte, die Schauspieler und das andere sind sie, die in der Tech-Industrie arbeiten und natürlich auch besonders in einer Führungsriege, die dann ihre eigenen Kinder sehr oft nicht auf diese Ablassung.

00:28:01.300 --> 00:28:10.400
Speaker 0: tatsächlich auch als ich in den Teams gearbeitet habe oder überhaupt bei Metagat war es oft so dass die Leute eben gesagt haben, die da auch gearbeitet haben ... lieber nicht und so weiter.

00:28:11.520 --> 00:28:17.360
Speaker 0: Und natürlich ist es so, also die wissen eben wie das so gemacht wird als wie dass alles so erstellt wird.

00:28:18.280 --> 00:28:22.660
Speaker 0: Und dann eben die Prominenten sehen natürlich viel mehr auch so das negative.

00:28:23.100 --> 00:28:30.800
Speaker 0: Also klar sie profitieren auf der einen Seite aber sie sehen auch sehr das negative und wollen oft ihre Kinder deswegen auch nicht auf diesen Apps haben und das muss einem auch schon zu denken geben ja?

00:28:31.820 --> 00:28:34.360
Speaker 0: Ich glaube, es gibt wirklich für mich zwei Gründe warum das so ist.

00:28:34.400 --> 00:28:46.260
Speaker 0: Das eine ist eben dass man genau weiß wie das halt alles so funktioniert und also wie schnell man halt eben quasi Dinge sehen kann als junger Mensch oder auch als älterer Mensch die eben nicht gut für einen sind.

00:28:46.340 --> 00:28:54.920
Speaker 0: ja und also irgendwie man muss da jetzt gar nicht irgendwie bis zur Politik gehen sondern es sind viele Dinge eben wie ich gesagt habe so Diäten auch Falschanimation für Gesundheit irgendwie.

00:28:55.320 --> 00:29:03.360
Speaker 0: Also da gibt es auch einige Beispiele von diesen Tidepots, die dann irgendwann mal Jugendliche angefangen haben zu erstens.

00:29:03.440 --> 00:29:08.300
Speaker 0: Das ist wirklich Waschmittel ... Die sehen ja so bunt aus Teilweise, ne?

00:29:08.520 --> 00:29:09.500
Speaker 0: Ich darf mit Deutschland auch.

00:29:10.180 --> 00:29:11.220
Speaker 0: Ja also das ist wirklich schlimm.

00:29:11.680 --> 00:29:17.040
Speaker 0: Also solche Sachen und... Ja, und die wissen halt eben wie das geht.

00:29:17.080 --> 00:29:26.740
Speaker 0: Und dann unter die Prominenten ... Das geht dann oft auch so mehr um dieses Harassment als Beleidigung oder Mobbing, glaub ich heißt das ja bei uns.

00:29:28.920 --> 00:29:30.400
Speaker 0: Die haben vor diesen Dachen Angst.

00:29:31.720 --> 00:29:39.120
Speaker 0: Es ist wirklich so, selbst wenn man da gearbeitet hat... kann man nicht unbedingt sagen, ich weiß jetzt genau wie ich das alles einstellen muss und dann ist es für mein Kind in Ordnung.

00:29:40.580 --> 00:29:50.400
Speaker 0: Also was mich wirklich am meisten berührt hat mal war ... Ich hab da jemanden getroffen, dass war ein Elternteil von einem Mädchen, der sich leider das Leben genommen hat.

00:29:51.420 --> 00:29:56.100
Speaker 0: Der Vater hat mir erzählt ja, ich habe tatsächlich als Engineer im Silicon Valley gearbeitet.

00:29:56.140 --> 00:29:57.500
Speaker 0: Ich wusste, wie alles funktioniert?

00:29:57.540 --> 00:29:58.580
Speaker 0: Ich hab alles eingestellt!

00:29:59.080 --> 00:30:04.880
Speaker 0: Ich hatte alle mögliche Überwachungssachen, hatte ich alles am Start weil ich mich genau auskenne Und mein Kind, das ist doch passiert.

00:30:05.060 --> 00:30:07.520
Speaker 0: Das gibt mir immer noch Gänsehaut.

00:30:07.780 --> 00:30:13.400
Speaker 0: Wenn man das hört ... Das muss einem wirklich Sorgen machen als Eltern?

00:30:14.040 --> 00:30:19.680
Speaker 1: Lass uns auf einmal kurz eingehen oder eintauchen auch in deinem Arbeit.

00:30:20.340 --> 00:30:24.760
Speaker 1: Du warst der Produktforscherin und kommst eigentlich aus der Forschung.

00:30:24.900 --> 00:30:26.620
Speaker 1: Und das weiß vielleicht gar nicht jeder.

00:30:28.040 --> 00:30:43.420
Speaker 1: So wie viele andere Großkonzerne auch eine ... große eigene Forschungsabteilung hat, also dass sie ihre eigenen Produkte beforschen, betesten mit seriösen Forscherinnen und Forschern die vorher an großen bekannten Unis zu Themen gearbeitet haben.

00:30:44.100 --> 00:30:47.080
Speaker 1: Und das war auch, also was du gemacht hast.

00:30:47.540 --> 00:30:49.700
Speaker 1: Magst du uns einmal kurz mitnehmen in diese Zeit?

00:30:49.820 --> 00:30:52.000
Speaker 1: Also was wurde denn da untersucht?

00:30:52.200 --> 00:30:53.520
Speaker 1: Was hast Du erforscht?

00:30:53.820 --> 00:30:56.820
Speaker 1: Wir kennen natürlich die Veröffentlichung von Francis Haugen.

00:30:56.900 --> 00:31:02.240
Speaker 1: Da ist ja viel von dieser Forschung dann mal so schwallweise, schwungweise an die Öffentlichkeit gekommen.

00:31:02.300 --> 00:31:05.180
Speaker 1: Aber magst du es uns einmal erzählen, was genau hast du da eigentlich gemacht?

00:31:06.060 --> 00:31:08.620
Speaker 0: Ja, ich fange mal ganz kurz an.

00:31:08.940 --> 00:31:12.240
Speaker 0: Ich habe vorher auch schon eine Weile studiert.

00:31:12.280 --> 00:31:18.340
Speaker 0: Ich hab erst Sozialwissenschaften in Deutschland gemacht, dann Sozialpsychologie im USA und war von New York.

00:31:18.400 --> 00:31:20.260
Speaker 0: Und dann war ich bei der Uni Penn gewesen.

00:31:26.300 --> 00:31:28.460
Speaker 0: Forschungsrichtungen immer super spannend gefunden.

00:31:28.560 --> 00:31:28.840
Speaker 0: Ich habe z.B.

00:31:29.960 --> 00:31:34.860
Speaker 0: mit Oxytoxin erforscht, eine Psychophysiologie eine Weile.

00:31:34.920 --> 00:31:38.480
Speaker 0: Ich hab experimentelle Psychologie gemacht, da eben bei DM vorerforscht.

00:31:39.100 --> 00:31:43.060
Speaker 0: und dann in der Uni Penn, haben wir dann eben soziale Mediendaten gehabt.

00:31:43.140 --> 00:31:47.880
Speaker 0: Und von da bin ich dann tatsächlich beim Filmetta an ... ist vom Meta angeschrieben worden.

00:31:48.140 --> 00:31:50.740
Speaker 0: Ich hab erst mal ganz lange gedacht, da will ich gar nicht arbeiten.

00:31:50.800 --> 00:31:53.260
Speaker 0: Ich bin nicht so jemanden in seiner Firma arbeiten.

00:31:53.300 --> 00:31:55.900
Speaker 1: Das war ja auch schon nach Cambridge Analytica zum Beispiel?

00:31:55.940 --> 00:31:56.020
Speaker 1: Genau!

00:31:56.060 --> 00:32:02.680
Speaker 1: Also das war ja schon so, dass man damals schon dachte okay, es sind nicht alles nur toll.

00:32:03.580 --> 00:32:04.480
Speaker 0: Richtig, genau so war das.

00:32:04.540 --> 00:32:05.700
Speaker 0: Ich hatte auch schon Tristan Harris's.

00:32:06.440 --> 00:32:07.360
Speaker 0: Dokumentationsreihe gesehen.

00:32:07.540 --> 00:32:07.580
Speaker 0: Ich

00:32:07.660 --> 00:32:08.100
Speaker 1: hab's auch schon.

00:32:08.560 --> 00:32:09.320
Speaker 0: Die ganz auch schon, genau!

00:32:09.360 --> 00:32:10.580
Speaker 0: Ich war eigentlich immer so ein bisschen ihr, die anders

00:32:10.600 --> 00:32:11.800
Speaker 1: ... Ganz bekannter Netflix-Doku.

00:32:12.060 --> 00:32:25.700
Speaker 1: und Tristan Harris ist einer der bekanntesten ehemalige Erfinder mit der Slotmaschine also sozusagen Miterfinder dieser auch problematischen Mechanismen aber heute als ganz großer Kritiker bekannt.

00:32:25.760 --> 00:32:26.580
Speaker 1: ja okay sorry

00:32:27.120 --> 00:32:36.000
Speaker 0: Ja auf jeden Fall, ich weiß nicht, ob ihr das sowas einblenden könnt Aber ich finde immer noch eine der besten eigentlich Dokumentation Filme zu dem Thema, also bis heute.

00:32:36.780 --> 00:32:40.860
Speaker 0: Ich war mich ganz sicher, ob ich das überhaupt will, weil mehr oder weniger als ihre Liste.

00:32:41.120 --> 00:32:50.740
Speaker 0: Mir wurde dann eben gesagt, dass ich mich beworben habe, haben wir ja gesagt, wir wollen eigentlich, dass die Forscher so ein bisschen ... Also gerade die Forsche in diesem Sicherheitsbereitschen forschen.

00:32:50.800 --> 00:32:56.720
Speaker 0: So ein bisschen die Kontrastgesellschaft bilden, dass sie uns sagen, wie können wir das alles sicherer gestalten?

00:32:56.920 --> 00:33:01.260
Speaker 0: Und ich bin als Wildbeing-Experte dort quasi angestellt worden.

00:33:02.340 --> 00:33:03.760
Speaker 0: Mein Titel war erst mal Quantität.

00:33:04.360 --> 00:33:07.880
Speaker 0: User-Researcher heißt das, also quasi quantitative Forschung.

00:33:08.000 --> 00:33:21.960
Speaker 0: Es geht um Surveys und eben halt auch um die Auswertungen von Userdaten usw.. Und habe dann also nach ziemlich langem Haar, da hab ich tatsächlich sechs Monate gebraucht mit meinem Recruiter bis sich dann doch gesagt habe ok jetzt versuche ich es doch.

00:33:22.200 --> 00:33:32.080
Speaker 0: Ich hätte auch zwei kleine Kinder einnehmen muss ich dann so mit einem Roadtrip der Ostküste, über die Dütser Westküstel gefahren mit dem Auto und einem Baby.

00:33:34.820 --> 00:33:36.860
Speaker 0: Und genau also das ist noch so ein bisschen die Vorgeschichte.

00:33:36.940 --> 00:33:37.660
Speaker 0: Das war jetzt nicht so so.

00:33:37.860 --> 00:33:38.980
Speaker 0: ich wollte das immer schon machen.

00:33:39.040 --> 00:33:42.020
Speaker 0: Es war eher so eine ... Ich hatte Bauchschmerzen dabei auf jeden Fall.

00:33:42.660 --> 00:33:46.040
Speaker 2: Aber dir wurde versprochen dass du die Sache besser machen kannst?

00:33:46.120 --> 00:33:50.440
Speaker 2: Du Menschen helfen kannst, sodass du Facebook ungefährlicher machen kannst und Instagram.

00:33:51.060 --> 00:33:51.600
Speaker 0: Genau ja!

00:33:52.360 --> 00:33:54.900
Speaker 0: Also das hat mich dann einfach irgendwie schon überzeugt.

00:33:56.220 --> 00:33:57.120
Speaker 0: Dass sie gesagt haben, ja gut.

00:33:57.520 --> 00:34:15.000
Speaker 0: Wir brauchen Leute die eben diese Experten sind und die helfen können, dass diese Produkte sicherer werden für Menschen natürlich auch für Teenager aber es ging erst mal um wirklich alle User auf der ganzen Welt Und das ist als Forscher sehr spannend.

00:34:16.120 --> 00:34:24.560
Speaker 0: Wenn man sich überlegt wenn ich so Stichproben hatte vorher dann hat man sich gefreut wenn man mal so zweihundert Psychologie Studenten hatte in so einer Studie.

00:34:24.860 --> 00:34:28.699
Speaker 0: Auf einmal hat man zehntausend Menschen zur Verfügung, die man befragen kann.

00:34:29.480 --> 00:34:34.800
Speaker 0: Man kann natürlich auch ganz andere Dinge erreichen und ich meine das jetzt wirklich auch positiv ja?

00:34:36.880 --> 00:34:42.440
Speaker 0: Also viel bessere Rückschlüsse dann führen wenn man halt eine größere Datenmenge haben kann.

00:34:43.179 --> 00:34:46.239
Speaker 0: Und man kann eben auch Interventionen machen wie man das kennt.

00:34:46.460 --> 00:34:53.480
Speaker 0: zum Beispiel was hier nicht unbedingt jeder weiß ist, dass diese die Sozialmedien also so wie das alles gebaut wird.

00:34:53.580 --> 00:35:12.220
Speaker 0: Dass es ganz viele eigentlich Experimente ja gibt, die an Menschen gemacht werden und in der normalen Forschung muss man da ganz viele... Also das kommt von der Forschung tatsächlich von diesem Milgram Experiment und Stanford Prison wurde halt eben ein bisschen unethische Forschung auch gemacht, nicht bisschen sehr unethischen Forschung gemacht worden ist!

00:35:13.680 --> 00:35:21.580
Speaker 0: dass man eigentlich ganz viel auch beweisen muss, das eben die Versuchspersonen in Sicherheit behält während man so forscht.

00:35:22.620 --> 00:35:32.600
Speaker 0: Bei den Apps ist es interessant wenn man so Forschung in Unternehmen macht dann wird eben ganz viel verändert probiert, ausprobiert und so quasi die Menschen ein bisschen das Versuchskaninchen.

00:35:34.560 --> 00:35:35.760
Speaker 0: Und also man muss ... Ja, das stimmt!

00:35:35.820 --> 00:35:37.100
Speaker 1: Davon hab ich auch schon gehört.

00:35:37.240 --> 00:35:37.420
Speaker 1: Also

00:35:37.500 --> 00:35:37.680
Speaker 1: d.h.,

00:35:37.980 --> 00:35:47.580
Speaker 1: da gibt es dann kleine Stichproben oder Gruppen wo man sagt okay hier zum Beispiel verändern wir den Algorithmus oder wir machen für diese ausgewählte Gruppe z.B.

00:35:48.160 --> 00:35:51.260
Speaker 1: unsichtbar wie viele Likes, wie viel Herzchen, ne?

00:35:51.340 --> 00:35:53.080
Speaker 1: Da nehmen wir mal die Zahl weg.

00:35:53.400 --> 00:35:59.360
Speaker 1: Das ist jetzt inzwischen Standard aber einer Zeit lang standen ja die Likezahl immer neben dran bis man irgendwann gesagt hat, nee.

00:36:00.660 --> 00:36:05.420
Speaker 1: Das fördert genau dieses Vergleich und sich gegenseitig ist.

00:36:05.840 --> 00:36:07.880
Speaker 1: Und das ist eigentlich ein ungesunder Mechanismus.

00:36:07.960 --> 00:36:17.360
Speaker 1: aber das wissen wirklich nicht viele dass manchmal sage ich mal mein Instagram anders aussieht als dein Instagram weil vielleicht gerade wieder irgendwo ein Experiment läuft.

00:36:18.120 --> 00:36:18.400
Speaker 0: Richtig!

00:36:18.820 --> 00:36:19.620
Speaker 0: Genau das ist richtig.

00:36:19.700 --> 00:36:20.720
Speaker 0: also meines sieht sowieso anders aus.

00:36:20.760 --> 00:36:22.080
Speaker 0: da ist weil du in Deutschland bist ja nicht hier.

00:36:23.260 --> 00:36:28.120
Speaker 0: Die Sache, was man genau wissen muss ist, dass bei ganz viel dieser Forschung es darum geht.

00:36:29.940 --> 00:36:33.080
Speaker 0: Was dazu führen kann und wo die Menschen mehr Zeit verbringen.

00:36:33.680 --> 00:36:37.700
Speaker 0: Das ist der Kernpunkt, der wichtig zu verstehen ist.

00:36:38.220 --> 00:36:43.560
Speaker 0: Es ist quasi so ... Die Algorithmen, wie sie funktionieren, das ist spannend.

00:36:43.960 --> 00:36:46.000
Speaker 0: Ich sag mal, die ziehen einen digital aus!

00:36:46.980 --> 00:36:47.780
Speaker 0: Und was ich damit meine?

00:36:48.460 --> 00:36:50.800
Speaker 0: Die gucken halt alles, was du so machst.

00:36:50.860 --> 00:36:51.640
Speaker 0: Gucken die sich an?

00:36:51.960 --> 00:37:00.080
Speaker 0: Also ob du irgendwie länger guckst oder wegguckst oder wegklickst oder weiter ganz schnell weiter scrolls oder nur oder langsam.

00:37:00.200 --> 00:37:02.900
Speaker 0: Ob du like klicks oder nicht.

00:37:03.000 --> 00:37:08.740
Speaker 0: Ob Du kommentierst oder nicht und dann aufhörst also auch Dinge, die man gar nicht erwartet.

00:37:09.360 --> 00:37:18.560
Speaker 2: Ich weiß noch, wie ich das erste mal gehört habe Ich dachte bis dahin, wenn ich nicht draufklickte dann weiß der Algorithmus ja nicht dass ich das gesehen habe.

00:37:18.660 --> 00:37:24.400
Speaker 2: Aber selbst wenn man ein bisschen langsamer scrollt und so weiss er, ist es schon ein Signal für einen Algorithmos.

00:37:24.740 --> 00:37:27.440
Speaker 2: Das kommt gar nicht aus dieser Algorithmusfalle raus.

00:37:29.480 --> 00:37:29.980
Speaker 2: Das fand ich echt

00:37:30.340 --> 00:37:31.160
Speaker 0: interessant!

00:37:32.080 --> 00:37:36.720
Speaker 0: Also es ist wirklich, also wenn man auf rechts in Ed klickt.

00:37:36.820 --> 00:37:49.200
Speaker 0: Ob man gibt vielleicht Menschen die, wenn sie ein bestimmtes Video sehen und immer das App rausgehen, ob man aus dem App raus geht, ob mal wieder reinkommt wie schnell mal wieder rein kommt... unglaublich viele Signale, die dann so ausgewertet werden.

00:37:50.040 --> 00:37:56.380
Speaker 0: Es kann einem auch niemand sagen welche genau dafür sorgen dass irgendwas kommt oder so weil das ja eben so viele verschiedene Mikrosignale sind.

00:37:56.440 --> 00:38:15.240
Speaker 0: aber das ist eben für mich auch also das was ich wirklich möchte dass Leute das verstehen weil es ist quasi sind ganz viele so unterbewusste Dinge die man als Mensch macht oder als Kind macht jetzt als Jugendlicher machen die dann eben ausgewertet werden Und sie werden so ausgewertet, dass eben die Signale quasi ... Dass man von denen mehr bekommt.

00:38:15.740 --> 00:38:23.920
Speaker 0: Die damit zusammenhängen, dass man länger bleibt oder wieder kommt und es geht wirklich nur darum diese Zeit zu maximieren.

00:38:24.100 --> 00:38:28.800
Speaker 0: Es geht nicht darum irgendwie was ist das, was am interessantesten für diesen Menschen ist?

00:38:28.900 --> 00:38:31.240
Speaker 0: Oder dem am besten oder am meisten gut tut.

00:38:31.560 --> 00:38:33.480
Speaker 0: Sondern wirklich wertvoll!

00:38:33.560 --> 00:38:36.200
Speaker 0: Also da hängt der Hase auch im Pfeffer.

00:38:36.280 --> 00:38:44.440
Speaker 0: ja weil Wenn man sich das jetzt kombiniert, damit es eben diese vielen anderen Dinge noch gibt wie Notifications zum Beispiel.

00:38:44.480 --> 00:38:48.580
Speaker 0: Wie die immer wieder einen Versuchen zu verführen und wieder aufs F kommen.

00:38:49.720 --> 00:38:52.860
Speaker 0: Dass sie der ganzen Mechanismus so aufgebaut sind ist ein echtes Problem.

00:38:53.300 --> 00:38:58.440
Speaker 0: Das beruht auch zum Teil natürlich auch Forschung.

00:38:58.860 --> 00:39:03.420
Speaker 0: Und dann in der Sicherheitsforschung Dann muss es um andere Dinge gehen.

00:39:04.080 --> 00:39:10.100
Speaker 0: Dann geht's darum irgendwie, welches was zum Beispiel kann jemandem helfen der eben z.B.

00:39:11.340 --> 00:39:24.340
Speaker 0: so Compulsive Views hat also der, der irgendwie in eine Sucht kommt und da habe ich tatsächlich dann auch mit ... Da war die als Francis Hagen dann eben genau, dass diese Leaks kamen.

00:39:24.400 --> 00:39:26.260
Speaker 0: Da waren auch meine Forschung einmal mit dabei.

00:39:26.340 --> 00:39:27.480
Speaker 0: Das war eine ganz spannende.

00:39:27.540 --> 00:39:28.940
Speaker 1: Hab ich die vielleicht sogar gelesen?

00:39:29.280 --> 00:39:33.400
Speaker 1: Ich hab sehr viele Haugen-Files gelesen.

00:39:33.640 --> 00:39:37.080
Speaker 1: Sag mal, du hast so eine Studie oder eine Forschung gemacht.

00:39:37.140 --> 00:39:44.080
Speaker 1: Ich erinnere mich aus den Files ... Wir haben das gesehen und sind Powerpoint-Präsentationen oder PDF-Dokumente.

00:39:44.500 --> 00:39:46.040
Speaker 1: dann gewesen für uns zum Lesen.

00:39:46.460 --> 00:39:50.480
Speaker 1: Die wurden dann in das, ich nenn's mal Facebook-Interne, Facebook gestellt.

00:39:50.520 --> 00:39:59.000
Speaker 1: Das gibt so ein großes Netzwerk innerhalb von Meta und es ist ja oft so dass auch die Piers dazu kommentieren.

00:39:59.600 --> 00:40:08.360
Speaker 1: Und manchmal waren in den Files die Kommentare, die Namen war natürlich alle geschwärzt aber wir konnten dann teilweise auch lesen wie wurde das innerhalb von der Firma diskutiert?

00:40:09.600 --> 00:40:10.500
Speaker 1: Was passiert denn?

00:40:10.520 --> 00:40:17.880
Speaker 1: ... mit so einer Studie, wenn das Ergebnis dem Produkt verantwortlich nicht passt.

00:40:17.960 --> 00:40:23.540
Speaker 1: Weil solche Studien hat es ja reirauf-reirunter auch gegeben also Stichwort Körperbilder.

00:40:23.660 --> 00:40:41.120
Speaker 1: zum Beispiel gab's eine Studie dass also das Instagram für einen Teil der jungen Frauen problematisch ist also stichwort Essstörungen Genau, also wie ist denn der Umgang mit der hauseigenen Forschung gewesen?

00:40:42.380 --> 00:40:47.060
Speaker 0: Das war auch eben das was bei Francis Hagen dann ... Also mit Francis Hagan diesen Daten eben mit dabei war.

00:40:47.680 --> 00:40:49.740
Speaker 0: Also bei diesem League.

00:40:50.180 --> 00:40:55.820
Speaker 0: Das war im Wall Street Journal gewesen und da wurde dann gesagt, ja ganz viele Menschen haben eben dieses Problem.

00:40:55.900 --> 00:41:07.440
Speaker 0: Und was halt eben bei mir interessant war, es war schon vorher eine Studie durchgeführt worden von Metta die auch veröffentlicht wurde wo sie gezeigt haben das drei Prozent der User eben dieses problem hatten.

00:41:07.660 --> 00:41:15.800
Speaker 0: Bei mir waren's dann zehn bis zwanzig Prozent je nach dem wo auf der Welt Und es lag daran, dass eben meine Definition ein bisschen anders war.

00:41:15.860 --> 00:41:35.600
Speaker 0: Und zwar habe ich gesagt, wenn Leute halt ... Es ist so definiert, wenn man gefühlt keine Kontrolle hat über die Zeit, die man auf diesen sozialen Medien verbringt und dann einen negativen Einfluss auf sein Leben spürt, und zwar wieder auf den Schlaf oder auf Beziehungen, also zwischenmenschliche Beziehung, die Arbeit, die Präsenz als Eltern.

00:41:35.660 --> 00:41:36.760
Speaker 0: das hab ich noch dazugenommen.

00:41:37.180 --> 00:41:48.440
Speaker 0: Natürlich war ich Mama, aber ich hab das auch in der Forschung gemerkt, dass es ihnen ganz wichtig war Der Eltern gesagt haben, ich hab meinen Baby hier zu Hause und irgendwie ... Ich bin immer abgelingt.

00:41:49.060 --> 00:41:53.240
Speaker 0: Und ich kann gar nicht mit meinem Kind gerade so präsent sein.

00:41:54.060 --> 00:41:58.080
Speaker 0: Also wir hatten dann ein bisschen weniger ... Ein bisschen weniger strengen Cut-Off.

00:41:58.460 --> 00:42:13.800
Speaker 0: Wir haben eben gesagt, wenn es oft oder immer so ist, also nicht nur irgendwie ... Das macht natürlich große Unterschiede, ob man jetzt eine Größe oder kleinere Menge mit reinnimmt.

00:42:14.460 --> 00:42:17.860
Speaker 0: Und das wurde dann eben bei diesen Leaks dabei.

00:42:18.100 --> 00:42:22.560
Speaker 0: und genau also das muss ich sagen ist schon... Also ich finde es ein sehr wichtiges Thema.

00:42:22.660 --> 00:42:25.800
Speaker 0: ja weil natürlich gibt's diese Dinge wie die Essstörungen usw.

00:42:26.160 --> 00:42:39.420
Speaker 0: Da kann man den Eltern denken naja gut mein Kind ist nicht magersüchtig oder weiß ich nicht suizidal oder so was kann da schon passieren aber Es ist halt eben ganz wichtig zu sagen, dass für mich eigentlich dieses Suchtpotenzial in der wichtigsten schlimmsten Dinge ist.

00:42:39.960 --> 00:42:41.220
Speaker 0: Weil das Problem ist.

00:42:41.260 --> 00:42:49.980
Speaker 0: es heißt natürlich wenn jemand also immer mehr Zeit verbringen möchte auf diesen Apps zum Beispiel ja dann ist natürlich immer mehr Risiko auch da.

00:42:50.280 --> 00:42:56.700
Speaker 0: Also mehr Risik wo dann eben gefährliche Inhalte zu sehen, mehr Risiko eben von jemandem kontaktiert zu werden.

00:42:56.780 --> 00:42:57.680
Speaker 0: Der nicht sicher ist.

00:42:57.740 --> 00:43:09.460
Speaker 0: mehr Risiken dass man Mobbing erfahren kann und deswegen ist das eines der größten Probleme und ich glaube davor ist eigentlich so fast kein Jugendlicher und auch fast kein Mensch richtig sicher.

00:43:10.140 --> 00:43:12.880
Speaker 1: Aber wie sind Meter dann damit umgegangen mit der Studie?

00:43:14.760 --> 00:43:17.300
Speaker 1: Oder würde mich interessieren, man macht diese eigene Forschung.

00:43:17.360 --> 00:43:21.800
Speaker 1: Man lässt die machen und betreibt mit einem mittelgroßen Aufwand in deinem Fall.

00:43:22.920 --> 00:43:25.360
Speaker 1: Das ist ein Wahnsinn, wenn man die befragt.

00:43:25.900 --> 00:43:28.500
Speaker 1: Dann bekommt man so einen Ergebnis als Konzern?

00:43:28.560 --> 00:43:31.140
Speaker 1: Was einem vielleicht gar nicht passt ...

00:43:31.200 --> 00:43:33.020
Speaker 2: Und das sieht man auch in den aktuellen Verfahren.

00:43:33.340 --> 00:43:35.020
Speaker 2: Ich hab mal über eines davon berichtet.

00:43:35.160 --> 00:43:40.620
Speaker 2: Da wurden interne Dokumente von Schreiben direkt von Zuckerberg verlesen.

00:43:41.300 --> 00:43:43.640
Speaker 2: wo im ganz klar war, die Metrik für Erfolg war.

00:43:43.760 --> 00:43:47.460
Speaker 2: Wir erhöhen die Verweildauer jetzt um so und so viele Minuten im Jahr.

00:43:47.520 --> 00:43:48.780
Speaker 2: also es geht ja.

00:43:48.960 --> 00:43:53.300
Speaker 2: das sind ja komplett gegensätzliche Interessen wenn du sagt hast man muss junge Leute schützen.

00:43:53.500 --> 00:43:58.820
Speaker 2: aber dass ist die Zielvorgabe vom obersten Management ist wir müssen sie länger auf unserer Plattform halten.

00:44:01.920 --> 00:44:03.940
Speaker 0: Genau, so ist das.

00:44:04.020 --> 00:44:10.240
Speaker 0: Wir hatten damals ein Team gehabt in dem wir diese Features gebaut haben.

00:44:10.660 --> 00:44:15.300
Speaker 0: und wie gesagt das Problem für Firmen ist nicht die fehlenden Daten.

00:44:15.780 --> 00:44:16.440
Speaker 0: Die Daten sind da.

00:44:16.700 --> 00:44:25.560
Speaker 0: ich glaube schon dass sie wissen Sie haben sehr viele Forscher die eben auch sehr ausgebildet sind also Leute mit Doktor Titel und Postdoc usw.

00:44:25.920 --> 00:44:31.000
Speaker 0: die Jahre geforscht haben Diplinen, die dann in diesen Unternehmen arbeiten.

00:44:31.060 --> 00:44:32.460
Speaker 0: Also mittlerweile werden die alle auch.

00:44:32.920 --> 00:44:36.920
Speaker 0: mit AI ersetzt, aber auf jeden Fall in der Zeit von vor sieben Jahren, wo ich da angefangen habe nach acht.

00:44:36.980 --> 00:44:38.660
Speaker 0: mittlerweile war das schon noch so.

00:44:38.800 --> 00:44:40.860
Speaker 0: Ja und also die Daten gab es.

00:44:40.940 --> 00:44:48.720
Speaker 0: und im Moment damals war's noch so, dass geforscht wurde, aber dann eben die Forschung nicht unbedingt öffentlich gelegt ja?

00:44:48.920 --> 00:45:04.140
Speaker 0: Und heute ist es halt so, auch die Forschungen gar nicht mehr so passiert, da können wir gleich später nochmal drüber sprechen, aber dass das eben ganz vermieden wird überhaupt die Forschungszumachen, was natürlich noch viel problematischer Und man darf auch nicht mehr so öffentlich drüber sprechen, also in der Intere nicht mehr drüber reden.

00:45:04.720 --> 00:45:05.320
Speaker 0: Was auch ein Problem ist.

00:45:05.680 --> 00:45:20.580
Speaker 0: Aber damals war es halt wirklich das schon ... Ich hab zum Beispiel diese ganzen Reports immer dann auch ... aufgeschrieben und damals noch auch wirklich intern in unser Intense-Netz dann gestellt, dass wir die verschiedenen Teams wissen.

00:45:20.740 --> 00:45:29.100
Speaker 0: Das war ganz wichtig natürlich weil also die Teams, die zum Beispiel jetzt dafür zuständig sind quasi das die Leute immer mehr Zeit verbringen, ja?

00:45:29.420 --> 00:45:41.340
Speaker 0: Also die growth teams müssen ja auch wissen, dass es eben dieses Problem gibt und dass es Menschen gibt in der Firma oder Mitarbeiter gibt, die an dieser Sicherheit erforschen, die quasi so die Bremsen mit einbauen, den Airbag einbauten.

00:45:41.780 --> 00:45:45.820
Speaker 0: diese ganzen Sicherheitsmaßnahmen, die jetzt auch für Kinder sehr viel diskutiert werden.

00:45:45.860 --> 00:45:49.880
Speaker 0: Das sind quasi so der Airbag und der Sicherheitsgurt wie im Auto ja?

00:45:50.900 --> 00:46:00.320
Speaker 0: Und also das war schon so dass das eben gewusst wurde und wir haben auch in dem Team wo ich damals eingestellt wurde tatsächlich Dinge gebaut, also die dann mithelfen sollten.

00:46:00.400 --> 00:46:01.540
Speaker 0: Ja das war so das Ziel!

00:46:02.040 --> 00:46:09.700
Speaker 2: Zum Beispiel wir sahen denn dir aus hast du Maß... Also Du hast Dinge gebaut die Jugendlichen helfen auf wegzugehen von Social Media sozusagen.

00:46:09.920 --> 00:46:25.140
Speaker 0: Genau, also um das ganz richtig zu sagen es war jetzt gegen damals nicht tatsächlich nicht um Jugendliche, es ging um alle User aber es waren so Sachen wie natürlich Jugendliche sind damit dabei ja aber die weiß ich die Hauptzielgruppe wobei wir schon wussten dass Jugendliche eine wichtige Zielgruppe sind das wusste jeder.

00:46:27.060 --> 00:46:31.920
Speaker 0: Aber Sachen wie zum Beispiel Screentime war damals, das war noch ganz neu.

00:46:32.020 --> 00:46:33.380
Speaker 0: Das kann man sich nicht mehr vorstellen.

00:46:33.540 --> 00:46:38.480
Speaker 0: Dieses Pop-Up, was dann sagt ... Jetzt musst du mal irgendwie mal ... Könntest du vielleicht mal gehen oder so?

00:46:40.240 --> 00:46:44.480
Speaker 0: Dann hatten wir ... wie das Bundling von Notifications.

00:46:44.560 --> 00:46:53.880
Speaker 0: Also zum Beispiel, wo wir eine Sache, die wir so getestet haben ... Dass man sagt ja, man kriegt irgendwie alle Notifikationen an einem zusammengefasst.

00:46:54.280 --> 00:46:59.580
Speaker 0: Also in einem bestimmten Moment sind auch alles Sachen, die sind mittlerweile im öffentlichen Rekord drin.

00:47:00.800 --> 00:47:01.500
Speaker 0: Kann man schon übersprechen?

00:47:02.320 --> 00:47:03.160
Speaker 0: Solche Dinge.

00:47:03.240 --> 00:47:14.960
Speaker 0: und das Spannende war, wir haben das tatsächlich getestelt mit Leuten, von denen wir wussten, dass sie eben diese Problematik haben mit dieser Ansatz zur Sucht Und haben denen das quasi gezeigt in verschiedenen Ländern, in Brasilien und so weiter.

00:47:15.600 --> 00:47:18.520
Speaker 0: Ich glaube es war in Indien und in USA auch.

00:47:18.980 --> 00:47:21.920
Speaker 0: Und haben dann irgendwie gesehen also für wen ist das gut?

00:47:22.020 --> 00:47:25.800
Speaker 0: Für wen ... Also wie finden die Leute das und würde ihnen das helfen?

00:47:25.880 --> 00:47:27.140
Speaker 0: War quasi so die Hauptfrage.

00:47:27.200 --> 00:47:34.540
Speaker 0: Und bei einigen so ist das halt ganz normal die Forschung man zeigt dass den Leuten erst mal diese Konzepte oder sagen sie ja das glaub ich würde mir helfen, das glaube ich würde mich nicht helfen.

00:47:35.060 --> 00:47:38.580
Speaker 0: Das Ziel war wirklich was kann man ändern für diese Menschen?

00:47:38.640 --> 00:47:47.700
Speaker 0: Was kann man denen anbieten damit Damit sie sich selber helfen können, damit sie nicht so suchthaft diese Apps nutzen.

00:47:48.320 --> 00:47:53.980
Speaker 0: Das Spannende war halt das eben dann nach wenigen Monaten, dass Team eingestampft worden ist und wir wussten alle nicht warum.

00:47:55.540 --> 00:47:57.180
Speaker 0: Weil eigentlich alles super ... Ich hab's nicht mal gesagt, wir wollen

00:47:57.220 --> 00:48:00.480
Speaker 2: es nicht mehr sondern einfach nur, wir schmeißen immer weg.

00:48:02.300 --> 00:48:07.200
Speaker 0: Genau also das war schon ein Moment wo wir all gedacht haben was jetzt los?

00:48:07.300 --> 00:48:13.960
Speaker 0: Also weil eigentlich lief alles super Das ist ein großes Problem, also das gibt ganz die Leute, die da eben dieses Problem haben.

00:48:14.400 --> 00:48:17.500
Speaker 0: Wir haben diese ganzen Features jetzt irgendwie und die kommen irgendwie auch gut an.

00:48:17.660 --> 00:48:20.840
Speaker 0: Und jetzt geht es richtig los und dann ging's gar nicht los!

00:48:21.400 --> 00:48:22.640
Speaker 0: Dann musst du uns alle neue Teams suchen.

00:48:22.980 --> 00:48:31.880
Speaker 0: Das heißt halt so entweder du kriegst neues Team oder du bist dann gefeuert quasi... Also ich hab dann zum Glück am selben Tag gleich mehrere Angebote zum Glück gehabt für neue Teams.

00:48:32.000 --> 00:48:35.660
Speaker 0: aber das war schon irgendwie spannend und das ist halt so eine Sache.

00:48:35.720 --> 00:48:38.860
Speaker 0: wo ich dann wirklich gemerkt habe so oh das ist jetzt irgendwie sehr überrascht.

00:48:39.180 --> 00:48:42.200
Speaker 0: Und genau, und also dieserzeit eben wurde noch mehr Forschung gemacht.

00:48:42.260 --> 00:48:57.400
Speaker 0: Aber später dann habe ich auch in dem Richtsache darüber gesprochen, wurde dann viel unterdrückt und wurde leider nicht mehr so viel Forschung Probleme.

00:48:58.580 --> 00:49:07.660
Speaker 1: Du bist ja trotzdem relativ lange geblieben, also Francis Haugen ist ja Ende zwanzig-einundzwanzig an die Öffentlichkeit gegangen da warst du mitten drin.

00:49:07.760 --> 00:49:18.300
Speaker 1: du hast es eben gesagt du hast ja damals die Schlagzeilen gelesen du hast vielleicht auch die Senatsanhörungen gesehen bist aber trotzdem geblieben auch trotz deiner eigenen Erfahrung.

00:49:18.460 --> 00:49:18.760
Speaker 1: warum

00:49:21.120 --> 00:49:22.180
Speaker 0: Ja, mehrere Gründe.

00:49:23.000 --> 00:49:27.400
Speaker 0: Es ist ja so, dass ich diesen Auftrag erst mal sehr ernst genommen habe.

00:49:27.760 --> 00:49:34.360
Speaker 0: Den Auftrag zu sagen, du bist jetzt... dafür zuständig eben quasi für diese Sicherheitsforschung.

00:49:34.500 --> 00:49:35.920
Speaker 0: Also, ne und auch überhaupt.

00:49:35.980 --> 00:49:39.300
Speaker 0: also darf das dieses Produkt eben ethisch gebaut wird egal wo.

00:49:39.400 --> 00:49:41.200
Speaker 0: ich war an vielen vielen Teilen der Firma.

00:49:41.300 --> 00:49:45.040
Speaker 0: Ich war auch selbst im Growth gewesen also in also Teams.

00:49:45.920 --> 00:49:54.600
Speaker 0: Ich war zum Beispiel bei Gruppen bei Facebook Gruppen eine Weile gewesen bin auch Manager gewesen Und habe auch gesehen wie die andere Seite so arbeitet und da geht es halt natürlich.

00:49:55.340 --> 00:50:00.980
Speaker 0: Natürlich, das Selbstverständnis von diesen Teams ist nicht so möglichst lange wie da bleiben.

00:50:01.520 --> 00:50:07.940
Speaker 0: Das Selbstständige ist, man möchte die besten Gruppen haben für Leute, dass Leute ihre Leute finden und so weiter.

00:50:08.460 --> 00:50:16.360
Speaker 0: Dass die Creators irgendwie ... quasi ihre Ideen an die meisten Leute kriegen und so weiter.

00:50:16.700 --> 00:50:22.880
Speaker 0: Und ab zum Beispiel auch bei den News gearbeitet eine Weile, also während einer der Wahlen in den USA.

00:50:23.760 --> 00:50:30.140
Speaker 0: Und dann am Ende eben für zwei Jahre in dem Well-Being Team wo es wirklich um die Altersbegrenzung gegangen ist.

00:50:32.580 --> 00:50:35.360
Speaker 0: Also ich glaube, das ist zum einen was wirklich so, dass es sich so angefüllt hat.

00:50:35.420 --> 00:50:41.560
Speaker 0: Wenn ich jetzt noch gehe dann gibt's... also ich war immer jemand der schon ziemlich auch stark dafür gesorgt hat.

00:50:41.760 --> 00:50:42.540
Speaker 0: Für zwei Dinge eigentlich.

00:50:42.580 --> 00:50:52.560
Speaker 0: Das eine war eben, dass mir halt die Gruppe der Forscher sehr wichtig war weil viele von uns eben... also in uns vielen von uns ist sehr wichtig, war eben dass diese Produkte sicher gebaut werden.

00:50:53.120 --> 00:50:56.900
Speaker 0: Deswegen kommen sie eben, weil wir was Gutes tun.

00:50:57.620 --> 00:51:07.220
Speaker 0: Das ist für diese Wut machen wollten und ich wollte halt wirklich das auch weiterhin die weiter unterstützen, damit wir alle diese Arbeit machen können.

00:51:07.540 --> 00:51:19.140
Speaker 0: Das Zweite ist man denkt dann natürlich wenn es jetzt ... Wenn hier mehr Leute gehen wie ich, die eben halt das Herz im richtigen Fleck haben, desto weh also desto weniger kann man es unangenehm machen.

00:51:20.620 --> 00:51:30.280
Speaker 0: Also Produkte eben nicht irgendwie ethisch gebaut werden oder wenn eben Dinge halt, also dafür einstehen auch die Forschung überhaupt gemacht wird.

00:51:31.280 --> 00:51:32.240
Speaker 0: Das ist noch so eine Sache ja?

00:51:32.920 --> 00:51:45.000
Speaker 0: Also das war schon...also das ist eigentlich ne sehr häufige Einstellung von Leuten, die eben noch da arbeiten und sagen okay ohne mich dann beschwert sich keiner mehr oder setzt dich keiner mehr ein Richtig, ist es noch schlimmer.

00:51:46.580 --> 00:51:50.620
Speaker 0: Natürlich sind andere Dinge auch natürlich ... Es ist ein gutes Gehalt und muss man auch sagen.

00:51:50.880 --> 00:51:54.300
Speaker 0: Aber ich muss wirklich sagen für mich war das nicht so der Hauptgrund.

00:51:54.880 --> 00:52:02.300
Speaker 0: Am Anfang vielleicht eher, weil wenn man erst mal umgezogen ist und weiß wie viel Schulden hat von einem Umzug mit den kleinen Kindern

00:52:02.360 --> 00:52:02.560
Speaker 0: usw.,

00:52:04.320 --> 00:52:05.680
Speaker 0: aber da wars eigentlich noch gut.

00:52:06.400 --> 00:52:19.700
Speaker 0: Das war eher der Grund zu sagen ja, ich möchte weiterhin diese Forschung machen, sonst macht sie vielleicht keiner weil sie hatten diese Gerichtlinien, dass man die Forschung so und so machen soll.

00:52:20.060 --> 00:52:24.960
Speaker 0: Man durfte gewisse Dinge gar nicht mehr erforschen als Forschungsfrage zum Beispiel.

00:52:26.100 --> 00:52:38.120
Speaker 0: Eine Sache für die ich mich am Ende eingesetzt habe, was ich auch vor Gericht gesagt hab ist das, ich eben erforsche wollte wie viele Eltern ihre Kinder unter drei Zählen auf diesen Apps lassen damit wir wissen warum das passiert und wie wir das bekämpfen können.

00:52:38.800 --> 00:52:40.180
Speaker 0: Das war dann eben nicht erlaubt.

00:52:40.800 --> 00:52:42.500
Speaker 0: Und das sind also all diese Dinge.

00:52:43.280 --> 00:52:52.080
Speaker 0: Also, das war schon ziemlich ... Als Forscher sehr, sehr schwer für mich und man musste auf bestimmte Arten auch schreiben.

00:52:52.580 --> 00:52:59.620
Speaker 0: Man durfte zum Beispiel nicht sagen wie die Firma muss oder sollte das machen, sondern man musste so ganz komisch schreiben.

00:52:59.700 --> 00:53:05.500
Speaker 0: Wie die Firma sollte sich überlegen... Da sollte sich das und das vielleicht zu machen.

00:53:05.560 --> 00:53:05.600
Speaker 1: You

00:53:05.680 --> 00:53:08.080
Speaker 2: might want to think about so richtig amerikanisch?

00:53:08.780 --> 00:53:08.840
Speaker 0: Ja!

00:53:09.140 --> 00:53:13.240
Speaker 0: Genau Da denkt ja kein Team, jetzt muss sich da wirklich handeln.

00:53:13.800 --> 00:53:14.840
Speaker 0: Ja das ist schon schwierig.

00:53:14.920 --> 00:53:19.240
Speaker 0: also das ist halt eben das wo man was dann auch wirklich meiner Meinung nicht mehr ethisch ist.

00:53:19.940 --> 00:53:41.200
Speaker 0: und wenn wir jetzt darüber reden wie es weitergeht die Forschung ist halt das einzige was eigentlich helfen kann meiner meinung nach um diese medien auch sicherer zu machen weil und da geht's einem dieses safety by design und im moment ist es so wir müssen beweisen dass irgendwas nicht sicher ist für Jugendliche oder für Menschen überhaupt.

00:53:41.700 --> 00:53:50.620
Speaker 0: Und das kann ja eigentlich nicht sein, also in jeder anderen Industrie würden wir nicht akzeptieren, dass wir irgendwie gucken ob das Auto jetzt sicher ist.

00:53:53.840 --> 00:54:03.940
Speaker 1: Während des Millionen von Menschen fahren, sondern eigentlich sagt man ja dieses Auto wird nur zugelassen wenn wir wissen, dass es sicher

00:54:05.720 --> 00:54:08.520
Speaker 0: Oder halt so ein Baby-Video oder sowas.

00:54:08.720 --> 00:54:17.000
Speaker 0: Das wird sofort zurückgerufen, wenn da irgendwas nicht stimmt und das ist jetzt eben die Beweis, dass es jetzt andersrum ... Und das hab ich ja vorhin schon mal erklärt.

00:54:17.360 --> 00:54:22.300
Speaker 0: Das kann ja überhaupt nicht funktionieren weil die einzigen, die wirweise haben sind hier eigentlich die Filme, die haben die Daten.

00:54:22.360 --> 00:54:28.000
Speaker 0: also von außen kommt man auch gar nicht dran und deswegen brauchen wir diesen Forschungszugang eben.

00:54:29.420 --> 00:54:34.080
Speaker 0: Weil sonst eine Handvoll von Menschen wirklich wissen können was los und wie das funktioniert.

00:54:34.480 --> 00:54:34.600
Speaker 0: Und

00:54:35.320 --> 00:54:37.900
Speaker 2: bist du entlassen worden, weil du das gefordert hast?

00:54:38.200 --> 00:54:39.440
Speaker 2: Oder wie kam das zu deiner Entlassung.

00:54:39.940 --> 00:54:41.220
Speaker 0: Ja genau also es ist so gewesen.

00:54:41.260 --> 00:54:46.080
Speaker 0: wir hatten diese Richtlinien halt wie wir dann schreiben sollten und wie wir auch sprechen sollten und also nichts.

00:54:47.080 --> 00:54:52.580
Speaker 0: Es ging um alles von vom Chat bis zum Forschungsberichten und das ging für mich einfach nicht.

00:54:52.620 --> 00:55:01.980
Speaker 0: Also ich habe das sogar so wie es für mich ethisch und vom Gewissen her zu vertreten war versucht sogar ein bisschen zu machen wie sie das wollten aber Es ging wirklich nicht.

00:55:02.820 --> 00:55:18.240
Speaker 0: Ich habe ja meine eigene Ethik oder mein eigenes Gewissen als Forscher und ich musste dann irgendwie auch Wege finden, wie ich das sagen konnte zum Beispiel in meinen Teams, dass sie den Team sagen, das haben wir gesehen, das ist ein Problem und das müssen wir ändern.

00:55:19.080 --> 00:55:29.140
Speaker 0: Man muss dazu sagen die Teams, an denen ich gearbeitet hab in den zwei Jahren am Ende ... Das waren Teams, deren Aufgabe es war diese Sicherheitsvorgaben zu bauen.

00:55:29.180 --> 00:55:31.360
Speaker 0: Und ich war gerade für die Altersbegrenzung zuständig.

00:55:31.580 --> 00:55:35.240
Speaker 0: Ich war dazu zuständig wirklich zu schauen wie können wir feststellen?

00:55:35.400 --> 00:55:39.680
Speaker 0: Wie alt jetzt jemand ist und das ist ja die Grundlage von diesen ganzen Teen-Accounts zum Beispiel.

00:55:39.880 --> 00:55:50.120
Speaker 0: Also alle diese Grundlagen also all diese Jugendschutz eben Settings und Geschichten, die funktionieren natürlich nur wenn wir wissen wie alt jemand ist.

00:55:50.240 --> 00:55:56.140
Speaker 0: Ja und dafür war ich eben zuständig zum Beispiel Ich hab mir dann immer weh gesuchen müssen, wie ich das dem Team klarmache.

00:55:56.200 --> 00:55:57.700
Speaker 0: Dass wir wirklich handeln müssen und so.

00:55:57.800 --> 00:55:59.520
Speaker 0: Und dass die Leute informiert waren.

00:56:00.340 --> 00:56:04.800
Speaker 0: Ich habe immer wieder das Feedback bekommen anders schreiben, anders sagen.

00:56:05.560 --> 00:56:06.520
Speaker 0: Es hat nicht richtig funktioniert.

00:56:07.040 --> 00:56:10.460
Speaker 0: Irgendwann hab ich gemerkt, ehrlich gesagt, ich kann das auch einfach nicht.

00:56:10.520 --> 00:56:15.200
Speaker 0: Also ich kann nicht noch mehr irgendwie jetzt meine Stimme verstummen lassen.

00:56:16.500 --> 00:56:19.560
Speaker 0: Es ist mir dann auch irgendwie ... Egal, dann sollen sie mich eben gehen lassen.

00:56:19.600 --> 00:56:20.460
Speaker 0: Es ist wahrscheinlich eh besser.

00:56:21.020 --> 00:56:27.180
Speaker 0: Irgendwie bin es ich das als jemand der vielleicht in einer finanziellen schwierigen Lage ist oder so, der da noch forscht und so.

00:56:27.820 --> 00:56:31.160
Speaker 0: Aber man muss irgendwie auch für seine eigenen Werte einstehen.

00:56:31.240 --> 00:56:34.120
Speaker 0: Und also muss ich ehrlich sagen ... Darauf bin ich auch stolz.

00:56:35.880 --> 00:56:42.040
Speaker 0: Man kann kaum stolzer darauf sein, entlassen zu werden, dass man sich über das Richtige eingesetzt hat.

00:56:42.860 --> 00:56:47.260
Speaker 0: Ich denke halt, das ist ganz wichtig, dass wir uns klarmachen.

00:56:47.520 --> 00:56:57.340
Speaker 0: Im Moment ist es so, egal was man als Eltern macht, eigentlich kann das nicht sicher sein, dass alles funktioniert und selbst mit diesen neuen Gesetzen muss man immer noch aufpassen.

00:56:57.460 --> 00:57:12.320
Speaker 0: Weil wenn wir die unabhängige Forschung anschauen, die rauskommt ... Es ist halt so, dass ganz viele junge Menschen eben immer noch um diese Altersbegrenzungen rumkommen, weil das aber noch nicht so ... gut gebaut ist.

00:57:12.660 --> 00:57:13.560
Speaker 0: und auch das Design.

00:57:13.900 --> 00:57:21.080
Speaker 0: Das gute Design müsste eigentlich ganz einfach auch verstehen sein, Daten schon für den User eben Risiko haben.

00:57:21.180 --> 00:57:28.500
Speaker 0: Auch für Eltern, wenn die was einstellen müssen, ganz einfach muss auf jedem App gleich aussehen so sind die Symbole, so steh ich das ein, dass passiert dann am Ende.

00:57:29.220 --> 00:57:35.780
Speaker 0: Und im Moment ist es alles eigentlich ziemlich noch ziemlich chaotisch und ziemlich also ziemlich schlecht.

00:57:36.600 --> 00:57:45.080
Speaker 2: Also Forschung ist eines, aber diese Forschung zu nutzen um die Verweildauer zu erhöhen und das Ganze noch problematischer zu machen.

00:57:45.680 --> 00:58:00.680
Speaker 2: Ist natürlich die falsche Richtung und das ist glaube ich ja ein ganz guter Punkt wie du sagst dass man regeln müsste welche Signale genutzt werden dürfen und in welcher Form um das wirtschaftliche Interessen dieser Firma zu stärken und welche genutze werden müssen um die Menschen zu schützen.

00:58:01.340 --> 00:58:01.900
Speaker 0: Genau, richtig.

00:58:03.100 --> 00:58:03.400
Speaker 0: Ich hab z.B.

00:58:03.780 --> 00:58:11.320
Speaker 0: mit den Australiern zusammengearbeitet und mit dem Integrated Institute, wo ich auch irgendwie ernehmlich dabei bin.

00:58:11.760 --> 00:58:20.160
Speaker 0: Da haben wir auf deren Gerichts-, nicht gerichtsgesetzes Entwurf die Kinder-Sicherheit, da haben wir auch so mit Dingen empfohlen.

00:58:20.900 --> 00:58:35.480
Speaker 0: Mit Kalifornien habe ich auch ein bisschen zusammengereitet, wenn sie Gesetze haben, dass man dann so mal schaut als unabhängiger Mensch und Experte auch dann eben ein bisschen Rad gibt.

00:58:36.320 --> 00:58:37.980
Speaker 0: Das ist so, was ich ganz spannend finde.

00:58:38.060 --> 00:58:45.520
Speaker 0: jetzt wo ich weg bin wenn ich gesetztes Entwürfe sehe, auch das Settlement von Metta sehe Ich sehe sofort, wie läuft es schief.

00:58:46.920 --> 00:58:47.920
Speaker 0: Wie muss man das schreiben?

00:58:48.020 --> 00:58:53.900
Speaker 0: Weil wenn man diese Gesetze zu eng schreibt, kann's keinen Vortritt mehr geben.

00:58:54.040 --> 00:58:58.800
Speaker 0: Wir haben gerade über die Signale von Alter gesprochen und es gibt z.B.

00:58:59.120 --> 00:59:00.100
Speaker 0: auch ganz spannende Sachen.

00:59:00.380 --> 00:59:10.520
Speaker 0: Neue Forschung, welche Emojis Leute benutzen, wie schnell sie schreiben, welche Wörter sie benutzen ... Da kann man auch das Alter sehen.

00:59:10.700 --> 00:59:11.660
Speaker 0: Und ich glaube, dass sofort, ne?

00:59:11.800 --> 00:59:19.280
Speaker 0: Ich bin mittelmützig und meine Kinder schon als sie klein waren konnten die irgendwie... Das haben ja viele Eltern, die sind so

00:59:19.400 --> 00:59:19.540
Speaker 2: recht.

00:59:19.660 --> 00:59:20.040
Speaker 2: Die haben

00:59:20.080 --> 00:59:21.220
Speaker 0: ja nie so ein Ding in der Hand!

00:59:21.740 --> 00:59:23.560
Speaker 0: Und intuitiv wischen, die Wisch-Wisch-wischen.

00:59:23.620 --> 00:59:27.700
Speaker 0: Auf einmal weiß ich nicht bei Amazon oder haben sich jetzt irgendwie einen Teddybär bestellt oder so.

00:59:29.560 --> 00:59:31.520
Speaker 0: Ich muss gar nicht wieder das Ding entsperrt haben.

00:59:32.220 --> 00:59:33.020
Speaker 0: Und so ist das halt eben.

00:59:33.600 --> 00:59:38.360
Speaker 0: Ich glaube schon, dass man diese Signale auch für die Altersbestimmung sehen kann.

00:59:38.400 --> 00:59:42.020
Speaker 0: und was vorhin auch die Sphäre gesagt hat, es ist wichtig zu verstehen.

00:59:42.060 --> 00:59:45.000
Speaker 0: Man kann natürlich nicht sagen, ist derjenige jetzt zwölfundhalb oder dreizehn?

00:59:45.960 --> 00:59:48.220
Speaker 0: Das ist noch ein ganz wichtiges Thema, wenn's um diese Gesetze geht.

00:59:48.660 --> 00:59:55.720
Speaker 0: Also man darf, man kann das natürlich nicht so machen, dass dann am dreizehnten, fünfzehnten wie auch immer Geburtstag der Mensch freigeschaltet ist.

00:59:55.760 --> 00:59:56.720
Speaker 0: Das muss man ganz klar sehen

00:59:56.960 --> 00:59:57.600
Speaker 2: bei...

00:59:57.740 --> 01:00:02.220
Speaker 0: Also sobald es nämlich so wäre, dass man am Geburtstag freigeschaltet wird weiß ja sofort das App wie das Geburts.

01:00:02.560 --> 01:00:03.140
Speaker 0: Datum, ne?

01:00:03.779 --> 01:00:07.960
Speaker 0: Also das heißt also man muss eigentlich dann... Das sind Sachen die mir dann so einfallen wenn ich solche Gesetze sehe.

01:00:08.040 --> 01:00:08.100
Speaker 0: Ja!

01:00:08.600 --> 01:00:13.799
Speaker 0: Also da muss man es eigentlich so machen dass sie dann alle in so einer Kohorte quasi dran kommen.

01:00:13.839 --> 01:00:19.819
Speaker 0: Das heißt also dann müsste also eigentlich ein Kind.. Das eine Kind ist dann zwölf und halb und das nächste Kind ist dreizehn und halbe oder

01:00:20.520 --> 01:00:25.360
Speaker 1: wie bei Schulklassen zum Beispiel oder Fußballjugend oder so.

01:00:25.839 --> 01:00:26.980
Speaker 1: Vielen Dank Annika.

01:00:27.080 --> 01:00:30.360
Speaker 1: auch Danke nochmal jetzt für den Ausblick und die Maßnahmen.

01:00:30.940 --> 01:00:33.339
Speaker 1: Eine Frage bleibt Jetzt für mich noch zum Schluss.

01:00:33.960 --> 01:00:39.960
Speaker 1: Du hast ganz am Anfang gesagt, dein eigenes Kind hat bald Geburtstag, wird dreizehn und fiebert auf seinen Instagram-Accounten!

01:00:41.819 --> 01:00:42.779
Speaker 1: Wie wirst du entscheiden?

01:00:43.160 --> 01:00:44.180
Speaker 1: Kannst du es hier verraten?

01:00:44.240 --> 01:00:45.740
Speaker 1: Sie hört vielleicht diesen Podcast nicht...

01:00:46.580 --> 01:00:50.339
Speaker 0: Ja, also ich möchte es auf keinen Fall, dass die auf diese Apps geht.

01:00:51.060 --> 01:00:55.620
Speaker 0: Aber auf der anderen Sache muss ich sagen, ich bin eigentlich jemand, der schon versucht auch Dinge zu erlauben.

01:00:55.700 --> 01:00:59.779
Speaker 0: Also meine Tochter hat zum Beispiel auch ein Handy mit zwölf und hat auch ein paar Apps.

01:00:59.860 --> 01:01:02.480
Speaker 0: Also keine, die jetzt natürlich nicht zugelassen sind für Altersgruppe.

01:01:02.540 --> 01:01:05.960
Speaker 0: das wäre jetzt bisschen komisch aber ich denke schon ist wichtig.

01:01:06.680 --> 01:01:11.420
Speaker 0: Sie hat Freunde sie ist sehr sozial, beliebt in der Schule usw.

01:01:11.480 --> 01:01:13.440
Speaker 0: Es ist so ein bisschen mit dabei.

01:01:15.480 --> 01:01:18.000
Speaker 0: Ich versuche halt so viel, wie möglich mit ihr zu sprechen.

01:01:18.120 --> 01:01:19.720
Speaker 0: Das ist meine Empfehlung auch an die Eltern.

01:01:19.779 --> 01:01:27.640
Speaker 0: ja also wir können nicht warten bis die Gesetze und soweit sind dass dann die Apps das alles gemacht haben was sie machen müssen damit das Kind wirklich sicher ist.

01:01:28.960 --> 01:01:46.400
Speaker 0: Die wirklich die beste Sicherheit ist, dass man sich hin, das mit dem Kind ab und zu und sagt hier lass mal deinen Feed gucken, lass uns mal damit das nicht immer so, dass sie nicht so alleine gefangen sind in diesem Netz dieser Verführungsbox und das nun wirklich mit denen springt.

01:01:46.540 --> 01:01:49.380
Speaker 0: Und dass man den Kindern erklärt, wie das alles funktioniert.

01:01:49.440 --> 01:01:51.600
Speaker 0: Dass man die Sicherheitseinstellungen... Also ganz wichtig!

01:01:52.299 --> 01:01:55.500
Speaker 0: Kinder sollten niemals ein Handy über Nacht in ihrem Zimmer haben.

01:01:55.580 --> 01:02:05.880
Speaker 0: Keinerlei elektronische Dinge, die irgendwie ins Internet gehen können im Übernacht im Zimmer immer bei den Eltern aufladen und lassen, dass man eben so Screen Time anhat.

01:02:05.980 --> 01:02:13.040
Speaker 0: also alle Eltern sollten Screen time anhaben und Supervision auf den Apps damit man weiß, auf welchen Apps die Kinderzeit verbringen und wie viel.

01:02:14.140 --> 01:02:18.259
Speaker 0: Ich halte nicht so viel von diesem Spirale Sachen, wo man alles durchleuchtet.

01:02:18.299 --> 01:02:23.240
Speaker 0: Weil man das vertrauen mit den Kindern die Eltern zerstört.

01:02:24.299 --> 01:02:33.060
Speaker 0: Ich halte mehr davon, Gespräche zu führen und so sagen ... Ich komme damit auch nicht klar, ich bin ständig verführt und mir sehe Dinge die nicht gut für mich sind.

01:02:33.160 --> 01:02:38.319
Speaker 0: Ja, ich muss nicht Zehntausend Antifaltencremes angeboten bekommen und Antifettpillen.

01:02:39.359 --> 01:02:42.920
Speaker 0: Mir passiert es auch einfach mit so einer Verletzlichkeit selber dran zu gehen.

01:02:43.580 --> 01:02:44.180
Speaker 0: So mache ich es!

01:02:44.580 --> 01:02:50.279
Speaker 0: Und die zweite Sache, die mir noch einfällt ist... Ich versuche immer mehr mit den anderen Eltern zusammenzuarbeiten.

01:02:50.440 --> 01:02:51.440
Speaker 0: Das ist auch so eine Sache, weil ...

01:02:51.759 --> 01:02:52.560
Speaker 1: Das Eltern-Kartel?

01:02:52.880 --> 01:02:53.460
Speaker 1: Das hab ich ja auch!

01:02:53.620 --> 01:02:53.680
Speaker 1: Ja,

01:02:54.420 --> 01:02:54.680
Speaker 0: genau.

01:02:56.279 --> 01:03:10.400
Speaker 0: Wenn es dann so ist ein ... Manche Eltern lau, manche nicht, dass die Regel einfach ist, dass man sagt okay, wir ... Dass wenn jetzt irgendwie einen Elternteil TikTok erlaubt und das heißt auf den Playdates, wenn sie unterwegs sind, dann eben nicht das App.

01:03:10.740 --> 01:03:15.380
Speaker 0: Und dass wir uns alle gegenseitig helfen von uns, die wollen, dass Kinder drauf sind.

01:03:16.160 --> 01:03:19.340
Speaker 0: die nicht drauf sind, dass wir eben Gespräche führen und einfach sagen was sind Regeln?

01:03:19.660 --> 01:03:20.980
Speaker 0: Die wir eben einhalten wollen.

01:03:21.020 --> 01:03:25.819
Speaker 0: Und wenn man es oft überrascht das dann Eltern eigentlich alle auf einer Seite sind.

01:03:27.200 --> 01:03:37.779
Speaker 0: Die meisten Eltern erlauben das nur, weil sie denken, alle anderen Eltern erlaufen es und sobald man Gespräche führt kann man dann auch viel besser einheitliche Regeln finden.

01:03:37.840 --> 01:03:59.060
Speaker 0: Es muss nicht jeder Eltern dasselbe alle Eltern dassselbe erlaubt aber man kann trotzdem zusammenarbeiten zu sagen hey die Apps die jetzt einige älterlich erlaubten müssen jetzt nicht unbedingt bei dem dabei sein und auch dass man sich nicht gegenseitig postet auf irgendwelchen Apps wenn ein Kind eben nicht gepostet werden soll alle solche Sachen und eben jetzt nicht da feindlich dran gehen, sondern einfach so kollaborativ.

01:03:59.200 --> 01:03:59.259
Speaker 0: Ja?

01:03:59.819 --> 01:04:00.299
Speaker 0: Das klingt

01:04:00.340 --> 01:04:00.819
Speaker 2: total gut!

01:04:02.880 --> 01:04:08.160
Speaker 2: Einige das klingt... das klingt total gut und ich habe das Gefühl du sprichst uns ein bisschen aus dem Herzen.

01:04:08.279 --> 01:04:16.299
Speaker 2: also dass es sich oft gehört hat und auch überzeugend in letzter Zeit wirklich offen mit den Kindern und Jugendlichen drüber sprechen um sie damit nicht alleine lassen.

01:04:17.440 --> 01:04:19.299
Speaker 2: ja super wertvolle Hinweise zum Ende.

01:04:19.940 --> 01:04:20.640
Speaker 2: vielen vielen Dank.

01:04:21.359 --> 01:04:22.160
Speaker 2: toll dass Du hier warst.

01:04:23.779 --> 01:04:24.000
Speaker 0: Alles

01:04:24.060 --> 01:04:24.880
Speaker 1: Gute weiterhin hier.

01:04:24.960 --> 01:04:34.940
Speaker 1: Wir verlinken deine NGO in den Show-Notes und sind natürlich gespannt, was du auch weiterhin erforscht und wo man dich wiedersehen wird!

01:04:35.319 --> 01:04:36.799
Speaker 0: Ja ich freue mich auch genau.

01:04:36.920 --> 01:04:38.940
Speaker 0: Vielen Dank erst mal für das Gespräch.

01:04:44.080 --> 01:04:47.100
Speaker 1: So das war unser Interview mit eine Körpophone.

01:04:47.480 --> 01:04:56.799
Speaker 1: ganz kurze Anmerkungen die wir hier noch los werden Wollen, wir haben Meterumstellungnahme zu den Schilderungen von Anneke Bofone gebeten.

01:04:57.440 --> 01:05:11.580
Speaker 1: Öffentlich sagt das Unternehmen zu Vorwürfen dieser Art die Bundesstaaten hätten aus internen Studien und Dokumenten selektiv zitiert und stellten damit falsch dar wie sehr man sich tatsächlich um die Nutzerinnen und Nutzer bemüht habe.

01:05:12.440 --> 01:05:25.960
Speaker 1: Und als Meter sich Ende August mit den amerikanischen Generalstaatsanwaltschaften verglich, nannte das Unternehmen das Ergebnis selbst eine historische Vereinbarung die Elternstärke und Maßstäbe für die Branche Setzel.

01:05:26.319 --> 01:05:33.700
Speaker 1: Ja so viel erstmal zur Erwiderung zu einem Buffone-Selbst Eva gab es keine spezielle Äußerungen?

01:05:34.359 --> 01:05:36.799
Speaker 2: Nein Meter hat sich auf unsere Anfrage nicht dazu geäußert.

01:05:37.500 --> 01:05:42.720
Speaker 1: Sollte sich da was ändern, werden wir euch auch das in den nächsten Folgen natürlich mitteilen.

01:05:42.840 --> 01:05:50.340
Speaker 1: Aber damit würde ich sagen haben wir es und wir hoffen, wir hören uns wieder nächste Woche Mittwoch bei TheyTalk Tech Einzity-Podcast!

01:05:50.620 --> 01:05:51.480
Speaker 2: Habt eine gute Woche.

01:05:51.560 --> 01:06:01.640
Speaker 2: lasst ihr euch gut gehen meldet euch gerne mit Tipps Tricks Themen vorschlägen und wünsche tüss auch von mir und vielen Dank Marco Pauli für die Produktion.