Unheil von oben: Wie MeteoriteneinschlÀge unseren Planeten formten
Rubikon: Kann Feed nicht laden oder parsen | Peter Mayer: Kann Feed nicht laden oder parsen |
NZZFeed Titel: Wissenschaft - News und HintergrĂŒnde zu Wissen & Forschung | NZZ Unheil von oben: Wie MeteoriteneinschlĂ€ge unseren Planeten formten
Seit ihrer Entstehung ist die Erde dem Bombardement kosmischer Geschosse ausgesetzt. Wahrscheinlich hat ein Einschlag dafĂŒr gesorgt, dass der Mond entstand, und ein Asteroid hat den Sauriern ein Ende gesetzt. Haben wir die besseren Chancen als sie?
Kaum Regen in Sicht, droht uns jetzt eine neue JahrtausenddĂŒrre?
Das Gras ist gelb, die Böden zu Staub verfallen, und manche FlĂŒsse sind nur noch Rinnsale oder SteinwĂŒsten. Historiker fĂŒhlen sich in diesen Tagen an die DĂŒrrekatastrophe von 1540 erinnert.
Ein Blick in den KĂŒhlschrank sagt mehr ĂŒber unsere Persönlichkeit aus, als uns lieb ist
Wir kaufen fĂŒr zwei Versionen unser selbst ein: das Zukunfts-Ich, das supergesund essen soll â und den unvernĂŒnftigen Geniesser im Hier und Jetzt. Die Kolumne «Psychologie des Alltags».
Heilmittel oder potenzielle Biowaffe? KI erfindet neues Virus
Amerikanische Wissenschafter bringen einem Programm bei, unbekannte Viren zu erzeugen. Die einen wollen die Erreger nutzen, um Krankheiten zu therapieren. Die anderen warnen: So eine Erfindung lÀsst sich auch missbrauchen.
Ăbersehene Nebenwirkung: Haarausfall durch Abnehmspritzen
Ozempic und Mounjaro können die Frisur ausdĂŒnnen. Die GrĂŒnde sind noch ein RĂ€tsel. Aber die Medizin kennt schon ein wirksames Gegenmittel. Die Kolumne «Hauptsache, gesund».
| ===Cane==
: Kann Feed nicht laden oder parsen |
| â1 | VG MĂŒnchen, Beschl. v. 28.11.2023 â M E 23.42371 mit Anmerkungen Rachut, NJW 2024, 1052; Braegelmann, RDi 2024, 188; MĂŒller/Hellmuth, LTZ 2024, 351; Vasel, KIR 2024, 70; Birnbaum, NVwZ 2024, 603; VG Kassel, Urt. v. 25.2.2026 â 7 K 2134/24.KS mit kritischen Anmerkungen Sigmund, OdW 2026, 187; Wirth, NVwZ 2026, 942; zudem Heckmann, jurisPR-ITR 9/2026 Anm. 2. |
|---|---|
| â2 | S. zum Grundrechtsschutz durch Gestaltung des PrĂŒfungswesens, Jeremias, in: Fischer/Jeremias/Dieterich PrĂŒfungsrecht, 9. Aufl. 2026, Rn. 128 ff. |
| â3 | So bereits Rachut, Grundrechtsverwirklichung in digitalen Kontexten, 2025, S. 666. |
The post Warum ein âKI-Verbot-Verbotâ nicht verfassungswidrig ist appeared first on Verfassungsblog.
Darf bald eine KI mitentscheiden, wer in Deutschland bleiben darf? Am 29. Juli 2026 verabschiedete das Bundeskabinett den Entwurf des neuen KI-Migrationsverwaltungsgesetzes (KIMVG). Der Entwurf sieht vor, das BAMF, die kommunalen AuslĂ€nderbehörden und das AuswĂ€rtige Amt mit der Befugnis auszustatten, erhobene Antragsdaten sowie personenbezogene Daten vergangener Verfahren fĂŒr die Entwicklung neuer, KI-basierter Modelle zu nutzen. Technologie rĂŒckt damit weiter aus der Rolle des bloĂen Regulierungsobjekts in die eines eigenstĂ€ndigen Regulierungsinstruments. Diese Entwicklung ist nicht risikolos â dem Entwurf mangelt es unter anderem an einem tragfĂ€higen Konzept rechtsstaatlicher Kontrolle fĂŒr die neuen Befugnisse. Das KIMVG zieht in seinen AnsĂ€tzen dennoch konsequente SchlĂŒsse aus einer Rechtspraxis, die sich nicht mehr in ein vortechnisches Zeitalter zurĂŒckfĂŒhren lĂ€sst.
Konkret schafft der Entwurf drei neue Instrumente, die kĂŒnftig die Vorschriften des Asyl- und des Aufenthaltsgesetzes ergĂ€nzen sollen: eine Verarbeitungsbefugnis zum Trainieren, Validieren und Testen von KI-Systemen und anderen automatisierten Anwendungen, ein automatisiertes Verfahrensmonitoring zur Auswertung abgeschlossener Verfahren und bisheriger Entscheidungsmuster sowie einen automatisierten Abgleich entscheidungserheblicher Angaben mit öffentlich zugĂ€nglichen Internetdaten bei begrĂŒndeten Zweifeln an deren Richtigkeit. Die Bundesregierung erhofft sich dadurch, Verwaltungsverfahren âeffizienter, einheitlicher, qualitativ hochwertiger und sichererâ zu gestalten. Unterschiedliche VerbĂ€nde, darunter Pro Asyl, Caritas und AlgorithmWatch, warnen hingegen vor Diskriminierungsrisiken und mangelnden Rechtsschutzmöglichkeiten der Betroffenen. Sie fordern eine Ablehnung oder zumindest grundlegende Ăberarbeitung des Entwurfs im Parlament.
Hintergrund der Kritik dĂŒrften dabei eher abschreckende Beispiele aus LĂ€ndern sein, die KI-Anwendungen schon in der Migrationsverwaltung aktiv nutzen: in den USA etwa das Programm âCatch and Revokeâ, das Social-Media-AktivitĂ€ten von Visainhaber:innen mittels KI auf unerwĂŒnschte politische Positionen durchsucht, oder der vielfach kritisierte Versuch des Vereinigten Königreichs, das Alter unbegleiteter minderjĂ€hriger Asylsuchender per KI-gestĂŒtzter Gesichtsanalyse zu schĂ€tzen. Der deutsche Entwurf schlieĂt zwar die Verarbeitung biometrischer Daten fĂŒr bestimmte Anwendungen aus (§ 7a Abs. 1 S. 3, § 7b Abs. 1 S. 2 AsylG; § 90d Abs. 1 S. 3, § 90e Abs. 1 S. 2 AufenthG). Gerade fĂŒr die Entwicklung und das Training neuer Modelle gilt dieser Ausschluss jedoch nicht (§ 7 Abs. 2a AsylG; § 86 Abs. 2 AufenthG) â die Vagheit der Befugnis lĂ€sst hier durchaus Spielraum.
Die Diskussion um den Einsatz von Technologie im Recht folgt damit bereits gut bekannten Argumentationslinien: Aufseiten des Staates liebĂ€ugelt ein ĂŒberlasteter Verwaltungsapparat mit den VerheiĂungen technischer Innovation, wĂ€hrend aufseiten der Zivilgesellschaft die Sorge um deren rechtsstaatliche Kontrolle weiter wĂ€chst.
Es handelt sich bei dem aktuellen Entwurf keinesfalls um den ersten Versuch, sogenannte âlernendeâ oder âintelligenteâ Systeme zur AusĂŒbung von Hoheitsgewalt einzusetzen. Ăhnlich wie im Ausland blickt man auch in Deutschland auf eine bisher wenig erfolgreiche Historie der Verwaltungsautomation im Bereich Flucht und Migration zurĂŒck. So steht die vom BAMF seit 2017 eingesetzte automatisierte Sprach- und Dialekterkennungssoftware zur Herkunftsverifizierung von Asylsuchenden (âDIASâ) wegen erheblicher wissenschaftlicher Zweifel an ihrer ZuverlĂ€ssigkeit seit Jahren in der medialen Kritik. Laut einem Bericht von AlgorithmWatch betreffen diese Zweifel insbesondere die Erkennung von Farsi, Dari, Pashto sowie mehrere arabische Dialekte â ausgerechnet jene Sprachen, die fĂŒr einen GroĂteil der Asylbegehren relevant sein dĂŒrften. Auch das groĂ angekĂŒndigte EU-Projekt iBorderCtrl, das ab 2016 eine Art KI-gestĂŒtzten âLĂŒgendetektorâ zur Einreisekontrolle testete, geriet frĂŒh unter Druck. Schon wĂ€hrend der Testphase bezweifelten Wissenschaftler:innen, dass sich TĂ€uschungsabsichten der Einreisenden anhand der Auswertung sogenannter Mikrogesten â unwillkĂŒrlicher, oft nur Sekundenbruchteile andauernder Gesichtsbewegungen â zuverlĂ€ssig erkennen lieĂen. Die Forschungsförderung der EU lief 2019 aus, ohne dass es zu einem regulĂ€ren Einsatz kam. FĂŒr viele Entscheidungen setzt das BAMF hingegen auch âdeterministischeâ, also nach festen Regeln arbeitende Systeme ein, deren Ergebnis bei gleicher Eingabe stets identisch ausfĂ€llt. So zum Beispiel bei der Erstverteilung von GeflĂŒchteten im Bundesgebiet. Seit 1993 kommt hier das System EASY (damals noch Erstaufnahme Asyl) zum Einsatz. Es setzt weitestgehend die Verteilungsquoten des Königsteiner SchlĂŒssels um und optimiert dabei organisatorische ZielgröĂen: kurze Reisewege, geringe Reisekosten und eine gleichmĂ€Ăige Auslastung der Aufnahmeeinrichtungen.
Dass das BAMF gerade an dieser Stelle noch nicht nachgebessert hat, verwundert. Mehrere Staaten erproben schon lernende, genauer gesagt probabilistische Matching-Verfahren zur Verteilung von Zuwandernden. Die Schweiz, die Niederlande und Kanada pilotieren hierfĂŒr den von der ETH ZĂŒrich und der Stanford University entwickelten Algorithmus GeoMatch. Er verarbeitet Merkmale wie BildungsabschlĂŒsse, Sprachkenntnisse oder regionale Arbeitsmarktbedarfe auf Basis historischer Daten. Die kapazitĂ€tsgerechte Zuweisung lĂ€sst sich so fĂŒr ein beliebiges Zielmerkmal â etwa die Wahrscheinlichkeit erfolgreicher Arbeitsmarktintegration â optimieren. Nach Angaben des Forschungsteams konnte in den ersten Tests die Wahrscheinlichkeit, dass GeflĂŒchtete eine BeschĂ€ftigung finden, fast verdoppelt werden â ein Faktor mit entscheidender rechtlicher und sozialer Bedeutung fĂŒr einen langfristigen Verbleib im aufnehmenden Land. In Deutschland existiert mit dem an den UniversitĂ€ten Hildesheim und Erlangen-NĂŒrnberg entwickelten Projekt MatchâIn zwar ein vergleichbares Testprojekt; dieses weist jedoch einen entscheidenden Unterschied auf: Die Zuweisungskriterien werden qualitativ erarbeitet und nicht datengetrieben entwickelt.
Ermöglicht die Bundesregierung nun verschiedenen Behörden der Migrationsverwaltung den Einsatz von âKI-Systemenâ zur Auswertung sensibler Daten, ohne festzulegen, welche Systeme in welchem Rahmen vorgesehen sind, bleiben Regelungsgegenstand und Reichweite des Vorhabens zunĂ€chst unklar: Unter dem Label der âKĂŒnstlichen Intelligenzâ versammelt sich mittlerweile eine Ă€uĂerst heterogene Modelllandschaft, die der europĂ€ische Gesetzgeber nur lose ĂŒber die FĂ€higkeit verbindet, zu lernen und in gewissen Grenzen autonom zu agieren (vgl. dazu Art. 3 Nr. 1 KI-VO). âKI-Systemeâ reichen damit von vergleichsweise einfachen statistischen Analysen, die etwa auffĂ€llige Muster in Antragsdaten markieren, bis hin zu generativen Sprachmodellen, die selbststĂ€ndig FalleinschĂ€tzungen vorschlagen können. Mag dem Gesetzgeber diese Pauschalisierung angesichts der kaum zu prognostizierenden Entwicklung lernender Systeme noch nachzusehen sein â das Fehlen elementarer Vorkehrungen fĂŒr eine kontinuierliche Entscheidungskontrolle ist es nicht. Dabei geht es nicht bloĂ um die ĂberprĂŒfung der FunktionsfĂ€higkeit der eingesetzten Modelle per se, sondern darum, ob und wie die Entscheidungsergebnisse fĂŒr die Betroffenen im Einzelfall kontrolliert werden können. Gerade fĂŒr lernende Algorithmen stellt die Möglichkeit der Einzelfallkontrolle jedoch eine nicht zu unterschĂ€tzende HĂŒrde dar: Moderne Informations- und Kommunikationssysteme interagieren in nicht-linearen AblĂ€ufen und erzeugen durch RĂŒckkopplungsschleifen (feedback loops) emergente Eigenschaften, die sich weder vollstĂ€ndig verstehen noch auf spezifische kausale Faktoren zurĂŒckfĂŒhren lassen. Diese Eigenschaft â auch als methodische OpazitĂ€t bezeichnet â erschwert im Verwaltungsverfahren vor allem die BegrĂŒndung automatisierter Entscheidungen.
Der Gesetzgeber ist sich zumindest eines Teils des Risikos bewusst. Um rechtliche Kontrolle zu stĂ€rken, hebt die GesetzesbegrĂŒndung den Menschen als letztinstanzlichen Entscheider hervor â eine arbeitsteilige Konstruktion, die auch als Human in the Loop bekannt ist. Der âMensch in der Schleifeâ wirkt auf den ersten Blick wie eine Art Menschenvorbehalt fĂŒr automatisierte Entscheidungen. Die rechtliche AttraktivitĂ€t dieser Konstruktion liegt auf der Hand: Sie erlaubt es, die Effizienzgewinne der Automatisierung mitzunehmen, ohne die etablierten Kategorien von Zurechnung, Haftung und gerichtlicher Kontrolle antasten zu mĂŒssen. Dass allein die Anwesenheit eines Menschen bereits menschliche agency garantiert, greift jedoch zu kurz â und zwar in zweifacher Hinsicht:
ZunĂ€chst zeigen experimentelle Befunde, dass Menschen von algorithmischen Prognosen derart beeinflusst werden können, dass sie von der automatisierten Empfehlung faktisch kaum abweichen. Dieses in den Verhaltenswissenschaften als automation bias bekannte PhĂ€nomen lĂ€sst sich auch in rechtlichen Entscheidungsszenarien nachweisen. Der Mensch ist hier zwar formal beteiligt, ĂŒbt seinen Entscheidungsspielraum aber faktisch nicht aus. Rechtlich kann es darĂŒber hinaus FĂ€lle geben, in denen bereits die Automatisierung einzelner Normenteile das Handeln so weit determiniert, dass zwar formal eine menschliche Kontrolle stattfindet, die tatsĂ€chliche Entscheidungsfreiheit aber auf ein Minimum reduziert ist. In diesen FĂ€llen bleibt dem Menschen die AusĂŒbung seiner Kontrollfunktion verwehrt, auch wenn er sie wahrnehmen wollte.
In Anbetracht des vielschichtigen Zusammenwirkens von Mensch und Maschine hat die Datenethikkommission bereits in einem Gutachten aus dem Jahr 2019 darauf hingewiesen, dass fĂŒr die Bewertung menschlicher Autonomie nicht allein bestimmend sein sollte, ob ein Mensch an der Entscheidung beteiligt ist, sondern vor allem in welchem MaĂe seine Beteiligung noch Einfluss auf das Entscheidungsergebnis hat. Andernfalls droht dem Menschen die Rolle eines bloĂen liability sponge â eines Zurechnungsadressaten fĂŒr eine Entscheidung, die algorithmisch lĂ€ngst determiniert ist. Die Anforderungen an die menschliche ĂberprĂŒfung aus dem KIMVG greifen diese Differenzierung nicht auf. Sie sehen lediglich punktuell Personalschulungen fĂŒr den Umgang mit den Systemen vor (so bspw. § 7a Abs. 5 S. 1 AsylG und § 90d Abs. 5 S. 1 AufenthG). Wie allerdings darĂŒber hinaus eine menschliche Aufsicht ausgestaltet werden soll, die tatsĂ€chlich fehlerhafte oder potenziell diskriminierende Entscheidungen erkennen und korrigieren kann, bleibt offen.
Die potentiellen Rechtsschutzdefizite des KIMVG sind gravierend; sie rechtfertigen aber keinen RĂŒckzug von der Automatisierung als solcher. Dies hat nicht nur, aber auch etwas mit verfahrensökonomischen ErwĂ€gungen zu tun. Denn gerade der Verwaltungsapparat steht angesichts wachsender Staatsaufgaben unter erheblichem ProduktivitĂ€tsdruck. Der dbb beamtenbund und tarifunion bezifferte die PersonallĂŒcke im öffentlichen Dienst 2025 auf ĂŒber 600.000 fehlende BeschĂ€ftigte â besonders betroffen seien Schulen, Pflegeeinrichtungen und die Justiz; dbb-Chef Volker Geyer warnt vor einem drohenden Staatsversagen. Im Sinne der Rechtsmaxime justice delayed is justice denied trifft dies die Migrationsverwaltung besonders schwer: Asylsuchende verbleiben, solange ihr Verfahren andauert, in einem rechtlichen Schwebezustand, der ihnen den Zugang zum Arbeitsmarkt und zu Integrationsleistungen verwehrt oder zumindest erheblich erschwert.
Wer nun schnellere Verfahren fordert, trifft in der Verwaltungsrechtswissenschaft selten auf Widerspruch. Die eigentliche Frage ist, inwieweit das Effizienzstreben das Risiko birgt, zulasten der Rechte des Einzelnen zu gehen. Gerade bei Entscheidungen, die Minderheiten betreffen, wird zu Recht vor den Diskriminierungsrisiken âundurchsichtigerâ Algorithmen gewarnt. Allerdings sind weder Diskriminierung noch Undurchsichtigkeit Eigenschaften, die exklusiv der Maschine vorbehalten wĂ€ren. Die gröĂtenteils automationsfreie Geschichte der Menschheit ist selbst eine Geschichte erheblicher Diskriminierung von Menschen gegen Menschen. Allein die Möglichkeit, diskriminierende Entscheidungen zu treffen, kann demnach nicht das ausschlaggebende Argument gegen den Einsatz lernender Systeme im Recht sein. Ăhnlich verhĂ€lt es sich auch mit der OpazitĂ€t der eingesetzten Modelle: Eine undurchsichtige Herstellung der Entscheidung ist fĂŒr die Rechtsordnung nicht unbedingt neu. Das menschliche Gehirn ist fĂŒr die Kognitionsforschung bis heute in weiten Teilen eine Black-Box â womöglich eine weitaus hartnĂ€ckigere als das neuronale Netz fĂŒr die Informatik. Trotzdem hat es das Recht geschafft, menschliche Entscheidungen rechtlicher Kontrolle zu unterwerfen. Warum sollte dies nicht auch im Falle der Maschine gelingen?
Hier stellen sich zweifelsohne neue Herausforderungen: In bestimmten Konstellationen mag es technisch unmöglich, normativ unzulĂ€ssig oder verhaltenswissenschaftlich wenig ratsam sein, rechtliche Entscheidungen an Maschinen zu delegieren. Gleichwohl lĂ€sst sich das Entscheidungsverhalten von Algorithmen im Vergleich zum Menschen weitaus besser testen und prognostizieren. Dabei dĂŒrften lernende Systeme dennoch eine deutlich engmaschigere BegrĂŒndungs- und Kontrollarchitektur erfordern, als sie menschliche Entscheidungen je gebraucht haben. Allein die Skalierbarkeit algorithmischer Entscheidungen birgt das Risiko, dass sich etwaige Fehler oder Verzerrungen in kurzer Zeit auf tausende FĂ€lle auswirken. Die Informatik bietet bereits tragfĂ€hige Konzepte zur âErklĂ€rbarkeitâ der eingesetzten Modelle, die eine schnelle Identifikation solcher Fehler und Verzerrungen ermöglichen und so das Skalierungsrisiko eindĂ€mmen können. Sie beantworten das Warum einer Entscheidung, ohne dem computerwissenschaftlichen Laien vertieftes Wissen ĂŒber die Grundlagen maschinellen Lernens abzuverlangen. Treten sie als zusĂ€tzliche Rechtfertigungsinstrumente neben traditionelle Mechanismen der Entscheidungskontrolle hinzu, kann womöglich die LĂŒcke zwischen System- und Einzelfallkontrolle weiter geschlossen werden. Erste experimentelle Befunde belegen zumindest, dass bestimmte algorithmische ErklĂ€rungsmodelle in rechtlichen Entscheidungskontexten (u.a. in der Erstverteilung von GeflĂŒchteten) von ihren Adressaten als gleichwertiger Ersatz zur menschlichen Entscheidung wahrgenommen werden. ĂbertrĂ€gt man diese Befunde auf den Einsatz in Massenverfahren der Migrationsverwaltung, bleiben wenig gute GrĂŒnde, lernende Systeme kategorisch auszuschlieĂen.
Deutschland könnte dabei von bestehenden Erfahrungen anderer LĂ€nder profitieren. Dies gilt im Positiven wie im Negativen. ZunĂ€chst sollte von dem Einsatz âevidenzloser KI-Forschungâ (AlgorithmWatch) fĂŒr die AusĂŒbung von Hoheitsgewalt ausnahmslos abgesehen werden. Bezweifeln fĂŒhrende Wissenschaftler:innen einstimmig die ValiditĂ€t bestimmter algorithmischer Vorhersagen oder Klassifizierungen â und lĂ€sst sich dies womöglich sogar empirisch belegen â, gibt es keinen Anwendungsfall fĂŒr die Ăbernahme staatlicher Steuerung, ganz gleich, wie ressourcenschonend diese auch sein mag. Umgekehrt kann der internationale Vergleich vielleicht auch dazu anregen, die Stellen zu identifizieren, an denen sich die Vorteile der Automatisierung besonders fruchtbar machen lassen. Dies betrifft zum Beispiel wiederkehrende Selektions- und Allokationsprobleme der öffentlichen Hand. Diese verfĂŒgen meist ĂŒber einen belastbaren statistischen Hintergrund, der ein Training der Modelle ĂŒberhaupt erst ermöglicht.
Das KIMVG markiert dabei den nĂ€chsten Schritt auf einer gesetzgeberischen Linie, die darauf abzielt, die rechtliche Entscheidung methodisch stĂ€rker zu öffnen. Diese Ăffnung verlangt einen rechtlichen Rahmen, der die Standards rechtsstaatlicher Rechtfertigung und demokratischer Transparenz angemessen in eine algorithmische Entscheidungswelt ĂŒbertragen kann. Hier hat der Entwurf ernstzunehmenden Nachbesserungsbedarf â gerade weil die Entscheidungen in Asylverfahren besonders vulnerable Gruppen betreffen. Doch sollten die aufgezeigten Probleme nicht vorschnell als Pathologie des Einsatzes algorithmischer Systeme gedeutet werden. Das SpannungsverhĂ€ltnis von Recht und Technik lĂ€sst sich nicht durch Abschottung auflösen â es bedarf vielmehr einer AbwĂ€gung im Umgang mit den neuen Möglichkeiten, Recht zu gestalten. Diese Perspektive wirkt reziprok: Die Konfrontation mit der maschinellen RationalitĂ€t zwingt dazu, auch das eigene, menschliche Urteilen und Entscheiden neu zu hinterfragen. Der Blick in die Maschine wird so zum Spiegel.
The post Computer Says No appeared first on Verfassungsblog.