Technik- und Innovationssoziologie

Maschinelles Lernen als Herausforderung für Fachwissen und professionelle Arbeit

Maschinelles Lernen fordert zunehmend jene Arbeitsfelder heraus, in denen Wissen die zentrale Ressource ist. Neben den Wissenschaften sind es vor allem Professionen, von Medizin und Bildungswesen bis zum Ingenieurs- oder Rechtswesen. Professionen sollen dabei den Gegenstand des Seminars bilden. Wir stellen uns die Frage, inwiefern maschinell erzeugte Wissensbestände zur epistemischen Grundlage professioneller Arbeit werden können und welche Spannungen oder Synergien zwischen algorithmischem Lernen und menschlichem Fachwissen entstehen. Das Seminar widmet sich diesen Fragen sowohl aus professions- als auch techniksoziologischer Perspektive.

Im ersten Teil befassen wir uns zunächst mit der Struktur und Funktion professioneller Wissensarbeit: Was kennzeichnet eine Profession, und wie entsteht sowie zirkuliert Fachwissen innerhalb professioneller Gemeinschaften? Welche soziokulturellen und institutionellen Mechanismen sichern seine Autorität und Legitimität? In einem zweiten Schritt wenden wir uns soziologisch dem maschinellen Lernen zu: Welche Herausforderungen werden identifiziert, die diese Form künstlicher Intelligenz für Wissenspraktiken und Wissensstrukturen in professioneller Arbeit aufweist?

Im Anschluss nehmen wir drei konkrete Bereiche professioneller Wissensarbeit enger in den Blick: Radiologie und anschließend Rechtsprechung und (Schul)bildung. Wir diskutieren aktuelle empirische Studien, die die Entwicklung und Implementierung von Systemen maschinellen Lernens in diesem Bereich untersuchen. Ein Schwerpunkt soll darauf liegen, etwaige epistemische Verschiebungen zu diskutieren, die sich durch Entwicklung und Einsatz von maschinellem Lernen in diesen Bereichen professioneller Arbeit ergeben. Wie werden zum Beispiel Entscheidungspraktiken, Zuschreibung von Verantwortlichkeiten und Bewertungsmaßstäbe für die Gültigkeit von Wissensansprüchen durch Prinzipien maschinellen Lernens herausgefordert?

Sodann widmen wir uns aktuellen Ansätzen, diese empirischen Erkenntnisse theoretisch zu fassen. Helfen uns bekannte Ansätze hier weiter, wie ‚Relationalität“ oder „Soziomaterialität“? Müssen wir unseren soziologischen Zugang aktualisieren, zum Beispiel indem die epistemische Agency maschinellen Lernens neu auf den Begriff gebracht wird, die nicht mehr nur am professionellen Entscheiden über einen Fall ansetzt, sondern das Beurteilen eines Falles beeinflusst? Wir werden konzeptionelle Vorschläge diskutieren zu relationaler Expertise, agentialem Realismus, epistemischer Verantwortung und Wissenstechnologien.

Abschließend für das Seminar wird ein Workshop sein, für den am Ende des Seminars einmalig eine Doppelsitzung geplant ist (06.07.). In diesem werden wir das Seminarthema selbstreflexiv auf die eigene Verwendung von ML- und GenAI-Tools im Studium rückbinden und diskutieren, inwiefern die Erkenntnisse aus dem Seminar auf unsere eigene Wissensarbeit als Soziolog:innen und Soziologie-Studierenden zutreffen und wie wir damit umgehen können.

Ein optionaler Teil zur Halbzeit des Seminars wird zudem eine Exkursion zur Weizenbaum Conference „Generative AI and Society: What is at stake?“ am Weizenbaum-Institut (10./11.06., Hardenbergstraße 32, 10623 Berlin) sein.