Weizenbaum Discussion Paper

Dauerhafte URI für die Sammlung

https://www.weizenbaum-library.de/handle/id/2
In den Veröffentlichungen der Weizenbaum Discussion Paper (vormals: Weizenbaum Series) werden Ergebnisse aus der laufenden Forschung des Instituts vorgestellt. Die Schriftreihe ist offen für unterschiedliche Publikationsformate wie Monografien, Technical Reports, Preprints, Arbeitspapiere und viele mehr.

Listen

Neueste Veröffentlichungen

Gerade angezeigt 1 - 5 von 49
  • Vorschaubild
    Item
    Von der Kreditkarte zu Buy-Now-Pay-Later
    (Weizenbaum Institute, 2025-10) Brandl, Barbara; Ignácz, Zsófia S.; Keiner, Alexandra; Preunkert, Jenny
    Dieses Discussion Paper untersucht auf Basis des Weizenbaum Panels 2024 die finanzielle Teilhabe in Deutschland, die hier als Zugang zu Zahlungsoptionen und Konsumkrediten definiert wird. Leitend ist die These, dass sich aktuell bei Fragen der finanziellen Teilhabe, sowohl durch die Digitalisierung des Geldes als auch die zunehmenden sozialen Ungleichheiten, neben den klassischen (vertikalen) auch neue (horizontale) Ungleichheitsmuster ergeben. Rahmend wird die Entwicklung des digitalen Geldes in drei Digitalisierungswellen nachgezeichnet: von Karten- und Girokonten über Online-Banking, SEPA und PayPal bis hin zu app-basierten Wallets und „Buy Now, Pay Later“ (BNPL). Die Daten des Weizenbaum Panels zeigen, dass trotz der nahezu flächendeckenden Verbreitung von Konten in Deutschland Ungleichheiten im Zugang zu digitalen Dienstleistungen bestehen. Bei der Nutzung digitaler Bezahldienste lassen sich zwei zentrale Trends identifizieren: Erstens geht ein höheres Einkommen mit einer höheren Nutzung digitaler Zahlungsmöglichkeiten einher. Einkommensschwache Personen greifen dagegen eher auf Bargeld zurück. Zweitens werden vor allem neuere Bezahlmethoden verstärkt von jüngeren und internetaffinen Personen genutzt, wodurch ältere und hier oft weniger internetaffine Personen tendenziell Nachteile erleiden. Konsumkredite werden eher von einkommensschwachen, aber auch jüngeren Haushalten genutzt. Die Gründe für die Kreditaufnahme unterscheiden sich deutlich: Einkommensstärkere und auch ältere Haushalte finanzieren mit Konsumkrediten eher größere Anschaffungen (z.B. Auto, Möbel oder Urlaub), während in der niedrigsten Einkommensgruppe und in jungen Haushalten doppelt so viele Personen Kredite zur Deckung alltäglicher Ausgaben (z.B. Lebensmittel, Miete oder Kinderbedarf) aufnehmen. Solche Alltagskredite sind ein Indikator für die Prekarisierung des täglichen Lebens und für einen Generationenwandel. Buy-Now-Pay-Later-Produkte bilden eine ambivalente Schnittstelle zwischen Zahlungsoption und Kredit. Die Nutzung ist bereits weit verbreitet – so hat ein Drittel der Befragten mindestens einmal im letzten Jahr Gebrauch von BNPL gemacht. Im Gegensatz zu nahezu allen anderen digitalen Bezahlmethoden, zeigen sich bei der Nutzung von BNPL nahezu keine Unterschiede im Hinblick auf Einkommen und Alter. Allerdings zeigt sich ganz im Gegensatz zu allen anderen Formen des Konsumkredits eine höhere Nutzung von BNPL durch Frauen. Dabei bringt BNPL einerseits Vorteile im Gegensatz zu der Nutzung von Kreditkarten, wie zunächst keine Zinsen sowie eine breite Zugänglichkeit, mit sich. Andererseits birgt BNPL jedoch auch Gefahren, wie zum Beispiel Mahn- und Verzugskosten, die zu einem erheblichen Überschuldungsrisiko führen können. Zudem fördert BNPL die Marktkonzentration zugunsten großer Tech-Unternehmen. Insgesamt zeigt sich, dass mittlerweile nicht mehr nur Einkommen, sondern gerade auch das Alter und auch das Geschlecht den Zugang und die Nutzung der finanziellen Teilhabe prägen.
  • Vorschaubild
    Item
    Yes, we are open?! Künstliche Intelligenz verantwortungsbewusst gestalten
    (Weizenbaum Institute, 2025-09) Mayer, Katja; Knaus, Jochen; Züger, Theresa; Fichtner, Urs A.; Glinka, Katrin; Hase, Jan; Heller, Lambert; Kaffee, Lucie-Aimée; Koth, Sebastian; Kowald, Dominik; Lipp, Ilona; Meyer, Katharina; Mysegades, Charlotte; Ritter, Petra; Skupien, Stefan; Waag, Anne-Sophie
    Das Strategiepapier „Yes, we are open! Künstliche Intelligenz verantwortungsbewusst gestalten“ basiert auf den Arbeitsergebnissen der gleichnamigen Veranstaltung im März 2025 und zeigt auf, wie wir die Chancen von KI mutig, offen und im Sinne des Gemeinwohls nutzen können. Anstatt KI nur als „große Sprachmodelle“ zu betrachten, betont das Papier die Vielfalt der Ansätze – von regelbasierten Verfahren bis zu generativen Systemen – und macht deutlich: Offenheit ist der Schlüssel zu Vertrauen, Transparenz und Teilhabe. Offenheit bedeutet jedoch nicht „alles für alle“, sondern ein kluges Austarieren zwischen Zugänglichkeit, Datenschutz und Sicherheit. Nur so kann KI demokratisch kontrolliert, reproduzierbar und gemeinwohlorientiert gestaltet werden. Die entwickelte Vision ist eine digitale Kultur, in der KI-Technologien nachvollziehbar, nachhaltig und fair entwickelt und eingesetzt werden. Dafür wurden vier Handlungsfelder identifiziert: Wissensräume und Vernetzung für gemeinsames Lernen, Kompetenzaufbau für kritisches und praktisches Know-how, offene digitale Infrastrukturen für Souveränität und Nachhaltigkeit sowie innovative Governance-Modelle, die Regeln und Freiräume verbinden. Mit konkreten Maßnahmen – von Austauschplattformen über Open-Science-Programme bis hin zu transparenten Benchmarks – lädt das Papier Politik, Wissenschaft, Zivilgesellschaft und Wirtschaft ein, gemeinsam ein starkes KI-Ökosystem aufzubauen. Das Ziel ist klar: KI soll nicht zu Machtkonzentration führen, sondern Innovation, Zusammenarbeit und Teilhabe fördern.
  • Vorschaubild
    Item
    Dynamics of Data Work in AI Implementation Processes
    (Weizenbaum Institute for the Networked Society, 2025-09) Schneidemesser, Lea; Schneiß, Daniel; Heim, Jana
    The discourse on automation and artificial intelligence (AI) highlights the critical yet underexplored role of data work. While previous studies have focused on data work in the production of AI systems, this article investigates its significance in subsequent implementation phases. Drawing on two in-depth case studies from traditional industries in Germany – one in manufacturing and one in administration – we explore the labor and power dynamics inherent in these processes. Our findings reveal that AI implementation necessitates additional data work which cannot be outsourced due to its reliance on organization-specific knowledge. This dependency fosters new labor relations and power dynamics among development companies, organizational management, and workers, often leading to tensions and negotiation challenges. We introduce the concept of data work facilitation to describe the unique labor emerging from these dependencies and identify potentials for a new power resource workers could employ – data work bargaining power.
  • Vorschaubild
    Item
    Ethics of Data Work. Principles for Academic Data Work Requesters
    (Weizenbaum Institute, 2025-06) Yang, Tianling; Strippel, Christian; Keiner, Alexandra; Baker, Dylan; Chávez, Alexis; Kauffman, Krystal; Pohl, Marc; Sinders, Caroline; Miceli, Milagros
    The growing use of machine learning (ML) in academic research has led to a rising demand for large, labeled datasets. While the field initially relied on the labor of students and research assistants to label data, as models grew larger and more complex, there was a shift towards relying on large-scale, low-cost platforms like Amazon Mechanical Turk (MTurk) to label data at scale. However, this shift comes with serious ethical concerns. Now part of a massive industry, many data work companies exploit workers, leaving many workers facing low wages and precarious working conditions, with little institutional oversight or protection. Despite the centrality of this labor to modern research, ethical codes and guidelines from academic societies rarely address the implications of outsourcing data work to platform-based workers. This paper advocates for the development of research ethics standards that ensure fair and responsible collaboration with data workers. We begin by defining the concept of “data work” and assessing how current ethical frameworks address it. We then highlight ongoing initiatives aimed at improving ethical regulation. Based on two focus groups and two expert workshops held at the Weizenbaum Institute in 2024, we propose a set of principles for academic data work requesters to guide ethical engagement with platform-based workers. Finally, we outline future steps for integrating these principles into scientific ethical codes and day-to-day research practices.
  • Vorschaubild
    Item
    Big Tech Versus the Common Good. Pathologies of the Technology Race for Artificial Intelligence
    (Weizenbaum Institute, 2025-06) Butollo, Florian; Görnemann, Esther
    The technology race for artificial intelligence has produced pathologies that are characterized by the dominance of a handful of powerful players and strong information and power asymmetries. Platform companies act as gatekeepers for digital infrastructures and knowledge. In the race for AI market leadership, their extensive access to data and computing capacities increases the concentration of power among tech corporations and puts smaller players at a disadvantage. Wealth and technological power are concentrated in the hands of a few, while many remain excluded from the opportunities of AI-supported value creation. Global and social disparities are widening. A widespread use of strong AI in professional and private contexts will also be associated with rapidly increasing consumption of energy, water and non-renewable resources unless solutions to conserve resources are consistently taken into account. However, the primary goals of AI development are market dominance and profit maximization: ecological, social and ethical aspects are put on the back burner. This prevents AI from being consistently oriented towards the common good, a goal which is surely necessary for such a far-reaching technological revolution. Digital infrastructures, especially in the field of AI, are characterized by technological dependencies. In geopolitically volatile times, the associated risks are exacerbated, as political actors have the ability to restrict access to essential infrastructures or to attach conditions to them. In addition, language models can be used in a targeted manner to influence public discourse. Language models shape what is visible and sayable, what knowledge is disseminated and how it is evaluated. The specific way in which models do this also reflects the political inclinations of their developers. This creates the potential for manipulation. It is clear that there is a lack of democratic negotiation on the use of generative AI.