Vor einigen Jahren habe ich an dieser Stelle über „Gestaltende Verantwortung“ geschrieben. Ausgangspunkt war damals eine Beobachtung, die mir noch immer zentral erscheint: Daten erzählen keine Geschichten von selbst. Welche Daten wir miteinander verbinden, wie wir sie darstellen, interpretieren und übersetzen, beeinflusst, welche Gegenwart wir erkennen und welche Zukunft wir uns vorstellen können. Data Narration produziert wirkmächtige Narrative.

Seitdem hat sich die Frage für mich weiter verschoben.

Mich interessiert inzwischen mindestens ebenso sehr, was vor dieser Darstellung passiert. Was muss geschehen, damit etwas überhaupt zu einem Datensatz werden kann? Welches Wissen lässt sich erfassen, kategorisieren und berechnen und welches entzieht sich dieser Logik? Was geht verloren, wenn Zusammenhänge in einzelne Variablen zerlegt werden? Und was bedeutet das für eine Gesellschaft, in der immer mehr Entscheidungen auf datenbasierten Modellen und Künstlicher Intelligenz beruhen?

Diese Fragen standen auch im Raum, als ich im Rahmen von KuDiNa³ gemeinsam mit Uta Atzpodien ein Gespräch mit Jens Heitjohann und Fabian Raith über das Festival Beyond Gravity und dessen Schwerpunkt „Decolonizing the Digital“ moderiert habe. Wir sprachen über digitale Technologien und globale Machtverhältnisse, über Bias und Data Voids, über Ressourcen, Infrastrukturen und kuratorische Verantwortung.

Im Laufe des Gesprächs rückte für mich aber eine andere Frage immer stärker ins Zentrum: die nach unterschiedlichen Wissenskulturen. Für mich liegt genau dort ein blinder Fleck vieler aktueller Debatten über KI.

Der blinde Fleck liegt nicht nur im Datensatz

Wenn wir über Ausschlüsse in digitalen Systemen sprechen, sprechen wir häufig über fehlende oder verzerrte Daten. Wer kommt in einem Datensatz vor? Wer nicht? Welche Sprachen, Körper, Lebensrealitäten und Erfahrungen sind überrepräsentiert, welche kaum vorhanden?

Das sind notwendige Fragen. Aber möglicherweise reicht die Frage „Welche Daten fehlen?“ nicht weit genug.

Denn sie legt eine bestimmte Antwort bereits nahe: Wir brauchen mehr Daten. Mehr Perspektiven, mehr Sprachen, mehr unterschiedliche Erfahrungen. Wenn wir die Lücken schließen, so die Hoffnung, werden Datensatz und Modell repräsentativer und damit irgendwann auch gerechter.

Was aber, wenn bestimmte Formen von Wissen nicht einfach fehlen, sondern sich verändern, sobald sie datenförmig werden? Was, wenn das Problem nicht allein darin besteht, dass unser Datensatz zu klein oder einseitig ist, sondern auch darin, dass die Logik des Datensatzes selbst bestimmte Vorstellungen davon voraussetzt, was überhaupt als Wissen gelten kann? Dann geht es nicht mehr nur um Repräsentation. Dann geht es um Epistemologie.

Wissen ist mehr als Information

Besonders deutlich wurde diese Frage in unserem Gespräch über Angie Abdilla. Die palawa Kreativtechnologin und Professorin an der School of Cybernetics der Australian National University arbeitet mit indigenen Wissenssystemen als Ausgangspunkt für Technologieentwicklung. Mit Old Ways, New entwickelt sie unter anderem Country Centred Design und forscht zu Indigenous Protocols for AI und zu Technologie als kultureller Praxis.

Bei Beyond Gravity war Abdilla sowohl mit einem Vortrag als auch mit ihrer Installation „Meditation on Country“ vertreten. Die Arbeit verbindet indigenes Wissen und westliche Astrophysik. Wissenschaftliche und kulturelle Datensätze werden dabei mithilfe von Machine-Learning-Modellen zusammengeführt, die durch kulturelle Programmierprotokolle trainiert wurden. Technologie erscheint hier gerade nicht als neutrales Werkzeug, sondern als kulturelle Praxis, eingebettet in Sprache, Erzählung, Land und Beziehungen.

Jens Heitjohann fasste im Gespräch eine Spannung aus Abdillas Vortrag für uns so zusammen: Auf der einen Seite stehe die Logik digitaler Systeme, Wissen und Praktiken in möglichst kleine, diskrete Einheiten zu zerlegen, um sie komputierbar zu machen. Dem gegenüber stünden Wissenssysteme, in denen einzelne Elemente gerade nicht unabhängig voneinander verstanden werden können, weil Technologie, Erzählung, soziale Ordnung, ökologische Beziehungen und kulturelle Praxis miteinander verbunden sind.

Mich hat daran weniger die Gegenüberstellung zweier vermeintlich geschlossener Kulturen interessiert. Darum geht es mir ausdrücklich nicht. Interessant ist vielmehr die grundsätzliche Frage dahinter: Was passiert mit Wissen, wenn wir es aus seinen Beziehungen lösen müssen, damit Maschinen es verarbeiten können?

Was bei der Übersetzung verloren geht

Ein Datenpunkt braucht Abgrenzbarkeit. Eine Datenbank braucht Kategorien. Ein Modell braucht Variablen. Berechnung setzt Reduktion voraus. Das ist keine Fehlfunktion digitaler Technologien. Es ist eine ihrer Bedingungen. Problematisch wird es dort, wo wir beginnen, diese notwendige Reduktion mit der Welt selbst zu verwechseln.

Wir kennen das aus vielen Zusammenhängen. Eine Karte kann sehr präzise zeigen, wo etwas liegt, aber nicht automatisch, was ein Ort für jemanden bedeutet. Mobilitätsdaten können Bewegungsströme sichtbar machen, aber nicht ohne Weiteres erklären, warum ein Weg als angenehm, gefährlich oder vertraut erlebt wird. Klimadaten können Veränderungen von Wasserständen berechnen, aber Erinnerungen, alltägliche Praktiken oder lokale Erfahrungen im Umgang mit Wasser folgen einer anderen Logik.

Natürlich können wir versuchen, auch dieses Wissen zu erheben. Wir können Interviews führen, historische Quellen digitalisieren, Erfahrungen kategorisieren und qualitative Daten codieren. Aber auch dann bleibt die Frage: Was geschieht durch diese Übersetzung?

Genau an dieser Schnittstelle setzt auch unser großes Forschungsprojekt Currents of Imagination (gefördert durch die Volkswagenstiftung im Change!Fellowship Programm)an: Es untersucht, wie KI, künstlerische Praxis und lokales Wissen zusammenwirken können, um urbane Wasserzukünfte jenseits rein datenbasierter Prognosen erfahrbar und verhandelbar zu machen. Gemeinsam mit dem ZKM | Zentrum für Kunst und Medien Karlsruhe und zahlreichen weiteren Partner:innen werden wir in den kommenden fünf Jahren erproben, wie KI, künstlerische Praxis und lokales Wissen anders miteinander in Beziehung gesetzt werden können.

Lokales Wissen ist eben nicht nur Wissen über einen Ort. Es entsteht mit einem Ort. Durch Erfahrung, Wiederholung, Erinnerung und Beziehung. Es kann verkörpert oder mündlich überliefert sein, an konkrete Situationen oder Zeitlichkeiten gebunden und durchaus widersprüchlich. Das macht lokales Wissen nicht automatisch richtiger, gerechter oder nachhaltiger. Auch lokale Wissenskulturen produzieren Ausschlüsse. Aber ihre Situiertheit erinnert uns an etwas, das datenbasierte Systeme leicht vergessen lassen: Jedes Wissen hat Bedingungen seiner Entstehung. Daten auch.

Die Schönheit der Komplexität

Jens Heitjohann verwendete im Gespräch dafür eine drastische Formulierung. Wenn wir über digitale Medien sprechen, so sagte er, sprechen wir über enorme Abstraktionspotenziale und damit auch über das Potenzial einer „Vernichtung von Komplexität“. Die Aufgabe bestehe deshalb darin, Formen zu finden, die Komplexität wieder öffnen können, auch dort, wo sie in unseren digitalen Medien und Werkzeugen zunächst nicht angelegt ist. Ich glaube, dass darin eine wichtige kulturpolitische Aufgabe liegt. Denn Komplexität hat derzeit keinen besonders guten Ruf: Wir wollen Prozesse vereinfachen, Systeme skalierbar machen, Daten vereinheitlichen und Entscheidungen effizienter treffen. Gerade angesichts multipler Krisen ist dieser Wunsch nachvollziehbar. Komplexität produziert Unsicherheit, und Unsicherheit ist schwer zu verwalten.

Nur wird die Welt nicht weniger komplex, weil unser Dashboard übersichtlicher wird.

Gerade ökologische Transformationen verlangen von uns, Beziehungen wahrzunehmen: zwischen sozialen und ökologischen Systemen, zwischen Vergangenheit und Zukunft, zwischen globalen Entwicklungen und konkreten Orten, zwischen messbaren Veränderungen und dem Erfahrungswissen der Menschen, die mit ihnen leben. Vielleicht brauchen wir deshalb nicht nur bessere Daten.

Vielleicht brauchen wir auch eine größere Toleranz für Wissen, das sich der Eindeutigkeit entzieht.

Auch digitales Wissen kann verschwinden

Dass Digitalisierung nicht automatisch Vielfalt produziert oder erhält, wurde im Gespräch an einer zweiten künstlerischen Position deutlich: der Arbeit von Studio Oleomingus. Das unabhängige indische Game- und Kunststudio beschreibt seine eigene Praxis als Arbeit an der Schnittstelle von postkolonialem Schreiben und Interactive Fiction. Digitale Spielräume verstehen die Künstler als Orte von Diskurs, Widerstand und Aufzeichnung und nutzen sie, um sich mit kolonialen Machtstrukturen, verdeckten Geschichten, Sprache und der Frage auseinanderzusetzen, wie Geschichte überhaupt erzählt und gespeichert wird. Bei Beyond Gravity war mit „Folds of a Separation“ eine Arbeit zu sehen, die sich mit der Inhaftierung und dem Ausschluss von Körpern aus öffentlichen Räumen sowie mit staatlicher Kontrolle beschäftigt. Fabian Raith nahm die Arbeit im Gespräch zum Ausgangspunkt für eine weiterführende Beobachtung: Auch innerhalb digitaler Kulturen können Erzähl- und Wissensformen unter dem Druck von Kommerzialisierung und Marktdynamiken verdrängt werden. Seine Frage war deshalb nicht nur, was digital gespeichert werden kann, sondern welchen Fantasien, Regeln und Machtstrukturen digitale Räume folgen und welche alternativen Formen wir bewusst erhalten und fördern wollen. Das ist für mich zentral. Denn wir sprechen über Digitalisierung häufig, als sei sie automatisch eine Form der Bewahrung. Was digitalisiert wurde, ist gespeichert; was gespeichert ist, steht zur Verfügung. So einfach ist es nicht.

Digitale Räume haben Infrastrukturen, Standards und Geschäftsmodelle. Plattformen verändern sich. Formate verschwinden. Suchlogiken entscheiden über Auffindbarkeit. Märkte darüber, welche Anwendungen weiterentwickelt werden. Eine Wissensform kann also digital vorhanden und trotzdem praktisch unsichtbar sein. Die entscheidende Frage lautet deshalb nicht nur: Was wird digitalisiert? Sondern auch: Welche Wissenskulturen können unter den Bedingungen unserer digitalen Infrastrukturen weiterleben?

Von Digital Literacy zu epistemischer Literacy

Daraus ergibt sich für mich eine Erweiterung dessen, was wir gewöhnlich unter Digital Literacy verstehen.

Natürlich sollten wir verstehen, wie Algorithmen, Trainingsdaten und Plattformen funktionieren. Wir sollten wissen, wo Daten gespeichert werden, wer Zugriff auf sie hat und welche Interessen hinter digitalen Infrastrukturen stehen. Aber wir brauchen zusätzlich eine Art epistemischer Literacy: die Fähigkeit zu erkennen, welches Verständnis von Wissen in einer Technologie steckt. Welche Kategorien muss ein System bilden, damit es funktioniert? Welche Formen von Eindeutigkeit verlangt es? Welche Beziehungen werden bei der Übersetzung in Daten durchschnitten? Was lässt sich zählen und was wird dadurch unsichtbar? Wer legt fest, was relevant ist? Und wer kann dieser Ordnung widersprechen? Das sind keine rein technischen Fragen. Es sind kulturelle und politische Fragen.

Beziehungsarbeit statt Datenextraktion

Eine mögliche Antwort tauchte in unserem Gespräch immer wieder auf: Beziehungsarbeit.

Bei Beyond Gravity war das nicht nur ein theoretischer Begriff. Für das Residenzprogramm wurden internationale Kuratorinnen eingeladen, gemeinsam mit Künstlerinnen Projekte zu entwickeln und dafür wiederum Kooperationen mit künstlerischen oder technologischen Positionen im Ruhrgebiet einzugehen. Die Setzung von Themen und Einladungspolitiken sollte damit zumindest punktuell anders organisiert und kuratorische Entscheidungsmacht verschoben werden. Am Ende des Gesprächs wurde daraus eine sehr konkrete kulturpolitische Forderung: lokale Strukturen stärken, Begegnungsräume ermöglichen, Digital Literacy fördern und große Fragen in konkrete lokale Praktiken übersetzen. Für mich steckt darin mehr als eine Empfehlung für Förderprogramme. Es ist ein anderes Verständnis davon, wie Wissen entsteht.

Nicht als Rohstoff, den wir einsammeln, aus seinem Zusammenhang lösen und anschließend in ein System einspeisen. Sondern relational: durch Zeit, Vertrauen, Auseinandersetzung, Übersetzung und manchmal durch das Eingeständnis, etwas nicht vollständig übersetzen zu können.

Gerade Kunst und Kultur können dafür wichtige Räume schaffen. Nicht weil sie außerhalb bestehender Machtstrukturen stünden. Sondern weil Wissen hier nicht ausschließlich als Information auftreten muss. Es kann erzählt, aufgeführt, verkörpert, erinnert, gespielt oder spekulativ verändert werden. Und manchmal besteht die Qualität einer künstlerischen Arbeit gerade darin, einen Widerspruch nicht aufzulösen.

Eine Kulturpolitik der Wissensvielfalt

Was folgt daraus kulturpolitisch?

Digitalpolitik im Kulturbereich darf nicht bei Infrastruktur, Software und Kompetenzen enden. Wir müssen genauso darüber sprechen, welche Formen von Wissen diese Infrastrukturen ermöglichen und welche sie erschweren. Das betrifft Archive ebenso wie KI-Projekte, digitale Sammlungen, Kulturplattformen oder datenbasierte Prozesse in Verwaltungen und Städten.

Wer definiert Kategorien? Wer entscheidet darüber, was dokumentiert wird? Welche Möglichkeiten gibt es, Wissen zu ergänzen, zu kontextualisieren oder ihm zu widersprechen? Welche Beziehungen gehen bei der Übertragung in Daten verloren? Und gibt es vielleicht sogar Wissen, das bewusst nicht digitalisiert werden sollte? Vor allem aber brauchen wir Räume, in denen unterschiedliche Wissensformen aufeinandertreffen können, ohne sofort vereinheitlicht werden zu müssen. Das ist mehr als Diversität im Sinne von Repräsentation.

Es geht um epistemische Vielfalt: um unterschiedliche Arten, Welt wahrzunehmen, Wissen hervorzubringen und Beziehungen zwischen Dingen herzustellen.

Gegen Ende unseres Gesprächs musste ich an einen Veranstaltungstitel denken, der mich seit Jahren begleitet: Enjoy Complexity, eine Reihe der Akademie für Theater und Digitalität bei der ich in Dortmund mal zu Gast war. Komplexität genießen. Vielleicht ist das tatsächlich eine Haltung, die wir momentan dringend benötigen. Nicht Komplexität um ihrer selbst willen. Nicht als akademische Geste und auch nicht als Ausrede dafür, keine Entscheidungen treffen zu müssen. Sondern als Anerkennung der Tatsache, dass Reduktion immer einen Preis hat.

Daten sind unverzichtbar. Modelle sind unverzichtbar. Auch KI wird zunehmend Bestandteil unserer Wissensproduktion sein. Gerade deshalb müssen wir lernen, ihre Grenzen mitzudenken. Gestaltende Verantwortung beginnt dann nicht erst bei der Frage, was wir mit Daten machen. Sie beginnt bereits bei der Entscheidung, was wir zu Daten machen und was nicht.

Nicht jede Datenlücke ist deshalb einfach ein Defizit, das geschlossen werden muss.

Manche Lücken erinnern uns daran, dass die Welt größer ist als ihre Modelle.

---