Suchergebnisse

AbstractToday, due to growing computing power and the increasing availability of high-quality datasets, artificial intelligence (AI) technologies are entering many areas of our everyday life. Thereby, however, significant ethical concerns arise, including issues of fairness, privacy and human autonomy. By aggregating current concerns and criticisms, we identify five crucial shortcomings of the current debate on the ethics of AI. On the threshold of a third wave of AI ethics, we find that the field eventually fails to take sufficient account of the business context and deep societal value conflicts the use of AI systems may evoke. For even a perfectly fair AI system, regardless of its feasibility, may be ethically problematic, a too narrow focus on the ethical implications of technical systems alone seems insufficient. Therefore, we introduce a business ethics perspective based on the normative theory of contractualism and conceptualise ethical implications as conflicts between values of diverse stakeholders. We argue that such value conflicts can be resolved by an account of deliberative order ethics holding that stakeholders of an economic community deliberate the costs and benefits and agree on rules for acceptable trade-offs when AI systems are employed. This allows AI ethics to consider business practices, to recognise the role of firms, and ethical AI not being at risk to provide a competitive disadvantage or in conflict with the current functioning of economic markets. By introducing deliberative order ethics, we thus seek to do justice to the fundamental normative and political dimensions at the core of AI ethics.

Today, due to growing computing power and the increasing availability of high-quality datasets, artificial intelligence (AI) technologies are entering many areas of our everyday life. Thereby, however, significant ethical concerns arise, including issues of fairness, privacy and human autonomy. By aggregating current concerns and criticisms, we identify five crucial shortcomings of the current debate on the ethics of AI. On the threshold of a third wave of AI ethics, we find that the field eventually fails to take sufficient account of the business context and deep societal value conflicts the use of AI systems may evoke. For even a perfectly fair AI system, regardless of its feasibility, may be ethically problematic, a too narrow focus on the ethical implications of technical systems alone seems insufficient. Therefore, we introduce a business ethics perspective based on the normative theory of contractualism and conceptualise ethical implications as conflicts between values of diverse stakeholders. We argue that such value conflicts can be resolved by an account of deliberative order ethics holding that stakeholders of an economic community deliberate the costs and benefits and agree on rules for acceptable trade-offs when AI systems are employed. This allows AI ethics to consider business practices, to recognise the role of firms, and ethical AI not being at risk to provide a competitive disadvantage or in conflict with the current functioning of economic markets. By introducing deliberative order ethics, we thus seek to do justice to the fundamental normative and political dimensions at the core of AI ethics.

Sowohl Open Science als auch Responsible Research and Innovation (RRI) zielen auf tiefgreifende Transformationen im Innovationssystem durch eine stärkere Öffnung von Forschung und Entwicklung für gesellschaftliche Akteure. Trotz dieser grundsätzlichen Nähe beider Konzepte wurde ihr Verhältnis bisher nicht eingehend analysiert. Dieser Beitrag möchte einen ersten Ansatz bieten, die Ähnlichkeiten und Unterschiede von RRI und Open Science hinsichtlich des diskursiven Ursprungs der beiden Metakonzepte, ihrer jeweiligen Herausforderungen und Ziele sowie ihrer Akteure und der Rolle der Gesellschaft zu diskutieren. Darauf aufbauend werden Implikationen und Potenziale einer konzeptionellen Integration aufgezeigt. Der Artikel schließt mit einem Ausblick auf mögliche Ansätze einer Integration.

Digitalisierung und neue Innovationszyklen stellen wissensintensive Branchen vor große Herausforderungen. Neue Innovationsstrategien und neue Geschäftsmodelle ersetzen konventionelle Wertschöpfungsmuster. Der daraus resultierende Veränderungsdruck betrifft sowohl die interne Wissensproduktion von Unternehmen als auch ihre Forschungs- und Innovationskooperationen mit externen Forschungseinrichtungen: Die Aufgabenprofile und Anforderungen an die Forschungs- und Entwicklungsabteilungen verändern sich, der Stellenwert externen Wissens nimmt zu und alternative Formen der Kooperation gewinnen an Bedeutung. Das Projekt "Open Transfer" hat sich in zwei Fallstudien mit der Frage beschäftigt, wie sich die Wertschöpfungsketten und die FuE-Kooperationen zwischen Unternehmen und Forschungseinrichtungen verändern. Die vorliegenden Ergebnisse beschreiben etablierte und innovative Kooperationspraktiken und zeigen aktuelle Herausforderungen. Die Analyse verdeutlicht den gegenwärtigen und zunehmenden Stellenwert der engen Zusammenarbeit unterschiedlicher Akteure in Innovationsökosystemen.