Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence ist ein 2021 bei Yale University Press erschienenes Sachbuch der australisch-amerikanischen Technologietheoretikerin Kate Crawford, Mitgründerin des AI Now Institute ().
Das Buch analysiert KI-Systeme nicht als abstrakte Softwarearchitekturen, sondern als materielle, politische und planetare Infrastrukturen – entlang ihrer physischen Grundlagen in Rohstoffabbau, Datenzentren und Lieferketten, ihrer Arbeitsverhältnisse in Crowdwork und Moderationsarbeit sowie ihrer Machtstrukturen in staatlicher Überwachung, militärischer Anwendung und Marktkonzentration.
Zusammenfassung
Atlas of AI ist in acht Kapitel gegliedert, die jeweils einen materiellen oder institutionellen Aspekt der KI-Infrastruktur kartieren:
| Kapitel | Gegenstand |
|---|---|
| Erde | Rohstoffabbau |
| Arbeit | Crowdwork und Moderationsarbeit |
| Daten | Trainingsdaten und Einwilligungspraktiken |
| Klassifikation | taxonomische Systeme und ihre Machteffekte |
| Affekt | Emotionserkennung |
| Staat | staatliche Überwachung und militärische KI |
| Macht | Marktkonzentration |
| Raum | physische Geografie der Infrastruktur |
Die methodische Grundthese lautet: KI ist weder neutral noch immateriell, sondern ein Machtinstrument, das bestehende Ungleichheiten reproduziert und neue schafft – mit materiellen Kosten, die im vorherrschenden Diskurs systematisch unsichtbar gemacht werden.
Crawford verbindet ethnografische Feldforschung, historische Archivarbeit, politische Ökonomie und Wissenschafts- und Technologiestudien (STS) zu einer methodisch eigenständigen Analyseform, die in der Sekundärliteratur als „materialist critique of AI” beschrieben wird.
Das Buch schließt mit dem Argument, dass KI als Konzentrationsmaschine fungiert – Daten, Rechenleistung, Kapital und Macht konzentrieren sich bei einer kleinen Zahl von Unternehmen und Staaten, die demokratischer Rechenschaftspflicht weitgehend entzogen sind.
Entstehungskontext
Autorin und AI Now Institute
Kate Crawford studierte Kommunikation und Kulturwissenschaften in Australien und promovierte an der University of Sydney. Sie ist Senior Principal Researcher bei Microsoft Research, Distinguished Research Professor an der NYU sowie seit 2021 Research Professor an der University of Southern California (USC Annenberg).
Sie war Mitgründerin und Ko-Direktorin des AI Now Institute, dessen Leitung inzwischen bei den Co-Executive Directors Amba Kak und Sarah Myers West liegt. Atlas of AI entstand parallel zu dieser Tätigkeit und destilliert die Forschungsagenda des Instituts in eine breite Synthesearbeit.
Mit dem gemeinsam mit dem Künstler Vladan Joler entwickelten Forschungs- und Ausstellungsprojekt Calculating Empires: A Genealogy of Technology and Power, 1500–2025 (Premiere November 2023, Fondazione Prada, Mailand) führt Crawford die materialistisch-kartierende Methode fort; die Arbeit wurde 2024 mit dem S+T+ARTS Grand Prize der Europäischen Kommission ausgezeichnet.
Crawford ist außerdem Ko-Autorin von Excavating AI (mit Trevor Paglen, 2019) – einer Analyse diskriminierender Labelpraktiken im ImageNet-Datensatz – und mehrerer Artikel zu algorithmischem Bias, staatlicher Überwachung und KI-Arbeitsverhältnissen.
Entstehungsphase und Feldforschung
Crawford begann die Recherchen zu Atlas of AI ca. 2017; das Buch beruht auf mehrjähriger Feldforschung, die Besuche in Lithium-Minen in Nevada und Bolivien, Datenzentren in den USA, Amazon-Logistikzentren und Archivarbeit in historischen KI-Forschungssammlungen umfasste.
Die Verbindung von physischer Geländearbeit – Crawfords Zusammenarbeit mit dem Fotografen und Aktivisten Trevor Paglen ist hier prägend – mit theoretischer Analyse ist ein Merkmal, das Atlas of AI von rein diskursanalytischen KI-Kritiken unterscheidet.
Kapitelstruktur und Kernargumente
Erde: Materialität und Rohstoffabbau
Das erste Kapitel kartiert die physischen Rohstoffgrundlagen von KI-Infrastruktur: Lithium für Batterien in Rechenzentren und Endgeräten, seltene Erden für Halbleiter, Wasser für Kühlanlagen, Kohle und Erdgas für Stromversorgung.
Crawford analysiert anhand der Lithium-Abbaugebiete in Nevada (Thacker Pass) und den bolivianischen Salzseen (Salar de Uyuni) die Umweltzerstörung, indigene Landrechtskonflikte und die globalen Lieferketten, auf die KI-Infrastruktur angewiesen ist. Das Argument: Der vorherrschende KI-Diskurs behandelt KI als immateriell – als Software, Daten, Algorithmen –, während ihre physische Infrastruktur globale Extraktionsnetzwerke erfordert.
Arbeit: Crowdwork und unsichtbare Arbeit
Das zweite Kapitel analysiert die Arbeitsverhältnisse in der KI-Wertschöpfungskette: Datenlabeling-Arbeit auf Plattformen wie Amazon Mechanical Turk und Scale AI, Inhaltsmoderation für Facebook, Apple und Google sowie die physische Logistikarbeit in Amazon-Lagerhäusern, die durch KI-Managementsysteme überwacht wird.
Crawford argumentiert, dass KI-Systeme systematisch auf schlecht bezahlte, oft im Globalen Süden geleistete Arbeit angewiesen sind, diese Abhängigkeit aber im Narrativ autonomer Systeme unsichtbar macht – eine These, die an Mary Grays Ghost Work (2019) anknüpft und in der Sekundärliteratur als zentrales Argument für die Neubetrachtung von KI-Arbeit diskutiert wird (Irani 2015; Gray/Suri 2019).
Daten: Trainingsdaten und Einwilligung
Das dritte Kapitel – eng mit Excavating AI (Crawford/Paglen 2019) verbunden – analysiert die Geschichte und Praktiken der Trainingsdatengenerierung: von frühen Datensätzen wie Labeled Faces in the Wild über ImageNet bis zu modernen Web-Crawl-Korpora.
Crawford argumentiert, dass der Einwilligungsbegriff im KI-Trainingsdaten-Kontext systematisch unterminiert wurde: Öffentlich zugängliche Bilder wurden ohne Einwilligung für kommerzielle Systeme verwendet, demografische Labels wurden ohne Wissen der Abgebildeten zugewiesen, und die Konstruktion „öffentlich zugänglich = frei verwendbar” verwischt juristische und ethische Grenzen.
Klassifikation: Taxonomien und Macht
Das vierte Kapitel analysiert die politische Dimension von Klassifikationssystemen in KI: wie Kategorien konstruiert werden, wessen Realitäten sie abbilden und wessen sie unsichtbar machen. Crawford knüpft an die STS-Tradition von Bowker und Star (Sorting Things Out, 1999) an und zeigt anhand von Gesichtserkennung, Emotionsanalyse und Kreditscoring, wie Klassifikationsentscheidungen Machtasymmetrien kodieren.
Affekt: Emotionserkennung und ihre Grenzen
Das fünfte Kapitel kritisiert die wissenschaftliche Grundlage von Emotionserkennungssystemen, die aus Gesichtsausdrücken auf innere Zustände schließen. Die neurowissenschaftliche Forschung von Lisa Feldman Barrett (How Emotions Are Made, 2017) zeige, dass die Annahme universeller Gesichtsausdrucks-Emotionscodes empirisch nicht haltbar ist; dennoch ist Emotionserkennung ein wachsendes kommerzielles KI-Segment.
Staat: Überwachung und militärische KI
Das sechste Kapitel analysiert staatliche Anwendungen von KI-Systemen: Gesichtserkennung in der Strafverfolgung (Clearview AI, NYPD), prädiktive Polizeiarbeit (PredPol/ShotSpotter), Grenzüberwachung (CBP) und militärische Drohnen-Targeting-Unterstützung (Project Maven, mit explizitem Bezug auf die interne E-Mail-Affäre bei Google).
Crawford argumentiert, dass die Grenze zwischen kommerzieller und staatlicher KI-Nutzung systematisch verwischt wird und Tech-Unternehmen de facto staatliche Überwachungsinfrastruktur aufbauen.
Macht: Marktkonzentration und KI-Kapitalismus
Die abschließenden Kapitel synthetisieren das Gesamtargument: KI fungiert als Konzentrationsmaschine – Daten, Rechenleistung, Talente und Kapital konzentrieren sich bei einer kleinen Zahl von Unternehmen.
Crawford bezeichnet diese Konstellation als „KI-Kapitalismus” – eine Wirtschaftsform, in der die digitale Infrastruktur des 21. Jahrhunderts von wenigen privaten Akteuren kontrolliert wird, die demokratischer Rechenschaftspflicht weitgehend entzogen sind.
Rezeption
Atlas of AI wurde in akademischen und populären Medien breit positiv rezipiert. Nature, The New York Times, The Guardian und Financial Times lobten das Buch als eigenständige Synthese.
Die bedeutendste Auszeichnung ist der Sally Hacker Prize der Society for the History of Technology, der 2022 vergeben wurde und Arbeiten der Technikgeschichte für ein breiteres Publikum ehrt. In der kritischen KI-Forschungsgemeinschaft ist Atlas of AI ein kanonischer Text; es wird in Syllabi für KI-Ethik- und STS-Kurse an US-amerikanischen, britischen und deutschen Universitäten eingesetzt.
Aus dem techno-optimistischen Lager wurde kritisiert, das Buch vernachlässige positive Anwendungsbeispiele von KI und übergewichte strukturelle Kritik gegenüber reformorientierter Policy-Arbeit. Einige Policy-orientierte Forschende haben angemerkt, dass Atlas of AI konkrete Handlungsempfehlungen vermeidet und stärker auf Problembeschreibung als auf Lösungsarchitektur ausgerichtet ist.
Kritik
Selektivität der Fallauswahl: Mehrere Rezensenten haben darauf hingewiesen, dass Crawfords Fallauswahl – US-amerikanische und westliche Kontexte, extraktive Industrien, staatliche Überwachung – zwar kohärent, aber nicht repräsentativ für die globale Gesamtheit von KI-Anwendungen ist.
KI-Anwendungen im Gesundheitswesen, in der Klimaforschung oder in der Bildung werden kaum behandelt; Mohamed u. a. (2020) haben ergänzend die Unterrepräsentation nicht-westlicher Perspektiven in der kritischen KI-Literatur insgesamt angesprochen.
Verhältnis zu reformistischen Ansätzen: Aus dem Lager des Human-Centered AI (Fei-Fei Li, Stanford HAI) wird gelegentlich argumentiert, Crawfords Analyse biete wenig Anknüpfungspunkte für inkrementelle Verbesserungen innerhalb bestehender Institutionen. Crawford hat diesen Einwand explizit zurückgewiesen und auf die strukturellen Grenzen reformistischer KI-Ethik hingewiesen (Whittaker/Crawford 2021).
Verwandte Begriffe
- Timnit Gebru – Excavating AI (Ko-Autorin Crawford/Paglen); Stochastic Parrots
- Foundation Models – kritisch analysierter Gegenstand
- OpenAI – analysierter Machtakteur
- Anthropic – analysierter Machtakteur
- The Precipice – Gegentext; Longtermism vs. gegenwärtige Schäden
- EU AI Act – regulatorischer Rahmen
- Partnership on AI – policy-orientiertes Gegenmodell
- TESCREAL – analytischer Rahmen der Gegenposition
Quellenangaben
- AI Now Institute, 2026. About Us. ainowinstitute.org. https://ainowinstitute.org/about
- Barrett, Lisa Feldman, 2017. How Emotions Are Made: The Secret Life of the Brain.
- Benjamin, Ruha, 2019. Race After Technology: Abolitionist Tools for the New Jim Code.
- Bowker, Geoffrey C. / Star, Susan Leigh, 1999. Sorting Things Out: Classification and Its Consequences.
- Crawford, Kate, 2021. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence.
- Crawford, Kate / Joler, Vladan, 2023. Calculating Empires: A Genealogy of Technology and Power, 1500–2025. Fondazione Prada, Mailand, November 2023. calculatingempires.net.
- Crawford, Kate / Paglen, Trevor, 2019. Excavating AI: The Politics of Images in Machine Learning Training Sets. In: AI & Society (2021) 36, S. 1105–1116. DOI: 10.1007/s00146-021-01162-8.
- Gebru, Timnit / Torres, Émile P., 2024. The TESCREAL Bundle: Eugenics and the Promise of Utopia through Artificial General Intelligence. In: First Monday 29 (4). DOI: 10.5210/fm.v29i4.13636.
- Gray, Mary L. / Suri, Siddharth, 2019. Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass.
- Irani, Lilly, 2015. Difference and Dependence among Digital Workers: The Case of Amazon Mechanical Turk. In: South Atlantic Quarterly 114 (1), S. 225–234. DOI: 10.1215/00382876-2831665.
- Mohamed, Shakir / Png, Marie-Therese / Isaac, William, 2020. Decolonial AI: Decolonial Theory as Sociotechnical Foresight in Artificial Intelligence. In: Philosophy & Technology 33 (4), S. 659–684. DOI: 10.1007/s13347-020-00405-8.
- Noble, Safiya Umoja, 2018. Algorithms of Oppression: How Search Engines Reinforce Racism.
- Whittaker, Meredith, 2021. The Steep Cost of Capture. In: Interactions 28 (6), S. 50–55. DOI: 10.1145/3488666.