Algorithmische Identifizierung: Wie Maschinen sehen und identifizieren lernen

Dissertationsprojekt von Christoph Musik

Kurzbeschreibung:
Christoph Musik analysiert die gegenwärtigen Ausverhandlungs- und Implementierungsprozesse von algorithmischen Identifizierungstechniken, also Techniken wie Gesichtswiedererkennung (face recognition) oder Verhaltensmustererkennung (behaviour pattern analysis). Im Zentrum steht die Frage, wie neue, nicht-menschliche Akteure („Sehmaschinen“) sehen und identifizieren lernen. Automatisierung, automatische Bilderkennung und -interpretation werden heute als Zukunft der Videoüberwachung gehandelt.

Die Fähigkeit, Personen und deren Verhalten zu sehen, zu erkennen und zu identifizieren, soll nicht mehr nur dem Menschen überlassen werden, sondern soll zunehmend auch auf nicht-menschliche Akteure übertragen werden. Diese Übersetzungs- und Transformationsprozesse sollen in den Laboren von Computerwissenschaftlern und darüber hinaus mit Hilfe von ethnographischen Methoden wie teilnehmender Beobachtung und qualitativen Interviews untersucht werden. Dabei sind einerseits die Praxisformen der Identifizierung als Praxis des Verdatens, Klassifizierens und Archivierens von Interesse, aber auch die damit verbundenen Visionen und Versprechen, die an algorithmische Identifizierungstechniken herangetragen werden.