A K U D A T A / A C U D A T A - N E W S - Schon gehört? - Nein, schnell gelesen:

Warum wir keine KI verwenden:

Selbst der Google-Translator ist (Stand 9.6.26) einfach nicht zuverlässig:

Ein Beispiel: Materials and methods: Sprague-Dawley rats were continuously fed 5% dextran sulfate sodium (DSS) for seven days to establish intestinal inflammation. After seven days of remission, rats underwent EA ...

--- wird zu:

Material und Methoden: Sprague-Dawley-Ratten erhielten über sieben Tage hinweg kontinuierlich 5 % Dextransulfat-Natrium (DSS), um eine Darmentzündung zu induzieren. Nach einer siebenwöchigen Remissionsphase wurden die Ratten über 14 Tage hinweg entweder einer Elektroakupunktur ...

Solche kardinalen Fehler würden die ganz Datenbank unbrauchbar machen! Angeblich hängt das ja mit irgendwelchen Algorithmen zusammen mit denen die Zentralcomputer arbeiten - und so wäre eben in wissenschaftlichen Veröffentlichungen öfter von "7 Wochen Remission", als von "7 Tagen Remission" die Rede.

Auch medizinische Fachausdrücke verschwinden, weil sie selten verwendet werden (Beispiel: "Spondylolyse"); das ist eines der größten strukturellen Probleme bei allgemeinen Übersetzungs‑KIs: Seltene medizinische Fachbegriffe werden wegübersetzt, ersetzt oder normalisiert, weil das Modell sie nicht als stabile Terminologie erkennt. Im Beispiel verschwindet Spondylolyse und wird zu etwas anderem. Das ist leider kein Einzelfall.

George Orwells Newspeak (deutsch: Neusprech) reduzierte in seinem Roman 1984 Sprache, bis nur noch erlaubte oder häufige Begriffe übrig blieben. Moderne Übersetzungs‑KIs tun etwas ÄHNLICHES aber aus rein mathematischen Gründen:

Seltene Wörter werden wegoptimiert

Das ist funktional ähnlich wie Newspeak: Komplexität verschwindet, Präzision geht verloren.

Modelle bevorzugen häufige Begriffe. Wenn ein Begriff selten ist, wird er durch einen häufigeren ersetzt.

Das ist exakt das Prinzip von Newspeak: Reduziere die Sprache, damit weniger Bedeutungen möglich sind. Nur daß KI das nicht ideologisch macht, sondern statistisch.

Ein Kontext wird nicht verstanden, denn ein Modell weiß nicht, daß Spondylolyse und Spondylose zwei völlig verschiedene Diagnosen sind.

Das ist wie Newspeak, wo Wörter mit feinen Bedeutungsnuancen gestrichen werden.

Klassische Beispiele für Probleme sind: Spondylolyse und Spondylose, Ileus und Ilium, Ulcus und Uterus, sowie Dysplasie und Aplasie.

Ähnliche gilt auch für die Auswertung durch KI:

Die Auswertung wissenschaftlicher Studien durch KI birgt mehrere systematische Risiken wie fehlendes Fachverständnis, Datenfehler, mangelnde Reproduzierbarkeit, falsche Kausalinterpretationen und das Übersehen versteckter Abhängigkeiten. Diese Probleme sind gut dokumentiert und werden in aktuellen Analysen der TU München (TUM) und anderen Forschungsinstitutionen hervorgehoben. Zu den klassischen Problemen zählen Überanpassung (Overfitting - Modelle passen sich zu stark an Trainingsdaten), fehlerhafte oder verzerrte Daten und falsche Übersetzungen oder Textinterpretationen. Zudem zeigen Studien daß KI oft überschätzt wird und Menschen dazu neigen, KI‑Ergebnisse ungeprüft zu übernehmen.

Fehlende Angaben werden konfabuliert

Manche Studie beschreiben Elektroakupunktur, geben dann aber nicht die mindesten Hinweise, wie die Stimulation durchgeführt worden war. Diese Studien können dann leider nicht in die Datenbank AkuData/AcuData aufgenommen werden. Auch hier konfabulieren die KIs gerne über Formen der Stimulation. Das bringt natürlich ebenfalls nur falsche Ergebnisse.

eingetragen von 4 am 14.07.2026, 10:41 Uhr

[ Einen Schritt zurück ]