In dieser Folge sprechen wir über Künstliche Intelligenz. Aber wir wollen dabei nicht so sehr über den technischen Aspekt reden, sondern über die Frage: Können Maschinen denken? In Teil 1 ging es vor allem um Alan Turing und darum, wie Turing seinen Test ursprünglich dachte und welche Einwände es gegen seinen Test gibt. In Teil 2 sprechen wir jetzt vor allem über verschiedene Darstellungen von Mensch-Maschine-Beziehungen in der Populätkultur: Asimovs Robotergesetze und weitere Romane, Serien und Filme werden erwähnt und genauer angeschaut.

In dieser Folge sprechen wir über Künstliche Intelligenz. Aber wir wollen dabei nicht so sehr über den technischen Aspekt reden, sondern über die Frage: Können Maschinen denken? Alan Turing stellte diese Frage der Beschreibung seines Turing-Test voran. Es geht unter anderem darum, wie Turing seinen Test ursprünglich dachte und welche Einwände es gegen seinen Test gibt. Dabei kommen wir auch immer wieder auf die Darstellung von Mensch-Maschine-Beziehungen in der Populärkultur zu sprechen.

Wir erzählen von der remote Chaos Experience, die vom 27.-30.12. stattfand. Vor allem über die spannenden Talks zu Data Science, die wir uns angehört haben, wie z.B. über Wikidata für Journalist*innen, wie man mit Datenguide zugängliche Statistiken visualisieren kann, Deepfakes, eine Untersuchung zu Körperverletzung durch Polizeibeamt*innen und wie man mit Daten über Bodyfeedback im Theater arbeiten kann. Unsere Eindrücke von der Veranstaltung sparen wir auch nicht aus. Und es gibt einen redaktionellen Einschub zum Thema genderneutrale Sprache.

Auch wir möchten bei den Jahresrückblicken mitspielen und uns ansehen, was so passiert ist. Wir haben dieses Jahr unseren Podcast begonnen, eine Pandemie hat uns überrollt, die USA haben gewählt und Helena erzählt, welche Data Science Themen im Jahr 2020 besonders wichtig waren. Ein bisschen wollen wir auch orakeln, was 2021 angeht, welche Themen uns erwarten und welche neuen Podcastfolgen wir so planen.

Letzten Folge war eine Recherchefolge, um verschiedene Einzelthemen des Klimawandels anzusehen. Es ging um Temperaturkurven, Waldbrände und den Meeresspiegelanstieg. Helena war begeistert von Temperaturkurven, weil hier besonders interessante Aspekte drin stecken: z.B. wie man mit den Messdaten umgehen muss, um auf aussagekräftige Ergebnisse zu kommen. Deswegen geht es in dieser Folge um Temperaturmessungen, Probleme und Möglichkeiten bei der Analyse und darum, was es mit der globalen Temperatur auf sich hat.

Weil das Thema rund um die Klimakrise sehr komplex ist, wollen wir uns einzelnen Themenbereichen annähern. Wir haben zu Temperaturkurven, Waldbränden und dem Meeresspiegelanstieg recherchiert. In dieser Folge geht es darum einen Überblick zu bekommen, um Ansatzpunkte und Vertiefungen für künftige Folgen herauszuarbeiten, in denen es rund um Data Science mit Klimadaten gehen soll.

Hat der Literaturbetrieb ein strukturelles Problem? Zum einen sehen wir uns eine Studie aus 2018 an: „Sichtbarkeit von Frauen in Medien und im Literaturbetrieb“ des Forschungsprojektes #Frauenzählen und zum anderen das #Vorschauenzählen, bei dem das Frühjahrsprogramm der Buchverlage durchgesehen wird. Und schließlich werden wir eine eigene Datenanalyse zu drei großen Literaturpreisen im deutschsprachigen Raum machen, um zu gucken wie sich hier der Frauenanteil in den letzten Jahren entwickelt hat. Ausserdem werfen wir einen Blick auf verschiedene Aktionen von Autorinnen, Literaturwissenschaftlerinnen etc, um zu zeigen, wie sie Bewegung in den Literaturbetrieb bringen.

Helena hat zusammen mit der Designerin und Redakteurin Rebecca 2018 ein Wetterprojekt entwickelt. Sie haben an der Ausschreibung „Summer of Weather Code“ des Europäischen Zentrums für mittelfristige Wettervorhersagen (ECMWF) teilgenommen und im Bereich Innovativ Visualisations gemeinsam ein Projekt entwickelt. Dafür hatten sie ein halbes Jahr Zeit. Als Data Scientist und Designerin waren sie dabei das perfekte Team. Mit Rebecca als Gast reden wir in dieser Folge darüber, wie das ganze abgelaufen ist, welche Hürden es gab und was das Ergebnis ihrer Zusammenarbeit ist.

Der Begriff Racial Profiling wird aktuell viel diskutiert. Der Tod von George Floyd hat in den USA und international eine neue Welle von Protesten ausgelöst. Die Berichterstattung ebbt ab, aber das Thema Polizeigewalt gegen BIPoC bleibt und ist wichtig. Deswegen sehen wir uns das Thema Racial Profiling an und möchten verschiedene Aspekte aus der Perspektive von Data Science betrachten. Wichtige Stichwörter sind hierbei Predictive Policing und struktureller Rassismus. Uns ist auch die Frage wichtig, welche Rolle ein Data Scientist in diesem komplexen Thema spielt und spielen kann.