{"id":4886,"date":"2019-04-17T18:00:21","date_gmt":"2019-04-17T16:00:21","guid":{"rendered":"http:\/\/sven-teuber.info\/wordpress\/?p=4886"},"modified":"2019-04-17T14:56:06","modified_gmt":"2019-04-17T12:56:06","slug":"coexist-with-humans-10-die-diskriminierende-ki","status":"publish","type":"post","link":"https:\/\/sven-teuber.info\/wordpress\/coexist-with-humans-10-die-diskriminierende-ki\/","title":{"rendered":"Coexist with humans (10) die diskriminierende KI"},"content":{"rendered":"\n
\"\"
ST, 2019, Title: Coexist with humans (10)<\/figcaption><\/figure>\n\n\n\n

Die Diskussion um diskriminierende KI \u2013 und was wir von ihr lernen k\u00f6nnen<\/h2>\n\n\n\n

Die rassistische, sexistische, psychopathische KI \u2013 manifestieren sich in einer Technologie, die unser Leben eigentlich verbessern sollte, die Schattenseiten unserer Gesellschaft? Ist KI nun eine M\u00f6glichkeit, menschliche Irrationalit\u00e4t, vorherrschende Ungleichheit und Vorurteile zu reduzieren \u2013 oder potenziert sie sie stattdessen? <\/p>\n\n\n\n

Vor einigen Monaten tauchte Norman auf. Norman behauptet, ein Psychopath zu sein. W\u00e4hrend sein Kollege auf Rohrschachtests eine Hochzeitstorte sieht, sieht er, wie ein Mann in eine Teigmaschine f\u00e4llt oder auf offener Stra\u00dfe erschossen \u2013 Brutales, um es kurz zu fassen. Norman ist kein Mensch; Norman ist der Name einer KI, die mit Fotos eines Reddit Threads trainiert wurde und dann angeben sollte, was sie auf Fotos des Rohrschachtests sieht. Es ist unklar, ob wir Norman irgendwie witzig finden oder ihn als Symbol f\u00fcr die Risiken und Gefahren halten sollten, die KI birgt. Bei anderen Meldungen ist es eindeutiger: Es ist letzteres. In letzter Zeit machte Gesichtserkennungssoftware von IBM, Face++ oder Microsoft Schlagzeilen: Weil sie hellh\u00e4utige M\u00e4nner wesentlich besser erkennt, als Frauen mit dunklerer Hautfarbe. Eine rassistische KI? Das ist dabei kein Einzelfall: Die Software COMPAS, die die Wahrscheinlichkeit eines kriminellen R\u00fcckfalls voraussagen soll, beschreibt afroamerikanischen H\u00e4ftlingen mehr als doppelt so h\u00e4ufig f\u00e4lschlicherweise als Hochrisikof\u00e4lle. Chatbots, wie Tay von Microsoft, verleugnen auf twitter den Holocaust. Immer lauter, immer h\u00e4ufiger wird der Vorwurf der diskriminierenden Systeme ausgesprochen. Doch handelt es sich dabei wirklich um diskriminierende Technologie? Ist es einer Technologie m\u00f6glich, sexistisch, rassistisch, extremistisch zu sein? Und wie sollen wir als Gesellschaft damit umgehen? <\/p>\n\n\n\n\n\n\n\n

\u201eAlgorithmen sind nicht ausschlie\u00dflich technisch.\u201c <\/h2>\n\n\n\n

Im Juni h\u00e4lt Goda Klombyte, Doktorandin des GEdis Lab der Universit\u00e4t Kassel, einen Vortrag in Berlin. GEdis steht dabei f\u00fcr Gender and Diversity in Informatic Systems, sie spricht \u00fcber Feminismus und Algorithmen. Was sie sagt, ist allerdings anwendbar auf jegliche Form von Diskriminierung: Algorithmen seien nicht ausschlie\u00dflich technisch \u2013 es sei an uns zu fragen, wessen Perspektive sie vermitteln und wie es m\u00f6glich ist, soziale Praktiken in Algorithmen einzuschleusen. Wie wurde beispielsweise Tay zum Holocaustleugner oder die Gesichtserkennungssoftware zum vermeintlichen Rassisten? Hinter beiden Anwendungen scheinen neuronale Netze zu stehen (etwas mehr dar\u00fcber haben wir bereits hier geschrieben). Neuronale Netze sind Algorithmen, die maschinell lernen k\u00f6nnen. Sie werden mit einem Datensatz trainiert, einem Trainingsset; bei Bilderkennung mit Fotos, bei Spracherkennung mit Sprache und Text. Umso mehr Input zur Verf\u00fcgung steht, umso gr\u00f6\u00dfer das Trainingsset, umso besser werden diese Systeme in der Erkennung von Bildern oder Sprache. Sie lernen. W\u00fcrden wir das Trainingsset der Gesichtserkennungssoftware ansehen, w\u00fcrden wir wohl einen Datensatz auffinden, in dem Menschen (beziehungsweise M\u00e4nner) mit hellerer Hautfarbe wesentlich h\u00e4ufiger auftauchen, als Menschen mit anderer Hautfarbe. Wei\u00dfe M\u00e4nner w\u00e4ren stark repr\u00e4sentiert, Frauen und Menschen anderer Hautfarbe unterrepr\u00e4sentiert. Daher erkennt Software letztere weniger gut \u2013 sie lernte besser, helle Hautfarbe zu erkennen, als dunkle. Datens\u00e4tze, in denen etwas \u00fcber- oder unterrepr\u00e4sentiert ist, sind ein h\u00e4ufiges Ph\u00e4nomen, nicht nur in Gesichtserkennungsalgorithmen: Datenbiases. <\/p>\n\n\n\n

Algorithmen erkennen Muster viel st\u00e4rker als wir Menschen <\/h2>\n\n\n\n

Das bedeutet, dass obgleich das Resultat diskriminierend ist, die Technologie, sprich die Algorithmen als solche, nicht diskriminierend sind. Sie lernen lediglich mit den Daten, die ihnen zur Verf\u00fcgung gestellt werden. Und das ist ein Problem: Denn h\u00e4ufig lernen Algorithmen mit historischen Daten; mit dem, was \u201eeben da ist\u201c. \u201eSpracherkennungsalgorithmen, beispielsweise, lernen auf Basis existierender Sprache. Wenn es in der existierenden Sprache das Muster gibt, dass ein Mann immer der Verdiener, der Arzt, ist und die Frau mit Haushalt assoziiert wird, weil Menschen das so im Kopf haben, lernt der Algorithmus das. Und man muss sich aktiv bem\u00fchen, das rauszunehmen\u201c, sagt Professor Florian Ellsaesser vom Centre for Human and Machine Intelligence der Frankfurt School of Finance and Management. Diskriminierung und Ungleichheiten sind in unserer Gesellschaft pr\u00e4sent, sie finden sich in allt\u00e4glichen Strukturen, in unserer Sprache, in den Daten, mit denen Algorithmen dann lernen sollen. \u201eDas ist ja nicht nur ein Problem von Algorithmen, sondern auch der Mensch hat das Problem, dass er Dinge zu sehr generalisiert. Es existiert bei uns Menschen genauso, nur der Algorithmus bringt es viel st\u00e4rker heraus, weil es da vollautomatisch l\u00e4uft.\u201c Dem stimmt auch Dr. Sebastian Thieme, Bioinformatiker und -physiker, zu. Er wei\u00df, dass Algorithmen viel besser darin sind, Muster zu erkennen, als wir Menschen. Algorithmen erkennen Muster auch dort, wo wir sie nicht erkennen \u2013 nicht mehr erkennen oder nicht erkennen wollen. Und das ist erschreckend. \u201eWir erkennen die Systematik dadurch viel st\u00e4rker\u201c, sagt Ellsaesser. \u201eDa merken wir, dass Frau eben im durchschnittlichen Sprachgebrauch oft mit Haushalt assoziiert wird.\u201c Uns werde jetzt ein Spiegel vorgehalten, sagt Thieme, ein gesellschaftlicher Spiegel. Das trifft vor allem auf den COMPAS Algorithmus zu: Trainiert wurde er mit historischen Daten. Mit Daten, die repr\u00e4sentieren, dass einige Gruppen von Menschen eine andere Behandlung erfahren, einige RichterInnen und BeamtInnen nicht immer objektiv entscheiden. Mit Daten, in denen sich rassistische und diskriminierende Muster finden lassen. \u201eWas wir in Zukunft erleben werden ist keine mehr so offensichtliche Diskriminierung, sondern neue Arten von Diskriminierung\u201c, ist sich Thieme sicher. Erlebt haben wir hier nicht zwangsl\u00e4ufig eine gezielte diskriminierende Programmierung \u2013 sondern stattdessen das Sichtbarmachen und Potenzieren eines Musters erlebt, das so in unserer Gesellschaft existiert. <\/p>\n\n\n\n

Was darf entscheidungsrelevant sein? <\/h2>\n\n\n\n

Wenn wir \u00fcber Daten sprechen, m\u00fcssen wir \u00fcber noch mehr sprechen als \u00fcber Biases. So muss bei der Programmierung entschieden werden, welche Parameter oder Kriterien f\u00fcr die Datenbewertung durch den Algorithmus festgelegt werden. Es muss sich \u00fcberlegt werden, welche Kriterien letztlich relevant f\u00fcr eine Bewertung und Entscheidung sind. W\u00fcrden wir uns COMPAS anschauen m\u00fcssten wir also beispielsweise fragen: Wenn festgestellt werden soll, ob jemand fr\u00fchzeitig aus der Haft entlassen wird, ist die Hautfarbe ein solcher Parameter? Ben\u00f6tigt man in einem Datensatz Angaben \u00fcber Religion, Herkunft, Delikt \u2013 was davon darf wirklich urteilsstiftend sein? \u201eDiejenigen, die den Algorithmus entwickeln, entscheiden letztlich, welche Kriterien oder Features sie mit hereinnehmen und welche nicht. Das hei\u00dft, hier liegt viel in der Verantwortung der EntwicklerInnen, auf solche Dinge zu achten\u201c, sagt Thieme. <\/p>\n\n\n\n

Wir brauchen ein Algorithmenmonitoring <\/h2>\n\n\n\n

Aber wie kann das geleistet werden? Wie k\u00f6nnen wir beispielsweise sicherstellen, dass die Menschen, die in der Verantwortung stehen, darauf achten? Algorithmenmonitoring, oder von vielen auch Algorithmen-T\u00dcV genannt, scheint hier eine m\u00f6gliche Antwort zu sein. Thieme sieht letzteren Begriff allerdings skeptisch: \u201eWas es nicht geben wird ist, dass Firmen uns ihre Algorithmen geben, so dass wir sie von Zeile eins bis zehn Millionen durchschauen. Deshalb finde ich den Begriff T\u00dcV irref\u00fchrend.\u201c Zu gro\u00df seien daf\u00fcr die Programme, zu kompliziert die Algorithmen. Und zulassen w\u00fcrden es die Unternehmen schon gar nicht: \u201eEs ist schwierig, dar\u00fcber eine gesetzliche Handhabe zu bekommen, weil die Entwicklung eines Algorithmus viel mit geistigem Eigentum zu tun hat. Wenn der Algorithmus von google bekannt w\u00fcrde, w\u00fcrde ihn jeder kopieren \u2013 weshalb Firmen den Teufel tun, den rauszugeben.\u201c Wie Monitoring stattfinden kann, ist eine Frage, auf die es nur die Antwort gibt, dass es irgendwie passieren muss. Das wie ist noch nicht klar. Thieme spricht viel von den Hindernissen, auf die man treffen wird, wenn man versucht, Daten von unabh\u00e4ngiger Distanz sichten zu lassen. Vertrauliche Daten, vertrauliche Algorithmen, Kunden- und Firmengeheimnisse. Prinzipiell glaube er aber daran, in die Systeme hineinsehen zu m\u00fcssen, um sie zu pr\u00fcfen. Dasselbe gilt f\u00fcr die Daten, mit denen gearbeitet wird: Diese m\u00fcssten genauso von ExpertInnen gesichtet und analysiert werden. V\u00f6llig ohne Verzerrungen, biasfrei sozusagen, werden wir sie allerdings nicht bekommen, ist er sich sicher. \u201eAllein bei der Selektion der Daten haben wir ja bereits einen Bias. Und auch wenn wir es objektiv machen wollen, werden wir es wahrscheinlich subjektiv machen. Weil wir nun mal Menschen sind\u201c, sagt er. \u201eAber wenn m\u00f6glichst viele Menschen sich die Daten ansehen und einigen, dann kann man den Bias so klein wie m\u00f6glich halten, auch wenn man ihn nicht v\u00f6llig rauskriegt.\u201c Es beginnt noch fr\u00fcher Die Daten m\u00fcssen also gesichtet werden, die Algorithmen analysiert. Allerdings sind es am Ende des Tages nicht die Algorithmen, die sexistisch und rassistisch sind \u2013 sondern die Gesellschaft, in der wir leben, zumindest zum Teil. Aus diesem Grund sind die Daten, auch wenn sie ein gro\u00dfes Thema sind, nicht das einzige. W\u00e4hrend ihres Vortrags fragt uns Klombyte beispielsweise, warum alle Sprachassistenten (oder Assistentinnen?) weiblich konzipiert sind? Siri, Alexa \u2013 was vermittelt es f\u00fcr ein Bild, dass es weibliche Stimmen mit weiblichen Namen sind, die uns ohne Widerworte in jedem Aspekt unseres Alltags unterst\u00fctzen sollen? Eine \u00e4hnliche Frage stellt sich bei einem im letzten Jahr entwickelten System, das anhand eines Fotos eines Menschen feststellen sollte, ob er oder sie homosexuell ist. Nicht nur die Annahme, dass es tats\u00e4chlich bei 70-80% der Bilder funktionierte, ist diskussionsw\u00fcrdig \u2013 sondern auch warum \u00fcberhaupt danach gefragt wurde: \u201eEs gibt ganz viele andere Fragestellungen \u2013 hat das Aussehen etwas mit Bildung zu tun, oder einer sozialen Stellung in der Gesellschaft, oder beim Einstellungsverfahren: Spielt bei der Einstellung in Firmen das Aussehen eine Rolle? All das ist interessant und w\u00e4re damit erkl\u00e4rbar. Aber es wurde eine sexuelle Frage gestellt, eine Frage nach der sexuellen Orientierung. Und das ist grenzwertig\u201c, sagt Thieme. Es sind nicht nur die Daten, die wir ausw\u00e4hlen, es beginnt viel weiter davor: Was f\u00fcr Fragen stellen wir uns \u00fcberhaupt? Was wollen wir mit unseren Algorithmen erreichen? Und was sagt die Antwort auf diese Fragen \u00fcber unsere Gesellschaft aus? Algorithmen helfen uns, zu erkennen, was bereits in unserer Gesellschaft verankert ist, so fest, dass es nicht mal mehr bemerkt wird, nicht hinterfragt wird, sondern akzeptiert. Die Algorithmen erkennen diese Muster und verst\u00e4rken sie. So stark, dass erkannt wird, dass es eben nicht akzeptiert werden kann. Und dann folgt ein Aufschrei. Es ist ein Paradox: Einerseits die M\u00f6glichkeit zu erkennen, wo wir Diskriminierung haben; andererseits die Gefahr einer neuen, weniger offensichtlichen Diskriminierung. So oder so: Bei dem Aufschrei m\u00fcssen wir aufpassen, dass er die richtigen Verantwortlichen trifft \u2013 denn es sind nicht die Algorithmen, die diskriminieren, es sind unsere gesellschaftlichen Strukturen. <\/p>\n\n\n\n

Von Julia Schymura<\/a><\/p>\n\n\n\n

Quelle: https:\/\/politik-digital.de\/news\/kuenstliche-intelligenz-teil-2-155488\/<\/a>
<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Die Diskussion um diskriminierende KI \u2013 und was wir von ihr lernen k\u00f6nnen Die rassistische, sexistische, psychopathische KI \u2013 manifestieren sich in einer Technologie, die unser Leben eigentlich verbessern sollte, die Schattenseiten unserer Gesellschaft? Ist KI nun eine M\u00f6glichkeit, menschliche … Weiterlesen →<\/span><\/a><\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_crdt_document":"","jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[1,2,502],"tags":[749,747,650,748,750],"class_list":["post-4886","post","type-post","status-publish","format-standard","hentry","category-allgemein","category-photographie","category-politik","tag-algorithmen","tag-diskriminierende-ki","tag-humans","tag-julia-schymura","tag-ki"],"jetpack_publicize_connections":[],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p3CWBT-1gO","jetpack-related-posts":[{"id":4783,"url":"https:\/\/sven-teuber.info\/wordpress\/coexist-with-humans-6-2\/","url_meta":{"origin":4886,"position":0},"title":"Coexist with humans (6)","author":"steuber","date":"5. April 2019","format":false,"excerpt":"ST, 2019, Title: Coexist with humans (6) Auf dem Weg nach Robonien \u2013 Besserer Mensch oder perfekte Maschine? \"Roboter, der metallene Traum der Menschheit: Intelligente Gesch\u00f6pfe, erschaffen durch unsere Hand. Sie interagieren mit uns, arbeiten f\u00fcr uns, bedienen und fahren uns. Doch zwischen maschineller Automatisierung und sozialer Roboterarbeit stolpern wir\u2026","rel":"","context":"In "Allgemein"","block_context":{"text":"Allgemein","link":"https:\/\/sven-teuber.info\/wordpress\/category\/allgemein\/"},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/04\/Humans-6.jpg?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/04\/Humans-6.jpg?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/04\/Humans-6.jpg?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/04\/Humans-6.jpg?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/04\/Humans-6.jpg?resize=1050%2C600&ssl=1 3x"},"classes":[]},{"id":6474,"url":"https:\/\/sven-teuber.info\/wordpress\/anthropotechnik-chancen-und-risiken-der-mensch-ki-interaktion\/","url_meta":{"origin":4886,"position":1},"title":"Anthropotechnik: Chancen und Risiken der Mensch-KI-Interaktion","author":"steuber","date":"13. Februar 2025","format":false,"excerpt":"Zur symbiotischen Abh\u00e4ngigkeit zwischen Mensch und KI Einleitung: In einer \u00c4ra, in der technologische Systeme nicht mehr blo\u00df als Werkzeuge, sondern als eigenst\u00e4ndige Akteure verstanden werden, offenbart sich eine d\u00fcster-futuristische Vision: die symbiotische Beziehung zwischen Mensch und Maschine. Diese Dynamik, die von einer ambivalenten Abh\u00e4ngigkeit gepr\u00e4gt ist, l\u00e4sst sich durch\u2026","rel":"","context":"In "Allgemein"","block_context":{"text":"Allgemein","link":"https:\/\/sven-teuber.info\/wordpress\/category\/allgemein\/"},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/02\/Maschine_1.jpg?resize=350%2C200","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/02\/Maschine_1.jpg?resize=350%2C200 1x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/02\/Maschine_1.jpg?resize=525%2C300 1.5x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/02\/Maschine_1.jpg?resize=700%2C400 2x"},"classes":[]},{"id":6889,"url":"https:\/\/sven-teuber.info\/wordpress\/der-systemische-kurzschluss-warum-ki-unser-wirtschaftsmodell-branchenuebergreifend-vor-die-zerreissprobe-stellt\/","url_meta":{"origin":4886,"position":2},"title":"Der systemische Kurzschluss: Warum KI unser Wirtschaftsmodell branchen\u00fcbergreifend vor die Zerrei\u00dfprobe stellt","author":"steuber","date":"26. Dezember 2025","format":false,"excerpt":"Der produktive Widerspruch Wir erleben derzeit einen technologischen Sprung, der in seiner Geschwindigkeit und Tiefe beispiellos ist. Doch w\u00e4hrend wir \u00fcber Effizienzgewinne durch K\u00fcnstliche Intelligenz jubeln, \u00fcbersehen wir oft einen fundamentalen Widerspruch, den der Philosoph Theodor W. Adorno bereits vor Jahrzehnten als den \u201eantagonistischen Charakter\u201c unserer Gesellschaft bezeichnete. \u200bKI ist\u2026","rel":"","context":"In "Allgemein"","block_context":{"text":"Allgemein","link":"https:\/\/sven-teuber.info\/wordpress\/category\/allgemein\/"},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/12\/17667452559668551419271837663118.jpg?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/12\/17667452559668551419271837663118.jpg?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/12\/17667452559668551419271837663118.jpg?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2025\/12\/17667452559668551419271837663118.jpg?resize=700%2C400&ssl=1 2x"},"classes":[]},{"id":6743,"url":"https:\/\/sven-teuber.info\/wordpress\/wenn-algorithmen-traeumen-ludwig-von-mises-theorie-des-genies-in-zeiten-der-ki\/","url_meta":{"origin":4886,"position":3},"title":"Wenn Algorithmen tr\u00e4umen: Ludwig von Mises‘ Theorie des Genies in Zeiten der KI","author":"steuber","date":"4. Oktober 2025","format":false,"excerpt":"Kreatives Genie ist kein Personalposten, der einfach neu besetzt werden kann. In einer Welt, die zunehmend auf Teamarbeit, Standardisierung und Ersetzbarkeit setzt, wirkt die Vorstellung vom einsamen Genie wie ein Relikt aus vergangenen Zeiten. Doch Ludwig von Mises erinnert uns in \u201eMenschliches Handeln\u201c daran, dass\u00a0wahre kreative Genialit\u00e4t niemals eine Frage\u2026","rel":"","context":"In "Allgemein"","block_context":{"text":"Allgemein","link":"https:\/\/sven-teuber.info\/wordpress\/category\/allgemein\/"},"img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":4708,"url":"https:\/\/sven-teuber.info\/wordpress\/coexist-with-humans-2\/","url_meta":{"origin":4886,"position":4},"title":"Coexist with humans (2)","author":"steuber","date":"17. Februar 2019","format":false,"excerpt":"ST, 2019, Title: Coexist with humans (2)","rel":"","context":"In "Allgemein"","block_context":{"text":"Allgemein","link":"https:\/\/sven-teuber.info\/wordpress\/category\/allgemein\/"},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step3-K.jpg?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step3-K.jpg?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step3-K.jpg?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step3-K.jpg?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step3-K.jpg?resize=1050%2C600&ssl=1 3x"},"classes":[]},{"id":4722,"url":"https:\/\/sven-teuber.info\/wordpress\/coexist-with-humans-6\/","url_meta":{"origin":4886,"position":5},"title":"Coexist with humans (3)","author":"steuber","date":"26. Februar 2019","format":false,"excerpt":"ST, 2019, Title: Coexist with humans (3)","rel":"","context":"In "Foto-stretch"","block_context":{"text":"Foto-stretch","link":"https:\/\/sven-teuber.info\/wordpress\/category\/foto-stretch\/"},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step6.jpg?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step6.jpg?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step6.jpg?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step6.jpg?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/sven-teuber.info\/wordpress\/wp-content\/uploads\/2019\/02\/Shot-Step6.jpg?resize=1050%2C600&ssl=1 3x"},"classes":[]}],"jetpack_likes_enabled":true,"_links":{"self":[{"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/posts\/4886","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/comments?post=4886"}],"version-history":[{"count":7,"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/posts\/4886\/revisions"}],"predecessor-version":[{"id":4893,"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/posts\/4886\/revisions\/4893"}],"wp:attachment":[{"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/media?parent=4886"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/categories?post=4886"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sven-teuber.info\/wordpress\/wp-json\/wp\/v2\/tags?post=4886"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}