GETESTETER TANZ: WAS DIE PRÜFUNG VERSCHWEIGT
Die Maschine tanzt. Sie tanzt gut, sagt man uns. Aber wer hat das gemessen, und mit welcher Elle? Wenn eine neue Technologie in die Öffentlichkeit tritt, kommt früher oder später die Begutachtung — und mit ihr die Frage, ob das Werkzeug hält, was seine Schöpfer versprechen. Bei KI-generierten Tanzvideos ist diese Frage besonders heikel, denn hier wird nicht Text gemessen oder ein Bild bewertet, sondern Bewegung. Bewegung, die einst dem menschlichen Körper vorbehalten war.
Die vorliegende Studie, eine einzelne Quelle, so viel vorweg, nimmt für sich in Anspruch, genau dieses Problem gelöst zu haben. Sie will geprüft haben, wie gut Maschinen tanzen. Sie legt Kriterien an, wägt ab, vergibt Punkte. Das klingt sauber. Das klingt methodisch. Das ist es nicht.
Zunächst die Methode. Wie prüft man eine Bewegung, die nie ein Mensch ausgeführt hat? Die Forscher haben, so ist zu lesen, Kategorien entworfen: Flüssigkeit, Rhythmus, anatomische Plausibilität. An diesen Maßstäben entlang sollen generative Modelle gemessen werden. Doch wer legt fest, was flüssig ist? Was rhythmisch? Welcher Körperbau ist plausibel, welcher nicht? Solche Kategorien sind keine Naturgesetze. Sie sind kulturell geprägt, eingeübt, ausgehandelt. Sie stammen aus einer Welt, in der vor allem westliche Bühnentraditionen als Maßstab galten — und gelten.
Hier beginnt der blinde Fleck. Die Prüfer reden von Tanz, als gäbe es den einen Tanz. Doch Tanz ist ein globales Phänomen mit tausend Dialekten. Was in einem südasiatischen Tempel Bewegung ist, kann in einem europäischen Ballsaus als Chaos gelten. Wenn die Bewertungskriterien nicht offenlegen, welche Tanztraditionen sie abbilden und welche sie ausschließen, messen sie nicht Qualität, sondern Konformität. Sie messen, wie gut die Maschine eine bestimmte Vorstellung imitiert.
Dann das Material selbst. KI-Modelle lernen aus Daten. Sie lernen aus Videos, in denen Menschen tanzen — Menschen, die zugestimmt haben, Menschen, die nie gefragt wurden. In Aufnahmen, die unter zweifelhaften Bedingungen entstanden sind. Wenn die Prüfung verschweigt, auf welchem Material die Modelle trainiert wurden, dann bewertet sie das Ergebnis einer Ausbeutung, ohne diese Ausbeutung zu benennen. Der Tanz auf dem Bildschirm steht auf Schultern, die unsichtbar bleiben sollen.
Nicht minder problematisch ist die Rolle der menschlichen Bewerter. Wer sitzt vor den Clips und vergibt Noten? Welche Ausbildung haben diese Personen? Welche Vorlieben, welche Vorurteile? In der KI-Forschung ist bekannt, dass Bewertungen durch Laien oft inkonsistent und von persönlichem Geschmack geprägt sind. Eine seriöse Prüfung müsste die Zusammensetzung des Bewerterpanels offenlegen, die Übereinstimmung zwischen den Urteilen messen, die Streuung benennen. Tut sie das nicht, sind die Ergebnisse weniger Beleg als Behauptung.
Bemerkenswert ist auch, was die Prüfung nicht misst. Sie misst nicht, ob ein Tanzvideo Freude erzeugt. Sie misst nicht, ob es berührt. Sie misst nicht, ob es etwas sagt über die Bedingungen, unter denen Körper sich bewegen. Sie misst Plausibilität, nicht Bedeutung. Das ist kein Zufall. Bedeutung lässt sich schwer in Zahlen pressen. Also wird sie weggelassen.
Die Maschine tanzt also. Sie tanzt innerhalb der Grenzen, die ihre Daten und ihre Bewerter ihr ziehen. Wir sollten aufhören, das als Leistung zu feiern, und anfangen, es als Spiegel zu lesen. Was die Maschine kann, sagt weniger über sie als über die Hände, die sie geformt haben.
Eine einzige Quelle. Keine unabhängige Bestätigung. Keine Replikation. Die Studie steht allein, und sie steht auf einem Fundament, das bei näherer Betrachtung porös wird. Wer diese Prüfung als Maßstab nimmt, sollte wissen, was er da in der Hand hält: weniger ein Urteil als eine Meinung, verkleidet als Methode.
❖ Ende des Artikels ❖