Eine aktuelle Studie der University of Notre Dame untersucht, wie präzise künstliche Intelligenz im Vergleich zum menschlichen Gesichtserkennungssystem arbeitet und welche Faktoren die Genauigkeit beider beeinflussen. Die Forschung, geleitet von Ahmed Abbasi vom Mendoza College of Business, stellt fest, dass moderne KI-Modelle die Leistungsfähigkeit der besten menschlichen Experten erreichen. Dennoch bleibt die Entscheidungslogik der Algorithmen intransparent, was erhebliche Implikationen für Datenschutz, Gerechtigkeit und die Justiz mit sich zieht. Die Analyse, an der 4.000 menschliche Probanden beteiligt waren, identifiziert drei zentrale Einflussfaktoren auf die Übereinstimmung zwischen menschlichen und algorithmischen Bewertungen: die ethnische Herkunft der beobachteten Person, die Herkunft des Probanden sowie die natürliche kognitive Fähigkeit zur Gesichtserkennung. Während KI und Mensch in der Regel ähnliche Ähnlichkeitsurteile fällen, weichen menschliche Entscheider mit durchschnittlicher Erkennungsfähigkeit deutlich häufiger von den algorithmischen Ergebnissen ab. Probanden mit ausgeprägtem angeborenen Gesichtserkennungsvermögen stimmen hingegen um mindestens 15 Prozent häufiger mit der KI überein. Diese Diskrepanz gewinnt in sicherheitsrelevanten Anwendungen, etwa in polizeilichen Systemen, an Bedeutung, da dort Algorithmen Treffer vorselektieren und menschliche Analysten die finale Entscheidung treffen. Trotz der vergleichbaren Genauigkeit zeigen die untersuchten Modelle systemische Schwächen. Die Algorithmen weichen häufig selbst bei identischen Eingaben voneinander ab und verzeichnen bei der Analyse ethnisch unterrepräsentierter Bevölkerungsgruppen, die in den Trainingsdaten untergewichtet sind, signifikant geringere Trefferquoten. Diese Mängel, die auf über zwei Jahrzehnten Forschung in der Computervisualisierung basieren, sind nur schwer vollständig zu beseitigen. Während die öffentliche Debatte sich überwiegend auf algorithmische Verzerrungen konzentriert, bleibt die natürliche Fehleranfälligkeit menschlicher Entscheidungsträger oft ungeahndet und weniger reguliert. Der Forscher verweist darauf, dass diese menschlichen Grenzen insbesondere in hochsensiblen Kontexten wie der Augenzeugenidentifikation im Gerichtssaal beachtet werden müssen. Die Transparenzproblematik algorithmischer Systeme wird durch gerichtliche Präzedenzfälle wie den Fall State v. Arteaga in New Jersey unterstrichen, wo ein Gericht die vollständige Offenlegung des KI-Designs verfügte, um eine wirksame Verteidigung zu gewährleisten. Die Studie plädiert daher für eine integrierte Evaluierung von Technologie und menschlichem Urteilsvermögen. Angesichts der zunehmenden Integration von KI in kritische Infrastrukturen und Rechtssysteme empfiehlt die Forschung, sowohl die Zuverlässigkeit der Algorithmen als auch die kognitiven Grenzen menschlicher Operateure konsequent zu hinterfragen und regulatorisch zu berücksichtigen. Die Arbeit erscheint voraussichtlich in der Zeitschrift Journal of Applied Research in Memory and Cognition.