Ethnoprogramming

Natürliche Sprache, Natürliche Soziologie und Membership Categorisation

Abstract

Der Beitrag schlägt vor, Nutzungspraktiken von Large Language Models (LLMs)-basierten KI-Interfaces (z.B. ChatGPT, LeChat) und ihre Formalisierung im Feld des Prompt Engineering mithilfe eines ethnomethodologischen Verständnisses natürlicher Sprache als eine emergierende Form des Ethnoprogramming zu verstehen, und illustriert diesen Vorschlag empirisch an zwei Beispielen. Während die zugrundeliegende Transparenz und Kontrollierbarkeit von LLMs weiterhin weitestgehend nicht gegeben sind, werden diese Modelle für eine Vielzahl von Anwendungen zum Einsatz gebracht und, unter anderem, mithilfe von Prompts konfiguriert. Prompts sind textbasierte Eingaben in natürlicher Sprache, die von Nutzer*innen in sprachbasierte KI-Interfaces eingegeben werden, um spezifische, 'nützliche' Ausgaben zu generieren. Prompt Engineering bezeichnet ein emergierendes Feld sozio-technischer Praxis, die versucht, Prompts und generierte Ausgaben zu optimieren, ohne dabei die zugrunde liegenden Probleme der weitgehenden Intransparenz von LLMs zu lösen. Basierend auf der Untersuchung von Role Prompting, einer Methode aus dem Feld des Prompt Engineering, zeigen wir, wie ein ethnomethodologisches Verständnis natürlicher Sprache und insbesondere die Membership Categorisation Analysis uns helfen können, diese Praktiken und ihren Rückgriff auf Ressourcen der natürlichen Sprache, Kategorisierungspraktiken und natürlicher Soziologie zu untersuchen und damit einen soziologischen Zugang zu Formen des Zusammenlebens mit Maschinen in zunehmend sozio-technischen Lebenswelten und der sozio-technischen Praxis des Ethnoprogramming zu gewinnen.