In dieser Episode sprechen Richard Seidl und Sam Goetjes über Vertrauen, Vorurteile und Fairness in algorithmischen Entscheidungen. Ausgangspunkt ist Goetjes' Masterarbeit: ein Bewerbungsszenario mit menschlichen und maschinellen Empfehlungen und gezielt gesetztem Gender Bias. Die Studie zeigt, wie sich Vertrauen über die Zeit verschiebt und der Algorithmus oft schneller Vertrauen erhält. Für Tests heißt das: nicht nur Modelle messen, sondern Bias-Risiken beobachten, Datenquellen offenlege…