Die Asymmetrie digitaler Sprachverarbeitung

Indiens sprachliche Landschaft ist von einer extremen Diversität geprägt, die sich jedoch nicht in der digitalen Welt widerspiegelt. Während Hindi und Englisch aufgrund umfangreicher digitaler Korpora problemlos von KI-Systemen verarbeitet werden können, fehlt es für die Mehrheit der über 100 indischen Sprachen an quantitativ und qualitativ ausreichenden Daten. Der KI-Experte Julius Haas verweist auf die besondere Problematik lokaler Dialekte, bei denen bereits minimale Variationen in Orthographie oder Phonetik die maschinelle Verarbeitung erheblich erschweren. Diese digitale Asymmetrie perpetuiert bestehende sprachliche Hierarchien und marginalisiert kleinere Sprachen im digitalen Raum.

BHASHINI und die Ambivalenz technologischer Lösungsansätze

Mit der staatlichen Initiative BHASHINI unternimmt Indien den Versuch, diese digitale Kluft durch Edge-AI-Anwendungen zu überbrücken. Diese Technologie ermöglicht die lokale Ausführung von KI-Modellen auf Endgeräten und ist somit besonders für Regionen mit instabiler Internetinfrastruktur relevant. Präsentiert wurden Anwendungen in Schlüsselbereichen wie Landwirtschaft, Gesundheitsversorgung und Rechtsberatung. Dennoch bleibt die Frage, welche Sprachen tatsächlich in diese digitale Infrastruktur integriert werden und wie mit Sprachen umgegangen wird, für die kaum digitale Ressourcen existieren. Die Auswahl der berücksichtigten Sprachen ist nicht nur eine technische, sondern auch eine politische Entscheidung.

KI und die Krise gefährdeter Sprachen

Die Möglichkeiten und Grenzen von KI im Umgang mit gefährdeten Sprachen werden besonders deutlich am Beispiel der Sprache Turi. Die Soziolinguistin Ariba Hidayet Khan, die an einer Grammatik dieser Sprache gearbeitet hat, zeigt auf, dass KI-Systeme ohne ausreichende Dokumentation und aktive Sprechergemeinschaften keine Sprachen erhalten können. Während KI für gefährdete, aber noch gesprochene Sprachen einen Anreiz zum Erhalt bieten könnte, stößt sie bei kaum dokumentierten Sprachen an ihre Grenzen. Dieser Befund unterstreicht die Notwendigkeit einer differenzierten Betrachtung des Potenzials von KI für den Spracherhalt.

Infrastruktur, Investitionen und die politische Dimension der Datensammlung

Forschungsinstitute wie AI4Bharat am IIT Madras arbeiten an der Entwicklung von Datensätzen und Modellen für Übersetzung, Spracherkennung und Sprachsynthese. Haas betont, dass die technologischen Grundlagen für die digitale Integration kleinerer Sprachen weitgehend vorhanden sind. Entscheidend sei vielmehr die politische und finanzielle Priorisierung dieser Sprachen. Die UNESCO fordert in ihrem State of the Education Report for India 2025 inklusive digitale Technologien, die mehrsprachige Bildung unterstützen. Dennoch bleibt unklar, wie viele der kleineren Sprachen tatsächlich in den digitalen Systemen sichtbar werden und wer über die Auswahl der berücksichtigten Sprachen entscheidet.

Die Reproduktion sprachlicher Hierarchien im digitalen Raum

Die Digitalisierung birgt das Risiko, bestehende sprachliche Ungleichheiten nicht nur zu reproduzieren, sondern sogar zu verstärken. KI-Systeme bilden nicht automatisch die gesamte sprachliche Vielfalt ab, sondern tendieren dazu, die Variante zur Norm zu erheben, für die die meisten Daten verfügbar sind. Khan warnt vor den Konsequenzen dieser Entwicklung: "KI könnte bestehende sprachliche Hierarchien verstärken." Die Datensammlung selbst wird damit zu einem politischen Prozess, der Fragen nach Repräsentation und Macht aufwirft. Wer entscheidet, welche Sprecher und Varietäten aufgenommen werden? Wer kontrolliert die Verwendung der gesammelten Daten? Die UNESCO fordert in ihrer Global Roadmap for Multilingualism in the Digital Era eine stärkere Beteiligung der Sprachgemeinschaften an der Verwaltung ihrer kulturellen und sprachlichen Daten, um diese Machtasymmetrien zu überwinden.