Data for the People, Virtual City Systems / Doris Allhutter, Astrid Mager
,

Data for the People

Doris Allhutter (AT), Astrid Mager (AT)

POSTCITY, First Floor, Workshop Room
Sa 7. Sep 2024 10:00 – 12:00

Urban life is diverse, and so are our visions of what the future of cities should look like. Digital city twins and city dashboards offer interactive encounters with the city and can help us shape urban futures together.

How do we envision future urban living?

What data should be made available to serve all citizens equally? How should data support urban life and promote the well-being and opportunities of different people and communities? Designing postcards from the future, we will create visions of the urban life we dream of.

Meeting Point: First Floor
Language: EN
Tickets: FESTIVALPASS, FESTIVALPASS+, ONE DAY PASS

Register here

Max. 25

Bios

  • Photo: Shutterstock

    Astrid Mager

    AT

    Astrid Mager ist wissenschaftliche Mitarbeiterin (PostDoc) am Institut für Technikfolgen-Abschätzung der Österreichischen Akademie der Wissenschaften und Lektorin am Institut für Wissenschafts- und Technikforschung der Universität Wien. Ihre langjährige Forschung zu Suchmaschinen und algorithmischen Systemen in gesellschaftspolitischen Kontexten ist vielfach publiziert.

  • Photo: Nini Tschavoll

    Doris Allhutter

    AT

    Doris Allhutter ist Projektleiterin des internationalen Forschungsprojekts AUTO-WELF, das den zunehmenden Einsatz automatisierter Entscheidungsfindung im Wohlfahrtssektor in Europa analysiert. Das Projekt untersucht die Auswirkungen von Algorithmen auf die Transformation von sozialen Infrastrukturen. Diese Systeme wirken sich nicht nur auf die Wohlfahrt und die öffentliche Verwaltung aus, sondern auch auf die Art und Weise, wie der Staat mit Bürgerinnen interagiert und wie sich das Verhältnis zwischen Bürgerinnen und Staat verändert. Das Projekt liefert tiefgreifende Erkenntnisse über die Auswirkungen der Automatisierung auf das menschliche Wohlergehen und den Wohlfahrt.

Credits

Funded by the Austrian Science Fund: [I 6075-G] under the CHANSE ERA-NET Co-fund programme, which has received funding from the European Union’s Horizon 2020 Research and Innovation Programme, under Grant Agreement no 101004509.