Lecture Notes in Informatics

Permanent URI for this communityhttps://dl.gi.de/handle/20.500.12116/21

Die „GI-Edition: Lecture Notes in Informatics" (LNI) ist eine eigene Veröffentlichungsreihe der GI mit den Strängen: Proceedings, Dissertations, Seminars und Thematics. Alle in den LNI herausgegebenen Bände werden von GI-Gliederungen unterstützt und verantwortet.

Information und Ansprechpartner zur Reihe finden sich auf den Webseiten der GI unter https://gi.de/service/publikationen/lni

News

Authors with most Documents

Schroeder, Ulrik

Lucke, Ulrike

Busch, Christoph

Thomas, Oliver

Theuvsen, Ludwig

Browse

Search Results

1 - 10 of 73

5. Workshop Künstliche Intelligenz in der Umweltinformatik
(Gesellschaft für Informatik e.V., 2024) Abecker, Andreas; Behrens, Grit; Naumann, Stefan; Willenbacher, Martina; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Im Rahmen des INFORMATIK FESTIVAL 2024 der Gesellschaft für Informatik (GI) e.V. im Herbst 2024 in Wiesbaden findet die fünfte Auflage des Workshops KIU zur Nutzung von Methoden der Künstlichen Intelligenz in der Umweltinformatik statt. In der KIU-Workshopreihe werden seit 2020 anwendungsorientiert und interdisziplinär innovative Beiträge der KI für wichtige Fragen von Umweltschutz und Nachhaltigkeit vorgestellt und diskutiert. Auch der fünfte Workshop soll dabei helfen, eine deutschsprachige Wissenschafts- und Anwendungscommunity zu diesen Themen zu etablieren und konsolidieren, um langfristig die Kreativität und die Wirkung dieses wichtigen Aufgabenfelds zu unterstützen.
Deepfakes als Beweismittel: Zur Notwendigkeit der Authentizitätsprüfung von Bild- , Audio- und Videodaten: Das digitale Rig als Authentifizierungsmethode zur Erkennung von synthetischen Bild- und Videodaten
(Gesellschaft für Informatik e.V., 2024) Kellermann, Stefan; Labudde, Dirk; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Mit der zunehmenden Leistungsfähigkeit von künstlicher Intelligenz werden die Anforderungen an eine Authentizitätsprüfung von Bild-, Audio-, und Videodaten unter anderem bei der Verwendung der Inhalte als Beweismittel für die Strafverfolgungsbehörden steigen. Dass der Gesetzgeber darüber hinaus exemplarisch bei der Protokollierung von Strafermittlungsverfahren auf Videodaten (Videovernehmungen) oder Audiodaten (Aufzeichnung von Gerichtsverhandlungen) auf die Integrität dieser setzt, zeigen die Gesetzesänderungen der letzten Jahre. Bei zunehmender Verbreitung von synthetischen (KI-generierten) Inhalten muss es für forensische Untersuchungen verlässlich möglich sein, synthetische Inhalte zu erkennen, um die Authentizität der Daten beweissicher bewerten zu können. In dieser Arbeit wird auf verschiedene Techniken der Herstellung von Deepfakes und grundsätzliche Ansatzpunkte der Detektion eingegangen. Das digitale Rig wird als Möglichkeit zur Authentizitätsprüfung bei body-puppetry-Imitationen vorgestellt und als KI-Anwendung selbst in den EU-gesetzlichen Kontext des EU AI Actes gesetzt.
Künstliche Intelligenz und Geldwäschecompliance: Eine Annäherung aus juristischer, soziologischer und technischer Perspektive
(Gesellschaft für Informatik e.V., 2024) Hauler, Timo; Hahne, Michael; Battis, Verena; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Der vorliegende Beitrag beleuchtet Chancen und Risiken des Einsatzes eines auf Künstlicher Intelligenz (KI) basierenden Werkzeugs in der Geldwäschecompliance interdisziplinär aus juristischer, soziologischer und technischer Perspektive. Dafür wird zunächst die Inanspruchnahme privater Verpflichteter im Rahmen des geldwäscherechtlichen Pflichtenkatalogs skizziert. Ausgehend von 19 qualitativen Expert:inneninterviews arbeitet der Beitrag dann empirisch die aktuellen (Praxis)Herausforderungen der Geldwäschecompliance heraus und benennt drei Unterstützungspotenziale für den Einsatz eines KI-basierten Werkzeugs: Die Unterstützung bei der Kund:innensegmentierung, die Identifikation neuer und Detektion bekannter meldepflichtiger Sachverhalte sowie die unterstützende Recherche und Auswertung von Kund:inneninformationen. Der Beitrag schließt mit KI-basierten Lösungsansätzen für die Realisierung dieser Unterstützungspotenziale. Insoweit kann einerseits auf überwachte und unüberwachte Lernalgorithmen, andererseits auf die Netzwerkanalyse zurückgegriffen werden. Einer praktischen Umsetzung durch die Verpflichteten stehen gegenwärtig allerdings noch insbesondere die defizitäre Datenqualität sowie der Effizienz-Effektivität-trade-off entgegen.
KI-generierte Abbildungen von Kindesmissbrauch: Technische Grundlagen und rechtliche Einordnung
(Gesellschaft für Informatik e.V., 2024) Steinebach, Martin; Drechsler, Julian; Schröder, Lilly; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Künstliche Intelligenz (KI), die kinderpornografisches Material (CSAM) erzeugt, stellt eine neue Herausforderung im Kampf gegen Kindesmissbrauch dar. Sie kann bestehende Inhalte sexuell aufladen oder gänzlich neue Inhalte erzeugen. Juristisch betrachtet wirft die Verwendung von KI-generiertem CSAM jedoch komplexe Fragen auf. Es gilt zu klären, inwiefern solches Material unter bestehende Gesetze fällt und wie es rechtlich zu bewerten ist. Eine klare Gesetzeslage und Richtlinien, die den Missbrauch dieser Technologien verhindern, sind notwendig, um auch aus Sicht der Technik weitere Schritte in der Bekämpfung des Phänomens zu planen.
Potentials of Artificial Intelligence for the Return of Electric Vehicle Batteries to the Circular Economy: Concept approach for establishing intelligent battery cycles
(Gesellschaft für Informatik e.V., 2024) Merz, Sarah; Petrik, Dimitri; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Die begrenzte Lebensdauer von Batterien für Elektrofahrzeuge (EVBs) und deren Entsorgung stellen eine große Herausforderung für unsere Umwelt dar. Daher ist es von großer Bedeutung, innovative Lösungen für die Rückführung von EVBs in die Kreislaufwirtschaft (CE) zu entwickeln, um Ressourcen zu schonen, CO2-Emissionen zu reduzieren und somit wirtschaftliche, ökologische und soziale Nachhaltigkeitsziele im Sinne des Triple-Bottom-Line-Frameworks zu erreichen. Künstliche Intelligenz (KI) kann dabei helfen, die Rücknahmeprozesse effizienter und nachhaltiger zu gestalten, die Wiederverwendung von EVBs zu fördern und die Qualität von EVBs zu verbessern. Die Motivation dieses kurzen Papiers besteht daher darin, die Potenziale zu identifizieren und einen Ansatz vorzuschlagen, wie EVBs am Ende ihres Lebenszyklus mit Hilfe von KI wieder in die Wertschöpfungskette integriert werden können, um die Nachhaltigkeit der Elektromobilität zu optimieren.
Umsetzung von KI-Transferprojekten: Praxisbericht zu Risiken und Herausforderungen
(Gesellschaft für Informatik e.V., 2024) von Schwerin, Reinhold; Schaudt, Daniel; Hafner, Alexander; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Dieser Beitrag beschreibt den Wissenstransfer im Rahmen der Entwicklung eines Retrieval-Augmentation Generation (RAG) Systems durch das DASU – Transferzentrum für Digitalisierung, Analytics & Data Science Ulm. Das Projekt, dessen Entwicklung im Oktober 2023 in Kooperation mit Industriepartnern begann, zielt darauf ab, unternehmerisches Wissensmanagement mithilfe großer Sprachmodelle zu unterstützen. Der Bericht thematisiert sowohl technische als auch organisatorische Risiken und Herausforderungen bei der Entwicklung von KI-Systemen im Allgemeinen und erläutert, wie diese im DASU-Projekt konkret adressiert wurden. Ziel dieses Beitrags ist es, insbesondere kleinen und mittleren Unternehmen (KMU) praxisnahe Einblicke in die Potenziale und Grenzen von KI-Implementierungen zu geben.
Literaturstudie zu den Handlungsbereichen einer Governance für den Einsatz von KI-Systemen im Unternehmen
(Gesellschaft für Informatik e.V., 2024) Klotz, Michael; Adam, Waldemar; Noack-Sandring, Lukas; Schueschke, Niklas; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
In einer systematischen Literaturstudie wurden die Handlungsbereiche einer KI-Governance als Teil einer IT- bzw. Corporate Governance, diesbezügliche Schwerpunkte, aber auch Lücken aufgezeigt. Insgesamt wurden 326 Artikel identifiziert, von denen nach der Exklusion 23 Artikel anhand der elf Governance-Grundsätze der ISO/IEC38500:2024 inhaltsanalytisch ausgewertet wurden. Die Ergebnisdarstellung erfolgt in Form einer Konzeptmatrix. Die in der Literatur diskutierten Schwerpunkte richten sich auf die KI-induzierte Veränderung der Wertschöpfung des Unternehmens bzw. seines praktizierten Wertschöpfungsmodells sowie die auf KI bezogene Aufsicht, Rechenschaftspflicht und Führung. Lücken gibt es hingegen bei der grundsätzlichen Frage, inwieweit sich KI auf den Unternehmenszweck auswirkt sowie in dem Einfluss, den KI-Systeme auf die Unternehmensstrategie, die gesellschaftliche Verantwortung sowie die nachhaltige Existenzfähigkeit des Unternehmens haben. Es zeigt sich, dass die ISO/IEC 38500:2024 mit ihren Grundsätzen zur IT-Governance einen geeigneten Bezugsrahmen für eine integrierte Beschreibung und Systematisierung von Inhalten zur KI-Governance bietet. Hieraus könnte durch weitere Forschungsarbeit ein Framework für die KI-Governance entwickelt werden.
Entwicklung einer KI für automatisierte Tierschutzkontrollen in der Schweineschlachtung
(Gesellschaft für Informatik e.V., 2024) Beecks, Christian; Graß, Alexander; Amalraj, Anandraj; Jentsch, Marc; Kitschke, Felix; Norz, Maximilian; Schäffer, Patric; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Künstliche Intelligenz (KI) ist eine der Schlüsseltechnologien in unserem digitalen Informationszeitalter. Innovative KI-Ansätze finden sich in nahezu allen Lebensbereichen wieder und erleichtern und unterstützen unsere tägliche Arbeit, insbesondere bei der Bearbeitung von komplexen, wirtschaftlichen oder industriellen Fragestellungen. In diesem Beitrag betrachten wir den Anwendungsbereich Tierschutz und stellen die Entwicklung des Projekts Tierwohl-KI vor. Das Ziel dieses Projekts besteht in der Verbesserung des Tierschutzes in Schlachtbetrieben. Dazu werden Methoden der künstlichen Intelligenz entwickelt und eingesetzt, um die Möglichkeiten der amtlichen und betrieblichen Tierschutzkontrollen zu erweitern. Wir beschreiben die Durchführung dieses Projekts entlang des Data Science Process Modells (DASC-PM) und zeigen, wie die einzelnen Phasen dieses Vorgehensmodells, vom Projektauftrag bis hin zur Nutzbarmachung, durchgeführt und implementiert werden. Die dabei gewonnenen Einblicke und Erkenntnisse sind sowohl für Forschende als auch für anwendungsorientierte Fachleute im Bereich Data Science nützlich.
Aktuelle Ansätze zum Einsatz von Verfahren der automatisierten Bilderkennung mittels maschinellen Lernens im Bereich des Umweltmonitorings
(Gesellschaft für Informatik e.V., 2024) Galle, Christopher; Klein, Maike; Krupka, Daniel; Winter, Cornelia; Gergeleit, Martin; Martin, Ludger
Die steigende Nachfrage nach präzisen aktuellen Erhebungen des Naturzustands hat die Notwendigkeit neuer Herangehensweisen an die Datenerfassung und -auswertung deutlich gemacht. Die Auswertung von Umweltdaten ist eine zeitaufwändige und ressourcenintensive Aufgabe, die eine erhebliche Beteiligung qualifizierten Personals erfordert. Die Automatisierung dieser oft manuellen Prozesse gestaltete sich über viele Jahre hinweg als herausfordernd. Besonders die Artenbestimmung von Insekten und die Auswertung von Wildkameraaufnahmen im Bereich der Ökologieforschung dienen als Beispiele dafür. In Fangflaschen konservierte Insekten müssen von Fachpersonal identifiziert werden, was aufgrund von Beschädigungen an den Insekten sowie dem Verfall während der Lagerung und Bearbeitung ein zeitaufwendiger und zeitkritischer Prozess ist. Aber nicht nur die Auswertung herkömmlicher Bilder und Proben ist für Anwendungen der automatisierten Bilderkennung interessant, auch nicht-fotografische Bilddaten wie Sonar-, Satelliten- oder spektroskopische Aufnahmen eignen sich dafür. Die Verwendung von Methoden des maschinellen Lernens, insbesondere der Einsatz von Convolutional Neural Networks, hat sich hier in vielen Bereichen als äußerst hilfreich erwiesen. Die Verfügbarkeit geeigneter Trainingsdaten stellt jedoch weiterhin ein großes Problem dar, für das häufig individuelle Lösungsansätze gefunden werden müssen
Wolkenfrei - Sprachsteuerung in der Pflege ohne Cloud
(Gesellschaft für Informatik e.V., 2024) Schatz, Florian; Hennschen, Daniel; Markus Böhm, Jürgen Wunderlich
Die vorliegende Arbeit untersucht die Entwicklung und Implementierung eines offlinefähigen Sprachsteuerungssystems in Pflegeeinrichtungen. Angesichts des demografischen Wandels und des zunehmenden Fachkräftemangels im Gesundheitswesen bietet die Technologie die Möglichkeit, Pflegeprozesse zu optimieren und die Selbstständigkeit der Patienten zu fördern. Unter Anwendung der Design Thinking Methode wurden Anforderungen direkt von den Endnutzern erhoben und in die Gestaltung des Systems integriert. Die Ergebnisse zeigen, dass solche Systeme die Interaktion der Patienten mit ihrer Umgebung verbessern können, ohne deren Datenschutz zu gefährden.