Künstliche Intelligenz: Unterschied zwischen den Versionen
Die Seite wurde neu angelegt: „Künstliche Intelligenz (KI) bietet beim Umgang mit Forschungsdaten Risiken und Chancen. Herausforderungen sind Fehlinformationen bis hin zu Bias (Verzerrungen) der Forschungsergebnisse. Forschungsdatenmanagement findet durch Automatisierungen Unterstützung, die eine FDM-Kontakt- und Beratungsstelle niemals ersetzen kann, weil eine menschliche Komponente fehlt. FAIRe Forschungsdaten sind beim For schungsdatenmanagement das „A & O”, auch im Konte…“ |
Keine Bearbeitungszusammenfassung |
||
| Zeile 1: | Zeile 1: | ||
Künstliche Intelligenz (KI) bietet beim Umgang mit Forschungsdaten Risiken und Chancen. Herausforderungen sind Fehlinformationen bis hin zu Bias (Verzerrungen) der Forschungsergebnisse. | Künstliche Intelligenz (KI) bietet beim Umgang mit Forschungsdaten Risiken und Chancen. Herausforderungen sind Fehlinformationen bis hin zu Bias (Verzerrungen) der Forschungsergebnisse. Forschungsdatenmanagement findet durch Automatisierungen Unterstützung, die eine FDM-Kontakt- und Beratungsstelle niemals ersetzen kann, weil eine menschliche Komponente fehlt. | ||
FAIRe Forschungsdaten sind beim Forschungsdatenmanagement das „A & O”, auch im Kontext der KI. | |||
Besonders das NFDI-Konsortium NFDI4DataScience unterstützt eine community-getriebene Forschungsdateninfrastruktur für KI. Insgesamt versteht sich die NFDI als ein KI Enabler, neben den High-Performance- Rechenzentren: | |||
''„Die NFDI fungiert primär als methodischer und sozialer KI Enabler. Sie wird KI-Dienste bzw. den Zugang zu KI-Diensten realisieren und die Nutzung, Vermittlung und Analyse von Forschungsdaten in Deutschland auf ein neues Niveau heben."'' | |||
(Wissenschaftsrat (2025): Strukturevaluation der Nationalen Forschungsdateninfrastruktur (NFDI); Köln. <nowiki>https://doi.org/10.57674/wcdc-6d36</nowiki> (Zugriff am 07.06.2026) ) | |||
KI kann Forschungsdaten klassifizieren, sie bereinigen und strukturieren (Unterstützung bei großen Datenmengen). | |||
KI kann FDM-Prozesse wie Datenkuration, Versionierung oder Dokumentation teilautomatisieren. Ein Poster von La Sala et al. zeigt diese Synergien und betont zugleich die Risiken. Link: '''La Sala, Beate Ulrike; Balic, Arnela; Werth, Robert (2025). ''Künstliche Intelligenz und FDM: Synergien, Herausforderungen und Grenzen der Risikominderung''.''' Conference Item, E-Science-Tage 2025, Universität Heidelberg. '''DOI: 10.11588/heidok.00036411''' | |||
Version vom 7. Juni 2026, 17:28 Uhr
Künstliche Intelligenz (KI) bietet beim Umgang mit Forschungsdaten Risiken und Chancen. Herausforderungen sind Fehlinformationen bis hin zu Bias (Verzerrungen) der Forschungsergebnisse. Forschungsdatenmanagement findet durch Automatisierungen Unterstützung, die eine FDM-Kontakt- und Beratungsstelle niemals ersetzen kann, weil eine menschliche Komponente fehlt.
FAIRe Forschungsdaten sind beim Forschungsdatenmanagement das „A & O”, auch im Kontext der KI.
Besonders das NFDI-Konsortium NFDI4DataScience unterstützt eine community-getriebene Forschungsdateninfrastruktur für KI. Insgesamt versteht sich die NFDI als ein KI Enabler, neben den High-Performance- Rechenzentren:
„Die NFDI fungiert primär als methodischer und sozialer KI Enabler. Sie wird KI-Dienste bzw. den Zugang zu KI-Diensten realisieren und die Nutzung, Vermittlung und Analyse von Forschungsdaten in Deutschland auf ein neues Niveau heben."
(Wissenschaftsrat (2025): Strukturevaluation der Nationalen Forschungsdateninfrastruktur (NFDI); Köln. https://doi.org/10.57674/wcdc-6d36 (Zugriff am 07.06.2026) )
KI kann Forschungsdaten klassifizieren, sie bereinigen und strukturieren (Unterstützung bei großen Datenmengen).
KI kann FDM-Prozesse wie Datenkuration, Versionierung oder Dokumentation teilautomatisieren. Ein Poster von La Sala et al. zeigt diese Synergien und betont zugleich die Risiken. Link: La Sala, Beate Ulrike; Balic, Arnela; Werth, Robert (2025). Künstliche Intelligenz und FDM: Synergien, Herausforderungen und Grenzen der Risikominderung. Conference Item, E-Science-Tage 2025, Universität Heidelberg. DOI: 10.11588/heidok.00036411