Logo des Repositoriums

P352 - INFORMATIK 2024 - Lock in or log out? Wie digitale Souveränität gelingt

https://dl.gi.de/handle/20.500.12116/45064
Auflistung nach:

Auflistung P352 - INFORMATIK 2024 - Lock in or log out? Wie digitale Souveränität gelingt nach Autor:in "Abecker, Andreas"

1 - 3 von 3
  • Konferenzbeitrag
    5. Workshop Künstliche Intelligenz in der Umweltinformatik
    (INFORMATIK 2024, 2024) Abecker, Andreas; Behrens, Grit; Naumann, Stefan; Willenbacher, Martina
    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.
  • Konferenzbeitrag
    Eine Methode für die Potenzialanalyse zur Identifikation von Anwendungsszenarien für Maschinelles Lernen
    (INFORMATIK 2024, 2024) Fuchs-Kittowski, Frank; Schulze, Paul; Abecker, Andreas; Lachowitzer, Jonas; Lossow, Stefan; Rudolf, Heino; Rodner, Erik
    Dieser Beitrag präsentiert eine Potenzialanalysemethode zur Identifizierung von Anwendungspotenzialen für Maschinelles Lernen in Organisationen. Diese Methode beschreibt ein systematisches Vorgehen, das die Bedarfe der Mitarbeitenden und die Anforderungen der Geschäftsprozesse in den Vordergrund stellt. Neben der Beschreibung der Struktur und Artefakte der Methode wird in diesem Beitrag die Anwendung der Methode am Beispiel eines Landesumweltamtes erläutert. Die gewonnenen Ergebnisse zeigen, dass die Methode den Landesumweltämtern half, den Prozess der Entwicklung von ML-Lösungen schnell und effektiv durchzuführen und dabei eine nutzenstiftende ML-Lösung auszuwählen.
  • Konferenzbeitrag
    Zum Einsatz von Maschinellem Lernen in der Umweltverwaltung: Der Simplex4Learning Ansatz
    (INFORMATIK 2024, 2024) Abecker, Andreas; Budde, Matthias; Fuchs-Kittowski, Frank; Großmann, Janik; Koch, Werner; Lachowitzer, Jonas; Lossow, Stefan; Rodner, Erik; Rudolf, Heino; Schulze, Paul
    Ziel des im Herbst 2023 gestarteten Forschungsvorhabens Simplex4Learning ist es, die großen und heterogenen Datenbestände der Umweltbehörden für intelligente Analysen mit Methoden des maschinellen Lernens besser zu erschließen und diese Verfahren für Domänenexperten aus dem Umweltbereich ohne vertiefte ML-Kenntnisse praktikabel anwendbar zu machen. Realisiert wird dies (1) durch die Weiterentwicklung der Simplex4Data-Methode zur Datenbereitstellung für ML, ergänzt um (2) AutoML- und MLOps-Funktionalitäten, (3) Funktionalitäten zum Erklären von ML-Ergebnissen, (4) ein ML-Pattern Repository zum Wiederverwenden generalisierter ML-Workflows, all das (5) exemplarisch angebunden an die Datenanalyseplattform Disy Cadenza und das Data Warehouse System Simplex4Data. Der Arbeitsplan des Projekts ist an den konkreten Beispieldaten und Anwendungsfällen von Landesbehörden aus drei Bundesländern orientiert. Der vorliegende Beitrag als „Work-in-Progress“-Bericht skizziert Motivation und Ausgangslage des Vorhabens, den technischen Lösungsansatz und erste Zwischenergebnisse.