Top

Published in:

2022 | OriginalPaper | Chapter

5. Künstliche Intelligenz und ihre Anforderungen an den Kompetenzerwerb

Authors : Katharina Teuber, Azadeh Dindarian, Naz Cilo-van Norel Ekaterina

Published in: Kompetenzmodelle für den Digitalen Wandel

Publisher: Springer Berlin Heidelberg

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Die weitreichende Durchdringung von Technologien künstlicher Intelligenz in das Alltagsleben der Menschen bringt einen fortschreitenden technologischen Fortschritt und große Erleichterungen im Alltags- oder Berufsleben. Gleichzeitig bergen datengetriebene Algorithmen eine große Abhängigkeit von der zugrunde liegenden Datengrundlage sowie dem Vorgang der Modellentwicklung. Eine weitreichende Bildung über die Chancen und Risiken durch die Anwendung künstlicher Intelligenz ist erforderlich, um eine gleichberechtigte und gerechte Algorithmenentwicklung zu ermöglichen. Im vorliegenden Beitrag wird daher ein Modell für den Kompetenzerwerb im Bereich künstliche Intelligenz mit Fokus auf unterschiedliche Personengruppen und unterschiedliche thematische Bereiche vorgestellt.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Informationskompetenz

next chapter Selbstgesteuertes Lernen und Kollaboration – Schlüsselkompetenzen für das Arbeiten im digitalen Wandel

Algorithm Watch. (2020). Atlas der Automatisierung – Automatisierte Entscheidungen und Teilhabe in Deutschland. https://atlas.algorithmwatch.org/report/. Zugegriffen am 25.09.2020.

Anders, F. (2019). Wie andere Länder „Computational Thinking“ lehren. Das Deutsche Schulportal. https://deutsches-schulportal.de/unterricht/wie-andere-laender-computational-thinking-lehren/. Zugegriffen am 11.09.2020.

Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016). Machine Bias: There’s software used across the country to predict future criminals. And it’s biased against blacks. ProPublica. https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal-sentencing. Zugegriffen am 25.09.2020.

atp!info. (2020). KI: Beschäftigte sind auf Künstliche Intelligenz schlecht vorbereitet. https://www.atpinfo.de/aktuell/wirtschaft-unternehmen/17-06-2020-ki-beschaeftigte-sind-auf-kuenstliche-intelligenz-schlecht-vorbereitet/. Zugegriffen am 12.09.2020.

Beck, S. et al. (2019). Künstliche Intelligenz und Diskriminierung – Whitepaper aus der Plattform Lernende Systeme, München.

Beining, L. (2019) Wie Algorithmen verständlich werden – Ideen für Nachvollziehbarkeit von algorithmischen Entscheidungsprozessen für Betroffene. Stiftung Neue Verantwortung e.V., Bertelsmann Stiftung.

Bergstrom, C., & West, J. (2020). Calling Bullshit. https://www.callingbullshit.org/. Zugegriffen am 11.09.2020.

Bertelsmann Stiftung. (2020a). Algo.Rules. https://algorules.org/de/startseite. Zugegriffen am 02.10.2020.

Bertelsmann Stiftung. (2020b). Algorithmenethik. https://algorithmenethik.de/projekt/. Zugegriffen am 02.10.2020.

Bouygues, H. L. (2019). Why we need to think critically about data. Forbes. https://www.forbes.com/sites/helenleebouygues/2019/03/07/why-we-need-to-think-critically-about-data/#75da7e46b4e3. Zugegriffen am 02.10.2020.

Dastin. (2018). Amazon scraps secret AI recruiting tool that showed bias against women. https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G. Zugegriffen am 02.10.2020.

Döbel, I., Leis, M., Vogelsang, M. M., Neustroev, D., Petzka, H., Riemer, A., Rüping, S., Voss, A., Wegele, M., & Welz, J. (2019). Maschinelles Lernen. Eine Analyse zu Kompetenzen, Forschung und Anwendung.

Elements of AI. (2020). Online-Kurs Elements of AI. https://www.elementsofai.de/. Zugegriffen am 16.08.2020.

Ewald, C. (2019). R, Python & Julia in Data Science: Ein Vergleich. https://www.eoda.de/wissen/blog/r-python-julia-data-science-2019. Zugegriffen am 29.09.2020.

Fry, H. (2018). Hello world: How to be human in the age of the machine. Random House.

How, J. P. (2018). Ethically Aligned Design. IEEE Control Systems Magazine, 38(3), 3–4.CrossRef

IHK Niederbayern. (2020). Elements of AI – Künstliche Intelligenz verstehen lernen. https://www.ihk-niederbayern.de/bildung-und-qualifikation/weiterbildung/elements-of-ai-kuenstliche-intelligenz-verstehen-lernen-4683624 . Zugegriffen am 12.09.2020.

KI-Campus. (2020a). Online-Kurs Fundamental Questions on AI. https://ki-campus.org/node/82. Zugegriffen am 12.09.2020.

KI-Campus. (2020b). Online-Kurs Schule macht KI. https://ki-campus.org/courses/kischule2020. Zugegriffen am 12.09.2020.

Koch, H. (2020). Intransparente Diskriminierung durch maschinelles Lernen. Zeitschrift Für Praktische Philosophie, 7(1), 265–300. https://doi.org/10.22613/zfpp/7.1.9. CrossRef

Larsson, S., & Heintz, F. (2020). Transparency in artificial intelligence. Internet Policy Review, 9(2)1–16.

Mills, S. (2019). Who owns the future? Data trusts, data commons, and the future of data ownership. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3437936.

Nijhus, M. (2017). How to call B.S. on big data: A practical guide. The New Yorker. https://www.newyorker.com/tech/annals-of-technology/how-to-call-bullshit-on-big-data-a-practical-guide. Zugegriffen am 02.10.2020.

Orwat, C. (2019). Diskriminierungsrisiken durch Verwendung von Algorithmen. Antidiskriminierungsstelle des Bundes.

Schneider, J., & Ziyal, L. K. (2019). We need to talk, AI. https://weneedtotalk.ai/. Zugegriffen am 12.09.2020.

Srnicek, N., & De Sutter, L. (2018). Plattform-Kapitalismus. Hamburger Edition.

Thamm, A. (2020). Studium Künstliche Intelligenz: Diese Universitäten lehren und forschen zu KI. https://www.alexanderthamm.com/de/blog/studium-kuenstliche-intelligenz/. Zugegriffen am 12.09.2020.

TU Berlin. (2020). Institut für Bauingenieurwesen, Civil and Building Systems, Data Engineering. https://www.civilsystems.tu-berlin.de/menue/education/modules/data_engineering_bsc/. Zugegriffen am 12.09.2020.

Universität Freiburg. (2019). Seminar: Ethics of AI. http://gki.informatik.uni-freiburg.de/teaching/ss19/seminar/topics_de.html. Zugegriffen am 12.09.2020.

Universität Ulm. (2020a). Data Literacy und Data Science für den Mittelstand: Weiterbildung und Qualifizierung. https://www.uni-ulm.de/einrichtungen/saps/projekte/data-literacy-und-data-science/. Zugegriffen am 12.09.2020.

Universität Ulm. (2020b). Data Literacy und Data Science für den Mittelstand: Weiterbildung und Qualifizierung. Projektbroschüre. https://www.uni-ulm.de/fileadmin/website_uni_ulm/adprostu/Projekte/Data_Literacy/data_literacy_broschuere.pdf. Zugegriffen am 12.09.2020.

VdTÜV. (2020). Künstliche Intelligenz braucht bessere Bildung. https://www.presseportal.de/pm/65031/4626019. Zugegriffen am 16.08.2020.

Wiggers, K. (2020). Researchers find racial discrimination in ‚dynamic pricing‘ algorithms used by Uber, Lyft, and others. VentureBeat. https://venturebeat.com/2020/06/12/researchers-find-racial-discrimination-in-dynamic-pricing-algorithms-used-by-uber-lyft-and-others/. Zugegriffen am 25.09.2020.

Wiggerthale, M. (2019). Konzernmacht in der digitalen Welt. Ökologisches Wirtschaften-Fachzeitschrift, 33(1), 10. https://doi.org/10.14512/OEW340110. CrossRef

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35.CrossRef

Wirth, R., & Hipp, J. (2000, April). CRISP-DM: Towards a standard process model for data mining. In Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining (S. 29–39). Springer.

Title: Künstliche Intelligenz und ihre Anforderungen an den Kompetenzerwerb
Authors: Katharina Teuber
Azadeh Dindarian
Naz Cilo-van Norel Ekaterina
Publisher: Springer Berlin Heidelberg
Book: Kompetenzmodelle für den Digitalen Wandel
Print ISBN: 978-3-662-63672-5

Electronic ISBN: 978-3-662-63673-2

Copyright Year: 2022
DOI: https://doi.org/10.1007/978-3-662-63673-2_5