Einführung

Julia Vögtle M.A.
Wissenschaftliche Mitarbeiterin am FORUM, KIT

Vortrag

Prof. Dr. Senja Post
Lehrstuhl für Wissenschaftskommunikation mit Schwerpunkt Wirkung / Transfer und wissenschaftliche Leiterin des FORUM, KIT

Datenkompetenz ist als Schlüsselkompetenz des 21. Jahrhunderts von zunehmender Relevanz in der Berufs- und Alltagswelt. Der Eröffnungsvortrag der Ringvorlesung führt mit einem kritischen Blick auf den grundlegenden Umgang mit Zahlen und Statistiken in die Vorlesungsreihe ein und bildet somit die Basis für die nachfolgenden Vorträge.

Zahlen und Statistiken sind Mittel der Wissenschaft und Medienberichterstattung, komplexe Sachverhalte und übergreifende Zusammenhänge präzise und komprimiert darzustellen. Allerdings werden Zahlen und Statistiken in gesellschaftlichen Debatten häufig irreführend verwendet – sie werden überschätzt, unterschätzt, missverstanden oder zugunsten exemplarischer Fallbeispiele vermieden. 

Der Vortrag gibt, basierend auf empirischen Studien, einen Überblick über häufige Muster der Verwendung und Darstellung von Zahlen und Statistiken in öffentlichen Debatten und diskutiert ihre potenziellen Wirkungen auf die Vorstellungen der Menschen.

Prof. Dr. Pascal Friederich

Head of the AiMat (Artificial Intelligence for Materials Sciences) Group at the Institute of Nanotechnology & Department of Informatics, KIT

The lecture begins with a general introduction to the concepts of artificial intelligence (AI) and machine learning (ML) from a computer science perspective, followed by a brief historical overview. To provide a basic understanding of the technologies and methods, an overview of AI/ML developments and breakthroughs in recent years follows, including the technical basics explained in an intuitive and accessible manner: neural networks, transformers, and generative AI. The lecture concludes with a discussion of several critical aspects of AI – in particular, bias in AI systems, resource and energy consumption, and societal impacts – as well as a (non-exhaustive) overview of AI/ML research activities at KIT, primarily from a computer science perspective.

Prof. Dr. Matthias Uhl

Lehrstuhl für Wirtschafts- und Sozialethik, Universität Hohenheim

Der Vortrag gibt einen Überblick über ausgewählte aktuelle Fragen der KI-Ethik und beleuchtet den Beitrag, den empirische sozialwissenschaftliche Forschung zu ihrer Bearbeitung leisten kann. Es werden die Themenfelder der Maschinenethik und der Ethik der Mensch-Maschine-Interaktion angesprochen. Die Maschinenethik betrachtet KI als moralischen Agenten und reflektiert, welche Prinzipien dessen „Handeln“ leiten sollten. Im Vortrag werden hier beispielhaft Pflegeroboter und autonome Fahrzeuge betrachtet. Die Ethik der Mensch-Maschine-Interaktion hingegen analysiert die Rückwirkungen, welche die Mediation menschlichen Handeln durch KI-gestützte Systeme auf unsere Moral hat. Im Vortrag werden hier als Beispiel medizinische Empfehlungssysteme und Large Language Models diskutiert.

Patrick Brunner 

Research Associate, Intellectual Property Rights at FIZ Karlsruhe – Leibniz Institute for Information Infrastructure

The lecture focuses on the EU Artificial Intelligence Act, which came into effect on August 1, 2024. The main subjects of the regulation are AI systems and models, whose provision and use in the European Union are subject to specific obligations.

In particular, the lecture addresses the regulatory definition of AI systems and models, the risk-based classification of AI systems under the Act, and the obligations of providers and deployers of AI systems. It also discusses the establishment of a governance structure through the EU AI Act and the framework created by the AI Act to support innovation.
Finally, the lecture will examine the intersections between the AI Act and data- and digital-related legal frameworks.

The goal of the lecture is to provide the audience with an introduction to and overview of the EU AI Act and to raise their awareness of the subject matter.

Prof. Dr. Jörn Müller-Quade

Leiter der KASTEL-Forschungsgruppe „Kryptographie und Sicherheit“, Sprecher und Initiator des Instituts für Informationssicherheit und Verlässlichkeit (KASTEL) und Direktor für Innovation, Strategie und Transfer am FZI

Der Umgang mit Daten birgt auch Risiken für die Privatsphäre. Im Vortrag werden sogenannte „Privacy Enhancing Technologies“ (PETs) vorgestellt, die ein wichtiges Werkzeug für den effektiven Umgang mit sensiblen Daten sein können. Dabei wird der Frage nachgegangen, ob PETs den Widerspruch zwischen der Nutzung von (sensiblen) Daten und den Anforderungen des Datenschutzes lösen können.

Dr. Miriam Klöpper

Dr. Miriam Klöpper, Postdoktorandin in der Forschungsgruppe Wirtschaftsinformatik, Fakultät für Informationstechnik und Elektrotechnik an der Norwegian University of Science and Technology Trondheim (NTNU)

In weiten Teilen des Personalmanagements kommen immer häufiger sogenannte People-Analytics-Anwendungen zum Einsatz. Basierend auf algorithmischen Auswertungen sollen diese Anwendungen automatisiert beispielsweise Produktivität der Beschäftigten ermitteln, geeignete Teamzusammensetzungen und ungewollte Fluktuation prognostizieren oder auch Lebensläufe von Bewerberinnen und Bewerber auswerten. Dabei analysieren die Anwendungen sowohl historisch im Unternehmen gewachsene Datensätze, sammeln aber auch kontinuierlich von Arbeitnehmende ganz nebenbei generierte Daten, wie die Anzahl der gesendeten Emails oder geführten Telefonate bis hin zu Mausbewegungen oder Tastenanschlägen. Während Befürwortende der Systeme in diesen vor allem Neutralität und Fairness sehen, kommen einige Forschende zu dem Schluss, dass die Nachteile der Technologie die positiven Aspekte deutlich überwiegen. Im Vortrag werden die algorithmischen Systeme und die zugrundeliegenden Datensammlungen betrachtet und dabei deren Potentiale und Risiken erörtert.

Dr. Jörg Meyer

Abteilungsleiter der Abteilung Data Analytics, Access and Applications (D3A), Scientific Computing Center (SCC), KIT

Big Data, Data Analytics, Künstliche Intelligenz und Cloud Computing bestimmen weiterhin viele Aspekte im heutigen Leben in Wissenschaft, Wirtschaft und Gesellschaft. Dieser Vortrag gibt einen Überblick über die Aktivitäten des Scientific Computing Center (SCC) des KIT in diesen Themenbereichen, welche die Generierung von Wissen aus Daten ermöglichen und unterstützen.

N.N. 

Dr. Ralf Loritz

Im Vortrag wird gezeigt, wie maschinelles Lernen (ML) die Hydrologie verändert – und warum diese Technologien zu einem zentralen Werkzeug für die Vorhersage von Hochwasser, Dürre und anderen hydrologischen Extremen geworden sind. Die Hydrologie befasst sich mit dem Wasserkreislauf in all seinen Facetten – vom Niederschlag über die Speicherung im Boden bis hin zum Abfluss in Flüssen und Seen. Um diese Prozesse zu verstehen und zukünftige Ereignisse vorherzusagen, werden seit Jahrzehnten mathematisch-physikalische Modelle eingesetzt. Sie bilden die bekannten Gesetze der Hydrologie, wie Versickerung, Verdunstung und Abflussbildung, durch Gleichungen ab und erlauben damit eine quantitative Beschreibung der Bewegung von Wasser in der Landschaft.

Doch sind neue, datengetriebene Ansätze diesen Modellen überlegen? Was sind jeweils die Vor- und Nachteile der Methoden? Diese Fragen stehen im Zentrum des Vortrags.

Am Beispiel aktueller Forschungsprojekte, wie dem vom BMBF geförderten Verbundprojekt KI-HopE, wird zudem gezeigt, wie aktuelle Konzepte in der Praxis umgesetzt werden – etwa bei der Entwicklung eines deutschlandweiten, ML-basierten Hochwasservorhersagesystems in Kooperation mit dem Deutschen Wetterdienst und den Hochwasservorhersagezentralen.

Der Vortrag lädt dazu ein, die Hydrologie als datenwissenschaftliche Disziplin neu zu denken – wie können physikalisches Verständnis und künstliche Intelligenz dazu beitragen, die Risiken von Hochwasser und Dürre besser zu erkennen und ihnen frühzeitiger begegnen zu können?

Angela Hühnerfuß, M.A.

Managing Director, KIT Graduate School Computational and Data Science, KIT

Die KIT Graduate School Computational and Data Science (KCDS) am KIT-Zentrum MathSEE ist eine englischsprachige Graduiertenschule für alle Promovierenden am KIT, die an interdisziplinären daten- und modellgetriebenen Forschungsprojekten arbeiten. Das Besondere an KCDS ist das Betreuungs-Tandem: Die Promovierenden haben jeweils eine Betreuungsperson aus der Mathematik mit einem methodischen Schwerpunkt und eine aus einem SEE-Fach (Natur-, Wirtschafts- und Ingenieurwissenschaften) mit dem Schwerpunkt Anwendung. Das interdisziplinäre Trainingsprogramm der KCDS bietet Promovierenden die Möglichkeit, sich gezielt fachlich und überfachlich weiterzubilden, ihr Netzwerk zu erweitern und eigene Projekte und Veranstaltungen zu verwirklichen.

Dr. Özge Çelikaslan

Media scholar, artist, researcher, and archivist, Germany

Carolin-Anna Achberger, M.A. 

Klimaschutzmanagerin, Hochschule Ravensburg-Weingarten

Künstliche Intelligenz verspricht effizientere Prozesse, intelligentere Mobilität und neue Lösungen für Klima- und Umweltschutz. Gleichzeitig benötigen leistungsfähige KI-Modelle enorme Rechenkapazitäten – mit wachsendem Strom-, Wasser- und Rohstoffverbrauch. Ist KI damit Teil des Nachhaltigkeitsproblems oder kann sie Teil der Lösung werden?

Der interaktive Vortrag nimmt KI kritisch unter die Lupe: Welche ökologischen und sozialen Kosten entstehen durch Rechenzentren, Trainingsprozesse, Hardware und globale Lieferketten? Und wo kann KI konkret helfen, Energie und Ressourcen zu sparen, Umweltveränderungen besser zu verstehen oder Klimaanpassung zu unterstützen?

Der Vortrag lädt dazu ein, KI weder pauschal als Klimaretterin noch als reine Energieverschwendung zu betrachten, sondern ihre Chancen, Grenzen und Voraussetzungen für einen verantwortungsvollen Einsatz kritisch zu diskutieren.

Prof. Dr. Tobias Siebenlist

Hochschule Düsseldorf