Data Literacy

Einführung

Julia Vögtle M.A.
Wissenschaftliche Mitarbeiterin am FORUM I Studium Generale. Forum Wissenschaft und Gesellschaft, KIT

Vortrag

Prof. Dr. Senja Post
Lehrstuhl für Wissenschaftskommunikation mit Schwerpunkt Wirkung / Transfer und wissenschaftliche Leiterin des FORUM I Studium Generale. Forum Wissenschaft und Gesellschaft, 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.

Bettina Finzel M.Sc.
Doktorandin am Lehrstuhl für Kognitive Systeme an der Otto-Friedrich-Universität Bamberg und Mitglied des Leitungsgremiums des Bamberger Zentrums für Künstliche Intelligenz
 

Künstliche Intelligenz (KI) gehört zu den zentralen Technologien der vergangenen Jahre. Doch die Geschichte des Fachgebiets KI reicht weit bis in die 50er Jahre des 20. Jahrhunderts zurück. Der Vortrag bietet einen breiten Überblick über grundlegende Konzepte hinter Künstlicher Intelligenz und maschinellem Lernen. Dabei wird nicht nur ein Blick hinter die Kulissen von Deep Learning und ChatGPT geworfen, sondern auch über den Tellerrand von derzeit populären KI-Systeme geschaut. Ausgewählte Aspekte wissensbasierter und erklärbarer KI werden genauso behandelt wie Grenzen der Zuverlässigkeit und Generalisierbarkeit KI-basierter Modelle. Der Vortrag gibt außerdem einen Ausblick auf weiterführende Themen, wie menschzentrierte Erklärbarkeit und Neuro-Symbolische KI in Medizin, Produktion und Bildung.

Patrick Brunner 
Wissenschaftlicher Mitarbeiter Immaterialgüterrechte in verteilten Informationsinfrastrukturen am FIZ Karlsruhe – Leibniz-Institut für Informationsinfrastruktur 

Der Vortrag widmet sich der Verordnung der Europäischen Union zur Regulierung von Künstlicher Intelligenz (KI-Verordnung), welche am 01. August 2024 in Kraft getreten ist. Hauptgegenstände der Verordnung bilden KI-Systeme und -Modelle, deren Bereitstellung und Nutzung in der Union spezifischen Verpflichtungen unterliegt.

Der Vortrag thematisiert insbesondere das regulatorische Verständnis von KI-System und -Modellen sowie die risikobasierte Einstufung von KI-Systemen im Rahmen der Verordnung und die Verpflichtungen der Anbieter und Betreiber von KI-Systemen. Zudem wird auf die Etablierung einer Governance-Struktur durch die KI-Verordnung und den durch die KI-Verordnung geschaffenen Rahmen zur Innovationsförderung eingegangen.
Abschließend werden Schnittstellen zwischen der KI-Verordnung und daten- bzw. digitalbezogenen rechtlichen Rahmenbedingungen betrachtet.

Ziel des Vortrages ist es, den Zuhörenden einen Ein- und Überblick zur KI-Verordnung der Europäischen Union zu geben und sie für die Materie zu sensibilisieren.

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. Jörg Meyer

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

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.

Prof. Christina Elmer
Professorin für Digitalen Journalismus und Datenjournalismus an der Technischen Universität Dortmund

In einer zunehmend datafizierten Gesellschaft ist es für den Journalismus unerlässlich, auch strukturierte Informationen in Recherchen einbeziehen zu können. Entsprechend haben sich Werkzeuge und Praktiken des Datenjournalismus bereits seit einigen Jahren in vielen Redaktionen etabliert. Dabei entstehen inzwischen auch automatisierte Workflows und Formate, wie etwa Dashboards zur Klimakrise oder zum Verlauf der Covid-Pandemie. Um besonders große Datensätze analysieren zu können, Formate zu transformieren oder als Support beim Programmieren werden inzwischen auch lernende Systeme (KI) eingesetzt.

Der Vortrag führt in den Fachbereich des Datenjournalismus ein, um davon ausgehend KI-Anwendungsfelder in der redaktionellen Arbeit insgesamt zu beschreiben und wesentliche Trends zu umreißen. Abschließend werden ethische, normative und technische Fragestellungen diskutiert, die zumeist nicht allein den Journalismus betreffen, sondern auch für andere Anwendungsfelder lernender Systeme relevant sind.

Miriam Klöpper M.A.

Wissenschaftliche Mitarbeiterin am FZI Forschungszentrum Informatik Karlsruhe

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.

Vorstellung der KIT Graduate School Computational and Data Science 

Angela Hühnerfuß, M.A.

Koordination KIT Graduate School Computational and Data Science

Im Rahmen des Vortrags wird die KIT Graduate School Computational and Data Science des KIT-Zentrums MathSEE vorgestellt. Die englischsprachige internationale Graduiertenschule bietet ein dreijähriges interdisziplinäres Qualifizierungsprogramm für Doktorandinnen und Doktoranden an, die am KIT an daten- und modellgetriebenen Projekten an der Schnittstelle zwischen Mathematik und einem SEE-Fach (Natur-, Wirtschafts- und Ingenieurwissenschaften) arbeiten. Die Themen der Promotionsprojekte umfassen ein breites Spektrum, von der Wettervorhersage bis hin zu cyber-physikalischen Systemen, die beim autonomen Fahren zum Einsatz kommen.

Vortrag

Dr. Sebastian Lerch

Leiter der Nachwuchsgruppe KI-Methoden für probabilistische Wettervorhersagen am Institut für Statistik (STAT)
 

Kontinuierliche wissenschaftliche und technologische Fortschritte haben in den vergangenen Jahrzehnten zu einer fundamentalen, jedoch oft wenig beachteten, Revolution der Wettervorhersage beigetragen. Dieser Vortrag gibt einen Überblick über die Entwicklung der Wettervorhersage von historischen Anfängen in der Antike bis hin zu physikalischen Modellen der Atmosphäre und modernen Methoden der Künstlichen Intelligenz. Der Fokus wird insbesondere auf der Rolle der Mathematik und der Daten für die moderne Wettervorhersage liegen.

Diana M. Tangen

Leitung der Abteilung Benutzung der KIT-Bibliothek sowie der beiden Fachbibliotheken der Hochschule Karlsruhe (HKA) und der Dualen Hochschule Baden-Württemberg (DHBW)

Informations-, Medien- und Datenkompetenzen sind Schlüsselqualifikationen und entscheidende Erfolgsfaktoren für Studium, Forschung und Beruf. Gerade in Zeiten von textgenerierender KI wie ChatGPT oder Fake News leisten wissenschaftliche Bibliotheken einen wichtigen Beitrag, um Herausforderungen und Risiken bei der Nutzung digitaler Information kompetent einordnen zu können. Die KIT-Bibliothek hat die Vermittlung dieser Schlüsselqualifikationen zu ihrer Kernaufgabe gemacht, indem sie qualifizierte Beratung sowie Präsenz- und Onlinekurse mit vielfältigen Inhalten maßgeschneidert für verschiedene Zielgruppen anbietet. Im Vortrag werden zudem Einblicke in aktuelle Projekte zu LLM-Literacy gegeben, wie z.B. in die Beforschung eines Onlinekurses zum Schreiben mit textgenerierender KI (KI@helpBW).

Prof. Dr. Tobias Siebenlist
Professor für Verwaltungsinformatik an der Hochschule Rhein-Waal, Campus Kamp-Lintfort

Alles offen, alles gut? Was bedeuten eigentlich „Open Data“ und „Open Government“, wer macht das und was bringt mir das?

Ein kurzer Einblick, was sich hinter den Begriffen verbirgt:

„Offene Daten sind sämtliche Datenbestände, die im Interesse der Allgemeinheit der Gesellschaft ohne jedwede Einschränkung zur freien Nutzung, zur Weiterverbreitung und zur freien Weiterverwendung frei zugänglich gemacht werden.“ (von Lucke & Geiger, 2010)

„Open Government ist als ganzheitlicher Ansatz zur Belebung der Demokratie zu verstehen. Offenes Regierungs- und Verwaltungshandeln stellt dabei die Grundlage dar. Das Ziel von Open Government ist es, die Arbeit von Politik, Regierung, Verwaltung und Justiz (d. h. des öffentlichen Sektors insgesamt) offener, transparenter, partizipativer und kooperativer zu gestalten.“ (Open Government Netzwerk Deutschland)

Beide Bereiche sind miteinander verknüpft und können den jeweils anderen unterstützen. Weitere „Open“-Themen spielen in diesem Kontext auch eine Rolle: In der Wissenschaft beispielsweise der große Bereich „Open Science“ (offene Wissenschaft), Zugang zur Forschungsliteratur als „Open Access“ (freier Zugang) und die „Open Educational Resources“ (freie Bildungsmaterialien), in der Softwareentwicklung und -nutzung das Thema „Open Source“ (offene Quellen).

Dieser Vortrag gibt einen Überblick aus Sicht von Wissenschaft und Praxis über die beiden Gebiete Open Data und Open Government, ihre Verbindung miteinander und was man damit eigentlich anfangen kann.

Dr. Andres Kugel
OK Lab Karlsruhe 

Neben wissenschaftlichen Daten (z.B. Satellitenbilder oder Wetterdaten) versuchen sich seit einiger Zeit auch öffentliche Verwaltungen an der digitalen Datenbereitstellung. Mit der Nutzung solcher Daten durch die Zivilgesellschaft – also durch uns alle – kann mehr Transparenz und demokratische Teilhabe erreicht werden. Im Vortrag werden zunächst am Beispiel einiger Open-Data-Portale typische Quellen, Zugangsmöglichkeiten und -probleme sowie nützliche Fertigkeiten und Werkzeuge gezeigt. Eine Auswahl von nicht-kommerziellen Anwendungen aus dem Umfeld des „Code For Germany“-Netzwerks dient anschließend als Einstieg in die Diskussion.

Dr. Maren Lübcke

HIS-Institut für Hochschulentwicklung, stellvertretende Leiterin des Geschäftsbereichs Hochschulmanagement, Schwerpunkt Digitalisierung in Lehre und Forschung, Hannover

„Data Science“ bzw. Datenwissenschaft etabliert sich als rasch wachsende Wissenschaftsdisziplin mit hohem Innovationspotenzial an der Schnittstelle zwischen Angewandter Informatik, Mathematik, Statistik und weiteren Fachgebieten (z. B. Betriebswirtschaftslehre, Informationswissenschaften, Design und Kommunikation). Da die neuen Methoden der Aus- und Verwertung von großen Datenmengen international u. a. weitreichende Auswirkungen auf Geschäftsmodelle von Unternehmen und implizit auch auf die Ansprüche von Bürgern oder der Politik an die Akteure im öffentlichen Bereich haben, kommt der Wissenschaftsdisziplin Data Science gesamtgesellschaftlich wie makroökonomisch erhebliche Bedeutung zu. Angesichts eines vielfach diagnostizierten erheblichen Mangels an Expertinnen und Experten in diesem Bereich wird die Frage gestellt, welche Rolle Hochschulen bei der Deckung der Nachfrage nach Data-Science-Expertinnen und -Experten am Arbeitsmarkt zukommt und ob Data Science darüber hinaus Potentiale auch für andere Wissenschaftsdisziplinen bietet.

Der Vortrag findet online statt.

Leistungsnachweis:

Erhalt von 2 LP durch regelmäßige aktive Teilnahme und Verfassen von 1 Lernprotokoll, unbenotet.

• als Schlüsselqualifikations- oder überfachlichen Qualifikationsnachweis
• innerhalb des Studium-Generale-Zertifikats Data Literacy

Leitfaden für Lernprotokolle