<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>2488</id>
    <completedYear>2024</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>139</pageFirst>
    <pageLast>162</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>bookpart</type>
    <publisherName>Springer Verlag</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-09-19</completedDate>
    <publishedDate>2024-09-19</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Bayes’sche Netze als Methode zur Implementierung transparenter, erklärbarer und vertrauenswürdiger Künstlicher Intelligenz</title>
    <abstract language="deu">Dieser Beitrag betrachtet die Verwendung von Bayes’schen Netzen als Methode zur Implementierung von transparenter, erklärbarer und vertrauenswürdiger Künstlicher Intelligenz (KI). Er beginnt mit einer Darstellung und Diskussion von Schlüsselkonzepten im Zusammenhang mit der Verwendung von Methoden der Künstlichen Intelligenz und der Implementierung von erklärbarer und vertrauenswürdiger KI. Der Beitrag diskutiert mehrere Konzepte aus dem Bereich der Bayes’schen Netze, die für die praktische Anwendung dieser Modelle in Systemen mit KI relevant sind. Zu den betrachteten Konzepten gehören unter anderem der Bayes-Faktor, die wahrscheinlichste Erklärung und die relevanteste Erklärung. Der Beitrag endet mit einem Fallbeispiel aus dem Bereich des automatisierten Fahrens, das veranschaulicht, wie transparente und erklärbare KI mithilfe von Bayes’schen Netzen umgesetzt werden kann, um eine vertrauenswürdige Lösung zu schaffen.</abstract>
    <parentTitle language="deu">Vertrauen in Künstliche Intelligenz - Eine multi-perspektivische Betrachtung</parentTitle>
    <identifier type="url">https://link.springer.com/chapter/10.1007/978-3-658-43816-6_8</identifier>
    <enrichment key="copyright">1</enrichment>
    <enrichment key="HAB_Review">ja</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">false</enrichment>
    <licence>Creative Commons - CC BY - Namensnennung 4.0 International</licence>
    <author>Anders L. Madsen</author>
    <author>Galia Weidl</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Bayes'sche Netze</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Automatisiertes Fahren</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Mischverkehr</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Bayes-Netz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Autonomes Fahrzeug</value>
    </subject>
    <collection role="institutes" number="">Kompetenzzentrum Künstliche Intelligenz</collection>
    <collection role="forschungsschwerpunkte" number="">Intelligent Mobility</collection>
  </doc>
  <doc>
    <id>2753</id>
    <completedYear>2025</completedYear>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-05-04</completedDate>
    <publishedDate>2025-05-04</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Enhancing Safety Standards in Automated Systems Using Dynamic Bayesian Networks</title>
    <abstract language="eng">Cut-in maneuvers in high-speed traffic pose critical challenges that can lead to abrupt braking and collisions, necessitating safe and efficient lane change strategies. We propose a Dynamic Bayesian Network (DBN) framework to integrate lateral evidence with safety assessment models, thereby predicting lane changes and ensuring safe cut-in maneuvers effectively. Our proposed framework comprises three key probabilistic hypotheses (lateral evidence, lateral safety, and longitudinal safety) that facilitate the decision-making process through dynamic data processing and assessments of vehicle positions, lateral velocities, relative distance, and Time-to-Collision (TTC) computations. The DBN model's performance compared with other conventional approaches demonstrates superior performance in crash reduction, especially in critical high-speed scenarios, while maintaining a competitive performance in low-speed scenarios. This paves the way for robust, scalable, and efficient safety validation in automated driving systems.</abstract>
    <parentTitle language="deu">2025 IEEE Intelligent Vehicles Symposium (IV)</parentTitle>
    <identifier type="url">https://www.researchgate.net/publication/391461422_Enhancing_Safety_Standards_in_Automated_Systems_Using_Dynamic_Bayesian_Networks</identifier>
    <identifier type="doi">10.48550/arXiv.2505.02050</identifier>
    <enrichment key="copyright">1</enrichment>
    <enrichment key="HAB_Review">ja</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International</licence>
    <author>Kranthi Kumar Talluri</author>
    <author>Anders L. Madsen</author>
    <author>Galia Weidl</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Unfallverhütung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Schnellfahrstrecke</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Autonomes Fahrzeug</value>
    </subject>
    <collection role="institutes" number="">Kompetenzzentrum Künstliche Intelligenz</collection>
    <collection role="forschungsschwerpunkte" number="">Intelligent Mobility</collection>
  </doc>
</export-example>
