0 Informatik, Informationswissenschaft, allgemeine Werke
Refine
Year of publication
Document Type
- Part of Periodical (33)
- Report (13)
- Other (4)
- Working Paper (3)
- Article (2)
- conference proceeding (article) (2)
- Bachelor-/Diplom Thesis (1)
Has Fulltext
- yes (58) (remove)
Keywords
- Künstliche Intelligenz (5)
- Cybersecurity (3)
- Data Engineering (3)
- Data Science (3)
- Python (3)
- ChatBot (2)
- Computersicherheit (2)
- Digitalisierung (2)
- Explainable Artificial Intelligence (2)
- Government (2)
Data engineering is an integral part of the data science process. It comprises tasks such as data ingestion, data transformation, and data quality assurance. In order to fulfill these tasks, schema inference is an important capability. Its goal is to detect the structure of a dataset and to derive metadata on hierarchies, data types, etc. Artificial intelligence (AI) has the potential to automate schema inference and thus increase the efficiency of the data science process. However, as government institutions are subject to special regulations, explainability of AI models can be a mandatory requirement. Goal of this research protocol is to plan a systematic review of literature on schema inference for tabular data with explainable AI (XAI). This third version was derived from two earlier review protocols.
Einsatz, Nutzen und Grenzen von ChatGPT und anderen Large Language Modellen an den bayerischen HAWs
(2024)
Die Studie analysiert Einsatz, Nutzen und Grenzen von ChatGPT und Large Language Modellen (LLMs) in der Lehre an bayerischen Hochschulen für angewandte Wissenschaften (HAWs). Sie basiert auf einer schriftlichen Onlinebefragung und leitfadengestützten Interviews unter Lehrenden, Studierenden und Funktions-trägerinnen und -träger. Insgesamt nahmen 1570 Personen an der Onlineumfrage teil und es wurden 27 Interviews geführt. Zwar variieren die Ergebnisse je nach Befragtengruppe, aber tendenziell lassen sich folgende Einschätzungen auf Basis der empirischen Daten treffen:
→ Die meisten Teilnehmenden haben ein geringes Verständnis der Nutzbarkeit von LLMs und deren technologischer Funktionsweise. Die Nutzbarkeit von Open Source LLMs oder domänenspezifisch trainierten LLMs für das eigene Fachgebiet kennt der Großteil der Teilnehmenden (überhaupt) nicht oder nur teilweise.
→ Die Einsatzhäufigkeit von ChatGPT bzw. LLMs in Lehre, Studium und Arbeitsalltag ist noch gering, vor allem wegen fehlender sinnvoller Einsatzmöglichkeiten, mangelnder Qualität der Ergebnisse und rechtlicher Bedenken. Die ChatGPT-Plusversion wird von den meisten Teilnehmenden nie genutzt.
→ Die wahrgenommene Nützlichkeit der Einsatzszenarien von ChatGPT variiert je nach ChatGPT-Version und Zielgruppe, wobei das Zusammenfassen und die Verbesserung von Texten als nützlich eingeschätzt werden.
→ Ein Verbot von ChatGPT wird überwiegend abgelehnt. Stattdessen besteht seitens der Lehrenden und Studierenden der Wunsch nach vermehrter Aufklärung über die Chancen und Grenzen von ChatGPT und Co. Zudem erhoffen sie sich finanzielle, technische und didaktische Unterstützung durch die Hochschulen.
→ Die Teilnehmenden sehen ChatGPT als eine Chance zur Verbesserung der Lehre, aber auch als eine Herausforderung für die Prüfungskultur, die rechtliche Sicherheit und die Kompetenzentwicklung.
• In Bezug auf zukünftig notwendige Kompetenzen wird angemerkt, dass es zu einem Kompetenz-verlust bei den Studierenden als Konsequenz der ChatGPT-Nutzung kommen kann.
• Die Frage nach der rechtlichen Sicherheit bezieht sich nicht nur auf mögliche Datenschutz- oder Copyrightverletzungen, sondern auch auf das Prüfungswesen.
• Die Art und Weise von Prüfungen wird sich ändern (müssen), wobei mehrere Optionen thematisiert werden: von der Kennzeichnungspflicht bei der Nutzung von ChatGPT und Co. über den Wegfall reiner Wissensabfragen in Prüfungen bis hin zu den Ideen, keine theoretischen Bachelorarbeiten mehr zu vergeben und vermehrt mündliche Prüfungen einzusetzen.
Die Studie schließt mit einer Diskussion über die Rolle und Tragweite der generativen KI in der Hoch-schullehre und gibt Hinweise auf Materialien für die Gestaltung von innovativen und verantwortungs-vollen Lernszenarien.
Lehre an Hochschulen gemeinsam denken. Motivierte Akteure in kreativer Atmosphäre an einen Tisch bringen. Kommunikation auf Augenhöhe. Das ist das Lehrlabor³. Mit diesem Programm wurde erstmals in Bayern ein Format erprobt, in dem über einen Zeitraum von sieben Monaten innovative Lehr- und Lernsettings in rollenübergreifenden Hochschulteams gestaltet wurden. Forschend und zugleich spielerisch entstanden neue Ideen. Insgesamt fünf Hochschulen wurden auf eine Reise mit Ziel „Innovative Lehrentwicklung“ geschickt. Das erste Ergebnis halten Sie in den Händen. Das Lehrlabor³ hat einen ko-kreativen Rahmen für Lehrentwicklung geschaffen und eine Community ins Leben gerufen, die Hochschulgrenzen und Silodenken überwindet und als interdisziplinäre Ideenschmiede neue Impulse für Lehre und Lernen liefert. Auf den folgenden Seiten zeigt Ihnen das Lehrlabor³-Team Ausschnitte dieses Weges. Lassen Sie sich vom Ideenreichtum der Hochschulteams inspirieren und von der Reiselust anstecken.
(Vorw. Frau Prof. Christina Zitzmann)
Vorlaufforschung 2021
(2023)
Liebe Leser*innen,
ein ansehnlicher Band mit wissenschaftlichen Untersuchungen aus ganz unterschiedlichen Fachgebieten liegt vor Ihnen und lädt zum darin Schmökern und zum Verweilen bei dem einen oder anderen Projekt ein.
14 Projekte konnten im Jahr 2021 gefördert werden und wieder zeigen die hier veröffentlichten 11 Ergebnisberichte sowohl die thematische Breite unserer Hochschule als auch die wissenschaftliche Tiefe, mit der die einzelnen Akteure unterwegs sind. Der Klimawandel und die Pandemie spielen bei den Untersuchungen genauso eine Rolle wie Künstliche Intelligenz und die Untersuchung von Werkstoffen, wie zum Beispiel bioaktivem Glas, klebrigen Schmierfetten oder menschlichen Knochen (...).
[aus Grußwort: Tilman Botsch]
In 2021, together with fellow scientists, we conducted a survey at the German Chaos Computer Club (CCC). Our goal was to find out which programming languages are most commonly used by hackers. This article follows up the survey and compares its findings with an analysis of the Exploit Database. Readers get step-by-step instructions on how to set up the analysis environment and a summary of the results. Thus, the article not only covers applied techniques, but also offers insights into the world of cybersecurity.
Data engineering is an integral part of the data science process. It comprises tasks such as data ingestion, data transformation, and data quality assurance. In order to fulfill these tasks, schema inference is an important capability. Its goal is to detect the structure of a dataset and to derive metadata on hierarchies, data types, etc. Artificial intelligence (AI) has the potential to automate schema inference and thus increase the efficiency of the data science process. However, as government institutions are subject to special regulations, explainability of AI models can be a mandatory requirement. Goal of this research protocol is to plan a systematic review of literature on schema inference with explainable AI (XAI) for data engineering in government institutions.
If we believe Edward Snowden, encryption is "the only true protection against surveillance". However, advances in quantum technology might endanger this safeguard. Our article discusses why quantum computing poses a threat to data security and what to do about it. Instead of a purely theoretical analysis, we build on code examples using Python, C, and Linux.
Data engineering makes up a large part of the data science process. In CRISP-DM this process stage is called "data preparation". It comprises tasks such as data ingestion, data transformation and data quality assurance. In our article we solve typical data engineering tasks using ChatGPT and Python. By doing so, we explore the link between data engineering and the new discipline of prompt engineering.
„Deutschland ist Innovationsland.“ So zumindest die knappe Fest-stellung des Koalitionsvertrags der neuen Regierung aus SPD, Bündnis 90/Die Grünen und FDP zu Beginn des Abschnitts „Innovation, Wissenschaft, Hochschule und Forschung“. Die neue Regierungskoalition kommt dem Innovationsimparativ (Passoth & Rammert 2018)augenscheinlich nach. Die neuen Partner hatten bereits im Wahlkampf ein „Innovationsfreiheitsgesetz“1 gefordert oder auf die „Entfesselung der Innovationskraft der Sozialen Marktwirtschaft“2 gesetzt. Der neuen Regierung hatte auch die EFI Expertenkommission mit auf den Weg gegeben, sie müsse „einen kohärenten Politikansatz (verfolgen), der den gesamten Innovationsprozess – von der Grundlagenforschung bis zur Anwendung – in den Blick nimmt und dem sich alle Ressorts verpflichtet fühlen“ (EFI 2021c: 31). Die Ampelkoalition hat am 24.11.2021 ihren Vertrag für die Zusammenarbeit für die 20. Legislaturperiode
vorgelegt. Unter dem Titel „Mehr Fortschritt wagen“ treffen die Koalitionspartner SPD, Bündnis 90/Die Grünen und FDP auf fast 180 Seiten Absprachen über Politikinhalte und die Ressortverteilung.
Mit Blick auf Forschungs‐ und Innovationspolitik überrascht vielleicht zunächst, dass kein Digitalministerium entsteht. Vor allem bemerkenswert erscheint aber, dass der Bereich F&I deutlich die Handschrift der beiden Koalitionäre Bündnis 90/Die Grünen und FDP trägt. Deutlich wird dies in der Gründung einer Innovationsagentur DATI, die als Fusion der Vorschläge einer Deutschen Transfergesellschaft(FDP) und einer Transformationsagentur D.Innova (Bündnis 90/Die Grünen) zu sehen ist. Missionsorientierung
in der Forschungspolitik wird ebenso adressiert wie Digitalisierung und ressortübergreifende Koordination. Im Folgenden wird der Koalitionsvertrag mit Blick auf F&I‐Politik dahingehend analysiert, ob er einem missionsorientierten, holistischen Ansatz von Innovation entspricht oder sich immer noch stark an Technologien orientiert und soziale Innovationen vernachlässigt. Nachdem der Start der neuen Regierung noch voll unter dem Eindruck der Corona‐Pandemie und außenpolitischen Spannungen in den Beziehungen zu Russland und China steht, werden die konkreten Inhalte der F&I‐Politik erst im weiteren Verlauf der Regierungszeit der Ampel‐Koalition zutage treten. Wie bedeutend diese Politikfelder allerdings sind, zeigen die Themen der Energieversorgung, des Ressourcenverbrauchs und der Ausgestaltung des Wissenschaftssystems, die auch die letzten Monate des Jahres 2021 und den Start 2022 prägen, auch wenn sie weniger mediale Präsenz haben.
Von der neuen Regierung wird sicherlich eine integrierte und ressortübergreifende Politik in zentralen Politikfeldern gefordert sein. Das wiederum wird zeigen, welcher normativen Konsens jenseits
des Bekenntnisses zu Fortschritt die Koalition trägt. Gerade die EU hat durch Missionsorientierung, SDGs oder den Green Deal auch normativ Rahmen gesetzt, die auch von Deutschland gefüllt und interpretiert
werden müssen. Wie auzuführen sein wird, sind Koalitionsverträge keine einklagbaren Verträge. Sie geben aber fundierte Hinweise auf die Absicht zur Ausgestaltung von Politikfeldern, wie hier der Forschungs‐ und Innovationspolitik und der davon betroffenen Ressorts. Koalitionsverträge haben an Bedeutung in der jüngsten Vergangenheit zugenommen, weshalb hier der Vertrag der Fortschrittskoalition analysiert wird.