<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>8976</id>
    <completedYear/>
    <publishedYear>2026</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst>362</pageFirst>
    <pageLast>367</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName>Springer Vieweg</publisherName>
    <publisherPlace>Wiesbaden</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2026-03-29</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Improving Generalization in Mitotic Cell Detection via Domain Transformations</title>
    <abstract language="eng">We address domain generalization (DG) in mitotic-cell (MC) detection by combining a β-variational autoencoder (VAE) for domain transformations with feature-space alignment together with an object detector. The β-VAE synthesizes domain-transformed images, and the detector is trained to map originals and their transformed counterparts to equal representations. On the MIDOG++ dataset, this approach improves out-of-domain detection F1 scores by 7 and 3 percentage points compared to the color-variation augmentation and stain-normalization baselines. Results further suggest that morphology shifts hinder generalization more than stain shifts.</abstract>
    <parentTitle language="eng">Bildverarbeitung für die Medizin 2025: Proceedings, German Conference on Medical Image Computing, Lübeck March 15-17, 2026</parentTitle>
    <identifier type="doi">10.1007/978-3-658-51100-5_71</identifier>
    <enrichment key="OtherSeries">Informatik aktuell</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="OtherSeries">BVM Workshop</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Max Gutbrod</author>
    <author>David Rauber</author>
    <author>Christoph Palm</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Bildverarbeitung</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
    <collection role="DFGFachsystematik" number="1">Ingenieurwissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Gesundheit und Soziales</collection>
  </doc>
  <doc>
    <id>8938</id>
    <completedYear/>
    <publishedYear>2026</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>10</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>article</type>
    <publisherName>Springer</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2026-03-16</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KI erfolgreich einführen: Status quo und Erfolgsfaktoren in deutschen Großunternehmen</title>
    <abstract language="deu">Viele deutsche Großunternehmen experimentieren derzeit intensiv mit künstlicher Intelligenz (KI), stehen aber vor der Frage, wie sich erste Pilotprojekte in einen nachhaltigen, wirtschaftlich wirksamen Einsatz überführen lassen. Eine empirische Studie mit 34 Chief Information Officers (CIO) und IT-Entscheidern in deutschen Großunternehmen zeigt: 112 identifizierte KI-Use-Cases, ein klar erkennbarer Reifezuwachs – aber auch deutliche Hürden bei Daten, Kompetenzen und Akzeptanz. Der Beitrag fasst den Status quo zusammen, validiert zentrale Erfolgsfaktoren aus der Forschung und leitet konkrete Empfehlungen für die Praxis von IT- und Fachbereichsverantwortlichen ab.</abstract>
    <parentTitle language="deu">Wirtschaftsinformatik &amp; Management</parentTitle>
    <identifier type="doi">10.1365/s35764-026-00593-6</identifier>
    <note>Corresponding author der OTH Regensburg: Markus Westner</note>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="CorrespondingAuthor">Markus Westner</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>Leonhard Bürkner</author>
    <author>Markus Westner</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Generative KI</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Wirtschaftsinformatik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Digitalisierung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Management</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI-Adoption</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI-Einführung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI-Use-Cases</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI-Reifegrad</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Großunternehmen</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="oaweg" number="">Hybrid Open Access - OA-Veröffentlichung in einer Subskriptionszeitschrift/-medium</collection>
    <collection role="oaweg" number="">Corresponding author der OTH Regensburg</collection>
    <collection role="funding" number="">DEAL Springer Nature</collection>
    <collection role="institutes" number="">Labor Regensburg Strategic IT Management (ReSITM)</collection>
    <collection role="DFGFachsystematik" number="1">Ingenieurwissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Digitale Transformation</collection>
  </doc>
  <doc>
    <id>8867</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>researchdata</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Künstliche Intelligenz und Anamnese (KI-Anamnese) - Datensätze Welle 1 und Welle 2 [Data set]</title>
    <abstract language="deu">Die Studie stützt sich auf eine Quotenstichprobe der deutschsprachigen Bevölkerung im Alter von 18 bis 74 Jahren. Sie wurde als Längsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgeführt. Welle 1 war vom 18. bis 24. November 2024 im Feld, die zweite Befragungswelle vom 13. bis 17. November 2025. Mit der Datenerhebung wurde das Umfrageinstitut NielsenIQ-GfK beauftragt. Je 1.000 Personen wurden online im Rahmen des GfK eBUS®-Deutschland befragt. Die Teilnehmenden wurden mithilfe einer Kombination aus Online- und Offline-Methoden rekrutiert. Um eine möglichst genaue Abbildung der Grundgesamtheit zu gewährleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgröße, Ortsgröße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuzüglich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil übersetzt sowie abgewandelt, aus anderen Studien übernommen.</abstract>
    <identifier type="doi">10.5281/zenodo.18017447</identifier>
    <note>Related works:&#13;
&#13;
Is described by&#13;
Other: 10.35096/othr/pub-8707 (DOI)&#13;
&#13;
Is metadata for&#13;
Journal: 10.1016/j.zefq.2025.10.003  (DOI)</note>
    <enrichment key="file_format">.csv, .sav</enrichment>
    <enrichment key="file_size">343.6 kB</enrichment>
    <enrichment key="file_type">Dataset</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>Sonja Haug</author>
    <author>Edda Currle</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Anamnese</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Bevölkerungsumfrage</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Technologieakzeptanz</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <collection role="DFGFachsystematik" number="3">Lebenswissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Gesundheit und Soziales</collection>
  </doc>
  <doc>
    <id>7312</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>17</pageNumber>
    <edition/>
    <issue/>
    <volume>2024</volume>
    <type>report</type>
    <publisherName>OTH Regensburg</publisherName>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-04-01</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">1.Bericht für das Regensburg Center of Health Sciences and Technology (RCHST)</title>
    <abstract language="deu">Der vorliegende Bericht zeigt den aktuellen Stand des Projekts „Künstliche Intelligenz für Nichtregierungsorganisationen (KINiro) – Bedarf, Akzeptanz und Umsetzungsmöglichkeiten“ an der OTH Regensburg am Institut für Sozialforschung und Technikfolgenabschätzung (IST). Im Projektbericht wird das Projekt KINiro mit besonderem Blick auf die Erkenntnisse und Tätigkeiten im Gesundheitswesen aufgezeigt. &#13;
Das Projekt KINiro wird mit Laufzeit Januar 2023 bis Dezember 2025 durch das Bundesministerium für Familie, Senioren, Frauen und Jugend (BMFSFJ) gefördert. Eine zusätzliche Unterstützung bietet das Regensburg Center of Health Sciences and Technology (RCHST)</abstract>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-73125</identifier>
    <identifier type="doi">10.35096/othr/pub-7312</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Maximilian Schultz</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Gesundheit</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/7312/KINiroBerichtRCHSTSchultz.pdf</file>
  </doc>
  <doc>
    <id>8706</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>25</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>other</type>
    <publisherName/>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Quantitative Befragung zu Künstlicher Intelligenz für Nichtregierungsorganisationen -Fragebogen und Codebuch</title>
    <abstract language="deu">Künstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat das Potenzial viele Arbeitsfelder grundlegend zu verändern. Mit dem Einsatz von KI wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies könnte besonders interessant für Organisationen sein, die wenig Ressourcen zur Verfügung haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu zählen Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Über den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt. Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen (NRO) zum Thema KI durchgeführt. Der Web-Survey baut auf den Erkenntnissen des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene und noch benötigte Ressourcen. Dafür wurden 343 NROs verschiedener Größen und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert.</abstract>
    <identifier type="doi">10.35096/othr/pub-8706</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-87066</identifier>
    <note>Hauer, Franziska; Haug, Sonja; Scharf, Anna; Schultz, Maximilian; Weber, Karsten (2024): Künstliche Intelligenz für Nichtregierungsorganisationen - Quantitative Erforschung der Umsetzung in deutschen NROs. 3. Arbeitspapier. OTH Regensburg. Regensburg. DOI: 10.13140/RG.2.2.11094.66883</note>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Franziska Hauer</author>
    <author>Sonja Haug</author>
    <author>Anna Scharf</author>
    <author>Maximilian Schultz</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>NGO</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <collection role="DFGFachsystematik" number="2">Geistes- und Sozialwissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Digitale Transformation</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/8706/KINiro-Quantitativer_Fragebogen-Codeplan.pdf</file>
  </doc>
  <doc>
    <id>8707</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>5</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>other</type>
    <publisherName/>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Künstliche Intelligenz und Anamnese (KI-Anamnese) — Fragebogen der Trendstudie zur Akzeptanz von KI in der Anamnese in Arztpraxen in Deutschland mit Codeplan</title>
    <abstract language="deu">Die Studie stützt sich auf eine Quotenstichprobe der deutschsprachigen Bevölkerung im Alter von 18 bis 74 Jahren. Sie wurde als Längsschnittstudie (Trendstudie) mit insgesamt zwei Wellen mit dem gleichen Fragebogen durchgeführt. Welle 1 war vom 18. bis 24. November 2024 im Feld, die zweite Befragungswelle vom 13. bis 17. November 2025. Mit der Datenerhebung wurde das Umfrageinstitut NielsenIQ-GfK beauftragt. Je 1.000 Personen wurden online im Rahmen des GfK eBUS®-Deutschland befragt. Die Teilnehmenden wurden mithilfe einer Kombination aus Online- und Offline-Methoden rekrutiert. Um eine möglichst genaue Abbildung der Grundgesamtheit zu gewährleisten, wurden die Merkmale Geschlecht, Alter, Region, Haushaltsgröße, Ortsgröße sowie der Bildungsstand des Haushaltsvorstands quotiert, etwaige Abweichungen durch ein iteratives Gewichtungsverfahren ausgeglichen. Der Fragebogen besteht aus neun standardisierten Fragen; zuzüglich wurden soziodemographische Merkmale erhoben. Einzelne Fragen wurden, zum Teil übersetzt sowie abgewandelt, aus anderen Studien übernommen.</abstract>
    <identifier type="doi">10.35096/othr/pub-8707</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-87079</identifier>
    <note>Der Fragebogen ist Anhang zu folgender Veröffentlichung: &#13;
Currle, E., Haug, S. &amp; Weber, K. (2025). Akzeptanz des Einsatzes von Künstlicher Intelligenz im Anamneseprozess: Ergebnisse einer Bevölkerungsbefragung in Deutschland [Acceptance of artificial intelligence tools for medical history-taking: Findings of a population survey in Germany]. Zeitschrift für Evidenz, Fortbildung und Qualität im Gesundheitswesen, 198-199, 9–17. https://doi.org/10.1016/j.zefq.2025.10.003 &#13;
&#13;
Nachweis auf dem Publikationsserver unter: &#13;
https://opus4.kobv.de/opus4-oth-regensburg/frontdoor/index/index/docId/8671&#13;
&#13;
Zugehöriges Datenset: 10.5281/zenodo.18017447 (DOI)</note>
    <enrichment key="Kostentraeger">Regensburg Center of Health Sciences and Technology - RCHST</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Edda Currle</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Anamnese</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Bevölkerungsumfrage</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Technologieakzeptanz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Fragebogen</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <collection role="DFGFachsystematik" number="3">Lebenswissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Gesundheit und Soziales</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/8707/Currle_KI-Anamnese.pdf</file>
  </doc>
  <doc>
    <id>8671</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>9</pageFirst>
    <pageLast>17</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume>198-199</volume>
    <type>article</type>
    <publisherName>Elsevier</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Akzeptanz des Einsatzes von Künstlicher Intelligenz im Anamneseprozess: Ergebnisse einer Bevölkerungsbefragung in Deutschland</title>
    <abstract language="deu">Hintergrund und Zielsetzung&#13;
Zunehmend werden digitale Anamneseverfahren, wie z. B. Chatbots, entwickelt und evaluiert, sind jedoch in Arztpraxen in Deutschland noch nicht flächendeckend implementiert. Ziel dieser Arbeit ist die Erhebung der Akzeptanz der Bevölkerung in Deutschland gegenüber KI-gestützten Verfahren im Anamneseprozess, durch die es möglich wird, Rückschlüsse auf die Nutzung der Verfahren und ihre Eignung als Bestandteil von Digitalisierungsstrategien der Praxen zu ziehen.&#13;
Methode&#13;
Die Studie basiert auf einer Onlinebefragung der Bevölkerung in Deutschland (Feldphase 18.-24.11.2024, n = 1.000). Zurückgehend auf die „Unified Theory of Acceptance and Use of Technology“ (UTAUT) wurden drei zentrale Hypothesen zur Nutzung von Künstlicher Intelligenz (KI) im Anamneseprozess aufgestellt und mit linearen Regressionsmodellen getestet.&#13;
Ergebnisse&#13;
Die Akzeptanz für die Nutzung von KI-gestützten Systemen fällt in beiden untersuchten Szenarien, der Nutzung eines Chatbots zu Hause und der Nutzung eines Chatbots in einer Arztpraxis, hoch aus. Dabei bestätigen sich die erwarteten Zusammenhänge von Leistungserwartung, Aufwandserwartung und erwartetem Sozialem Einfluss mit der Verhaltensabsicht, einen Chatbot in der Arztpraxis oder vor dem Besuch einer Arztpraxis zu nutzen. Die Einflüsse von Alter, Geschlecht oder Erfahrung mit der Technologie zeigen jedoch nicht die vermuteten Zusammenhänge.&#13;
Diskussion und Schlussfolgerung&#13;
Die Praktikabilität ist von entscheidender Bedeutung für eine positive Einstellung gegenüber der Nutzung. Dabei zeigt sich kein Unterschied zwischen den Geschlechtern. Bei der Implementierung von Chatbots im Anamneseprozess sollten die Aspekte Praktikabilität, Datenschutz und Datensicherheit eine wesentliche Rolle spielen. Angesichts der Tatsache, dass ein großer Teil der älteren Bevölkerung in Deutschland nach wie vor über begrenzte Erfahrung mit digitalen Technologien verfügt, ist Gebrauchstauglichkeit für diese Bevölkerungsgruppe sowie für Menschen mit Beeinträchtigungen von hoher Relevanz.</abstract>
    <abstract language="eng">Background and objectives&#13;
Digital tools for medical history-taking, such as chatbots, are increasingly being developed and evaluated but have not yet been implemented across the board in medical practices in Germany. The aim of this study was to survey the acceptance of AI-supported tools for medical history-taking among the German population, thereby allowing conclusions to be drawn about the use of these tools and their suitability as part of digitalization strategies in medical practices.&#13;
Method&#13;
The study is based on an online survey among the German population (fieldwork November 18 to 24, 2024, n = 1,000). Based on the ‘Unified Theory of Acceptance and Use of Technology’ (UTAUT), three central hypotheses on the use of artificial intelligence (AI) in the medical history-taking process were generated and tested using linear regression models.&#13;
Results&#13;
In the two scenarios examined — patients using a chatbot at home and at the doctor’s office — there was a high level of acceptance for the use of AI-supported systems. The expected relationships between Performance Expectancy, Effort Expectancy and expected Social Influence with the behavioral intention to use a chatbot either in the doctor’s office or before visiting the doctor’s office have been confirmed. However, influential factors such as age, gender, or experience with technology do not show the expected correlations.&#13;
Discussion and conclusion&#13;
Practicability is crucial for a favorable attitude towards AI applications. There were no apparent gender differences. When implementing chatbots in the medical history-taking process, the aspects of practicability, data protection, and data security should play a key role. Given that a large number of the elderly in Germany still have limited experience with digital technologies, usability is highly relevant for both this population group and for people with disabilities.</abstract>
    <parentTitle language="deu">Zeitschrift für Evidenz, Fortbildung und Qualität im Gesundheitswesen</parentTitle>
    <additionalTitle language="eng">Acceptance of artificial intelligence tools for medical history-taking: Findings of a population survey in Germany</additionalTitle>
    <identifier type="doi">10.1016/j.zefq.2025.10.003</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-86715</identifier>
    <note>Corresponding author der OTH Regensburg: Edda Currle</note>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="CorrespondingAuthor">Edda Currle</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">true</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Edda Currle</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Anamnese</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Technologieakzeptanz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>UTAUT</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Bevölkerungsumfrage</value>
    </subject>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="oaweg" number="">Hybrid Open Access - OA-Veröffentlichung in einer Subskriptionszeitschrift/-medium</collection>
    <collection role="oaweg" number="">Corresponding author der OTH Regensburg</collection>
    <collection role="funding" number="">DEAL Elsevier</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <collection role="DFGFachsystematik" number="2">Geistes- und Sozialwissenschaften</collection>
    <collection role="DFGFachsystematik" number="1">Ingenieurwissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Gesundheit und Soziales</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/8671/Currle_Akzeptanz_Kl_Anamnese.pdf</file>
  </doc>
  <doc>
    <id>8332</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferencepresentation</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-07-02</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Artificial Intelligence and anamnesis: Results of a population survey</title>
    <abstract language="eng">Digital procedures are increasingly implemented to enhance efficiency in healthcare, with Artificial Intelligence (AI) — particularly chatbot s— showing significant potential for future applications. However, little is known about patients’ acceptance of such technologies. The study “AI and Anamnesis” addresses this gap by investigating the German population’s acceptance of and willingness to use AI-driven technologies for digital anamnesis. This poster presents results from the first wave of the survey, offering initial insights into public attitudes and potential barriers to adoption.</abstract>
    <identifier type="doi">10.13140/RG.2.2.31952.01285</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-83325</identifier>
    <enrichment key="ConferenceStatement">Symposium PRIMA-AI: Menschlichere Medizin durch KI? Uniklinik Regensburg, 05.06.2025</enrichment>
    <enrichment key="Kostentraeger">RCHST</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Edda Currle</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Anamnese</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Technologieakzeptanz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Bevölkerungsbefragung</value>
    </subject>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/8332/Currle-Haug-Weber-2025-Poster-AI-and-anamnesis.pdf</file>
  </doc>
  <doc>
    <id>8061</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst>123</pageFirst>
    <pageLast>128</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>conferenceobject</type>
    <publisherName>IOS Press</publisherName>
    <publisherPlace>Wien</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-04-30</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Acceptance and Usage of AI Applications in Health-Focused NGOs</title>
    <abstract language="eng">Background: AI applications promise to be a valuable tool for healthfocused NGOs. While often operating with limited resources, these organizations recognize the potential of AI to streamline processes and support workflows through automation. However, challenges such as data privacy concerns—especially regarding personal medical data—and the low prioritization of implementation hinder progress. Objectives: This study examines the extent to which German health-focused NGOs can currently benefit from the application of AI. It evaluates demands, available resources, and use cases. Methods: A health-focused subset of data from project KINiro was analyzed. This research utilized a mixed-methods approach, combining two rounds of qualitative interviews with a quantitative survey. Results: The study revealed that while health-focused NGOs are in the early stages of AI implementation, there are hurdles such as ethical concerns and a lack of resources. Conclusion: AI has the potential to support health-focused NGOs in their work, if the challenges like resources, ethics, and data privacy are effectively addressed.</abstract>
    <parentTitle language="eng">dHealth 2025, Proceedings of the 19th Health Informatics Meets Digital Health Conference</parentTitle>
    <identifier type="isbn">978-1-64368-592-2</identifier>
    <identifier type="doi">10.3233/SHTI250172</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-80613</identifier>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="Kostentraeger">KINiro - Künstliche Intelligenz in Nichtregierungsorganisationen</enrichment>
    <enrichment key="OtherSeries">Studies in Health Technology and Informatics</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Franziska Hauer</author>
    <author>Maximilian Schultz</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Nichtregierungsorganisationen</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Gesundheit</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Large Language Models</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>qualitative Research</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Artificial Intelligence</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Non-Governmental Organizations</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="oaweg" number="">Gold Open Access- Erstveröffentlichung in einem/als Open-Access-Medium</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <collection role="institutes" number="RCAI">Regensburg Center for Artificial Intelligence - RCAI</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <collection role="DFGFachsystematik" number="2">Geistes- und Sozialwissenschaften</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/8061/KINiro-dHealth.pdf</file>
  </doc>
  <doc>
    <id>7947</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>128</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>workingpaper</type>
    <publisherName/>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation>Ostbayerische Technische Hochschule (OTH) Regensburg / Institut für Sozialforschung und Technikfolgenabschätzung (IST)</creatingCorporation>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 4. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: In-depth-Interviews</title>
    <abstract language="deu">Vor dem Hintergrund der wachsenden Bedeutung Künstlicher Intelligenz (KI) in unterschiedlichen gesellschaftlichen Kontexten untersucht dieses Arbeitspapier aus dem Projekt KINiro den Einsatz, die Bedarfe sowie die Akzeptanz von KI in Nichtregierungsorganisationen (NROs). Im Rahmen des Projekts „KINiro – Bedarf, Akzeptanz und Umsetzungsmöglichkeiten“ wurden zehn vertiefende Expert*innen-Interviews mit Vertreter*innen verschiedener NROs geführt. Ziel war es, ein differenziertes und vertiefendes Verständnis von Wissen, benötigten und vorhandenen Ressourcen, organisatorischen Strukturen, Umsetzungsmöglichkeiten und das Erheben von Akzeptanz und die Gründe für Nicht-Akzeptanz zu erheben. Das Arbeitspapier ist das vierte in dem Projekt und baut auf den Erkenntnissen des Scoping Reviews, der ersten qualitativen Studie und der großen quantitativen Studie auf. Die Ergebnisse zeigen, dass das Interesse an KI in NROs stark zugenommen hat, insbesondere nach der breiten Verfügbarkeit von KI-Anwendungen wie ChatGPT. Die befragten Organisationen experimentieren aktuell mit KI vorwiegend in den Bereichen Textproduktion, Datenanalyse, Wissensmanagement und Prozessoptimierung. Es werden auch spezielle KI-Anwendungen für die Bedarfe der NROs entwickelt und eingesetzt. Zugleich bestehen jedoch große Herausforderungen, insbesondere begrenzte finanzielle und personelle Ressourcen, fehlendes Know-how und der Mangel an Digitalisierung. Datenschutz und ethische Fragestellungen sowie mögliche Verzerrungen (Bias) sind zentrale Bedenken. Dennoch lassen sich erste erfolgreiche Umsetzungsstrategien erkennen, etwa die Bildung interner Arbeitsgruppen, die Unterstützung durch Führungskräfte, auch gezielte Schulungen sowie die Entwicklung von Leitlinien werden positiv bewertet. Diese Ansätze tragen dazu bei, Vorbehalte abzubauen und Akzeptanz zu fördern. Das Arbeitspapier zeigt damit, wie die vorherigen Arbeitspapiere, dass KI im gemeinwohlorientierten Sektor grundsätzlich auf Offenheit trifft, zugleich aber ein breites Spektrum an Voraussetzungen wie Ressourcen, Know-how, rechtliche Rahmenbedingungen und nutzbare Anwendungen benötigt werden, um das volle Potenzial von KI verantwortungsvoll auszunutzen.</abstract>
    <identifier type="doi">10.13140/RG.2.2.25460.46720</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-79471</identifier>
    <enrichment key="Kostentraeger">BMFSFJ, RCHST</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell -  Weitergabe unter gleichen Bedingungen 4.0 International</licence>
    <author>Maximilian Schultz</author>
    <author>Franziska Hauer</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Nichtregierungsorganisationen</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Qualitative Befragung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>NGO</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <collection role="institutes" number="">Institut für Sozialforschung und Technikfolgenabschätzung (IST)</collection>
    <collection role="institutes" number="">Labor Empirische Sozialforschung</collection>
    <collection role="institutes" number="">Labor für Technikfolgenabschätzung und Angewandte Ethik (LaTe)</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <collection role="DFGFachsystematik" number="1">Ingenieurwissenschaften</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/7947/KINiro_WorkingPaper_4_indepth-Interviews.pdf</file>
  </doc>
  <doc>
    <id>7866</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>312</pageFirst>
    <pageLast>321</pageLast>
    <pageNumber/>
    <edition/>
    <issue>5</issue>
    <volume>28</volume>
    <type>article</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-12-30</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KI-gestützte Untersuchung in der nicht-operativen Versorgung symptomgebender Erkrankungen des Kniegelenks – ein multiprofessionelles Konzept (KINEESIO)</title>
    <abstract language="deu">Beschwerdebilder am Kniegelenk aufgrund muskuloskelettaler degenerativer oder verletzungsbedingter Erkrankungen sind häufig, nehmen im Alter zu und sind mit der steigenden Inanspruchnahme ärztlicher und therapeutischer Behandlungsmaßnahmen verbunden. Einer erfolgreichen Therapie gehen oft notwendige zeit- und ressourcenaufwendige Untersuchungen zur Erkennung und Differenzierung der patient*innenspezifischen Problematik voraus. Im Zusammenhang mit der nicht-operativen Versorgung des Kniegelenks hat ein sektorübergreifendes multiprofessionelles Forschungsteam ein Konzept entwickelt, um künstliche neuronale Netze so zu trainieren, dass sie bei der ärztlichen und physiotherapeutischen Untersuchung unterstützend Einsatz finden können. Denn gerade in der Erfassung und Auswertung umfassender Datenmengen liegen große Potenziale in der Künstlichen Intelligenz (KI) im Gesundheitswesen. Das Projekt KINEESIO trainiert und testet KI-gestützte Screening- Tools zur Untersuchung von Patient*innen mit Kniegelenkerkrankungen. Diese unterstützen die Abläufe zwischen Leistungserbringern und Patient*innen, tragen zu einer verbesserten Differenzierung individueller Beschwerdebilder bei und dienen Entscheidungsprozessen für eine adäquate Versorgung. Dadurch sollen Ressourcen im Gesundheitswesen geschont und eine qualitativ hochwertige Therapie ausreichend ermöglicht werden.</abstract>
    <abstract language="eng">Complaints regarding knee joints resulting from musculoskeletal degenerative or injury-related conditions are common, increase with age, and are associated with rising demand for treatments by physicians and therapists. The success of a therapeutic intervention is frequently contingent upon necessary time- and resource-intensive examinations to identify and differentiate the patient’s specific issues. In connection with non-surgical knee joint treatment, a crosssectoral, multidisciplinary research team has developed a concept for training artificial neural networks to assist in medical and physiotherapeutic examinations. After all, there is great potential for artificial intelligence (AI) in healthcare, particularly in collecting and analyzing large amounts of data. The KINEESIO project is training and testing screening tools supported by artificial intelligence for the assessment of patients with knee joint disorders. These tools support the workflows between healthcare providers and patients, improve the differentiation of individual symptoms and serve the decisionmaking process towards appropriate care. This should conserve healthcare resources and enable sufficient high-quality treatment.</abstract>
    <parentTitle language="deu">MSK – Muskuloskelettale Physiotherapie</parentTitle>
    <identifier type="doi">10.1055/a-2402-9982</identifier>
    <identifier type="issn">2701-6986</identifier>
    <enrichment key="BegutachtungStatus">begutachtet</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Elke Schulze</author>
    <author>Christoph Palm</author>
    <author>Maximilian Kerschbaum</author>
    <author>Roman Seidel</author>
    <author>Lars Lehmann</author>
    <author>Michael Koller</author>
    <author>Andrea Pfingsten</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Physiotherapie</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Diagnose</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Kniegelenk</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="persons" number="pfingstenlphpub">Pfingsten, Andrea (Prof. Dr.), Publikationen  - Labor Physiotherapie</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Physiotherapie (LPh)</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>7823</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>20</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>article</type>
    <publisherName>Springer Nature</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Considering a Unified Model of Artificial Intelligence Enhanced Social Work: A Systematic Review</title>
    <abstract language="eng">Social work, as a human rights–based profession, is globally recognized as a profession committed to enhancing human well-being and helping meet the basic needs of all people, with a particular focus on those who are marginalized vulnerable, oppressed, or living in poverty. Artificial intelligence (AI), a sub-discipline of computer science, focuses on developing computers with decision-making capacity. The impacts of these two disciplines on each other and the ecosystems that social work is most concerned with have considerable unrealized potential. This systematic review aims to map the research landscape of social work AI scholarship. The authors analyzed the contents of 67 articles and used a qualitative analytic approach to code the literature, exploring how social work researchers investigate AI. We identified themes consistent with Staub-Bernasconi’s triple mandate, covering profession level, social agency (organizations), and clients. The literature has a striking gap or lack of empirical research about AI implementations or using AI strategies as a research method. We present the emergent themes (possibilities and risks) from the analysis as well as recommendations for future social work researchers. We propose an integrated model of Artificial Intelligence Enhanced Social Work (or “Artificial Social Work”), which proposes a marriage of social work practice and artificial intelligence tools. This model is based on our findings and informed by the triple mandate and the human rights framework.</abstract>
    <parentTitle language="eng">Journal of Human Rights and Social Work</parentTitle>
    <identifier type="doi">10.1007/s41134-024-00326-y</identifier>
    <enrichment key="opus.import.date">2024-11-18T10:16:05+00:00</enrichment>
    <enrichment key="opus.source">sword</enrichment>
    <enrichment key="opus.import.user">importuser</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">true</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Michael Garkisch</author>
    <author>Lauri Goldkind</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Soziale Arbeit</value>
    </subject>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="oaweg" number="">Hybrid Open Access - OA-Veröffentlichung in einer Subskriptionszeitschrift/-medium</collection>
  </doc>
  <doc>
    <id>7828</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>15</pageFirst>
    <pageLast>25</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>bookpart</type>
    <publisherName>UKV</publisherName>
    <publisherPlace>Tübingen</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-11-22</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Externe Begleitung für KI-Projekte in KMUs</title>
    <abstract language="deu">Dieser Beitrag befasst sich mit der Rolle externer Unterstützungsangebote in der Umsetzung von Projekten zur Nutzung von Künstlicher Intelligenz (KI) im Mittelstand. Während Großunternehmen Mittel und Ressourcen haben, externe Beratungsleistungen einzukaufen, um sich bei KI-Themen unterstützen zu lassen, so haben kleine und mittlere Unternehmen (KMUs) diese Möglichkeit in der Regel nur eingeschränkt. Die Nachfrage nach Support, um für das KI-Zeitalter gerüstet zu sein, ist auch bei KMUs groß. Der Artikel bietet einen Überblick über die verschiedenen Anbietergruppen und ihre unterschiedlichen Angebotsformen für KMUs. Dazu werden im ersten Schritt diverse Angebotsformen, wie Wissensvermittlung mit Hilfe von Informationsmaterialien und Veranstaltungen, Erstgespräche, Potenzialanalysen, individuelle Beratung bei KI-Projekten und Vernetzung, auf Basis einer Desk-Research erfasst. Im zweiten Schritt wird sich dann auf individuelle Beratung von KMUs als spezifische Angebotsform fokussiert. Durch Tiefeninterviews mit KI-Beratern wird beleuchtet, welche Art von KI-Projekten von KMUs derzeit priorisiert werden und welche zentralen Aufgaben die externen Begleitungen dabei übernehmen.</abstract>
    <parentTitle language="deu">KI in der Projektwirtschaft 2: Eine neue Ära der Effizienz und Innovation</parentTitle>
    <identifier type="isbn">978-3-381-11141-1</identifier>
    <identifier type="doi">10.24053/9783381111428</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">true</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Sabine Jaritz</author>
    <author>Susanne Marx</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Transformation</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Projekte</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Mittelstand</value>
    </subject>
    <collection role="institutes" number="FakBW">Fakultät Business and Management</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
  </doc>
  <doc>
    <id>7829</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>201</pageFirst>
    <pageLast>210</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>bookpart</type>
    <publisherName>UKV</publisherName>
    <publisherPlace>Tübingen</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-11-22</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KI in der Projektmanagement-Lehre</title>
    <abstract language="deu">Der Artikel beschäftigt sich mit dem Einbezug von Künstlicher Intelligenz (KI) in die Projektmanagement-Lehre an Hochschulen. Um zeitgemäße Projektmanagement-Lehre anbieten zu können, ist es förderlich, KI in die Lehre einzubeziehen, und so Studierende bei der Entwicklung von Future Skills zu unterstützen. Die Integration von KI in die Lehre wird anhand von vier Handlungsfeldern aufgezeigt. Im Sinne eines Call-to-Action wird ermutigt, KI-bezogene Lernziele explizit zu definieren und diese mit den Prüfungsleistungen und den Lehr-/Lernaktivitäten entsprechend des vorgestellten didaktischen Ansatzes des Constructive Alignment aufeinander abzustimmen. Es werden drei Good-Practice-Beispiele vorgestellt, die als Anregung dienen sollen. Der Beitrag plädiert für Experimente im Zusammenhang mit dem Einsatz von KI in der Lehre. Durch experimentelles Lernen können Studierende Kompetenzen im Umgang mit KI aufbauen und sich so auf eine künftige Arbeitswelt vorbereiten, die von Projektarbeit und KI-Unterstützung geprägt sein wird.</abstract>
    <parentTitle language="deu">KI in der Projektwirtschaft: Was verändert sich durch KI im Projektmanagement?</parentTitle>
    <identifier type="isbn">978-3-381-11131-2</identifier>
    <identifier type="doi">10.24053/9783381111329</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="opus.doi.autoCreate">false</enrichment>
    <enrichment key="opus.urn.autoCreate">true</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Sabine Jaritz</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Lehre</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Projektmanagement</value>
    </subject>
    <collection role="institutes" number="FakBW">Fakultät Business and Management</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
  </doc>
  <doc>
    <id>7351</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>105</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>workingpaper</type>
    <publisherName>OTH Regensburg</publisherName>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-08-01</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 3. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: Quantitative Erforschung der Umsetzung in deutschen NROs</title>
    <abstract language="deu">Hintergrund und Fragestellung&#13;
Künstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat&#13;
das Potenzial viele Arbeitsfelder grundlegend zu verändern. Mit dem Einsatz von KI&#13;
wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies&#13;
könnte besonders interessant für Organisationen sein, die wenig Ressourcen zur Verfügung&#13;
haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu zählen&#13;
Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft&#13;
darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI&#13;
Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten.&#13;
Über den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt.&#13;
&#13;
Methodik&#13;
Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen&#13;
(NRO) zum Thema KI durchgeführt. Der Web-Survey baut auf den Erkenntnissen&#13;
des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in&#13;
die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene&#13;
und noch benötigte Ressourcen. Dafür wurden 343 NROs verschiedener Größen&#13;
und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert.&#13;
&#13;
Ergebnisse&#13;
Die meisten NROs sind der Anwendung von KI gegenüber positiv eingestellt und planen&#13;
den Einsatz für die Zukunft oder testen ihn bereits. Dafür werden meist schnell&#13;
umsetzbare, externe Anwendungen wie Schreibunterstützungen oder Textübersetzung&#13;
für Bürotätigkeiten in den Arbeitsablauf eingebaut. Diese Nutzung beschränkt&#13;
sich häufig auf erste Versuche und wird durch interessierte Einzelpersonen vorangetrieben.&#13;
Für größere Umsetzung fehlen häufig Zeit, Geld und Wissen. Da die NROs&#13;
selbst erwarten, dass die Nutzung von KI in den nächsten Jahren zunehmen wird,&#13;
werden mehr Wissensaufbau und Austausch in den Organisationen notwendig.&#13;
&#13;
Schlussfolgerung&#13;
Das Interesse an der Thematik scheint in der Zielgruppe vorhanden zu sein, wie die&#13;
hohe Teilnahmebereitschaft nahelegt. Doch handelt es sich um ein eher neues Thema&#13;
für die NROs, sodass der Einsatz noch getestet wird und feste Strukturen, welche die&#13;
Anwendung systematisieren und regeln noch aufgebaut werden müssen. Um dies zu&#13;
ermöglichen, sind mehr Wissen, Richtlinien und finanzielle Ressourcen notwendig.&#13;
Die Umsetzung hat in den NROs jedoch wenig Priorität, da zunächst andere Hürden&#13;
überwunden werden müssen.</abstract>
    <identifier type="doi">10.13140/RG.2.2.11094.66883</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-73518</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell -  Weitergabe unter gleichen Bedingungen 4.0 International</licence>
    <author>Franziska Hauer</author>
    <author>Sonja Haug</author>
    <author>Maximilian Schultz</author>
    <author>Anna Scharf</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Nichtregierungsorganisation</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>NRO</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>qualitative Studie</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <collection role="institutes" number="">Labor Empirische Sozialforschung</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/7351/KINiro_OTH_Workingpaper_3_Haueretal_2024.pdf</file>
  </doc>
  <doc>
    <id>7311</id>
    <completedYear/>
    <publishedYear>2024</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>35</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>workingpaper</type>
    <publisherName>OTH Regensburg</publisherName>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-06-13</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 2. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: Explorative Studie in einem neuen Forschungsfeld</title>
    <abstract language="deu">Hintergrund und Fragestellung &#13;
Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt. &#13;
&#13;
Methodik &#13;
Es wurden fünf explorative Interviews mit Vertreter*innen von Nichtregierungsorganisationen (NROs) zum Thema Wissen, Akzeptanz, Bedarfe und Risikoeinschätzungen geführt und ausgewertet. Dabei sind NROs aus verschiedenen Handlungsfeldern und Größe interviewt. Es wurden informelle Vorgespräche geführt, um eine erste Orientierung im Forschungsfeld zu generieren. Aus den Erkenntnissen der Vorgespräche &#13;
und den Ergebnissen des Scoping Reviews ist ein Leitfaden erstellt worden, der zur Orientierung für die Expert*inneninterviews dient. Im Anschluss wurden dann fünf explorative leitfadengestützte Expert*inneninterviews durchgeführt und qualitativ ausgewertet.&#13;
&#13;
Ergebnisse &#13;
Ein zentraler Befund ist, dass das Thema KI gerade in den NROs ankommt und es noch keine gefestigten Strukturen und Vorstellungen zum Einsatz von KI gibt. KI wird in einzelnen spezifischen Projekten eingesetzt, ohne dass diese umfassend in Arbeitsabläufe integriert ist. Die Akzeptanz von KI ist generell positiv; die Technologie wird als potenzielle Lösung für strukturelle Herausforderungen und Unterstützung im Alltag gesehen. Die Nutzung von KI-Anwendungen beschränkt sich jedoch mit Ausnahme von Large Language Models auf Pilotprojekte. Mit jüngerem Alter und Techni� kaffinität ist eine höhere Akzeptanz verbunden. Besonders kritisch werden Anwendungen von KI im Sozial- oder Gesundheitsbereich als Ersatz für menschliche Interaktionen gesehen. Betont werden auch ethische Bedenken und eine hohe Bedeutsamkeit von Datenschutz.&#13;
&#13;
Schlussfolgerung &#13;
Künstliche Intelligenz in Nichtregierungsorganisationen ist ein aufkommendes und sich entwickelndes Forschungsthema. Die Interviews unterstreichen den Bedarf an mehr Wissen, ethischen Richtlinien und finanziellen Ressourcen für eine effektive Nutzung von KI in NROs. Ein umfassendes Verständnis von KI und eine tiefergehende, systematische Integration in Arbeitsabläufe in diesen Organisationen müssen noch entwickelt werden.</abstract>
    <identifier type="doi">10.13140/RG.2.2.10671.75685/1</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-73118</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell -  Weitergabe unter gleichen Bedingungen 4.0 International</licence>
    <author>Maximilian Schultz</author>
    <author>Anna Scharf</author>
    <author>Franziska Hauer</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Nichtregierungsorganisationen</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>explorative Interviews</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>NRO</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <collection role="institutes" number="">Labor Empirische Sozialforschung</collection>
    <collection role="institutes" number="">Labor für Technikfolgenabschätzung und Angewandte Ethik (LaTe)</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/7311/KINiroOTHWorkingpaper220Schultzetal2024.pdf</file>
  </doc>
  <doc>
    <id>7309</id>
    <completedYear/>
    <publishedYear>2023</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>24</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>workingpaper</type>
    <publisherName>OTH Regensburg</publisherName>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2024-06-13</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">KINiro, Künstliche Intelligenz für Nichtregierungsorganisationen - Bedarf, Akzeptanz und Umsetzungsmöglichkeiten. 1. Arbeitspapier: Künstliche Intelligenz in Nichtregierungsorganisationen: Ein Scoping Review über ein junges Forschungsfeld</title>
    <abstract language="deu">Hintergrund und Fragestellung&#13;
Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt. Daher beschäftigt sich das Projekt KINiro in diesem ersten Working Paper mit der Frage, welche (nicht-)wissenschaftlichen Erkenntnisse zum Themenkomplex NROs und KI bereits vorliegen.&#13;
&#13;
Methodik&#13;
Es wurde ein Scoping Review zur Erfassung (nicht-)wissenschaftlicher Texte zu NROs und KI durchgeführt. Die systematische Literaturrecherche wurde in den Datenbanken Web of Science, Science Gate und WISO durchgeführt. In den Review wurden schließlich 14 Titel eingeschlossen und qualitativ analysiert.&#13;
&#13;
Ergebnisse&#13;
Die Mehrheit der gefundenen Treffer sind Pressemitteilungen. Unter den Treffern befinden sich lediglich zwei (wissenschaftliche) Studien. Die NROs setzen sich auf verschiedenen Ebenen mit der Thematik von KI auseinander, wobei sich zwei Herangehensweisen unterscheiden lassen. Einige NROs nehmen am gesellschaftlichen Diskurs über den Einsatz von KI teil und treiben diesen in theoretischer Hinsicht voran, ohne die Technik dabei selbst zu nutzen. Andere NROs integrieren die KI-Systeme praktisch in ihre Arbeitsabläufe oder führen Projekte zum Zweck der NRO mit KI-Unterstützung durch. Für die Entwicklung von KI-Anwendungen wird mit For-Profit-Unternehmen kooperiert und die Expertise der Unternehmen mit Daten der NROs kombiniert. Durch den Einsatz von KI erhoffen sich NROs einen gezielteren Einsatz von Ressourcen. Hierbei zeigt sich, dass für die Nutzung in KI-Systemen ein interdisziplinärer Konsens über Standards in Datenerhebung und Speicherung als notwendig angesehen wird.&#13;
&#13;
Schlussfolgerung&#13;
Aus der geringen Anzahl an gefundenen Texten, insbesondere (wissenschaftlichen) Studien, und dem Veröffentlichungszeitraum, der in den vergangenen sieben Jahren liegt, lässt sich schließen, dass es sich um einen jungen Forschungsbereich handelt. Die ausgeschlossenen Titel zeigen auf, dass NROs aktuell noch häufiger mit der Digitalisierunge allgemein beschäftigt sind und die Auseinandersetzung mit KI erst noch am Anfang steht.</abstract>
    <identifier type="doi">10.13140/RG.2.2.21668.69765</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-73090</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC-SA - Namensnennung - Nicht kommerziell -  Weitergabe unter gleichen Bedingungen 4.0 International</licence>
    <author>Anna Scharf</author>
    <author>Franziska Hauer</author>
    <author>Maximilian Schultz</author>
    <author>Sonja Haug</author>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Nichtregierungsorganisationen</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Scoping Review</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>KI</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>NRO</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16311">Digitalisierung</collection>
    <collection role="persons" number="hauglasofo">Haug, Sonja (Prof. Dr.) - Labor Empirische Sozialforschung</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/7309/KINiro_OTH_Workingpaper-1_2.0_Scharfetal_2023.pdf</file>
  </doc>
  <doc>
    <id>6485</id>
    <completedYear/>
    <publishedYear>2023</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>e528-e529</pageNumber>
    <edition/>
    <issue>08</issue>
    <volume>61</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2023-09-18</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Effekt eines Künstliche Intelligenz (KI) – Algorithmus auf die Gefäßdetektion bei third space Endoskopien</title>
    <abstract language="deu">Einleitung &#13;
Third space Endoskopieprozeduren wie die endoskopische Submukosadissektion (ESD) und die perorale endoskopische Myotomie (POEM) sind technisch anspruchsvoll und gehen mit untersucherabhängigen Komplikationen wie Blutungen und Perforationen einher. Grund hierfür ist die unabsichtliche Durchschneidung von submukosalen Blutgefäßen ohne präemptive Koagulation.&#13;
&#13;
Ziele&#13;
Die Forschungsfrage, ob ein KI-Algorithmus die intraprozedurale Gefäßerkennung bei ESD und POEM unterstützen und damit Komplikationen wie Blutungen verhindern könnte, erscheint in Anbetracht des erfolgreichen Einsatzes von KI bei der Erkennung von Kolonpolypen interessant.&#13;
&#13;
Methoden &#13;
Auf 5470 Einzelbildern von 59 third space Endoscopievideos wurden submukosale Blutgefäße annotiert. Zusammen mit weiteren 179.681 nicht-annotierten Bildern wurde ein DeepLabv3+neuronales Netzwerk mit dem ECMT-Verfahren für semi-supervised learning trainiert, um Blutgefäße in Echtzeit erkennen zu können. Für die Evaluation wurde ein Videotest mit 101 Videoclips aus 15 vom Trainingsdatensatz separaten Prozeduren mit 200 vordefinierten Gefäßen erstellt. Die Gefäßdetektionsrate, -zeit und -dauer, definiert als der Prozentsatz an Einzelbildern eines Videos bezogen auf den Goldstandard, auf denen ein definiertes Gefäß erkannt wurde, wurden erhoben. Acht erfahrene Endoskopiker wurden mithilfe dieses Videotests im Hinblick auf Gefäßdetektion getestet, wobei eine Hälfte der Videos nativ, die andere Hälfte nach Markierung durch den KI-Algorithmus angesehen wurde.&#13;
&#13;
Ergebnisse &#13;
Der mittlere Dice Score des Algorithmus für Blutgefäße war 68%. Die mittlere Gefäßdetektionsrate im Videotest lag bei 94% (96% für ESD; 74% für POEM). Die mediane Gefäßdetektionszeit des Algorithmus lag bei 0,32 Sekunden (0,3 Sekunden für ESD; 0,62 Sekunden für POEM). Die mittlere Gefäßdetektionsdauer lag bei 59,1% (60,6% für ESD; 44,8% für POEM) des Goldstandards. Alle Endoskopiker hatten mit KI-Unterstützung eine höhere Gefäßdetektionsrate als ohne KI. Die mittlere Gefäßdetektionsrate ohne KI lag bei 56,4%, mit KI bei 71,2% (p&lt;0.001).&#13;
&#13;
Schlussfolgerung &#13;
KI-Unterstützung war mit einer statistisch signifikant höheren Gefäßdetektionsrate vergesellschaftet. Die mediane Gefäßdetektionszeit von deutlich unter einer Sekunde sowie eine Gefäßdetektionsdauer von größer 50% des Goldstandards wurden für den klinischen Einsatz als ausreichend erachtet. In prospektiven Anwendungsstudien sollte der KI-Algorithmus auf klinische Relevanz getestet werden.</abstract>
    <parentTitle language="deu">Zeitschrift für Gastroenterologie</parentTitle>
    <identifier type="doi">10.1055/s-0043-1771980</identifier>
    <enrichment key="ConferenceStatement">Viszeralmedizin 2023 77. Jahrestagung der DGVS mit Sektion Endoskopie Herbsttagung der Deutschen Gesellschaft für Allgemein- und Viszeralchirurgie mit den Arbeitsgemeinschaften der DGAV und Jahrestagung der CACP</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Markus W. Scheppach</author>
    <author>Robert Mendel</author>
    <author>Andreas Probst</author>
    <author>Sandra Nagl</author>
    <author>Michael Meinikheim</author>
    <author>Hon Chi Yip</author>
    <author>Louis Ho Shing Lau</author>
    <author>Philip Wai Yan Chiu</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>6484</id>
    <completedYear/>
    <publishedYear>2023</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>e539</pageFirst>
    <pageLast>e540</pageLast>
    <pageNumber/>
    <edition/>
    <issue>08</issue>
    <volume>61</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2023-09-18</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Verwendung künstlicher Intelligenz bei der Detektion der Papilla duodeni major</title>
    <abstract language="deu">Einleitung Die Endoskopische Retrograde Cholangiopankreatikographie (ERCP) ist der Goldstandard in der Diagnostik und Therapie von Erkrankungen des pankreatobiliären Trakts. Jedoch ist sie technisch sehr anspruchsvoll und weist eine vergleichsweise hohe Komplikationsrate auf.&#13;
&#13;
Ziele &#13;
In der vorliegenden Machbarkeitsstudie soll geprüft werden, ob mithilfe eines Deep-learning-Algorithmus die Papille und das Ostium zuverlässig detektiert werden können und somit für Endoskopiker mit geringer Erfahrung ein geeignetes Hilfsmittel, insbesondere für die Ausbildungssituation, darstellen könnten.&#13;
&#13;
Methodik&#13;
Wir betrachteten insgesamt 606 Bilddatensätze von 65 Patienten. In diesen wurde sowohl die Papilla duodeni major als auch das Ostium segmentiert. Anschließend wurde eine neuronales Netz mittels eines Deep-learning-Algorithmus trainiert. Außerdem erfolgte eine 5-fache Kreuzvaldierung.&#13;
&#13;
Ergebnisse&#13;
Bei einer 5-fachen Kreuzvaldierung auf den 606 gelabelten Daten konnte für die Klasse Papille eine F1-Wert von 0,7908, eine Sensitivität von 0,7943 und eine Spezifität von 0,9785 erreicht werden, für die Klasse Ostium eine F1-Wert von 0,5538, eine Sensitivität von 0,5094 und eine Spezifität von 0,9970 (vgl. [Tab. 1]). Unabhängig von der Klasse zeigte sich gemittelt (Klasse Papille und Klasse Ostium) ein F1-Wert von 0,6673, eine Sensitivität von 0,6519 und eine Spezifität von 0,9877 (vgl. [Tab. 2]).&#13;
&#13;
Schlussfolgerung &#13;
In vorliegende Machbarkeitsstudie konnte das neuronale Netz die Papilla duodeni major mit einer hohen Sensitivität und sehr hohen Spezifität identifizieren. Bei der Detektion des Ostiums war die Sensitivität deutlich geringer. Zukünftig soll das das neuronale Netz mit mehr Daten trainiert werden. Außerdem ist geplant, den Algorithmus auch auf Videos anzuwenden. Somit könnte langfristig ein geeignetes Hilfsmittel für die ERCP etabliert werden.</abstract>
    <parentTitle language="deu">Zeitschrift für Gastroenterologie</parentTitle>
    <identifier type="doi">10.1055/s-0043-1772000</identifier>
    <identifier type="url">https://www.thieme-connect.de/products/ejournals/abstract/10.1055/s-0043-1772000</identifier>
    <enrichment key="ConferenceStatement">Viszeralmedizin 2023 77. Jahrestagung der DGVS mit Sektion Endoskopie Herbsttagung der Deutschen Gesellschaft für Allgemein- und Viszeralchirurgie mit den Arbeitsgemeinschaften der DGAV und Jahrestagung der CACP</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Stephan Zellmer</author>
    <author>David Rauber</author>
    <author>Andreas Probst</author>
    <author>Tobias Weber</author>
    <author>Sandra Nagl</author>
    <author>Christoph Römmele</author>
    <author>Elisabeth Schnoy</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>6476</id>
    <completedYear/>
    <publishedYear>2023</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue>8</issue>
    <volume>61</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2023-09-09</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Einfluss von Künstlicher Intelligenz auf die Performance von niedergelassenen Gastroenterolog:innen bei der Beurteilung von Barrett-Ösophagus</title>
    <abstract language="deu">Einleitung &#13;
Die Differenzierung zwischen nicht dysplastischem Barrett-Ösophagus (NDBE) und mit Barrett-Ösophagus assoziierten Neoplasien (BERN) während der endoskopischen Inspektion erfordert viel Expertise. Die frühe Diagnosestellung ist wichtig für die weitere Prognose des Barrett-Karzinoms. In Deutschland werden Patient:innen mit einem Barrett-Ösophagus (BE) in der Regel im niedergelassenen Sektor überwacht.&#13;
&#13;
Ziele &#13;
Ziel ist es, den Einfluss von einem auf Künstlicher Intelligenz (KI) basierenden klinischen Entscheidungsunterstützungssystems (CDSS) auf die Performance von niedergelassenen Gastroenterolog:innen (NG) bei der Evaluation von Barrett-Ösophagus (BE) zu untersuchen.&#13;
&#13;
Methodik &#13;
Es erfolgte die prospektive Sammlung von 96 unveränderten hochauflösenden Videos mit Fällen von Patient:innen mit histologisch bestätigtem NDBE und BERN. Alle eingeschlossenen Fälle enthielten mindestens zwei der folgenden Darstellungsmethoden: HD-Weißlichtendoskopie, Narrow Band Imaging oder Texture and Color Enhancement Imaging. Sechs NG von sechs unterschiedlichen Praxen wurden als Proband:innen eingeschlossen. Es erfolgte eine permutierte Block-Randomisierung der Videofälle in entweder Gruppe A oder Gruppe B. Gruppe A implizierte eine Evaluation des Falls durch Proband:innen zunächst ohne KI und anschließend mit KI als CDSS. In Gruppe B erfolgte die Evaluation in umgekehrter Reihenfolge. Anschließend erfolgte eine zufällige Wiedergabe der so entstandenen Subgruppen im Rahmen des Tests.&#13;
&#13;
Ergebnis &#13;
In diesem Test konnte ein von uns entwickeltes KI-System (Barrett-Ampel) eine Sensitivität von 92,2%, eine Spezifität von 68,9% und eine Accuracy von 81,3% erreichen. Mit der Hilfe von KI verbesserte sich die Sensitivität der NG von 64,1% auf 71,2% (p&lt;0,001) und die Accuracy von 66,3% auf 70,8% (p=0,006) signifikant. Eine signifikante Verbesserung dieser Parameter zeigte sich ebenfalls, wenn die Proband:innen die Fälle zunächst ohne KI evaluierten (Gruppe A). Wurde der Fall jedoch als Erstes mit der Hilfe von KI evaluiert (Gruppe B), blieb die Performance nahezu konstant.&#13;
&#13;
Schlussfolgerung &#13;
Es konnte ein performantes KI-System zur Evaluation von BE entwickelt werden. NG verbessern sich bei der Evaluation von BE durch den Einsatz von KI.</abstract>
    <parentTitle language="deu">Zeitschrift für Gastroenterologie</parentTitle>
    <identifier type="doi">10.1055/s-0043-1771711</identifier>
    <identifier type="url">https://www.thieme-connect.de/products/ejournals/abstract/10.1055/s-0043-1771711</identifier>
    <enrichment key="ConferenceStatement">Viszeralmedizin 2023 77. Jahrestagung der DGVS mit Sektion Endoskopie Herbsttagung der Deutschen Gesellschaft für Allgemein- und Viszeralchirurgie mit den Arbeitsgemeinschaften der DGAV und Jahrestagung der CACP</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Michael Meinikheim</author>
    <author>Robert Mendel</author>
    <author>Andreas Probst</author>
    <author>Markus W. Scheppach</author>
    <author>Sandra Nagl</author>
    <author>Elisabeth Schnoy</author>
    <author>Christoph Römmele</author>
    <author>Friederike Prinz</author>
    <author>Jakob Schlottmann</author>
    <author>Helmut Messmann</author>
    <author>Christoph Palm</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Barrett-Ösophagus</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="persons" number="palmbarrett">Palm, Christoph (Prof. Dr.) - Projekt Barrett</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>6041</id>
    <completedYear/>
    <publishedYear>2023</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst>S53</pageFirst>
    <pageLast>S54</pageLast>
    <pageNumber/>
    <edition/>
    <issue>S02</issue>
    <volume>55</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2023-05-04</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Real-time detection and delineation of tissue during third-space endoscopy using artificial intelligence (AI)</title>
    <abstract language="eng">Aims &#13;
AI has proven great potential in assisting endoscopists in diagnostics, however its role in therapeutic endoscopy remains unclear. Endoscopic submucosal dissection (ESD) is a technically demanding intervention with a slow learning curve and relevant risks like bleeding and perforation. Therefore, we aimed to develop an algorithm for the real-time detection and delineation of relevant structures during third-space endoscopy.&#13;
&#13;
Methods &#13;
5470 still images from 59 full length videos (47 ESD, 12 POEM) were annotated. 179681 additional unlabeled images were added to the training dataset. Consequently, a DeepLabv3+ neural network architecture was trained with the ECMT semi-supervised algorithm (under review elsewhere). Evaluation of vessel detection was performed on a dataset of 101 standardized video clips from 15 separate third-space endoscopy videos with 200 predefined blood vessels.&#13;
&#13;
Results &#13;
Internal validation yielded an overall mean Dice score of 85% (68% for blood vessels, 86% for submucosal layer, 88% for muscle layer). On the video test data, the overall vessel detection rate (VDR) was 94% (96% for ESD, 74% for POEM). The median overall vessel detection time (VDT) was 0.32 sec (0.3 sec for ESD, 0.62 sec for POEM).&#13;
&#13;
Conclusions &#13;
Evaluation of the developed algorithm on a video test dataset showed high VDR and quick VDT, especially for ESD. Further research will focus on a possible clinical benefit of the AI application for VDR and VDT during third-space endoscopy.</abstract>
    <parentTitle language="eng">Endoscopy</parentTitle>
    <identifier type="doi">10.1055/s-0043-1765128</identifier>
    <enrichment key="ConferenceStatement">ESGE Days 2023</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Markus W. Scheppach</author>
    <author>Robert Mendel</author>
    <author>Andreas Probst</author>
    <author>David Rauber</author>
    <author>Tobias Rückert</author>
    <author>Michael Meinikheim</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Speiseröhrenkrankheit</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Artificial Intelligence</value>
    </subject>
    <collection role="ddc" number="61">Medizin und Gesundheit</collection>
    <collection role="ddc" number="000">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>5436</id>
    <completedYear/>
    <publishedYear>2022</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue>08</issue>
    <volume>60</volume>
    <type>conferencepresentation</type>
    <publisherName>Georg Thieme Verlag</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-09-16</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Artificial Intelligence (AI) – assisted vessel and tissue recognition during third space endoscopy (Smart ESD)</title>
    <abstract language="eng">Clinical setting &#13;
Third space procedures such as endoscopic submucosal dissection (ESD) and peroral endoscopic myotomy (POEM) are complex minimally invasive techniques with an elevated risk for operator-dependent adverse events such as bleeding and perforation. This risk arises from accidental dissection into the muscle layer or through submucosal blood vessels as the submucosal cutting plane within the expanding resection site is not always apparent. Deep learning algorithms have shown considerable potential for the detection and characterization of gastrointestinal lesions. So-called AI – clinical decision support solutions (AI-CDSS) are commercially available for polyp detection during colonoscopy. Until now, these computer programs have concentrated on diagnostics whereas an AI-CDSS for interventional endoscopy has not yet been introduced. We aimed to develop an AI-CDSS („Smart ESD“) for real-time intra-procedural detection and delineation of blood vessels, tissue structures and endoscopic instruments during third-space endoscopic procedures.&#13;
&#13;
Characteristics of Smart ESD &#13;
An AI-CDSS was invented that delineates blood vessels, tissue structures and endoscopic instruments during third-space endoscopy in real-time. The output can be displayed by an overlay over the endoscopic image with different modes of visualization, such as a color-coded semitransparent area overlay, or border tracing (demonstration video). Hereby the optimal layer for dissection can be visualized, which is close above or directly at the muscle layer, depending on the applied technique (ESD or POEM). Furthermore, relevant blood vessels (thickness&gt; 1mm) are delineated. Spatial proximity between the electrosurgical knife and a blood vessel triggers a warning signal. By this guidance system, inadvertent dissection through blood vessels could be averted.&#13;
&#13;
Technical specifications &#13;
A DeepLabv3+ neural network architecture with KSAC and a 101-layer ResNeSt backbone was used for the development of Smart ESD. It was trained and validated with 2565 annotated still images from 27 full length third-space endoscopic videos. The annotation classes were blood vessel, submucosal layer, muscle layer, electrosurgical knife and endoscopic instrument shaft. A test on a separate data set yielded an intersection over union (IoU) of 68%, a Dice Score of 80% and a pixel accuracy of 87%, demonstrating a high overlap between expert and AI segmentation. Further experiments on standardized video clips showed a mean vessel detection rate (VDR) of 85% with values of 92%, 70% and 95% for POEM, rectal ESD and esophageal ESD respectively. False positive measurements occurred 0.75 times per minute. 7 out of 9 vessels which caused intraprocedural bleeding were caught by the algorithm, as well as both vessels which required hemostasis via hemostatic forceps.&#13;
&#13;
Future perspectives &#13;
Smart ESD performed well for vessel and tissue detection and delineation on still images, as well as on video clips. During a live demonstration in the endoscopy suite, clinical applicability of the innovation was examined. The lag time for processing of the live endoscopic image was too short to be visually detectable for the interventionist. Even though the algorithm could not be applied during actual dissection by the interventionist, Smart ESD appeared readily deployable during visual assessment by ESD experts. Therefore, we plan to conduct a clinical trial in order to obtain CE-certification of the algorithm. This new technology may improve procedural safety and speed, as well as training of modern minimally invasive endoscopic resection techniques.</abstract>
    <parentTitle language="deu">Zeitschrift für Gastroenterologie</parentTitle>
    <identifier type="doi">10.1055/s-0042-1755110</identifier>
    <enrichment key="ConferenceStatement">Jahrestagung der Deutschen Gesellschaft für Gastroenterologie, Verdauungs- und Stoffwechselkrankheiten mit Sektion Endoskopie, 76, 2022, Hamburg</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Markus W. Scheppach</author>
    <author>Robert Mendel</author>
    <author>Andreas Probst</author>
    <author>Michael Meinikheim</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Artificial Intelligence</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Medical Image Computing</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Endoscopy</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Bildgebendes Verfahren</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Medizin</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Endoskopie</value>
    </subject>
    <collection role="ddc" number="004">Datenverarbeitung; Informatik</collection>
    <collection role="ddc" number="617">Chirurgie und verwandte medizinische Fachrichtungen</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCBE">Regensburg Center of Biomedical Engineering - RCBE</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>5435</id>
    <completedYear/>
    <publishedYear>2022</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue>08</issue>
    <volume>60</volume>
    <type>conferencepresentation</type>
    <publisherName>Georg Thieme Verlag</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-09-16</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Barrett-Ampel</title>
    <abstract language="deu">Hintergrund &#13;
Adenokarzinome des Ösophagus sind bis heute mit einer infausten Prognose vergesellschaftet (1). Obwohl Endoskopiker mit Barrett-Ösophagus als Präkanzerose konfrontiert werden, ist vor allem für nicht-Experten die Differenzierung zwischen Barrett-Ösophagus ohne Dysplasie und assoziierten Neoplasien mitunter schwierig. Existierende Biopsieprotokolle (z.B. Seattle Protokoll) sind oftmals unzuverlässig (2). Eine frühzeitige Diagnose des Adenokarzinoms ist allerdings von fundamentaler Bedeutung für die Prognose des Patienten.&#13;
&#13;
Forschungsansatz &#13;
Auf der Grundlage dieser Problematik, entwickelten wir in Kooperation mit dem Forschungslabor „Regensburg Medical Image Computing (ReMIC)“ der OTH Regensburg ein auf künstlicher Intelligenz (KI) basiertes Entscheidungsunterstützungssystem (CDSS). Das auf einer DeepLabv3+ neuronalen Netzwerkarchitektur basierende CDSS differenziert mittels Mustererkennung Barrett- Ösophagus ohne Dysplasie von Barrett-Ösophagus mit Dysplasie bzw. Neoplasie („Klassifizierung“). Hierbei werden gemittelte Ausgabewahrscheinlichkeiten mit einem vom Benutzer definierten Schwellenwert verglichen. Für Vorhersagen, die den Schwellenwert überschreiten, berechnen wir die Kontur der Region und die Fläche. Sobald die vorhergesagte Läsion eine bestimmte Größe in der Eingabe überschreitet, heben wir sie und ihren Umriss hervor. So ermöglicht eine farbkodierte Visualisierung eine Abgrenzung zwischen Dysplasie bzw. Neoplasie und normalem Barrett-Epithel („Segmentierung“).&#13;
&#13;
In einer Studie an Bildern in „Weißlicht“ (WL) und „Narrow Band Imaging“ (NBI) demonstrierten wir eine Sensitivität von mehr als 90% und eine Spezifität von mehr als 80% (3). In einem nächsten Schritt, differenzierte unser KI-Algorithmus Barrett- Metaplasien von assoziierten Neoplasien anhand von zufällig abgegriffenen Bildern in Echtzeit mit einer Accuracy von 89.9% (4). Darauf folgend, entwickelten wir unser System dahingehend weiter, dass unser Algorithmus nun auch dazu in der Lage ist, Untersuchungsvideos in WL, NBI und „Texture and Color Enhancement Imaging“ (TXI) in Echtzeit zu analysieren (5).&#13;
&#13;
Aktuell führen wir eine Studie in einem randomisiert-kontrollierten Ansatz an unveränderten Untersuchungsvideos in WL, NBI und TXI durch.&#13;
&#13;
Ausblick &#13;
Um Patienten mit aus Barrett-Metaplasien resultierenden Neoplasien frühestmöglich an „High-Volume“-Zentren überweisen zu können, soll unser KI-Algorithmus zukünftig vor allem Endoskopiker ohne extensive Erfahrung bei der Beurteilung von Barrett- Ösophagus in der Krebsfrüherkennung unterstützen.</abstract>
    <parentTitle language="deu">Zeitschrift für Gastroenterologie</parentTitle>
    <identifier type="doi">10.1055/s-0042-1755109</identifier>
    <enrichment key="ConferenceStatement">Jahrestagung der Deutschen Gesellschaft für Gastroenterologie, Verdauungs- und Stoffwechselkrankheiten mit Sektion Endoskopie, 76, 2022, Hamburg</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Michael Meinikheim</author>
    <author>Robert Mendel</author>
    <author>Andreas Probst</author>
    <author>Markus W. Scheppach</author>
    <author>Helmut Messmann</author>
    <author>Christoph Palm</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Barrett-Ösophagus</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Adenokarzinom</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Speiseröhrenkrebs</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Diagnose</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <collection role="ddc" number="004">Datenverarbeitung; Informatik</collection>
    <collection role="ddc" number="610">Medizin und Gesundheit</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>5425</id>
    <completedYear/>
    <publishedYear>2022</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>956</pageFirst>
    <pageLast>965</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume>93</volume>
    <type>article</type>
    <publisherName>Springer</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-09-15</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Bildbasierte Unterstützungsmethoden für die zukünftige Anwendung in der Chirurgie</title>
    <abstract language="deu">Hintergrund: Die Entwicklung assistiver Technologien wird in den kommenden Jahren nicht nur in der Chirurgie von zunehmender Bedeutung sein. Die Wahrnehmung der Istsituation stellt hierbei die Grundlage jeder autonomen Handlung dar. Hierfür können unterschiedliche Sensorsysteme genutzt werden, wobei videobasierte Systeme ein besonderes Potenzial aufweisen.&#13;
&#13;
Methode: Anhand von Literaturangaben und auf Basis eigener Forschungsarbeiten werden zentrale Aspekte bildbasierter Unterstützungssysteme für die Chirurgie dargestellt. Hierbei wird deren Potenzial, aber auch die Limitationen der Methoden erläutert.&#13;
&#13;
Ergebnisse: Eine etablierte Anwendung stellt die Phasendetektion chirurgischer Eingriﬀe dar, für die Operationsvideos mittels neuronaler Netzwerke analysiert werden. Durch eine zeitlich gestützte und transformative Analyse konnten die Ergebnisse der Prädiktion jüngst deutlich verbessert werden. Aber auch robotische Kameraführungssysteme nutzen Bilddaten, um das Laparoskop zukünftig autonom zu navigieren. Um die Zuverlässigkeit an die hohen Anforderungen in der Chirurgie anzugleichen, müssen diese jedoch durch zusätzliche Informationen ergänzt werden. Ein vergleichbarer multimodaler Ansatz wurde bereits für die Navigation und Lokalisation bei laparoskopischen Eingriﬀen umgesetzt. Hierzu werden Videodaten mittels verschiedener Methoden analysiert und diese Ergebnisse mit anderen Sensormodalitäten fusioniert.&#13;
&#13;
Diskussion: Bildbasierte Unterstützungsmethoden sind bereits für diverse Aufgaben verfügbar und stellen einen wichtigen Aspekt für die Chirurgie der Zukunft dar. Um hier jedoch zuverlässig und für autonome Funktionen eingesetzt werden zu können, müssen sie zukünftig in multimodale Ansätze eingebettet werden, um die erforderliche Sicherheit bieten zu können.</abstract>
    <parentTitle language="deu">Die Chirurgie</parentTitle>
    <additionalTitle language="eng">Image-based supportive measures for future application in surgery</additionalTitle>
    <identifier type="doi">10.1007/s00104-022-01668-x</identifier>
    <enrichment key="Kostentraeger">2100019</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Regine Hartwig</author>
    <author>Maximilian Berlet</author>
    <author>Tobias Czempiel</author>
    <author>Jonas Fuchtmann</author>
    <author>Tobias Rückert</author>
    <author>Hubertus Feussner</author>
    <author>Dirk Wilhelm</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Robotik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Kognitiver Operationsaal</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Autonomie</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Digitalisierung</value>
    </subject>
    <collection role="ddc" number="005">Computerprogrammierung, Programme, Daten</collection>
    <collection role="ddc" number="617">Chirurgie und verwandte medizinische Fachrichtungen</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>4546</id>
    <completedYear/>
    <publishedYear>2022</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>editedcollection</type>
    <publisherName>Franz Steiner</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-06-27</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Künstliche Intelligenz und Gesundheit</title>
    <abstract language="deu">Der Einsatz von künstlicher Intelligenz im Gesundheitsbereich verspricht besonders großen Nutzen durch eine bessere Versorgung sowie effizientere Abläufe und bietet damit letztlich auch ökonomische Vorteile. Dem stehen unter anderem Befürchtungen entgegen, dass sich durch den Einsatz von künstlicher Intelligenz das Arzt-Patienten-Verhältnis verändern könnte, Arbeitsplätze gefährdet seien oder die Ökonomisierung des Gesundheitswesens einen weiteren Schub erfahren könnte. Zuweilen wird die Debatte um diese Technologie, zumal in der Öffentlichkeit, emotional und fern sachlicher Argumente geführt. Die Autorinnen und Autoren untersuchen die Geschichte des KI-Einsatzes in der Medizin, deren öffentliche Wahrnehmung, Governance der KI, die Möglichkeiten und Grenzen der Technik sowie Einsatzgebiete, die bisher noch nicht oder nur wenig im Fokus der Aufmerksamkeit waren. Dabei erweist sich die KI als leistungsfähiges Werkzeug, das zahlreiche ethische und soziale Fragen aufwirft, die bei der Einführung anderer Technologien bereits gestellt wurden; allerdings gibt es auch neue Herausforderungen, denen sich Professionen, Politik und Gesellschaft stellen müssen.</abstract>
    <subTitle language="deu">Ethische, philosophische und sozialwissenschaftliche Explorationen</subTitle>
    <identifier type="isbn">978-3-515-12977-0</identifier>
    <identifier type="doi">10.25162/9783515129770</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Karsten Weber</author>
    <author>Arne Sonar</author>
    <author>Helene Gerhards</author>
    <author>Uta Bittner</author>
    <author>Henriette Krug</author>
    <author>Melanie Reuter-Oppermann</author>
    <author>Luisa Pumplun</author>
    <author>Helene Müller</author>
    <author>Peter Buxmann</author>
    <author>Diana Schneider</author>
    <author>Thomas Zoglauer</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Ethik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Gesundheit</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Technikfolgenabschätzung</value>
    </subject>
    <collection role="ddc" number="3">Sozialwissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Institut für Sozialforschung und Technikfolgenabschätzung (IST)</collection>
    <collection role="institutes" number="">Labor für Technikfolgenabschätzung und Angewandte Ethik (LaTe)</collection>
  </doc>
  <doc>
    <id>4038</id>
    <completedYear/>
    <publishedYear>2020</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>S23</pageNumber>
    <edition/>
    <issue>S 01</issue>
    <volume>52</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-05-25</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Real-Time Diagnosis of an Early Barrett's Carcinoma using Artificial Intelligence (AI) - Video Case Demonstration</title>
    <abstract language="eng">Introduction &#13;
We present a clinical case showing the real-time detection, characterization and delineation of an early Barrett’s cancer using AI.&#13;
&#13;
Patients and methods &#13;
A 70-year old patient with a long-segment Barrett’s esophagus (C5M7) was assessed with an AI algorithm.&#13;
&#13;
Results &#13;
The AI system detected a 10 mm focal lesion and AI characterization predicted cancer with a probability of &gt;90%. After ESD resection, histopathology showed mucosal adenocarcinoma (T1a (m), R0) confirming AI diagnosis.&#13;
&#13;
Conclusion &#13;
We demonstrate the real-time AI detection, characterization and delineation of a small and early mucosal Barrett’s cancer.</abstract>
    <parentTitle language="eng">Endoscopy</parentTitle>
    <identifier type="doi">10.1055/s-0040-1704075</identifier>
    <enrichment key="ConferenceStatement">ESGE Days 2020</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Alanna Ebigbo</author>
    <author>Robert Mendel</author>
    <author>Georgios Tziatzios</author>
    <author>Andreas Probst</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Artificial Intelligence</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Barrett's Carcinoma</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Speiseröhrenkrebs</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Diagnose</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="ddc" number="6">Technik, Medizin, angewandte Wissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="persons" number="palmbarrett">Palm, Christoph (Prof. Dr.) - Projekt Barrett</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>3540</id>
    <completedYear/>
    <publishedYear>2022</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst>S39</pageFirst>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue>S 01</issue>
    <volume>54</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-04-19</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">INFLUENCE OF AN ARTIFICIAL INTELLIGENCE (AI) BASED DECISION SUPPORT SYSTEM (DSS) ON THE DIAGNOSTIC PERFORMANCE OF NON-EXPERTS IN BARRETT´S ESOPHAGUS RELATED NEOPLASIA (BERN)</title>
    <abstract language="eng">Aims&#13;
Barrett´s esophagus related neoplasia (BERN) is difficult to detect and characterize during endoscopy, even for expert endoscopists. We aimed to assess the add-on effect of an Artificial Intelligence (AI) algorithm (Barrett-Ampel) as a decision support system (DSS) for non-expert endoscopists in the evaluation of Barrett’s esophagus (BE) and BERN.&#13;
&#13;
Methods&#13;
Twelve videos with multimodal imaging white light (WL), narrow-band imaging (NBI), texture and color enhanced imaging (TXI) of histologically confirmed BE and BERN were assessed by expert and non-expert endoscopists. For each video, endoscopists were asked to identify the area of BERN and decide on the biopsy spot. Videos were assessed by the AI algorithm and regions of BERN were highlighted in real-time by a transparent overlay. Finally, endoscopists were shown the AI videos and asked to either confirm or change their initial decision based on the AI support.&#13;
&#13;
Results&#13;
Barrett-Ampel correctly identified all areas of BERN, irrespective of the imaging modality (WL, NBI, TXI), but misinterpreted two inflammatory lesions (Accuracy=75%). Expert endoscopists had a similar performance (Accuracy=70,8%), while non-experts had an accuracy of 58.3%. When AI was implemented as a DSS, non-expert endoscopists improved their diagnostic accuracy to 75%.&#13;
&#13;
Conclusions&#13;
AI may have the potential to support non-expert endoscopists in the assessment of videos of BE and BERN. Limitations of this study include the low number of videos used. Randomized clinical trials in a real-life setting should be performed to confirm these results.</abstract>
    <parentTitle language="eng">Endoscopy</parentTitle>
    <identifier type="doi">10.1055/s-00000012</identifier>
    <enrichment key="ConferenceStatement">ESGE Days 2022</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Michael Meinikheim</author>
    <author>Robert Mendel</author>
    <author>Markus W. Scheppach</author>
    <author>Andreas Probst</author>
    <author>Friederike Prinz</author>
    <author>Tanja Schwamberger</author>
    <author>Jakob Schlottmann</author>
    <author>Stefan Karl Gölder</author>
    <author>Benjamin Walter</author>
    <author>Ingo Steinbrück</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Artificial Intelligence</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Barrett's Esophagus</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Speiseröhrenkrankheit</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Diagnose</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="ddc" number="6">Technik, Medizin, angewandte Wissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>3507</id>
    <completedYear/>
    <publishedYear>2022</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>251</pageFirst>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue>4</issue>
    <volume>60</volume>
    <type>conferencepresentation</type>
    <publisherName>Thieme</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2022-04-10</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Einsatz von künstlicher Intelligenz (KI) als Entscheidungsunterstützungssystem für nicht-Experten bei der Beurteilung von Barrett-Ösophagus assoziierten Neoplasien (BERN)</title>
    <abstract language="deu">Einleitung&#13;
Die sichere Detektion und Charakterisierung von Barrett-Ösophagus assoziierten Neoplasien (BERN) stellt selbst für erfahrene Endoskopiker eine Herausforderung dar.&#13;
&#13;
Ziel&#13;
Ziel dieser Studie ist es, den Add-on Effekt eines künstlichen Intelligenz (KI) Systems (Barrett-Ampel) als Entscheidungsunterstüzungssystem für Endoskopiker ohne Expertise bei der Untersuchung von BERN zu evaluieren.&#13;
&#13;
Material und Methodik&#13;
Zwölf Videos in „Weißlicht“ (WL), „narrow-band imaging“ (NBI) und „texture and color enhanced imaging“ (TXI) von histologisch bestätigten Barrett-Metaplasien oder BERN wurden von Experten und Untersuchern ohne Barrett-Expertise evaluiert. Die Probanden wurden dazu aufgefordert in den Videos auftauchende BERN zu identifizieren und gegebenenfalls die optimale Biopsiestelle zu markieren. Unser KI-System wurde demselben Test unterzogen, wobei dieses BERN in Echtzeit segmentierte und farblich von umliegendem Epithel differenzierte. Anschließend wurden den Probanden die Videos mit zusätzlicher KI-Unterstützung gezeigt. Basierend auf dieser neuen Information, wurden die Probanden zu einer Reevaluation ihrer initialen Beurteilung aufgefordert.&#13;
&#13;
Ergebnisse&#13;
Die „Barrett-Ampel“ identifizierte unabhängig von den verwendeten Darstellungsmodi (WL, NBI, TXI) alle BERN. Zwei entzündlich veränderte Läsionen wurden fehlinterpretiert (Genauigkeit=75%). Während Experten vergleichbare Ergebnisse erzielten (Genauigkeit=70,8%), hatten Endoskopiker ohne Expertise bei der Beurteilung von Barrett-Metaplasien eine Genauigkeit von lediglich 58,3%. Wurden die nicht-Experten allerdings von unserem KI-System unterstützt, erreichten diese eine Genauigkeit von 75%.&#13;
&#13;
Zusammenfassung&#13;
Unser KI-System hat das Potential als Entscheidungsunterstützungssystem bei der Differenzierung zwischen Barrett-Metaplasie und BERN zu fungieren und so Endoskopiker ohne entsprechende Expertise zu assistieren. Eine Limitation dieser Studie ist die niedrige Anzahl an eingeschlossenen Videos. Um die Ergebnisse dieser Studie zu bestätigen, müssen randomisierte kontrollierte klinische Studien durchgeführt werden.</abstract>
    <parentTitle language="deu">Zeitschrift für Gastroenterologie</parentTitle>
    <identifier type="doi">10.1055/s-0042-1745653</identifier>
    <enrichment key="ConferenceStatement">49. Jahrestagung der Gesellschaft für Gastroenterologie in Bayern e.V., Freising</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Michael Meinikheim</author>
    <author>Robert Mendel</author>
    <author>Markus W. Scheppach</author>
    <author>Andreas Probst</author>
    <author>Friederike Prinz</author>
    <author>Tanja Schwamberger</author>
    <author>Jakob Schlottmann</author>
    <author>Stefan Karl Gölder</author>
    <author>Benjamin Walter</author>
    <author>Ingo Steinbrück</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <author>Alanna Ebigbo</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Barrett-Ösophagus</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>psyndex</type>
      <value>Speiseröhrenkrankheit</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="ddc" number="6">Technik, Medizin, angewandte Wissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="persons" number="palmbarrett">Palm, Christoph (Prof. Dr.) - Projekt Barrett</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>2012</id>
    <completedYear/>
    <publishedYear>2021</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst>1</pageFirst>
    <pageLast>14</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume>135</volume>
    <type>article</type>
    <publisherName>Elsevier</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2021-06-25</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Convolutional Neural Networks for the evaluation of cancer in Barrett’s esophagus: Explainable AI to lighten up the black-box</title>
    <abstract language="eng">Even though artificial intelligence and machine learning have demonstrated remarkable performances in medical image computing, their level of accountability and transparency must be provided in such evaluations. The reliability related to machine learning predictions must be explained and interpreted, especially if diagnosis support is addressed. For this task, the black-box nature of deep learning techniques must be lightened up to transfer its promising results into clinical practice. Hence, we aim to investigate the use of explainable artificial intelligence techniques to quantitatively highlight discriminative regions during the classification of earlycancerous tissues in Barrett’s esophagus-diagnosed patients. Four Convolutional Neural Network models (AlexNet, SqueezeNet, ResNet50, and VGG16) were analyzed using five different interpretation techniques (saliency, guided backpropagation, integrated gradients, input × gradients, and DeepLIFT) to compare their agreement with experts’ previous annotations of cancerous tissue. We could show that saliency attributes match best with the manual experts’ delineations. Moreover, there is moderate to high correlation between the sensitivity of a model and the human-and-computer agreement. The results also lightened that the higher the model’s sensitivity, the stronger the correlation of human and computational segmentation agreement. We observed a relevant relation between computational learning and experts’ insights, demonstrating how human knowledge may influence the correct computational learning.</abstract>
    <parentTitle language="eng">Computers in Biology and Medicine</parentTitle>
    <identifier type="doi">10.1016/j.compbiomed.2021.104578</identifier>
    <identifier type="issn">0010-4825</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-20126</identifier>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY - Namensnennung 4.0 International</licence>
    <author>Luis Antonio de Souza Jr.</author>
    <author>Robert Mendel</author>
    <author>Sophia Strasser</author>
    <author>Alanna Ebigbo</author>
    <author>Andreas Probst</author>
    <author>Helmut Messmann</author>
    <author>João Paulo Papa</author>
    <author>Christoph Palm</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Deep Learning</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Computerunterstützte Medizin</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Barrett's esophagus</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Adenocarcinoma</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Machine learning</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Explainable artificial intelligence</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Computer-aided diagnosis</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="ddc" number="6">Technik, Medizin, angewandte Wissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="oaweg" number="">Gold Open Access- Erstveröffentlichung in einem/als Open-Access-Medium</collection>
    <collection role="persons" number="palmbarrett">Palm, Christoph (Prof. Dr.) - Projekt Barrett</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/2012/1-s2.0-S0010482521003723-main.pdf</file>
  </doc>
  <doc>
    <id>1461</id>
    <completedYear/>
    <publishedYear>2021</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue>June-August</issue>
    <volume>52-53</volume>
    <type>article</type>
    <publisherName>Elsevier</publisherName>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">Barrett esophagus: What to expect from Artificial Intelligence?</title>
    <abstract language="eng">The evaluation and assessment of Barrett’s esophagus is challenging for both expert and nonexpert endoscopists. However, the early diagnosis of cancer in Barrett’s esophagus is crucial for its prognosis, and could save costs. Pre-clinical and clinical studies on the application of Artificial Intelligence (AI) in Barrett’s esophagus have shown promising results. In this review, we focus on the current challenges and future perspectives of implementing AI systems in the management of patients with Barrett’s esophagus.</abstract>
    <parentTitle language="eng">Best Practice &amp; Research Clinical Gastroenterology</parentTitle>
    <identifier type="issn">1521-6918</identifier>
    <identifier type="doi">10.1016/j.bpg.2021.101726</identifier>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Alanna Ebigbo</author>
    <author>Christoph Palm</author>
    <author>Helmut Messmann</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Deep Learning</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Computerunterstützte Medizin</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Barrett</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Adenocarcinoma</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Artificial intelligence</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Deep learning</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Convolutional neural networks</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="ddc" number="6">Technik, Medizin, angewandte Wissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCBE">Regensburg Center of Biomedical Engineering - RCBE</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="persons" number="palmbarrett">Palm, Christoph (Prof. Dr.) - Projekt Barrett</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>789</id>
    <completedYear/>
    <publishedYear>2019</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>72</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>periodicalpart</type>
    <publisherName/>
    <publisherPlace>Regensburg</publisherPlace>
    <creatingCorporation>Ostbayerische Technische Hochschule Regensburg</creatingCorporation>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2019-06-30</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Forschung 2019</title>
    <abstract language="deu">Bericht mit Forschungsprojekten aus verschiedenen Bereichen der OTH Regensburg mit dem Schwerpunktthema "Künstliche Intelligenz" und einem Gespräch zur "Medizin der Zukunft"</abstract>
    <subTitle language="deu">Thema: Künstliche Intelligenz</subTitle>
    <identifier type="isbn">978-3-9818209-7-3</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-7890</identifier>
    <identifier type="doi">10.35096/othr/pub-789</identifier>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Marie-Luise Appelhans</author>
    <author>Matthias Kampmann</author>
    <author>Jürgen Mottok</author>
    <author>Michael Riederer</author>
    <author>Klaus Nagl</author>
    <author>Oliver Steffens</author>
    <author>Jan Dünnweber</author>
    <author>Markus Wildgruber</author>
    <author>Julius Roth</author>
    <author>Timo Stadler</author>
    <author>Christoph Palm</author>
    <author>Martin Georg Weiß</author>
    <author>Sandra Rochholz</author>
    <author>Rudolf Bierl</author>
    <author>Andreas Gschossmann</author>
    <author>Sonja Haug</author>
    <author>Simon Schmidbauer</author>
    <author>Anna Koch</author>
    <author>Markus Westner</author>
    <author>Benedikt von Bary</author>
    <author>Andreas Ellermeier</author>
    <author>Daniel Vögele</author>
    <author>Frederik Maiwald</author>
    <author>Stefan Hierl</author>
    <author>Matthias Schlamp</author>
    <author>Ingo Ehrlich</author>
    <author>Marco Siegl</author>
    <author>Sven Hüntelmann</author>
    <author>Matthias Wildfeuer</author>
    <author>Oliver Brückl</author>
    <author>Michael Sterner</author>
    <author>Andreas Hofrichter</author>
    <author>Fabian Eckert</author>
    <author>Franz Bauer</author>
    <author>Belal Dawoud</author>
    <author>Hans-Peter Rabl</author>
    <author>Bernd Gamisch</author>
    <author>Ottfried Schmidt</author>
    <author>Michael Heberl</author>
    <author>Martin Thema</author>
    <author>Ulrike Mayer</author>
    <author>Johannes Eller</author>
    <author>Thomas Sippenauer</author>
    <author>Christian Adelt</author>
    <author>Matthias Haslbeck</author>
    <author>Bettina Vogl</author>
    <author>Wolfgang Mauerer</author>
    <author>Ralf Ramsauer</author>
    <author>Daniel Lohmann</author>
    <author>Irmengard Sax</author>
    <author>Thomas Gabor</author>
    <author>Sebastian Feld</author>
    <author>Claudia Linnhoff-Popien</author>
    <author>Robert Damian Ławrowski</author>
    <author>Christoph Langer</author>
    <author>Rupert Schreiner</author>
    <author>Josef Sellmair</author>
    <series>
      <title>Forschungsberichte der OTH Regensburg</title>
      <number>2019</number>
    </series>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Forschung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Forschungsbericht</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="institutes" number="HL">Hochschulleitung/Hochschulverwaltung</collection>
    <collection role="othpublikationsherkunft" number="">Von der OTH Regensburg herausgegeben</collection>
    <collection role="institutes" number="IAFW">Zentrum für Forschung und Transfer (ZFT ab 2024; vorher: IAFW)</collection>
    <collection role="persons" number="sternerfenes">Sterner, Michael (Prof. Dr.) - FENES / Forschungsgruppe Energiespeicher</collection>
    <collection role="persons" number="bruecklfenes">Brückl, Oliver (Prof. Dr.) - FENES / Forschungsgruppe Energienetze</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/789/Forschungsbericht_2019.pdf</file>
  </doc>
  <doc>
    <id>550</id>
    <completedYear/>
    <publishedYear>2018</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>1</pageFirst>
    <pageLast>19</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>bookpart</type>
    <publisherName>Springer VS</publisherName>
    <publisherPlace>Wiesbaden</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2020-06-27</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Maschinenethik und Technikethik</title>
    <abstract language="deu">Der Eigenständigkeitsanspruch der Maschinenethik steht und fällt mit der Frage, ob man autonome Maschinen als moralische Agenten betrachten kann. Zur Beantwortung dieser Frage wird untersucht, unter welchen Voraussetzungen man Maschinen als moralische Agenten betrachten und ob man Maschinen Autonomie und Verantwortungsfähigkeit zusprechen kann. Die Autoren kommen zu dem Schluss, dass es in absehbarer Zukunft zwar keine „moralische Maschinen“ geben mag, es aber Aufgabe der Maschinenethik sein sollte, Maschinen so zu gestalten, dass sie als quasi-moralische Akteure akzeptiert werden können. Dabei dürfen jedoch jene menschlichen Akteure, die entsprechende Maschinen gestalten, entwickeln, bauen und nutzen, nicht aus ihrer Verantwortung entlassen werden.</abstract>
    <parentTitle language="deu">Handbuch Maschinenethik</parentTitle>
    <identifier type="isbn">978-3-658-17484-2</identifier>
    <identifier type="doi">10.1007/978-3-658-17484-2_10-1</identifier>
    <author>Karsten Weber</author>
    <author>Thomas Zoglauer</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Verantwortung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Autonomie</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Moralische Agenten</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Turing-Test</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Akteur-Netzwerk-Theorie</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Ethik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Mensch-Maschine-System</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Autonomes System</value>
    </subject>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Institut für Sozialforschung und Technikfolgenabschätzung (IST)</collection>
    <collection role="institutes" number="">Labor für Technikfolgenabschätzung und Angewandte Ethik (LaTe)</collection>
  </doc>
  <doc>
    <id>549</id>
    <completedYear/>
    <publishedYear>2019</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst>193</pageFirst>
    <pageLast>208</pageLast>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>bookpart</type>
    <publisherName>Springer VS</publisherName>
    <publisherPlace>Wiesbaden</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2020-06-27</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Autonomie und Moralität als Zuschreibung</title>
    <abstract language="deu">Der Beitrag widerspricht der These, es gäbe (bald) autonome Maschinen, so dass es einer Ethik für Maschinen bedürfe, denen diese Maschinen unterworfen sein müssten. Eine Ethik für autonome Maschinen wäre nur denkbar, wenn sich diese Maschinen jene Ethik selbst geben würden und dieser freiwillig folgten – genau dies bedeutet Autonomie. Jedes Regelwerk, das den Maschinen einprogrammiert oder anderweitig bindend aufgegeben werden würde, kann nicht als Maschinenethik verstanden werden. Das Hauptargument des Beitrags wird jedoch sein, dass Menschen den vermeintlich autonomen Maschinen diese Eigenschaft zuzuschreiben bereit sind, den Unterschied zwischen Menschen und Maschinen im Handeln verwischen und so erst die Rede von einer Maschinenethik provozieren. Abschließend wird eine moralische Norm formuliert, die jedoch keinerlei Maschinenethik impliziert, sondern eine moralische Norm für Menschen darstellt. Damit würde der Vermenschlichung von Maschinen entgegengewirkt und sicher gestellt, dass die Aktionen eines autonomen artifiziellen Agenten stets dessen Designern und Herstellern zugerechnet werden kann.</abstract>
    <parentTitle language="deu">Maschinenethik, Normative Grenzen autonomer Systeme</parentTitle>
    <subTitle language="deu">Über die begriffliche und inhaltliche Sinnlosigkeit einer Maschinenethik</subTitle>
    <identifier type="isbn">978-3-658-21083-0</identifier>
    <identifier type="doi">10.1007/978-3-658-21083-0_12</identifier>
    <identifier type="isbn">978-3-658-21082-3</identifier>
    <licence>Keine Lizenz - Es gilt das deutsche Urheberrecht: § 53 UrhG</licence>
    <author>Karsten Weber</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Autonomes System</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Ethik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Mensch-Maschine-System</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Autonomie</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Verantwortung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Maschinenethik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Gestaltungsnorm</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="persons" number="weberlate">Weber, Karsten (Prof. Dr.) - Labor für Technikfolgenabschätzung und Angewandte Ethik</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Institut für Sozialforschung und Technikfolgenabschätzung (IST)</collection>
    <collection role="institutes" number="">Labor für Technikfolgenabschätzung und Angewandte Ethik (LaTe)</collection>
  </doc>
  <doc>
    <id>354</id>
    <completedYear/>
    <publishedYear>2019</publishedYear>
    <thesisYearAccepted/>
    <language>eng</language>
    <pageFirst>1616</pageFirst>
    <pageLast>1623</pageLast>
    <pageNumber/>
    <edition/>
    <issue>12</issue>
    <volume>07</volume>
    <type>article</type>
    <publisherName>Georg Thieme Verlag</publisherName>
    <publisherPlace>Stuttgart</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2020-04-22</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="eng">A technical review of artificial intelligence as applied to gastrointestinal endoscopy: clarifying the terminology</title>
    <abstract language="eng">The growing number of publications on the application of artificial intelligence (AI) in medicine underlines the enormous importance and potential of this emerging field of research.&#13;
&#13;
In gastrointestinal endoscopy, AI has been applied to all segments of the gastrointestinal tract most importantly in the detection and characterization of colorectal polyps. However, AI research has been published also in the stomach and esophagus for both neoplastic and non-neoplastic disorders.&#13;
&#13;
The various technical as well as medical aspects of AI, however, remain confusing especially for non-expert physicians.&#13;
&#13;
This physician-engineer co-authored review explains the basic technical aspects of AI and provides a comprehensive overview of recent publications on AI in gastrointestinal endoscopy. Finally, a basic insight is offered into understanding publications on AI in gastrointestinal endoscopy.</abstract>
    <parentTitle language="eng">Endoscopy International Open</parentTitle>
    <identifier type="doi">10.1055/a-1010-5705</identifier>
    <enrichment key="BegutachtungStatus">peer-reviewed</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <author>Alanna Ebigbo</author>
    <author>Christoph Palm</author>
    <author>Andreas Probst</author>
    <author>Robert Mendel</author>
    <author>Johannes Manzeneder</author>
    <author>Friederike Prinz</author>
    <author>Luis Antonio de Souza Jr.</author>
    <author>João Paulo Papa</author>
    <author>Peter Siersema</author>
    <author>Helmut Messmann</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Diagnose</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Maschinelles Lernen</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Gastroenterologie</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Barrett's esophagus</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>Deep learning</value>
    </subject>
    <collection role="ddc" number="0">Informatik, Informationswissenschaft, allgemeine Werke</collection>
    <collection role="ddc" number="6">Technik, Medizin, angewandte Wissenschaften</collection>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="RCHST">Regensburg Center of Health Sciences and Technology - RCHST</collection>
    <collection role="persons" number="palmremic">Palm, Christoph (Prof. Dr.) - ReMIC</collection>
    <collection role="oaweg" number="">Gold Open Access- Erstveröffentlichung in einem/als Open-Access-Medium</collection>
    <collection role="persons" number="palmbarrett">Palm, Christoph (Prof. Dr.) - Projekt Barrett</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="institutes" number="">Labor Regensburg Medical Image Computing (ReMIC)</collection>
  </doc>
  <doc>
    <id>14</id>
    <completedYear/>
    <publishedYear>2021</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>372</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>editedcollection</type>
    <publisherName>transcript Verlag</publisherName>
    <publisherPlace>Bielefeld</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Gute Technik für ein gutes Leben im Alter?</title>
    <abstract language="deu">Längst gibt es altersgerechte digitale Assistenzsysteme. Doch sind Umfang und Geschwindigkeit ihrer Verbreitung sowohl in Pflegeeinrichtungen als auch in privaten Haushalten weitgehend unbekannt. Informationen zu tatsächlich eingesetzten Systemen, realisierten Umsätzen und Marktvolumen sind kaum zu finden. Obwohl es viele Vermutungen hinsichtlich der Hindernisse bei der Einführung altersgerechter Assistenzsysteme gibt, sind auch hier verlässliche Aussagen rar. Die Beiträge des Bandes liefern auf Basis empirischer Untersuchungen und theoretischer Überlegungen Antworten und zeigen auf, wie vielgestaltig die Faktoren sind, die die Diffusion altersgerechter Assistenzsysteme hemmen oder fördern.</abstract>
    <subTitle language="deu">Akzeptanz, Chancen und Herausforderungen altersgerechter Assistenzsysteme</subTitle>
    <identifier type="doi">10.14361/9783839454695</identifier>
    <identifier type="isbn">978-3-8376-5469-1</identifier>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-149</identifier>
    <enrichment key="OtherSeries">Alter - Kultur - Gesellschaft ; 4</enrichment>
    <licence>Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International</licence>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Alter</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Altenpflege</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Assistenzsystem</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Medizintechnik</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Arbeitshilfe</value>
    </subject>
    <collection role="institutes" number="FakIM">Fakultät Informatik und Mathematik</collection>
    <collection role="institutes" number="FAKMB">Fakultät Maschinenbau</collection>
    <collection role="institutes" number="FakSoz">Fakultät Sozial- und Gesundheitswissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="16314">Lebenswissenschaften und Ethik</collection>
    <collection role="oaweg" number="">Diamond Open Access - OA-Veröffentlichung ohne Publikationskosten (Sponsoring)</collection>
    <collection role="institutes" number="">Institut für Sozialforschung und Technikfolgenabschätzung (IST)</collection>
    <collection role="institutes" number="">Labor LeanLab</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/14/Haug2021_Technik_Leben_Alter.pdf</file>
  </doc>
</export-example>
