Aktuelle Projekte

Kurzbeschreibung:

Künstliche Intelligenz (KI) wird in immer mehr Bereichen eingesetzt. Welche Daten wie verwendet werden, verstehen jedoch nur noch wenige. Ein internationales Forschungsprojekt unter Beteiligung der Universität Kassel möchte Transparenz schaffen.

Das Projekt „AI Forensics: Accountability through Interpretability in Visual AI Systems" konzentriert sich dabei auf den Einsatz von Bild-Systemen. „Gerade der Bereich der Gesichtserkennung wächst immer weiter. Beispielsweise wird in den USA eine KI mit Gesichtserkennung benutzt, um potenzielle Gefährder zu erkennen. Was der allgemeinen Sicherheit dient, ist gleichzeitig auch ein Eingriff in Persönlichkeitsrechte. Wir möchten Entscheidungen der KI-Entscheidungen nachvollziehbar machen“, erläutert die Projektbeteiligte Prof. Dr. Claude Draude vom Wissenschaftlichen Zentrum für Informationstechnik-Gestaltung der Universität Kassel.

Ziel ist eine frei für die Öffentlichkeit zugängliche Internetplattform, die große Datensätze erschließbar macht. Modelle des maschinellen Lernens sollen so analysierbar und verstehbar gemacht werden. „Nutzende können zum Beispiel ein Bild hochladen und eine automatische Untersuchung aktivieren. Das System überprüft, ob das Bild bereits in einem Datensatz ist (Datensatz-Forensik), wie es in einem Modell verwendet wurde (Modell-Forensik), und wo und zu welchem Zweck (Anwendungsforensik). Der Umfang dieser Fähigkeiten variiert von Modell zu Modell und veranschaulicht unterschiedliche Grade von Transparenz und Interpretierbarkeit auf dem Spektrum der für die Forschung verfügbaren Modelle“, erklärt Professorin Draude.

Projektbeteiligte (Forschung):
Institut für Künstliche Intelligenz und Medienphilosophie der Staatlichen Hochschule für Gestaltung in Karlsruhe
Department of Computer Science der Durham University in Großbritannien
Cambridge Digital Humanities der University of Cambridge in Großbritannien
Department of Germanic and Slavic Studies der University of California in Santa Barbara (USA)

Technische Partner
Steinbuch Centre for Computing am Karlsruher Institut für Technologie (KIT)
NVIDIA CUDA Forschungszentrum an der Durham University.

Kurzbeschreibung:

Katastrophenereignisse wie Hochwasser, Waldbrände oder Stürme machen vor Ländergrenzen nicht halt. Daher haben Österreich und Deutschland beschlossen, ihre Kräfte zu bündeln und gemeinsam zu forschen, um Rettungskräfte optimal bei der Bewältigung von Großschadenslagen zu unterstützen. Das Projekt AIFER erforscht und entwickelt ein System, das am Beispiel eines Hochwasserszenarios mit Hilfe von künstlicher Intelligenz die Lage erfasst und auswertet. Dabei sollen unterschiedliche Daten von Satelliten, Flugzeugen, Drohnen sowie Daten aus sozialen Netzwerken ausgewertet, zusammengefasst und in Echtzeit aufbereitet werden. Berücksichtigung finden hierbei nicht nur die technischen, sondern auch die rechtlichen, soziologischen und ethischen Aspekte. Der Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht, obliegt die Bearbeitung der rechtswissenschaftlichen Fragestellungen des Projekts. Ziel ist es hierbei, die rechtskonforme Technikgestaltung der zu erforschenden Verfahren sicherzustellen.

Aus rechtlicher Sicht wirft das Projektvorhaben zahlreiche zu untersuchende Fragen auf. Diese betreffen insbesondere die Verwendung künstlicher Intelligenz zur Datenanalyse. In diesem Bereich existieren derzeit noch zahlreiche, nicht abschließend geklärte Rechtsfragen, welche sowohl die Grundrechte als auch das einfachgesetzliche Recht betreffen. Darüber hinaus, gehen mit dem Projekt Rechtsfragen in Bezug auf die Zulässigkeit der Verarbeitung von Daten aus den verschiedenen Quellen (Satelliten, Drohnen, Flugzeuge, geo-soziale Netzwerke, Nachrichtendienste) einher, welche durch den potenziellen Personenbezug der betreffenden Daten ein besonderes Gewicht erhalten. Da Katastrophensituationen sich oftmals nicht auf das Gebiet eines einzelnen Landes beschränken, wird weiterhin der grenzüberschreitende Charakter der zu erforschenden Verfahren berücksichtigt.

Die Projektleitung obliegt auf deutscher Seite Dr. Marc Wieland (Deutsches Zentrum für Luft- und Raumfahrt e.V.) und auf österreichischer Seite Ass.-Prof. Dr. Bernd Resch (Universität Salzburg, Fachbereich Geoinformatik - Z_GIS).

Österreichische Konsortialpartner :

  *  Universität Salzburg, die Johanniter, das Österreichische Rote Kreuz - Landesverband Salzburg,
      die Spatial Services GmbH sowie das Institut für Empirische Sozialforschung

Deutsche Konsortialpartner:

  *  Deutsches Zentrum für Luft- und Raumfahrt, die Disy Informationssysteme GmbH,
      das Bayerische Rote Kreuz sowie das Technische Hilfswerk

Kurzbeschreibung:

Die stetig voranschreitende Digitalisierung führt zu einer immer weitergehenden Durchdringung sämtlicher Lebensbereiche mit datenverarbeitenden Prozessen. Längst haben zahlreiche digitale Dienste und Produkte ihren festen Platz im Alltag vieler Menschen. Einzelne Datenverarbeitungssysteme können dabei nicht mehr nur isoliert voneinander betrachtet werden. Vielmehr hat die rasante Technikentwicklung zu einer fortschreitenden Vernetzung verschiedener IT-Systeme geführt, deren Datenverarbeitungsprozesse untrennbar miteinander verknüpft sind. Zugleich können immer größere Datenmengen verarbeitet werden, wobei die Verarbeitung zumeist automatisiert und zunehmend mittels künstlich intelligenter Algorithmen erfolgt. Dies alles führt zu komplexen und im Einzelfall kaum zu durchblickenden Datenverarbeitungsstrukturen mit oftmals vielschichtigen Akteurskonstellationen. Da sich die Datenverarbeitung regelmäßig auf personenbezogene Daten bezieht, gehen mit der skizzierten Entwicklung aus rechtswissenschaftlicher Perspektive erhebliche Herausforderungen für den Datenschutz und die IT-Sicherheit einher.

Das Projekt „Systematic privacy for large, real-life data processing systems“ des Nationalen Forschungszentrums für angewandte Cybersicherheit ATHENEwidmet sich diesen rechtlichen Herausforderungen. Große Datenverarbeitungssysteme werden in rechtlicher Hinsicht auf ihre Chancen und Risiken hin untersucht. Es werden mögliche Maßnahmen erarbeitet, die einerseits den technischen Fortschritt nicht behindern und gleichzeitig doch einen angemessenen Schutz der Rechte natürlicher Personen bei der Verarbeitung ihrer personenbezogenen Daten gewährleisten. Um der zunehmenden Systemvernetzung adäquat Rechnung zu tragen, wird hierbei ein ganzheitlicher Ansatz verfolgt, der die gesamte digitale Vernetzung einschließlich ihrer verschiedenen Dimensionen und Akteure berücksichtigt.  

Das Teilvorhaben an der Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht (Herr Prof. Dr. Hornung, LL.M.), befasst sich mit den IT-Sicherheitsanforderungen an große Datenverarbeitungssysteme. Werden personenbezogene Daten durch Big-Data-Anwendungen oder künstlich intelligente Algorithmen verarbeitet, führt dies zu erheblichen Herausforderungen für die IT-Sicherheit. Das Schutzbedürfnis der von der Datenverarbeitung betroffenen Person wird in diesem Kontext de lege lata nur unzureichend adressiert. So knüpft das BSIG bzw. die BSI-KritisV an diesen Aspekt im Bereich der IT-Sicherheitsregulierung für Kritische Infrastrukturen (KRITIS) nicht an. Mit dem IT-Sicherheitsgesetz 2.0 wurde die Kategorie der „Unternehmen im besonderen öffentlichen Interesse“ im BSIG eingeführt. Gegenüber dem KRITIS-Bereich treffen die Unternehmen jedoch deutlich reduzierte Pflichten. Art. 32 DSGVO statuiert zwar Anforderungen an Verantwortliche und Auftragsverarbeiter in Bezug auf die Sicherheit der Verarbeitung personenbezogener Daten. Sein „risikobasierter Ansatz“ führt allerdings zu beträchtlicher Unsicherheit darüber, welche konkreten Maßnahmen im Einzelfall erforderlich sind. Im Gegensatz zum KRITIS-Bereich fehlt es hier überdies an einem behördlicherseits ausgegebenen Anforderungskatalog. Weitestgehend unklar ist darüber hinaus, welche Rolle die auf europäischer Ebene eingeführte Cybersicherheitszertifizierung sowie das neue deutsche IT-Sicherheitskennzeichen hier zukünftig spielen können.

Das Teilvorhaben untersucht zunächst die Möglichkeit der Operationalisierung von Art. 32 DSGVO für große Datenverarbeitungssysteme. Dies erfolgt unter Bezugnahme auf existierende Risikomodelle und Ansätze von Datenschutzaufsichtsbehörden (z.B. das deutsche Standard-Datenschutzmodell). Sodann wird der bestehende Regulierungsbedarf identifiziert. Hierbei werden auch Mechanismen zur Selbstregulierung sowie die Frage nach verbindlichen und unverbindlichen IT-Sicherheitsstandards miteinbezogen. Anschließend werden die Auswirkungen des IT-Sicherheitsgesetzes 2.0 für die IT-Sicherheitsanforderungen an große Datenverarbeitungssysteme bewertet. In den Fokus rücken hier insbesondere die neuen Pflichten für große Unternehmen sowie das neu eingeführte IT-Sicherheitskennzeichen. Schließlich werden Regulierungsvorschläge für die Ausgestaltung des Rechts auf europäischer und nationaler Ebene begleitet und bewertet, die aktuell in der Ausarbeitung sind.

Projektbeteiligte:
Die Koordination: Fraunhofer-Institut SIT (Dr. Annika Selzer).

Universität Kassel(Prof. Dr. Gerrit Hornung)
Goethe-Universität Frankfurt (Prof. Dr. Indra Spiecker gen. Döhmann, LL.M.)
Hochschule Darmstadt (Prof. Dr. Thomas Wilmer)

Kurzbeschreibung:

Die Cloud-Nutzung boomt weltweit und mit ihr die Fülle an Cloud-Service-Anbietern und Zertifizierungsstellen. Der gegenwärtige Markt gleicht einem Dschungel an Angeboten und Zertifizierungen. Gleichzeitig ergeben sich neue Anforderungen durch das Inkrafttreten der neuen EU-Datenschutz-Grundverordnung. Das Forschungsprojekt „AUDITOR“ will hier deshalb Klarheit und mehr Rechtssicherheit schaffen und gestützt auf Vorarbeiten aus dem „Trusted Cloud“-Technologieprogramm eine europaweit einheitliche Zertifizierung unter Einbindung der etablierten Normung entwickeln. Ziel des Forschungsprojekts „AUDITOR“ ist die Konzeptionierung, exemplarische Umsetzung und Erprobung einer nachhaltig anwendbaren EU-weiten Datenschutzzertifizierung von Cloud-Diensten. Die Zertifizierung nach Maßgabe der EU-Datenschutz-Grundverordnung (DSGVO) ist im Interesse aller Beteiligten: Der Cloud-Kunden, die nur mit solchen Cloud-Anbietern zusammenarbeiten dürfen, die hinreichende Garantien zur Einhaltung des Datenschutzes vorweisen können, der Cloud-Anbieter, die mit einer Zertifizierung ebendiese Sicherheit bieten können, der Prüf- und Zertifizierungsstellen, für deren Geschäftsfeld die DSGVO zwingende Regeln vorsieht, und der potentiell durch die Datenverwendungen betroffenen Endverbraucher, deren Schutz personenbezogener Daten im Mittelpunkt der Zertifizierung von Cloud-Diensten steht. Das AUDITOR-Projekt strebt eine europaweite Anerkennung an, damit die Zertifizierung nach AUDITOR ihre volle Wirksamkeit sowohl auf nationaler als auch auf Ebene der EU-Mitgliedsstaaten entfalten kann.

Um eine nachhaltige Datenschutzzertifizierung zu konzipieren, wird zunächst ein Kriterienkatalog für die Zertifizierung von Cloud-Diensten nach der DSGVO entwickelt und eine entsprechende Standardisierung in Form einer DIN-Spezifikation angestrebt. Diese DIN-Spezifikation bildet die Grundlage für die Europäische Normung und die Entwicklung eines EU-weit anerkannten Datenschutz-Zertifizierungsschemas. Das erarbeitete AUDITOR-Zertifizierungsverfahren wird sodann noch im Rahmen der Projektlaufzeit in der Praxis erprobt und validiert.

Projektpartner :
Karlsruher Institut für Technologie – Fachgebiet Critical Information Infrastructures
Prof. Dr. Ali Sunyaev
Universität Kassel – Institut für Wirtschaftsrecht 
Prof. Dr. Alexander Roßnagel
CLOUD&HEAT Technologies GmbH
Dr. Marius Feldmann
Datenschutz cert GmbH
Dr. Sönke Maseberg und Dr. Irene Karper
DIN e.V. - DIN-Normenausschuss Informationstechnik und Anwendungen (NIA). Dr. Volker Jacumeit
Ecsec GmbH
Dr. Detlef Hühnlein
EuroCloud Deutschland_eco e.V., eco – Verband der Internetwirtschaft
Andreas Weiss

Assoziierte Partner:
Bundesamt für Sicherheit in der Informationstechnik (BSI)
Dr. Clemens Doubrava
Consultix GmbH
Andres Dickehut‎
Fabasoft Austria GmbH
Oliver Albl
PricewaterhouseCoopers GmbH Wirtschaftsprüfungsgesellschaft
Christian Bartmann
SCOPE Europe b.v.b.a/s.p.r.l.
Jörn Wittmann
Trusted Cloud e.V.
Thomas Niessen
TÜV Informationstechnik GmbH
Jörg Schlißke
Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein
Henry Krasemann
VOICE-Bundesverband der IT-Anwender e. V.
Stefan Schumacher 

Kurzbeschreibung:

Ziel des Projektes „Autarq 2.0“ ist eine Förderung der Prinzipien des agilen Mindsets unter den Mitarbeitenden, insbesondere der damit verbundenen Dimensionen „eigenverantwortliche Selbststeuerung und kollaborativer Austausch“. Damit wollen wir in Zusammenarbeit mit dem Institut für Transformation die Belegschaft in der Produktion fit für den dynamischen Wachstumsprozess bei Autarq machen.

Das Projekt stellt für uns eine Möglichkeit dar, erste Ergebnisse aus unseren Forschungsbemühungen zum Thema Agiles Mindset in die Praxis zu tragen. Umgekehrt bietet sich uns mit diesem Projekt die Gelegenheit, Praxiserkenntnisse in unsere Forschung zum Agilen Mindset einfließen zu lassen.

Projektbeteiligte:
Fachgebiet Wirtschaftsinformatik – Universität Kassel
Institut für Transformation – Karen Eilers

Kurzbeschreibung:

Der Zahnputzvorgang ist bis heute weitgehend unverstanden, da Forschungsgeräte fehlen, mit Hilfe derer er im Detail beschrieben und analysiert werden kann. Dabei ist diese hochkomplexe und weitgehend automatisierte Tätigkeit von hoher gesundheitlicher Relevanz. Zudem sind weite Bevölkerungsteile nicht in der Lage, beim Zähneputzen Plaquefreiheit herzustellen und leiden unter plaqueassoziierten Erkrankungen; dies unabhängig davon, ob sie elektrisch oder manuell putzen. Unter anderem deswegen ist ein genaues Verständnis des Zahnputzvorgangs aus der Perspektive verschiedener Wissenschaften, allen voran der Zahnmedizin aber auch der Psychologie und den Bewegungswissenschaften, von besonderem Interesse. Dabei stoßen aktuell verfügbare Forschungsmethoden schnell an ihre Grenzen. Die genaueste Analyse des Zahnputzvorgangs liefert bislang die Videoanalyse. Diese ist äußerst zeitaufwändig und zugleich wenig detailliert. Daher wird ein Forschungsgerät entwickelt, das eine detaillierte Analyse des Zahnputzvorgangs automatisiert vornimmt und so dessen genaueres Studium ermöglicht. Eine manuelle Zahnbürste wird mit entsprechender Sensorik ausgestattet, die die Abbildung physikalischer Größen, die den Zahnputzvorgang kennzeichnen, ermöglicht. Hierzu gehören u.a. Kraft, Trägheit und Beschleunigung, Bewegungsrichtung und –amplitude. Mithilfe externer Referenzsysteme wird außerdem eine exakte Positionsbestimmung ermöglicht. Mit Verfahren des maschinellen Lernens wird eine Algorithmik entwickelt und erforscht, die eine Abbildung der mit der Sensorik erfassten physikalischen Größen auf Verhaltensparameter und klinische Daten erlaubt. Hierfür werden Studien zur Erfassung von Beispieldaten durchgeführt. Im Hinblick auf die spätere Anwendung des Forschungsgeräts in der zahnmedizinischen und verhaltenswissenschaftlichen Grundlagenforschung erfolgt eine kontinuierliche Evaluation. Am Ende des Projektes steht ein durch entsprechende Studien validiertes Gerät zur differenzierten automatisierten Erfassung des Zahnputzvorgangs zur Verfügung. Dieses Gerät wird wichtige Impulse für die Grundlagenforschung in der Zahnmedizin aber auch in anderen Disziplinen, wie der Psychologie und den Bewegungswissenschaften liefern.

Projektpartner:
Professorin Dr. Renate Deinzer
Justus-Liebig-Universität Gießen
Fachbereich Medizin
Institut für Medizinische Psychologie
Professor Dr. Bernhard Sick
Universität Kassel
Fachbereich 16 - Elektrotechnik/Informatik
Fachgebiet Intelligente Eingebettete Systeme
Professor Dr. Keywan Sohrabi
Technische Hochschule Mittelhessen
Fachbereich 05 - Gesundheit

Kurzbeschreibung:

In dem von der Deutschen Forschungsgemeinschaft finanzierten Graduiertenkolleg „Privatheit und Vertrauen für mobile Nutzende“ werden interdisziplinär neue Lösungen für den Schutz der Privatsphäre bei der mobilen Internetnutzung entwickeln. Vertreter der Informatik, Usability und Wirtschaftswissenschaften aus der TU Darmstadt arbeiten eng mit Wissenschaftler aus den Bereichen der Rechtswissenschaften und der Soziologie der Universität Kassel zusammen. Sie alle arbeiten in interdisziplinären Promotionsthemen an der Vision eines neuartigen persönlichen Mobilgeräts.

Das neue Graduiertenkolleg möchte zu besserem und persönlich anpassbarem Schutz der Privatsphäre der Nutzenden und zu mehr Transparenz in der IT-Welt beitragen.  Die Nutzenden sollen in der Lage sein, das sie umgebende Netzwerk und seine Komponenten hinreichend zu verstehen, die vermeintliche Qualität einer Dienst- und System-Nutzung mit all den Vor- und Nachteilen abzuwägen und so die Vertrauenswürdigkeit zu bewerten. Die Ergebnisse des Graduiertenkollegs sollen dazu beitragen, dass die Grundrechte auf informationelle Selbstbestimmung und auf Schutz des Telekommunikationsgeheimnisses im Internet künftig besser verwirklicht werden können.

Das Graduiertenkolleg ist in vier Forschungsbereiche und 12 Forschungsteilbereiche untergliedert:

• Forschungsbereich A: Privatheit und Vertrauen in digitalen Dienste-Netzen
• Forschungsbereich B: Privatheit und Vertrauen in sozialen Onlinenetzen
• Forschungsbereich C: Privatheit und Vertrauen in sensorgestützten Umgebungen
• Forschungsbereich D: Privatheit und Vertrauen mittels ALTEREGO

Projektbeteiligte:

ITeG-Fachgebiete an der Universität Kassel
Fachgebiet Öffentliches Recht, insb. Umwelt- und Technikrecht (Prof. Dr. Alexander Roßnagel)
Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht (Prof. Dr. Gerrit Hornung)
Fachgebiet Soziologische Theorie (Prof. Dr. Jörn Lamla)

Fachgebiete der TU Darmstadt
Information Systems (Prof. Dr. Peter Buxmann)
Cryptoplexity (Prof. Dr. Marc Fischlin)
Electronic Markets (Prof. Dr. Oliver Hinz)
Security Engineering (Prof. Dr. Stefan Katzenbeisser)
Secure Mobile Networking Lab (Prof. Dr.-Ing. Matthias Hollick)
Telecooperation (Prof. Dr. Max Mühlhäuser)
Security, Usability and Society (Prof. Dr. Melanie Volkamer)
Work and Engineering Psychology (Prof. Dr. Joachim Vogt)
Security in Information Technology (Prof. Dr. Michael Waidner)

Kurzbeschreibung:

Das Projekt quantifiziert und evaluiert Konzentrationsphänomene in hochdimensionalen Daten, welche oftmals assoziiert werden mit dem Begriff „Dimension Curse“ oder auch „Fluch der Dimension“. So heißt das Zusammenspiel einer Vielzahl von Effekten, die auftreten, wenn maschinelle Lernverfahren auf hochdimensionale Daten angewendet werden, etwa bei Tumoren in der Medizin. Bisher kann dieses Phänomen noch nicht mit Algorithmen erkannt werden. Es ist daher offen, inwieweit es Ergebnisse wissenschaftlicher Anwendungen entscheidend beeinflusst hat.

Ziel des Projektes „Dimension Curse Detector“ ist es, den Einfluss des Konzentrationsphänomens offenzulegen. Dafür werden algorithmisch berechenbare Dimensionsfunktionen entwickelt und prototypisch implementiert. Der Dimensionsfluch ist in Data Science und Machine Learning ein Sammelbegriff für eine Vielzahl von Phänomenen, die von hochdimensionalen Daten ausgeprägt werden, insbesondere die Konzentration von Bewertungs- und Distanzfunktionen. Dieser Aspekt wird oft nur anekdotisch gefasst, was zu einer Vielzahl von empirisch abgeleiteten Empfehlungen führte, die jedoch mathematisch unfundiert als auch widersprüchlich sind. Um den wissenschaftlichen sowie ökonomischen Einsatz von Methoden der Künstlichen Intelligenz auch für zukünftige, erwartbar hochdimensionale, Daten sicherzustellen, ist das Erkennen sowie die Quantifizierung des Dimensionsfluchs notwendig. Nur so ist es möglich, im Sinne von Explainable AI die auf Basis dieser Daten getroffenen Entscheidungen transparent und damit einer bewussten Reflexion und diskursiven Argumentation zugänglich zu machen. Der Dimension Curse Detector soll in diesem Sinn ein Werkzeug für die Gestaltung gesellschaftlich wünschenswerter IT-Anwendungen werden.

Kurzbeschreibung:

Die COVID-19-Pandemie und die daraus resultierende Umstellung auf Distanzunterricht in den Schulen rückt die Frage nach der Nutzung schulischer Informationssysteme (z.B. Lernapps, Infrastrukturapps, Lernplattformen) in den Fokus. Die große Bandbreite an Angeboten und die Anforderungen, die vor allem die Datenschutz-Grundverordnung (DSGVO) an den Betrieb dieser Informationssysteme stellt, führen im Schulalltag zu mannigfaltigen Rechtsunsicherheiten. Sowohl Lehrer*innen als auch Eltern und Schüler*innen sind bei der Bewertung, ob eine von ihnen verwendete Anwendung den datenschutzrechtlichen Anforderungen Rechnung tragen, oft unzureichend informiert. Auf Seiten der Entwickler*innen bestehen ebenfalls Unsicherheiten über die rechtlichen Anforderungen, die ein von ihnen entwickeltes Produkt erfüllen muss. Insgesamt fehlt es bisher an einer eindeutigen Erkennbarkeit von Anwendungen, die die komplexen datenschutzrechtlichen Anforderungen einhalten.

Um dieses Problem zu adressieren, wird im BMBF-Verbundprojekt „Data Protection Certification for Educational Information Systems“ („DIRECTIONS“) eine nationale Datenschutzzertifizierung für schulische Informationssysteme entwickelt. Dabei sind zwei Ausbaustufen vorgesehen: Zunächst wird ein Gütesiegel entworfen, das für die Einhaltung bestimmter datenschutzrechtlicher Kriterien verliehen werden kann. Dieses Gütesiegel wird in einem zweiten Schritt zu einer vollwertigen Datenschutzzertifizierung gemäß Art. 42 DSGVO weiterentwickelt.  

Die Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht (Prof. Dr. Gerrit Hornung, LL.M.), bearbeitet das DIRECTIONS-Teilvorhaben „Rechtliche Anforderungen für Zertifizierungskriterien und Bewertungsprogramme“. Im Rahmen des Teilvorhabens ist die Universität Kassel an der näheren Bestimmung des Zertifizierungsgegenstandes sowie der Erarbeitung des Kriterienkatalogs beteiligt. Dabei werden unter anderem die Vorschriften der DSGVO, des TTDSG, des BDSG, der Landesdatenschutz- und Landesschulgesetze sowie der geplanten e-Privacy Verordnung berücksichtigt. Darauf aufbauend wird zunächst ein Gütesiegel konzipiert, erprobt und vergeben, das sodann zu einer Zertifizierung im Sinne von Art. 42 DSGVO weiterentwickelt wird. In diesem Zusammenhang beteiligt sich die Universität Kassel an der Erarbeitung eines Konformitätsbewertungsprogramms sowie eines praxistauglichen Modularisierungs- und Schutzklassenkonzepts, das den unterschiedlichen Risiken verschiedener Verarbeitungsvorgänge sowie den Bedürfnissen kleiner und mittelständischer Unternehmen (KMU) Rechnung trägt.

Die Koordination von DIRECTIONS obliegt dem Karlsruher Institut für Technologie (Prof. Dr. Ali Sunyaev). Weitere Partner sind die Universität Kassel (Prof. Dr. Gerrit Hornung, LL.M.) sowie die datenschutz cert GmbH. Zudem wird das Projekt von einem heterogenen Expertenbeirat, verschiedenen assoziierten Partnern sowie einem Gremium der Datenschutz-Aufsichtsbehörden begleitet.

Für weitere Informationen siehe die DIRECTIONS-Website.

Kurzbeschreibung:

Die freie demokratische Willensbildung wird zunehmend durch Desinformationen, die in Messenger-Diensten (Whatsapp, Telegram und co.) verbreitet werden, herausgefordert, wie sich im Fall der massenhaften Verbreitung von falschen, ungenauen oder irreführenden Informationen in Bezug auf die Covid-19-Pandemie zeigt („Infodemie“).

Im Gegensatz zu öffentlichen Beiträgen in sozialen Netzwerken und quasi-journalistischen Plattformen, findet die Kommunikation durch Messenger-Dienste überwiegend im Unsichtbaren statt (sog. „Dark social“). Prägend für diese Verbreitungsform ist auch, dass der Informationsfluss schnell, direkt und massenhaft zwischen Einzelpersonen, als auch in Gruppen, Kanälen und Broadcasts erfolgt.

Um den hochdynamischen Gegenstand der digitalen Desinformation umfassend zu untersuchen, findet im Verbundsprojekt DYNAMO eine interdisziplinäre Zusammenarbeit von Wissenschaftler*Innen der Informatik, Journalistik, Sozialpsychologie und Rechtswissenschaften statt.

Aufbauend auf bisherige Forschungsergebnisse der Projektpartner im Bereich der digitalen Desinformation werden im Projekt DYNAMO Messenger-Dienste und dort verwendete Formate wie Audio- und Videonachrichten fokussiert. Zunächst erfolgt eine Auswahl von Themen mit hohem Desinformationspotential und die Identifikation relevanter Kanäle. Sodann wird eine automatisierte Datenerhebung vorgenommen, wobei der Datenschutz durch eine Privacy-by-Design-Infrastruktur gesichert wird. Auf dieser Grundlage sollen Verbreitungsmuster innerhalb Messenger sowie von Messengern in andere Medien erkannt werden. Zudem werden Nutzungspraktiken, emotionale Komponenten sowie Eigenschaften von Desinformationen bestimmt, die zu einer besonders starken Verbreitung führen. Im nächsten Schritt werden gesellschaftliche, technische und juristische Maßnahmen zur Bekämpfung von Desinformationen untersucht.

Die Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht, widmet sich der rechtswissenschaftlichen Untersuchung des Gegenstands.

Dabei werden verfassungsrechtliche Grundprobleme, die mit den Dynamiken der digitalen Desinformation einhergehen, erörtert. Insbesondere wegen der Privatheit einiger Verbreitungsräume und Unsichtbarkeit des Informationsflusses stellen sich im Vergleich zu öffentlich zugänglichen sozialen Medien und quasi-journalistischen Plattformen neue rechtliche Fragestellungen im Hinblick auf eine grundrechtskonforme Erkennung und Bekämpfung von Desinformation. So sind Grundrechte, wie das Fernmeldegeheimnis, Meinungsfreiheit, Wissenschaftsfreiheit und Berufsfreiheit als auch das Demokratieprinzip, dessen Grundvoraussetzung die freie Willensbildung ist, in einen optimalen Ausgleich zu bringen.

Weitere zentrale Fragestellungen stellen sich in Bezug auf die rechtliche Verantwortlichkeit der Messenger-Dienst-Anbieter und Rechtmäßigkeit der sog. „Community Standards“.

Zudem werden die Auswirkungen und Effektivität rechtspolitischer Maßnahmen, wie des Telekommunikationsgesetzes und des Entwurfs des Digital Services Acts der EU in Bezug auf den Forschungsgegenstand untersucht und Ideen für weitere Regulierungsinstrumente konzipiert.

Die Projektkoordination erfolgt durch das Fraunhofer-Institut für Sichere Informationstechnologie SIT (Prof. Steinebach). Weitere Projektpartner sind die Universität Duisburg-Essen, Sozialpsychologie (Prof. Krämer); und die Hochschule der Medien Stuttgart, Journalistik (Prof. Bader und Prof. Rinsdorf).

Kurzbeschreibung:

Im Jahr 2050 werden etwa zwei Drittel der Weltbevölkerung in Städten leben. 1950 waren es noch 30 Prozent, 2010 schon etwa 50 Prozent. Das andauernde Wachstum der Städte ist nur durch eine effizientere Gestaltung der (kritischen) Infrastrukturen wie Energie, Transport, Logistik und Wasser möglich. Die Informations- und Kommunikationstechnologien (IKT) bieten dabei vielfältige Möglichkeiten, um diese Effizienzgewinne zu erreichen und fungieren als Wegbereiter für digitale Städte. Diese Entwicklung stellt jedoch auch eine Bedrohung für die Funktionsfähigkeit von Städten in Krisensituationen dar. Zunehmende Vernetzung und Abhängigkeit von digitalen Diensten machen Gesellschaften anfälliger für störende Ereignisse, die sich auf die regulären IKT-Funktionen auswirken. IKT-basierte Infrastrukturen sind durch von Menschen verursachte Beeinträchtigungen, Naturkatastrophen, Gewalt und Terror gefährdet. Gleichzeitig ist die Funktionsweise digitaler Städte in Fällen von Extremereignissen, Krisen und Katastrophen bisher nicht ausreichend erforscht. Das durch die Hessische Landesregierung geförderte LOEWE-Zentrum „emergenCITY - The Resilient Digital City“ will Grundlagen, Methoden und Lösungen untersuchen, um einen neuartigen Lösungsansatz der Krisenbewältigung durch IKT-basierte Infrastrukturen zu etablieren. Dieser Ansatz wird als so genannte „Resilient Digital Cities“ bezeichnet. Resilienz meint in diesem Kontext die Fähigkeit eines Systems, Krisen zu absorbieren, sich von diesen zeitnah und nachhaltig zu erholen oder durch Wandlung vergleichbare bzw. neuartige Funktionsfähigkeit zu erlangen. 

Unternehmen, die digitale Produkte oder Dienstleistungen vermarkten, stehen oft vor dem Dilemma, dass ihr Interesse und ihr Bedarf an Kundendaten dem Wunsch der Kundinnen und Kunden nach Privatheit entgegensteht. Für Verbraucherinnen und Verbraucher bedeutet es einen Eingriff in ihre Selbstbestimmungsrechte, wenn sie zu viele Daten preisgeben müssen oder durch digitale Überwachung in ihrem Verhalten unbemerkt gelenkt werden. Im Projekt FAIRDIENSTE wird dieser Strukturkonflikt zum Anlass genommen, verschiedene Wege der fairen Vermittlung von Werten im Zuge der Geschäftsmodellgestaltung mit soziologischen und  (wirtschafts-)informatischen Ansätzen auszuloten und in Beziehung zu setzen. Entwickelt und praxisnah getestet werden soll so eine multidimensionale Methodik der „Ko-Valuation“, d. h. der kooperativen Wertevermittlung, die Unternehmen dabei hilft, ihre wirtschaftlichen Geschäftsmodelle mit Gesichtspunkten datenökonomischer Fairness in Einklang zu bringen.

Projektpartner
Das Projekt ist eine Kooperation der Fachgebiete Soziologische Theorie (Prof. Dr. Jörn Lamla, Verbundkoordination), Partizipative IT-Gestaltung (Prof. Dr. Claude Draude) sowie Wissensverarbeitung (Prof. Dr. Gerd Stumme) an der Universität Kassel, dem Institut für Wirtschaftinformatik und Neue Medien an der Ludwig-Maximilians-Universität München (Prof. Dr. Thomas Hess), dem Unternehmen BurdaForward (Dr. Richard Weber, München) sowie dem Institut für Technik und Journalismus (Miriam Ruhenstroth, Berlin).

Die KI-Nachwuchsgruppe „Graphs in Artificial Intelligence and Neural Networks (GAIN)“ hat im September 2020 an der Universität Kassel und dem Fraunhofer IEE in Kassel ihre Arbeit aufgenommen. Die Arbeitsgruppe beschäftigt sich unter ihrer Leitung mit der Dynamik und Erklärbarkeit von Graph Neural Networks. Ziel der Nachwuchsgruppe GAIN ist die Entwicklung von Algorithmen für bisher ungelöste Probleme in der Dynamik von Graph Neural Networks, um deren Anwendung unter anderem im Bereich erneuerbare Energien zu ermöglichen. Ein weiterer Fokus wird auf der Erklärbarkeit der Algorithmen liegen, um den Übergang der Algorithmen aus der Grundlagenforschung heraus in die Anwendung zu erleichtern.

Kurzbeschreibung:

Im Projekt GEMIMEG-II wird eine sichere, durchgängige, rechtsgemäße und rechtsverträgliche Ende-zu-Ende-Verfügbarkeit von Informationen für die Umsetzung von zuverlässigen, vernetzten Messsystemen entwickelt. Der Fokus des Gesamtvorhabens liegt in der Metrologie (Kalibrierung, Referenzierung, Einmessung), also in Vertrauens- und Qualitätsinformationen über Messgeräte, Sensornetzwerke, digitale Zwillinge und Datenanalysemethoden (Transformation). Dabei ist die Qualität der gewonnenen Daten und die Belastbarkeit der davon abgeleiteten Aussagen und Schlüsse von zentraler Bedeutung, insbesondere für die Industrie und den elektronischen Rechtsverkehr. Die verlässliche und geprüfte Feststellung und Sicherung der Datenqualität ist dabei die Voraussetzung, um Daten als Wirtschaftsgut erfolgreich einsetzen zu können.

Projektpartner
Samson KT Elektronik GmbH, digiraster GmbH & Co. KG, Valeo GmbH, Bosch.io, Carl Zeiss 3D Automation GmbH, Robert Bosch GmbH, Siemens AG, T-Systems International GmbH, Fraunhofer Gesellschaft, Universität Siegen und Physikalisch-Technische Bundesanstalt (PTB)

Pressemitteilung
Rechtsfragen digitaler Zwillinge

Ausgangssituation:

Im Zeitalter der kontinuierlich zunehmenden Anzahl an digitalen Produkten, Prozessen und Dienstleistungen steigen die Ansprüche an einen qualitativ hochwertigen IT-Support stetig. Dies betrifft Kleinunternehmen, die sich z. B. auf In-House entwickelte Software und deren Support spezialisiert haben, aber auch Großunternehmen, die sich mit den Herausforderungen eines zentralisierten Global-Supports beschäftigen. So nimmt nicht nur die Anzahl an Support-Anfragen enorm zu, sondern auch die Anzahl der unterschiedlichen Anfragetypen. Das führt unter anderem dazu, dass die IT-Support-Mitarbeitenden mit einer Vielzahl an sich wiederholenden, monotonen Aufgaben konfrontiert werden. Dies kann insbesondere bei Stoßzeiten zu Unzufriedenheit der Mitarbeitenden bezüglich ihrer Tätigkeit führen und sich auf Qualität und Effizienz des Supports auswirken.

Projektziele:

Ziel des Forschungsprojekts HISS ist die Entwicklung eines auf hybrider Intelligenz basierenden nutzerzentrierten Dienstleistungssystems für den IT-Support, das eine lernfähige KI einsetzt. Das System vereint dabei den klassischen Support mit crowd-basierten Ansätzen, welche weitere Experten der Belegschaft in den Prozess mit einbinden kann. Darüber hinaus wird eine automatisierte Chat-Technologie entwickelt, die insbesondere eine Verzahnung von menschlichem Support und entsprechenden Problemlösungskompetenzen ermöglicht.
 

Vorgehensweise:

Dazu werden die bisherigen Abläufe des IT-Supports in unterschiedlichen Unternehmenstypen betrachtet, klassifiziert und ausgewertet. Die Ergebnisse fließen in die Entwicklung des HISS-Konzepts, bestehend aus der Zusammenführung einer KI-Chat-Technologie und crowd-basierten Supportstrukturen aus Expertenwissen, ein. Mithilfe von Interviews, wissenschaftlichen Evaluationen und Workshops wird das Konzept iterativ weiterentwickelt und somit optimiert. Dabei sollen Mitarbeitende dazu befähigt werden, den KI-Einsatz selbst zu gestalten. Die Pilotierung erfolgt bei drei Konsortialpartnern: einem kleinen, einem mittleren sowie einem international agierenden Großunternehmen.

Ergebnisse und Anwendungspotenzial:

Die Projektergebnisse werden kontinuierlich praxistauglich in einem Playbook aufbereitet, das zum Mitdenken und Experimentieren einlädt und anhand der Praxisbeispielen aufzeigt, wie man sein eigenes Modell für den jeweiligen IT-Support erstellt. Durch HISS werden Mitarbeiter entlastet und Freiräume für eine Aufwertung und Neukonzeption der Rolle der Support-Mitarbeitenden entstehen. Damit werden die Weichen gestellt, um Innovationen, Qualität und Nutzungsorientierung des zukünftigen Supports und in Folge auch die Wettbewerbsfähigkeit der Unternehmen zu steigern.
 

Projektpartner:

» Universität Kassel
» Institut für Sozialwissenschaftliche Forschung e.V.
» COGNICY
» smartransfer
» public plan
» Starke+Reichert
» controlware communicationssystems
» B.Braun Melsungen

Ausgangssituation:

Fortschritte im Bereich der künstlichen Intelligenz, (insb. des maschinellen Lernens und der Spracherkennung), bieten neue Gestaltungsmöglichkeiten zur Reorganisation von Wissensarbeit an der Schnittstelle von Mensch und KI. KI-Systeme liefern nicht nur Potenziale in der Automatisierung von Routineaufgaben, sondern können als neue „Teammitglieder“ die Lösung von komplexen Aufgaben von Mitarbeiter*innen unterstützen, da sie in vielen Bereichen zum Menschen komplementäre Fähigkeiten beitragen. Menschen nehmen KI-basierte Systeme als soziale Akteure wahr, stellen deshalb aber auch ähnliche Erwartungen an die Qualität ihrer Lösungsbeiträge und ihr Kommunikationsverhalten, die häufig nicht erfüllt werden und zu Unzufriedenheit, Ablehnung bzw. Nicht-Nutzung der Systeme führen können. Durch die Unterschiede hinsichtlich der Fähigkeiten und Fertigkeiten von Menschen (d.h. menschlicher Intelligenz) und Maschinen (d.h. künstlicher Intelligenz) entstehen neuartige Gestaltungsherausforderungen in der Zusammenarbeit (hybride Intelligenzsysteme) sowie den Lernverfahren für menschliches und maschinelles Lernen.

Projektziele:

Ziel der Nachwuchsgruppe „HyMeKI“ ist die Entwicklung, Erprobung und Validierung von sozio-technischen Gestaltungsanforderungen und –mustern zur Entwicklung von KI-Systemen in der Wissensarbeit. Diese implementieren kollaborative Arbeitspraktiken der Mensch-KI-Zusammenarbeit, insbesondere zur Arbeitsteilung, zur transparenten, nachvollziehbaren Übergabe von Aufgaben und Arbeitsständen und zur Förderung des Lernens zwischen Menschen und KI-Systemen entsprechend ihrer jeweiligen Stärken.

Zur Zielerreichung werden zunächst repräsentative Kollaborationsszenarien im Bereich der Wissensarbeit anwendungsorientiert durch empirische Anforderungserhebung mit Unternehmen erhoben und modelliert. Die Nachwuchsgruppe „HyMeKI“ entwickelt darauf aufbauend eine Taxonomie zur Arbeitsteilung von Menschen und KI-Systemen. In Anlehnung daran werden Techniken zur Übergabeorchestrierung zwischen Menschen und KI sowie Techniken zur Förderung von KI- (bzw. Mensch-) unterstützten menschlichem (bzw. maschinellen) Lernen exploriert und in Gestaltungsmuster überführt. Die entwickelten Techniken und Gestaltungsmuster werden prototypisch instanziiert und in Labor-, Feld- und Onlinestudien sozio-technisch evaluiert. Das Vorhaben folgt damit einem gestaltungsorientierten Multimethodenansatz iterativer Entwicklung und Evaluation.

Teilvorhaben Kassel:

Das Teilprojekt „Techniken zur Förderung von KI-unterstütztem menschlichen Lernen sowie Menschunterstütztem KI-Lernen im Kontext der Wissensarbeit“ umfasst einen von zwei Forschungsschwerpunkten der Nachwuchsgruppe und wird von der Universität Kassel geleitet. Das Teilprojekt hat zum Ziel, Techniken für KI-unterstütztes menschliches Lernen (KI trainiert Mensch) sowie Techniken für Mensch-unterstütztes KI-Lernen (Mensch trainiert KI) im Anwendungsfeld der Wissensarbeit zu explorieren, Lerneffekte in Form von Wissenszuwachs im Labor und im Feld mittels qualitativer und quantitativer Methoden zu analysieren und Gestaltungsmuster abzuleiten. Die gesammelten Erkenntnisse fließen in die beiden Querschnittsthemen – d.h. eine Taxonomie zur Arbeits- und Aufgabenteilung zwischen Mensch und KI sowie ein Gestaltungsmusterkatalog, der KI-Nachwuchsgruppe ein.

 

Projektpartner:

» Universität Kassel, Fachgebiet Wirtschaftsinformatik, Dr. Sarah Oeste-Reiß (Nachwuchsgruppenleiterin), Prof. Dr. Jan Marco Leimeister (Mentor)
» Universität Kassel, Fachgebiet Intelligente Eingebettete Systeme, Prof. Dr. Bernhard Sick (Mentor)
» Universität Hamburg, Wirtschaftsinformatik, Sozio-Technische Systemgestaltung, Prof. Dr. Eva Bittner (Nachwuchsgruppenleiterin)

Feld- und Transferpartner:
» IHK Hessen innovativ
» Aiconix GmbH, Hamburg
» smartransfer, Kassel

Kurzbeschreibung:

Kommunikation mit Maschinen nimmt sowohl an Qualität als auch an Quantität stetig zu. Dies bleibt nicht ohne Auswirkungen auf die menschliche Kommunikationskultur, die mentalen Modelle der Nutzer und das Knüpfen von Beziehungen. Das von der Volkswagenstiftung geförderte Projekt „The implications of conversing with intelligent machines in everyday life for people´s beliefs about algorithms, their communication behavior and their relationship building“ untersucht vor diesem Hintergrund, wie Sprachassistenten weiterentwickelt, in ihrer Wirkung empirisch überprüft und ethisch und rechtlich bewertet werden können. Gemeinsam werden Gestaltungsvorschläge entwickelt, um Vorteile der Technologie zu stärken und ihre Risiken zu minimieren. Das Projekt ist Teil der Förderinitiative „Künstliche Intelligenz – Ihre Auswirkungen auf die Gesellschaft von morgen“ der VolkswagenStiftung.

Projektpartner:
Universität Duisburg-Essen, Sozialpsychologie - Medien und Kommunikation: Prof. Dr. Nicole Krämer (Koordination)
Universität Bielefeld, Sociable Agents Group und Machine Learning Group:
Prof. Dr.-Ing. Stefan Kopp und Prof. Dr. Barbara Hammer
Evangelische Hochschule Nürnberg: Prof. Dr. Arne Manzeschke

Aus­gangs­si­tua­ti­on

Bereits vor der Pandemie stieg die Nutzung von Videos und andere Lerninhalte zur Unterstützung von Lernprozessen stark an. Durch die Schließung vieler Bildungsstätten, wie Universitäten, ist der Einsatz von Lernvideos als Lernmethode nochmals stark angestiegen. Darüber hinaus verfolgt die Universität Kassel mit einem Entwicklungsplan und ihrem Leitbild das Ziel, die Digitalisierung von Studium und Lehre voranzutreiben. Dabei zeigt sich, dass der zunehmende Einsatz von Lernvideos und die fehlenden Interaktionen innerhalb der Videos auch negative Auswirkungen auf die Lernergebnisse von Studierenden haben können. Denn typische Lernvideos, in welchen ein Dozierender Inhalte vorträgt, können schnell demotivierend wirken, und vor allem leistungs-schwache Studierende benachteiligen. Vor diesem Hintergrund sollen Lernvideos nicht nur zur reinen Wissensvermittlung eingesetzt werden, sondern auch eine Wissensüberprüfung sowie Austausch mit anderen Studierenden ermöglichen, um die Interaktion im Rahmen des Einsatzes solcher Formate zu fördern. Gleichzeitig gibt es immer mehr Möglichkeiten für die Weiterentwicklung von Lernvideos mittels interaktiven oder auch gamifizierten Elementen, welche den Lernprozess von Studierenden anregen können.

Pro­jekt­ziel und Hin­ter­grund

Im Rahmen des Projekts werden lernzentrierte Ko-Kreationskonzepte entwickelt, um zum einen heterogene Gruppen von Studierenden in den Entwicklungsprozess von Lernvideos zu integrieren und zum anderen, um interaktive kurze Lerninhalte als motivierende und Engagement steigernde Elemente in Lehr-Lernformaten zu entwickeln. Dabei sollen Studierende personalisiert unterstützt werden, selbstständig kurze Lernvideos (5-8 Minuten) zu entwickeln und diese mit interaktiven Elementen aufzubereiten. Durch den Einsatz von digitalen Assistenten, sog. Chatbots, können die Studierenden aktiv und skalierbar im Erstellungsprozess unterstützt werden. Die Kombination von interaktiven Lernvideos mit Ko-Kreationskonzepten bietet uns die Möglichkeit, Studierende aktiv in digita-len Lehr-Lernprozesse einzubeziehen und tiefergehende didaktische Innovationen hinsichtlich der Gestaltung von Lernvideos und Ko-Kreationselementen in der Hochschule anzustoßen und mitzugestalten.

Grundlage für die Pilotierung ist ein bestehendes Flipped Classroom Konzept im Rahmen von bestehenden Grundlagenveranstaltungen, um die Ko-Kreationselemente innerhalb der Lehrveranstaltungen zu implementieren und auf ihre Wirksamkeit zu evaluieren. Das Projekt setzt sich zum Ziel, übertragbare Open Educational Ressource (OER) Konzepte und Module auf Basis von Open-Source Produkten zu entwickeln, um die Interoperabilität und die Übertragbarkeit der entwickelten Konzepte auf andere Kontexte zu ermöglichen.

Ausgangssituation:

In der heutigen Zeit gewinnen Geschäftsmodelle mit wiederkehrenden Umsätzen an Relevanz und entwickeln sich quer durch alle Branchen, von den IT-, Produktions- und eCommerce-Branchen, bis hin zu den Zukunftsbranchen der digitalen Medien, Automotive und IoT-Services. Von dieser Entwicklung sind unter anderem auch die Sharing Economy und Nachhaltigkeit der Industrie 4.0 betroffen. Diese Entwicklungen stellen neue Herausforderungen dar, die insbesondere deutsche KMU gefährden können. Diese KMU können so aufgrund fehlender Budgets, Kompetenzen und Strukturen auf dem internationalen Markt, insbesondere mit Hinblick auf die US-amerikanische und chinesische Konkurrenz, den Anschluss verlieren.

Projektziele:

Ziel des Forschungsprojekts HISS ist die Entwicklung eines auf hybrider Intelligenz basierenden nutzerzentrierten Dienstleistungssystems für den IT-Support, das eine lernfähige KI einsetzt. Das System vereint dabei den klassischen Support mit crowd-basierten Ansätzen, welche weitere Experten der Belegschaft in den Prozess mit einbinden kann. Darüber hinaus wird eine automatisierte Chat-Technologie entwickelt, die insbesondere eine Verzahnung von menschlichem Support und entsprechenden Problemlösungskompetenzen ermöglicht.
 

Vorgehensweise:

Das Projekt KI-BA setzt sich zum Ziel, einen technologiebasierten Lösungsansatz für die beschriebene Problematik/Ausgangssituation zu finden. Durch den Einsatz von Chatbot-Technologien und KI-gestützten Methoden, sowie dem Konzept des Digital Nudgings, soll ein Frühwarnsystem entwickelt werden, welches es KMU ermöglicht Kundenabwanderungen besser zu analysieren und diesen präventiv gegensteuern zu können. Hierbei sollen auch mittels datengetriebener Methoden – wie etwa dem maschinellen Lernen – anlassbezogen und automatisiert, personalisierte Empfehlungen oder Angebote in Echtzeit erstellt werden. Diese Angebotsunterbreitung soll über eine intelligente Web-UX/UI präsentiert werden, die unter anderem Gebrauch von modernen Kommunikationsschnittstellen wie Conversational Agents (z.B. Chatbots) Gebrauch macht.
Das Übergeordnete Ziel des Projekts ist die Entwicklung eines Anwendungsmodells, welches deutsche KMU Abo-Dienstleister dazu befähigt, anlassbezogen und automatisiert in Echtzeit Maßnahmen zu ergreifen. Dafür sollen die Verringerung der Kündigungswahrscheinlichkeit von Kunden und die Optimierung der Monetarisierung von Abo-Geschäftsverhältnissen, um somit die internationale Konkurrenzfähigkeit deutscher KMU sichergestellt werden.
 

Projektpartner:

» billwerk GmbH
» Universität Kassel, Fachgebiet Wirtschaftsinformatik

Kurzbeschreibung:

Künstliche Intelligenz (KI) und insbesondere das maschinelle Lernen sind die Schlüsseltechnologien des autonomen Fahrens. Leistungsfähige Computer und Algorithmen erlernen selbstständig Erkennungs- und Lösungsmuster, wie beispielsweise die automatische Erkennung von Verkehrsschildern, anderen Fahrzeugen oder Fußgängern mit Hilfe von Kamerabildern, Radar- oder Laserdaten.

In einer urbanen Verkehrssituation, in der ein autonom fahrendes Fahrzeug hinter einem Radfahrer auf eine Kreuzung zufährt wird die Umgebung durch die im Fahrzeug eingebaute Kamera wahrgenommen. Die mittels maschineller Lernmethoden „angelernte“ KI versucht, alle Verkehrsteilnehmer im Kamerabild zu erkennen. Im Projekt „KI Data Tooling“ sollen Werkzeuge entwickelt werden, die auch kritische und von der KI nicht gut abgedeckte Situationen (schlechtes Wetter, schlechte Sicht) automatisiert identifizieren können. Dafür werden Methoden und Werkzeuge für einen effizienten Aufbau der Datenbasis für das automatisierte Fahren entwickelt. Bereits zum Aufbau dieser Datenbasis sind schon KI-Methoden erforderlich. Diese neuen Methoden werden am Fallbeispiel der Erkennung von ungeschützten Verkehrsteilnehmern (zum Beispiel Fußgänger) erprobt.

Die Forscherinnen und Forscher des Fachbereichs Intelligente Eingebettete Systeme (Prof. Dr. Bernhard Sick) leiten im Verbundprojekt „KI Data Tooling“ gemeinsam mit BMW das Teilprojekt „Qualitätsanforderungen und Effizienzpotenziale der Datengenerierung und -bereitstellung“ und sind zudem hauptverantwortlich für die Bereitstellung von Daten zu sogenannten Corner Cases. Bei Corner Cases handelt es sich um seltene, aber oft kritische Situationen im Straßenverkehr. Darüber hinaus ist die Universität Kassel federführend bei der Automatisierung der Datenveredelung (Annotation mit zusätzlichen Informationen) unter Verwendung von Methoden des aktiven Lernens.

Projektpartner
17 Forschungspartner aus Wirtschaft und Wissenschaft https://www.ki-datatooling.de/project; Koordination: BMW-Group

Kurzbeschreibung:

Das traditionelle Naturreifeverfahren in der Wurstproduktion (Ahle Wurst) ist ein komplexer Prozess, bei dem es, neben kaum beeinflussbaren Einflussfaktoren wie Wetter, sehr auf die Erfahrung der einzelnen Mitarbeiter ankommt.

Anders als in der industriellen Produktion erfolgt die traditionelle natürliche Reifung von Ahler Wurst nicht in hochkontrollierten Reifekammern mit präzise gesteuerten Parametern (Temperatur, Luftfeuchtigkeit, abgeschirmt von äußeren Umwelteinflüssen), sondern in einem natürlichen Umfeld in Lehmkammern auf den Dachböden historischer nordhessischer Fachwerkhäuser. Dieses Vorgehen sorgt bei der Reifung für ein charakteristisches, besonders intensives Aroma der Wurst, ist aber gleichzeitig mit einem außergewöhnlich hohen Überwachungs- und Pflegeaufwand der Produkte in den unterschiedlichen Phasen der Reifung verbunden. So muss jede in der Reifung befindlichen Wurst regelmäßig auf den Reifegrad geprüft und gegebenenfalls innerhalb der Reiferäume umgelagert werden. Es wird nach Möglichkeiten gesucht, diese Prozesse durch die Aufnahme und KI-basierte Auswertung von Umgebungsdaten zu unterstützen. Das Verfahren könnte zukünftig auf andere Produkte mit Naturreifeprozessen übertragen werden und auch dort die Produktion unterstützen.

Auf Basis von gemessenen Umgebungsdaten soll geklärt werden: Wann muss gelüftet werden? Wie warm darf es sein? Wann muss die Wurst gewaschen werden? Wie hoch muss die Luftfeuchtigkeit bei den verschiedenen Reifegraden sein? Es sollen geeignete Methoden gefunden werden, die den Reifegrad der Produkte anhand von Sensordaten in Kombination mit KI-Algorithmen bestimmen und verlässliche Daten über den Reifungsprozess liefern.

Kurzbeschreibung:

In einer Zeit, in der sich klimapolitische Forderungen in dem Ausbau regenerativen Energien und der Entwicklung innovativer Stromanwendungen, beispielhaft der E-Mobilität, manifestieren, müssen die digitalen, überwiegend automatisierten, Prozesse effizient und schnell gesteuert werden. Dabei erfordert der stark schwankende Leistungsbedarf intelligente Stromnetze, die dauerhaft die gesamtgesellschaftliche Abhängigkeit von der Ressource Energie sichern. Gleichzeitig geraten Kritische Infrastrukturen seit mehreren Jahren immer stärker und qualifizierter in den Fokus von Angreifern. Neben den finanziellen Vorteilen (z.B. durch erfolgreiche Erpressungen) erhöhen die vielfältigen Verschleierungsmöglichkeiten die Attraktivität von Angriffen auf Kritische Infrastrukturen. Scheinen auch die Vorteile der digitalen Vernetzung zu überwiegen, so bieten sie eine überproportionale Erhöhung der Angriffsfläche und Verletzbarkeit bei ohnehin bereits bestehenden Schwächen im IT-Sicherheitsfundament.

Daher werden im Projekt „Skalierendes Sicherheitsfundament für Kritische Infrastrukturen (KRITEX)“ mithilfe eines „Multilevel Security“ Betriebssystems, das zur Segregation und Skalierbarkeit befähigt ist, untergesetzliche konkretisierende Regeln für ein Segregationsmodell erforscht und entworfen, welches den Anforderungen der Versorgungsunternehmen an Risikoreduzierung über Sicherheitsgrenzen gerecht wird. Die mit der Multilevel-Befähigung einhergehende systematische Subsumierbarkeit rechtlicher Anforderungen soll die Wirksamkeit der für den Schutz der Kritischen Infrastrukturen erforderlichen Rechtsgestaltung erhöhen.

Dem Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht obliegt es, die erforderlichen rechtlichen Betrachtungen vorzunehmen und die projektrelevanten Rechtsanalysen und -vorschläge zu erarbeiten. Auf Grundlage des Status quo des sektorspezifischen IT-Sicherheitsrechts soll vor dem Hintergrund der KI-Implementierung ein rechtsgestaltender Vorschlag zur Erhöhung der Schutzanforderungen entworfen werden, um planbare und jederzeit replizierbare Lösungen für Energieversorgungsunternehmen zu entwickeln. Darüber hinaus werden auch die datenschutzrechtlichen Anforderungen an die technische und organisatorische Gestaltung des Vorhabens umfassend beleuchtet.

Projektpartner:
Die Koordination des Projekts liegt bei der QGroup GmbH, die auch die technische Subsumtion der rechtlichen und praktischen Gegebenheiten in die Plattformfähigkeiten und Segregationsmodelle übernimmt. Als assoziierte Partner begleiten die BearingPoint GmbH, die Rechtsanwaltskanzlei Becker Büttner Held sowie die Städtischen Werke Netz + Service GmbH Kassel das Projekt. Das House of Energy sorgt für eine Verankerung der Projektergebnisse auf breiter fachlicher und öffentlicher Ebene.

Kurzbeschreibung:

Gerade die durch das Corona-Virus ausgelöste Volatilität am Projektmarkt stellt eine große Herausforderung für mittelständische Unternehmen dar: So müssen viele Unternehmen zeitgleich neue Projekte für zahlreiche Mitarbeiter finden. Das Vorhaben OptoPred zielt darauf ab, diese Projekte schneller zu besetzen, und kleinen Unternehmen und Selbstständigen damit zu helfen, ihre Auslastung hoch zu halten. Dazu entwickeln die Antragsteller ein KI-basiertes Vorhersagemodell, welches gezielt Erfolgswahrscheinlichkeiten von Projektbesetzungen prognostiziert. Das Modell berücksichtigt dabei vorwiegend folgende Dimensionen:
• Qualitätsindikatoren von Profilen, insb.
• glaubwürdige Belege für Skills und Kompetenzen
• Qualitative Hinweise in den Ausschreibungen

Projektpartner :
smarTransfer GmbH, Universitätsplatz 12, 34127 Kassel
Universität Kassel, Fachgebiet Wirtschaftsinformatik

Kurzbeschreibung:

Die Plattformökonomie kann in den letzten Jahren auf einen nahezu unvergleichbaren Erfolgszuwachs zurückblicken, und auch für die Zukunft wird digitalen Plattformen unverändert ein erhebliches Wachstums- und Innovationspotenzial zugesprochen. Nicht zuletzt begünstigt durch die spezifischen ökonomischen Charakteristika digitaler Plattformen, die diese in einem besonderen Maße zur Sammlung und Verarbeitung der Daten ihrer Nutzer befähigen, sind die gewinnbringende Nutzung und Verwertung von Daten regelmäßig Grundlage für ein erfolgreiches plattformbasiertes Geschäftsmodell. Folgerichtig geht mit der datenschutzkonformen Umsetzung von Geschäftsmodellen in der Plattformökonomie häufig eine signifikante Bindung der den Plattformbetreibern zur Verfügung stehenden finanziellen wie auch personellen Ressourcen einher. Insbesondere die in der seit Mai 2018 unmittelbar anwendbaren Datenschutz-Grundverordnung (DSGVO) niedergelegten Grundsätze (z.B. Transparenz, Datenminimierung, Integrität), die vielfältigen Betroffenenrechte (z.B. Recht auf Auskunft, Recht auf Löschung, Recht auf Datenübertragbarkeit) sowie auch die umfangreichen Rechenschafts- und Nachweispflichten der Verantwortlichen einer Datenverarbeitung resultieren in erheblichen Umsetzungsaufwänden – zugleich gepaart mit der nachvollziehbaren Angst vor möglichen Sanktionen bei Rechtsverstößen. Während größere Plattformbetreiber üblicherweise die zur Herstellung der Rechtskonformität notwendigen Ressourcen zur Verfügung haben, können privatsphärenfreundliche datengetriebene Geschäftsmodelle von kapitalschwächeren KMU oder Startups nur schwerlich umgesetzt werden – innovative, kleinere Anbieter sehen sich somit einer Marktbarriere gegenüber, die oftmals geeignet ist, sie aus dem Wettbewerb herauszuhalten.

An dieser Stelle setzt das PERISCOPE-Projekt an: Um den Privatsphärenschutz entsprechend den hohen europäischen Standards mit datengetriebenen Plattformgeschäftsmodellen in Einklang zu bringen, sollen Transparenz und Kontrolle personenbezogener Daten sowohl für den Betroffenen als auch für den Plattformbetreiber gesteigert werden. Dabei werden im Wesentlichen zwei Ziele verfolgt. Zum einen soll auf technischer Ebene ein benutzerfreundliches, effizientes und DSGVO-konformes Personal Rights Management (PRM)-System zur Gewährleistung der Betroffenenrechte aus der DSGVO entwickelt werden, und zum anderen soll aus ökonomischer Perspektive eine Analyse der potentiellen Ausgestaltungsmöglichkeiten privatsphärenfreundlicher Geschäftsmodelle in der Plattformökonomie erfolgen. Die in diesem Rahmen identifizierten Geschäftsmodelle werden in einen Navigator für privatsphärenfreundliche Geschäftsmodelle integriert, der interessierte Unternehmen bei der Identifikation für sie geeigneter Geschäftsmodelle unterstützen soll und dabei unter anderem Einflussfaktoren wie auf Seiten der Unternehmen bereits vorhandene Datenbestände berücksichtigt.

Der Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht, obliegt die Bearbeitung der rechtswissenschaftlichen Fragestellungen des Projekts. Ziele des rechtswissenschaftlichen Teilvorhabens sind die Identifikation der rechtlichen Anforderungen an datengetriebene Geschäftsmodelle, die Konkretisierung der datenschutz- und IT-sicherheitsrechtlichen Anforderungen mittels gestaltungsorientierter rechtswissenschaftlicher Methoden (konkret: mittels der Methode KORA zur Konkretisierung rechtlicher Anforderungen) sowie die Sicherstellung der datenschutzrechtskonformen Gestaltung der technischen und ökonomischen Lösungskomponenten, die gemeinsam mit den Projektpartnern entwickelt werden.

Projektbeteiligte:
Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO) als Verbundkoordinator
Goethe-Universität Frankfurt (Professur für Wirtschaftsinformatik und Informationsmanagement)
Universität Stuttgart (Institut für Arbeitswissenschaft und Technologiemanagement)
IT-Dienstleistungsunternehmen WidasConcepts GmbH 
SaaS-Plattform gohobi UG 

Kurzbeschreibung:

Die Auswirkungen der Digitalisierung frühzeitig zu erkennen, zu bewerten und so zu gestalten, dass Privatheit, Selbstbestimmung und Demokratie durch Digitalisierung gewinnen, ist von hoher Forschungspriorität. Bisher wurden solche Anstrengungen nur vom Forum Privatheit und selbstbestimmtes Leben in der digitalen Welt unternommen, in dem von 2014 bis 2021 acht Forschungsinstitutionen zusammenarbeiteten.

2021 wurde die Förderung des BMBF weiter intensiviert und unter dem Dach einer „Plattform Privatheit“ gebündelt. Die bisherigen Aufgaben des „Forum Privatheit“ in Bezug auf den innerwissenschaftlichen Austausch, der Wissenschaftskommunikation sowie als Expertengruppe, die zu aktuellen Fragen von Datenschutz und Privatheit Stellung nimmt, werden seit April 2021 im Sinne einer Projekt- oder Programmbegleitung von einer wissenschaftlichen Koordination (Akronym: PlattformPrivat) übernommen.

Das Forum Privatheit bündelt die vom BMBF im Themenbereich Privatheit und Digitalisierung geförderten Forschungsvorhaben, insbesondere solche mit einer interdisziplinären Herangehensweise. Für diese Vorhaben werden in einer Rahmenbekanntmachung die grundlegenden Rahmenbedingungen (wie die Zusammenarbeit mit der wissenschaftlichen Koordination) festgelegt. Mindestens einmal jährlich wird eine Förderbekanntmachung veröffentlicht, aus der jeweils etwa vier Projekte hervorgehen sollen.

Webseite des Forum Privatheit
 

Projektpartner
Fraunhofer-Institut für System- und Innovationsforschung ISI, Karlsruhe

Pressemitteilung
Forschung für eine funktionierende Demokratie

Motivation:
Die digitale Transformation von Gesellschaften weltweit hat in den letzten Jahren nicht nur weiter an Dynamik gewonnen, sondern auch immer deutlicher spürbar globale Wirkungs- und Problemzusammenhänge ausgebildet. Heute stehen dabei vor allem die praktisch allgegenwärtigen Systeme der Künstlichen Intelligenz (KI) im Zentrum des wissenschaftlichen, politischen, ökonomischen, normativen und regulatorischen Interesses. KI und Globalisierung erzeugen neue Herausforderungen für den Datenschutz als einem Instrument für die Selbstbestimmung und Entscheidungsautonomie und damit letztendlich auch für demokratische Prozesse.

Ziele und Vorgehen:
Die Ziele des Projektes „Privatheit, Demokratie und Selbstbestimmung im Zeitalter von KI und Globalisierung (PRIDS)“ zentrieren sich auf die Analyse ebendieses Spannungsfeldes. Es wird sowohl theoretisch als auch empirisch untersucht, wie eine Selbstbestimmung des Individuums heute und in Zukunft gelingen kann. Denn vermehrt werden private Daten nicht nur dadurch gesammelt, dass Menschen sie aktiv preisgeben, sondern auch durch Auswertungen von Verhaltensdaten. Die damit verbundenen gesellschaftlichen Fragen werden im interdisziplinären Forschungsvorhaben vertieft analysiert. Das dabei gewonnene Wissen soll durch Publikationen, Vorträge und die Teilnahme an Nachwuchsnetzwerken kontinuierlich in den gesellschaftlichen Diskurs einfließen.

Bei der Forschungsarbeit werden vier inhaltliche Schwerpunkte gesetzt:

• Erstens betrachten die Forschenden grundlegende Berührungspunkte und Auswirkungen von KI-Instrumenten auf die Selbstbestimmung von Individuen und Gruppen.
• Zweitens sollen die Konsequenzen von Datensammlung und „intelligenter“ Auswertung in unterschiedlichen Kontexten und für unterschiedliche gesellschaftliche Gruppen über die Lebensspanne identifiziert werden, zum Beispiel in Schulen und im Gesundheitsweisen, für Kinder und andere vulnerable Gruppen.
• Drittens sollen mögliche Wege für die rechtlichen, politischen und technischen Möglichkeiten des Grundrechtsschutzes in zunehmend globalen Infrastrukturen aufgezeigt werden.
• Im vierten Schwerpunkt untersuchen die Forschenden die Rolle des Datenschutzes für die internationale Wettbewerbsfähigkeit und loten Möglichkeiten aus, wie Datenschutz in einem marktwirtschaftlichen Umfeld garantiert werden kann.

Innovationen und Perspektiven:
Durch den interdisziplinären Ansatz und die evidenzorientierte Vorgehensweise werden im Projekt Grundlagen für eine Vielzahl von weiteren Aktivitäten gelegt, die zum Diskurs über eine moderne freiheitlich demokratische Gesellschaft beitragen: die Sensibilisierung der Öffentlichkeit für Fragen der Privatheit in digitalen Welten, die Unterstützung der Politik bei der Identifikation drängender Fragen sowie die Versorgung von Marktakteuren mit Orientierungswissen.

Verbundkoordinator
Fraunhofer ISI, Karlsruhe

Projektpartner
Ludwig-Maximilians-Universität München
Unabhängiges Landeszentrum für Datenschutz Schleswig-Holstein (ULD), Kiel
Universität Duisburg-Essen
ITeG, Universität Kassel
Eberhard Karls Universität Tübingen

Kurzbeschreibung:
Es stellt sich folgende Forschungsfrage: Wie müssen Unternehmen, vor allem KMU, ihre Prozesse, insbendere im Rahmen des Qualitätsmanagements, gestalten, optimieren und organisieren, um mittels Crowd-basierter Mechanismen erbrachte Arbeit effizient und zielgerecht zu nutzen? Ziel des Projektes ist es, ein ganzheitliches Qualitätsmanagement zu etablieren, mittels dessen Crowd-basierte Arbeitsergebnisse sicher, effizient und zielgerichtet in KMU genutzt werden können. Dies geschieht durch entsprechende Ergänzung, Anpassung und Ausgestaltung von erforderlichen Schnittstellen (Prozesse, Methoden und Techniken) im bestehenden Qualitätsmanagement sowie dessen Auf- und Ausbau in den beteiligten Unternehmensabteilungen (wie Marketing, Vertrieb, Entwicklung, aber auch IT) und den jeweiligen Plattformen bzw. zwischen den Abteilungen.Hierzu wird ein modular aufgebautes Referenzprozessmodell entwickelt. Den Ausgangspunkt bilden hierbei bereits vorhandene Prozesse, Methoden und Maßnahmen aus dem Bereich Qualitätsmanagement zur Anforderungsermittlung, zur Qualitätssicherung und zum Fehlermanagement, die als Baustein in ein Gesamtsystem zu integrieren, zu erweitern und zu optimieren sind.

Projektbeteiligte:
Universität Kassel, Fachgebiet Qualitäts- und Prozessmanagement, Prof. Dr. Ing. Robert Refflinghaus (Koordination)
Universität Kassel, Fachgebiet Wirtschaftsinformatik, Prof. Dr. Jan Marco Leimeister

Kurzbeschreibung:

Motivation
Um das immer komplexer werdende Energiesystem (Energiegewinnung, -speicherung, -nutzung und-transport) weiter beherrschen und optimieren zu können, sind automatisierte und intelligente Lösungen notwendig. Klassische Optimierungsverfahren sind meist für die Nutzung im Echtzeitbetrieb nicht geeignet, da sie keine ver- wertbare Lösung in angemessener Rechenzeit erzeugen. Bereits existierende regelbasierte Systeme, die heutzutage in der Energiewirtschaft zur Automatisierung eingesetzt werden, sind jedoch nicht imstande, schnell auf neue Situationen zu reagieren und sich selbstständig auf die neuen Gegebenheiten zu optimieren. Probleme, die dadurch innerhalb des Energiesystems auftreten können, reichen von teuren Ausgleichsmaßnah- men bis hin zu kompletten Stromausfällen.

Ziele und Vorgehen
Diese Herausforderung greift das Projekt RL4CES auf und untersucht die Potentiale von intelligenten Algorithmen, sich selbständig an neue Situationen optimal anzupassen. Dazu wird speziell an der Methode des Deep Reinforcement Learning (DRL) geforscht und das Ziel verfolgt, DRL zur Entscheidungsunterstützung und Prozessautomatisierung in die industrielle Anwendung zu integrieren. Um DRL in der Energiewirtschaft erfolgreich einsetzen zu können, werden im Projekt Methoden entwickelt, die den Einsatz von DRL sicherer, effektiver, erklärbar und kostengünstig machen. Um die Anwendung der entwickelten Methoden in der Praxis zu demonstrieren, werden die zwei Anwendungsfälle Automatisierte Netzsteuerung und Automatisierter Energiehandel betrachtet.

Innovationen und Perspektiven
Die Ergebnisse sollen unmittelbar zu wissenschaftlichen Veröffentlichungen auf nationalen und internationalen Konferenzen sowie in Fach- zeitschriften führen. Im Rahmen der wirtschaftlichen Verwertung sollen die Ergebnisse in einem ersten Schritt in der Industrie prototypisch umgesetzt und evaluiert werden. Industrie, wie zum Beispiel mit der automatisierten Steuerung der Stromnetze in den Leitwarten oder dem automatisierten Energiehandel.

Kurzbeschreibung:

Seit einigen Jahren bereits werden menschenähnliche Roboter in verschiedenen Branchen eingesetzt. Große Potenziale bestehen in der Kundenbetreuung sowie in Berufen, in denen menschliche Dienstleister aufgrund des Fachkräftemangels überlastet sind. Durch ihre besondere physische Präsenz können anthropomorphe Roboter eine emotionale Bindung zu menschlichen Nutzern aufbauen. Die Verbindung von Software und Maschine gibt der Robotik allerdings auch die Macht zur physischen Verletzung von Körper und Eigentum.

RoboTrust ist eine Initiative verschiedener Forschungsgruppen der TU Darmstadt, um die Zukunft der Mensch-Roboter-Interaktion zu formen. In Kooperation mit der Goethe Universität Frankfurt und der Universität Kassel entsteht ein interdisziplinäres Team, welches alle relevanten Dimensionen einer verantwortungsvollen Digitalisierung wie Psychologie, AI und Robotik, Recht und Kontext abdeckt. RoboTrust untersucht die notwendigen Grundlagen für anthropomorphe Roboter-Assistenten zur Entwicklung und Evaluierung einheitlicher technologischer Plattformen.

Die Forschung basiert auf den Prinzipien:

• Der Roboter-Assistent unterstützt Menschen
• Der Roboter-Assistent agiert transparent
• Die Haftung ist klar geregelt.

Projektbeteiligte:
Prof. Dr. Dr. Ruth Stock-Homburg, TU Darmstadt (Projektkoordination)
Prof. Dr. Oskar von Stryk, TU Darmstadt
Prof. Jan Peters, PhD, TU Darmstadt
Prof. Dr. Janine Wendt, TU Darmstadt
Prof. Dr. Indra Spiecker gen. Döhmann, Uni Frankfurt
Prof. Dr. Klaus David, Uni Kassel

Kurzbeschreibung:

Dieses Projekt zeigt die Vorteile von Aufgabenroutinisierung auf. Arbeitsaufgaben sind der Kern einer Arbeitstätigkeit und Merkmale der Aufgaben können daher das Erleben der Arbeit beeinflussen. Basierend auf dem Model der Leistungsepisoden und bei Berücksichtigung der Natur von Routinisierung erwarten wir positive Effekte auf Wohlbefinden und Arbeitsleistung, weil die Arbeit bei routinisierten Aufgaben weniger anstrengend und aufwändig ist. Diese Vorteile sollen sich besonders bei bestimmten Personen und bei komplexen anschließenden Aufgaben zeigen. In vier Studien werden wir die Hypothesen zu diesen Effekten testen. Dieses Forschungsprogramm trägt bei zum Wissen über die Dynamik von Wohlbefinden und Arbeitsleistung indem es die Sequenz und Merkmale von Arbeitsaufgaben berücksichtigt, und liefert Hinweise für die Gestaltung von digitalen Arbeitsumgebungen.
 

Projektpartner :
Prof. Shaul Oreg, Ph.D – The Hebrew University of Jerusalem
Prof. Dr. Sandra Ohly – Universität Kassel

Kurzbeschreibung:

Das vom Bundesforschungsministerium geförderte Vorhaben entwickelt ein selbstadaptives Managementsystem für das Laden von E-Fahrzeugen. Dazu analysiert es Energiebedarf und zulässige Ladedauer für die einzelnen Fahrzeuge und optimiert so den Einsatz der vorhandenen Ladeinfrastruktur. Dieser Regelvorgang wird durch künstliche Intelligenz (KI) unterstützt.

Ausgangspunkt im Projekt SALM ist die Zunahme an Elektrofahrzeugen und damit der Ausbau der Ladestationen in bestehenden Netzen. Dies bedeutet nicht nur die Bereitstellung elektrischer Energie, die Errichtung von Ladesäulen aller Art und die Weiterentwicklung von Elektrofahrzeugen, sondern es bedeutet auch, dass die Netzinfrastruktur verbessert werden muss.

Die E-Mobilität stellt mit ihrem schwankenden Ladeverhalten und ihren hohen elektrischen Leistungen neue Anforderungen. Während manche Fahrer ihr Elektrofahrzeug schnell und mit hoher Leistung laden müssen, haben andere mehr Zeit, benötigen dafür aber z.B. eine höhere Energie für eine längere Strecke. Hier setzt das Projekt SALM an. Ziel ist es durch Einsatz künstlicher Intelligenz die einzelnen Ladevorgänge so zu regeln, dass das Gesamtsystem bestehend aus Netz, Ladesäulen und Elektrofahrzeugen intelligent betrieben wird. Im Kern bestimmt die Regeleinheit mit welcher Ladeleistung die Batterien der einzelnen Fahrzeuge am besten geladen werden. Dazu wird ein „Digitaler Zwilling“ erstellt, der das Verhalten der Ladestationen nachbildet und es ermöglicht, diesen Regelvorgang zu optimieren. Im Ergebnis wird ein adaptiv lernendes System nach dem LCS-Prinzip (Learning Classifier Systems) entwickelt. Dieses kann sich weitgehend autonom an neue Situationen anpassen und gezielt gesammeltes Wissen über die Ladeverläufe an realen Ladestationen mit wählbaren Zielparametern kombinieren.

Projektpartner:
House of Energy e.V.
Flavia IT Management GmbH

Kurzbeschreibung:

Jährlich sterben rund eintausend VRU (engl. Vulnerable Road User, Fußgänger/ Fahrradfahrer) im deutschen Straßenverkehr. Kooperative VRU Schutzsysteme versprechen die Unfallzahlen deutlich zu reduzieren. Ihre Entwicklung erfordert ein detailliertes Verständnis des Zusammenhangs von VRU Bewegungen und Unfallszenario.

Klassisch werden VRU Unfälle mit Simulationen oder Dummys untersucht. Beide Ansätze berücksichtigen nicht das Verhalten und die Reaktionen des VRU, da sich in ihnen kein realer VRU bewegt.

Das Fachgebiet ComTec (Kommunikationstechnik) der Uni Kassel unter Leitung von Prof. David baut mit dem in Kassel ansässigen Unternehmen Flavia IT in dem Verbundprojekt Sichere_VR eine neue Testmethodik auf, die dieses Problem angeht. Die Testmethodik ermöglicht es erstmalig VRU Unfälle realitätsnah für den VRU durchzuführen und zu vermessen. Dabei bewegt sich ein VRU an einer realen Straße und gleichzeitig völlig ungefährlich für ihn mittels einer VR (Virtuellen Realität) in einem Unfallszenario. Die VRU Positionen und Aktivitäten werden parallel über das VR-System sowie der Smartphone- Sensorik des VRU aufgezeichnet. Die so gewonnen Daten können in weiteren Vorhaben zur Optimierung von VRU Schutzsystemen verwendet werden, um sie Zahl der Verkehrstoten und Verletzten zu reduzieren.

Projektpartner:
FLAVIA IT

Kurzbeschreibung:

Hinter dem Schlagwort der digitalen Selbstvermessung oder des „Quantified Self“ verbirgt sich mittlerweile ein Massenmarkt, der für die Gesellschaft sowohl Potenziale als auch Risiken mit sich bringt. Über den rein privaten Anwendungsbereich (z.B. Fitness-Tracker) hinaus können die Instrumente der Selbstvermessung jedoch auch für den Bereich der Telemedizin nutzbar gemacht werden.

Das Verbundprojekt „Digitale Selbstvermessung selbstbestimmt gestalten (TESTER)“ verfolgt das Ziel der Erforschung eines Privacy Assistenten als Demonstrator, der Transparenz und Intervenierbarkeit bzgl. Daten aus der Selbstvermessung schaffen soll. Dieses soll im Hinblick auf die Transparenz durch eine personalisierte Aufbereitung der Daten über die Selbstvermessung und deren Verwendung und im Hinblick auf die Intervenierbarkeit durch geeignete Werkzeuge geschehen, die die „Selbstvermesser“ in die Lage versetzen, ihre Rechte bezüglich des Umgangs mit ihren Selbstvermessungsdaten mit geringem Aufwand wahrzunehmen.

Ziel des rechtswissenschaftlichen Teilvorhabens an der Universität Kassel, Fachgebiet Öffentliches Recht, IT-Recht und Umweltrecht, ist in erster Linie die rechtskonforme Gestaltung des Privacy Assistenten. Dies wird mittels der aus vier Stufen bestehenden Methode zur Konkretisierung rechtlicher Anforderungen (KORA) erreicht. Dabei werden zunächst rechtliche Chancen und Risiken bestimmt, rechtliche Anforderungen formuliert und diese zu rechtlichen Kriterien konkretisiert, bevor in enger Kooperation mit den technischen Partnern technische Gestaltungsziele und Gestaltungsvorschläge erarbeitet werden.

Aus rechtswissenschaftlicher Sicht bestehen schon seit längerer Zeit Überlegungen, wie man der zunehmenden Komplexität der allgegenwärtigen Datenverarbeitung und der damit verbundenen Informationsflut (Datenschutzerklärungen) und drohenden Ubiquität von Einwilligungserklärungen mittels entsprechender technischer Unterstützung Herr werden kann. Parallel dazu hat sich eine umfangreichere Diskussion zu allgemeinen Rechtsfragen von Softwareassistenten entwickelt. Diese umfasst auch Spezialfragen, wie zum Beispiel Fragen des Verbraucherschutzrechts. Die Diskussion zu den rechtlichen Möglichkeiten und Grenzen von Privacy Assistenten und ihre Einbettung in das durch die Datenschutzgrundverordnung geschaffene neue europäische Datenschutzrecht steht aber noch am Anfang. Das Projekt kann hier auf entsprechende allgemeine Vorarbeiten aufbauen. Es fehlt diesbezüglich allerdings noch an ausgearbeiteten Konzepten. Auch die Verbindung der Thematik mit Technologien der Selbstvermessung und den dadurch vor allem im Gesundheitsbereich hervorgerufenen Rechtsfragen erfolgte bisher nicht.

Über diese Grundsatzfragen hinaus bestehen Bezüge zu der allgemeinen rechtswissenschaftlichen Diskussion um Fitnesstracker und sonstige Wearables. Insbesondere hinsichtlich der Problematik der Verwendung von Gesundheitsdaten kann auf diese Arbeiten aufgebaut werden. Diese zielen jedoch typischerweise auf die strikte Einhaltung der Datenminimierung und damit auf die Vermeidung personenbezogener Daten, während es im Projekt TESTER gerade um deren selbstbestimmte Freigabe geht.

Im Bereich der Telemedizin stellen sich zusätzliche rechtliche Fragen. Ein Beispiel dafür ist der Umgang mit Personen, die keine Selbstvermessung betreiben möchten und die Frage, ob vor diesem Hintergrund Sondertarife der Krankenversicherungen für „Selbstvermesser“ zulässig sind.

Projektpartner:
Die Koordination des Projekts obliegt dem Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO). Weitere Verbundpartner sind die Actimi GmbH und die Universität Stuttgart, Institut für Arbeitswissenschaft und Technologiemanagement (IAT).

Kurzbeschreibung:

Mit ihren hohen Pulsenergien und kurzen Pulsdauern haben Freie-Elektronen-Laser das Feld der Röntgenexperimente seit über 15 Jahren revolutioniert. Die Erzeugung ultrakurzer Röntgenpulse basiert auf dem Prinzip der selbstverstärkten spontanen Emission. Die dabei entstehenden inhärent zufälligen Röntgenpulsformen setzen den Untersuchungen jedoch experimentelle Grenzen in Bezug auf Zeitauflösung und für intensitätsabhängige Messungen. Im Rahmen des vorangehenden BMBF-Projektes SpeAR_XFEL haben die Projektpartner ein neues Spektrometer mit Winkelauflösung gebaut, mit dessen Hilfe einzelne Röntgenpulse an Freie-Elektronen-Lasern mit Attosekunden-Genauigkeit charakterisiert werden können. Diese Technik des Angular Streaking soll in dem BMBF-Projekt TRANSALP von der Freie-Elektronen-Pulscharakterisierung zu einem vielseitig einsetzbaren Instrument für die ultraschnelle Röntgenforschung weiter entwickelt werden.

Eine breite wissenschaftliche Gemeinschaft, die von Physikern über Materialwissenschafter bis hin zu Biologen und Medizinern reicht, hat Freie-Elektronen-Laser mittlerweile als Forschungswerkzeug entdeckt. Viele der interessantesten Fragestellungen beziehen sich auf biologisch relevante Vorgänge wie ultraschnelle Reaktionswege photochemischer Prozesse in organischen Molekülen, die Rolle von Ionisationsdynamiken bei Beschädigung der DNS oder die elektronische Anregung von Strukturänderungen in Bioproteinen. TRANSALP wird die in SpeAR_XFEL entwickelte Apperatur mit einem LiquidJet kombinieren, um ultraschnelle, photoinduzierte Abläufe an biologischen Proben in der flüssigen Phase verfolgen zu können. In Verbindung mit einem dedizierten Lasersystem, das spezifisch auf die Bedürfnisse für Angular Streaking abgestimmt ist, und neu entwickelten Algorithmen des Maschinellen Lernens (ML) zur Online-Analyse und Fehlerkorrektur soll am Free-electron LASer in Hamburg (FLASH) der Prototyp eines einzigartigen Instruments für zeit- & winkelaufgelöste in situ-Elektronenspektroskopie an organischen Molekülen in der flüssigen Phase entstehen.

Die Aufgaben des Fachgebiets Intelligente Eingebettete Systeme im Kontext dieses Projektes sind:

• Weiterentwicklung und Anpassung von bereits vorhandenen Online-Pulscharakteristikbestimmungsalgorithmen auf die neuen Daten.
• Entwicklung und Bewertung neuer ML-Techniken für den Umgang mit den eingehenden Big Data bei FLASH
• Entwurf und Implementierung neuer ML-Algorithmen für verbessertes, wissenschaftliches Experimentieren

Kooperationspartner in dem Projekt:
TU Dortmund, Zentrum für Synchrotronstrahlung (DELTA)
Universität Kassel, Institut für Physik und CINSaT
Deutsches Elektronen-Synchrotron DESY
European X-Ray Free-Electron Laser Facility GmbH

Kurzbeschreibung:

In fast allen Bereichen der Energiewende spielen die Digitalisierung sowie der gezielte Aus-tausch und die Nutzung von Informationen eine eminent wichtige Rolle, um etablierte, aber auch neue Prozesse innerhalb einer sich verändernden Energielandschaft gezielt verbessern zu können. Der stetig fortschreitende Ausbau Erneuerbarer Energien, die damit einhergehen-den Maßnahmen und Geschäftsmodelle zur Flexibilisierung von Erzeugung und Verbrauch sowie die wachsende Anzahl von Komponenten und Stakeholdern innerhalb des Energiesys-tems führen zu einer enormen Steigerung der Komplexität und Rechenkapazität im Hinblick auf die Modellierung und Berechnung von Systemzuständen.

Für etablierte Prozesse und Systemkomponenten liegen meist genügend Informationen vor, um diese geeignet modellieren zu können. Verfahren der Künstlichen Intelligenz (KI) haben sich für die Modellierung schon vielmals bewährt, solange ausreichend Informationen in Form von historischen Mess- und Prozessdaten zur Verfügung stehen. Die neue Herausforderung liegt in der automatisierten Erstellung zuverlässiger Modelle für neu integrierte Systemkompo-nenten und -prozesse, für welche nur wenige bis keine Informationen vorliegen.

Projektziel
Ziel dieses Projektes ist es, die Idee des maschinellen Wissenstransfers ähnlicher Systeme und Systemzustände flexibel für den Betrieb von neuen oder sich verändernden technischen Infrastrukturen innerhalb des Stromversorgungssystems zu nutzen, um robuste Zustandsbestimmungen und Prognosen für neue und sich verändernde Systemkomponenten zuverlässig und ohne großen Rechenaufwand erstellen zu können. Der Umgang mit fehlenden und sich ändernden Datengrundlagen wird hierbei einen Schwerpunkt bilden. Im Mittelpunkt zur Problemlösung steht die Schaffung von allgemeingültigen Modellen des Transfer Learning zum automatisierten Wissenstransfer zwischen einzelnen Systemkomponenten. Die Modelle werden vorab geschätzte und im Laufe des Betriebs überprüfte Ähnlichkeiten zwischen Systemkomponenten erkennen und nutzen, um zuverlässige und nachvollziehbare Lösungen z.B. für Prognosen zu generieren. Die entwickelten Modelle werden gemeinsam mit den Partnern aus der Wissenschaft und Wirtschaft anhand realer Use-Cases und Datensätze aus dem energiewirtschaftlichen Themenfeld erprobt und innerhalb anwendungsnaher Prototypen demonstriert.

Themenschwerpunkte und Arbeitsaufteilung

Das Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik IEE übernimmt neben inhaltlichen Arbeiten auch die Koor-dination im Projekt TRANSFER. Hierbei steht insbesondere die Entwicklung und Anwendung von Methoden des Transfer-Learnings (TL) und des Multi-Task Learnings (MTL) für die Vorhersage von vertikalen Leistungsflüssen an Transformatoren des Übertragungsnetzes und bei der Anwendung in der Prognose von Photovoltaik-Speichersystemen im Vordergrund.

Das Fachgebiet Intelligente Eingebettete Systeme IES der Universität Kassel bearbeitet Fragestellungen zu Ähnlichkeitsmessungen und Wissenstransfer. Dazu werden verschiedene Ansätze zum TL und MTL auf Windleistungs-Prognosen und Photovoltaik-Prognosen angewendet und weiterentwickelt. Abschließend unterstützt IES den Projektpartner enercast bei der Überführung der entwickelten Methoden in das Testsystem.

Die enercast GmbH als KMU unterstützt mit ihrem Wissen aus der industriellen Praxis. Die enercast GmbH implementiert dazu Methoden des Wissenstransfers und wendet diese in einem Testsystem auf die Problemstellung der Windenergie- und Photovoltaik-Prognose an. Ziel ist hierbei die Evaluation der entwickelten Methoden um den Nutzen unter realen Rahmenbedingungen zeigen zu können.

Projektbeteiligte:

Frauenhofer IEE
enercast GmbH

Kurzbeschreibung:
Wenn öffentliche Verkehrsmittel (ÖV) attraktiver werden, verbessert das die Lebensqualität im urbanen Raum deutlich. Zwei Drittel der zurückgelegten Wege in Städten entfallen auf Freizeitaktivitäten, Einkauf und private Erledigungen. Dabei müssen oft Einkäufe oder Gepäck transportiert werden, was mit ÖV unbequem sein kann. Außerdem kann man nicht sicher sein, dass Sitzplätze verfügbar sind und die gewünschten Anschlüsse beim Umsteigen erreicht werden.

Deshalb wird in diesem vom Fachgebiet Mensch-Maschine-Systemtechnik koordinierten Projekt ein Assistenzsystem konzipiert, das den Nutzer bedarfsgerecht entlang seiner Reisekette unterstützt. Zusätzlich zur intermodalen Reiseplanung bietet es einen innovativen innerstädtischen Lieferdienst, der mit Gepäckabgabe, Transport und Zustellung die gesamte Lieferkette abdeckt. Gemeinsam mit innerstädtischen Verkehrsdienstleistern wird evaluiert, wie der Belegungszustand von ÖV erfasst und in Echtzeit bereitgestellt werden kann, damit man künftig in seiner Reiseplanung flexibel darauf reagieren kann. Zudem wird ein Konzept zur Anschlusssicherung entwickelt, umgesetzt und erprobt. Dabei soll der Kunde seinen Anschlusswunsch signalisieren können, damit Verkehrsdienstleister den Anschluss sicherstellen und verlässliche Informationen dazu bereitstellen können.

Das Assistenzsystem bietet eine integrierte Lösung für die getrennte Personen- und Gepäckbeförderung, die das Einkaufen ohne Auto erleichtert. Indem ÖV attraktiver gemacht werden, reduzieren sich Schadstoff- und Lärmbelastung in der Stadt.

Projektpartner:
Fachgebiet Mensch-Maschine-Systemtechnik (ITeG), Universität Kassel (Koordination)
Fachgebiet Verkehrsplanung und Verkehrssysteme der Universität Kassel
Fachgebiet Öff. Recht, IT-Recht und Umweltrecht (ITeG), Univeristät Kassel
INIT Innovative Informatikanwendungen in Transport-, Verkehrs- und Leitsystemen GmbH, Karlsruhe
IVU Traffic Technologies AG, Berlin
Kasseler Verkehrs-Gesellschaft AG, Kassel 
Verkehrsverbund und Fördergesellschaft Nordhessen mbH, Kassel

City Kaufleute Kassel e. V., Kassel

ECE Projektmanagement GmbH & Co. KG, Kassel 

Werbegemeinschaft Königs-Galerie, Kassel 

MoWiN.net e. V., Kassel 

Quartier Wilhelmsstraße e. V., Kassel 

Stadt Kassel
Verband Deutscher Verkehrsunternehmen, Köln

Kurzbeschreibung:

Die hochumstrittene Frage der Zuweisung von Daten(-rechten) hat Auswirkungen auf Zugangsoptionen und beeinflusst damit unsere Möglichkeiten, Daten möglichst effektiv und gemeinwohlverträglich zu nutzen. Die Projektgruppe hinterfragt daher traditionelle Vergabe- und Zugangsvorgaben. Sie untersucht zum einen konkrete Möglichkeiten, wie der Datenzugang so gestaltet werden kann, dass er akteursübergreifende Verantwortung widerspiegelt und einzelne Datenanbieter weder überfordert noch überschätzt. Zum anderen ist vor dem Hintergrund systematisch-philosophischer Konzeptionen von „Rechten“ zu fragen, inwieweit Datenzugänge ein sinnvolles Anwendungsfeld bilden, um traditionelle Subjektvorstellungen und darauf aufbauende Rechtsvorstellungen zu modifizieren.

Projektbeteiligte:
Sprecher: Prof. Dr. Steffen Augsberg, Justus-Liebig-Universität Gießen
stellvertretende Sprecherin: Prof. Dr. Anne Riechert, Frankfurt University of Applied Sciences

Technische Universität Darmstadt (Prof. Dr. Marcus Düwell, Prof. Dr. Petra Gehring)
Universität Kassel (Prof. Dr. Gerrit Hornung, LL.M.)
Gothe-Universität Frankfurt am Main (Prof. Dr. Doris Schweitzer)

Kurzbeschreibung:

Zur Umsetzung des EuGH-Urteils Schrems II werden die Schulen in Hessen künftig gehalten sein, eine DSGVO-konforme Videokonferenz-Software zu nutzen. Eine solche soll in das sog. Schulportal Hessen integriert werden. Für die hessischen Schulen kann damit ein Wechsel von etablierten Systemen zu einer neuen VC-Software verbunden sein.

Das Ad hoc-Vorhaben begleitet den anstehenden Wechsel an mehreren Schulen und untersucht, welche Schwierigkeiten und auch Konflikte („Wechselkosten“) dabei entstehen. Zugleich werden Unterstützungsmöglichkeiten für Einrichtungen, denen ein solcher Wechsel bevorsteht, eruiert. Methodisch wird der Weg einer „formativen Begleitstudie“ gewählt.

Projektpartner:
Der Hessische Beauftragte für Datenschutz und Informationsfreiheit

Kurzbeschreibung:

Unsere Arbeitswelt ist bereits heute stark von algorithmischer Entscheidungsfindung („Algorithmic Decision-Making“, ADM) geprägt, z. B. in Mitarbeiter-Rekrutierungsprozessen, bei der Steuerung von Arbeitskräften im Arbeitsalltag oder in der Unterstützung von menschlichen Entscheidungsträgern bei komplexen Fragestellungen.

Neben den großen Potenzialen von ADM für Unternehmen und staatliche Organisationen bestehen enorme Herausforderungen darin, dass Entscheidungen zu Ungunsten von Arbeitskräften getroffen werden – in Form von Ungleichbehandlung, Autonomieverlust, Exklusion oder sogar zunehmender Prekarisierung. Hieraus ergibt sich die folgende forschungsleitende Fragestellung: Wie müssen durch ADM geprägte Arbeitskontexte ausgestaltet werden, um einen verantwortungsbewussten Umgang mit Arbeitskräften zu befördern? Welche technischen, organisatorischen und regulatorischen Rahmenbedingungen sollten dabei gesetzt werden?

Der Fokus unserer Untersuchung von verantwortungsbewusster ADM in der Arbeitswelt von morgen liegt auf drei Aspekten:

• der Analyse der Auswirkungen von ADM auf Arbeitsprozesse und -inhalte sowie auf die Selbstbestimmung und Lebensverhältnisse von Arbeitskräften
• der Untersuchung von Mensch-Maschine-Arbeitskonfigurationen und ihrer verantwortungsbewussten Ausgestaltung für die Arbeitswelt der Zukunft
• der Analyse und Einordnung organisatorischer, rechtlicher und regulatorischer Rahmenbedingungen für eine verantwortungsbewusste Ausgestaltung von Arbeitskontexten der Zukunft

Kurzbeschreibung:

Mit dem Zukunftszentrum ZuKIPro wird ein praxisorientiertes Format für die Beratung, Qualifizierung, Erprobung und Diffusion von digitalen Technologien geschaffen. Dazu soll eine partizipative Arbeits- und Technologiegestaltung kleine und mittelständische Unternehmen dazu befähigen, die Potenziale digitaler Technologien in Arbeits- und Geschäftsprozessen besser zu nutzen. Das ZuKIPro soll eine Anlauf- und Transferstelle für KMU, Förderer, Technologieanbieter und Sozialpartner sein. Über ein Plattformmodul können sich KMU ein mobiles KI-Labor direkt auf das Betriebsgelände holen und prototypische KI-Anwendungen erleben, ausprobieren und Überlegungen in Bezug auf ihre Anwendbarkeit im eigenen Betrieb vornehmen. Geplante Qualifizierungsangebote, wie eine Lern- und Wissensplattform oder Massive Open Online Courses (MOOCs), machen die Themen Digitalisierung und Künstliche Intelligenz für Beschäftigte lebendig. Durch diese Formate befähigt das Zukunftszentrum Unternehmen und ihre Beschäftigten, die Herausforderungen im eigenen Betrieb zu erkennen und zu analysieren, Lern- und Lösungsprozesse selbständig zu initiieren, zu gestalten und eigenständig umzusetzen sowie die Ergebnisse zu evaluieren.

Übergeordnetes Ziel des Projektes ist es, einen niederschwelligen Zugang zum Thema KI für KMU zu schaffen. Dazu werden KMU bei der partizipativen, co-kreativen Einführung und menschzentrierten Gestaltung von KI-Systemen unterstützt. Modulübergreifend informiert und berät das Zukunftszentrum KMU bedarfsgerecht und befähigt zur Umsetzung konkreter Lösungen. Dazu werden insgesamt drei Geschäftsstellen eingerichtet: Nordhessen (Kassel), Mittelhessen (Frankfurt a. M.) und Südhessen (Darmstadt).

Konsortium:

• Werkzeugmaschinenlabor WZL der RWTH Aachen – Lehrstuhl für Fertigungsmesstechnik und
   Qualitätsmanagement und Lehrstuhl für Technologie der Fertigungsverfahren
• Deutsches Forschungsinstitut für Künstliche Intelligenz (DFKI) – Forschungsgruppe Smart
   Service Engineering
• Universität Kassel – Fachgebiete Wirtschaftsinformatik, Mensch-Maschine-Systemtechnik,
   Kommunikationstechnik (ComTec)
• Technische Universität Darmstadt – Institut für Arbeitswissenschaft
• Institut für Technologie und Arbeit e.V.
• IHK Kassel-Marburg und IHK Hessen-Innovativ
• Regionalmanagement Nordhessen GmbH