Prof. Dr. Senja Post

Lehrstuhl für Wissenschaftskommunikation mit Schwerpunkt Wirkung / Transfer und wissenschaftliche Leiterin des ZAK I Zentrum für Angewandte Kulturwissenschaft und Studium Generale, KIT

Zahlen und Statistiken sind Mittel der Wissenschaft und Medienberichterstattung, komplexe Sachverhalte und übergreifende Zusammenhänge präzise und komprimiert darzustellen. Allerdings werden Zahlen und Statistiken in gesellschaftlichen Debatten häufig irreführend verwendet – sie werden überschätzt, unterschätzt, missverstanden oder zugunsten exemplarischer Fallbeispiele vermieden. Diese Sitzung gibt basierend auf empirischen Studien einen Überblick über häufige Muster der Verwendung und Darstellung von Zahlen und Statistiken in öffentlichen Debatten und diskutiert ihre potenziellen Wirkungen auf die Vorstellungen der Menschen.

Dr. Carsten Orwat

Institut für Technikfolgenabschätzung und Systemanalyse (ITAS), KIT

Beim Schlagwort KI denken heute viele an große Sprachmodelle wie ChatGPT. Die Anwendungen von KI sind jedoch weitaus vielfältiger, ebenso wie ihre gesellschaftlichen Probleme. Als problematisch gelten auch KI-Anwendungen zur automatisierten Differenzierung von Personen in Wirtschaft, Verwaltung oder Justiz. Neben Datenschutzproblemen wurden hier relativ früh auch Diskriminierungsrisiken sichtbar, die Forschungen zur Fairness des maschinellen Lernens und den Ruf nach Regulierung hervorgerufen haben. Der Vortrag beleuchtet diese Entwicklungen und nimmt dabei Bezug auf Grundrechte und gesellschaftliche Grundwerte. In welcher Weise sind Menschenwürde, informationelle Selbstbestimmung und Gleichheitsvorstellungen durch KI gefährdet? Was kann in diesem Zusammenhang von der künftigen KI-Verordnung erwartet werden? Warum kann zunehmend von systemischen Risiken der KI gesprochen werden?

Miriam Klöpper M.A.

Wissenschaftliche Mitarbeiterin am FZI Forschungszentrum Informatik Karlsruhe

In weiten Teilen des Personalmanagements kommen immer häufiger sogenannte People-Analytics-Anwendungen zum Einsatz. Basierend auf algorithmischen Auswertungen sollen diese Anwendungen automatisiert beispielsweise Produktivität der Beschäftigten ermitteln, geeignete Teamzusammensetzungen und ungewollte Fluktuation prognostizieren oder auch Lebensläufe von Bewerberinnen und Bewerber  auswerten. Dabei analysieren die Anwendungen sowohl historisch im Unternehmen gewachsene Datensätze, sammeln aber auch kontinuierlich von Arbeitnehmende ganz nebenbei generierte Daten, wie die Anzahl der gesendeten Emails oder geführten Telefonate bis hin zu Mausbewegungen oder Tastenanschlägen. Während Befürwortende der Systeme in diesen vor allem Neutralität und Fairness sehen, kommen einige Forschende zu dem Schluss, dass die Nachteile der Technologie die positiven Aspekte deutlich überwiegen. Im Vortrag werden die algorithmischen Systeme und die zugrundeliegenden Datensammlungen betrachtet und dabei deren Potentiale und Risiken erörtert.

Prof. Dr. Ute Schmid

Lehrstuhl für Kognitive Systeme an der Otto-Friedrich-Universität Bamberg

Seit etwa zehn Jahren findet das Thema Künstliche Intelligenz nach einem langen KI-Winter viel Beachtung. Während zunächst vor allem Anwendungen von Deep Learning im Kontext von industrieller Produktion, autonomem Fahren und Medizin im Zentrum des Interesses standen, hat ChatGPT einen breiten Diskurs zum Thema KI in der Bildung ausgelöst. Neben praktischen Fragen wie zukünftigen Formaten von Prüfungen wird nun auch diskutiert, wie Bildung im Zeitalter von KI aussehen sollte und welche Kompetenzen zukünftig vermittelt werden sollten. Im Vortrag gebe ich eine Einführung in die Entwicklung von KI-Systemen in der Bildung und gehe danach auf verschiedene Möglichkeiten ein, wie KI im Bildungsbereich eingesetzt werden kann – insbesondere predictive analytics, intelligente Tutorsysteme sowie Dialogsysteme wie ChatGPT.

Diana M. Tangen

Stellv. Leitung Benutzung und Leitung Informationskompetenz der KIT-Bibliothek. Leitung der Fachbibliotheken der Hochschule Karlsruhe, Technik und Wirtschaft (FBH) sowie der Dualen Hochschule Baden-Württemberg, Standort Karlsruhe (FBD)

Im Zuge der digitalen Transformation gewinnen Datenkompetenzen zunehmend für die globale Wissensgesellschaft in allen Bereichen und Disziplinen an Bedeutung. Bereits im Studium sollte die Fähigkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst einzusetzen, vermittelt werden. Wissenschaftliche Bibliotheken übernehmen eine aktive Rolle bei der Förderung von überfachlichen Datenkompetenzen und bei der Entwicklung von Werkzeugen zum Forschungsdatenmanagement sowie dem dauerhaften Betrieb von Datenrepositorien.

Prof. Dr. Michael Mönnich

Stellvertretender Direktor der KIT-Bibliothek

Metadaten sind Daten, die Informationen über Objekte enthalten. Dabei kann es sich um analoge Dinge wie Bücher, Gemälde und andere Artefakte oder digitale Daten wie Computerdateien, Videos oder Forschungsdaten handeln. Metadaten sind immer strukturiert und maschinell lesbar. Sie sind unerlässlicher Bestandteil jeder größeren Datensammlung und stellen die Grundlage für Vorgänge wie Internetsuche, Webindexierung und Data Mining dar. Auf der Auswertung von Metadaten basieren auch neuere Konzepte des Information Retrievals wie Semantic Web oder Web 3.0. Bei der Erstellung und Verarbeitung von Metadaten kommt dem Aspekt der Interoperabilität und der Standardisierung besondere Bedeutung zu. Im Vortrag werden neben den Grundlagen des Metadatenmanagements exemplarisch wichtige Standards für das Erstellen von interoperablen Metadaten vorgestellt sowie einige Beispiele für deren Verarbeitung gezeigt.

Dr. Sebastian Lerch

Leiter der Nachwuchsgruppe KI-Methoden für probabilistische Wettervorhersagen am Institut für Volkswirtschaftslehre (ECON)

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

Angela Hühnerfuß, M.A.

Koordination KIT Graduate School Computational and Data Science

Im Rahmen des Vortrags wird die KIT Graduate School Computational and Data Science des KIT-Zentrums MathSEE vorgestellt, die im Wintersemester 2022/23 startete. Die englischsprachige internationale Graduiertenschule bietet ein dreijähriges interdisziplinäres Qualifizierungsprogramm für Doktorandinnen und Doktoranden an, die am KIT an daten- und modellgetriebenen Projekten an der Schnittstelle zwischen Mathematik und einem SEE-Fach (Natur-, Wirtschafts- und Ingenieurwissenschaften) arbeiten. Die Themen der Promotionsprojekte umfassen ein breites Spektrum, von der Wettervorhersage bis hin zu cyber-physikalischen Systemen, die beim autonomen Fahren zum Einsatz kommen.

Dr. Martin Weis

OK Lab Karlsruhe

Michael Riedmüller

OK Lab Karlsruhe

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

Dr. Jörg Meyer

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

Big Data, Data Analytics, Künstliche Intelligenz und Cloud Computing bestimmen weiterhin viele Aspekte im heutigen Leben in Wissenschaft, Wirtschaft und Gesellschaft. Dieser Vortrag gibt einen Überblick über die Aktivitäten des Scientific Computing Center (SCC) des KIT in diesen Themenbereichen, welche die Generierung von Wissen aus Daten ermöglichen und unterstützen.

Prof. Dr. Jörn Müller-Quade

Leiter der KASTEL-Forschungsgruppe „Kryptographie und Sicherheit“, Sprecher und Initiator des Instituts für Informationssicherheit und Verlässlichkeit (KASTEL) und Direktor für Innovation, Strategie und Transfer am FZI

Der Umgang mit Daten birgt auch Risiken für die Privatsphäre. Im Vortrag werden sogenannte „Privacy Enhancing Technologies“ (PETs) vorgestellt, die ein wichtiges Werkzeug für den effektiven Umgang mit sensiblen Daten sein können. Dabei wird der Frage nachgegangen, ob PETs den Widerspruch zwischen der Nutzung von (sensiblen) Daten und den Anforderungen des Datenschutzes lösen können.

Dr. Maren Lübcke

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

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

Der Vortrag findet online statt.

Dr. Simon David Hirsbrunner

Senior researcher am Internationalen Zentrum für Ethik in den Wissenschaften (IZEW) der Universität Tübingen

Verfahren des maschinelles Lernens revolutionieren derzeit die Art, wie wir aus digitalen Daten Wissen generieren können. Dadurch ergeben sich neue Möglichkeiten wissenschaftlicher Erkenntnisse, vielfältige Vorteile für Konsument*innen, neue Geschäftsfelder für Unternehmen, aber auch potentielle Chancen für die Adressierung gesellschaftlicher Herausforderungen wie dem Klimawandel. Durch die Kraft dieser Technologien und deren Einbettung in Dateninfrastrukturen und soziale Handlungsfelder ergeben sich jedoch auch eine Reihe gesellschaftlicher Risiken. Gerade in Hochrisiko-Bereichen wie der Verarbeitung biometrischer Daten oder der Anwendung von KI in der polizeilichen Ermittlungsarbeit muss sichergestellt werden, dass Betroffene vor ethisch problematischen Wirkungsweisen der Technologie geschützt werden. So muss beispielsweise verhindert werden, dass es bei Entscheidungen der KI zu Verzerrungen kommt, die Nachteile für Betroffene aus unterprivilegierten Gruppen (Gender, Ethnie, Behinderung, etc.) mit sich bringen. Mit diesen und ähnlichen Fragen (bspw. Schutz von Privatheit, Erklärbarkeit und Transparenz, Vertrauenswürdigkeit) beschäftigt sich das Forschungsfeld der KI-Ethik. Doch wie können ethische Prinzipien in der praktischen Entwicklung von KI verhandelt und operationalisiert werden? Wie lassen sich die unterschiedlichen Interessen von technischen Entwickler*innen, Anwender*innen und Betroffenen miteinander in Einklang bringen oder auch kontrovers diskutieren? Der Beitrag führt hierzu in inter- und transdisziplinäre Ansätze wie die integrierte Technikentwicklung, Werte-sensitives Design und reflexive data science ein und illustriert anhand von verschiedenen KI-Anwendungsfeldern (Social Media Analytics, Erkennungstechnologie in der polizeilichen Ermittlungsarbeit, etc.).

Miriam Klöpper, M.A.

Wissenschaftliche Mitarbeiterin am FZI Forschungszentrum Informatik Karlsruhe

In weiten Teilen des Personalmanagements kommen immer häufiger sogenannte People-Analytics-Anwendungen zum Einsatz. Basierend auf algorithmischen Auswertungen sollen diese Anwendungen automatisiert beispielsweise Produktivität der Beschäftigten ermitteln, geeignete Teamzusammensetzungen und ungewollte Fluktuation prognostizieren oder auch Lebensläufe von Bewerber*innen auswerten. Dabei analysieren die Anwendungen sowohl historisch im Unternehmen gewachsene Datensätze, sammeln aber auch kontinuierlich von Arbeitnehmer*innen ganz nebenbei generierte Daten, wie die Anzahl der gesendeten Emails oder geführten Telefonate bis hin zu Mausbewegungen oder Tastenanschlägen. Während Befürworter*innen der Systeme deren vermeintliche Neutralität und Fairness loben, kommen einige Wissenschaftler*innen zu dem Schluss, dass die Nachteile der Technologie, zum Beispiel die Verstärkung sozialer Ungerechtigkeiten und Diskriminierung durch Vorurteile in den Datensätzen, die positiven Aspekte deutlich überwiegen. Im Vortrag werden diese Systeme und die zugrundeliegenden Datensammlungen betrachtet und es wird erörtert, ob ein Einsatz der Systeme in Sinne der Arbeitnehmenden überhaupt möglich ist.

Diana M. Tangen

Stellv. Leitung Benutzung und Leitung Informationskompetenz der KIT-Bibliothek. Leitung der Fachbibliotheken der Hochschule Karlsruhe, Technik und Wirtschaft (FBH) sowie der Dualen Hochschule Baden-Württemberg, Standort Karlsruhe (FBD)

Im Zuge der digitalen Transformation gewinnen Datenkompetenzen zunehmend für die globale Wissensgesellschaft in allen Bereichen und Disziplinen an Bedeutung. Bereits im Studium sollte die Fähigkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst einzusetzen, vermittelt werden.Wissenschaftliche Bibliotheken übernehmen eine aktive Rolle bei der Förderung von überfachlichen Datenkompetenzen und bei der Entwicklung von Werkzeugen zum Forschungsdatenmanagement sowie dem dauerhaften Betrieb von Datenrepositorien.

Prof. Dr. Achim Streit

Direktor des Scientific Computing Center (SCC), KIT

Big Data, Data Analytics, Künstliche Intelligenz und Cloud Computing sind Schlagworte des heutigen Lebens in Wissenschaft, Wirtschaft und Gesellschaft. Dieser Vortrag gibt einen Überblick über die Aktivitäten des Scientific Computing Center (SCC) des KIT in diesen Themenbereichen und ermöglicht und unterstützt damit die Generierung von Wissen aus Daten.

Prof. Dr. Michael Mönnich

Stellvertretender Direktor der KIT-Bibliothek

Metadaten sind Daten, die Informationen über Objekte enthalten. Dabei kann es sich um analoge Dinge wie Bücher, Gemälde und andere Artefakte oder digitale Daten wie Computerdateien, Videos oder Forschungsdaten handeln. Metadaten sind immer strukturiert und maschinell lesbar. Sie sind unerlässlicher Bestandteil jeder größeren Datensammlung und stellen die Grundlage für Vorgänge wie Internetsuche, Webindexierung und Data Mining dar. Auf der Auswertung von Metadaten basieren auch neuere Konzepte des Information Retrievals wie Semantic Web oder Web 3.0. Bei der Erstellung und Verarbeitung von Metadaten kommt dem Aspekt der Interoperabilität und der Standardisierung besondere Bedeutung zu. Im Vortrag werden neben den Grundlagen des Metadatenmanagements exemplarisch wichtige Standards für das Erstellen von interoperablen Metadaten vorgestellt sowie einige Beispiele für deren Verarbeitung gezeigt.

Angela Hühnerfuß, M.A.

Koordination KIT Graduate School Computational and Data Science

Dr. Sebastian Lerch

Leiter der Nachwuchsgruppe KI-Methoden für probabilistische Wettervorhersagen am Institut für Volkswirtschaftslehre (ECON)

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

Im Rahmen des Vortrags wird die KIT Graduate School Computational and Data Science des KIT-Zentrums MathSEE vorgestellt, die im Wintersemester 2022/23 startet. Die englischsprachige internationale Graduiertenschule bietet ein dreijähriges interdisziplinäres Qualifizierungsprogramm für Doktorandinnen und Doktoranden an, die am KIT an daten- und modellgetriebenen Projekten an der Schnittstelle zwischen Mathematik und einem SEE-Fach (Natur-, Wirtschafts- und Ingenieurwissenschaften) arbeiten. Die Themen der Promotionsprojekte umfassen ein breites Spektrum, von der Wettervorhersage bis hin zu cyber-physikalischen Systemen, die beim autonomen Fahren zum Einsatz kommen.

Dr. Andreas Kugel

OK Lab Karlsruhe

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

Dr. Maren Lübcke

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

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

© Kristina Schäfer

Dr. Stefan Brink

Landesbeauftragter für den Datenschutz und die Informationsfreiheit Baden-Württemberg a. D.

Abstract

Prof. Dr. Joachim Engel

Professor für Mathematik und Mathematikdidaktik, Pädagogische Hochschule Ludwigsburg

Digitale Medien und die Verfügbarkeit von Daten von schier unbegrenztem Umfang verändern unseren Zugang zu Informationen radikal. Neue Datenquellen liefern neue Arten von Evidenz, provozieren neuartige Fragen, ermöglichen neuartige Antworten und prägen die Art und Weise, wie Evidenz genutzt wird, um die Entscheidungsfindung im privaten, beruflichen und öffentlichen Leben zu beeinflussen. Data Science als praktische Wissenschaft wurde konzipiert, um auf der Basis von Big Data konkrete Probleme in Wissenschaft, Technik und Gesellschaft zu lösen. Dies erfordert Fähigkeiten jenseits der technischen Beherrschung von Algorithmen und berührt Fragen der Datenethik und ein Bewusstsein für Implikationen für Politik und Gesellschaft. Der Vortrag diskutiert, welche Kenntnisse und Fähigkeiten der mündige Bürgerinnen und Bürger im Bereich Data Science haben sollte, um sich im Datendschungel zurechtzufinden, um sich informiert in demokratischen Entscheidungsprozessen engagieren zu können sowie sich hieraus ergebende Implikationen für Curricula an Schulen und Hochschulen.

PD Dr. Jessica Heesen

Leiterin des Forschungsschwerpunkts Medienethik und Informationstechnik, Eberhard Karls Universität Tübingen

In einer datafizierten Gesellschaft erzeugen Daten das Bild, das sich Politik, Wirtschaft und die einzelnen Bürgerinnen und Bürger von der Gesellschaft machen. Daten sind jedoch nicht neutral, sondern sind Medien, die wie andere Medien auch einen bestimmten Ausschnitt der Wirklichkeit zeigen. Datenerhebungen betonen bestimmte Aspekte, aber vernachlässigen andere oder sogar ganze Menschengruppen, die nicht repräsentiert werden. Der Vortrag zeigt, dass ein mündiger Umgang mit Daten ihre Aussagekraft reflektiert und den rhetorischen Zweck des Argumentierens mit Daten kritisch einordnen kann. Nur unter diesen Voraussetzungen sind Daten gut genug für gute Entscheidungen.

Quelle: Plattform Lernende Systeme/Thilo Schoch

Dr. Sandra Leaton Gray

Associate Professor of Education am University College London, Institute of Education, Großbritannien

The introduction of artificial intelligence to education has profound implications for the future of children and young people. Its adoption has been accelerated by the Covid-19 pandemic, particularly in relation to aspects of learning such as online assessments. Artificial intelligence is however a highly nuanced technology with potential for good as well as harm. This talk explores the different ways artificial intelligence is deployed within the education sector, including through the latest developments in behavioural biometrics, and also discusses the associated social and ethical implications of its adoption.  It asks questions about whether the data privacy rights of learners are respected or exploited, within what has become a highly marketized system that is frequently underpinned by public finance. The talk is suitable for technology specialists as well as the general public.

Alexander Struck

Chief Information Officer des Exzellenzclusters „Matters of Activity. Image Space Material“, Humboldt-Universität zu Berlin

Obwohl Software seit Jahrzehnten in der Forschung und Wissenschaft eingesetzt wird, kommt ihr jetzt erst vermehrt Aufmerksamkeit zu. Es gibt Bemühungen, Forschungssoftware genauer zu definieren, auch um es für die FAIR-Prinzipien und im Kontext Open Science besser fassbar zu machen. Es existieren Parallelen zur Entwicklung von Forschungsdaten(-management). Code benötigt ebenfalls Metadaten, um publiziert, referenziert und (wieder)gefunden werden.  Die Standardisierung von Metadaten ist noch am Anfang. Publizierter Code oder kompilierte Applikationden tauchen auf verschiedenen Plattformen auf, sind jedoch teils schwer auffindbar. Aus verschiedenen Gründen wird Software auch oft neu geschrieben, statt existierende (nachhaltig) nachzunutzen. Seit Kurzem setzen sich Lobbyorganisationen für die Anerkennung des Research Software Engineering ein, insbesondere, dass Forschungssoftware neben anderen Publikationsformen ebenfalls ein gleichwertiges Forschungsergebnis sein kann. Hier wird die Zitierung von Software an Bedeutung gewinnen. Ähnlich zum Datenmanagementplan (DMP) macht es in der Forschung Sinn, auch zu Software derartige Überlegungen zu dokumentieren. Ähnlich zu Data Journals haben sich Software Journals entwickelt und parallel zum Data Steward(ship) entwickelt sich langsam das Berufsbild des Research Software Engineer(ing). Software Literacy und Sustainability werden vermehrt (inter)national in der Forschung gefördert.

Diana M. Tangen

Stellv. Leitung Benutzung, Leitung Informationskompetenz, Fachreferat. Leitung der Fachbibliotheken der Hochschule Karlsruhe, Technik und Wirtschaft (FBH) sowie der Dualen Hochschule Baden-Württemberg, Standort Karlsruhe (FBD)

Im Zuge der digitalen Transformation gewinnen Datenkompetenzen zunehmend für die globale Wissensgesellschaft in allen Bereichen und Disziplinen an Bedeutung. Bereits im Studium sollte die Fähigkeit, planvoll mit Daten umzugehen und sie im jeweiligen Kontext bewusst einzusetzen, vermittelt werden.Wissenschaftliche Bibliotheken übernehmen eine aktive Rolle bei der Förderung von überfachlichen Datenkompetenzen und bei der Entwicklung von Werkzeugen zum Forschungsdatenmanagement sowie dem dauerhaften Betrieb von Datenrepositorien.

Dr. Claudia Kramer

stellv. Leiterin Abteilung Forschungsdienste der KIT-Bibliothek, Koordinatorin von Projekten und Services für das Management von Forschungsdaten am KIT und Partnereinrichtungen im Rahmen des Serviceteams RDM@KIT

Forschungsdatenmanagement (FDM) ist die Voraussetzung, um Forschungsdaten nach den FAIR –Prinzipien auffindbar, zugänglich, interoperabel und nachnutzbar zu machen. Zentrale FDM- Kontaktstellen an deutschen Universitäten und Forschungseinrichtungen bieten Anlaufstellen, die meist fächerübergreifende Hard- und Softwarelösungen, Beratungsangebote sowie Schulungen zum Datenmanagement für die Forschenden bereitstellen. Ergänzend zu diesen generischen Angeboten benötigen die Fachbereiche eine direkte Unterstützung, um fachspezifische Lösungen zu erarbeiten, denn Forschungsdaten und Ihre Beschreibung unterscheiden sich von Fach zu Fach sehr stark. Für diese fachspezifische Unterstützung besteht schon seit längerem eine große Lücke. Aktuell entwickeln sich jedoch mit den Data Stewards, gemeinsam mit Research Software Engineers und Data Scientists, neue Berufsbilder, die das Potenzial haben, diese Lücke zu schließen. Der Vortrag stellt Aufgabenbereiche von Data Stewards vor und zeigt auf, an welchen Stellen in einer Universität Data Stewards aktiv eingebunden sind. Er zeigt Weiterbildungsmöglichkeiten sowie Chancen einer Vernetzung weit über die eigene Einrichtung auf.

Prof. Dr. Achim Streit

Direktor des Scientific Computing Center (SCC), KIT

Big Data, Data Analytics, Künstliche Intelligenz und Cloud Computing sind Schlagworte des heutigen Lebens in Wissenschaft, Wirtschaft und Gesellschaft. Dieser Vortrag gibt einen Überblick über die Aktivitäten des Scientific Computing Center (SCC) des KIT in diesen Themenbereichen und ermöglicht und unterstützt damit die Generierung von Wissen aus Daten.

Dr. Andreas Kugel

OK Lab Karlsruhe / Institut für Technische Informatik (ZITI), Universität Heidelberg

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

Prof. Dr. Karsten Wendland

Medieninformatik, Fakultät Optik und Mechatronik, Hochschule Aalen /Institut für Technikfolgenabschätzung und Systemanalyse (ITAS), KIT

In den weltweiten Kunstmarkt ist eine neue Lebendigkeit eingezogen, in der sich Kräfteverhältnisse neu sortieren und neue Beteiligungsformen entstehen. Mit Non-fungible Tokens, kurz NFTs, lassen sich analoge wie digitale Kunstwerke in Form geschützter kleiner Eigentumsanteile vertreiben. Abgesichert durch Blockchain-Technologie ist es möglich, Kunst zu erwerben, mit Kunst zu handeln oder eigene Werke in Position zu bringen und zu verkaufen. Attraktiv ist dies für Kenner und Liebhaber, die von seltenen Stücken wenigstens Anteile erwerben können, ebenso wie für Anleger und Banausen, denen es ausschließlich um Gewinnerwartungen geht. Künstlerinnen und Künstlern, die bislang kaum Gelegenheiten hatten, ihre Werke überhaupt vertreiben, steht über NFTs der Zugang zu einem weltweiten Markt offen. Auch erste Sammler und Museen überlegen, Anteile ihrer Bestände auf diese Weise ohne Besitzverlust zu kapitalisieren.
 
Im Vortrag werden Konzept und Funktionsweise von NFTs erläutert, einschlägige Fälle aus der jüngeren Vergangenheit vorgestellt und Grundideen neuer NFT-Kunst-basierter Geschäftsmodelle skizziert. In der anschließenden Diskussion soll Raum für die kritische Reflexion auch der „dunklen Seiten“ der neuen Technologie gegeben werden.

Florian Rampelt

Stellv. Geschäftsstellenleiter des Hochschulforums Digitalisierung und Geschäftsstellenleiter des KI-Campus beim Stifterverband

Data Literacy umfasst die Datenkompetenzen, die für alle Menschen in einer durch Digitalisierung geprägten Welt wichtig sind. Data Literacy schließt dabei drei Kompetenzdimensionen ein, spezifisches Wissen (Dimension „Knowledge"), die Fähigkeiten und Fertigkeiten, dieses Wissen anzuwenden (Dimension „Skills") sowie die Bereitschaft, dies zu tun, d. h. die entsprechende Werthaltung (Dimension „Values").
Im Frühjahr 2021 haben zahlreiche Partner basierend auf diesem Verständnis gemeinsam eine Data-Literacy-Charta veröffentlicht (https://www.stifterverband.org/charta-data-literacy). Die Charta wird in dem Beitrag zur Ringvorlesung vorgestellt und zentrale Leitprinzipien und Kompetenzdimensionen diskutiert. Darauf aufbauend werden erste Ansätze für einen internationalen Standard für Data Literacy und Künstliche Intelligenz, den „Standard for Data and AI Literacy, Skills, and Readiness” dargestellt.
Um Datenkompetenzen in der Breite zu vermitteln und zugänglich zu machen, werden digitalen, offenen Lernangeboten eine besondere Rolle beigemessen. Basierend auf den konzeptionellen Überlegungen zu Data Literacy werden daher offene Lernangeboote zu „Data Literacy“ auf dem KI-Campus präsentiert: https://ki-campus.org/daten

Dr. Maren Lübcke

Institut für Hochschulentwicklung, Geschäftsbereich Hochschulmanagement, Schwerpunkt Digitalisierung in Lehre und Forschung, Hannover

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

© Kristina Schäfer

Dr. Stefan Brink

Landesbeauftragter für den Datenschutz und die Informationsfreiheit Baden-Württemberg

Abstract