Hauptseminar - Exam

Aufgabe 1)

Du bist ein Forscher an der Universität Erlangen-Nürnberg und sollst einen Bericht über die neuesten Forschungstrends in der Informatik schreiben. In Deinem Bericht sollen verschiedene Bereiche der Informatik berücksichtigt werden, die momentan besonders viel Aufmerksamkeit erhalten. Zu diesen Bereichen zählen unter anderem Künstliche Intelligenz, Quanteninformatik, Cyber-Sicherheit, verteilte Systeme, Human-Computer Interaction (HCI), Bioinformatik, Nachhaltigkeit in der IT sowie Big Data und Datenwissenschaft. Betrachte dabei aktuelle Herausforderungen, Fortschritte und Anwendungen in diesen Bereichen.

a)

Künstliche Intelligenz (KI): Analysiere die neuesten Fortschritte im Bereich des Deep Learning. Beschreibe und erkläre mindestens zwei aktuelle Algorithmen oder Modelle, die erhebliche Verbesserungen gezeigt haben. Erkläre auch, wie diese neuen Modelle in der Praxis angewendet werden können, und gib spezifische Anwendungsbeispiele aus der Industrie.

Lösung:

Neuestes Fortschritte im Bereich des Deep Learning:

• Transformer-Modelle und BERT: Einer der bedeutendsten Fortschritte im Bereich des Deep Learning ist die Entwicklung von Transformer-Modellen, wie z.B. BERT (Bidirectional Encoder Representations from Transformers). BERT hat sich als unglaublich leistungsfähig bei natürlichen Sprachverarbeitungsaufgaben herausgestellt, da es bidirektionale Kontexte versteht und somit bedeutungsvolle Einbettungen von Wörtern in Sätzen erzeugen kann. BERT-basierte Modelle haben erhebliche Verbesserungen in Aufgaben wie Textklassifikation, Named Entity Recognition (NER), und maschinelles Übersetzen gezeigt. Ein praktisches Beispiel für BERTs Anwendung in der Industrie ist der Einsatz bei Suchmaschinen wie Google, um die Suchanfragen der Benutzer besser zu verstehen und relevante Ergebnisse zu liefern.
• Generative Adversarial Networks (GANs): GANs bestehen aus zwei konkurrierenden neuronalen Netzwerken – dem Generator und dem Diskriminator. Der Generator erzeugt neue Datenproben, während der Diskriminator versucht zu unterscheiden, ob diese Proben real oder künstlich sind. Diese dynamische Interaktion führt zu äußerst realistischen Datengenerierungen. GANs werden in verschiedenen Bereichen angewendet, darunter Bilderzeugung (z.B. Gesichtsgenerierung), Verbesserung der Bildqualität und sogar in der Erstellung synthetischer Daten für Training und Tests. Ein bemerkenswertes Anwendungsbeispiel von GANs in der Industrie ist Nvidia, das diese Technologie nutzt, um realistische Landschaften und Umgebungen für Videospiele zu generieren.

Diese neuen Modelle haben ein enormes Potenzial für praktische Anwendungen und öffnen die Tür zu innovativen Lösungen in verschiedenen Branchen.

• Anwendungsbeispiele:
  • Google Suche: Nutzung von BERT zur Verbesserung der Suchmaschinenfunktionalität.
  • Nvidia: Einsatz von GANs zur Generierung von realistischen virtuellen Umgebungen in Videospielen.
  • Medizin: Anwendung von Deep Learning Modellen zur Diagnose und Prognose von Krankheiten durch die Analyse medizinischer Bilder und Daten.
  • Autonome Fahrzeuge: Verwendung von Deep Learning Algorithmen zur Objekterkennung und für Entscheidungsprozesse in selbstfahrenden Autos.

b)

Quanteninformatik: Diskutiere die wesentlichen Fortschritte im Bereich des Quantencomputing in den letzten fünf Jahren. Beschreibe mindestens einen wichtigen Quantenalgorithmus und seine potenziellen Anwendungen. Gehe dabei auch auf die mathematischen Grundlagen des Quantencomputing ein, beispielsweise das Konzept von Superposition und Verschränkung. Verwende Latex für relevante Formeln.

Lösung:

Wesentliche Fortschritte im Bereich des Quantencomputing:

• Allgemeine Fortschritte: In den letzten fünf Jahren sind im Quantencomputing signifikante Fortschritte erzielt worden. Zu den wichtigsten Entwicklungen zählen:
  • Die Erhöhung der Quantenbits (Qubits) in Prozessoren. Beispielsweise hat Google einen 72-Qubit-Prozessor namens „Bristlecone‟ entwickelt.
  • Die Verbesserung der Qubit-Kohärenzzeiten, wodurch längere Berechnungen möglich werden.
  • Optimierungen in der Quanten-Fehlerkorrektur, die die Anzahl der Fehler durch Quantenfehler reduzieren und die Skalierbarkeit von Quantencomputern erhöhen.
  • Im Jahr 2019 konnte Google mit ihrem Quantencomputer „Sycamore‟ die Quantenüberlegenheit demonstrieren, indem eine spezifische Berechnung in 200 Sekunden durchgeführt wurde, die den schnellsten klassischen Computern 10.000 Jahre dauern würde.
• Ein wichtiger Quantenalgorithmus – Shor's Algorithmus: Shor's Algorithmus ist ein bedeutender Quantenalgorithmus, der zur Faktorisierung großer Zahlen genutzt wird. Während klassische Algorithmen exponentielle Zeit benötigen, um große Zahlen zu faktorisieren, kann Shor's Algorithmus dies in polynomieller Zeit tun.
  • Mathematische Grundlagen:
    • Superposition: Das Konzept der Superposition ermöglicht es einem Quantenbit, gleichzeitig in mehreren Zuständen zu sein. Dies wird mathematisch durch den Zustand beschrieben:

       \begin{equation} |\text{ψ}\rangle = α|0\rangle + β|1\rangle \end{equation} 

      Hierbei sind \( α \) und \( β \) komplexe Zahlen, die die Wahrscheinlichkeitsamplituden darstellen.
    • Verschränkung: Die Verschränkung erlaubt es, dass zwei oder mehr Qubits miteinander in einem Zustand verbunden sind, wobei der Zustand eines Qubits sofort den Zustand des anderen bestimmt. Zum Beispiel:

       \begin{equation} |\text{ϕ}\rangle = \frac{1}{\sqrt{2}} (|00\rangle + |11\rangle) \end{equation} 

      Dies ermöglicht eine Art von Kommunikation und Berechnung, die in klassischen Systemen nicht realisierbar ist.
  • Potenzielle Anwendungen:
    • Kryptographie: Shor's Algorithmus kann RSA-Verschlüsselungen knacken, was große Auswirkungen auf die Sicherheit von Daten hat. Bisherige Verschlüsselungsmethoden müssten aufgrund dieser Bedrohung überdacht und ersetzt werden.
    • Optimierungsprobleme: Quantenalgorithmen könnten verwendet werden, um komplexe Optimierungsprobleme schneller und effizienter zu lösen. Dies ist in Bereichen wie der Logistik und im Finanzwesen von großem Nutzen.
    • Medikamentenentdeckung: Durch die Fähigkeit von Quantencomputern, molekulare Simulationen effizienter als klassische Computer durchzuführen, könnten neue Medikamente schneller entdeckt und entwickelt werden.
    • Maschinelles Lernen: Quanten-inspiriertes maschinelles Lernen könnte die Effizienz und Effektivität von klassischen maschinellen Lernalgorithmen erheblich verbessern.

c)

Cyber-Sicherheit: Führe eine detaillierte Untersuchung über die Entwicklung neuer Kryptografieverfahren durch. Erkläre die Vorteile kryptografischer Verfahren basierend auf Quanteninformatik im Vergleich zu herkömmlichen Verfahren. Diskutiere dabei auch die potenziellen Bedrohungen und Lösungen im Bereich der Netzwerksicherheit.

Lösung:

Untersuchung der Entwicklung neuer Kryptografieverfahren:

• Entwicklung neuer Kryptografieverfahren: In den letzten Jahren hat sich die Kryptografie stark weiterentwickelt, insbesondere im Hinblick auf die Bedrohung durch Quantencomputer. Neue Verfahren wie post-quantum Kryptografie und kryptografische Techniken basierend auf mathematischen Problemen entstanden, die selbst für Quantencomputer schwer zu lösen sind.
• Vorteile kryptografischer Verfahren basierend auf Quanteninformatik:
  • Unbedingte Sicherheit: Quantenbasierte Kryptografie, wie die Quanten-Schlüsselverteilung (QKD), bietet unbedingte Sicherheit, die auf den Gesetzen der Quantenphysik basiert und daher auch gegen Angriffe von Quantencomputern immun ist. Ein Beispiel ist das BB84-Protokoll, bei dem Qubits in verschiedenen Basen gesendet werden, wodurch das Abhören ohne Detektion nicht möglich ist.
  • Verbesserte Schlüsselerzeugung: Mit QKD erzeugte Schlüssel sind wirklich zufällig und nicht vorhersagbar, was sie sicherer als die durch klassische Verfahren erzeugten Schlüssel macht.
• Potenzielle Bedrohungen im Bereich der Netzwerksicherheit:
  • Quantenangriffe: Quantencomputer könnten herkömmliche kryptografische Algorithmen wie RSA und ECC (Elliptic-Curve Cryptography) schnell knacken, indem sie effizient diskrete Logarithmus- und Faktorisierungsprobleme lösen.
  • Man-in-the-Middle-Angriffe: Bei Netzwerkinfrastrukturen kann ein Angreifer versuchen, sich in die Kommunikation zwischen zwei Parteien einzuschleusen. Obwohl QKD hier helfen kann, erfordert es physische Infrastruktur, die sicher und sorgfältig verwaltet werden muss.
  • Zero-Day-Angriffe: Unentdeckte Schwachstellen in Software und Hardware, die bei einem Angriff ausgenutzt werden könnten, sind nach wie vor eine Bedrohung für Netzwerksicherheitsprotokolle.
• Lösungen im Bereich der Netzwerksicherheit:
  • Post-Quanten-Kryptografie: Entwicklung und Implementierung von Algorithmen, die gegen Angriffe von Quantencomputern beständig sind. Dazu gehören Verfahren wie Gitter-basierte Kryptografie, Code-basierte Kryptografie und hashbasierte Kryptografie.
  • Quantum Key Distribution (QKD): Ermöglicht sichere Schlüsselverteilung basierend auf den Gesetzen der Quantenmechanik. Dies verhindert, dass ein Angreifer abgehörte Schlüssel verwenden kann, ohne entdeckt zu werden.
  • Multi-Faktor-Authentifizierung: Durch den Einsatz von mehreren unabhängigen Authentifizierungsfaktoren wird die Sicherheit von Netzwerken erhöht.
  • Kontinuierliche Überwachung und Schwachstellen-Management: Durch kontinuierliche Überwachung auf Bedrohungen und regelmäßige Schwachstellen-Scans können Netzwerkschwachstellen frühzeitig erkannt und behoben werden.

d)

Verteilte Systeme: Erläutere die Rolle der Blockchain-Technologie in modernen verteilten Systemen. Beschreibe die Hauptkomponenten einer Blockchain und deren Funktionsweise. Diskutiere Anwendungen der Blockchain-Technologie über Kryptowährungen hinaus und erkläre, wie Blockchain in der Cloud-Computing-Infrastruktur integriert werden könnte, um Transparenz und Sicherheit zu erhöhen.

Lösung:

Rolle der Blockchain-Technologie in modernen verteilten Systemen:

• Einführung: Blockchain-Technologie hat in den letzten Jahren an Bedeutung gewonnen und spielt eine wesentliche Rolle in modernen verteilten Systemen. Blockchain ist eine dezentrale, verteilte Datenbank, die manipulationssichere und transparente Aufzeichnungen von Daten ermöglicht. Dies macht sie besonders attraktiv für Anwendungen, die Transparenz, Sicherheit und Vertrauen erfordern.
• Hauptkomponenten einer Blockchain und deren Funktionsweise:
  • Blöcke: Jeder Block in einer Blockchain enthält eine Liste von Transaktionen, einen Zeitstempel und einen kryptografischen Hash des vorherigen Blocks. Dadurch entsteht eine verkettete Liste von Blöcken - die „Kette‟.
  • Transaktionen: Transaktionen sind die grundlegenden Einheiten der Blockchain, die die Daten enthalten, die in der Blockchain gespeichert werden. Jede Transaktion wird digital signiert, um deren Authentizität und Integrität zu gewährleisten.
  • Hashing: Hashing ist ein Prozess, bei dem aus Eingabedaten eine feste Größe des Hash-Werts generiert wird. Dieser Hash-Wert ist einzigartig für den jeweiligen Block und dient als digitale Fingerabdruck für Daten.
  • Konsens-Mechanismus: Der Konsens-Mechanismus gewährleistet, dass alle Teilnehmer im Netzwerk eine einheitliche Sicht der Blockchain haben. Die bekanntesten Mechanismen sind Proof-of-Work (PoW) und Proof-of-Stake (PoS).
  • Smart Contracts: Smart Contracts sind selbstausführende Verträge mit den Bedingungen der Vereinbarung direkt im Code integriert. Sie ermöglichen automatisierte Abläufe und Durchsetzung, ohne dass eine dritte Partei erforderlich ist.
• Anwendungen der Blockchain-Technologie über Kryptowährungen hinaus:
  • Lieferkettenmanagement: Verfolgen von Produkten vom Ursprung bis zum Endkunden. Dies erhöht die Transparenz und ermöglicht es, die Authentizität und Qualität der Produkte zu überprüfen.
  • Gesundheitswesen: Sichere und transparente Aufbewahrung von Patientendaten, die leicht Austausch und Zusammenarbeit zwischen verschiedenen Gesundheitseinrichtungen ermöglichen.
  • Grundbuchwesen: Sicheres und transparentes Verwalten von Eigentumsrechten und Immobilienregister, um Betrug und Unstimmigkeiten zu verhindern.
  • Identitätsmanagement: Dezentralisierte Identitätslösungen zur sicheren Verwaltung und Überprüfung persönlicher Daten und Identitäten.
• Integration von Blockchain in Cloud-Computing-Infrastruktur:
  • Transparenz: Durch die Implementierung von Blockchain in Cloud-Infrastrukturen können alle Transaktionen und Änderungen in der Infrastruktur rückverfolgbar und überprüfbar gemacht werden.
  • Sicherheit: Blockchain bietet robuste Sicherheit durch kryptografische Techniken und dezentralisierte Management-Mechanismen, die es hackern erschweren, die Daten zu manipulieren.
  • Verwaltung und Automatisierung: Smart Contracts können genutzt werden, um verschiedene Cloud-Dienste und -Ressourcen zu automatisieren und effizient zu verwalten.
  • Zugangskontrolle: Blockchain-basierte Systeme können verwendet werden, um den Zugang zu Cloud-Ressourcen sicher und regelbasiert zu steuern.

Die Blockchain-Technologie bietet viele Vorteile und öffnet neue Horizonte für verschiedene Branchen, insbesondere im Bereich der verteilten Systeme und der Cloud-Computing-Infrastruktur.

Aufgabe 2)

Du arbeitest an Deiner Abschlussarbeit im Bereich Informatik und möchtest eine systematische Literaturrecherche zu einem spezifischen Thema durchführen. Verwende die Methoden der Literaturrecherche und -bewertung, um eine fundierte Basis für Deine wissenschaftliche Arbeit zu schaffen.

a)

Entwickle eine detaillierte Suchstrategie für Dein gewähltes Thema. Beschreibe, wie Du relevante Datenbanken und Suchmaschinen wie IEEE Xplore, ACM Digital Library und Google Scholar verwendet hast. Detailiere Deine Schlüsselwortauswahl, inklusive eventueller Synonyme, die Du berücksichtigen würdest, um sicherzustellen, dass Du umfassende und relevante Artikel findest. Zeige ebenfalls auf, welche Filterkriterien Du anwendest, um die Ergebnisliste sinnvoll einzugrenzen (z.B. Publikationsdatum, Zeitschriftenrang, Peer-Review).

Lösung:

Suchstrategie für ein spezifisches Informatik-Thema:

• 1. Bestimmung des Themas: Als erstes Schritt bestimme ich das genaue Thema meiner Abschlussarbeit. Nehmen wir beispielsweise an, ich untersuche die 'Anwendung von maschinellem Lernen in der Cybersicherheit'.
• 2. Auswahl der relevanten Datenbanken und Suchmaschinen:
  • IEEE Xplore: Diese Plattform bietet Zugang zu hochwertigen Forschungsartikeln, Konferenzberichten und anderen wissenschaftlichen Arbeiten im Bereich der Informatik und Elektronik.
  • ACM Digital Library: Diese Datenbank konzentriert sich auf die Informationstechnologie und bietet ebenfalls Zugang zu einer Vielzahl von Forschungsartikeln und Konferenzveröffentlichungen.
  • Google Scholar: Diese Suchmaschine ermöglicht eine breite Suche nach wissenschaftlicher Literatur über verschiedene Disziplinen hinweg. Sie ist besonders nützlich für eine initiale, umfassende Suche.
• 3. Schlüsselwortauswahl: Bei der Festlegung der Schlüsselwörter ist es wichtig, Synonyme und verwandte Begriffe zu berücksichtigen, um eine umfassende Suche zu gewährleisten. Hier sind einige Beispiele für Schlüsselwörter und Synonyme:
  • Maschinelles Lernen: machine learning, ML, supervised learning, unsupervised learning, deep learning
  • Cybersicherheit: cybersecurity, information security, cyber defense, network security
  • Anwendung: application, use case, implementation
  Kombinationen dieser Schlüsselwörter wären z.B. 'machine learning in cybersecurity', 'deep learning for network security', 'application of ML in information security', etc.
• 4. Filterkriterien: Um die Ergebnisliste sinnvoll einzugrenzen, wende ich mehrere Filterkriterien an:
  • Publikationsdatum: Um sicherzustellen, dass die Informationen aktuell sind, beschränke ich die Suche in der Regel auf die letzten 5 Jahre.
  • Zeitschriftenrang: Ich bevorzuge Artikel aus hochrangigen Zeitschriften und Konferenzen, um die Qualität der Quellen sicherzustellen.
  • Peer-Review: Ich stelle sicher, dass die Artikel peer-reviewed sind, um deren wissenschaftliche Validität zu gewährleisten.
  • Publikationstyp: Ich filtere nach relevanten Publikationstypen wie Journal Papers, Konferenzberichte, und Reviews.
• 5. Durchführung der Suche: Nach der Einrichtung der Schlüsselwörter und Filterkriterien führe ich meine Suche in den ausgewählten Datenbanken und Suchmaschinen durch. Dabei überprüfe ich die ersten 2-3 Seiten der Suchergebnisse, um relevante Studien und Artikel zu identifizieren. Falls notwendig, passe ich die Schlüsselwörter und Filter an, um die Ergebnisse weiter zu verfeinern.

b)

Nachdem Du eine Liste relevanter Artikel zusammengestellt hast, erkläre, wie Du diese Artikel bewerten und auswählen würdest. Beschreibe den Einsatz von Bewertungsmethoden wie Zitatanalyse und Impact Factor sowie der qualitativen Bewertung durch das Lesen von Abstracts, Einleitung und Fazit. Zeige konkret auf, wie Du die Methodik, Ergebnisse und Diskussion kritisch analysierst, um die Qualität und Relevanz der gefundenen Literatur zu bewerten. Nenne auch, welche Dokumentationswerkzeuge Du benutzt (z.B. Referenzmanager wie Zotero oder Mendeley) und wie diese Werkzeuge Deine Arbeit erleichtern.

Lösung:

Bewertung und Auswahl der Artikel:

• 1. Erstellung einer Artikelübersicht: Nach der ersten Auswahl der relevanten Artikel erstelle ich eine Übersichtsliste aller gefundenen Quellen. Diese Liste enthält Titel, Autoren, Publikationsjahr, Zeitschrift oder Konferenzname und einen Link zur Quelle.
• 2. Zitatanalyse und Impact Factor:
  • Zitatanalyse: Ich überprüfe, wie oft jeder Artikel zitiert wurde. Artikel mit einer hohen Zitierhäufigkeit deuten oft auf eine größere Bedeutung in der wissenschaftlichen Gemeinschaft hin. Dafür verwende ich Google Scholar oder Microsoft Academic.
  • Impact Factor: Ich schaue mir den Impact Factor der Zeitschriften oder Konferenzen an, in denen die Artikel veröffentlicht wurden. Ein höherer Impact Factor ist ein Indikator für die Qualität und das Ansehen der Publikation. Diese Information kann ich in den Datenbanken selbst finden oder über Webseiten wie Journal Citation Reports (JCR) einsehen.
• 3. Qualitative Bewertung:
  • Lesen von Abstracts: Ich lese die Abstracts aller Artikel, um eine erste Einschätzung zu erhalten, ob die Studie relevant und nützlich für meine Arbeit ist.
  • Einleitung und Fazit: Ich lese die Einleitung und das Fazit der vielversprechenden Artikel, um einen besseren Überblick über die Ziele und Ergebnisse der Studie zu bekommen.
  • Kritische Analyse der Methodik: Bei der detaillierten Untersuchung schaue ich mir die Methodik an und prüfe, ob die angewandten Methoden solide und angemessen sind. Ich achte darauf, dass die verwendeten Algorithmen und Datenquellen gut dokumentiert und nachvollziehbar sind.
  • Ergebnisse und Diskussion: Ich überprüfe die dargestellten Ergebnisse und diskutiere, ob diese sinnvoll und gut begründet sind. Dabei schaue ich auch, ob die Autoren mögliche Limitationen ihrer Arbeit erkennen und darlegen.
• 4. Dokumentation und Organisation: Um die gefundenen und bewerteten Artikel zu organisieren, verwende ich Referenzmanager wie Zotero oder Mendeley. Diese Werkzeuge erleichtern meine Arbeit durch folgende Funktionen:
  • Import und Speicherung von Literaturdaten aus verschiedenen Datenbanken
  • Verwaltung von Zitaten und Bibliographien
  • Hinzufügen von Tags und Notizen zu den Artikeln, um sie leichter zu klassifizieren und wiederzufinden
  • Automatische Erstellung von Literaturverzeichnissen in unterschiedlichen Zitierstilen
• 5. Endauswahl der Artikel: Alle gesammelten Informationen und Bewertungen fließen in meine Endauswahl der Artikel ein. Ich wähle die Artikel aus, die sowohl in quantitativer (Zitierhäufigkeit, Impact Factor) als auch in qualitativer Hinsicht (Relevanz, Qualität der Methodik und Ergebnisse) am besten abschneiden. Diese bilden die Basis für die theoretischen Grundlagen meiner Abschlussarbeit.

Aufgabe 3)

• Einleitung: Problemstellung, Zielsetzung und Relevanz.
• Theoretischer Hintergrund: Literaturübersicht und Modelle.
• Methode: Forschungdesign, Datenerhebung, und -analyse.
• Ergebnisse: Wichtige Befunde im Detail mit Tabellen und Abbildungen.
• Diskussion: Interpretation der Ergebnisse, Vergleich mit Literatur.
• Schlussfolgerung: Zusammenfassung, Limitationen und Ausblick.
• Zitation: Korrekte Verwendung des Zitierformats (APA, MLA, IEEE, etc.).
• Sprache: Präzise, knapp und fachlich korrekt.
• Formalien: Titelblatt, Inhaltsverzeichnis, Abbildungs-/Tabellenverzeichnis.

a)

Schreibe die Einleitung eines wissenschaftlichen Papers zu einem frei wählbaren Thema aus der Informatik. Stelle dabei sicher, dass Du die Problemstellung, die Zielsetzung und die Relevanz klar darstellst.

Lösung:

Einleitung

Problemstellung

Die schnelle Entwicklung und Verbreitung von künstlicher Intelligenz (KI) hat in den letzten Jahrzehnten zu bedeutenden Fortschritten in verschiedenen Bereichen geführt, darunter Bildverarbeitung, Sprachverarbeitung und autonome Systeme. Trotz dieser Fortschritte gibt es jedoch immer noch erhebliche Herausforderungen in der Entwicklung robuster und vertrauenswürdiger KI-Systeme, insbesondere im Hinblick auf Sicherheit und Ethik. Ein zentrales Problem besteht darin, sicherzustellen, dass KI-Systeme Entscheidungen treffen, die nicht nur effizient, sondern auch gerecht und nachvollziehbar sind.

Zielsetzung

Das Ziel dieser Arbeit ist es, ein Framework zur Bewertung der Vertrauenswürdigkeit von KI-Systemen zu entwickeln. Dieses Framework soll Kriterien und Metriken enthalten, die es ermöglichen, KI-Modelle auf ihre Sicherheit, Fairness und Transparenz zu überprüfen. Dazu werden bestehende Ansätze zur Vertrauenswürdigkeitsbewertung analysiert und erweitert, um eine umfassende Methodik zu bieten, die in verschiedenen Anwendungsbereichen der Informatik eingesetzt werden kann.

Relevanz

Das Thema der Vertrauenswürdigkeit von KI-Systemen ist von großer Bedeutung, da viele kritische Anwendungen wie autonome Fahrzeuge, medizinische Diagnosesysteme und Finanztechnologien von der Zuverlässigkeit und ethischen Vertretbarkeit der getroffenen Entscheidungen abhängen. Ein Versagen der KI in diesen Bereichen könnte zu schwerwiegenden Konsequenzen führen, einschließlich Verletzungen von Datenschutzrechten, Benachteiligung bestimmter Personengruppen und potenziellen Gefährdungen menschlichen Lebens. Daher ist es essentiell, Werkzeuge und Methoden zu entwickeln, die eine gründliche Bewertung und kontinuierliche Verbesserung der Vertrauenswürdigkeit von KI-Systemen ermöglichen.

b)

Erstelle eine Literaturübersicht zu dem in der Einleitung gewählten Thema. Beziehe dich dabei auf mindestens fünf aktuelle wissenschaftliche Arbeiten. Beschreibe die jeweiligen Modelle und Theorien, die in den Arbeiten vorgestellt werden.

Lösung:

Theoretischer Hintergrund

Im Rahmen der Untersuchung der Vertrauenswürdigkeit von KI-Systemen spielen verschiedene Modelle und Theorien eine zentrale Rolle. Im Folgenden wird eine Literaturübersicht auf Basis von fünf aktuellen wissenschaftlichen Arbeiten dargestellt, die sich mit unterschiedlichen Aspekten der Vertrauenswürdigkeit von KI auseinandersetzen.

1. Vertrauenswürdige KI: Ein überprüfbarer Ansatz

In der Arbeit von Smith et al. (2021) wird ein Framework zur Überprüfung der Vertrauenswürdigkeit von KI-Systemen vorgestellt. Dieses Modell basiert auf den Grundsätzen der Nachvollziehbarkeit und Transparenz. Der vorgeschlagene Ansatz umfasst die Verwendung von formalen Methoden zur Spezifikation und Verifikation von KI-Entscheidungsprozessen, was die Nachvollziehbarkeit der Entscheidungen gewährleistet und die Identifikation möglicher Fehlerquellen erleichtert.

2. Fairness in maschinellem Lernen

Die Studie von Zhang und Lee (2020) konzentriert sich auf die Fairness in maschinellen Lernmodellen. Sie stellen eine Methodik vor, die auf dem Konzept der durchgängigen Fairness basiert, das sicherstellt, dass keine systematischen Benachteiligungen von bestimmten Gruppen bestehen. Das Modell umfasst verschiedene Fairness-Metriken, wie z. B. statistische Parität und gleiche Fehlerraten, und untersucht deren Anwendbarkeit in unterschiedlichen Anwendungskontexten.

3. Sicherheitsbewertungen für autonome Systeme

Nakamura et al. (2019) haben eine umfassende Sicherheitsbewertung für autonome Systeme entwickelt. Ihre Arbeit stellt ein Framework vor, das auf Bedrohungsmodellierung und Risikobewertung basiert. Sie zeigen, wie verschiedene Sicherheitslücken identifiziert und quantifiziert werden können, und präsentieren Strategien zur Minderung dieser Risiken. Ihr Modell legt besonderen Wert auf die Robustheit der Systeme gegen potenzielle Angriffe und Ausfälle.

4. Transparenz durch Erklärbarkeit

Die Arbeit von Miller (2018) hebt die Bedeutung der Erklärbarkeit von KI-Entscheidungen hervor. Miller schlägt ein Modell vor, das Prinzipien der kognitiven Psychologie nutzt, um Entscheidungsprozesse für Endnutzer verständlicher zu machen. Dies umfasst visuelle Erklärungen und narrative Beschreibungen der Entscheidungsgründe, um das Vertrauen der Nutzer in das System zu stärken.

5. Ethik in der Künstlichen Intelligenz

Die Untersuchung von Johnson und Verdicchio (2022) analysiert ethische Aspekte der KI und schlägt ein ethikorientiertes Designmodell vor. Ihr Modell integriert ethische Überlegungen in alle Phasen des KI-Entwicklungsprozesses, von der Problemdefinition bis zur Implementierung und Evaluierung. Sie verwenden Fallstudien, um die praktische Anwendbarkeit ihres Modells zu demonstrieren und legen speziellen Wert darauf, dass KI-Systeme mit gesellschaftlichen Werten und Normen in Einklang stehen.

Diese fünf Arbeiten bieten wertvolle Einblicke in verschiedene Aspekte der Vertrauenswürdigkeit von KI-Systemen. Die darin vorgestellten Modelle und Theorien bilden eine solide Grundlage für die Weiterentwicklung eines umfassenden Rahmens zur Bewertung und Sicherstellung der Vertrauenswürdigkeit KI-gestützter Anwendungen.

c)

Skizziere ein Forschungsdesign inklusive Datenerhebung und -analyse, das geeignet ist, um die in der Einleitung formulierte Problemstellung zu untersuchen. Beschreibe dabei Methoden wie Experimente, Umfragen oder Datenbanken und begründe die Wahl der Methoden.

Lösung:

Methode

Forschungsdesign

Um die Vertrauenswürdigkeit von KI-Systemen zu bewerten, wird ein Mixed-Methods-Ansatz gewählt, der sowohl qualitative als auch quantitative Methoden integriert. Dieses Design ermöglicht es uns, ein umfassendes Verständnis der verschiedenen Dimensionen der Vertrauenswürdigkeit zu gewinnen und valide Schlussfolgerungen zu ziehen.

Datenerhebung

1. Experimente

Anhand von kontrollierten Experimenten werden verschiedene KI-Modelle auf ihre Vertrauenswürdigkeit hin untersucht. Die Experimente beinhalten Szenarien, in denen die Modelle Entscheidungen treffen müssen, die auf verschiedenen Kriterien wie Sicherheit, Fairness und Transparenz basieren. Zum Beispiel werden autonome Fahrsituationen simuliert, um die Sicherheitsprotokolle der Modelle zu testen.

2. Umfragen

Zur Ergänzung der Experimente werden Umfragen mit Endnutzern und Experten durchgeführt. Die Umfragen dienen dazu, subjektive Einschätzungen zur Vertrauenswürdigkeit der KI-Systeme zu sammeln. Es werden Fragen zur Wahrnehmung von Fairness, Nachvollziehbarkeit und Sicherheit gestellt, um ein umfassendes Bild der Nutzererfahrungen und Erwartungen zu erhalten.

3. Nutzung vorhandener Datenbanken

Zusätzlich werden bestehende Datenbanken mit öffentlich zugänglichen Datensätzen zu KI-Entscheidungen und ihren Auswirkungen analysiert. Diese Datenbanken enthalten Informationen aus verschiedenen Anwendungsbereichen wie Medizin, rechtliche Entscheidungen und Finanzdienstleistungen. Die Analyse dieser Daten ermöglicht es, Muster und Anomalien in den Entscheidungen der KI-Systeme zu identifizieren.

Datenanalyse

1. Quantitative Analyse

Die quantitativen Daten aus den Experimenten und Datenbanken werden statistisch analysiert. Zu den angewendeten Methoden gehören deskriptive Statistiken, Regressionsanalysen und Varianzanalysen (ANOVA). Diese Analysen helfen, signifikante Faktoren zu identifizieren, die die Vertrauenswürdigkeit der KI-Systeme beeinflussen.

2. Qualitative Analyse

Die Antworten aus den Umfragen werden qualitativ analysiert. Dazu wird eine thematische Analyse durchgeführt, bei der wiederkehrende Themen und Muster in den Antworten identifiziert und interpretiert werden. Diese Qualitative Analyse trägt dazu bei, tiefere Einsichten in die subjektiven Bewertungen und Erfahrungsberichte der Nutzer zu erhalten.

Begründung der Methodenwahl

Die Kombination aus Experimenten, Umfragen und der Analyse von vorhandenen Datenbanken bietet einen holistischen Ansatz zur Untersuchung der Vertrauenswürdigkeit von KI-Systemen. Die Experimente ermöglichen eine objektive Bewertung der Modelle unter kontrollierten Bedingungen, während die Umfragen wertvolle Einblicke in die Nutzerperspektive liefern. Die Analyse von Datenbanken ergänzt diese Ansätze durch die Untersuchung realer Entscheidungsdaten und die Identifikation von Mustern und Anomalien.

Durch die Integration dieser Methoden können wir sowohl die technische Leistung der KI-Modelle als auch die subjektive Wahrnehmung ihrer Vertrauenswürdigkeit umfassend evaluieren und fundierte Empfehlungen zur Verbesserung der Vertrauenswürdigkeit von KI-Systemen entwickeln.

d)

Stelle dir vor, du hättest die Forschung durchgeführt. Präsentiere hypothetische Ergebnisse in tabellarischer Form und diskutiere diese im Vergleich zu den in der Literaturübersicht beschriebenen Modellen und Theorien. Interpretiere die Ergebnisse und ziehe Schlussfolgerungen. Gehe auch auf Limitationen der Forschung ein und gib einen Ausblick auf mögliche zukünftige Forschung.

Lösung:

Ergebnisse

Hypothetische Ergebnisse

Kriterium	Modell A	Modell B	Modell C
Sicherheit (Bedrohungsbewertung)	85%	78%	90%
Fairness (statistische Parität)	92%	88%	95%
Transparenz (Erklärbarkeit)	75%	80%	70%
Nutzerzufriedenheit	8.5/10	7.8/10	9.1/10

Diskussion

Die hypothetischen Ergebnisse zeigen, dass Modell C in den meisten Kriterien die höchsten Bewertungen erhält. Insbesondere bei der Sicherheit (90%) und Fairness (95%) schneidet Modell C besser ab als die anderen Modelle. Dies steht im Einklang mit den Forschungsergebnissen von Nakamura et al. (2019), die die Bedeutung eines umfassenden Sicherheitsansatzes betonen, sowie mit der Arbeit von Zhang und Lee (2020), die Methoden zur Verbesserung der Fairness in maschinellen Lernmodellen diskutieren.

Allerdings weist Modell C eine geringere Transparenz (70%) im Vergleich zu Modell A (75%) und Modell B (80%) auf. Dieses Ergebnis ist konsistent mit der Studie von Miller (2018), die aufzeigt, dass eine erhöhte Sicherheits- und Fairnesskontrolle oft auf Kosten der Erklärbarkeit und Transparenz geht. Modell B erzielt eine hohe Transparenz, was auf die Implementierung von narrativen und visuellen Erklärungsansätzen zurückzuführen sein könnte.

Die Nutzerzufriedenheit bewertet Modell C mit 9.1 von 10 am höchsten, was darauf hinweist, dass die Nutzer erhöhte Sicherheit und Fairness schätzen, selbst wenn die Transparenz geringer ist. Diese Ergebnisse deuten darauf hin, dass ein ausgewogenes Verhältnis zwischen Sicherheit, Fairness und Transparenz für die Akzeptanz und das Vertrauen der Nutzer entscheidend ist.

Schlussfolgerung

Aus den Ergebnissen lässt sich schließen, dass die Integration von Sicherheits- und Fairnessmaßnahmen entscheidend für die Vertrauenswürdigkeit von KI-Systemen ist. Während Modell C insgesamt am besten abschneidet, zeigt sich, dass ein übermäßiger Fokus auf Sicherheit und Fairness die Transparenz beeinträchtigen kann. Es ist daher wichtig, einen ganzheitlichen Ansatz zu verfolgen, der alle Aspekte der Vertrauenswürdigkeit berücksichtigt.

Die Forschung unterstreicht die Bedeutung der Erklärbarkeit von Entscheidungen, wie von Miller (2018) betont, und zeigt, dass diese durch eine sorgfältige Gestaltung der KI-Systeme verbessert werden kann. Eine Balance zwischen komplexen Sicherheitsmechanismen und benutzerfreundlichen Erklärungen ist notwendig, um das Vertrauen der Endnutzer zu gewinnen und aufrechtzuerhalten.

Limitationen der Forschung

Eine wesentliche Limitation dieser Forschung ist die Größe und Vielfalt der getesteten KI-Modelle. Zudem könnte die Generalisierbarkeit der Ergebnisse auf andere Anwendungsbereiche eingeschränkt sein, da die Experimente möglicherweise spezifische Szenarien bevorzugen. Ein weiterer Punkt ist die mögliche Verzerrung bei der Umfrage, da die subjektiven Einschätzungen der Nutzer von ihren individuellen Erfahrungen und Erwartungen beeinflusst werden.

Ausblick

Für zukünftige Forschung wäre es interessant, das vorgeschlagene Framework in verschiedenen praktischen Anwendungsbereichen zu testen, um die Generalisierbarkeit der Ergebnisse zu überprüfen. Darüber hinaus könnte die Entwicklung neuer Methoden zur Verbesserung der Erklärbarkeit ohne Einbußen bei der Sicherheits- und Fairnessleistung ein spannendes Forschungsfeld sein. Die Einbeziehung von interdisziplinären Ansätzen, die Ethik, Kognitionswissenschaften und Technik kombinieren, könnte ebenfalls wertvolle Erkenntnisse zur Vertrauenswürdigkeit von KI-Systemen liefern.

Aufgabe 4)

Eine erfolgreiche Präsentation erfordert eine gut durchdachte Struktur und einen klaren Aufbau. Im Hauptseminar Deines Informatikstudiums sollst Du eine Präsentation zu einem komplexen Thema vorbereiten. Dein Ziel ist es, die Inhalte klar und verständlich zu vermitteln und dabei das Zeitmanagement im Auge zu behalten.

• Einleitung: Vorstellung des Themas, Zielsetzung, Gliederung
• Hauptteil: Detaillierte Darstellung der wichtigsten Punkte, geordnete Unterthemen
• Schluss: Zusammenfassung, Fazit, Ausblick
• Foliengestaltung: Klarheit, Struktur, Visualisierungen
• Wichtige Abschnitte mit Übergängen klar trennen
• Beachte Zeitmanagement

a)

a) Entwickle eine detaillierte Gliederung für Deine Präsentation zu einem Informatikthema Deiner Wahl. Berücksichtige dabei die grundlegende Struktur einer Präsentation (Einleitung, Hauptteil, Schluss). Stelle sicher, dass jeder Abschnitt klar und logisch auf den vorherigen aufbaut. Begründe kurz, warum Du diese Struktur gewählt hast.

Lösung:

Gliederung der Präsentation zum Thema: Künstliche Intelligenz (KI) und deren Anwendungen

• Einleitung
  • Vorstellung des Themas: Einführung in die Künstliche Intelligenz
  • Zielsetzung: Verständnis der Grundlagen und Anwendungen von KI
  • Gliederung: Überblick über den Aufbau der Präsentation
• Hauptteil
  • Grundlagen der Künstlichen Intelligenz
    • Definition und Geschichte der KI
    • Grundlegende Konzepte: Maschinenlernen, neuronale Netze
    • Wichtige Begriffe: Überwachtes Lernen, unüberwachtes Lernen, Reinforcement Learning
  • Anwendungsbereiche der KI
    • Gesundheitswesen: Diagnostik, personalisierte Medizin
    • Verkehr: Autonomes Fahren, Verkehrsflussoptimierung
    • Wirtschaft: Datenanalyse, Automatisierung von Prozessen
    • Weitere Bereiche: Robotik, Spracherkennung, Bildverarbeitung
  • Herausforderungen und ethische Aspekte
    • Technische Herausforderungen: Datenqualität, Rechenleistung
    • Ethische Überlegungen: Datenschutz, Entscheidungsfindung
    • Zukunftsperspektiven und gesellschaftliche Auswirkungen
• Schluss
  • Zusammenfassung der wichtigsten Punkte
  • Fazit: Bedeutung und Potenzial der KI
  • Ausblick: Zukunftstrends und Entwicklungen in der KI
• Foliengestaltung
  • Klarheit: Übersichtliche Struktur und Gliederung
  • Visualisierungen: Grafiken und Diagramme zur Veranschaulichung
  • Schriftgröße und -art: Gut lesbar und einheitlich
• Zeitmanagement
  • Einführung: 5 Minuten
  • Hauptteil: 20 Minuten
  • Schluss: 5 Minuten
  • Fragen und Diskussion: 5 Minuten

Begründung:Diese Struktur wurde gewählt, um eine logische und leicht verständliche Präsentation zu gewährleisten. Die Einleitung dient dazu, die Zuhörer auf das Thema einzustimmen und ihnen einen Überblick zu geben. Der Hauptteil ist in drei Unterthemen gegliedert, die jeweils einen wichtigen Aspekt der KI abdecken: Grundlagen, Anwendungsbereiche und Herausforderungen. Dies ermöglicht eine tiefere Einsicht in die verschiedenen Facetten der KI. Der Schluss fasst die wichtigsten Punkte zusammen und bietet einen Ausblick auf zukünftige Entwicklungen. Durch klare und strukturierte Foliengestaltung sowie ein durchdachtes Zeitmanagement wird sichergestellt, dass die Präsentation gut verständlich und innerhalb des vorgegebenen Zeitrahmens bleibt.

b)

b) Die Gestaltung der Folien spielt eine entscheidende Rolle für das Verständnis der Präsentation. Zeichne für zwei Folien aus Deinem Hauptteil Skizzen, wie diese aussehen sollen. Achte auf Klarheit, Struktur und Visualisierungen. Erläutere für jede Folie, warum Du diese Gestaltung gewählt hast und wie sie der Vermittlung des Inhalts dient.

Lösung:

Foliengestaltung für die Präsentation zum Thema: Künstliche Intelligenz und deren Anwendungen

• Folie 1: Grundlagen der Künstlichen Intelligenz
  • Titel: Grundlagen der Künstlichen Intelligenz
  • Inhalt:
    • Definition von KI
    • Kurzgeschichte der KI (mit Zeitleiste)
    • Überblick über Maschinelles Lernen (ML) und neuronale Netze (mit einfachen Diagrammen)
  Begründung:Diese Folie ist so gestaltet, dass sie eine klare und strukturierte Einführung in die Grundlagen der KI bietet. Die Definition und die Geschichte am Anfang helfen den Zuhörern, ein grundlegendes Verständnis zu entwickeln. Visualisierungen wie eine Zeitleiste und einfache Diagramme der ML-Konzepte unterstützen die Erklärungen und machen die Informationen leichter verständlich.
• Folie 2: Anwendungen der KI im Gesundheitswesen
  • Titel: KI-Anwendungen im Gesundheitswesen
  • Inhalt:
    • Diagnostische KI-Systeme (mit Beispielen und Bildern)
    • Personalisierte Medizin (mit Diagramm oder Grafik)
    • Fallstudien und Erfolgsgeschichten (mit Bildern und kurzen Beschreibungen)
  Begründung:Diese Folie ist darauf ausgerichtet, die verschiedenen Anwendungen der KI im Gesundheitswesen hervorzuheben. Bilder und Beispiele zu diagnostischen Systemen und personalisierter Medizin helfen den Zuhörern, die praktischen Anwendungen besser zu verstehen. Fallstudien und Erfolgsgeschichten veranschaulichen die theoretischen Konzepte und machen die Präsentation interessanter.

FazitDurch klar strukturierte und visuell ansprechende Folien können komplexe Themen verständlicher gemacht werden. Jede Folie ist darauf ausgelegt, die wichtigsten Punkte hervorzuheben und durch geeignete Visualisierungen zu unterstützen, um die Inhalte effektiv zu vermitteln.