Data Literacy

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

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), Steinbuch Centre for Computing (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 Steinbuch Centre for Computing (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

Weitere Informationen werden noch bekanntgegeben.

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.

Leistungsnachweis:

Erhalt von 2 LP durch regelmäßige aktive Teilnahme und Verfassen von 1 Lernprotokoll, unbenotet.

• als Schlüsselqualifikations- oder überfachlichen Qualifikationsnachweis
• innerhalb des ZAK-Zertifikats Data Literacy

Leitfaden für Lernprotokolle