Einsatz Künstlicher Intelligenz im Geschäftsbereich der Bundesregierung

Deutscher Bundestag Drucksache 20/12191 20. Wahlperiode 04.07.2024 Antwort der Bundesregierung auf die Kleine Anfrage der Abgeordneten Anke Domscheit-Berg, Dr. Petra Sitte, Dr. André Hahn, weiterer Abgeordneter und der Gruppe Die Linke – Drucksache 20/11648 – Einsatz Künstlicher Intelligenz im Geschäftsbereich der Bundesregierung V o r b e m e r k u n g d e r F r a g e s t e l l e r Am 13. März 2024 hat nach langen Verhandlungen das Europäische Parlament die KI-Verordnung (im Folgenden KI-VO) verabschiedet (www.europarl.euro pa.eu/news/de/press-room/20240308IPR19015/gesetz-uber-kunstliche-intellig enz-parlament-verabschiedet-wegweisende-regeln). Zwar wird damit eine dringend nötige Rechtsgrundlage für den Einsatz von Künstlicher Intelligenz (KI) geschaffen, doch auch mit der Umsetzung der KI-VO werden nach jetzigem Erkenntnisstand alle KI-Einsätze unreguliert bleiben, die bei Inkrafttreten der Verordnung bereits begonnen haben, weil die KI-VO nicht rückwirkend gilt. Gerade bei Hochrisiko-Anwendungen und staatlich eingesetzten Anwendungen sollten jedoch auch vor Inkrafttreten der KI-VO mögliche unerwünschte Folgen festgestellt, verhindert und jegliche Risiken minimiert werden. Außerdem sollte für diese Anwendungen ein hoher Grad an Transparenz selbstverständlich sein, zum einen, weil zentrale Fragen nach gesellschaftlichen, rechtlichen sowie politischen Ordnungsrahmen weiterhin offen sind, zum anderen, weil gerade bei staatlichem Einsatz von KI hohe Abhängigkeiten der Nutzerinnen und Nutzer möglich sind und „Nebenwirkungen“ schwerwiegend und folgenreich sein können. Grundrechte sind jedoch zu wahren, hohe Standards u. a. in Bezug auf Antidiskriminierung und Nachvollziehbarkeit staatlichen Handelns einzuhalten. Und dafür braucht es Transparenz, weil ansonsten die Akzeptanz für diese Technologie, aber auch das Vertrauen in staatliche Institutionen sinken. Wie bereits mehrere Kleine Anfragen der damaligen Fraktion DIE LINKE. in den Jahren 2022 und 2023 gezeigt haben (siehe Bundestagsdrucksachen 20/8495, 20/6862, 20/9685, 20/9419 und 20/430), werden in Deutschland Methoden der Künstlichen Intelligenz in der öffentlichen Hand bereits seit Jahren eingesetzt. Beim Einsatz von KI wird häufig fälschlicherweise davon ausgegangen, dass technische Lösungen neutral und weniger fehleranfällig als menschliche Entscheidungsprozesse sind. Doch KI-Lösungen werden weder frei von partikularen Interessen entwickelt und eingesetzt noch sind die genutzten Daten, mit denen KI-Systeme vorweg bzw. fortlaufend trainiert werden, neutral, denn diese Daten sind häufig geprägt von gesellschaftlichen Vorurteilen und Stereotypen (siehe u. a. dl.acm.org/doi/pdf/10.1145/3415186). Die Antwort wurde namens der Bundesregierung mit Schreiben des Bundesministeriums für Bildung und Forschung vom 3. Juli 2024 übermittelt. Die Drucksache enthält zusätzlich – in kleinerer Schrifttype – den Fragetext. Die letzte Kleine Anfrage der damaligen Fraktion DIE LINKE. im Januar 2023 ergab, dass sich bereits über 100 KI-Anwendungen im Geschäftsbereich der Bundesregierung im Einsatz befinden (siehe die Antwort der Bundesregierung auf die Kleinen Anfragen der Fraktion DIE LINKE. auf den Bundestagsdrucksachen 20/6862 sowie 20/8495), ohne dass die zahlreichen Handlungsempfehlungen für den öffentlichen Sektor des Abschlussberichts der Enquete- Kommission KI (siehe Bundestagsdrucksache 19/23700), der Datenethik- Kommission sowie der Plattform Lernende Systeme hinsichtlich der Entwicklung und Anwendung eines Risikoklassenmodells sowie weiterer Kritikalitätsbewertungen Anwendung fanden. Nach Auffassung der Fragestellenden verfestigt sich dadurch der Gesamteindruck, dass der KI-Einsatz im Geschäftsbereich der Bundesregierung ohne systematische Risikoabwägungen, Schutz vor Diskriminierung und Evaluation in Bezug auf Effizienz, Grundrechteschutz sowie etwaige „Nebenwirkungen“ erfolgt und die nötige Sorgfalt zum Schutz von Einzelnen oder Gruppen nicht erbracht wird. Diese Entwicklung ist besonders beim Einsatz von Hochrisiko- Anwendungen besorgniserregend. Beispiele anderer Länder zeigen, dass es auch anders geht, z. B. das seit 2022 bestehende landesweite KI-Register in den Niederlanden. Die Fragestellenden sind weiterhin der Auffassung, dass in der aktuellen Debatte rund um den Einsatz von KI der hohe Energieverbrauch für das Training sowie den Betrieb von KI-Modellen insgesamt zu wenig öffentlich adressiert wird – auch vonseiten der Bundesregierung. Dieser Aspekt gewinnt jedoch insbesondere dann an Bedeutung, wenn davon ausgegangen wird, dass KI- Anwendungen voraussichtlich in immer mehr Geschäftsbereichen der Bundesregierung Einzug halten werden. Der rapide wachsende Trend zu zunehmend komplexeren „Machine Learning“-Modellen sowie der wachsende Bedarf an Rechenleistung für das Training moderner KI-Systeme erfordert daher eine intensive Begleitung durch eine belastbare Datengrundlage, die den Ressourcenverbrauch veranschaulichen kann. Diese Daten sind elementar für Kosten-Nutzen-Analysen sowie die Berücksichtigung von Klimaauswirkungen und den CO2-Abdruck der Bundesregierung. Außerdem geraten insbesondere große und marktführende KI- Modelle unter öffentlichen Druck aufgrund belastender Arbeitsbedingungen beim Training der Systeme sowie nicht nachvollziehbarer Nutzung urheberrechtlich geschützten Datenmaterials (u. a. Fachgespräch „Künstliche Intelligenz und Medien“ im Ausschuss für Kultur und Medien am 20. März 2024, www.bundestag.de/mediathek/ausschusssitzungen?videoid=7608683#url=L21 lZGlhdGhla292ZXJsYXk/dmlkZW9pZD03NjA4Njgz&mod=mediathek). Bei der Nutzung eigener KI-Systeme oder KI-Anwendungen sollte die Bundesregierung daher als Vorbild fungieren, um mehr Transparenz und ein zusätzliches Bewusstsein für nachhaltiges maschinelles Lernen zu schaffen. Dies könnte beispielsweise durch die Einführung verpflichtender Herstellerangaben zum Energieverbrauch und zu den Treibhausgasemissionen während der Entwicklung und Anwendung von KI-Modellen erfolgen. Diese Angaben sollten als verpflichtendes Kriterium bei der Beschaffung von KI-Systemen und Anwendungen berücksichtigt werden und ein selbstverständliches und überprüftes Kriterium bei der Vergabe von Fördermitteln für KI-Projekte sein. V o r b e m e r k u n g d e r B u n d e s r e g i e r u n g Künstliche Intelligenz (KI) spielt als Querschnittsthema zunehmend in vielen Forschungsvorhaben, Pilotprojekten etc. eine Rolle. Eine trennscharfe Abgrenzung dieser Vorhaben und die Ermittlung der erfragten Angaben für alle diese Vorhaben ist nicht vollumfänglich möglich. Die Bundesregierung beantwortet die im Rahmen des parlamentarischen Fragerechts angefragten Sachverhalte gegenüber dem Deutschen Bundestag grundsätzlich öffentlich, transparent und vollständig, um dem verfassungsrechtlich verbrieften Aufklärungs- und Informationsanspruch des Deutschen Bundestages zu entsprechen. Soweit erfragte Informationen Umstände betreffen, die aus Gründen des Staatswohls geheimhaltungsbedürftig sind, hat die Bundesregierung zu prüfen, ob und auf welche Weise die Geheimhaltungsbedürftigkeit mit dem parlamentarischen Informationsanspruch in Einklang gebracht werden kann, und gegebenenfalls alternative Formen der Informationsvermittlung zu suchen, die das Informationsinteresse des Parlaments unter Wahrung der berechtigten Geheimhaltungsinteressen der Regierung befriedigen (BVerfGE 124, S. 161,193). Nach sorgfältiger Abwägung des Aufklärungs- und Informationsrechts der Abgeordneten mit dem Wohl des Bundes (Staatswohl), das durch Bekanntwerden geheimhaltungsbedürftiger Informationen gefährdet werden könnte, äußert sich die Bundesregierung nicht, wenn dies die Wirksamkeit sicherheitsbehördlicher Tätigkeit gefährden kann. Evident geheimhaltungsbedürftige Informationen muss die Bundesregierung nach der Rechtsprechung des Bundesverfassungsgerichts nicht offenlegen (BVerfGE 124, 161, 193 f.). Nach sorgfältiger Abwägung ist die Bundesregierung zu der Auffassung gelangt, dass eine Beantwortung der Fragen 1 sowie 3 bis 9 bezüglich der Strafverfolgungs-, Ermittlungs- und Gefahrenabwehrbehörden des Bundes sowie der Nachrichtendienste des Bundes aufgrund entgegenstehender überwiegender Belange des Staatswohls mit Ausnahme der insoweit in der Antwort zu diesen Fragen angegebenen Angaben nicht erfolgen kann, auch nicht in eingestufter Form. Für den Bereich des Bundesnachrichtendienstes (BND), des Militärischen Abschirmdienstes (MAD) sowie des Bundesamtes für Verfassungsschutz (BfV) betrifft die Beantwortung der Fragen solche Informationen, die in besonders hohem Maße das Staatswohl berühren und daher selbst in eingestufter Form nicht beantwortet werden können. Das verfassungsrechtlich verbürgte Frage- und Informationsrecht des Deutschen Bundestages gegenüber der Bundesregierung findet seine Grenzen in den gleichfalls Verfassungsrang genießenden schutzwürdigen Interessen des Staatswohls. Insbesondere betrifft die Beantwortung der Fragen solche Informationen, die in besonders hohem Maße die Methoden und Fähigkeiten der Nachrichtendienste im Bereich der Datenverarbeitung berühren. Eine weitgehende Offenlegung der angefragten Informationen birgt die Gefahr, dass Einzelheiten zur konkreten Methodik und gleichsam in hohem Maße schutzwürdigen spezifischen technischen Fähigkeiten der Dienste bekannt würden. So könnten Auskünfte zum konkreten Einsatzzweck von KI, den eingesetzten Verfahren und der Art der Ergebnisse in zu tiefgehender Weise nachrichtendienstliche Vorgehensweisen offenlegen oder Rückschlüsse auf spezifische Vorgehensweisen und Fähigkeiten der Dienste und ihres Personals ermöglichen. Dadurch würde die Arbeitsfähigkeit und Aufgabenerfüllung der Dienste gefährdet. Einsatzzwecke wie „Bilderkennung“ oder „Texterkennung“ würden grundsätzlich zwar keine überraschenden Erkenntnisse bringen, aber die Konkretisierung der eingesetzten Verfahren und die Ergebnisarten würden zusammen mit dem Zusatz der angewandten Datenbasis und deren Herkunft einen viel zu detaillierten Einblick in die Zielrichtung des KI-Einsatzes und in die konkreten Arbeitsweisen der Nachrichtendienste ermöglichen. Wenn die Datenherkunft und - basis bekannt wäre, könnten beispielsweise käuflich erworbene Daten ggf. vor dem Kauf und Einsatz durch die Nachrichtendienste bewusst verfälscht werden, um die Wirksamkeit der KI zu beeinflussen oder bestimmte Ergebnisse tendenziös zu verfälschen. Wenn die KI unzuverlässige Unterstützungsleistungen erbringt, würde dies wiederum dazu führen, auf konventionelle Arbeitsweisen zurückgreifen zu müssen, die im Zweifelsfall mehr Zeit und oder Personal erfordern würden. Dadurch würde letztlich die Arbeitsfähigkeit und Aufgabenerfüllung der Nachrichtendienste negativ beeinflusst und erschwert werden. Eine Preisgabe dieser sensiblen Informationen würde sich also auf die staatliche Aufgabenwahrnehmung der nachrichtendienstlichen Informationsbeschaffung außerordentlich nachteilig auswirken. Auch könnten auf den erlangten Erkenntnissen aufbauende Aktionen anderer Nachrichten- oder Geheimdienste gegen die deutschen Nachrichtendienste folgenschwere Einschränkungen der Datenverarbeitungsfähigkeiten der Dienste zur Folge haben. Damit könnte letztlich ihr jeweiliger gesetzlicher Auftrag nicht mehr sachgerecht erfüllt werden. Auch das Bundesverfassungsgericht sieht beispielsweise für den BND die wirksame und zugleich rechtstaatlich eingehegte Auslandsaufklärung als einen unverzichtbaren Beitrag zum Schutz von Rechtsgütern von überragendem verfassungsrechtlichem Gewicht an; namentlich der verfassungsmäßigen Ordnung, den Bestand und die Sicherheit des Bundes oder der Länder sowie für Leib, Leben und Freiheit (BVerfGE 154, 152 bis 312, 163). Sofern solche Informationen entfallen oder wesentlich zurückgehen sollten, wäre der Beitrag der Auslandsaufklärung zum Schutz der o. g. Rechtsgüter gefährdet. Selbst eine VS-Einstufung und Hinterlegung der angefragten Informationen in der Geheimschutzstelle des Deutschen Bundestages würde ihrer erheblichen Bedeutung für die Aufgabenerfüllung der Nachrichtendienste nicht ausreichend Rechnung tragen. Die angefragten Inhalte der Frage beschreiben zum Teil die Fähigkeiten und Arbeitsweisen der Dienste so detailliert, dass eine Bekanntgabe auch gegenüber einem begrenzten Kreis von Empfängern ihrem Schutzbedürfnis nicht Rechnung tragen kann. Hierunter fällt insbesondere auch die Frage, ob der Einsatz oder die Entwicklung einer Technologie, die von nachrichtendienstlicher Bedeutung sein könnte, stattgefunden hat oder stattfindet. Bei einem Bekanntwerden der schutzbedürftigen Information wäre derzeit kein Ersatz durch andere Instrumente der Datenverarbeitung möglich. Darüber hinaus wäre auch die zusätzliche Nennung des möglichen Auftragnehmers, also Herstellers der KI, besonders schützenswert. Dies gilt zum einen, weil auch beim Hersteller – offen durch Ansprache oder verdeckt durch Einschleusung von Personal oder Angriffe auf dessen Infrastruktur – versucht werden könnte, dessen Produkte zu verfälschen, zu verändern oder so zu manipulieren, dass die Daten nicht brauchbar wären oder die Daten oder die Infrastruktur der Dienste gefährdet sein könnten. Ebenso könnten Rückschlüsse auf den konkreten Einsatzzweck erfolgen und damit Gegenmaßnahmen getroffen werden. Auch dadurch würde letztlich die Arbeitsfähigkeit und Aufgabenerfüllung der Nachrichtendienste des Bundes negativ beeinflusst und erschwert werden. Eine Preisgabe dieser sensiblen Informationen würde sich also auf die staatliche Aufgabenwahrnehmung der nachrichtendienstlichen Informationsbeschaffung außerordentlich nachteilig auswirken. Zudem würde das Bekanntwerden von Evaluierungen des Einsatzes von KI klare Anwendungsgebiete und ggf. konkrete Beobachtungsobjekte und - subjekte, die nicht im Verfassungsschutzbericht genannt werden, erkennen lassen. Auch ansonsten wäre die Nennung von externen Mitwirkenden, die mit einer Evaluierung beauftragt worden sein könnten, besonders schutzwürdig, da die externen Mitwirkenden tiefe Einblicke in die sensible Arbeitsweise und Methodik der Nachrichtendienste des Bundes bekommen hätten. Denn das Bekanntwerden einer solchen Mitwirkung würde diese externen Personen einer besonderen Gefährdung für Ausspähversuche aussetzen. Auch dieser Gefahr muss vorgebeugt werden. Hieraus ergibt sich, dass die erbetenen Informationen in ihrer Detailtiefe derart schutzbedürftige Geheimhaltungsinteressen berühren, dass das Staatswohl sowie das öffentliche Interesse an einem wirksamen Schutz der o. g. Rechtsgüter gegenüber dem parlamentarischen Informationsrecht in diesem besonderen Einzelfall wesentlich überwiegen. Insofern muss ausnahmsweise das Fragerecht der Abgeordneten gegenüber dem Geheimhaltungsinteresse der Bundesregierung zurückstehen.  1. Welche Bundesministerien (inklusive Bundeskanzleramt sowie nachgeordnete Behörden) setzen aktuell auf (teil)automatisierte Entscheidungsprozesse und Mustererkennungen, Künstliche Intelligenz (inklusive generativer KI), und in welchen dortigen Abteilungen kommen diese konkret und wofür zur Anwendung (bitte die Antworten auf alle Fragen zum besseren Verständnis jeweils für jedes Bundesministerium inklusive Bundeskanzleramt sowie nachgeordnete Behörden separat nach Geschäftsbereich aufführen, wie auf Bundestagsdrucksache 20/6862)? a) In welchen Bundesministerien (inklusive Bundeskanzleramt sowie jeweils nachgeordnete Behörden) und wofür findet der Einsatz mit einem oder mehreren der besagten Verfahren statt, und wo sowie wofür ist der Einsatz zukünftig geplant? b) Welche Verfahren kommen dabei jeweils zum Einsatz? c) Welches Problem soll das jeweilige Verfahren lösen (die Fragestellenden bitten explizit darum, diese Frage zu beantworten, weil eine Beantwortung in der letzten Kleinen Anfrage ausblieb, siehe Bundestagsdrucksache 20/6862)? d) Welche Art von Ergebnissen wird von o. g. Systemen bzw. Anwendungen produziert (breit interpretiert, aber z. B. Entscheidung, Entscheidungsvorschlag bzw. Empfehlung, Bewertung z. B. von Risiken, Mustererkennung etc.), und werden etwaige Entscheidungen vollautomatisiert oder durch einen Menschen getroffen (bitte nach Anwendung bzw. System in den jeweiligen Abteilungen der Bundesministerien, inklusive Bundeskanzleramt sowie nachgeordnete Behörden auflisten)? e) Auf welcher Datenbasis werden dabei jeweils welche Ergebnisse produziert, bzw. auf Grundlage welcher Daten werden besagte Anwendungen trainiert? f) Wurden die Daten für die im Einsatz befindlichen automatisierten Entscheidungsprozesse, Mustererkennungen und/oder Künstliche Intelligenz unter Berücksichtigung der gesetzlichen Zweckbindung erhoben, sofern eine rechtliche Zweckbindung erforderlich ist, und wenn nein, aus welcher anderen Quelle oder welchen anderen Quellen stammen die Daten? g) Wie wurden die Entscheiderinnen und Entscheider der o. g. Systeme bzw. Anwendungen geschult, um das System auswählen, bewerten und anwenden zu können, und welche Kompetenzen plant die Bundesregierung, hier jeweils aufzubauen? h) Wie wurden die Nutzerinnen und Nutzer der o. g. Systeme bzw. Anwendungen geschult, um das System auswählen, bewerten und anwenden zu können, und welche Kompetenzen plant die Bundesregierung, hier jeweils aufzubauen? i) Inwiefern wird der Energieverbrauch und/oder werden andere Nachhaltigkeitskriterien bei der Auswahl der o. g. Systeme bzw. Anwendungen erfasst, und in welchen Fällen werden derartige Kriterien verpflichtend berücksichtigt (bitte jedes o. g. System bzw. für jede Anwendung die einzelnen Nachhaltigkeitskriterien nennen und jeweils explizit angeben, wenn keine derartigen Kriterien erfasst bzw. berücksichtigt wurden)? j) Inwieweit werden beim Training des genutzten Systems urheberrechtlich geschützte Materialien oder Daten verwendet, und wie kontrolliert die Bundesregierung eine rechtmäßige Verwendung von urheberrechtlich geschützten Materialien oder Daten bei der Auswahl von KI-Systemen? k) Inwieweit werden beim Training des genutzten Systems lokal angemessene (Mindest-)Löhne gezahlt sowie notwendige Arbeitsschutzmaßnahmen eingehalten, und wie wird dies bei der Auswahl von KI- Systemen von der Bundesregierung kontrolliert? Die Fragen 1 bis 1k werden gemeinsam beantwortet. Die Angaben sind den Tabellen in den Anlagen 1a bis 1f zu entnehmen.* Diese Angaben beziehen sich auf solche Anwendungsfälle, bei denen KI gezielt und explizit für (teil-)automatisierte Entscheidungen oder Mustererkennungen eingesetzt wird. Heutzutage greifen viele Systeme zunehmend auch auf KI- Komponenten zurück (z. B. IT-Sicherheitskomponenten wie Firewalls, Softwareanwendungen zur Textverarbeitung und für sonstige Bürotätigkeiten). Eine vollständige Angabe aller in den Bundesministerien oder nachgeordneten Behörden eingesetzten KI-Komponenten ist daher nicht möglich. Ebenso werden keine Angaben zu geplanten KI-Einsätzen gemacht, bei denen es sich aktuell um bloße Überlegungen handelt oder deren Planung und Umsetzung sich in einem so frühen Stadium befinden, dass die Beantwortung der Fragen nicht möglich ist. Ein Teil der Antworten kann aufgrund entgegenstehender überwiegender Belange des Staatswohls nicht erfolgen, auch nicht in eingestufter Form. Hierzu wird auf die Vorbemerkung der Bundesregierung verwiesen. Ein Teil der Antworten wurde als Verschlusssache – „VS – Nur für den Dienstgebrauch“ – klassifiziert, da hieraus sicherheitsrelevante Rückschlüsse gezogen werden können.** Auch hierzu wird auf die Vorbemerkung der Bundesregierung verwiesen.  2. Wie oft hat die Bundesregierung die zuständigen parlamentarischen Gremien über KI-Anwendungen der Sicherheitsbehörden bereits unterrichtet (bitte nach kontaktierten Gremien und Häufigkeit in der 20. Wahlperiode des Deutschen Bundestages aufschlüsseln)? Die Bundesregierung berichtet den zuständigen Gremien des Deutschen Bundestages fortdauernd und anlassbezogen zu entsprechenden Themen.  3. Wie wurden Risiken bewertet beim Einsatz der in Frage 1 erfragten KI- Anwendungen, insbesondere: a) Welches Risikoklassenmodell wurde dabei genau angewendet (bitte das verwendete Modell explizit benennen und eine Beschreibung beifügen, und nicht, wie auf Bundestagsdrucksache 20/6862 ausschließlich auf die KI-VO referenzieren)? b) Welche Klassifizierung wurde entsprechend dem verwendeten Risikoklassenmodell für das System vorgenommen? c) Wenn zutreffend, welche andere Art der Technikfolgenabschätzung wurde mit welchem Ergebnis vorgenommen? d) Wenn kein Risikoklassenmodell verwendet und keine Klassifizierung und/oder keine Technikfolgenabschätzung vorgenommen wurde, bitte explizit begründen, wieso nicht? * Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 20/12191 auf der Internetseite des Deutschen Bundestages abrufbar. ** Das Bundesministerium für Bildung und Forschung hat die Antwort als „VS – Nur für den Dienstgebrauch“ eingestuft. Die Antwort ist im Parlamentssekretariat des Deutschen Bundestages hinterlegt und kann dort von Berechtigten eingesehen werden. e) Haben Risikobewertungen zu einer Veränderung des geplanten Einsatzes oder zum Nichteinsatz von KI-Anwendungen im Bereich der Bundesbehörden geführt, und wenn ja, bitte die Fälle kurz beschreiben? f) In welcher Weise und nach welchem Prozess werden Informationen und Daten zu Risikobewertungen von KI-Modellen durch Bundesbehörden und ihre jeweiligen Ergebnisse so dokumentiert, dass die Erkenntnisse auch anderen zur Verfügung stehen?  4. Sind die o. g. Systeme bzw. Anwendungen intern oder extern entwickelt und trainiert worden (bitte nach System bzw. Anwendung, Auftraggeber, Auftragnehmer, Jahr sowie Kosten und Umfang der Leistung aufschlüsseln), und wenn extern, wurden die Systeme bzw. Anwendungen ausgeschrieben (wenn nein, bitte begründen)?  5. Wie und in welchen Anwendungen finden Evaluierungen der Algorithmen-basierten Entscheidungen, automatisierten Mustererkennungen und KI (inklusive generativer KI) statt (bitte nach Bundesministerien und nachgelagerten Behörden, Angabe zur Evaluierung bzw. zum Evaluationsergebnis in wesentlichen Punkten sowie Angabe zur Veröffentlichung tabellarisch aufschlüsseln, siehe Bundestagsdrucksache 20/6862)? a) Wer hat die Evaluierung durchgeführt? b) Wurde bzw. wird das vollständige Ergebnis der Evaluierung veröffentlicht, und wenn ja, wo ist es zu finden? c) Wenn keine Evaluierung durchgeführt wird, warum nicht (bitte ausführlich begründen)? Die Fragen 3 bis 5c werden gemeinsam beantwortet. Die Angaben sind den Tabellen in den Anlagen 1a bis 1f zu entnehmen.* Ein Teil der Antwort kann aufgrund entgegenstehender überwiegender Belange des Staatswohls nicht erfolgen, auch nicht in eingestufter Form. Hierzu wird auf die Vorbemerkung der Bundesregierung verwiesen. Ein Teil der Antworten wurde als Verschlusssache – „VS – Nur für den Dienstgebrauch“ – klassifiziert, da hieraus sicherheitsrelevante Rückschlüsse gezogen werden können.** Auch hierzu wird auf die Vorbemerkung der Bundesregierung verwiesen.  6. An welchen weiteren Forschungsvorhaben, Pilotprojekten und Reallaboren zur Thematik (teil)automatisierte Entscheidungsprozesse sowie automatisierte Mustererkennungen und KI (inklusive generativer KI) beteiligen sich die Bundesministerien (inklusive Bundeskanzleramt und nachgeordnete Behörden) bzw. initiieren oder unterstützen diese seit Beginn der 20. Wahlperiode (bitte tabellarisch für jedes Bundesministerium, inklusive Bundeskanzleramt sowie nachgeordnete Behörden, nach Forschungsvorhaben, Pilotprojekt und/oder Reallabor, Kosten und Gesamtkosten sowie Jahr [Beginn und Ende], wie auf Bundestagsdrucksache 20/430, aufschlüsseln), und inwiefern sind Nachhaltigkeitskriterien und Nachhaltigkeitsinformationen wie die Abschätzung und Dokumentierung möglicher schädlicher Klimawirkungen durch den Einsatz von KI eine verbindliche Förderbedingung? Die Vorhaben sind der Anlage 2 zu entnehmen.* Ein Teil der Antwort kann aufgrund entgegenstehender überwiegender Belange des Staatswohls nicht erfolgen, auch nicht in eingestufter Form. Hierzu wird auf die Vorbemerkung der * Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 20/12191 auf der Internetseite des Deutschen Bundestages abrufbar. ** Das Bundesministerium für Bildung und Forschung hat die Antwort als „VS – Nur für den Dienstgebrauch“ eingestuft. Die Antwort ist im Parlamentssekretariat des Deutschen Bundestages hinterlegt und kann dort von Berechtigten eingesehen werden. Bundesregierung verwiesen. Ein Teil der Antwort wurde als Verschlusssache „VS – Nur für den Dienstgebrauch“ klassifiziert, da hieraus sicherheitsrelevante Rückschlüsse gezogen werden können.* Auch hierzu wird auf die Vorbemerkung der Bundesregierung verwiesen. In der Anlage 2 werden ausschließlich Vorhaben der 20. Wahlperiode aufgeführt, die seit dem 1. Januar 2023 gestartet sind und die im Rahmen der KI- Strategie der Bundesregierung umgesetzt werden. Für Vorhaben der 20. Wahlperiode, die vor dem 1. Januar 2023 gestartet sind, wird auf die Antwort der Bundesregierung auf die Kleine Anfrage der Fraktion DIE LINKE. auf Bundestagsdrucksache 20/6862 verwiesen.  7. Welche Haushaltsmittel stehen im Jahr 2024 für die Förderung und den Einsatz von KI (bitte aufgeschlüsselt je Ressort die Gesamtsumme verfügbarer Fördermittel und die Gesamtsumme verfügbarer Mittel für den Einsatz von bzw. für Bundesbehörden angeben) zur Verfügung?  8. Auf welche Förderprogramme und Haushaltstitel verteilen sich die im Rahmen der Strategie Künstliche Intelligenz bisher bewilligten und gebundenen Mittel (bitte nach zuständigem Ressort und nach Haushaltsjahr, Programmlaufzeit und Budget aufschlüsseln), und wie viele dieser Mittel sind zum Zeitpunkt der Kleinen Anfrage bereits abgeflossen (bitte die Tabellen auch in maschinenlesbarer Form zur Verfügung stellen)?  9. Welche weiteren Mittel (wenn zutreffend) wurden außerhalb der Strategie Künstliche Intelligenz jedoch ebenfalls für die Förderung und den Einsatz von KI über jeweils welche Förderprogramme und Haushaltstitel bewilligt oder gebunden (bitte nach zuständigem Ressort und nach Haushaltsjahr, Programmlaufzeit und Budget aufschlüsseln), und wie viele dieser Mittel sind zum Zeitpunkt der Kleinen Anfrage bereits abgeflossen? Die Fragen 7 bis 9 werden gemeinsam beantwortet. Bezüglich der Abgrenzung von KI-Mitteln wird auf die Vorbemerkung der Bundesregierung verwiesen. Die Angaben für Frage 7 ergeben sich insoweit als Summe der Angaben zu den Fragen 8 und 9. Die Angaben für die Fragen 8 und 9 sind den Anlagen 3 und 3a zu entnehmen.** Ein Teil der Antwort kann aufgrund entgegenstehender überwiegender Belange des Staatswohls nicht erfolgen, auch nicht in eingestufter Form. Hierzu wird auf die Vorbemerkung der Bundesregierung verwiesen. 10. Wie lautet der aktuelle Umsetzungsstand der Bundesregierung hinsichtlich Einrichtungen, die den Einsatz von KI in der Verwaltung unterstützen sollen, (bitte jeweils Stand beschreiben, bereits eingesetzte und im Jahr 2024 oder darüber hinaus verfügbare Ressourcen unterteilt nach Stellen und Haushaltsmitteln angeben, die Governance bzw. Organisationsstruktur beschreiben), was genau wird dort konkret aufgebaut, z. B. eine Web-Plattform, ein Referat, eine eigenständige Behörde, und wer ist konkret zuständig bzw. hat die Federführung inne * Das Bundesministerium für Bildung und Forschung hat die Antwort als „VS – Nur für den Dienstgebrauch“ eingestuft. Die Antwort ist im Parlamentssekretariat des Deutschen Bundestages hinterlegt und kann dort von Berechtigten eingesehen werden. ** Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 20/12191 auf der Internetseite des Deutschen Bundestages abrufbar. a) hinsichtlich des Beratungs- und Evaluierungszentrums für Künstliche Intelligenz (Arbeitstitel „BEKI“), Die Bundesregierung geht davon aus, dass die Fragesteller nach dem Umsetzungsstand des Beratungszentrums für Künstliche Intelligenz („BeKI“) fragen. Mit dem BeKI schafft das Bundesministerium des Innern und für Heimat (BMI) eine zentrale Anlauf- und Koordinierungsstelle für KI-Vorhaben in der Bundesverwaltung. Ziel ist es, ein koordiniertes Vorgehen bei der Nutzung von KI-Technologien und den Aufbau entsprechender Infrastruktur auf Bundesebene sicherzustellen. Dabei wird auf bereits gewonnenen Erfahrungen aufgebaut und es werden etablierte Strukturen und Formate einbezogen, um diese durch koordinative Unterstützung des BeKI zu stärken. Das BeKI befindet sich weiterhin im Aufbau. Der Aufbau ist noch nicht abgeschlossen. Es wurde im BMI eine Projektgruppe KI eingerichtet, die in enger Abstimmung innerhalb der Bundesverwaltung die Einrichtung des BeKI vorbereitet und erste Serviceleistungen pilotiert. Es ist weiterhin beabsichtigt, die geplanten bzw. bereits laufenden Pilotinitiativen in standardisierte Angebote eines BeKI zu überführen. b) hinsichtlich der Algorithmenbewertungsstelle für Behörden und Organisationen mit Sicherheitsaufgaben (Projekt „ABOS“, für beide siehe Antwort der Bundesregierung auf die Schriftliche Frage 83 der Abgeordneten Anke Domscheit-Berg auf Bundestagsdrucksache 20/1355 bzw. Antwort auf die Kleine Anfrage auf Bundestagsdrucksache 20/3020), Die Bundesregierung treibt die Prüfung und den Aufbau der ABOS, insbesondere vor dem Hintergrund der europäischen KI-Verordnung, weiter voran. Das Projekt ist noch nicht abgeschlossen. Im Übrigen wird auf die Antworten der Bundesregierung auf die in der Fragestellung genannten parlamentarischen Anfragen verwiesen. c) hinsichtlich eines Aufbaus der vom Informationstechnikzentrum Bund (ITZBund) betreuten KI-Plattform für die Bundesverwaltung (KIPITZ), Die Bundesregierung bereitet eine ressortübergreifende Pilotierung des KIPITZ gemeinsam mit dem ITZBund vor. d) hinsichtlich des in der Datenstrategie angekündigten Aufbaus eines KI-Kompetenzzentrums für die öffentliche Verwaltung? Das KI-Kompetenzzentrum wurde als eigenständige Organisationseinheit der Bundesdruckerei GmbH eingerichtet und ist seit Juni 2023 produktiv. e) Was genau sind die jeweiligen Aufgaben dieser Einrichtungen, und wie grenzen sie sich voneinander ab? Auf die Antworten zu den Fragen 10a bis 10d wird verwiesen. f) Wie wird die Bundesregierung ausschließen, dass im Zuge der Umsetzung der KI-VO unnötige Doppelstrukturen (z. B. bei Aufsichtsbehörden oder Datenbanken) geschaffen werden und vermeidbare Mehrkosten sowie Reibungsverluste durch Verantwortungsdiffussion und Kompetenzüberschneidungen entstehen? g) Wer ist für die jeweilige Aufsicht zuständig, und gibt es eine übergeordnete Stelle zur Koordinierung (wenn ja, welche, und wo ist sie angesiedelt)? Die Fragen 10f und 10g werden, soweit sich die Frage 10g auf die europäische KI-Verordnung (KI-VO) bezieht, gemeinsam beantwortet. Die Bundesregierung prüft derzeit Durchführungsbedarfe und -optionen der europäischen KI-VO. Diese Prüfung beinhaltet auch die Prüfung bereits bestehender Strukturen und Maßnahmen. Es ist im Interesse der Bundesregierung, die Durchführung der europäischen KI-VO effizient zu gestalten. 11. Wie lautet der aktuelle Stand der Test- bzw. Untersuchungsphase, in der KI-Potenziale im Bereich der obersten Bundesbehörden geprüft werden sollen und deren Bestandteil auch explizit die Entwicklung passender Risikoklassenmodelle ist (siehe Antwort der Bundesregierung zu Frage 9 auf Bundestagsdrucksache 20/3020 und gleichlautende Antwort zu Frage 9 auf Bundestagsdrucksache 20/6862)? a) Was hat die Prüfung der KI-Potenziale im Bereich der obersten Bundesbehörden in den vergangenen zwei Jahren ergeben, und gibt es Prüfberichte (wenn ja, sind sie öffentlich verfügbar bzw. können sie den Fragestellenden zur Verfügung gestellt werden)? b) Wer ist innerhalb der Bundesregierung für die Entwicklung passender Risikoklassenmodelle verantwortlich, und wie erfolgt die behördenübergreifende Koordinierung der Prüfung der KI-Potenziale? c) Was ist der Zeitplan für die Prüfung der KI-Potenziale für den Bund, wann soll diese Prüfung abgeschlossen sein, und gibt es Meilensteine bis dahin? d) Welche Zwischenergebnisse zur Entwicklung passender Risikomodelle gibt es seit der Antwort der Bundesregierung auf Bundestagsdrucksache 20/3020 aus dem Jahr 2022, und wurden verschiedene Modelle entwickelt und/oder getestet, und wenn ja, mit welchem Ergebnis und bei welchen Vorhaben? e) Ab wann wird ein Risikoklassenmodell bzw. werden mehrere Risikoklassenmodelle für den Einsatz von KI in Bundesbehörden zur Verfügung stehen, und wird die Anwendung eines Risikoklassenmodells vor dem Einsatz neuer KI-Systeme verpflichtend sein? Die Fragen 11 bis 11e werden gemeinsam beantwortet. KI bietet ein immenses Potential für die digitale Gesellschaft. Die Entwicklung im Bereich der KI ist rasant. In der Verwaltung kann der Einsatz von KI dazu beitragen, Verwaltungsabläufe effizienter zu gestalten, zur Arbeitsentlastung beitragen und die Kommunikation mit Bürgerinnen und Bürgern verbessern. Durch die Automatisierung von Verwaltungsdienstleistungen bei gebundenen Entscheidungen mit regelbasierter KI können diese Leistungen schneller erfolgen und Ressourcen geschont werden, die beispielsweise bei der Beratung von Bürgerinnen und Bürgern oder bei komplexeren Verwaltungsverfahren benötigt werden. Des Weiteren wird auf die Antwort der Bundesregierung auf die Kleine Anfrage der Fraktion DIE LINKE. auf Bundestagsdrucksache 20/6862 verwiesen. Vor dem Hintergrund des Inkrafttretens der KI-VO und der darin enthaltenen gesetzlichen Risikoklassifizierung evaluiert die Bundesregierung aktuell etwaige Auswirkungen für den KI-Einsatz in der Bundesverwaltung. Diese Prüfung ist noch nicht abgeschlossen. 12. Mit welchen Programmen und Mitteln fördern das Bundesministerium für Gesundheit, das Bundesministerium des Innern und für Heimat sowie das Bundesministerium für Bildung und Forschung KI-Projekte, KI- Pilotprojekte, KI-Einsätze oder ‑KI-Einsatzplanungen (inklusive generativer KI) in den Ländern (bitte nach Programm bzw. Maßnahme, Fördermittelumfang sowie Bundesland auflisten)? Unter anderem über den IT-Planungsrat stimmt sich die Bundesregierung zum Einsatz von KI in der Verwaltung mit den Ländern ab. KI-Projekte, -Pilotprojekte, -Einsätze oder -Einsatzplanungen in den Ländern sind der Anlage 4 zu entnehmen.* 13. Wie bewertet die Bundesregierung die für alle US-Bundesbehörden verbindliche Maßnahme der US-Regierung zur Einführung sogenannter Chief AI Officer (CAIO), und erwägt sie einen ähnlichen Schritt für den Geschäftsbereich der Bundesregierung (vgl. www.whitehouse.gov/wp-co ntent/uploads/2024/03/M-24-10-Advancing-Governance-Innovation-an d-Risk-Management-for-Agency-Use-of-Artificial-Intelligence.pdf)? Die Grundgedanken, die dem Memorandum zugrunde liegen, werden durch die Bundesregierung geprüft, auch vor dem Hintergrund etwaiger erforderlicher Maßnahmen im Rahmen der Durchführung der KI-VO. Diese Prüfung dauert noch an. 14. Plant die Bundesregierung die Einrichtung eines KI-Registers für KI- Anwendungen im staatlichen Einsatz, ähnlich dem nationalen Zentralregister in den Niederlanden (siehe www.bertelsmann-stiftung.de/fileadmin/fi les/user_upload/KIRegisterFuerDeutschland.pdf), a) bundesweit und für jeglichen KI-Einsatz durch staatliche Stellen, also auch für andere föderale Ebenen, b) nur für den KI-Einsatz im Auftrag des Bundes bzw. bei und durch Bundesbehörden, c) weder noch (bitte begründen, warum kein KI-Register geplant ist)? Die Fragen 14 bis 14c werden gemeinsam beantwortet. In einem Pilotprojekt des im Aufbau befindlichen BeKI wird ein sogenannter „Marktplatz der KI-Möglichkeiten“ für die öffentliche Verwaltung entwickelt, welcher Ministerien und Behörden mit passenden KI-Anwendungen und Bedarfen zueinander bringen soll. Auf diese Weise wird ein hohes Level an Abstimmung, Kooperation und Nachnutzung technischer Anwendungen ermöglicht. Daraus ergibt sich ein effizienter Einsatz von Ressourcen sowie Kompetenzen in der Verwaltung. Der Aufbau eines KI-Transparenzregisters für die öffentliche Verwaltung wird dabei ebenfalls berücksichtigt. Über den IT- Planungsrat erfolgt eine Abstimmung mit Ländern und Kommunen mit dem Ziel, eine gemeinsame Nutzung zu ermöglichen. * Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 20/12191 auf der Internetseite des Deutschen Bundestages abrufbar. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 1a: Anwendungsfälle von KI in Bundesministerien und nachgeordneten Behörden (Antwort zu den Fragen 1-1d) Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 1 AA 1 Unterstützung bei Bürgeranfragen durch teilautomatische Klassifizierung, um möglichst zielgenaue Antworten aus den Internet-FAQ Bereich in der ersten Autoantwort zu versenden. Maschinelles Lernen Anfragevolumen ist durch Krisen ist stetig stark gewachsen. Nicht alle Anfragen können mit klassischen Mittel zeitgerecht beantwortet werden. Durch eine automatische Klassifizierung wird die Anzahl der manuell bearbeiteten Anfragen reduziert, indem zielgerecht auf veröffentlichte Informationen hingewiesen wird. Rückfragen werden manuell bearbeitet. KI- Anwendung nur auf unklassifizierten Mailanfragen. Klassifikationsvorschlag. Auswahl einer für die Kategorie vorkonfigurierten Autoantwort (keine generierten Antworten). nein 2 BMAS Z KI basierte Suche - Digitaler Suchassistent CAI; Verbesserter Zugriff auf vorhandenes Wissen, besser Wissensrepräsentation. Neuronale Netze für Speech-to-Text, Machine Learning für Textklassifikation, Auto Tagging und Metadaten- Anreicherung. Schnelleres Auffinden von Dokumenten und Informationen sowie Bereitstellung von Kontextwissen. Entscheidungsvorbereitung, Verbesserter Zugriff auf vorhandenes Wissen / bessere Wissensrepräsentation, Effizienzsteigerung der ministeriellen Aufgabenerledigung. Entscheidungsvorbereitung, Verbesserter Zugriff auf vorhandenes Wissen / bessere Wissensrepräsentation, Effizienzsteigerung der ministeriellen Aufgabenerledigung. nein 3 BMAS G Prototypische Applikation zur Erfassung und Strukturierung von Inhalten von öffentlichen Stellungnahmen im Kontext von Gesetzgebungsverfahren (Arbeitstitel: "StellungnahmenApp"). In Entwickungsphase. ChatGPT, R Shiny, Python Backend (auf Server des Dienstleisters, nur für bereits online verfügbare Stellungnahmen) Unterstützung der Beschäftigten bei der Vorstrukturierung / Auswertung von Verbändestellungnahmen im Gesetzgebungsverfahren Übersicht von Forderungen und Begründungen (in Word/Excel) zur Weiterverarbeitung durch Beschäftigte nein 4 BMAS D Trend- und Themenscanning („Horizon Scanning“) Natural Language Processing Durchsuchung von über 200 Mio. Textquellen (wissenschaftliche Publikationen, Forschungsdatenbanken, Nachrichten, soziale Medien, Blogs, Statistiken, offizielle Stellen) für ein vorausschauendes Trend- und Themenscanning (Horizon Scanning). Zusammenfassende Beschreibungen und Grafiken nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 5 BAuA Fac hbe reic h 2 Auffinden und Klassifikation risikobehafteter Produkte in Kundenrezensionen des Onlinehandels Weakly-Supervised- Learning Identifikation von gefährlichen Produkten bzw. mit potentiellem Risiko zur weiteren Begutachtung durch Marktüberwachungsbehörden Identifkation / Empfehlung nein 6 BAuA Fac hbe reic h 2 Unfallanalyse zur Entwicklung eines Regelsystems und Optimierung von Risikobewertungen unsupervised learning Wissensgewinnung über Ereignisketten und Eintrittswahrscheinlichkeiten im Zusammenhang mit Unfällen Bewertung nein 7 BfArM 9 Mapping von Firmennamen auf interne Ids zur Unterstützung der Assessoren/-innen Sprachverarbeitung (NLP) Qualitätsverbesserung in den Daten (Tippfehler und unterschiedliche Schreibweisen zusammenführen) Zuordnung nein 8 BfArM 9 Analyse von zeitlichen Entwicklungen zur Unterstützung der Assessoren/-innen Zeitreihenanalyse mit DeepLearning- Methoden Verbesserung der Informationsgrundlage für Assessorinnen Analyse nein 9 BfArM 9 Analyse der Ähnlichkeit von Textabschnitten zur Unterstützung der Assessoren/-innen Sprachverarbeitung (NLP) Beschleunigung der Kodierung (Verschlagwortung) von Vorkommnissen durch Erzeugen von Vorschlägen Analyse nein 10 BfArM 5 aktuell Machbarkeitsstudie zur Evaluation eines Systems zur automatisierten Kausalitätsbewertung von UAW-Reports Sprachverarbeitung (NLP) unter Verwendung von rekurrenten Netzwerken und Transformern Kausalitätsbewertungen von UAW Reports automatisieren Entscheidungsvorschlag nein 11 BfArM 1 Mapping der Pharmazentralenummer Sprachverarbeitung (NLP) Fehlende ID zu Marktdaten ergänzen, um Datenquellen vernetzen zu können Entscheidungsvorschlag nein 12 BfArM 1 Frühwarnsystem für Lieferengpässe bei Humanarzneimitteln TS-Analyis / DeepLearning Versorgungsrelevante Lieferengpässe sollen vermieden werden Signalerkennung nein 13 BfArM 9 Machbarkeitsstudie zur KI-basierten Kodierung von Meldungen mit IMDRF Adverse Event Sprachverarbeitung (NLP) Teilweise Automatisierung der Kodierung (Verschlagowrtung) von Vorkommismeldungen Zuordnung bzw. Zuordnungsvorschlag (je nach Ergebnis) nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Codes ("Verschlagwortung") 14 BfArM 9 Machbarkeitsstudie zur NLP-basierten Anonymisierung von Vorkommnismeldungen Sprachverarbeitung (NLP) Entfernen von personenbezogenen Daten aus Freitextfeldern, die versehentlich von Meldenden in den Vorkommnismeldungen mitübertragen werden. Anoymisierungsvorschlag nein 15 DPMA Abt. 2.4 Klassifikation Machine Learning automatische Klassifkation von Patent- und Gebrauchsmusteranmel dungen in Intern. Patentklassifikation (IPC) Erleichterung und Beschleunigung der Klassifikation von Patentdokumenten Vorschlag für IPC Automatische Vorklassifikation von Patent- und Gebrauchsmusteranmeldungen nein 16 DPMA Abt. 2.4 kognitive Suche Machine Learning Ähnlichkeitssuche zwischen der Beschreibung neu eingereichter Patentanmeldungen und vorliegendem Stand der Technik als Unterstützung der intellektuellen Prüfung von Schutzrechtsanmeldung en Verbesserung von Qualität und Dauer bei der Recherche im Rahmen der Patentprüfung Vorschlag für ähnliche Patentanmeldungen Unterstützung der intensiven intellektuellen Recherche in bestehenden Patentdokumenten nein 17 DPMA Abt. 2.4 Übersetzung Machine Learning Übersetzung insbesondere asiatischer Patentliteratur ins Englische, um diese den Prüfern des DPMA für ihre zwingend durchzuführende Recherche zur Verfügung zu stellen - Grundlage ist trainierte Zugängig machen von fremdsprachiger Patentliteratur, insbes. asiatischer Patentliteratur englischsprachige Übersetzungen insb. asiatischer Patentliteratur zur intellektuellen Recherche durch die Patentprüfer nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Übersetzungsmaschine der WIPO 18 BMUV T zukünftig: Unterstützung von BMUV- Mitarbeitenden bei der Bearbeitung von Texten (z.B. Übersetzung, Umformulierung, Zusammenfassung) Großes Sprachmodell Höhere Effizienz in der Textverarbeitung, Optimierung bei Routineschreibaufgaben, Erstellung von Texten im Rahmen der ministeriellen Arbeit Textvorschlag nein 19 BMUV/UBA KI- Lab Computervision um die Standorte von Windkraftanlagen aus Satellitendaten zu erkennen Computervision um die Standorte von Windkraftanlagen aus Satellitendaten zu erkennen zur Verbesserung der bisher teilweise unvollständigen/fehlerh aften Datenbasis Unsichere zentrale Datengrundlage über Windkraftanlagen soll verbessert und aktualisiert werden Geolokalisation, Klassifizierung nein 20 BMUV/UBA I 1.7 NLP um Projektbeschreibungen auf ihre Umweltrelevanz zu prüfen supervised machine learning, NLP Vorher mussten jährlich über 40,000 Projektanträge manuell auf Umweltrelevanz geprüft werden, um sie für die Umweltforschungsdatenbank zu kuratieren Klassifizierung: Umweltrelevanz (ja/nein) und thematische Schwerpunkte nein 21 BMUV/UBA KI- Lab Statistisches Modell um die Wirkung von externen Faktoren (z.B. Umweltzone, 9€-Ticket,…) auf die Luftqualität zu bestimmen. statistische Modellierung, supervised learning Politikberatung soll durch evidenzbasierte, datengetriebene Entscheidungen unterstützt werden Statistische Analyse, Bestimmung von statistischer Signifikanz nein 22 BMUV/UBA KI- Lab Datenwissenschaftliche Analyse von Giftstoffen im Wasser (Non-Target Screening, NTS) Dimensionsreduktion, Trendvorhersage, unsupervised clustering 95% der im Wasser detektierten Stoffe sind unbekannt (Toxidität, Wirkung auf Mensch/Umwelt). Um Auffälligkeiten bei der zeitlichen Entwicklung solcher Stoffe frühzeitig zu erkennen, nutzen wir KI Methoden Analyse nein 23 BfS UR Prognose der regionalen Radonverteilung in Umweltmedien und in Gebäuden, Ermittlung der Machine Learning, Random Forrest, Problem: Ermittlung der Exposition der Bevölkerung durch Radon, Anzahl von Gebäuden mit erhöhten Radonkonzentration, optimaler Schutz bei Neubauten i.W. Karten der regionalen Verteilung von radonrelevanten Kenngrößen nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Bevölkerungsexposition durch Radon 24 BMUV/BfS WR aktuell: Bildbearbeitung, korrekte Orientierung und Zuordnung von Chromosomen im Karyogramm automatisiertes Verfahren, Bestandteil einer proprietären Analysesoftware manuelle Korrektur der Orientierung und Zuordnung von Chromsomen im Karyogramm Analyse nein 25 BMUV/BfS WR aktuell: Bildbearbeitung, Erkennen von strahlenbedingten Chromosomenaberratione n als biologischer Indikator zum Nachweis einer Strahlenüberexposition im Rahmen der biologischen Dosimetrie automatisiertes Verfahren, Bestandteil einer proprietären Analysesoftware manuelle Identifikation von dizentrischen Chromosomen im Rahmen der biologischen Dosimetrie Analyse nein 26 BfS RN Unterstützung der Auswertung von hochaufgelösten Gammaspektren unsupervised ML: Autoencoder - beta-VAE für Hochaufgelöste HPGe-Spektren: ; Auswertungsvorschlag nein 27 BMUV/BfS RN Unterstützung der Auswertung von niedrigaufgelösten Gammaspektren mit geringer Zählrate in Echtzeit Supervised Learning; PCA Auswertungsvorschlag nein 28 BMUV/BfS RN Beantwortung von Anfragen aus der Bevölkerung im radiologischen Notfall Regelbasierter Chatbot mit geschlossenem Infopool Hohes individuelles Informationsbedürfnis der Bevölkerung, das mit menschlichen Ressourcen nicht zu bewältigen ist Ausgabe von Informationen per Text im Chatbot nein 29 BMZ Länderanalysen Recherche Assistent für komplexe Dokumente und Handlungsempfehlungen Chatbot, Textzusammenfassung, Wissensmanagement nein 30 BMZ Prototyp für Vergabe von quantitativen Kategorien Chatbot, semantische Analyse nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. für Projekte auf Basis einer Multi-Modell-Analyse von Projektbeschreibungen 31 BMZ Funktionaler Prototyp zur Lokalisierung von Projektstandorten durch Anwendung eines NLP- Algorithmus in den Projektbeschreibungen. Darstellung in Karte. Semantische Analyse nein 32 BMZ Chat-Interface zu Evaluierungsberichten von Durchführungsorganisatio nen Chatbot, Textzusammenfassung, Wissensmanagement nein 33 BMZ Eigenes Chat-Interface zu GPT mit spezifischer Berücksichtigung von Behördenanforderungen Chatbot, Textzusammenfassung, Erstellung von Texten nein 34 BMZ Suche und Zusammenfassung Vorschriften und Rechtsvorgaben Chatbot, Frage-Antwort- System nein 35 BMZ Suche in IT-relevanten nationalen und europäischen Verordnungen und Gesetzen Chatbot, Suchmaschine (Recherche) nein 36 BMZ Fachfragen an den EU AI Act Chatbot, Suchmaschine (Recherche) nein 37 BMZ Verarbeitung und Auswertung von rigorosen Wirkungsstudien/- evaluierungen in Hinblick auf für die EZ-Praxis relevante Fragestellungen. Chatbot, Suchmaschine (Recherche) nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 38 BMZ Vergabe von Schlagworten für Maßnahmen basierend auf Projektbeschreibungen im IATI-Datensatz. Semantische Analyse, Suchmaschine (Recherche) nein 39 BMZ Empfehlungen für Kennungen von Projekten anhand Vorgaben zur Kennungsvergabe Semantische Analyse, Qualitätskontrolle nein 40 BArch Handschrifterkennung Supervised Learning/OCR, HTR Das Bundesarchiv verwahrt große Akten- und Karteibestände, von denen immer mehr digitalisiert werden. Eine manuelle Erschließung der digitalisierten Bestände in großer Tiefe personell nicht durchführbar. Alle genannten Projekte dienen daher der Unterstützung der Erschließung. Gleichzeitig erwarten NutzerInnen und andere Behörden die vollständige Durchsuchbarkeit digitalisierter Akten. Durchsuchbare Volltexte auf Basis von Archivgut nein 41 BArch Mustererkennung/automa tische Inhaltsanalyse von Archivgut Supervised Learning/OCR, HTR/Named Entity Recognition/Topic Modelling/Inhaltsanalys e auf Basis von LLMs Das Bundesarchiv verwahrt große Akten- und Karteibestände, von denen immer mehr digitalisiert werden. Eine manuelle Erschließung der digitalisierten Bestände in großer Tiefe personell nicht durchführbar. Alle genannten Projekte dienen daher der Unterstützung der Erschließung. Gleichzeitig erwarten NutzerInnen und andere Behörden die vollständige Durchsuchbarkeit digitalisierter Akten. Durchsuchbare Volltexte auf Basis von Archivgut nein 42 BMWK Z, VI Prototyp zur Zusammenfassung von Dokumenten (aktuell), Frage-Antwort- Funktionalität (künftig). Der Prototyp befindet sich in Entwicklung und steht aktuell einer ausgewählten Large Language Model, Retrieval Augmented Generation Informationsverarbeitung von Textdokumenten beschleunigen Textzusammenfassung, Metadatenextraktion nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Testnutzergruppe zur Verfügung. 43 BMWK / BAFA 4, 6 Kundenservice und Unterstützung der Sachbearbeitung Natural Language Processing, Maschinenlernen Kategorisierung von Nachrichteninhalten und unverbindlicher Antwortvorschlag nein 44 BMWK / BAFA 5 Kundenservice und Unterstützung der Sachbearbeitung Regelbasiertes System Empfehlung für erneute Prüfung der antragsrelevanten Unterlagen nein 45 BMWK/BGR B1 künftig: Klassifikation von Ereignismeldungen zu rohstoffmarktrelevanten Standorten (Minen, Raffinerien) nach Schwere (hoch/mittel/niedrig) und Art (z. B. Streik, Überschwemmung) regelbasiert: Erfassen von Ereignissen, Filtern von Duplikaten; Maschinenlernen (mutmaßlich, AN- abhängig): Klassifikation Bewertung (Schwere des Ereignisses), Analyse (Art des Ereignisses) nein 46 BMWK/BGR B1 Gesteinsuntersuchung IT-basierte Mustererkennung Analyse nein 47 BMWK/BGR B2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandsprognosen und bundesweite Quellschüttungsvorhersag en Maschinenlernen Vorhersage von Grundwasserständen Prognose nein 48 BMWK/BGR B2 Regionalisierung hydrogeologischer Information Maschinenlernen Entwicklung von Verfahren zur Regionalisierung von geowissenschaftlichen Punktinformationen Hydrogeologischer Flächendatensatz nein 49 BMWK/BGR B2 Abschätzung der Grundwasservulnerabilitä t ggü. Pflanzenschutzmitteleintr ag Maschinenlernen Definition von vulnerablen Gebieten gegenüber Pflanzenschutzmitteleintrag Hydrogeologischer Flächendatensatz nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 50 BMWK/BGR B2 KI-basiertes Monitoring-, Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigständ en und -versalzung Maschinenlernen KI-Tool zur Vorhersage und Frühwarnung vor Grundwasserniedrigständen und Versalzung Tool (Prototyp) zur nachhaltigen Grundwasser-bewirtschaftung nein 51 BMWK/BGR B2 Klassifizierung verschiedener geologischer Bereiche Maschinenlernen (SOM, K-means) Detektion unterschiedlicher geologischer Bereiche (z.B. Unterscheidung Kippenbereiche und gewachsener Strukturen) Räumlicher Datensatz der klassifizierten Bereiche (Cluster) nein 52 BMWK/BGR B2 Räumliche Verteilung von geologischen Strukturen im Untergrund Maschinenlernen (Random Forest) Abschätzung der dreidimensionalen Verteilung der Porosität, z.B. als Eingangsparameter für Grundwassermodelle Räumliche Verteilung der Porosität nein 53 BMWK/BGR B2 Bohrlochdaten werden durch menschliche Bearbeiter über Vergaben klassifiziert und in verschiedene (hydro- )geologische Schichten unterteilt (hier codiert). Durch Maschinelles Lernen soll ein Qualitätsmanagement der gelieferten Codierungen erfolgen, d.h. die Sinnhaftigkeit überprüft werden. Maschinenlernen (Random Forest) Qualitätsmanagement von Daten, die durch menschliche Bearbeitende klassifiziert wurden Gütekriterium für klassifizierte Daten/Codierung nein 54 BMWK/BGR B2 Deep learning basierte Vorhersage von alpinen Karstquellschüttungen Maschinenlernen Vorhersage von Karstquellschüttungen Prognose nein 55 BMWK/BGR B2 Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos Maschinenlernen Automatisiertes Qualitätsmanagement von Daten, die durch Menschen klassifiziert wurden Gütekriterium für klassifizierte Daten/Codierung nein 56 BMWK/BGR B2 KI-basierte Rekonstruktion fehlender Grundwasserstandsmonit oringdaten zur Maschinenlernen Für die Kalibrierung des numerischen Strömungs- und Transportmodell des Deckgebirges über dem ERAM liegen nur Retrognose, Bewertung, Analyse hydrogeologischer und saisonaler Daten nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Kalibrierung des Grundwasserströmungsm odells im Rahmen der Sicherheitsanalyse des Deckgebirges des Endlagers Morsleben (ERAM) unzureichende Messdaten vor. Diese sollen KI-basiert rekonstruiert werden. 57 BMWK/BGR B3 In Planung: Machbarkeitsstudie zu Wissensmanagement Large Language Model Suche in wissenschaftlichen Berichten Textpassagen o. ä. nein 58 BMWK/BGR B4 Erdbebenlokalisierung und -charakterisierung Primäre Nutzung von Maschinenlernen- Algorithmen Erstellung zeitnaher automatisierter Erdbebenmeldungen ja 59 BMWK/BGR B4 Identifikation, Bewertung, und Monitoring von Geogefahren Maschinenlernen, Künstliche Neuronale Netze Effizienzerhöhung der Datenakquise, Optimierung der Bewertung von Gefahrenpotenzialen Mustererkennung, Bewertung, Tool zur Bewertung der regionalen Rutschungsempfindlichkeit nein 60 BMWK/BGR B4 Geologische und Rohstoffwirtschaftliche Interpretation maßstabgsübergreifender Erdbeobachtungs- bzw. Fernerkundungsdaten Validierung der Ergebnisse durch Maschinenlernen: Erhöhung der Wirtschaftlichkeit der Rohstoff-Exploration Verbesserte Klassifizierung von Fernerkundungsdaten zur Kartierung der räumlichen Verteilung von Mineralen in den Themenbereichen Geologie und Exploration mineralogischer Rohstoffe Prognose, Analyse; Karten über die oberflächenhafte Verteilung von Mineralen und deren Muster, die auf potentielle Lagerstätten schließen lassen. Die Bewertung dieser Karten erfolgt durch die Interpretation durch Wissenschaftler/Geologen. nein 61 BMWK/PTB Abt 8 Klassifizierung Medizinische Messdaten Computer Vision Klassifizierung nein 62 BMWK/PTB AG 7.21 Transkripterstellung von Meetings Natural Language Processing Informationsverbesserung Die KI ist als Open Source verfügbar und läuft lokal, daher verlassen die Daten die PTB nicht. nein 63 BMWK/PTB FB 6.2 Nachbearbeitete ("Ford Präsentation") Aufnahme aus einem Mammographiegerät, bei Eingabe der Rohdaten Forschungsprojekt zur Erzeugung virtueller Daten (Mammographie- Aufnahmen) ja 64 BMWK/PTB FB 6.2 Streustrahlungsanteil in Detektorsignal eines Mammographiegeräts Verbesserung Unsicherheit Forschungsprojekt zur Berechnung der Streustrahlung in der Mammographie ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 65 BMWK/PTB FB 6.2 Ableitung von Kontrast- Detail-Kurven aus einzelnen CDMAN- Aufnahmen Verbesserung CDMAN Forschungsprojekt zur Bestimmung der Bildqualität von Mammographie/CT-Aufnahmen ja 66 BMWK/PTB FB 7.5 Bei der Vor-Ort- Kalibrierung (VOK) werden Durchflusssensoren (DFS) an ihrem Verwendungsort kalibriert. Mittels des Anbohrverfahrens wird ein optischer Zugang während des Betriebs ermöglicht und mit einer laseroptischen Messung die Geschwindigkeitsverteilu ngen entlang eines Pfades ermittelt. Die Bestimmung des Volumenstroms aus den Pfaddaten ist für ungestörte und leicht gestörte Strömungscharakteristike n zur VOK von Volumenstrommessgeräte n durch die Firma OPTOLUTION am Markt etabliert. Ziel dieses Projektes ist es, auch für stärker gestörte Strömungsbedingungen einen Beitrag zur Verbesserung der Energieeffizienz von Trinkwasser-, Wärme- und Kältenetzen durch eine praxisgerechte Machine Learning Verbesserung der Energieeffizienz von Trinkwasser-, Wärme- und Kältenetzen Transmet-Projekt (Forschung) ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Weiterentwicklung der Messtechnologie für Betriebsbedingungen zu leisten. Mit Hilfe der Methoden des maschinellen Lernens sollen aus einer Pfadmessung Informationen extrahiert werden können, die eine präzisere Aussage über den tatsächlichen Volumenstrom erlauben. Dafür soll ein (Supervised) Deep-Learning- Algorithmus mit Daten aus Messungen und validierten numerischen Simulationen trainiert werden. 67 BMWK/PTB FB 8.1 Zubehörpaket zur Bediensoftware eines Magnetresonanztomograp hen, das eine AI-basierte Beschleunigung der Bildakquisition erlaubt. Bitte auswählen Beschleunigung der Bildakquisition eines Magnetresonanztomographen ja 68 BMWK/PTB FB 9.4 Ersatz für die klassische Intranetsuche Natural Language Processing Wissensmanagement Verarbeitung auf internem HPC- System ja 69 BMWK/PTB FB 9.4/ Q.4 Klassifikation in Sensornetzwerken Bitte auswählen Energieeffizienz Forschung zu erklärbaren KI- Methoden in Sensornetzwerken ja 70 BMWK/PTB FB 9.4 Analyse von Quellcode zur Transformation in andere Programmiersprache Bitte auswählen Softwareentwicklung Einordnung als Forschungsarbeit und Evaluation ja 71 BMWK/PTB Q.4 VTT Untertitel für barrierefreie Videos Natural Language Processing Barrierefreiheit und Suchoptimierung Verarbeitung auf internem HPC- System ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 72 BMWK/BAM 1 Beforschung der Einsatzmöglichkeiten für die maschinengestützte Datenanalyse in der Prozessindustrie Künstliche Neuronale Netzwerke; Datenaugmentierung Datenanalyse in der Materialwissenschaft Schnelle Interpretation der Daten chemisch messender Sensoren ja 73 BMWK/BAM 6 Materialdesign, Mikrostrukturanalyse Maschinenlernen Datenanalyse in der Materialwissenschaft Wissenschaftliches Modell ja 74 BMWK/BAM 6 * automatisierte Datenanalyse * autonome Materialentwicklung Maschinenlernen für Erkennung leistungskritischer Materialkennwerte zur effizienten Versuchsplanung und Beschleunigung der Materialentwicklung Datenanalyse in der Materialwissenschaft Analyse, Bewertung, Entscheidung der nächsten Experimentparameter ja 75 BMWK/BAM 6 Beschleunigung vom Design und der Suche von neuen Materialien für Anwendungen im Bereich der erneuerbaren Energie Maschinenlernen Datenanalyse in der Materialwissenschaft Wissenschaftliche Veröffentlichung und veröffentlichtes Modell mit Programmcode zur Vorhersage von Materialeigenschaften nein 76 BMWK/BAM 7 Metamodelle für Simulationsmodelle Maschinenlernen Datenanalyse in der Materialwissenschaft Metamodell nein 77 BMWK/BAM 8 Mustererkennung zur computergestützten Auswertung von ZfP Daten, Datenanalyse (z.B. Radiologie, Thermografie, Ultraschall etc.) Maschinenlernen, neuronale Netze für das Erkennen von Fehlstellen, Brüchen, Materialeigenschaften etc. Datenanalyse in der Materialwissenschaft Mustererkennung, Prognose nein 78 BMWK/BAM 8 Entwicklung von CO2- ärmerem Beton durch KI-unterstützte Auswahl von Materialzusammensetzun gen Maschinenlernen, neuronale Netze, Chat- GPT, AgentGPT zur Entwicklung von Stoffgemischen, die Datenanalyse in der Materialwissenschaft Prognose, Vorschlag/Empfehlung nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. bestimmte Parameter erfüllen 79 BMWK/BAM 8 KI-gestütztes Lernen und Veröffentlichen Physics-Informed Maschinenlernen, Defektprognose beim Laserstrahlschweißen Datenanalyse in der Materialwissenschaft Prognose der Porositätsbildung basierend auf physikalischen Variablen, Prognose dieser physikalischen Variablen basierend auf experimentellen Daten ja 80 BMWK/BAM 9 Einsatz im Rahmen von Forschungsvorhaben künstliche neuronale Netze Geometriesensor beim Lichtbogenschweißen Datenanalyse in der Materialwissenschaft Prognose des Spaltbreitenverlaufes auf Grundlage von Prozessmessdaten in Echtzeit ja 81 BMWK/BAM 9 Einsatz im Rahmen von Forschungsvorhaben Maschinenlernen, Neuronale Netze, Algorithmen Datenanalyse in der Materialwissenschaft Bewertung, Prognose nein 82 BMWK/BAM 8 und 9 Defekterkennung und - vorhersage sowie Verformungsvorhersage von additiv gefertigten metallischen Bauteilen Maschinenlernen, Neuronale Netze (GNN), Algorithmen Datenanalyse in der Materialwissenschaft Bewertung, Prognose nein 83 BMWK/BAM 8 Defekterkennung in CT- Aufnahmen additiv gefertigter Bauteile Künstliche neuronale Netze zur Detektion und Lokalisierung von Schäden in Wasserstoffdruckbehältern, Regressionsmodell zur Prognose der Restlebensdauer der Komponenten Datenanalyse in der Materialwissenschaft Bewertung der Integrität des Druckbehälters, Entscheidung über Weiterbetrieb/Betriebssicherheit, Prognose, Bewertung ja 84 BMWK/BAM 8 Detektion und Lokalisierung von Schäden - Prognose der Restlebensdauer von Wasserstoffdruckbehälter n Maschinenlernen Datenanalyse in der Materialwissenschaft Vorhersage nein 85 BMWK/BAM S Inverse Probleme Maschinenlernen Datenanalyse in der Materialwissenschaft Vorhersage nein 86 BMBF 1 Emerging Technology Radar zur Identifikation 1) Clustering wissenschaftlicher 1) Das Clustering-Verfahren löst das Problem der Abgrenzung von Themen Bewertung und Prognose nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. und Bewertung möglicher zukünftiger Schlüsseltechnologien Publikationen anhand der Zitationsbeziehungen zur Identifikation von wichtigen Themenkomplexen 2) Benennung von Publikationsclustern mittels eines Sprachmodells (generative KI), um intuitiv-verständliche Oberbegriffe für Cluster zu generieren 3) Supervised learning, um die zukünftige Entwicklung von Publikationsclustern anhand wichtiger Einflussgrößen vorherzusagen untereinander & ihrer Aggregation 2) Das Sprachmodell ermöglicht die intuitiv verständliche Benennung und Beschreibung der Themen von Hunderttausenden Clustern ohne menschliche Aufsicht 3) Das Supervised Learning ermöglicht es eine Vielzahl an menschlich kaum erfassbaren Zusammenhängen in der Impact-Schätzung zu repräsentieren 87 BMBF alle Suche nach semantisch ähnlichen, früheren Kleinen Anfragen Machine Learning mit einer Vektor-Text- Tabelle und einem nicht-generativen Sprachmodell Oft werden mehrfach/wiederholt ähnliche Anfragen gestellt, z.T. an unterschiedliche Behörden; Anwendung ermöglicht ein effizienteres Finden früherer ähnlicher Fragen. Ausgabe öffentlich verfügbarer, ähnlicher KA, mit Hinweis und Hilfsmitteln zur Überprüfung durch den Nutzer nein 88 BMBF alle Zusammenfassung von Texten Machine Learning mit einem generativen Sprachmodell Verwaltungshandeln erfordert oft, einen schnellen Überblick über Sachlagen zu schaffen anhand verschiedener Dokumente. Ein schneller erster Überblick in Form einer automatisierten Zusammenfassung von Textdokumenten kann hier unterstützen. zusammengefasster Text als Fließtext oder Stichpunkte, mit Aufforderung zur Überprüfung durch den Nutzer nein 89 BMBF alle Chatbot zur Fragegebundenen Suche in der Ergänzenden Geschäftsordnung (EGO) des BMBF und Machine Learning mit einer Vektor-Text- Tabelle, einem nichtgenerativen Sprachmodell zur semantischen Suche und EGO sehr umfänglich, bisher z.T. lange Suche entlang des Inhaltsverzeichnisses oder mit Schlagworten nötig, um bestimmte Informationen zu finden. Anwendung soll daher kurze und präzise Informationen zu vorgeschlagene Antwort in Textform, mit Hinweis und Quellenverweis zur Überprüfung durch den Nutzer nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Ausformulierung der gefundenen Antwort einem zweiten Sprachmodell zur Generierung der Antwort speziellen Fragen aus der EGO in Chatbot- Form wiedergeben. 90 BMDV / BfG M2 Mittel- bis langfristige Wasserstandsvorhersage; momentan im präoperationellen Betrieb Maschinelles Lernen (Multiple Lineare Regression) und Feed Forward Selection Vorhersage des Wasserstands (Monatsmittel) und Auswahl von Prädiktoren Prognose nein 91 BMDV / BfG M2 Vorhersage des Wasserstandes und des Abflusses Deep Learning (Long Short Term Memory Networks), Rekurrente Neuronale Netze Verbesserung der Vorhersagegüte; Reduzierung von Unsicherheiten in Mess-, Vorhersagedaten und physikalisch-basierten Modellen Prognose nein 92 BMDV / BfG M5 / U3 Detektion von Plastik in Fließgewässern YOLOv5 Plastik soll in Fließgewässern erkannt werden können und von Gehölz oder sonstiger Vegetation unterschieden werden; Unterstützung beim Labeln von neuen Daten Objektdetektion / Klasse nein 93 BMDV / BfG M5 / U3 Vegetationsklassifikation CNNs, evtl. auch Vision Transformer semantische Segmentierung: jedem Pixel des Bildes wird eine Klasse zugeordnet Klasse der Vegetationsarten oder Wasser ja 94 BMDV / BfG M5 / U3 Ölerkennung auf dem Meer zur Zeit Recherche; wahrscheinlich CNNs oder Vision Transformer entweder Objekterkennung (bounding box um Ölfilm) oder semantische Segmentierung des Ölfilms) noch unklar ja 95 BMDV / BfG U4 Fischerkennung YOLOv5, ResNet18, XtremeGradientBoostin g, EfficientNetB2 Fischerkennung, Klassifikation von Fischart, Schwimmverhalten, Umweltvariablen sowie Größenschätzung der Fische Klassen: Fisch (ja/nein); Fischart, Schwimmverhalten, Umweltvariablen; Größenschätzung der Fische ja 96 BMDV / BfG M1, M3, U2 Integrierte Schwebstoffanalyse Tideems Shallow-Neuronale- Netze (NARX) und Long- Short-Term-Memory- Netzwerke Reproduktion und Vorhersage der Flüssigschlickdynamik und Sauerstoffdefizite Analyse, Prognose 97 BMDV / BfG M1, Z2 Qualitätskontrolle von Messdaten Vermutlich Long-Short- Term-Memory- Netzwerke Qualitätskontrolle und Korrektur der Messdaten in der Vergangenheit Analyse, Bewertung nein 98 BMDV / BfG M5 Qualitätskontrolle von Messdaten Long-Short-Term- Memory Netzwerk und / oder Transformer- Modelle Erkennung von Anomalien in Zeitreihen Analyse, Bewertung 99 BMDV / BfG G3, Z2 Prognose und Zusammenfassung molekularer Effekte von Self Organizing Maps Gruppierung von Assays in zweidimensionale Karte; Schließung von Analyse, Prognose Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Umweltchemikalien und Mischungen Datenlücken; Dimensionsreduktion und Erhöhung der Robustheit 100 BMDV / BfG G2 Identifikation eines Non- Target-Screening-Features (unbekannt) anhand der Zusammensetzung (Retentionszeit, Messintensität und Massezu-Ladungsverhältnis) hierarchische Clusteranalyse zur Gruppierung von Features Mustererkennung Gruppierung 101 BMDV / BfG M2 KI-gestützte Wasserhaushaltsmodellier ung noch unklar: Random Forest, Extreme Gradient Boosting, Long-Short-Term- Memory-Netzwerk oder Shallow-Neuronale- Netze; Wasserhaushaltsmodellierung Analyse, Prognose 102 BMDV / BfG U4 Methodenentwicklung zur automatisierten Nachbearbeitung der Unterwasseraufnahmen und Klassifikation von Schweinswalpräsenz zur maschinellen Validierung um manuelle Validierung zu ersetzen: Random Forest, Shallow- Neuronale-Netze; Auffinden von Signalen im Bild mit CNNs oder BirdNet, noch unklar Validierung des Outputs der Software; Klassifikation von Audiodateien Klassifikation Schweinswalpräsenz ja / nein nein 103 BMDV / BfG U3 Entwicklung von Verfahren zur Erstellung von Modellen zur Klassifikation von Vegetationseinheiten und Substrattypen auf der Basis von multispektralen Drohnen- und Gyrokopterdaten in Kombination mit Felddaten Random Forest, XtremeGradientBoostin g, Support Vector Machines Klassifikation von Vegetationseinheiten und Substrattypen Analyse nein 104 BMDV / BALM Kon troll Unterstützung bei der Erstellung von maschinelles Lernverfahren Lösung für optimierte Schaltpläne der autom. Kontrolleinrichtung; Vielzahl der Entscheidung; gemäß Parametereingabe durch Menschen; ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. dien ste optimierten Schaltplänen für autom. Kontrolleinrichtungen faktorierenden Parameter erhöhen Komplexität der Planungsaufgabe Ergebnis der Berechnung ist eine Prognose, welche anschl. als Grundlage für die Optimierung der Schaltpläne dient. 105 BMDV / BAV I Chatbot für unterschiedliche Funktionsbereiche, gestartet wird in der Personalgewinnung Regelbasiertes System, 24/7 Erreichbarkeit, Stärkung der Leistungsfähigkeit und Effizienz durch erwartete Reduktion der Anfragen um ~ 40% Antwort auf Kundenanfrage (Bewerbende und Kundenbehörden) ja 106 BMDV / BAV Z, I, II, III Erklärvideoerstellung zu aktuellen Themen oder Anleitungen, z. B. Bewerbungsverfahren, Fördermittelanträge, Stellenbeschreibung, Beschäftigteninformation, Versorgungsauskunft Regelbasiertes System, Steigerung der Servicequalität Erklärvideo ja 107 BMDV / BAV alle Microsoft Copilot: Erleichterung bei Recherchearbeiten, Brainstorming, Formulierungsvorschläge n oder Strukturierung von Themen Maschinenlernen Stärkung der Leistungsfähigkeit und Effizienz Rechercheergebnisse, Brainstorming, Formulierungs- oder Strukturierungsvorschläge ja 108 BMDV / BAW Geo tech nik Variabilität von Scherfestigkeits- und Verformungskennwerten bindiger Böden - Untersuchung, ob Werkzeuge des maschinellen Lernens bei der Klassifizierung von Sedimenten unter Verwendung objektiver Kriterien unterstützen können. Die Versuchsergebnisse aus geotechnischen Zum Clustering wurde das Verfahren „kmeans-Clustering“ verwendet. K-means- Clustering ist einer der einfachsten unüberwachten maschinellen Lernalgorithmen. Seine Hauptvorteile sind seine Verständlichkeit und seine Skalierbarkeit auf unterschiedliche Stichprobengrößen. Klassifizierung von Böden - Machinelearning basierte Ansätze erlauben es zum Beispiel, dem multivariaten Charakter von Baugrundeigenschaften Rechnung zu tragen, indem sie mehrere Eigenschaften gleichzeitig nutzen. Bewertung ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Laborversuchen wurden mit Hilfe eines Clustering- Verfahrens verschiedenen eiszeitlichen Entstehungszeiten (Elster-, Saale-, Weichseleiszeit) zugeordnet. Beim k-means- Clustering werden n Datenpunkte auf der Grundlage ihres euklidischen Abstands zum nächstgelegenen Mittelwert, dem Clusterschwerpunkt, in k Cluster unterteilt. 109 BMDV / BAW Bau tech nik Ontologie-basiertes Datenmodell für die Fachdomäne des Verkehrswasserbaus symbolische KI: Diese Ontologien bilden eine Wissensbasis, die es ermöglicht, die semantischen Beziehungen zwischen den verwendeten Begriffen und Strukturen zu erfassen und zu nutzen. Durch die Verknüpfung dieser Begriffe und Strukturen kann ein umfassendes Verständnis der Fachdomäne erreicht werden. Der Ansatz vereint Elemente des Semantic Web und der symbolischen KI, um eine Struktur zu schaffen, die eine effiziente Integration der Daten aus den unterschiedlichen IT- Systemen ermöglicht. Der Ansatz nutzt auch Methoden der Verarbeitung natürlicher Sprache Überführung von relevanten Informationen in ein Datenmodell. Mit Hilfe des Ansatzes soll versucht werden, Informationsbedürfnisse durch eine verbesserte Vernetzbarkeit und Integration der verschiedenen IT-Systeme zu bedienen. Bewertung ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. (Natural Language Processing (NLP)) in Verbindung mit einem vortrainierten Sprachmodell, um automatisiert Wissen aus den vorhandenen Datenquellen zu extrahieren. Dabei wird auf die manuelle Definition von Ontologien und Regeln zurückgegriffen, um ein präzises und umfassendes Verständnis der Fachdomäne zu erlangen. Es werden keine Lernansätze verwendet, die auf maschinellem Lernen basieren, da das Datenmodell durch die Definition von Regeln und die Analyse von natürlicher Sprache erstellt wird. 110 BMDV / BAW Was serb au im Bin nen bere ich Intelligentes Schleusenzulaufmanagem entsystem, KI Modellierung Verkehr Maschinelles Lernen - reinforcement learning von neuronalen Netze, Feed-forward neuronalen, random forest. Verbesserung eines bereits existierenden Schleusenmanagementsystems (SMGT). Im SMGT werden u. a. Schleusungsprozesse hinsichtlich des Verkehrsflusses rechnerisch optimiert und dem Schichtleiter als Empfehlung bereitgestellt. Die BAW erstellt in diesem Zusammenhang datenbasierte Modelle, mit denen die erwarteten Ankunftszeiten der Schiffe in Vorhäfen (ETA) sowie die zu erwartende Dauer der Schleusenein- und -ausfahrt gegenüber der Entscheidungsvorschlag nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. aktuellen Vorhersageverfahren besser abgeschätzt werden. In einem weiteren Bearbeitungsschritt entwickelt die BAW in Kooperation mit dem DLR e. V. eine neue auf KI basierende Optimierungsroutine, welche neben Kammer- und Schleusenbelegung an den einzelnen Schleusen auch die Gesamtoptimierung für den Verkehrsfluss bzw., im Falle geringen Wasserdargebots, für einen minimalen Wasserverbrauch einbezieht. 111 BMDV / BSH MD Z künftig: Chatbot für intelligente Suche in bestehenden Systemen (z. B. Confluence, Intranet) für die Inhouse Nutzung LLM, RAG, VerktorDB: semantische Suche, genaue und hocheffiziente Suchmaschine für spezifische Fragestellungen Erschwerte Suche nach relevanten Informationen, Optimierung der Suchplattform und des Knowledge- Managements gesuchte Informationen nein 112 BMDV / BSH MD Z künftig: Optimierung der Nachnutzbarkeit von AIS-Daten Maschinenlernen Datenfehler in Zeitserien Empfehlung nein 113 BMDV / BSH M Detektion von Rammschlägen von Offshore Pfahlgründungen in Unterwasserschall- Zeitreihen zur anschließenden normgerechten Auswertung des Schallpegels, integriert in der Fachanwendung BSoundH des BSH; Detektion und Identifikation von impulshaften Unterwasserschallereignis sen, Unterscheidung Maschinenlernen, Convolutional Neural Network, Few Shot Learning, Projektstart in 2022, Projekt noch nicht abgeschlossen Reduktion des personellen Arbeitsaufwands, Automatisierung eines zeitaufwändigen Detektionsprozesses. Vervollständigung der Erfassung von impulshaften Schallereignissen für das nationale und regionale Schallregister. Analyse / Empfehlung nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. zwischen Ambient Noise, Rammschlägen von Offshore Pfahlgründungen und Explosionen von Munitionssprengungen 114 BMDV / BSH N - Aktuell: kein operativer Einsatz, da noch in Entwicklungsphase - Zukünftig: Berechnung von 3D-Modellen des Meeresbodens Maschinenlernen mit Convolutional Neural Network Detektion von Objekten (Steinen) in hydroakustischen Datensätzen - Geo-Koordinaten von gefundenen Objekten (metrische Größen, keine Entscheidungen) nein 115 BMDV / BSH N - Aktuell kein operativer Einsatz, da noch in Entwicklungsphase - Zukünftig Ableitung von Wassertiefen aus Bilddaten Maschinenlernen mit Convolutional Neural Network Extraktion von Bathymetrie aus multispektralen Bilddaten - Wassertiefen (metrische Größen, keine Entscheidungen) nein 116 BMDV / BSH Schi ffah rt Sicherheit, Umweltschutz, Seeverkehr, Nautik, Schifffahrt Maschinelles Lernen, Deep-Learning- Anwendungen Bewertung von Algorithmen für nautische Anwendungen Bewertung ja 117 BMDV / DWD FE / KU KI-Verfahren liefern einen wesentlichen Beitrag zur Verbesserung der gesamten Wetter- und Klimavorhersage- Prozesskette Maschinenlern- Verfahren durch Graph- Neuronale Netze und andere tiefe Neuronale Netze als inhärent nichtlineare Methoden sowie weitere KI-Methoden • Schnellere Bereitstellung aktueller Wetter- Vorhersagen und -Warnungen • Verbesserte Vorhersagegüte bei Wetter- und Klimavorhersagen • genauere Abschätzung von Vorhersageunsicherheiten • Verbesserte Qualitätskontrolle der erhobenen Messdaten • genauere Wetterwarnungen zu Gefahren für Sicherheit und Ordnung und mit hohem Schadenpotential • Verbesserte Straßenwettervorhersage durch genauere Vorhersage der Straßenbelagstemperatur • Prognosen, Entscheidungsgrundlagen • Entscheidungen z.B. zur Ausgabe von amtlichen Wetter- und Unwetterwarnungen werden auf wissenschaftlicher Grundlage getroffen • KI-Verfahren können diesen Prozess unterstützen nein 118 BMDV / FBA übe rgre zukünftig Einführung eines Assistenzsystems für Recherchetätigkeiten prädiktive KI Abgleich Regelwerk und Text; intelligente Suche in Dokumenten Analyse nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. ifen d 119 BMDV / WSV U13 KI gestützte Verkehrserfassung der Freizeitschifffahrt Neuronales Netz zur Objektdetektion und - klassifizierung; Modul zur Objektverfolgung und - zählung; Prototyp für die Texterkennung Bisher wurde die Verkehrsstatistik händisch geführt. Erfassung von Verkehrsdaten ja 120 BAMF 7, 2 Assistenzsystem, das Entscheidende dabei unterstützt, sicherheitsrelevante Sachverhalte zu erkennen, die an Sicherheitsbehörden weitergeleitet werden müssen Regelbasiertes System plus maschinelles Lernen, um sicherheitsrelevante Textstellen in Anhörungsprotokollen zu erkennen Unterstützung von Entscheidenden bei der Erkennung sicherheitsrelevanter Sachverhalte Markierte Textstelle, die von Entscheidenden bewertet wird nein 121 BMI/StBA C Aktualitäts- und Qualitätssteigerung des statistischen Produktionsprozesses Regelbasierte Systeme, Überwachtes und unüberwachtes maschinelles Lernen, z. T. kombiniert; Ziel: Schätzungen und Zuordnungen/Klassifika tionen Entlastung für den/die Sachbearbeiter(in)/Ressourceneinsparung Schätzwerte für fehlende Daten, Signierung/Klassifikation statistischer Einheiten; jeweils als Entscheidungsvorschlag für den/die Sachbearbeiter(in) Nein 122 BMI/StBA C Automatisierung (semi- )manueller Arbeitsabläufe im statistischen Produktionsprozess Regelbasierte Systeme, Überwachtes und unüberwachtes maschinelles Lernen, z. T. kombiniert; Ziel: Schätzungen und Zuordnungen/Klassifika tionen Entlastung für den/die Sachbearbeiter(in)/Ressourceneinsparung Schätzwerte für fehlende Daten, Signierung/Klassifikation statistischer Einheiten; jeweils als Entscheidungsvorschlag für den/die Sachbearbeiter(in) Nein 123 BMI/BSI Abwehr von Schadprogrammen und Gefahren für die Kommunikationstechnik des Bundes gemäß §§ 5,5a BSIG Die Analysebeiträge werden zur menschlichen Bewertung vorgelegt, sofern bestimmte Kriterien erfüllt sind. nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Die Kriterien aller Verfahren müssen gemäß § 5 Abs. 3 BSIG durch einen Bediensteten des Bundesamtes mit der Befähigung zum Richteramt angeordnet werden. 124 BMI/ BKG Geo date n (GD) KI-basierte Analyse in der Fernerkundung Maschinenlernen, Klassifizierung der Landbedeckung (Topographie) Unterstützung bei der Klassifikation von Landbedeckung Analyse; Entscheidungsvorschlag ja 125 BMI/ BKG Geo date n (GD) Vorprojekt zu KI-basierte Analyse in der Fernerkundung Maschinenlernen, Klassifizierung der Landbedeckung (Topographie) Unterstützung bei der Klassifikation von Landbedeckung Analyse; Entscheidungsvorschlag ja 126 BMI/ BKG/ StBa Geo date n (GD) Detektion von Baustellen (Gebäude) Deep Learning Model; Detektion von Baustellen sowie ggf. Erfassung von Baubeginn und - fertigstellung Unterstützung der Baustatistik des Statistischen Bundesamts Analyse ja 127 BMI/BKG Geo dien stlei stun gen (GD L) Aufbau von transparenten Referenzdatenbanken für diverse Objekte zum weiteren Einsatz von KI- basierte Analyse in der Fernerkundung, schnelle und sichere Quantifizierung und Lagebestimmung von Objekten, Objektdatenbanken sollen dem Bund für eigene Projekte qualitätsgeprüft zur Verfügung gestellt werden Labeln von Objekten, Datenbanken, Trainieren, Neuronale Netze Schaffung „amtlicher“ Referenzdatenbanken für den Bund, Reaktionsschnelligkeit in Krisen erhöhen, Ressourcenschonende Produktionsketten Analyse, Entscheidungsvorschlag nein 128 BMI/BKG Geo date n (GD) KI-Projekt zum Digitalen Zwilling Deutschlands Maschinelles und tiefes Lernen 3D-Objektdetektion, 3D- Instanzsegmentierung Analysemethoden, Entscheidungsvorschlag nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. / Geo dien stlei stun gen (GD L) 129 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Auswertung von Videodaten neuronale Netze, überwachtes maschinelles Lernen, OCR Sichtung und Kategorisierung von Massendaten Entscheidungsvorschlag, Empfehlung nein 130 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Sicherung und Aufbereitung für die Mobilfunkforensik neuronale Netze, überwachtes maschinelles Lernen, OCR Sichtung und Kategorisierung von Massendaten Klassifizierung der Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.), OCR-Ergebnisse mit Entscheidungsvorschlag, Empfehlung nein 131 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Sicherung und Aufbereitung für die Mobilfunkforensik neuronale Netze, überwachtes maschinelles Lernen, OCR Sichtung und Kategorisierung von Massendaten Klassifizierung der Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.), OCR-Ergebnisse mit Entscheidungsvorschlag, Empfehlung nein 132 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Sicherung und Aufbereitung für die Mobilfunkforensik OCR Sichtung von Massendaten mit Texterkennung OCR-Ergebnisse nein 133 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Aufbereitung MacOS neuronale Netze, überwachtes maschinelles Lernen, OCR Sichtung und Kategorisierung von Massendaten Klassifizierung der Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.), OCR-Ergebnisse mit Entscheidungsvorschlag, Empfehlung nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 134 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Sicherung und Aufbereitung für die Computer- und Mobilfunkforensik und Cloudsicherung neuronale Netze, überwachtes maschinelles Lernen, OCR Sichtung und Kategorisierung von Massendaten Klassifizierung der Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.), OCR-Ergebnisse mit Entscheidungsvorschlag, Empfehlung nein 135 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Sicherung und Aufbereitung für die Mobilfunkforensik und Cloudsicherung neuronale Netze, überwachtes maschinelles Lernen, OCR Sichtung und Kategorisierung von Massendaten Klassifizierung der Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.), OCR-Ergebnisse mit Entscheidungsvorschlag, Empfehlung nein 136 BMI/ Bundespolizeip räsidium 5 Logdatenanalyse Mustererkennung, maschinelles Lernen; Identifikation von ähnlichen Cyberangriffen Identifikation von ähnlichen Cyberangriffen Bewertung von Logdaten im Rahmen der Protokollierung und Detektion sicherheitsrelevanter Ereignisse nein 137 BMI/ Bundespolizeip räsidium 5 Netzwerksicherheitsmonitoring Mustererkennung; Identifikation von Cyberangriffen Identifikation von Cyberangriffen Bewertung von Netzwerk-Payloads im Rahmen der Protokollierung und Detektion sicherheitsrelevanter Ereignisse nein 138 BMI/ Bundespolizeip räsidium 2 Videoanalyse zur Gefahrenabwehr am Bahnhof Mustererkennung in Videobildern Erkennung von Gefahren für Personen Alarmmeldung nein 139 BMI/ Bundespolizeip räsidium 2 Sensordatenanalyse zur Gefahrenabwehr an Eisenbahntunneln Mustererkennung in Sensordaten Erkennung von Gefahren für Personen und KRITIS Alarmmeldung nein 140 BMI/ Bundespolizeip räsidium 2 Sensordatenanalyse zur Gefahrenabwehr an Bahnhöfen Mustererkennung in Radardaten Erkennung von Gefahren für Personen Alarmmeldung nein 141 BMI/ Bundespolizeip räsidium 6 Detektion (insbesondere Sprengstoffe und Waffen) verbotener Gegenstände im Handgepäck im Rahmen der Luftsicherheitskontrolle Hierzu können technisches Verfahren für die Entwicklung der Luftsicherheitsausrüstu ng bzw. Detektionsalgorithmen obliegt dem Hersteller; in der Regel Berücksichtigung von Maschinelle Beurteilung von Fluggastgepäck Luftsicherheitsausrüstung kann menschliche Entscheidungen bei Kontrollprozessen durch eine Markierung von verdächtigen nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. softwarebasierte Detektionsalgorithmen zum Einsatz kommen. Signaturen typischer gefährliche Gegenstände (insbesondere Explosivstoffe sowie Schuss- und Stichwaffe) bei der Entwicklung von Detektionsalgorithmen Gegenständen z.B. im Röntgenbild unterstützen. 142 BKA OE Maschinelle Übersetzung Maschinelles Lernen siehe Einsatzzweck Analyse nein 143 BKA OE Sprachenerkennung Maschinelles Lernen siehe Einsatzzweck Analyse nein 144 BKA OE Waffenerkennung Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde siehe Einsatzzweck Analyse nein 145 BKA OE Papillarleistenerkennung Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde siehe Einsatzzweck Analyse nein 146 BKA OE Semantische Bildanalyse CLIP von OpenAI Maschinenlernen Zuordnung von Bildbeschreibungen zu Bildern siehe Einsatzzweck Analyse nein 147 BKA OE VAP - Videoanalyseplattform, Bildsuche, Unterstützung bei Sichtung unbekannt siehe Einsatzzweck Analyse nein 148 BKA OE Deduplizierung/Finden von Duplikaten/ Regelbasiertes System - Czkawka siehe Einsatzzweck Analyse nein 149 BKA OE Ähnliche Bildersuche Regelbasiert siehe Einsatzzweck Analyse nein 150 BKA KT Teilautomatisierte Zuordnung von Tatortfotos zu am Tatort Maschinenlernen siehe Einsatzzweck Entscheidungsvorschlag nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. dokumentierten Gegenständen 151 BKA KT Erkennen von Objekten in Tatortfotos zur Unterstützung der Tatortdokumentation Maschinenlernen siehe Einsatzzweck Entscheidungsvorschlag ja 152 BKA KT Erforschung des Potentials von ChatGPT bzgl. Nutzen und Missbrauch Maschinenlernen siehe Einsatzzweck Analyse ja 153 BKA KT Erforschung des Potentials von MidJourney und ähnlichen Tools bzgl. Nutzen und Missbrauch Maschinenlernen siehe Einsatzzweck Analyse ja 154 BKA OE Optimierung von OCR- Ergebnissen von Ausweisdokumenten unbekannt siehe Einsatzzweck Bildausschnitt, Text nein 155 BKA / BMI ZV Erstellung von Scribble- Videos Die KI-gestützte Videoproduktion erkennt automatisch die Schlüsselbegriffe und schlägt passende Illustrationen vor. siehe Einsatzzweck komplexe Sachverhalte werden kurz, einfach und verständlich erklärt (Videoproduktion) ja 156 BKA ZI Beim Bundeskriminalamt (BKA) wird das Gesichtserkennungssyste m (GES) zu Zwecken der Strafverfolgung und Gefahrenabwehr eingesetzt. Eine Nutzung erfolgt durch eine begrenzte Personenanzahl in der Abteilung Kriminalwissenschaften und Technik (KT) sowie dem Zentralen Informations- und Fahndungsdienst (ZI) Das GES basiert auf Methoden des maschinellen Lernen (ML). Es wird als Unterstützungswerkzeu g zur Personenidentifizierung eingesetzt und soll Ermittlungshinweise bei Fällen generieren, in denen lediglich Bilder einer unbekannten Person (Tatverdächtiger oder Geschädigter) vorliegen. siehe Einsatzzweck Bei einer Recherche im GES wird ein Suchbild durch die Sachbearbeitung hochgeladen. Anschließend wird eine Kandidatenliste durch das System generiert. Dabei werden die Personen nach dem Ähnlichkeitswert absteigend sortiert. Die Ergebnisse werden anschließend durch ausgebildete Expertinnen und Experten im Vier- Augen-Prinzip verifiziert. nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. 157 BKA ZI Automatisiertes Fingerabdruckidentifizier ungssystem (AFIS) zur Personen- und Spurenidentifizierung. Bei der Personenidentifizierung werden Fingerabdrücke aus erkennungsdienstlichen Behandlungen miteinander verglichen, bei der Tatortspurenidentifizieru ng werden daktyloskopische Tatortspuren mit Fingerabdruckdaten aus erkennungsdienstlichen Behandlungen verglichen. Mathematische Algorithmen zur Merkmalsextraktion aus Fingerabdrücken und daktyloskopischen Tatortspuren sowie mathematische Algorithmen zum Vergleich von Suchdatensätzen mit in den in der AFIS- Datenbank einliegenden Referenzdaten zur Personen- und Tatortspurenidentifizier ung. siehe Einsatzzweck In Abhängigkeit zur Qualität und Quantität der zu vergleichenden Daten sowie der Konfidenz des einzelnen Rechercheergebnisses erfolgt die Personenidentifizierung im teilautomatisierten Verfahren. Unsichere maschinell erzeugte Ergebnisse werden durch FingerabdruckexpertInnen validiert. Die Ergebnisse dienen dem Anfragenden als Ermittlungshinweis. Im Bereich der Tatortspurenidentifizierung erfolgt in jedem Fall eine Validierung des maschinell erzeugten Ergebnisses. nein 158 BKA DI Transkription Großes Sprachmodell (basiert auf whisper v2 von OpenAI) siehe Einsatzzweck Text ja 159 BMI KM 3/T HW explorativ-pilotierend Maschinenlernen, Computervision, große Sprachmodelle, RAGs, Effizienzsteigerung, Automatisierung, Autonomie, Objekterkennung, Objektsegmentierung Entscheidungsvorschlag, Empfehlung, Bewertung, Prognose, Analyse nein 160 BMEL/JKI JKI- Insti tute für Züc htu ngsf orsc hun g Forschung Selbstlernende Systeme für die Auswertung großer Datensätze Bewertung komplexer Zusammenhänge in der Pflanzenzüchtungsforschung Analyse, Prognose, Bewertung nein 161 BMEL/JKI JKI- Insti Forschung Maschinenlernen / automatisierte Systeme Klassifizierung und Segmentierung mittels Bildauswertung Analyse, Prognose, Bewertung nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. tute für Pfla nze nsc hutz und Bod enk und e 162 BMEL/JKI JKI- Insti tute für Bien ensc hutz und für Stra tegi e und Folg ena bsch ätzu ng Forschung Maschinenlernen / automatisierte Systeme Automatisierte Verfahren zur Klassifizierung und Quantifizierung von Organismen mittels Bildauswertung Analyse, Prognose, Bewertung nein 163 BMEL/JKI JKI- Insti tute für Züc htu ngsf orsc Forschung Maschinenlernen / automatisierte Systeme Automatisierte Verfahren zur Prognose des Zustandes von Kulturpflanzenzuständen (Kulturart, Gesundheitszustand) sowie landwirtschaftlicher Flächen (z.B. Wasserverfügbarkeit) Fernerkundung, Bildauswertung u.a. Analyse, Prognose, Bewertung nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. hun g 164 BMEL/MRI Ern ähr ung sver halt en Schaffung eines Systems zum automatisierten Reduktions- Produktmonitoring für Zucker, Fette und Salz in Fertigprodukten im Rahmen der Nationalen Reduktions- und Innovationsstrategie (RePro) Neuronale Netze (Bildklassifizierung/Obje kterkennung); regelbasierte System zur Einteilung der Produkte in Produktgruppen und -Untergruppen Eingabe: im Internet vorhandene Produktbilder; Ausgabe: Klassifikation in Bio-Produkte, glutenfreie Produkte und Produkte, die sich an Kinder richten. Klassifikationsvorschlag nein 165 BMEL/MRI IT Forschungsunterstützung ML/LLM/Mustererkenn ung etc. Forschungsfragen im Bereich Ernährung/Lebensmittel Analyse, Entscheidungsvorschlag, Prognose nein 166 BMEL/MRI NRZ - Aut hen t Entwicklung einer Anwendung zur automatisierten Fischartenidentifizierung mittels fotografischer Aufnahmen Neuronale Netze (Bildklassifizierung/Obje kterkennung) Eingabe: Foto eines ganzen toten Fisches; Ausgabe: Klassifikation bez. der taxonomischen Fischart Klassifikationsvorschlag ja 167 BMEL/MRI NRZ - Aut hen t Entwicklung eines Informationsmanagement systems für Lebensmittelauthentizität ML/LLM Ranking, Named entity recognition, Retrieval augmented generation, Recommender system Analyse, Entscheidungsvorschlag, Prognose nein 168 BMEL/TI SF Altersbestimmung bei Fischen Maschinenlernen zuverlässige automatisierte Ermittlung von Jahrgangsklassen bei Fischbeständen Eingangsdaten für die Abschätzung der Jahrgangsstärken von Fischbeständen nein 169 BMEL/TI SF Automatisiertes nichtinvasives Fischmonitoring Maschinenlernen Anwendung und Optimierung standardisierter automatischer Mustererkennungsalgorithmen zur Arten- und Größenklassifikation kommerziell relevanter Fische in der Ostsee Arten- und Größenklassifikation kommerziell relevanter Fische in der Ostsee inklusive Erhebung abiotischer Begleitparameter 170 BMEL/TI WO Automatisierte Baumartenerkennung Maschinenlernen Die automatisierte Klassifikation von verschiedenen Baumarten auf Satellitenbildern zum Zweck der Umweltüberwachung, Feststellung von Biodiversität, Standortangepasstheit, Analyse (Baumartenklasse pro Pixel) nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Artverbreitung, Auswirkungen des Klimawandels, etc. 171 BMEL/TI ZI Angebot einer Transkriptionssoftware Maschinenlernen Das Tool extrahiert automatisiert gesprochenen Text aus Audio- oder Videodateien und gibt den Text zurück. Dadurch können Transkripte einfach, schnell und sicher (on-premise) erstellt werden ohne dass die Daten die institutsinterne Infrastruktur verlassen müssen Analyse (Text, nach Sprechern aufgeteilt) nein 172 BMEL/TI WO Automatisierte Einschätzung zur Waldbrandgefahr Maschinenlernen Automatisiertes Erkennen von Waldbränden in Forstgebieten Prognose von Waldbränden nein 173 BMEL/TI SF Identifikation und Zählen von Benthosorgansimen Maschinenlernen Automatisierte Zählung von Krabben u. Ä. zum Erstellen eines Zensus zum Monitoring der Artenvielfalt und als Grundlage für die Einschätzung einer wirtschaftlichen Nutzbarkeit von Benthosorganismen in einem bestimmten Gebiet Analyse (Zählung einzelner Tiere) nein 174 BMEL/TI Stab sstel le Kli ma & Bod en Textauswertung und Textzusammenfassungen mithilfe von KI Maschinenlernen (Prompt Engineering) effiziente Auswertung und Zusammenfassung von Befragungen, in dem Zeit für manuelles Lesen reduziert wird Analyse (Textzusammenfassung) nein 175 BMEL/TI Betr iebs wirt scha ft Schlachthofbefund-daten: Extraktion von Informationen aus Dokumente und Zusammenfassung in maschinell lesbare Tabellen Maschinenlernen Erleichterung und höhere Effizienz bei der Erfüllung (gesetzlichen) Aufgaben und Evaluierung von Tierwohlgesundheit durch automatisierte Extraktion von Informationen aus den Schlachthofbefunddaten Analyse (Tabelle nach Kategorien aufgeschlüsselt) nein 176 BMEL/BVL 1 G@ZIELT: Vorbereitende Internetkontrolle für Shop -und Produkterkennung Automatisiert, Maschinenlernen, geplant ist hauptsächlich die Nutzung von neuronalen Netzen, Unterstützung bei der vorbereitenden Internetkontrolle für Shop -und Produkterkennung Entscheidungsvorschlag nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. händische Recherchen sollen teilautomatisiert werden 177 BMEL/BVL Alle Übersetzung / Recherche Frei über das Internet verfügbare oder integrierte Dienste, z. B. DeepL & ChatGPT Erleichterte Übersetzung / Recherche / Formulierungshilfe Keine Interpretation, Vorschläge nein 178 BLE 5 Risikobewertung bei der Einfuhr von Obst und Gemüse nach Vermarktungsnormen EU (VO) Nr. 543/2011 Regelbasiertes System - Einteilung von Obst und Gemüse (auch für Fischereierzeugnisse anwendbar, aber derzeit nicht genutzt) Einfuhren nach unterschiedlichen Risikofaktoren (Saisonbeginn, vorherige Beanstanden, Kontrollquoten, Bagatellgrenzen)' Risikobewertung Nein 179 BMEL 117 (Spr ach endi enst ) Übersetzungshilfe MÜ-System technische Unterstützung für Humanübersetzer Übersetzungsvorschläge 180 BMEL / BfR 7 Chemikalienbewertung QSAR (regelbasiert bzw. maschinenlernen); Gruppierung von Chemikalien, Identifizierung strukturverwandter Stoffe und Übertragung toxikologischer Daten (sog. Read-Across); Vorhersage toxikologischer Endpunkte Chemikalienbewertung (für toxikol. Endpunkte: Genotoxizität, Hautsensibilisierung) Analyse, Bewertung nein 181 BMEL / BfR 7 aktuell Forschung, geplant Risikobewertung (Q)SAR: Screening von Substanzen, die in geringen Mengen aus Lebensmittelkontaktmat erialien migrieren, auf strukturelle Hinweise auf genotoxische aktuell Forschung, geplant Risikobewertung Entscheidungsvorschlag nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Eigenschaften - sowohl regelbasierte als auch statistikbasierte Verfahren 182 BMEL / BfR 7 aktuell Forschung, geplant Risikobewertung QSAR aktuell Forschung, geplant Risikobewertung Empfehlung nein 183 BMEL / BfR 7 aktuell Forschung, geplant Risikobewertung Maschinelles Lernen (Random Forest Ansätze) aktuell Forschung, geplant Risikobewertung Empfehlung nein 184 BMEL / BfR 7 und 4 aktuell Forschung, geplant Risikobewertung Maschinelles Lernen (Mustererkennung) aktuell Forschung, geplant Risikobewertung Analyse nein 185 BMEL / BfR 9 Unterstützung bei der Literatursuche nach Alternativmethoden zum Tierversuch Transferlernen mit tiefen neuronalen Netzen Unterstützung bei der Literatursuche nach Alternativmethoden zum Tierversuch für Forschung, Wissenschaft und Behörden Empfehlung nein 186 BMEL / BfR 9 Verhaltensanalyse Tierversuch; Auswertung von Videoaufnahmen mit Positionsbestimmung (Tracking) Transferlernen mit tiefen neuronalen Netzen Verhaltensanalyse von Tieren im Versuch im Rahmen von Forschungsprojekten zur Verbesserung des Tierwohls Analyse nein 187 BMEL / BfR 4 künftig: Risikobewertung, Forschung, Risikokommunikation, Datenverarbeitung, Softwareentwicklung Named Entity Recognition, Maschinelles Lernen, Datenanalyse, Generative KI Informationsverarbeitung; Informationsextraktion; Wissensmanagement; Effizienzsteigerung (Softwareentwicklung) Vorschläge (z.B. Softwarecode, Texte, Linked Data) nein 188 BMEL / BfR 6 aktuell: (Q)SAR - Strukturbasierte Vorhersage toxikologischer Eigenschaften Machine Learning Ersatz oder Plausibilisierung experimenteller Daten zur Toxikologie Prognose / Wahrscheinlichkeit dass ein Stoff eine bestimmte gefährliche Eigenschaft besitzt nein 189 BMEL / BfR 6 Strukturähnlichkeit von Molekülen erkennen/aufzeigen Regelbasiertes System zur Erkennung von chemischen Strukturähnlichkeiten Ersatz oder Plausibilisierung experimenteller Daten zur Toxikologie Analyse / wie strukturell ähnlich sind zwei Moleküle zueinander nein 190 BMEL / BfR 6 (Q)SAR - Strukturbasierte Toxizitätsbewertung von Pestiziden Maschinenlernen / Regelbasiertes System für die (Q)SAR - Strukturbasierte Toxizitätsbewertung von Pestiziden Prognose / Wahrscheinlichkeit dass ein Stoff eine bestimmte gefährliche Eigenschaft besitzt nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Toxizitätsabschätzung von Substanzen 191 BMEL / BfR 3 Systematische Reviews von epidemiologischen Studien Machine Learning und Natural Language Processing Textanalyse und optimierte Suchstrategien in wissenschaftlicher Literatur Analyse nein 192 BMEL / BfR 3 Stresserkennung bei Hühnern (Tierwohl) Computer Vision automatisierte Bestimmung des Tierwohls von Hühnern, auch als Langzeitbeobachtung Bewertung ja 193 BMEL / BfR 6 ontologieenbasiertes Text- Mining für Gefahrenermittlung (AOP-BOT) Maschinenlernen (Deep learning Methoden wie etwa CNNs (convolutional neural networks, Graph-CNNs, transformer (BERT)), Natural Language Processing (NLP), Ontology, Large Language Models (LLMs), Graph database, network biology, etc. in silico-basierte, chemische Risikobewertungsmethoden entwickeln für den Aufbau von Adverse Outcome Pathways (AOPs), Early Warning Systems (EWS), Gefahrenabschätzung, read across, etc. Empfehlung, Bewertung, Prognose, Analyse, Vorschlag nein 194 BMEL / BfR 6 Pharmakophorenmodellie rung mittels Machine Learning für Screening der Durchdringung der Blut- Hirn-Schranke von Xenobiotics graph-neural-network; machine learning; Pharmakophore Read across, Screening, chemische Klassifizierung für die Risikobewertung Empfehlung, Bewertung, Prognose, Analyse, Vorschlag nein 195 BMF BZS t Analyse und Auswertung großer Datenbestände Entitätenerkennung Textanalyse Zuständigkeitsvorhersage ML (Zuständigkeitsvorhersa ge); NER (Textanalyse); regelbasiertes Erkennen von fachlichen Merkmalen ML (Zuständigkeitsvorhersage); NER (Textanalyse); regelbasiertes Erkennen von fachlichen Merkmalen Analyse, Auswertung Prognose Entscheidungsvorschläge nein 196 BMF BZS t Aktuell sind Chatbots und Formularbot im BZSt im Einsatz, die im Rahmen Maschinenlernen: Die zugrundeliegende KI- Komponente bildet sich basierend auf den Die KI wird eingesetzt, um die im jeweiligen Chatbot gestellten Fragen einer einschlägigen Antwort aus vorgegebenen Antworten zuzuordnen Ermittlung der fachlich zutreffenden Antwort auf die gestellte Frage aus vorg. Fachgebieten; die Antworten sind ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. der Dienstekonsolidierung Bund entwickelt wurden Anfragen im Chatbot kontinuierlich weiter, um die Antwortqualität stetig zu verbessern. dabei vorgegeben und werden nicht von der KI erzeugt 197 BMF BZS t Das System Xpider dient der Identifizierung von E- Commerce Aktivitäten zur Unterstützung der Landesfinanzverwaltunge n bei der Umsatzbesteuerung des elektronischen Handels (§ 5 Abs. 1 Nr. 17 AO). Bei dem System Xpider handelt es sich primär um ein automatisiertes Verfahren; es unterstützt auch maschinelles Lernen. Informationsgewinnung über steuerrelevante Aktivitäten aus dem Internet Das System Xpider liefert automatisiert berechnete Einschätzungen zu unternehmerischer Aktivität von gefundenen Webseiten. nein 198 BMF Hau shal t 199 BMF ITZ Bun d Chatbot (BITZ) zur Beseitigung von Störungen im Umfeld des IT-Arbeitsplatzes (Self- Service). Mittels NLU (natural language understanding - inhaltliche Verstehen von Texten und Sprache) wird die Eingabe analysiert und eine vordefinierte Antwort ausgegeben. Der Chatbot soll Lösungswege zur Störungsbeseitigung im Verfahren "IT- Arbeitsplatz" aufzeigen. Diese sind so vordefiniert, dass sie vom Nutzer eigenständig durchgeführt werden können. Der Bot selbst wird nicht aktiv; er führt keine Maßnahmen autonom aus. Der Bot trifft keine Entscheidungen, sondern gibt vorgefertigte Antworten auf häufig gestellte Anwenderfragen rund um den IT-Arbeitsplatz. ja 200 BMF ITZ Bun d Chatbot (KIRA) auf Karrierewebsite zum Beantworten erster Fragen zum ITZBund, Bewerbung und Studium Natural Language Understanding (NLU) erste Fragen von Bewerbenden bzw. Interessierten zum ITZBund, Bewerbung und Studium klären Ermittlung der fachlich zutreffenden Antwort auf die gestellte Frage aus vorg. Fachgebieten; die Antworten sind dabei vorgegeben und werden nicht von der KI erzeugt ja 201 BMF ITZ Bun d - Pilotierung - Show-Case für Beratung verschiedene: - Machine Learning (ML) - Large Language Models (LLM) Das Pilotprojekt AI Service Hub hat zum Ziel, die Funktionsweise und Anwendungsmöglichkeiten von KI anhand verschiedener interaktiver Funktionen insb. für die Beratung zu KI-Themen erlebbar zu machen. Dies ist im Beratungsprozess aufgrund der komplexen Thematiken (Algorithmen, Modelle) und den sehr unterschiedlichen Erwartungshaltungen Präsentation der potentiellen Einsatzgebiete von KI, keine produktiven Ergebnisse als Output nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. notwendig, um gemeinsam mit dem Kunden Vorstellungen über mögliche Use Cases entwickeln zu können. Als Basis für die inkludierten KI-Anwendungen werden Open Source Modelle genutzt. Eine Anreicherung der Modelle mit dienstlichen Daten ist im Projektkontext nicht beabsichtigt. Der Auftrag dient gleichermaßen aber auch zum Wissens- und Kompetenzaufbau beim ITZBund. In weiteren Verlauf ist angedacht die entwickelten Modelle innerhalb des ITZBund als Microservices den Projekten zur eigenständigen Nutzung zur Verfügung zu stellen. 202 BMF ITZ Bun d KIPITZ ist eine Plattform für die Nutzung von KI- basierten Anwendungen. Derzeit gibt folgende Anwendungen: - Test zusammenfassen - Text generieren - Text übersetzen - Mit Dokument chatten - Mit Wissensquelle chatten Generative Sprachmodelle werden zur Suche, Umwandlung oder Erstellung von Texten verwendet. Dabei wird auf vortrainierte Sprachmodelle gesetzt (generativer vortrainierter Transformer (engl.: generative pre-trained transformers) - GPT). Es erfolgt kein Nachtraining auf Basis von durchgeführten Konversationen. Bei KIPITZ handelt es sich um ein Portal, welches für den Einsatz von KI- Sprachmodellen genutzt werden kann, um damit die Standardisierung innerhalb der Bundesverwaltung zu unterstützen. Insgesamt können durch den Einsatz von KI- Sprachmodellen eine Vielzahl von Herausforderungen bewältigt und das Verwaltungshandeln bereichert werden. Der Nutzen äußert sich beispielsweise wie folgt: * Erhöhung der Effizienz durch Automatisierung und verbesserter Prozessoptimierung von Verwaltungsaufgaben und Routinen, und dadurch Entlastung der Beschäftigten und Förderung der Arbeitszufriedenheit * Absicherung des Fachkräftemangels durch einen höheren Grad an Automatisierung generierter Text, der durch den Nutzenden weiter geprüft werden muss und im Anschluss weiter verarbeitet werden kann nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. * Förderung der Verständlichkeit und des Zugangs zu Verwaltungsleistungen 203 BMF GZ D Künftigt: KITZ (Künstliche Intelligenz in ZGR-online) machine learning, Bilderkennung Die Identifikation der Existenz einer stattgebenden Entscheidung auf der Grundlage eines visuell vorliegenden Markenlogos auf einer Ware ist bei der Anzahl vorhandener Antragsdatensätze mitunter zeitaufwändig. Durch den Einsatz von KI sollen Effizienzgewinne erzielt werden, da die KI maßgebliche Schutzrechte schnell erkennen und als mögliches Ergebnis zur weiteren Verfahrensabwicklung empfehlen kann. Bewertung von Bilderkennung, Weitergabe einer Empfehlung an die Zollbeamtinnen und -beamten ja 204 BMF GZ D Einsatz von Chatbots und eines Voicebot: Erkennung von Anfrageintuitionen zur Beantwortung von allgemeinen Anfragen im Bereich Kraftfahrzeugsteuer und Zollrecht sowie zum Anwendersupport, machine learning, Natural Language Unterstanding (NLU) Die Chatbots und der Voicebot unterstützen die Zentrale Auskunft der Zollverwaltung bei der Beantwortung allgemeiner Anfragen. Dadurch soll einerseits für die Anfragenden (üblicherweise Bürgerinnen und Bürger sowie Unternehmen) ein dauerhafter, von Servicezeiten unabhängiger, Zugang zu Informationen gewährleistet werden und Wartezeiten verkürzt werden. Zudem sollen die Beschäftigten aus diesem Servicebereich bei der Beantwortung von wiederkehrenden Anfragen entlastet werden. In den Chatbots und im Voicebot erfolgt durch die Komponente der Intenterkennung die Ermittlung der fachlich zutreffenden Antwort auf die gestellte Frage der Nutzenden und die Ausgabe dieser Antwort mittels Text (Chatbot) oder mittels Sprache (Voicebot). Die Antworten sind dabei durch eine Fachredaktion vorgegeben und werden nicht von der KI erzeugt. Bei der Ermittlung der Antwort wird nur auf den durch die Fachredaktion erstellten Wissensbestand zurückgegriffen. ja 205 BMF GZ D Dublettenprüfung: Prüfung, ob es sich bei zwei im Rahmen der Sicherheitsrisikoanalyse zum Vergleich stehenden Datensätze um Datensätze zu ein und derselben Person handelt. Maschinenlernen mit künstlichem neuronalen Netz s. Spalte C Entscheidung ja 206 BMF GZ D Scoring: Gewichtung automatisierter Regeltreffer der Maschinenlernen mit künstlichem neuronalen Netz s. Spalte C Gewichtung ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Sicherheitsrisikoanalyse zur manuellen Bearbeitung. 207 BMF GZ D Pilotierung KI im Zusammenhang mit der Bewertung/Analyse von Geldwäscheverdachtsmel dungen (VM) - kein automatisiertes Verfahren - maschinelles Lernen - nachgelagert zu existierendem Fachverfahren goAML Relevanzprognose eingehender Geldwäscheverdachtsmeldungen (VM) zur Assistenz der operativen Analyse der FIU Geldwäscheverdachtsmeldungen (VM) werden analysiert (mit Verfahren der Computerlinguistik und des maschinellen Lernens) und in Bezug auf ihre wahrscheinliche Zugehörigkeit zu festgelegten Risikofeldern und damit zu ihrer Relevanz bewertet. Die Bewertung wird als Wahrscheinlichkeitsprognose in Prozent angegeben (wie wahrscheinlich ist es, dass die betrachtete VM einem bestimmten Risikofeld angehört bzw. wie wahrscheinlich ist es, dass die VM einen abgaberelevanten Sachverhalt beinhaltet?). Die Anwendung erlaubt das Filtern und Sortieren nach dieser Bewertung und hilft somit Analyst*innen, im eigentlichen Vorgangsbearbeitungsmodul relevante VM schneller zu identifizieren. Es handelt sich somit um eine Bewertung, die allein der Unterstützung der Analystin / des Analysten dient. ja 208 BMF GZ D Scoring: Identifizierung von Risikoindikatoren im Kontrollprozess der Kontrolleinheiten Flughafen - (semi-) automatisiertes Verfahren - maschinelles Lernen dv-unterstützt große Datenmengen (Datenquellen) sammeln und hinsichtlich gesetzter Risikoparameter filtern, sodass risikobehaftete Objekte (Flugzeuge) im Ergebnis angezeigt werden und entsprechende Kontrollempfehlungen ausgesprochen werden können Kontrollvorschlag ja 209 BMF GZ D Scoring: Identifizierung von Risikoindikatoren im - (semi-) automatisiertes Verfahren (regelbasiert) dv-unterstützt große Datenmengen (Datenquellen) sammeln und hinsichtlich Kontrollvorschlag ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Einsatzzweck Verfahren Gelöstes Problem Art des Ergebnisses Entschei dungen vollautom. Kontrollprozess der Kontrolleinheiten Seehafen - maschinelles Lernen (perspektivisch) gesetzter Risikoparameter filtern, sodass risikobehaftete Objekte (Schiffe, Container) im Ergebnis angezeigt werden und entsprechende Kontrollempfehlungen ausgesprochen werden können 210 BMF GZ D Bildererkennung von gefälschten Siegeln an Schiffscontainern zur Unterstützung der Kontrolleinheiten Seehafen - maschinelles Lernen dv-unterstützt Siegelfälschungen erkennen durch Abgleich mit gesammeltem Bildmaterial Kontrollvorschlag ja 211 BMF GZ D Geplant: Scoring,regelbasierte Risikobewertungen je Beteiligten und Vorgang zur risikoorientierten (manuellen/automatisiert en) Bearbeitung von Zoll- und Steueranmeldungen grds. regelbasiertes Verfahren, teilweise maschinelles Lernen Im Rahmen der Digitalisierung werden perspektivisch Vorgänge (Zollanmeldungen, Steueranmeldungen) hins. des Vorgangsrisikos (Ware, Zollsatz, involvierte Beteiligte) automatisiert bewertet werden. Vorgänge mit geringem Risiko können hierdurch (außerhalb des Systems zur Risikobewertung) automatisiert sowie ressourcenoptimiert entschieden werden. Vorgänge mit höherem Risiko sollen verstärkt manuell durch Zollbeamte bearbeitet werden. Das System liefert automatisiert einen Risikowert an das vorgangsbearbeitende System. Risikowert (niedrig bis hoch) ja 212 BMF GZ D Intelligente Volltextsuche für die Dienstleistungen des Zoll-Portals Learning-To-Rank (LTR) Im Sinne des Onlinezugangsgesetzes (OZG) und der damit einhergehenden Nutzerzentrierung ist es das Ziel der Zollverwaltung, eine moderne, schnelle und leicht zu bedienende Suche im Zoll-Portal bereitzustellen. Der Zoll hat bereits zahlreiche Leistungen online bereitgestellt. Hierbei ist nicht zu erwarten, dass alle Beteiligten die Dienstleistungs- /Antragsnamen stets exakt kennen. Deshalb ist die Suche im Zoll-Portal zusätzlich mit Maßnahmen der künstlichen Intelligenz (KI) ausgestaltet. Neben einer Volltext-Suche wird der Suchtext intelligent nach wichtigen Stichwörtern gefiltert, Füllwörtern aus den Suchanfragen entfernt und die Suchergebnisse nach Relevanz sortiert. Der KI-Einsatz erhöht im Laufe der Zeit die Wahrscheinlichkeit, dass die Dienstleistung, nach der der Nutzer tatsächlich suchen möchte, auch ganz oben auf der Ergebnisseite erscheint. ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 1b: Anwendungsfälle von KI in Bundesministerien und nachgeordneten Behörden (Antwort zu den Fragen 1e-1h) Hinweis: Die Nummerierung entspricht der Anlage 1a. Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 1 AA 1 Trainingsmenge Manuell durch den Fachbereich erstellt. zweckgebu nden Keine KI-unterstützte Entscheidungsfindung. Einbindung der Entscheider im Entwicklungsprozess, Workshops, Bereitstellung von Schulungsunterlagen Nutzung von KI- Ergebnissen: Fähigkeit Ergebnisse zu interpretieren, Kenntnisse über eingesetzte Schwellwerte, Erkennung von Qualitätsreduktion und Wissen zu Maßnahmen, um die Qualität der Ergebnisse zu verbessern. Workshops, Bereitstellung von Schulungsunterlagen Fähigkeit Ergebnisse zu interpretieren, Wissen über Datenqualität der Trainingsdaten 2 BMAS Z Neuronale Netze für Speech-to-Text (Datenbasis des Dienstleisters), Machine Learning für Textklassifikation, Auto Tagging und Metadaten- Anreicherung (Datenbasis Dienstleister und BMAS). Trainingsdaten Dienstleister und eigene Trainingsdaten des BMAS. zweckgebu nden Eigenes Personal hat entscheidungsrelevante Kriterien für Management- Ebene aufbereitet. Nutzerschulung erfolgt über Schulungsangebot der Anwenderbetreuung und Web-based Trainings. Pilotvorhaben der KI-Suche dient auch dem Aufbau von eigenen Kompetenzen in Schlüsseldisziplinen (Data Science, KI). Weiterer Know-How Aufbau in Data Science, KI, Projekt- und Risikomanagement (zielgruppenspezifisch). Pilotvorhaben der KI- Suche dient auch dem Aufbau von eigenen Kompetenzen in Schlüsseldisziplinen. Schulung des eigenen Personals im Vorfeld des Projektes. Unterstützung durch externen Dienstleister. Nutzerschulung erfolgt über Schulungsangebot der Anwenderbetreuung und Web-based Trainings. Weiterer Know- How Aufbau in Data Science, KI, Projekt- und Risikomanageme nt (zielgruppenspez ifisch). 3 BMAS G Verbändestellungn ahmen Kein gesondertes Training; Rückgriff auf ChatGPT frei nutzbar Prototyp ist derzeit nur pilotweise für einzelne Referate in Einsatz. Dort erfolgt Schulung der Nutzenden, Warnhinweise Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer (Datenschutz, Automation Bias, etc.) in der Anwendung und auf Hinweisblättern 4 BMAS D wissenschaftliche Publikationen, Forschungsdatenb anken, Nachrichten, soziale Medien, Blogs, Statistiken wissenschaftlic he Publikationen, Forschungsdat enbanken, Nachrichten, soziale Medien, Blogs, Statistiken frei nutzbar, Erläuterung von Datenbasis und Funktionsweise; kontinuierliche Qualitätskontrolle der Ergebnisse; Gesamt-Prozess als Mensch-Maschine- Interaktion: Suchergebnisse werden durch ein Redaktionsteam gefiltert sowie durch BMAS- Mitarbeitende auf ihre Relevanz bewertet Erläuterung von Datenbasis und Funktionsweise; kontinuierliche Qualitätskontrolle der Ergebnisse; Gesamt-Prozess als Mensch-Maschine- Interaktion: Suchergebnisse werden durch ein Redaktionsteam gefiltert sowie durch BMAS- Mitarbeitende auf ihre Relevanz bewertet 5 BAuA Fac hbe reic h 2 Produktangebote in Onlineshops Kundenrezensi onen in Onlineshops frei nutzbar, öffentliche Informatio nen des Onlinehan dels Eigenentwicklung und Eigengebrauch durch Produktsicherheitsexperten der BAuA im Rahmen von Forschung Entwicklung der Methodenkompetenzen für die Nutzung von KI als Instrument des Arbeitsschutzes Nutzung durch Entwickler 6 BAuA Fac hbe reic h 2 Latente Strukturen von Unfallhergängen Unfallbeschrei bungen unterschiedlich er Herkunft (Datenbanken von EU und internationalen Marktüberwac hungsbehörde n, EU Injury Database) Daten des eigenen Geschäftsbe reichs Eigenentwicklung und Eigengebrauch durch Produktsicherheitsexperten der BAuA im Rahmen von Forschung Entwicklung der Methodenkompetenzen für die Nutzung von KI als Instrument des Arbeitsschutzes Nutzung durch Entwickler 7 BfArM 9 Meldungsdaten / interne Daten Interne Daten / Daten aus Meldungen Daten aus gemeldeten Data Science Mitarbeiter Nicht notwendig Keine Nutzer Nicht notwendig Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Vorkommn issen 8 BfArM 9 Meldungsdaten / interne Daten Interne Daten / Daten aus Meldungen Daten aus gemeldeten Vorkommn issen Data Science Mitarbeiter Entscheider werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. 9 BfArM 9 Meldungsdaten / interne Daten Kein Training notwendig. Evaluierung mit internen Daten (Daten aus Meldungen) Daten aus gemeldeten Vorkommn issen Data Science Mitarbeiter Entscheider werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. 10 BfArM 5 UAW-Report individual case safety reports (ICSRs) zweckgebu nden nach in der Regulation festzulegenden Kriterien Entscheider werden geschult, wie die Ergebnisse zu interpretieren sind. nach in der Regulation festzulegenden Kriterien Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. 11 BfArM 1 IFA Datenbankexport / interne Arzneimitteldaten bank IFA Datenbankexp ort / interne Arzneimittelda tenbank zweckgebu nden Data Science Mitarbeiter Entscheider werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. 12 BfArM 1 interne Arzneimittel- und Lieferengpassdaten banken, Marktdaten, Handelsdaten interne Arzneimittel- und Lieferengpassd atenbanken, Marktdaten, Handelsdaten zweckgebu nden Data Science Mitarbeiter Entscheider werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. 13 BfArM 9 Meldungsdaten / interne Daten Interne Daten / Daten aus Meldungen Daten aus gemeldeten Vorkommn issen Data Science Mitarbeiter Entscheider werden geschult, wie die Ergebnisse zu interpretieren sind. Schulungskonzept hängt von Ausgang der Machbarkeitsstudie ab Nutzer werden geschult, wie die Ergebnisse zu interpretieren sind. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 14 BfArM 9 Meldungsdaten / interne Daten Interne Daten / Daten aus Meldungen Daten aus gemeldeten Vorkommn issen Data Science Mitarbeiter Nicht notwendig Schulungskonzept hängt von Ausgang der Machbarkeitsstudie ab Nutzer werden geschult, wie die Ergebnisse zu verwenden sind. 15 DPMA Abt. 2.4 vorliegende intellektuell klassifizierte Patentdokumente vorliegende intellektuell klassifizierte Patentdokume nte zweckgebu nden - Einführung des Systems im Rahmen eines Projekts - alle Projektbeteiligten haben sich die notwendigen Grundlagen selbständig erarbeitet - Grundlage: Studium mit mehrjähriger Erfahrung in der Industrie sowie eine dreijährige Ausbildungsphase mit dem Schwerpunkt der intellektuellen Prüfung von Patentanmeldungen die erworbenen Kompetenzen sind projektspezifisch - Schulung in der Bedeutung der Vorschläge der Klassifikation von Patentanmeldungen in die IPC - Grundlage: Studium mit mehrjähriger Erfahrung in der Industrie sowie eine dreijährige Ausbildungsphase mit dem Schwerpunkt der intellektuellen Prüfung von Patentanmeldungen die erworbenen Kompetenzen sind spezifisch für die spezielle Anwendung im Patentprüfungsv erfahren 16 DPMA Abt. 2.4 vorliegende veröffentlichte Patentdokumente vorliegende veröffentlichte Patentdokume nte zweckgebu nden - Einführung des Systems im Rahmen eines Projekts - alle Projektbeteiligten haben sich die notwendigen Grundlagen selbständig erarbeitet - Grundlage: Studium mit mehrjähriger Erfahrung in der Industrie sowie eine dreijährige Ausbildungsphase mit dem Schwerpunkt der intellektuellen Prüfung von Patentanmeldungen die erworbenen Kompetenzen sind projektspezifisch - Schulung in der Bedeutung der Vorschläge der Klassifikation von Patentanmeldungen in die IPC - Grundlage: Studium mit mehrjähriger Erfahrung in der Industrie sowie eine dreijährige Ausbildungsphase mit dem Schwerpunkt der intellektuellen Prüfung von Patentanmeldungen die erworbenen Kompetenzen sind spezifisch für die spezielle Anwendung im Patentprüfungsv erfahren 17 DPMA Abt. 2.4 veröffentlichte Patentdokumente insb. aus dem asiatischen Bereich veröffentlichte Patentdokume nte insb. aus dem asiatischen Bereich zweckgebu nden - Einführung des Systems im Rahmen eines Projekts - alle Projektbeteiligten haben sich die notwendigen Grundlagen selbständig erarbeitet die erworbenen Kompetenzen sind projektspezifisch - Schulung in der Bedeutung und Qualität der Übersetzungen - Grundlage: Studium mit mehrjähriger Erfahrung in der Industrie sowie eine die erworbenen Kompetenzen sind spezifisch für die spezielle Anwendung im Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer - Grundlage: Studium mit mehrjähriger Erfahrung in der Industrie sowie eine dreijährige Ausbildungsphase mit dem Schwerpunkt der intellektuellen Prüfung von Patentanmeldungen dreijährige Ausbildungsphase mit dem Schwerpunkt der intellektuellen Prüfung von Patentanmeldungen Patentprüfungsv erfahren 18 BMUV T Neben dem LLM werden keine zusätzlichen Daten verwendet Das LLM ist auf öffentlich im Internet verfügbaren Daten trainiert. Es findet kein Finetuning auf kleineren, spezifischen Datensets statt. frei nutzbar Das BMUV-Datenlabor als hausinterne Kompetenzstelle sowie die weiteren an der Einführung beteiligten Stellen und Beauftragten (z.B. IT- Sicherheit, Datenschutz, Urheberrecht) sind umfassend geschult. Im Datenlabor sollen Kompetenzen in der juristischen Bewertung (Risikobetrachtung) von KI-Modellen aufgebaut werden. Für die Einführung der Anwendung sind Maßnahmen zur Begleitung der Mitarbeitenden geplant (z.B. Einführungsveranstaltung, Sprechstunde) Ein umfassendes Projekt widmet sich dem Aufbau von Data Literacy in der obersten Umweltverwaltu ng, einschließlich im Handlungsfeld "Nuitzung von KI" 19 BMUV/UBA KI- Lab Wissenschaftliche Publikation und hochauflösende Satellitendaten Wissenschaftlic he Publikation und hochauflösend e Satellitendaten Sonstige: Proprietäre Satellitenda ten von "Planet" Entscheider:innen in den Entwicklungsprozess eingebunden, dadurch bereits Wissenstransfer. Nach Projektabschluss Übergabe und Einführung durch Entwickler zur Befähigung des eigenständigen Betriebs durch Nutzer:innen/Entscheider:inn en. Die Entwickler*innen besitzen alle akademische Abschlüsse in den jeweiligen Fachdomänen Aufbau von Datenkompetenz in der Datenstrategie des UBA Aufbau von Datenkompetenz in der Datenstrategie des UBA 20 BMUV/UBA I 1.7 Projektbeschreibu ngen manuell klassifizierte Projektbeschrei bungen frei nutzbar Entscheider:innen in den Entwicklungsprozess eingebunden, dadurch bereits Wissenstransfer. Nach Projektabschluss Übergabe Aufbau von Datenkompetenz in der Datenstrategie des UBA Aufbau von Datenkompetenz in der Datenstrategie des UBA Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer und Einführung durch Entwickler zur Befähigung des eigenständigen Betriebs durch Nutzer:innen/Entscheider:inn en 21 BMUV/UBA KI- Lab Luftqualitätsdaten (Feinstaub, Ozon, NO2) Luftqualitätsda ten (Feinstaub, Ozon, NO2) frei nutzbar Entscheider:innen in den Entwicklungsprozess eingebunden, dadurch bereits Wissenstransfer. Nach Projektabschluss Übergabe und Einführung durch Entwickler zur Befähigung des eigenständigen Betriebs durch Nutzer:innen/Entscheider:inn en. Die Entwickler*innen besitzen alle akademische Abschlüsse in den jeweiligen Fachdomänen Aufbau von Datenkompetenz in der Datenstrategie des UBA Aufbau von Datenkompetenz in der Datenstrategie des UBA 22 BMUV/UBA KI- Lab Modelvorhersage NTS Daten (Massenspektro meter von Gewässerdaten ) frei nutzbar Entscheider:innen in den Entwicklungsprozess eingebunden, dadurch bereits Wissenstransfer. Nach Projektabschluss Übergabe und Einführung durch Entwickler zur Befähigung des eigenständigen Betriebs durch Nutzer:innen/Entscheider:inn en. Die Entwickler*innen besitzen alle akademische Abschlüsse in den jeweiligen Fachdomänen Aufbau von Datenkompetenz in der Datenstrategie des UBA Aufbau von Datenkompetenz in der Datenstrategie des UBA 23 BfS UR mit Geokoordinaten verknüpfte Umweltinformatio nen (Geologie, Bodeneigenschafte Georeferenzier te Messwerte von Radonkonzentr ationen in der Bodenluft (ca. zweckgebu nden in Planung (Entscheiderinnen und Entscheider nutzen die KI nicht direkt. Die Ergebnisse werden ihnen vorgestellt und erläutert.) in Planung (Nutzerinnen und Nutzer sind die Entwickler der ML-basierten Prognosen) Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer n, Topologie), Bevölkerungsdaten , Daten zu Hauseigenschaften 8000) und in Gebäuden (ca. 40.000) 24 BMUV/BfS WR eigene Daten, mikroskopische Bilddateien Daten des Software- Herstellers und eigene Daten, mikroskopisch e Bilddateien zweckgebu nden Anwendung wurde durch Softwarehersteller geschult Anwendung wurde durch Softwarehersteller geschult 25 BMUV/BfS WR eigene Daten, mikroskopische Bilddateien Daten des Software- Herstellers und eigene Daten, mikroskopisch e Bilddateien zweckgebu nden Anwendung wurde durch Softwarehersteller geschult Anwendung wurde durch Softwarehersteller geschult 26 BfS RN eigene Messdaten und simulierte Gammaspektren eigene Messdaten und simulierte Gammaspektre n zweckgebu nden in Planung in Planung 27 BMUV/BfS RN eigene Messdaten und simulierte Gammaspektren eigene Messdaten und simulierte Gammaspektre n zweckgebu nden in Planung in Planung 28 BMUV/BfS RN eigene FAQs eigene FAQs frei nutzbar in Planung in Planung 29 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 30 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 31 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 32 BMZ Semitrukturier te Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 33 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 34 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 35 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 36 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 37 BMZ Unstrukturiert e Daten, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 38 BMZ Strukturiert, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 39 BMZ Semistrukturie rt, Text frei nutzbar Data Scientists‘ mit Fachkenntnissen wurden eingestellt. Nutzer*innen bekommen vor der Nutzung Schulungen zum verantwortlichen Gebrauch der Technologie. 40 BArch Eigene Trainingsdaten frei nutzbar Das BArch hat ein eigenes KI- Programm mit geschultem Personal aufgesetzt und baut dieses weiter aus. Gezielte Schulung von NutzerInnen in der Verwendung der KI- erzeugten Daten. Diese werden jederzeit transparent darauf hingewiesen, dass sie mit KI-erzeugten Daten arbeiten, die Fehler enthalten können. 41 BArch Eigene Trainingsdaten , Trainingskorpu s CoNLL 2023 frei nutzbar Das BArch hat ein eigenes KI- Programm mit geschultem Personal aufgesetzt und baut dieses weiter aus. Gezielte Schulung von NutzerInnen in der Verwendung der KI- erzeugten Daten. Diese werden jederzeit transparent darauf hingewiesen, dass sie mit KI-erzeugten Daten arbeiten, die Fehler enthalten können. 42 BMWK Z, VI von Testnutzenden zur Verfügung gestellte Texte; Retrieval Augmented Generation (RAG) Datengrundlag e von aleph alpha (Modell Luminous) frei nutzbar Die Unterscheidung zwischen Entscheider*innen und Nutzer*innen ist hier nicht zutreffend Onboardingworkshop mit Testnutzenden; Hinweise auf der Benutzeroberfläche; offene Sprechstunden Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 43 BMWK / BAFA 4, 6 nicht personalisierte Daten aus E-Mails, keine Analyse der Tonalität nicht personalisierte Informationen aus der E-Mail Historie zweckgebu nden ja ja 44 BMWK / BAFA 5 Antragsrelevantes Dokument in Verbindung mit Antragsdaten - zweckgebu nden ja ja 45 BMWK/BGR B1 durch den Auftragnehmer erfasste historische Ereignisse durch Auftragneh mer erhobene Ereignisse, frei zugänglich oder selbst recherchier t oder durch Partner erhalten k. A. nicht erforderlich, da Nutzende fachlich versiert sind 46 BMWK/BGR B1 Eigene Daten zweckgebu nden im Team Einweisung 47 BMWK/BGR B2 Grundwasserpegel -stände, Niederschlag, Lufttemperatur historische Grundwasserpe gelstände, Niederschlag, Temperatur frei nutzbar Entscheider ist seit ~10 Jahren in der Entwicklung und Anwendung von Methoden des Maschinenlernen involviert und verfügt über umfängliche Fachkenntnisse; Methode vom Entscheider mitentwickelt Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden über die zugehörige Webseite informiert, Modellgüte wird transparent dargestellt 48 BMWK/BGR B2 Hydrogeologische Flächendaten; punktbezogene Informationen zu Hintergrundwerte punktbezogene Informationen zu Hintergrundwe rten und frei nutzbar Entscheider ist seit ~10 Jahren in der Entwicklung und Anwendung von Methoden des Maschinenlernen involviert und verfügt über Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden über die zugehörige Webseite informiert, Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer n und Aquifervulnerabilit ät Aquifervulnera bilität umfängliche Fachkenntnisse; Methode vom Entscheider mitentwickelt Modellgüte wird transparent dargestellt 49 BMWK/BGR B2 Hydrogeologische Flächendaten; punktbezogene Informationen zur Grundwasserquaili tät punktbezogene Informationen zur Grundwasserq uailität frei nutzbar Entscheider ist seit ~10 Jahren in der Entwicklung und Anwendung von Methoden des Maschinenlernen involviert und verfügt über umfängliche Fachkenntnisse; Methode vom Entscheider mitentwickelt Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden über die zugehörige Webseite informiert, Modellgüte wird transparent dargestellt 50 BMWK/BGR B2 Hydrogeologische Flächendaten; punktbezogene Informationen zur Grundwasserqualti tät und -quailität, Grundwasserentna hmen Hydrogeologis che Flächendaten; punktbezogene Informationen zur Grundwasserq ualtität und - quailität, Grundwassere ntnahmen frei nutzbar Entscheider ist seit ~10 Jahren in der Entwicklung und Anwendung von Methoden des Maschinenlernen involviert und verfügt über umfängliche Fachkenntnisse; Methode vom Entscheider mitentwickelt Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden über die zugehörige Webseite informiert, Modellgüte wird transparent dargestellt 51 BMWK/BGR B2 Aerogeophysikalis che Flächendaten Aerogeophysik alische Flächendaten frei nutzbar Es handelt sich um ein Forschungsprojekt, sodass nur Kenntnisse abgeleitet, aber keine Entscheidungen getroffen werden; Bearbeiter besitzt durch Studium und Promotion die notwendigen Fachkenntnisse Keine Nutzer und Nutzerinnen neben Bearbeiter 52 BMWK/BGR B2 Aerogeophysikalis che Flächendaten; Aus Bohrungen abgeleitete Informationen Aerogeophysik alische Flächendaten; Aus Bohrungen abgeleitete Informationen frei nutzbar Es handelt sich um ein Forschungsprojekt, sodass nur Kenntnisse abgeleitet, aber keine Entscheidungen getroffen werden; Bearbeiterin besitzt durch Keine Nutzer und Nutzerinnen neben Bearbeiterin Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Studium und Promotion die notwendigen Fachkenntnisse 53 BMWK/BGR B2 Hydrogeologische Flächeninformatio nen; Gütegeprüfte, Bohrlochdateninte rpretationen; Zu prüfende Bohrlochdateninte rpretationen Hydrogeologis che Flächeninform ationen; Gütegeprüfte, Bohrlochdateni nterpretatione n frei nutzbar Bearbeiterin besitzt durch Studium und Promotion die notwendigen Fachkenntnisse Tool befindet sich in der ersten Entwicklungsphase; Wahrscheinlich wird keine Übergabe erfolgen sondern die Bearbeiterin wird nur die Ergebnisse mit ihren Einschätzungen weitergeben; Andernfalls würden die Nutzer und Nutzerinnen geschult werden 54 BMWK/BGR B2 Karstquellschüttun gen, Niederschlag, Lufttemperatur historische Karstquellschü ttungen, Niederschlag, Temperatur frei nutzbar Entscheider ist seit ~10 Jahren in der Entwicklung und Anwendung von Methoden des Maschinenlernen involviert und verfügt über umfängliche Fachkenntnisse; Methode vom Entscheider mitentwickelt Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden über die zugehörige Webseite informiert, Modellgüte wird transparent dargestellt 55 BMWK/BGR B2 Bodenprofilfotos Bodenprofilfot os frei nutzbar Entscheider ist seit ~10 Jahren in der Entwicklung und Anwendung von Methoden des Maschinenlernen involviert und verfügt über umfängliche Fachkenntnisse; Methode vom Entscheider mitentwickelt Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden über die zugehörige Webseite informiert, Modellgüte wird transparent dargestellt 56 BMWK/BGR B2 Unvollständig vorliegende Informationen zu Grundwasserstand szeitreihen. Wenige über mehrere Dekaden Punktbezogene Informationen Niederschlagsz eitreihen und Grundwasserst andszeitreihen von frei nutzbar Literaturstudium nur Entwickler (Forschungsprojekte) Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer gemessene Zeitreihen. unterschiedlch er Qualität 57 BMWK/BGR B3 wissenschaftliche Berichte Allg Sprachmodell und Sammlung von Berichten zweckgebu nden Wissenschaftliche Ausbildung Einsatzmöglichkeiten der LLM einschätzen entfällt, da bisher nur Machbarkeitsstudie geplant 58 BMWK/BGR B4 Kontinuierliche seismische Registrierungen an Stationen in Deutschland und benachbarten Regionen Umfassender synthetischer Datensatz seismischer Ereignisse in Deutschland und benachbarten Regionen (mehrere Millionen Ereignisse) frei nutzbar Universitätsstudium mit Promotion Universitäts- bzw. Hochschulstudium 59 BMWK/BGR B4 Erdbeobachtungsdaten; Geowiss. Inventare; Geländeaufnahme n Erdbeobachtun gs-daten; Geowiss. Inventare; Geländeaufnah men frei nutzbar Universitätsstudium mit Promotion, Externe Schulungen zu Maschinenlernen und Anwendungen von KI Verbesserung der Beratung durch Erweiterung des Methodenportfolios für Bewertung von Naturgefahren Nutzerinnen und Nutzer werden umfassend über die angewandten Methoden direkt oder über die zugehörige Webseite informiert, Modellgüte wird transparent dargestellt Sensibilisierung für Nutzung von datengetriebene n Methoden. Besseres Verständnis der Einsatzmöglichk eiten und Grenzen. 60 BMWK/BGR B4 Satellitendaten; Befliegungsdaten; Geländeaufnahme n Satellitendaten; Befliegungsdat en; Geländeaufnah men frei nutzbar Universitätsstudium mit Promotion Verbesserung der Beratung durch Erweiterung des Methodenportfolios für die Analyse von Fernerkundungsdaten und Bewertung von Fernerkundungsprodukt en im Thermenbereich Geologie und Universitätsbzw. Hochschulstudium Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Exploration von mineralogischen Rohstoffe 61 BMWK/PTB Abt 8 Daten im Rahmen metrologisc her Forschunge n erhoben 62 BMWK/PTB AG 7.21 Daten im Rahmen metrologisc her Forschunge n erhoben 63 BMWK/PTB FB 6.2 Daten im Rahmen metrologisc her Forschunge n erhoben 64 BMWK/PTB FB 6.2 Daten im Rahmen metrologisc her Forschunge n erhoben 65 BMWK/PTB FB 6.2 sonstiges 66 BMWK/PTB FB 7.5 Strukturiert Daten im Rahmen metrologisc her Forschunge n erhoben 67 BMWK/PTB FB 8.1 Daten im Rahmen Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer metrologisc her Forschunge n erhoben 68 BMWK/PTB FB 9.4 69 BMWK/PTB FB 9.4/ Q.4 Daten im Rahmen metrologisc her Forschunge n erhoben 70 BMWK/PTB FB 9.4 sonstiges 71 BMWK/PTB Q.4 72 BMWK/BAM 1 Eigene Experimente und Referenzdaten Eigene Experimente und Referenzdaten zweckgebu nden Literatur; Workshops Literatur; Workshops 73 BMWK/BAM 6 Quantenmechanis che Rechnungen Quantenmecha nische Rechnungen frei nutzbar Workshops Workshops 74 BMWK/BAM 6 Leistungsindikator en, Deskriptoren für Materialkennwerte Eigene Ergebnisse aus Versuchsreihen im gleichen experimentelle n Umfang gewonnen durch das systematische Rastern des Parameterberei chs zweckgebu nden Die sich in der Entwicklungsphase befindenden, autonomen Materialentwicklungs-labore liefern nur die Startpunkte für weitere detaillierte Untersuchungen. Die Ergebnisse werden von Expert*innen bewertet. Die sich in der Entwicklungsphase befindenden, autonomen Materialentwicklungslabore liefern nur die Startpunkte für weitere detaillierte Untersuchungen. Die Ergebnisse werden von Expert*innen bewertet. 75 BMWK/BAM 6 Berechnete und gemessene Materialdaten Berechnete und gemessene Materialdaten frei nutzbar Es werden hier keine Entscheidungen getroffen Studium oder Abschluss in Chemie, Materialwissenschaft oder Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Physik, gleichzeitig die Entwickler*innen 76 BMWK/BAM 7 Simulationsmodell e Simulationsmo delle direkt aus Simulation smodellen erzeugt es gibt keine Entscheider nur Entwickler (Forschungsprojekte) 77 BMWK/BAM 8 Messergebnisse der entsprechenden Disziplinen (z.B. Radiologie, Thermografie, Ultraschall etc.) Messergebnisse der entsprechende n Disziplinen (z.B. Radiologie, Thermografie, Ultraschall etc.) Messdaten selbst erfasst Externe Schulungen zu Maschinenlernen und Anwendungen von KI Externe Schulungen zu Maschinenlernen und Anwendungen von KI 78 BMWK/BAM 8 Vorversuche und Ergebnisse aus anderer Quelle (Literatur, Partner etc.) Vorversuche und Ergebnisse aus anderer Quelle (Literatur, Partner etc.) Messdaten selbst erfasst Externe Schulungen zu Maschinenlernen und Anwendungen von KI Externe Schulungen zu Maschinenlernen und Anwendungen von KI 79 BMWK/BAM 8 Simulationsdaten aus einer Schweißprozesssimulation sowie experimentelle Befunde zur Porositätsentwickl ung Schweißparam eter, Simulationsdat en und experimentell ermittelte Porositätsverte ilung Daten im Rahmen von DFG- Projekt erhoben nein nein 80 BMWK/BAM 9 Messdaten aus experimenteller Durchführung von Schweißversuchen (teilautomatisiert) Messdaten aus experimentelle r Durchführung von Schweißversuc hen (teilautomatisie rt) Daten im Rahmen von DFG- Projekt erhoben nein nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 81 BMWK/BAM 9 Bewertete Kameraaufnahme n von Fertigungsprozesse n Kameraaufnah men von Fertigungsproz essen frei nutzbar nein nein 82 BMWK/BAM 8 und 9 Bewertete CT Aufnahmen CT Aufnahmen frei nutzbar nein nein 83 BMWK/BAM 8 Experimentelle Daten zur Strukturüberwach ung (Structural Health Monitoring - SHM) Experimentelle und numerische SHM-Daten Eigene experiment elle und numerische Untersuchu ngen Literaturstudium unklar, da Verfahren bisher in der Entwicklungsphase 84 BMWK/BAM 8 Experiment und Simulation Eigene Datenbasis Maschinenlernen Experte Maschinenlernen Experte 85 BMWK/BAM S sonstiges 86 BMBF 1 1) mehrere Mio. wissenschaftliche Artikel aus der Datenbank OpenAlex 2) mehrere Mio. Patentanmeldunge n aus der Datenbank Patstat 3) Hunderttausende Finanzierungsereig nisse & Gründungen 4) Hunderttausende Artikel aus verschiedenen Online-Tech Journals 1) mehrere Mio. wissenschaftlic he Artikel aus der Datenbank OpenAlex 2) mehrere Mio. Patentanmeldu ngen aus der Datenbank Patstat frei nutzbar persönliche Expertise der Entwickler, öffentlich zugängliche Literatur zu Modellen/Implementationen/ Tools Die Bundesregierung plant, die eigenen Kompetenzen in der Entwicklung datengestützter Foresight-Ansätze weiter auszubauen. Schulung zur beispielhaften Nutzung für potenzielle Endnutzer + detaillierte und verständliche Darstellung der Methodik und ausgewählter Qualitätskriterien in methodischen Hinweisen Die Bundesregierung plant, die eigenen Kompetenzen zur Nutzung datengestützter Foresight- Ansätze weiter auszubauen. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 5) Für die Benennung Einsatz öffentlich verfügbarer LLMs (z.B. Llama 3) mit entsprechender Datenbasis 87 BMBF alle historische Anfragen aus der DIP-Schnittstelle des Bundestags sowie aktuelle Anfragen historische Anfragen aus der DIP- Schnittstelle des Bundestags Daten für die Anwendun g nicht spezifisch erhoben. Daten aus der DIP- Schnittstell e zukünftig regelmäßige Einführungsworkshops für interessierte Mitarbeitende souveräner Umgang mit KI in der Bundesverwaltu ng 88 BMBF alle Vom Nutzer eingegebener Text FA(Open- Source-Modell ohne eigenes Nachtrainieren ) Keine spezifisch erhobenen Daten. Daten kommen vom Nutzer Anwendung noch im Testbetrieb; Nutzende werden in kurzen Einführungen eingewiesen; zukünftig regelmäßige Einführungsworkshops für interessierte Mitarbeitende souveräner Umgang mit KI in der Bundesverwaltu ng 89 BMBF alle Vom Nutzer eingegebene Frage sowie die vektorisierten Inhalte der EGO FA (Open- Source-Modell ohne eigenes Nachtrainieren ) Keine spezifisch erhobenen Daten. Anwendung noch im Testbetrieb; Nutzende werden in kurzen Einführungen eingewiesen; zukünftig regelmäßige Einführungsworkshops für interessierte Mitarbeitende souveräner Umgang mit KI in der Bundesverwaltu ng 90 BMDV / BfG M2 Monatsmittel des Wasserstands und Abflusses für die nächsten 6 Monaten globale und regionale meteorologisch e Parameter sowie Daten, kommen von ECMWF, WSV, Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich, da für den Nutzer bekannte Produkte veröffentlicht werden - Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer hydrologische Pegeldaten in Form von Zeitreihen und Gitterdaten DWD, ausländisch e Wetterdien ste 91 BMDV / BfG M2 Korrigierte Messdaten, Vorhersage für Wasserstand und Abfluss für mehrere Tage meteorologisch e und hydrologische Mess- und Vorhersagedate n sowie Ergebnisse physikalischbasierter Modelle Daten kommen von DWD, WSV, ECMWF, Bundesländ er, ausländisch e Wetterdien ste Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich, da für den Nutzer bekannte Produkte veröffentlicht werden - 92 BMDV / BfG M5 / U3 Bounding Box um Objekt und Klasse RGB-Bilder zweckgebu nden Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich, da für den Nutzer bekannte Produkte veröffentlicht werden 93 BMDV / BfG M5 / U3 Bild, wo jedem Pixel eine Klasse zugeordnet wurde RGB-Bilder, hyperspektrale oder multispektrale Bilder verfügbare Luftbilder von Bund (BAW, BfG, WSV) Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich, da für den Nutzer bekannte Produkte veröffentlicht werden 94 BMDV / BfG M5 / U3 noch unklar multi- oder hyperspektral- Bilder sonstiges Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich, da für den Nutzer bekannte Produkte veröffentlicht werden 95 BMDV / BfG U4 Alle Modellergebnisse der KI-basierten Videoauswertung werden in einer App gesammelt, dort qualitätsgesichert Unterwasservi deos zweckgebu nden Selbststudium KI-Netzwerk innerhalb des Ressorts Anleitung Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer und können als Tabelle exportiert werden 96 BMDV / BfG M1, M3, U2 Zeitreihe in der Zukunft; Klassifikation vom Vorhandensein von Flüssigschlick (ja/nein) Zeitreihen in Form von Messdaten und Messkampagne n, bestimmte Gezeitenzyklen Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich, da für den Nutzer bekannte Produkte veröffentlicht werden 97 BMDV / BfG M1, Z2 korrigierte Zeitreihe in der Vergangenheit plausible Messdaten der Lysimeteranlag e (Jahre 2021- heute) Lysimetera nlage ist in Betrieb der BfG Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich 98 BMDV / BfG M5 hochqualitative, Bodenfeuchte- Daten für End- Nutzer ISMN- Datenbank mit in-situ-Daten verschiedener Anbieter ICGRWC und BfG sind für Organisatio n und Betrieb der ISMN- Datenbank zuständig Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich 99 BMDV / BfG G3, Z2 gemessene Chemikalienkonze ntrationen in Flüssen/Sedimente n in Vitro Effekte von Einzelstoffen frei nutzbar Selbststudium KI-Netzwerk innerhalb des Ressorts nicht erforderlich 100 BMDV / BfG G2 Gruppen von Stoffen mit ähnlichen Eigenschaften zwei Matrizes: Schwebstoffe der Umweltproben bank (ab 2005) und Wasser aus den Tagesmessstell frei nutzbar Selbststudium KI-Netzwerk innerhalb des Ressorts Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer en der BfG Collective Spectral Library mit Retentionszeite n, Masse und MS^2- Fragmentierun gsspektren bekannter Substanzen 101 BMDV / BfG M2 aktueller Zustand sowie zukünftige Grundwasserneubi ldung noch unklar; deterministisch e Modelle und meteorologisch e / hydrologische Daten sonstiges Selbststudium KI-Netzwerk innerhalb des Ressorts noch unklar, ob nötig 102 BMDV / BfG U4 nachbearbeitete Unterwasseraufna hmen; Klassifikation Schweinswalpräse nz ja / nein physikalische Eigenschaften der Tonfolgen; Spektrogramm der Audiodateien zweckgebu nden Selbststudium, Seminare, Abgleich mit KollegInnen KI-Netzwerk innerhalb des Ressorts nicht erforderlich 103 BMDV / BfG U3 Bild, wo jedem Pixel eine Klasse zugeordnet wurde höchstauflösen de multispektrale Luftbilddaten (Drohne, Gyrokopter) und im Feld erhobene Referenzdaten zweckgebu nden Selbststudium KI-Netzwerk innerhalb des Ressorts 104 BMDV / BALM Kon troll dien ste Verkehrsdaten des relevanten Mautverkehrs der Vergangenheit, Verkehrsdaten des relevanten Mautverkehrs Daten durch die automatisc hen keine keine interne keine Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Vorgabe in Bezug auf die Kontrollmenge der Vergangenheit Kontrollein richtungen gesammelt 105 BMDV / BAV I FAQ (wird ständig aktualisiert) Standardfragen , - antworten zweckgebu nden Initialschulung der Redakteure und Agents / / / 106 BMDV / BAV Z, I, II, III öffentlich zugängliche Daten / frei nutzbar Handreichung für Anwendende / / / 107 BMDV / BAV alle / / sonstiges Nutzungshinweise für die Beschäftigten / / / 108 BMDV / BAW Geo tech nik geotechnische Laborversuche von Böden geotechnische Laborversuche von Böden frei nutzbar n.a. (Forschungsvorhaben, noch nicht produktiv) 109 BMDV / BAW Bau tech nik Baubestandswerk, Projektinformatio nen zweckgebu nden n.a. (Forschungsvorhaben, noch nicht produktiv) n.a. (Forschungsvorhaben, noch nicht produktiv) 110 BMDV / BAW Was serb au im Bin nen bere ich zweckgebu nden n.a. (Forschungsvorhaben, noch nicht produktiv) n.a. (Forschungsvorhaben, noch nicht produktiv) 111 BMDV / BSH MD Z Inhouse Daten Inhouse Daten zweckgebu nden Die Evaluation wird durch den DL mit der entsprechenden Fachexpertise geleitet Evaluation, Entwicklung und Betrieb von LLM/RAG basierten Systemen Schulung in der Nutzung vom Chatbot Digitalisierungsk ompetenz von Nutzenden zu erweitern 112 BMDV / BSH MD Z AIS-Daten AIS-Daten zweckgebu nden Autodidaktisches Lernen der Entwickelnden, Austausch mit Experten Evaluation Entwicklung und Betrieb von Verfahren, die auf Maschinenlernen basieren. Nutzende sind in den Entwicklungsprozess eingebunden Digitalisierungskompetenz von Nutzenden zu erweitern, Stärkung der Datenkompetenz en von wissenschaftlich Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer en Experten 113 BMDV / BSH M Unterwasserschall- Zeitreihen aus Vollzugsverfahren des BSH Unterwassersc hall-Zeitreihen aus Vollzugsverfah ren des BSH zweckgebu nden Schulung der MA im Rahmen von Fachstudium, fachlicher Fortbildung, F&E-Vorhaben Analyse- und Methodenkompetenz Schulung neuer Kollegen durch Kollegen, die Erfahrung mit der Fachanwendung BSoundH haben 114 BMDV / BSH N BSH- Seevermessungsda ten Manuell annotierte Steine in hydroakustisch en Datensätzen zweckgebu nden Es finden keine Entscheidungen statt Perspektivisch werden Fachbereichs-interne Schulungen zur Nutzung stattfinden. 115 BMDV / BSH N Copernicus- Satellitenbilddaten Bisherige Ergebnisse der Seevermessung frei nutzbar Es finden keine Entscheidungen statt Es sind keine Schulungen vorgesehen, das Verfahren in einen automatischen Dienst integriert wird. 116 BMDV / BSH Schi ffah rt Aggregation und Sammlung von Realdaten und Synthese (z.B. von Bilddaten) Szenarienkatal og frei nutzbar, Augmentati on von Datensätze n Anpassung von Studium und Ausbildung für nautisches Personal IT, Cyber Security, Remote Operation 117 BMDV / DWD FE / KU wissenschaftliche Daten aus numerischen Wettervorhersage modellen, Wetterbeobachtun gsdaten und Daten aus Fernerkundungssy stemen wie Radar und Satellit wissenschaftlic he Daten aus numerischen Wettervorhers agemodellen, Wetterbeobach tungsdaten und Daten aus Fernerkundun gssystemen wie Radar und Satellit Verwendet e Daten für die eingesetzte n KI und ML Verfahren sind wissenschaf tliche, zweckgebu ndene Daten aus numerische n Auswahl, Bewertung und Anwendung der Systeme erfolgen nach Regeln bester wissenschaftlicher Praxis in der Wetter- und Klimavorhersage durch Wissenschaftlerinnen und Wissenschaftler Schulungen nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess werden im DWD regelmäßig durchgeführt Nutzerinnen und Nutzer der KI-Anwendungen in der numerischen Wettervorhersage und der Klimavorhersage werden durch DWD organisierte Fortbildungen und Fortbildungspublikationen in die fachgemäße Nutzung eingeführt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Wettervorh ersage- und Klimamode llen, Wetterbeob achtungsda ten und Daten aus Fernerkund ungssystem en wie Radar und Satellit 118 BMDV / FBA übe rgre ifen d noch offen noch offen noch offen noch offen noch offen noch offen 119 BMDV / WSV U13 Messdaten Messdaten Fachkompetenz bei Anwender/in vorhanden, keine Entscheidung als Ergebnis, lediglich Mustererkennung und Datenanalyse - Fachkompetenz bei Anwender/in vorhanden, keine Entscheidung als Ergebnis, lediglich Mustererkennung und Datenanalyse - 120 BAMF 7, 2 Textstellen (Länge ca. 5 Sätze) in Anhörungsprotoko llen werden aus sich heraus bewertet, d.h. der reine Text der Textstelle ohne Metadaten Manuell gelabelte Textstellen zweckgebu nden Die Schulungen der Nutzenden bzw. Entscheiderinnen und Entscheider wurden in Präsenz in mehreren Durchgängen durch Mitarbeitende des BAMF und Angestellte der Entwicklerfirma in den Liegenschaften des BAMF in Nürnberg durchgeführt. Die Gruppengröße betrug maximal 20 Personen. Diese Personen fungieren im Die Schulungen der Nutzenden wurden in Präsenz in mehreren Durchgängen durch Mitarbeitenden des BAMF und Angestellte der Entwicklerfirma IBM in den Liegenschaften des BAMF in Nürnberg. Die Gruppengröße war maximal 20 Personen. Die Personen wurden zwei Tage intensiv mit dem System vertraut gemacht. Dazu wurden Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Nachgang als Multiplikatoren in ihren jeweiligen Außenstellen um dort einen Wissenstransfer zu gewährleisten. Die Multiplikatoren wurden zwei Tage intensiv mit dem System vertraut gemacht. Dazu wurde ihnen das System theoretisch als auch praktisch näher gebracht. Zentraler Bestandteil dabei sind Sensibilisierungsmaßnahmen zum verantwortungsvollen Umgang mit den Systemvorschlägen. Es erfolgten Demonstrationen des Systems und im Nachgang konnten alle Schulungsteilnehmer auf einer Testumgebung das System ausgiebig testen und das Gelernte anwenden. In Ihren Außenstellen wurden dann die Nutzenden von ihren Multiplikatoren, nach gleichen Schema, aber in verkürzter Form geschult und mit dem System vertraut gemacht. Zur weiteren Wissensvermittlung wurde den Nutzenden ebenfalls ein Nutzendenhandbuch zur Verfügung gestellt. Im Schulungszeitraum standen die Dozenten der Multiplikatorenschulungen ihnen das System theoretisch als auch praktisch näher gebracht. Zentraler Bestandteil dabei sind Sensibilisierungsmaßnahme n zum verantwortungsvollen Umgang mit den Systemvorschlägen. Es erfolgten Demonstrationen des Systems und im Nachgang konnten alle Schulungsteilnehmer auf einer Testumgebung das System ausgiebig testen und das Gelernte anwenden. Zur weiteren Wissensvermittlung wurde den Nutzenden ebenfalls ein Nutzendenhandbuch zur Verfügung gestellt. Im Schulungszeitraum sowie im täglichen Gebrauch stehen die Dozenten der Multiplikatorenschulungen den Nutzenden telefonisch, als auch über ein E-Mail- Funktionspostfach bei Fragen jederzeit zur Verfügung. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer den Nutzenden telefonisch, als auch über ein E-Mail- Funktionspostfach bei Fragen jederzeit zur Verfügung. 121 BMI/StBA C Amtliche Daten (z. B. aus Erhebungen oder aus Registern); sofern andere Datenquellen herangezogen werden, entsteht daraus kein Produkt gemäß der Qualitätsvorgaben der amtlichen Statistik. Amtliche Daten (z. B. aus Erhebungen oder aus Registern); sofern andere Datenquellen herangezogen werden, entsteht daraus kein Produkt gemäß der Qualitätsvorga ben der amtlichen Statistik. zweckgebu nden Aktive Zusammenarbeit am Projekt mit C, Wissenstransfer, zielgruppengerechte Kommunikation und Dokumentation; Einschlägiges Hochschulstudium; Fachwissen wird durch Schulungen und Konferenzen laufend auf aktuellem Stand gehalten - Enge Einbindung der Nutzerinnen und Nutzer in die Entwicklung der Anwendungen; umfangreiches Schulungsangebot, Sonderfortbildungen und interne Informationsveranstaltunge n Künstliche Intelligenz/Masc hinelles Lernen 122 BMI/StBA C Amtliche Daten (z. B. aus Erhebungen oder aus Registern); sofern andere Datenquellen herangezogen werden, entsteht daraus kein Produkt gemäß der Qualitätsvorgaben der amtlichen Statistik. Amtliche Daten (z. B. aus Erhebungen oder aus Registern); sofern andere Datenquellen herangezogen werden, entsteht daraus kein Produkt gemäß der Qualitätsvorga ben der amtlichen Statistik. zweckgebu nden Aktive Zusammenarbeit am Projekt mit C, Wissenstransfer, zielgruppengerechte Kommunikation und Dokumentation; Einschlägiges Hochschulstudium; Fachwissen wird durch Schulungen und Konferenzen laufend auf aktuellem Stand gehalten - Enge Einbindung der Nutzerinnen und Nutzer in die Entwicklung der Anwendungen; umfangreiches Schulungsangebot, Sonderfortbildungen und interne Informationsveranstaltunge n Künstliche Intelligenz/Masc hinelles Lernen Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 123 BMI/BSI OC Als Datenbasis dienen Daten, die gemäß der Vorgaben der §§ 5 Abs. 1, 5a BSIG erhoben wurden. Neben den Daten nach §§ 5, 5a BSIG werden Kriterien für die genannten Verfahren aus sog. Threat Intelligence erlangt. zweckgebu nden intern intern 124 BMI/ BKG Geo date n (GD) Geodaten des BKG Geodaten des BKG zweckgebu nden Schulung durch DLR Nutzung geodatenbasierter Analyse für Entscheidungsunterstüt zung Schulung durch DLR Nutzung von Geodatenbasierten Analysewerkzeu gen für unterschiedliche fachliche Fragestellungen 125 BMI/ BKG Geo date n (GD) Geodaten des BKG Geodaten des BKG zweckgebu nden Schulung durch DLR Nutzung geodatenbasierter Analyse für Entscheidungsunterstüt zung Schulung durch DLR Nutzung von Geodatenbasierten Analysewerkzeu gen für unterschiedliche fachliche Fragestellungen 126 BMI/ BKG/ StBa Geo date n (GD) Geodaten des BKG; Copernicus-Daten Geodaten des BKG; Copernicus- Daten zweckgebu nden Schulung durch DLR Nutzung geodatenbasierter Analyse für Entscheidungsunterstüt zung Schulung durch DLR Nutzung von Geodatenbasierten Analysewerkzeu gen für unterschiedliche fachliche Fragestellungen 127 BMI/BKG Geo dien stlei Geodaten des BKG, Satellitenbildder Geodaten des BKG, Satellitenbilder zweckgebu nden Durchführung erfolgt durch Fachexpertinnen und - experten Nutzung geodatenbasierter Analyse für Nutzung von Geodatenbasierten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer stun gen (GD L) Entscheidungsunterstüt zung Analysewerkzeu gen für unterschiedliche fachliche Fragestellungen 128 BMI/BKG Geo date n (GD) / Geo dien stlei stun gen (GD L) Geodaten des BKG Geodaten des BKG zweckgebu nden geplant: Schulung durch Wissenschaftsbereich Nutzung geodatenbasierter Analyse für Entscheidungsunterstüt zung geplant: Schulung durch Wissenschaftsbereich Nutzung von Geodatenbasierten Analysewerkzeu gen für unterschiedliche fachliche Fragestellungen 129 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige 130 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige 131 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 132 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige 133 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige 134 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige 135 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L Verwendung eines fertigen Produkts, Datenbasis vorgegeben Verwendung eines fertigen Produkts, Datenbasis vorgegeben sonstiges keine besondere sonstige keine besondere sonstige 136 BMI/ Bundespolizeip räsidium 5 Logdaten und Erkennungssignaturen Erkennungssig naturen, Evasionen Aus dem zentralen Logdatenm anagement der BPOL sowie der Sammlung von Erkennung sregeln Studium der Informatik o.ä. / Studium der Informatik o.ä. / Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 137 BMI/ Bundespolizeip räsidium 5 Net Flow und Erkennungssignaturen Bewertung von Netzwerk- Payloads im Rahmen der Protokollie rung und Detektion sicherheitsr elevanter Ereignisse Studium der Informatik o.ä. / Studium der Informatik o.ä. / 138 BMI/ Bundespolizeip räsidium 2 Videobilder Verwendung eines fertigen Produkts, Datenbasis vorgegeben zweckgebu nden keine besondere sonstige keine besondere sonstige 139 BMI/ Bundespolizeip räsidium 2 Sensordaten des DVS Sensors Erhebung der Daten am Tunnelmund zweckgebu nden keine besondere sonstige keine besondere sonstige 140 BMI/ Bundespolizeip räsidium 2 Radardaten Erhebung der Daten am Bahnhof zweckgebu nden keine besondere sonstige keine besondere sonstige 141 BMI/ Bundespolizeip räsidium 6 Details zur Datengrundlage sind nicht bekannt. Details zur Datengrundlag e sind nicht bekannt. zweckgebu nden Die Auswahl des Systems erfolgt nach standardisierten Leistungskriterien im Rahmen einer Produktzertifizierung. Die Leistungskriterien werden von der EU KOM auf Vorschlag von Fachleuten aus europäischen Staaten festgelegt Luftsicherheitsassistenten werden regelmäßig geschult und fortgebildet. 142 BKA OE Asservate Sprachpaare von Ausgangs- und zweckgebu nden einschlägiges wissenschaftliches Hochschulstudium unbekannt einschlägiges wissenschaftliches Hochschulstudium unbekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Zielsprache (Originalsatz und Übersetzung) 143 BKA OE Asservate Texte zweckgebu nden einschlägiges wissenschaftliches Hochschulstudium unbekannt einschlägiges wissenschaftliches Hochschulstudium unbekannt 144 BKA OE Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angaben, da öffentliches bekanntwerde n die Verwendbarkei t des Werkzeugs stark beeinträchtige n würde Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde unbekannt Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde unbekannt 145 BKA OE Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angaben, da öffentliches bekanntwerde n die Verwendbarkei t des Werkzeugs stark beeinträchtige n würde Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde unbekannt Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde unbekannt 146 BKA OE Bilder Unbekannt da von Open AI frei nutzbar Polizeiliche Ausbildung und Einführung und kontinuierliche Beratung durch Fachpersonal unbekannt einschlägiges wissenschaftliches Hochschulstudium oder Promotion auf einschlägigem Fachgebiet unbekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 147 BKA OE Bilder, Videoausschnitte + Rahmen Unbekannt sonstiges Polizeiliche Ausbildung und Einführung und kontinuierliche Beratung durch Fachpersonal unbekannt Abgeschlossenes Hochschulstudium oder Promotion auf einschlägigem Fachgebiet unbekannt 148 BKA OE Bilder n. zutr. zweckgebu nden einschlägiges wissenschaftliches Hochschulstudium oder Promotion auf einschlägigem Fachgebiet unbekannt einschlägiges wissenschaftliches Hochschulstudium oder Promotion auf einschlägigem Fachgebiet unbekannt 149 BKA OE Bilder n. zutr. zweckgebu nden Polizeiliche Ausbildung und Einführung und kontinuierliche Beratung durch Fachpersonal unbekannt einschlägiges wissenschaftliches Hochschulstudium oder Promotion auf einschlägigem Fachgebiet unbekannt 150 BKA KT Tatortfotos Common Objects in Context zweckgebu nden noch ausstehend, da aktuell noch in Erforschung unbekannt noch ausstehend, da aktuell noch in Erforschung unbekannt 151 BKA KT Tatortfotos Common Objects in Context zweckgebu nden vollautomatisiert unbekannt noch ausstehend, da aktuell noch in Entwicklung unbekannt 152 BKA KT Texte divers frei nutzbar entfällt unbekannt entfällt unbekannt 153 BKA KT Bilder divers frei nutzbar entfällt unbekannt entfällt unbekannt 154 BKA OE Bilder zweckgebu nden Polizeiliche Ausbildung und Einführung und kontinuierliche Beratung durch Fachpersonal unbekannt Polizeiliche Ausbildung und Einführung und kontinuierliche Beratung durch Fachpersonal unbekannt 155 BKA / BMI ZV Schlüsselbegriffe frei nutzbar nein unbekannt nein unbekannt 156 BKA ZI Beim dem Gesichtserkennung ssystem handelt es sich um ein gekauftes System. Die detaillierte Arbeitsweise der Komponenten und Details zu den S. Antwort zu 1. d Entscheidungsvorschläge werden durch erfahrene und qualifizierte Fachkräfte vorbereitet. unbekannt Die Ausbildung zum Lichtbildexperten/zur Lichtbildexpertin erfolgt in einem mehrmonatigen Lehrgang. Die Ausbildungszeit zum Sachverständiger/zur Sachverständige beträgt insgesamt drei Jahre. unbekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Trainingsprozesse n fallen unter das Betriebsgeheimnis des Herstellers. Hierzu liegen demnach keine Informationen vor. 157 BKA ZI Da AFIS nicht mit Methoden des Maschinellen Lernens arbeitet, ist ein Training nicht erforderlich. Die Definition von Schwellenwerten, welche autonome Entscheidungen erlauben, basieren u. a. auf der Auswertung millionenfach in der Vergangenheit vorgenommener manueller Entscheidungen. Die Daten zur Ausgestaltu ng der automatisie rten Entscheidu ngsprozesse im AFIS wurden und werden unter Berücksicht igung der gesetzliche n Zweckbind ung erhoben. Entscheidungsvorschläge werden durch erfahrene und qualifizierte Fachkräfte vorbereitet. unbekannt Alle Anwender/innen des AFIS werden umfangreich geschult, u. a. durch eine formale Ausbildung im Bundeskriminalamt und fortgesetztes "on-the- jobtraining" im jeweiligen Einsatzbereich. Zudem sind die Anwender/innen verpflichtet, ihre Expertise durch Wahrnehmung von Fortbildungsveranstaltunge n aktuell zu halten. unbekannt 158 BKA DI Texte siehe Dokumentatio n OpenAI whisper frei nutzbar Polizeiliche Ausbildung und Einführung und kontinuierliche Beratung durch Fachpersonal unbekannt entfällt unbekannt 159 BMI KM 3/T HW Einsatzdaten, OSINT, selbstgenerierte Daten, Augmentierte Daten Einsatzdaten, OSINT, selbstgeneriert e Daten, Augmentierte Daten zweckgebu nden Online Schulung, Experteninterviews, Workshops n.b. Interne Schulung n.b. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 160 BMEL/JKI JKI- Insti tute für Züc htu ngsf orsc hun g Gensequenzen, Phänotypisierungd aten/-bilder Forschungsdat en aus eigenen Experimenten zweckgebu nden keine Schulung, da keine Entscheidungen erfolgen KI-Beratungsstelle KIDA im BMEL entwickelt Schulungsplan 161 BMEL/JKI JKI- Insti tute für Pfla nze nsc hutz und Bod enk und e Fernerkundungsda ten, Bilder, Wetterdaten, GIS- Daten, Radardaten, Hyperspektraldate n Forschungsdat en aus eigenen Experimenten zweckgebu nden keine Schulung, da keine Entscheidungen erfolgen KI-Beratungsstelle KIDA im BMEL entwickelt Schulungsplan 162 BMEL/JKI JKI- Insti tute für Bien ensc hutz und für Stra tegi e und Folg Bilder, GIS-Daten Forschungsdat en aus eigenen Experimenten zweckgebu nden keine Schulung, da keine Entscheidungen erfolgen KI-Beratungsstelle KIDA im BMEL entwickelt Schulungsplan Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer ena bsch ätzu ng 163 BMEL/JKI JKI- Insti tute für Züc htu ngsf orsc hun g Sensordaten, Bilder, GIS-Daten Forschungsdat en aus eigenen Experimenten zweckgebu nden keine Schulung, da keine Entscheidungen erfolgen KI-Beratungsstelle KIDA im BMEL entwickelt Schulungsplan 164 BMEL/MRI Ern ähr ung sver halt en manuell annotierte Produktbilder, Informationen von Fertigprodukten manuell annotierte Produktbilder frei nutzbar Fachexpertise liegt bereits vor/ausgebildete Ernährungswissenschaftler*in nen Nutzung nur für Fachpersonal möglich 165 BMEL/MRI IT Forschungsdaten Forschungsdat en Fachexpertise liegt bereits vor/ausgebildete Ernährungswissenschaftler*in nen Nutzung nur für Fachpersonal möglich 166 BMEL/MRI NRZ - Aut hen t manuell annotierte Fischbilder manuell annotierte Fischbilder, allgemein verfügbare vortrainierte Modelle Teilweise frei nutzbar, teilweise zweckgebu nden Fachexpertise liegt bereits vor/ausgebildete Naturwissenschaftler und Naturwissenschaftlerinnen Nutzung primär für die amtliche Lebensmittelüberwachung; Konfidenzmaß der vorgeschlagenen Klassifizierung wird in der Anwendung angezeigt 167 BMEL/MRI NRZ - Aut hen t Öffentlich und nicht-öffentlich zugängliche Informationen im Bereich Lebensmittelsicher Öffentlich und nichtöffentlich zugängliche Informationen im Bereich Nichtöffentliche Daten werden nur zweckgebu Fachexpertise liegt bereits vor Nutzung nur für Fachpersonal möglich Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer heit und - authentizität Lebensmittelsi cherheit und - authentizität, allgemein verfügbare vortrainierte Modelle nden genutzt 168 BMEL/TI SF Alterswerte aufgrund der gefundenen Jahresringe Bilder von Gehörsteinen (Otolithen) der beprobten Fische frei nutzbar Arbeitsgruppenmitglieder werden geschult, sobald KI- Altersdaten von den wiss. AGn zugelassen sind Systemnutzer*innen im Institut sind bzw. werden geschult 169 BMEL/TI SF Video- und Sonardaten frei nutzbar 170 BMEL/TI WO gelabelte Sentinel- 2 Satellitendaten Bilddaten frei nutzbar Iterativer Austausch mit Anfragenden zur Weiterentwicklung des Modells 171 BMEL/TI ZI vortrainierte Modelle kein eigenes Training keine eigenen Trainingsda ten verwendet nein Nutzer:Innen erhalten Hinweise zur Nutzung der Software 172 BMEL/TI WO Waldbranddaten auf Abteilungsebene verschiedene Messwerte pro Abteilung, wie zB road density zweckgebu nden 173 BMEL/TI SF Videodaten von Unterwasserfahrze ugen annotierte Bilder von Videos zweckgebu nden nein Iterativer Austausch mit Anfragenden zur Weiterentwicklung des Modells 174 BMEL/TI Stab sstel le Kli ma & Transkripte aus Interviews keine eigenen Trainingsdaten zweckgebu nden nein Iterativer Austausch mit Anfragenden zur Weiterentwicklung des Modells Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Bod en 175 BMEL/TI Betr iebs wirt scha ft Textdokumente aus Schlachthöfen mit Befunddaten über einzelne Organe des Tieres Scans von Schlachthofbef unddaten zweckgebu nden nein Iterativer Austausch mit Anfragenden zur Weiterentwicklung des Modells 176 BMEL/BVL 1 Webseiten von Suchmaschinenerg ebnissen Webseiten von Onlineshops frei nutzbar Entscheider*innen werden beraten durch Personen mit der Qualifikation mindestens eines Masterstudiums der Informatik System wurde noch nicht in Routinebetrieb übernommen 177 BMEL/BVL Alle verm. öffentlich über Internet verfügbar verm. öffentlich über Internet verfügbar frei nutzbar Interne Vorgabe zur Nutzung sowie Sensibilisierung zu Risiken durch ISB / DSB Interne Vorgabe zur Nutzung sowie Sensibilisierung zu Risiken durch ISB / DSB 178 BLE 5 Ergebnisse von vorherigen Kontrollen, vorherige Anmeldungen, festgelegte Kontrollquoten und Bagatellgrenzen' zweckgebu nden Teil der Einarbeitung zum Qualitätskontrolleur, Regelmäßige Schulungen bei Prüfertagung und per Nutzerhandbuch -intern: Einarbeitung zum Qualitätskontrolleur, Regelmäßige Schulungen bei Prüfertagung und per Nutzerhandbuch extern: per Nutzerhandbuch 179 BMEL 117 (Spr ach endi enst ) nicht bekannt nicht bekannt Übersetzerstudium Übersetzerstudium 180 BMEL / BfR 7 Stoff- Datenbanken, div. QSAR Modelle Proprietäre Modelle zweckgebu nden Webinare, Allg. toxikologische Ausbildung; spezielle Fortbildungen (u.a. angeboten von ECHA (OECD QSAR Webinare, Allg. toxikologische Ausbildung; spezielle Fortbildungen (u.a. angeboten von ECHA Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Toolbox) bzw. Lhasa (für Derek/Sarah) (OECD QSAR Toolbox) bzw. Lhasa (für Derek/Sarah) 181 BMEL / BfR 7 öffentlich verfügbare Programme (z.B. OECD QSAR- Toolbox) und kommerzielle Programme (z.B. Derek/Sarah Nexus von Lhasa Lmt.) Für OECD- Toolbox: Regeln entsprechend publizierter Studien; Statistische Daten basiert auf öffentlich verfügbarer Datenbasis Für Derek/Sarah: vom Anbieter hinterlegte Datenbasis, Entscheidungs basis für jede Bewertung einsehbar frei nutzbar Expertise der Anwender; Abstimmung mit anderen Experten; Plausibilisierung der Ergebnisse auf Basis wissenschaftlicher Guidelines (z.B. EFSA/ECHA) Wissenstransfer zwischen den Experten am BfR sowie mit externen Experten; Literatur 182 BMEL / BfR 7 in Datenbanken zu Endokrine Disruptoren (z.B. OASIS, Toxcast) Datenbanken wie z.B. Toxcast, ECHA REACH frei nutzbar Abstimmung mit Experten/ Kommissionsmitgliedern bisher keine 183 BMEL / BfR 7 in Datenbanken vorhand. Daten zu Nanomaterialien (phys.chem. Eigenschaften, Toxizität) Teilset der Daten frei nutzbar Entwicklung in EU Forschungsprojekt, Abstimmung mit Experten im Konsortium Entwicklung im Rahmen eines Forschungsprojekts, bisher keine Nutzer 184 BMEL / BfR 7 und 4 in Datenbanken vorhand Daten zu Nanomaterialien (Omics Daten) Teilset der Daten frei nutzbar Entwicklung in EU Forschungsprojekt, Abstimmung mit Experten im Konsortium Entwicklung im Rahmen eines Forschungsprojekts, bisher keine Nutzer Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 185 BMEL / BfR 9 PubMed Datenbank Vortrainiertes Netzwerk (BioBERT), eigener annotierter Textcorpus frei nutzbar Die Anwenderinnen und Anwender werden zum einen über Vorträge auf wissenschaftlichen Veranstaltungen geschult. Darüber hinaus werden Schulungen für wissenschaftliche Einrichtungen, Tierschutzbeauftragten und Genehmigungsbehörden angeboten. Zudem werden die Ergebnisse in wissenschaftlichen Fachzeitschriften publiziert 186 BMEL / BfR 9 eigene Videoaufnahmen Vortrainiertes Netzwerk (resnet_50) und eigene Videoaufnahm en, frei nutzbar wissenschaftliche Fachexpertise keine weiteren Nutzer 187 BMEL / BfR 4 interne und externe Datenquellen open source and open data Ressourcen frei nutzbar geplant geplant 188 BMEL / BfR 6 chemische Struktur Toxizitätsdaten von Chemikalien frei nutzbar Hochschulabschluss, mind. 3 Jahre Berufserfahrung, regelmäßige Schulung Hochschulabschluss, regelmäßige Schulung 189 BMEL / BfR 6 chemische Struktur sonstiges Hochschulabschluss Hochschulabschluss, regelmäßige Schulung 190 BMEL / BfR 6 chemische Struktur Toxizitätsdaten von Chemikalien frei nutzbar Hochschulabschluss, mind. 3 Jahre Berufserfahrung, regelmäßige Schulung Hochschulabschluss, regelmäßige Schulung 191 BMEL / BfR 3 Scopus Datenbank Scopus Datenbank frei nutzbar wissenschaftliche Fachexpertise keine weiteren Nutzer 192 BMEL / BfR 3 eigene Videoaufnahmen Vortrainierte Bilderkennung smodelle zweckgebu nden wissenschaftliche Fachexpertise bisher nicht geplant Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer (CNN) und eigene Videoaufnahm en 193 BMEL / BfR 6 PubMed und andere Datenbanken interne und externe Datenquellen frei nutzbar Entwicklung in EU Forschungsprojekt, Abstimmung mit Experten im Konsortium Entwicklung im Rahmen eines Forschungsprojektes und Schulung der Anwender geplant 194 BMEL / BfR 6 interne und externe Datenquellen frei nutzbar Entwicklung in EU Forschungsprojekt, Abstimmung mit Experten im Konsortium Entwicklung im Rahmen eines Forschungsprojektes und Schulung der Anwender geplant 195 BMF BZS t Sowohl interne als auch frei zugängliche externe Datenquellen Textanalyse: generische Texte zur Verbesserung der Modelle; Zuständigkeits vorhersage aufgrund von historischen Zuständigkeite n zweckgebu nden Entscheider*innen wurden frühzeitig an der (Software)Entwicklung beteiligt und geschult, um die Ergebnisse der Modelle verstehen und für ihre Entscheidungen nutzen zu können. Nutzer und Nutzerinnen werden fortlaufend geschult sowie Feedback- Mechanismen zur ständigen Verbesserung etabliert. 196 BMF BZS t FAQs, weitere Datenquellen und durch den Mensch, vordefinierte Fachantworten zu den vorg. Themengebieten aufgezeichnete anonymisierte Konversatione n; FAQs, weitere Datenquellen und durch den Mensch vordefinierte Fachantworten zu den vorg. Themengebiete n frei nutzbar Entscheider*innen wurden frühzeitig an der Chatbot- Entwicklung beteiligt. Schulung: Anwendersicht Funktion und Chatbottraining Nutzer und Nutzerinnen (im BZSt: Chatbot-Redaktion) werden fortlaufend geschult im Bereich Chatbottraining und redaktionellen Tätigkeiten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer 197 BMF BZS t Als Datenbasis dienen frei zugängliche und durch die Suche nach unternehmerische r Aktivität gefundene und Webseiten. Für Funktionen des maschinellen Lernens können dem System Xpider heruntergelade ne Webseiten vorgegeben werden. frei nutzbar E-Commerce Schulung BFA E-Commerce Schulung BFA 198 BMF Hau shal t 199 BMF ITZ Bun d Die mit dem Bot geführten Konversationen werden von einem Redaktionsteam manuell nachbearbeitet und dann für das Training des Bots herangezogen. Ziel ist die bessere Erkennung und Zuordnung von Störungsbildern zu den hinterlegten Lösungen. aufgezeichnete anonymisierte Konversatione n; FAQs, weitere Datenquellen und durch den Mensch vordefinierte Fachantworten zu den vorg. Themengebiete n intern gemäß der rechtlichen Zweckbind ung erhoben und in regelmäßig en Abständen per CronJob gelöscht. Das eingesetzte System wurde nicht ausgewählt, sondern ist Teil der Dienstekonsolidierung des BMI. Das Personal des einsetzenden Fachbereichs wurde für den Einsatz des Systems entsprechend geschult. Das Personal des einsetzenden Fachbereichs wurde für den Einsatz des Systems entsprechend geschult. 200 BMF ITZ Bun d FAQs, weitere Datenquellen und durch den Mensch, vordefinierte Fachantworten zu den vorg. Themengebieten aufgezeichnete anonymisierte Konversatione n, Erkenntnisse aus z.B. Zielgruppenan alysen werden frei nutzbar Schulung: Anwendersicht Funktion und Chatbottraining Statistik Nutzer und Nutzerinnen wurden geschult im Bereich Chatbottraining und redaktionelle Tätigkeit Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer eigenständig aktualisiert 201 BMF ITZ Bun d - open Source Daten - open Source Modelle open source Daten frei nutzbar System dient der Beratung, d.h. Entscheider/-innen werden durch Beratungsservice direkt beraten Umsetzung eines usecases wird in einem Folgeprojekt wird mit Schulungsmaßnahmen begleitet (nicht Gegenstand AI Service HUB) System dient der Beratung, d.h. Nutzende werden durch Beratungsservice direkt beraten Umsetzung eines use-cases in einem Folgeprojekt wird mit Schulungsmaßna hmen begleitet (nicht Gegenstand AI Service HUB) 202 BMF ITZ Bun d Vorhandenes Wissen der Sprachmodelle und perspektivisch auch Anbindung individueller Wissensdatenbank en Kein eigenes Training; nur Verwendung von Open- Source- Sprachmodelle n von Dritthersteller n sonstiges Change Management und Schulung durch die Behörde im Rahmen des dortigen Einführungsprojekts; Beistellungen von KIPITZ: Nutzungseinweisung und FAQs Change Management und Schulung durch die Behörde im Rahmen des dortigen Einführungsprojekts; Beistellungen von KIPITZ: Nutzungseinweisung und FAQs 203 BMF GZ D vom Inhaber der Entscheidung während der Antragstellung und von den Zollbeamten während einer Beschau bereitgestellte Abbildungen Feedback der Nutzenden Noch nicht begonnen Sind derzeit nicht geplant. Für die Entwicklung der Anwendung sind Kompetenzen in den agilen Methoden der Softwareentwicklung notwendig. Grundlegende Kenntnisse wurden durch einen Workshop aufgebaut. Es sind in der Planungsphase keine Schulungen angedacht. Die Notwendigkeit wird im Rahmen der agilen Entwicklung jedoch weiter betrachtet und bewertet. Eine Schulung und damit verbundener Kompetenzaufba u ist aktuell nicht angedacht. Die Notwendigkeit wird im Rahmen der agilen Entwicklung jedoch weiter betrachtet und bewertet. 204 BMF GZ D durch den Mensch vordefinierte Die Grundlage der zweckgebu nden Die Beschaffung der KI- Komponente zur Erkennung Die Beschaffung der KI- Komponente zur Nutzer und Nutzerinnen wurden geschult im Bereich Redakteure erhalten für die Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Fachantworten zu den vorgegebenen Themengebieten Trainingsdaten bilden durch Redakteure der Fachredaktion selbst erstellte Fragebeispiele sowie ausgewählte Nutzereingabe n allgemeiner Art (ohne Personenbezug ). der Anfrageintuition lag in der Zuständigkeit des IT- Dienstleisters (ITZBund). Erkennung der Anfrageintuition und ggf. Komppetenzaufbau liegt in der Zuständigkeit des IT- Dienstleisters (ITZBund). Chatbottraining und redaktionelle Tätigkeit Erstellung von Inhalten und das Trainieren der KI-Komponente für die eingesetzten Chatbots/Voiceb ot immer eine initiale Einweisung durch den IT- Dienstleister. 205 BMF GZ D Echtdaten im System Echtdaten im System (Vorgangsdate n, Anmeldungsda ten, Beschaubewert ungen der Zollverwaltung ) und manuelle Entscheidunge n des Risikoanalysete ams in nicht eindeutigen Fällen zweckgebu nden Die Entscheider*innen wurden bei Auswahl und Bewertung der KI- Komponente durch den IT-Dienstleister (ITZBund) beraten. Die KI- Komponente wurde mit Hilfe gemeinsamer Workshops im Zeitraum 2017-2018 entwickelt. Durch Entscheider und IT- Dienstleister. Stetige Evaluierung bzgl. Schulungsbedarf Interne Schulungsmaßna hmen mit dem IT-Dienstleister 206 BMF GZ D Echtdaten im System i.V.m. Risikoregeln Echtdaten im System (Vorgangsdate n, Anmeldungsda ten, Beschaubewert ungen der zweckgebu nden Die Entscheider*innen wurden bei Auswahl und Bewertung der KI- Komponente durch den IT-Dienstleister (ITZBund) beraten. Die KI- Komponente wurde mit Hilfe gemeinsamer Workshops im Durch Entscheider und IT- Dienstleister. Stetige Evaluierung bzgl. Schulungsbedarf Interne Schulungsmaßna hmen mit dem IT-Dienstleister Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer Zollverwaltung ), manuelle Entscheidung des Risikoanalysete ams und Ergebnisse der Beschaubefund e der letzten sechs Monate im Falle von Risikosetzunge n Zeitraum 2014-2015 entwickelt. 207 BMF GZ D Datenbasis sind allein die eingehenden Geldwäscheverdac htsmeldungen, Ergebnisse sind Wahrscheinlichkei tsprognosen der Risikofeldzugehöri gkeit und Werthaltigkeit. Informationen aus den eingehenden Geldwäschever dachtsmeldung en (Verpflichteter, Statistiken über gemeldete Personen und Organisationen , Transaktionsda ten), Statistiken über Vorhandensein und Anzahl von Grundrecherch etreffern sowie enthaltener Sachverhaltste xt, Anhangstexte, zweckgebu nden Es erfolgen regelmäßige Information und Aufklärungen durch hauseigene (FIU-interne) Experten. Weiterer Aufbau des Data-Science- Arbeitsgebietes der FIU Durch Entscheider und IT- Dienstleister. Stetige Evaluierung bzgl. Schulungsbedarf Fortlaufend weitere Einweisungen in neue Funktionalitäten sowie für neue Kolleg*Innen Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer enthaltene textuelle Hinweise an die FIU und Kategorisierun gen (Labeling) der FIU 208 BMF GZ D Aufgriffsdatenban k/Statistik Positiv- und Negativkontrol len zweckgebu nden Es erfolgen regelmäßige Information und Aufklärungen durch hauseigene (DVI.A.-interne) Experten. Grundlegendes Verständnis Durch eine zu konzipierende Schulung. Fortlaufend weitere Einweisungen in neue Funktionalitäten sowie für neue Kolleg*Innen 209 BMF GZ D Expertenbasierte Risikoprofile (initial) k.A. zweckgebu nden Es erfolgen regelmäßige Information und Aufklärungen durch hauseigene (DVI.A.-interne) Experten. Grundlegendes Verständnis Durch eine zu konzipierende Schulung. Fortlaufend weitere Einweisungen in neue Funktionalitäten sowie für neue Kolleg*Innen 210 BMF GZ D Datenbank aus Fotos von Schiffscontainer- Siegeln Positiv- und Negativkontrol len Noch nicht begonnen Es erfolgen regelmäßige Information und Aufklärungen durch hauseigene (DVI.A.-interne) Experten. Grundlegendes Verständnis Durch eine zu konzipierende Schulung. Fortlaufend weitere Einweisungen in neue Funktionalitäten sowie für neue Kolleg*Innen 211 BMF GZ D Echtdaten im System und vordefinierte Bewertungsregeln Echtdaten im System (Vorgangsdate n, Kontroll-, Prüfungsergeb nisse usw.) der Zollverwaltung . Daten aus eingriffsintensi zweckgebu nden Das geplante System wird durch den IT-Dienstleister beraten. Es ist die Konzipierung von Schulungen für die späteren Nutzer vorgesehen. Zu konzipierende Schulung. Durch eine zu konzipierende Schulung. Fortlaufend durch interne Schulungen und dienstbegleitend e Evaluierungen. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer ven Maßnahmen werden nicht verwendet. Zudem sind selbstlernende Systeme zur Risikobewertu ng von Personen ausgeschlossen. 212 BMF GZ D Ergebnisse sind immer die relevanten Dienstleistungen, welche im Zoll- Portal verfügbar sind. Ein KI- Algorithmus lernt aus Echtbetriebsda ten, welche Begriffe als Suchanfrage eingegeben und welche Dienstleistung danach tatsächlich besuchten wurden, und optimiert das Benotungssyst em automatisch. Die relevanten Dienstleistunge n werden erneut benotet bzw. umsortiert und die für den Nutzer zweckgebu nden Auf Grundlage der fachlichen Anforderungen zu einer nutzerfreundlichen Suche für das Zoll-Portal hat das ITZBund auf Basis der bereits im ITZBund im Einsatz befindlichen Suchtechnologie von Solr einen KI- Algorithmus entwickelt. Einstellung des Algorithmus obliegt dem ITZBund. Die intelligente Suche des Zoll-Portals ist Teil der Usability-getriebenen Umsetzung und erfordert keine Schulung für Nutzerinnen und Nutzer. Vielmehr ist ein intuitives und nutzerfreundliches Bedienen das Ziel. Das Werkzeug ist auf die Fähigkeiten der Nutzerinnen und Nutzer zugeschnitten gestaltet. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Datenbasis der Ergebnisse Trainingsdate n bei ML Angaben zur Datenerhe bung Schulung der Entscheiderinnen und Entscheider Kompetenzaufbau Entscheiderinnen und Entscheider Schulung der Nutzerinnen und Nutzer Kompetenzaufb au Nutzerinnen und Nutzer tatsächlich relevantesten Ergebnissen werden zuerst angezeigt. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 1c: Anwendungsfälle von KI in Bundesministerien und nachgeordneten Behörden (Antwort zu den Fragen 1i-1k) Hinweis: Die Nummerierung entspricht der Anlage 1a. Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 1 AA 1 Ja, Keine Erhöhung des Energieverbrauchs durch KI-Nutzung, Cloud-Dienst innerhalb der Cloud-Plattform; Nutzung der KI-Services aus Cloud-Plattform in Rechenzentren (Gebäude) mit Nachhaltigkeitszertifizierung nach ISO 14001 und ISO 50001; Nutzung eines Produktes mit strategischem Commitment zur Klimaneutralität entlang der Wertschöpfungskette bis 2030 nicht genutzt entfällt entfällt entfällt 2 BMAS Z IT-Verfahren berücksichtigt die grundlegenden Vorgaben (Green-IT) in der Bundesverwaltung. Aspekte der Energieeffizienz waren Bestandteil der europaweiten Ausschreibung und sind in die Bewertung eingeflossen. nicht genutzt entfällt Für die spezifischen Anpassungen/Trainings kam eigenes Personal entsprechend der jeweiligen vergütungs- /besoldungsrechtlichen Regelwerke zum Einsatz (TVÖD, Bundesbesoldungsgesetz ). Kontrolle erfolgt im Rahmen der Ausschreibung/Vergabe und während Projektumsetzung. 3 BMAS G Noch keine, da Prototyp. Kein eigenes Training. Keine eigene Kontrolle. Es wird derzeit geprüft, inwiefern andere LLM als Basis der Anwendung genutzt werden können. Projekt ist noch in der Explorationsphase. 4 BMAS D Energieeffizienz (CO2-neutrale Rechenzentren) wurde berücksichtigt Vor der Nutzung wird sichergestellt, dass keine urheberrechtlich geschützten Inhalte Kontrolle erfolgt im Rahmen der Ausschreibung/Vergab Bearbeitung durch Redaktionsteam sowie eigenes Personal Kontrolle erfolgt im Rahmen der Ausschreibung/Vergabe Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl ohne entsprechende Lizenz oder Genehmigung verwendet werden. e und während Projektumsetzung. und während Projektumsetzung. 5 BAuA Fac hbe reic h 2 Energieverbräuche durch die Anwendung sind nicht erfassbar Es findet keine Speicherung von Daten über den Prozess des Data-Mining hinaus statt, anschließend nur die Verwendung von aggregierten Daten Prüfung der rechtlichen Zulässigkeit wurde vorgenommen keine personenabhängiges Training erforderlich, Bearbeitung durch Angestellte des öffentlichen Dienstes Eigenentwicklung aus Forschungsprojekt der BAuA 6 BAuA Fac hbe reic h 2 Energieverbräuche durch die Anwendung sind nicht erfassbar Daten des eigenen Geschäftsbereichs Die Analyse dieser Daten ist Teil der hoheitlichen Aufgaben der BAuA Bearbeitung durch Angestellte des öffentlichen Dienstes Eigenentwicklung aus Forschungsprojekt der BAuA 7 BfArM 9 nicht verpflichtend zu berücksichtigen Ausschließlich Nutzung eigener Daten entsprechend der gesetzlichen Grundlagen Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 8 BfArM 9 nicht verpflichtend zu berücksichtigen Ausschließlich Nutzung eigener Daten entsprechend der gesetzlichen Grundlagen Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 9 BfArM 9 nicht verpflichtend zu berücksichtigen Ausschließlich Nutzung eigener Daten entsprechend der gesetzlichen Grundlagen Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 10 BfArM 5 Energieverbrauch während des Trainings im Rahmen des Üblichen zum Betrieb eines KI- Rechners. Im Falle des Einsatzes als Produktivsystem vernachlässigbar. Ausschließlich Nutzung eigener Daten entsprechend der gesetzlichen Grundlagen Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 11 BfArM 1 nicht verpflichtend zu berücksichtigen Nutzung eigener, bzw. gekaufter Daten Nutzung der Daten ist vertraglich geregelt Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 12 BfArM 1 nicht verpflichtend zu berücksichtigen Nutzung eigener, bzw. gekaufter Daten Nutzung der Daten ist vertraglich geregelt Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 13 BfArM 9 nicht verpflichtend zu berücksichtigen Ausschließlich Nutzung eigener Daten entsprechend der gesetzlichen Grundlagen Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. 14 BfArM 9 nicht verpflichtend zu berücksichtigen Ausschließlich Nutzung eigener Daten entsprechend der gesetzlichen Grundlagen Es wird möglichst Open- Source verwendet. Eine Vorort-Kontrolle ist nicht möglich. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 15 DPMA Abt. 2.4 - Planung und Betrieb der RZ-Infrastruktur berücksichtigt verpflichtend Nachhaltigkeitsaspekte - Energieverbrauch für KI-Lösung lässt sich nicht von anderen Anwendungen trennen da gemeinsame Hardware (Rechner, Storage, Network) verwendet wird. nein (ausschließlich Patentdokumente) Fehlanzeige Das Training geschieht größtenteils automatisiert auf Basis der vorhandenen Dokumente und Ergebnisse. Darüber hinaus sind nur Mitarbeiterinnen und Mitarbeiter des DPMA beteiligt. Fehlanzeige 16 DPMA Abt. 2.4 - Planung und Betrieb der RZ-Infrastruktur berücksichtigt verpflichtend Nachhaltigkeitsaspekte - Energieverbrauch für KI-Lösung lässt sich nicht von anderen Anwendungen trennen da gemeinsame Hardware (Rechner, Storage, Network) verwendet wird. nein (ausschließlich Patentdokumente) Fehlanzeige Das Training geschieht größtenteils automatisiert auf Basis der vorhandenen Dokumente und Ergebnisse. Darüber hinaus sind nur Mitarbeiterinnen und Mitarbeiter des DPMA beteiligt. Fehlanzeige 17 DPMA Abt. 2.4 - Planung und Betrieb der RZ-Infrastruktur berücksichtigt verpflichtend Nachhaltigkeitsaspekte - Energieverbrauch für KI-Lösung lässt sich nicht von anderen Anwendungen trennen da gemeinsame Hardware (Rechner, Storage, Network) verwendet wird. derzeit nein (ausschließlich Patentdokumente und interne Dokumente des DPMA) Fehlanzeige Das Training wurde von der WIPO durchgeführt. Fehlanzeige 18 BMUV T Keine Nicht bekannt Nein Nicht bekannt Nein 19 BMUV/UBA KI- Lab Selbstverpflichtung zum Tracken von CPUh und GPUh nein proaktives Erstellen von Datenschutzkonzepte n zu jedem KI-Projekt am UBA Vergütung nach TVöD ja 20 BMUV/UBA I 1.7 für dieses externe Forschungsprojekt wurden keine Nachhaltigkeitskriterien erfasst nein proaktives Erstellen von Datenschutzkonzepte n zu jedem KI-Projekt am UBA Vergütung nach TVöD oder besser ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 21 BMUV/UBA KI- Lab Selbstverpflichtung zum Tracken von CPUh und GPUh; Optimierung von Performance nein proaktives Erstellen von Datenschutzkonzepte n zu jedem KI-Projekt am UBA Vergütung nach TVöD ja 22 BMUV/UBA KI- Lab Selbstverpflichtung zum Tracken von CPUh und GPUh nein proaktives Erstellen von Datenschutzkonzepte n zu jedem KI-Projekt am UBA Vergütung nach TVöD ja 23 BfS UR in Planung Eigentümer der verwendeten Daten sind Bundes- und Landesbehörden und - Institutionen. ja ja Ja, die Systeme werden durch das BfS entwickelt und programmiert. 24 BMUV/BfS WR Die Implementierung des Moduls erfolgte durch den Hersteller im Rahmen der Firmeninternen Weiterentwicklung der Software. Das Unternehmen hat eine Reihe von Maßnahmen, wie die Entwicklung einer Nachhaltigkeitsstrategie getroffen und hat das Zertifikat / Siegel "gesicherte Nachhaltigkeit" durch das Deutschen Instituts für Nachhaltigkeit & Ökonomie erhalten. nein Im Rahmen der Nachhaltigkeitsstrategie des Herstellers werden auch soziale Aspekte berücksichtigt. 25 BMUV/BfS WR Die Implementierung des Moduls erfolgte durch den Hersteller im Rahmen der Firmeninternen Weiterentwicklung der Software. Das Unternehmen hat eine Reihe von Maßnahmen, wie die Entwicklung einer Nachhaltigkeitsstrategie getroffen und hat das Zertifikat / Siegel "gesicherte Nachhaltigkeit" durch das Deutschen Instituts für Nachhaltigkeit & Ökonomie erhalten. nein Im Rahmen der Nachhaltigkeitsstrategie des Herstellers werden auch soziale Aspekte berücksichtigt. 26 BfS RN in Planung nein ja, TVÖD bzw. Beamtenbesoldung; Arbeitsschutz wird eingehalten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 27 BMUV/BfS RN in Planung nein ja, TVÖD bzw. Beamtenbesoldung; Arbeitsschutz wird eingehalten 28 BMUV/BfS RN in Planung nein nicht relevant das Verfahren wird vom ITZBund angeboten das Verfahren wird vom ITZBund angeboten 29 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 30 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 31 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 32 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 33 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 34 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 35 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 36 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 37 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 38 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 39 BMZ Nicht erfasst Nicht erfasst Nicht erfasst 40 BArch Nicht explizit berücksichtigt Nein Entfällt Entwicklung durch MitarbeiterInnen des BArch Entfällt 41 BArch Nicht explizit berücksichtigt Nein entfällt Entwicklung durch MitarbeiterInnen des BArch Entfällt 42 BMWK Z, VI Keine verpflichtende Berücksichtigung. Für die Entwicklung des Prototypen wurde bewusst auf ein deutsches/europäisches Modell gesetzt Das Training eines Modells ist nicht Teil der Entwicklung des Prototypen (siehe Frage 1b)). Für die Entwicklung des Prototypen wurde bewusst auf ein Modell eines deutschen/europäischen Anbieters gesetzt. Das Training eines Modells ist nicht Teil der Entwicklung des Prototypen (siehe Frage 1b)). Für die Entwicklung des Prototypen wurde bewusst auf ein Modell eines Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl deutschen/europäischen Anbieters gesetzt. 43 BMWK / BAFA 4, 6 nein 44 BMWK / BAFA 5 nein 45 BMWK/BGR B1 keine 46 BMWK/BGR B1 Schnelligkeit / Personalressourcen 47 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien nein nicht notwendig, da ausschließlich frei verfügbare Daten genutzt werden Bearbeitung erfolgt nur durch Personal des Bundes 48 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien nein nicht notwendig, da ausschließlich frei verfügbare Daten genutzt werden Bearbeitung erfolgt nur durch Personal des Bundes 49 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien nein nicht notwendig, da ausschließlich frei verfügbare Daten genutzt werden Bearbeitung erfolgt nur durch Personal des Bundes 50 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien nein nicht notwendig, da ausschließlich frei verfügbare Daten genutzt werden Bearbeitung erfolgt nur durch Personal des Bundes 51 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien Nein Bearbeitung erfolgt nur durch Personal des Bundes 52 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien Nein Bearbeitung erfolgt nur durch Personal des Bundes 53 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien Nein Bearbeitung erfolgt nur durch Personal des Bundes 54 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag nein nicht notwendig, da ausschließlich frei Bearbeitung erfolgt nur durch Personal des Bundes Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien verfügbare Daten genutzt werden 55 BMWK/BGR B2 keine, Anwendung läuft auf einem Standardserver (über Rahmenvertrag beschafft); keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien nein nicht notwendig, da ausschließlich frei verfügbare oder behördliche Daten genutzt werden Bearbeitung erfolgt nur durch Personal des Bundes 56 BMWK/BGR B2 keine Verpflichtung hinsichtlich Nachhaltigkeitskriterien frei zugängliche Daten des DWD und LHW 57 BMWK/BGR B3 nein teilweise ja, Nutzung vorerst nur intern ja geplant 58 BMWK/BGR B4 Sukzessive Verbesserung der zeitnahen Bereitstellung automatisierter Erdbebeninformationen; nein nein nein N/A nein 59 BMWK/BGR B4 Nutzung von Archiv- und Inventardaten und EU-Copernicus-Daten statt Eigenerhebung nein nein, da Verwendung ausschließlich offener Daten nicht zutreffend nicht zutreffend 60 BMWK/BGR B4 Nutzung von EU-Copernicus Daten; cloud computing nein nein, da Verwendung ausschließlich offener Daten nicht zutreffend nicht zutreffend 61 BMWK/PTB Abt 8 Nein n/a 62 BMWK/PTB AG 7.21 möglicherweise 63 BMWK/PTB FB 6.2 Nein n/a 64 BMWK/PTB FB 6.2 Nein n/a 65 BMWK/PTB FB 6.2 Nein n/a 66 BMWK/PTB FB 7.5 Nein n/a 67 BMWK/PTB FB 8.1 Nein n/a 68 BMWK/PTB FB 9.4 möglicherweise Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 69 BMWK/PTB FB 9.4/ Q.4 Nein n/a 70 BMWK/PTB FB 9.4 möglicherweise 71 BMWK/PTB Q.4 72 BMWK/BAM 1 Energieverbrauch untergeordnet; erhebliche Energieeinsparung bei erfolgreicher Nutzung in der Prozessindustrie keine nein n.z. n.z. 73 BMWK/BAM 6 nein / nein keine nein n.z. n.z. 74 BMWK/BAM 6 Die erhöhte Effizienz in der Versuchsplanung, Beschleunigung der Materialentwicklung und Ressourceneffizienz (gezielte Optimierung der Materialeigenschaften) übertreffen bei weitem die dafür benötigte Rechenleistung. keine nein n.z. n.z. 75 BMWK/BAM 6 Keine. Nein. keine nein n.z. n.z. 76 BMWK/BAM 7 keine keine nein n.z. n.z. 77 BMWK/BAM 8 Wir verwenden KI, um den Klimaschutz zu unterstützen keine nein n.z. n.z. 78 BMWK/BAM 8 Wir verwenden KI, um den Klimaschutz zu unterstützen keine nein n.z. n.z. 79 BMWK/BAM 8 keine keine nein n.z. n.z. 80 BMWK/BAM 9 keine keine nein n.z. n.z. 81 BMWK/BAM 9 keine keine nein n.z. n.z. 82 BMWK/BAM 8 und 9 keine keine nein n.z. n.z. 83 BMWK/BAM 8 Keine Nachhaltigkeitskriterien wurden berücksichtigt keine nein n.z. n.z. 84 BMWK/BAM 8 keine keine nein n.z. n.z. 85 BMWK/BAM S keine keine nein n.z. n.z. 86 BMBF 1 beim ML-Training wird darauf geachtet, dass die genutzten Ressourcen durch erneuerbare Energien betrieben werden ja Vertragliche Vorgaben ja kA Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 87 BMBF alle keine Beim Nachtrainieren der Open-Source- Sprachmodelle werden ausschließlich DIP- Daten des Bundestags verwendet ja FA n.z. 88 BMBF alle keine nein n.z. n.z. 89 BMBF alle keine nein n.z. n.z. 90 BMDV / BfG M2 Vergleich mit traditionellen Methoden, nicht verpflichtend erforderlich nein nein nein 91 BMDV / BfG M2 Vergleich mit traditionellen Methoden, nicht verpflichtend erforderlich nein nein nein 92 BMDV / BfG M5 / U3 nein nein nein 93 BMDV / BfG M5 / U3 Vergleich mit klassischen ML Methoden; nicht verpflichtend nein nein nein 94 BMDV / BfG M5 / U3 nein nein nein 95 BMDV / BfG U4 nein nein nein 96 BMDV / BfG M1, M3, U2 nein nein nein 97 BMDV / BfG M1, Z2 Vergleich mit klassischen ML Methoden; nicht verpflichtend nein nein nein 98 BMDV / BfG M5 nein nein nein 99 BMDV / BfG G3, Z2 nein nein nein 100 BMDV / BfG G2 nein nein nein 101 BMDV / BfG M2 Vergleich mit deterministischen Modellen; nicht verpflichtend nein nein nein 102 BMDV / BfG U4 nein nein nein 103 BMDV / BfG U3 nein nein nein 104 BMDV / BALM Kon troll x Nutzung einer urheberrechtsgeschützte n Software nein x x Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl dien ste 105 BMDV / BAV I / nein / / / 106 BMDV / BAV Z, I, II, III / nein / / / 107 BMDV / BAV alle / nein / / / 108 BMDV / BAW Geo tech nik 109 BMDV / BAW Bau tech nik 110 BMDV / BAW Was serb au im Bin nen bere ich Energieverbrauch der Binnenschiffe, ja 111 BMDV / BSH MD Z Es handelt sich um eine Anwendung, die im BSH eigenem RZ betrieben wird. Damit keine gesonderten Nachhaltigkeitskriterien. nein nicht notwendig die DL (Fa. PD) sind aus dem Beratungsunternehmen der öffentlicher Hand. Gesellschafter der Fa. PD (DL) sind der Bund, Länder, Kommunen, Körperschaften und Anstalten des öffentlichen Rechts sowie weitere öffentliche Organisationen, Institutionen und zwei Beteiligungsvereine. Sie kontrollieren über ihre Stimmrechte und Mitwirkungspflichten die Arbeit der PD. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 112 BMDV / BSH MD Z noch nicht berücksichtigt, da zurzeit noch Evaluation durchgeführt wird nein nicht notwendig nicht relevant, weil BSH-interne Entwicklung nicht relevant 113 BMDV / BSH M Keine Nein Ja, Nutzungsvertrag Ja Ja, Eigenentwicklung 114 BMDV / BSH N Im Rahmen der Bearbeitung des zugrunde liegenden F&E-Projekts wurden keine derartigen Kriterien erfasst. nein keine Angaben möglich 115 BMDV / BSH N Im Rahmen der Bearbeitung des zugrunde liegenden F&E-Projekts wurden keine derartigen Kriterien erfasst. nein keine Angaben möglich 116 BMDV / BSH Schi ffah rt Verbesserung von Sicherheit und Umweltschutz aktuell nicht n.a. n.a. Anwendung der Schiffsausrüstungsrichtli nie (MED) und im Rahmen der KI-VO 117 BMDV / DWD FE / KU Entwicklungen auf KI-Basis können zu Verbesserungen entlang der gesamten Wertschöpfungskette des DWD führen. Die Operationalisierung solcher Entwicklungen findet im Rahmen gut-definierter Prozesse statt, und unterliegt dem Qualitätsmanagement des DWDs. Hierbei werden Nachhaltigkeitskriterien wie z.B. Kapazität der vorhandenen IT Infrastruktur (inkl. Energieverbrauch) mitberücksichtigt. Nein. Wissenschaftliche, zweckgebunden Daten. KI-Verfahren werden derzeit im Hause entwickelt. 118 BMDV / FBA übe rgre ifen d noch offen noch offen noch offen noch offen noch offen 119 BMDV / WSV U13 Es wurden keine Nachhaltigkeitskriterien erfasst. Diese waren nicht verpflichtend zu berücksichtigen. nein - Ja - 120 BAMF 7, 2 Energieeffizienz und -verbrauch werden grundsätzlich in der KI-Entwicklung berücksichtigt u.a. durch Reduktion der Modellkomplexität (Small Language Models), Minimierung der zur Entwicklung verwendeten Daten sowie umfassende Unit- und Integrationstests für das KI-System, Kein Training auf urheberrechtlich geschützten Daten Basismodelle werden von staatlicher Stelle (Münchener Digitalisierungszentru m der Bayerischen Staatsbibliothek) zur Verfügung gestellt. Eigenes Personal wird nach TV EntgO Bund bzw. BBesO bezahlt, externes Personal nach den im Rahmenvertrag getroffenen Vereinbarungen Basismodelle werden von staatlicher Stelle (Münchener Digitalisierungszentrum der Bayerischen Staatsbibliothek) zur Verfügung gestellt. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl welche eine fehlerfreie Durchführung von Trainingsoperationen garantieren. 121 BMI/StBA C FA FA Mittelbar durch Beschäftigte des StBA, die die Einhaltung statistikrechtlicher Vorgaben beachten. Tarifbindung im StBA Mittelbar durch Beschäftigte des StBA. 122 BMI/StBA C FA FA Mittelbar durch Beschäftigte des StBA, die die Einhaltung statistikrechtlicher Vorgaben beachten. Tarifbindung im StBA Mittelbar durch Beschäftigte des StBA. 123 BMI/BSI OC Die KI Methoden nehmen nur einen kleinen Teil der Verfahren des BSOC ein. Sie werden nicht separat betrachtet nein entfällt 124 BMI/ BKG Geo date n (GD) Aktuell keine verpflichtende Berücksichtigung gültige Lizenzverträge werden beachtet/Urheberrecht des BKG Daten werden nicht raus gegeben, System läuft intern interne Ressourcen durch TVöD und Dienstrecht, bei externen Ressourcen durch Vergaberichtlinien gewährleistet ja 125 BMI/ BKG Geo date n (GD) Aktuell keine verpflichtende Berücksichtigung gültige Lizenzverträge werden beachtet/Urheberrecht des BKG Daten werden nicht raus gegeben, System läuft intern interne Ressourcen durch TVöD und Dienstrecht, bei externen Ressourcen durch Vergaberichtlinien gewährleistet ja 126 BMI/ BKG/ StBa Geo date n (GD) Aktuell keine verpflichtende Berücksichtigung nein interne Ressourcen durch TVöD und Dienstrecht, bei externen Ressourcen durch Vergaberichtlinien gewährleistet ja 127 BMI/BKG Geo dien Es werden nur Kleinstanwendungen mit geringer energetischer Auswirkung verwendet gültige Lizenzverträge werden durch Lizenzverträge gewährleistet Nur interne Ressourcen durch TVöD und nicht notwendig Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl stlei stun gen (GD L) beachtet/Urheberrecht des BKG Dienstrecht gewährleistet 128 BMI/BKG Geo date n (GD) / Geo dien stlei stun gen (GD L) Aktuell keine verpflichtende Berücksichtigung gültige Lizenzverträge werden beachtet/Urheberrecht des BKG durch Lizenzverträge gewährleistet interne Ressourcen durch TVöD und Dienstrecht, bei externen Ressourcen durch Vergaberichtlinien gewährleistet ja, erfolgt in der Behörde 129 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L keine keine nein nicht bekannt nicht bekannt 130 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L keine keine nein nicht bekannt nicht bekannt 131 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L keine keine nein nicht bekannt nicht bekannt 132 BMI/ Bundespolizeip räsidium BPO LD 11 keine keine nein nicht bekannt nicht bekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl EEU BPO L 133 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L keine keine nein nicht bekannt nicht bekannt 134 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L keine keine nein nicht bekannt nicht bekannt 135 BMI/ Bundespolizeip räsidium BPO LD 11 EEU BPO L keine keine nein nicht bekannt nicht bekannt 136 BMI/ Bundespolizeip räsidium 5 Es werden keine Nachhaltigkeitskriterien berücksichtigt Nein / Es werden Dienstleister aus der Wissenschaft eingesetzt, die über Rahmenverträge eingekauft werden / 137 BMI/ Bundespolizeip räsidium 5 Es werden keine Nachhaltigkeitskriterien berücksichtigt Nein / Es werden Dienstleister aus der Wissenschaft eingesetzt, die über Rahmenverträge eingekauft werden / 138 BMI/ Bundespolizeip räsidium 2 keine keine nein nicht bekannt nicht bekannt 139 BMI/ Bundespolizeip räsidium 2 keine keine nein nicht bekannt nicht bekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 140 BMI/ Bundespolizeip räsidium 2 keine keine nein nicht bekannt nicht bekannt 141 BMI/ Bundespolizeip räsidium 6 Nachhaltigkeitskriterien wurden nicht erfasst bzw. berücksichtigt. 142 BKA OE keine Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 143 BKA OE keine Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 144 BKA OE Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 145 BKA OE Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 146 BKA OE keine Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 147 BKA OE keine Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 148 BKA OE OpenSource Tool Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 149 BKA OE keine Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 150 BKA KT bisher nicht berücksichtigt Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 151 BKA KT bisher nicht berücksichtigt Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 152 BKA KT bisher nicht berücksichtigt Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 153 BKA KT bisher nicht berücksichtigt Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 154 BKA OE Keine Angabe Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 155 BKA / BMI ZV nein Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 156 BKA ZI Im Rahmen der Auswahl des GES wurden keine derartigen Kriterien berücksichtigt. Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 157 BKA ZI Im Rahmen der Auswahl des AFIS wurden keine derartigen Kriterien berücksichtigt. Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 158 BKA DI keine Keine Angabe unbekannt bisher nicht berücksichtigt unbekannt 159 BMI KM 3/T HW nein nein ja ja 160 BMEL/JKI JKI- Insti tute für Züc htu ngsf orsc hun g bisher keine, da Einzelfalleinsatz im Rahmen von Forschungsvorhaben nein entfällt ja TVöD 161 BMEL/JKI JKI- Insti tute für Pfla nze nsc hutz und Bod enk und e bisher keine, da Einzelfalleinsatz im Rahmen von Forschungsvorhaben nein entfällt ja TVöD 162 BMEL/JKI JKI- Insti tute für Bien ensc hutz und bisher keine, da Einzelfalleinsatz im Rahmen von Forschungsvorhaben nein entfällt ja TVöD Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl für Stra tegi e und Folg ena bsch ätzu ng 163 BMEL/JKI JKI- Insti tute für Züc htu ngsf orsc hun g bisher keine, da Einzelfalleinsatz im Rahmen von Forschungsvorhaben nein entfällt ja TVöD 164 BMEL/MRI Ern ähr ung sver halt en Datenbank beinhaltet selbst erstellte Fotografien und frei im Internet verfügbare Bilder Absprache mit Datenschutzbeauftragt em ja Tarifverträge des öffentlichen Dienstes 165 BMEL/MRI IT Nein Absprache mit Datenschutzbeauftragt em ja, für vortrainierte Modelle unbekannt, ggf. auch nicht zutreffend, da Modelle aus akademischen Arbeiten verwendet werden Tarifverträge des öffentlichen Dienstes 166 BMEL/MRI NRZ - Aut hen t Es werden bereits vortrainierte Modelle eingesetzt, um weitere Trainingsrechnungen auf ein Minimum zu begrenzen Datenbank beinhaltet selbst erstellte Fotografien, über akademischen Kollaborationen Die Einhaltung des Urheberrechts bei Verwendung von vortrainierten Modellen wird sichergestellt durch ja; für vortrainierte Modelle unbekannt, ggf. auch nicht zutreffend, da Modelle aus akademischen Arbeiten verwendet werden Tarifverträge und Arbeitsschutzbeauftragt e für selbstdurchgeführte Arbeiten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl erhaltene sowie frei verfügbare Bilder ausschließliche Verwendung von Modellen mit nichtrestriktiven Lizenzen, z.B. Apache License 2.0. Geschütztes Bildmaterial wird nur verwendet, so weit es der rechtliche Rahmen erlaubt (rechtliche Beratung wird in Anspruch genommen) 167 BMEL/MRI NRZ - Aut hen t Es werden bereits vortrainierte Modelle eingesetzt, um weitere Trainingsrechnungen auf ein Minimum zu begrenzen Vortrainierte Modelle Die Einhaltung des Urheberrechts bei Verwendung von vortrainierten Modellen wird sichergestellt durch ausschließliche Verwendung von Modellen mit nichtrestriktiven Lizenzen, z.B. Apache License 2.0 für vortrainierte Modelle unbekannt, ggf. auch nicht zutreffend, da Modelle aus akademischen Arbeiten verwendet werden Tarifverträge und Arbeitsschutzbeauftragt e für selbstdurchgeführte Arbeiten 168 BMEL/TI SF bisher wurden dazu keine Daten erhoben nein, Daten/Bilder sind Teil der wiss. Kooperation ja, falls erforderlich Ja System-"Trainer" sind Tarifangestellte nach TVöD 169 BMEL/TI SF bisher wurden dazu keine Daten erhoben nein, Daten/Bilder sind Teil der wiss. Kooperation Ja System-"Trainer" sind Tarifangestellte nach TVöD 170 BMEL/TI WO bisher wurden dazu keine Daten erhoben Nein Klärung zu Beginn der Kooperation Ja System-"Trainer" sind Tarifangestellte nach TVöD 171 BMEL/TI ZI bisher wurden dazu keine Daten erhoben 172 BMEL/TI WO bisher wurden dazu keine Daten erhoben 173 BMEL/TI SF bisher wurden dazu keine Daten erhoben nein, Daten/Bilder sind Teil der wiss. Kooperation Klärung zu Beginn der Kooperation Ja System-"Trainer" sind Tarifangestellte nach TVöD Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 174 BMEL/TI Stab sstel le Kli ma & Bod en bisher wurden dazu keine Daten erhoben nein, Daten/Bilder sind Teil der wiss. Kooperation Klärung zu Beginn der Kooperation ja System-"Trainer" sind Tarifangestellte nach TVöD 175 BMEL/TI Betr iebs wirt scha ft bisher wurden dazu keine Daten erhoben nein, Weitergabe der Daten befindet sich in Klärung Klärung zu Beginn der Kooperation Ja System-"Trainer" sind Tarifangestellte nach TVöD 176 BMEL/BVL 1 Entwicklungen zur Zeit noch nicht so weit fortgeschritten nein ~ ja Training wird ausschließlich von Tarifbeschäftigten durchgeführt 177 BMEL/BVL Alle - - Es findet kein Training statt. Vertrauliche oder personenbezogene Daten dürfen nicht verwendet werden. - - 178 BLE 5 Beschränkung der Häufigkeit der Risikoanalyse (alle 15 Minuten) Kein Machine learning Kein Machine learning Kein Machine learning Kein Machine learning 179 BMEL 117 (Spr ach endi enst ) nicht bekannt nein nicht bekannt nicht bekannt nicht bekannt 180 BMEL / BfR 7 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 181 BMEL / BfR 7 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 182 BMEL / BfR 7 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 183 BMEL / BfR 7 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl 184 BMEL / BfR 7 und 4 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 185 BMEL / BfR 9 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 186 BMEL / BfR 9 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 187 BMEL / BfR 4 keine, nicht verpflichtend Nein nicht zutreffend Ja erfolgt innerhalb der EU 188 BMEL / BfR 6 keine Nein nicht zutreffend Ja erfolgt innerhalb der EU 189 BMEL / BfR 6 keine Nein nicht zutreffend Ja erfolgt innerhalb der EU 190 BMEL / BfR 6 keine Nein nicht zutreffend Ja erfolgt innerhalb der EU 191 BMEL / BfR 3 keine, nicht verpflichtend Ja, da veröffentlichte wissenschaftliche Publikationen verwendet werden, die über Open Access oder BfR zugänglich sind Die zugänglichen Veröffentlichungen können für wissenschaftliche Zwecke verwendet werden Ja erfolgt innerhalb der EU 192 BMEL / BfR 3 keine, nicht verpflichtend Ja Das Videomaterial wurde selbst erzeugt. Ja erfolgt innerhalb der EU 193 BMEL / BfR 6 Minimierung von Tierversuchen verbesserte Risikobewertung (Gesundheitsverbesserung) soziales Wohlbefinden Nein nicht zutreffend Ja erfolgt innerhalb der EU 194 BMEL / BfR 6 weniger Tiernutzung verbesserte Risikobewertung (Gesundheitsverbesserung) soziales Wohlbefinden Nein nicht zutreffend Ja erfolgt innerhalb der EU 195 BMF BZS t Server und Datenspeicherprodukte unterliegenden den Festlegungen der EU- Ökodesign-Richtlinie (Verordnung (EU) 2019/424), d.h. es werden nur IT- Komponenten beschafft, die den Regelungen dieser Richtlinie entsprechen. Die für die Analyse und Auswertung notwendige IT- Infrastruktur wird in den Rechenzentren des ITZBund betrieben. Diese werden, entsprechend der in den angemieteten Co- Location Rechenzentrumsflächen gegebenen nein ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl Möglichkeiten, so energieeffizient wie möglich betrieben. So werden diese ausschließlich mit Ökostrom betrieben, eine Kalt- /Warmgangeinhausung ist i.d.R. umgesetzt. Der Energieverbrauch wird nicht pro Verfahren erfasst, sondern liegt lediglich pro Rechenzentrum auf Monatsbasis vor. 196 BMF BZS t Es wurden keine Nachhaltigkeitskriterien erfasst nein ja 197 BMF BZS t keine nein ja 198 BMF Hau shal t 199 BMF ITZ Bun d Die Auswahl des Systems erfolgt nicht durch den Fachbereich. Der Fachbereich monitort den Energieverbrauch nicht, Nachhaltigkeitskriterien können daher nicht bewertet werden. Die zum Training heran gezogenen Daten basieren ausschließlich auf den geführten Konversationen des Systems. Diese werden anschließend per definierter CronJobs gelöscht. Datenhoheit liegt ausschließlich in den RZ des Bundes. ja Der Bot wird durch Personal der Bundesverwaltung im gehobenen Dienst trainiert und gepflegt. Die Arbeitsschutzmaßnahm en werden eingehalten. Dienst ist im Bereich Dienstekonsolidierung des BMI unter direkter Kontrolle der Bundesverwaltung 200 BMF ITZ Bun d Berücksichtigt ja Erfasst nein nein ja 201 BMF ITZ Bun d Nachhaltigkeit im Rahmen der Wirtschaftlichkeitsbetrachtung Nein hier nicht zutreffend nicht bekannt nicht bekannt 202 BMF ITZ Bun d nur Bereitstellung eines KI-Portals auf Kundenauftrag; Der Energieverbrauch wird daher durch die Use Cases (Kundenprojekt) bestimmt. Daher kann keine allgemeingültige Aussage zu den Nachhaltigkeitskriterien erfolgen. Diese muss behörden- bzw. projektspezifisch beantwortet werden. Für den Betrieb von Servern und Kein eigenes Training; nur Verwendung von Open-Source- Sprachmodellen von Drittherstellern kein eigenes Training Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl anderen Infrastrukturkomponenten wird im ITZBund grundsätzlich Ökostrom verwendet. 203 BMF GZ D Nein Nein Ja das Training wird durch Bedienstete des ITZBund durchgeführt, insoweit wird von der Einhaltung der vorgenannten Kriterien ausgegangen. 204 BMF GZ D Ja* *Aussagen zum Energieverbrauch kann nur der IT-Dienstleister ITZBund als technischer Betreiber der Systeme treffen Nein Für das Training werden nur durch die Fachredaktion gestaltete Antwortbausteine sowie dort formulierte oder ausgewählte Fragebeispiele verwendet. Eine Verwendung von urheberrechtlich geschützten Daten erfolgt nicht. Ja erfolgt durch Beschäftigten der Generalzolldirektion 205 BMF GZ D Nein Nein Ja Da das Training ausschließlich durch Zollbeamte*innen durchgeführt wird, entfällt die Notwendigkeit einer Kontrolle der Kriterien. 206 BMF GZ D Nein Nein Ja Da das Training ausschließlich durch Zollbeamte*innen durchgeführt wird, entfällt die Notwendigkeit einer Kontrolle der Kriterien. 207 BMF GZ D Nein Nein Ja Fehlanzeige Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Nachhaltigkeitskriterien Nutzung urheberrechtlich geschützter Daten Kontrolle rechtmäßige Verwendung Mindestlöhne, Arbeitsschutz Maßnahmen Kontrolle bei der Auswahl (Hinweis: Nicht zutreffend, da das Modelltraining ausschließlich auf Grundlage von Daten der FIU erfolgt.) 208 BMF GZ D Nein Nein Ja Da das Training ausschließlich durch Zollbeamte*innen durchgeführt wird, entfällt die Notwendigkeit einer Kontrolle der Kriterien. 209 BMF GZ D Nein Nein Ja Da das Training ausschließlich durch Zollbeamte*innen durchgeführt wird, entfällt die Notwendigkeit einer Kontrolle der Kriterien. 210 BMF GZ D Nein Nein Ja Da das Training ausschließlich durch Zollbeamte*innen durchgeführt wird, entfällt die Notwendigkeit einer Kontrolle der Kriterien. 211 BMF GZ D Nein Nein Ja Rahmenverträge. 212 BMF GZ D Durch die schnelle und korrekte Auffindbarkeit der Dienstleistungen wird die digitale Auswahl und Verarbeitung der Anträge beim Zoll gefördert und Papierverbrauch sowie Behördengänge verringert. Dies beeinflusst folgende Nachhaltigkeitskriterien positiv: Wasserverbrauch, CO2 Ausstoß, Energieverbrauch, soziale Nachhaltigkeit durch Verfügbarkeit, Effizienz der Verwaltung. Nein Ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 1d: Anwendungsfälle von KI in Bundesministerien und nachgeordneten Behörden (Antwort zu den Fragen 3a-3f) Hinweis: Die Nummerierung entspricht der Anlage 1a. Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 1 AA 1 geringes/minim ales Risiko Risikobewertungen werden auf der Basis der gesetzlichen Vorgaben sowie einschlägiger interner Richtlinien als Teil der lfd. Projektdokumentation nachgehalten. entfällt entfällt entfällt entfällt 2 BMAS Z geringes/minim ales Risiko Kritikalitätspyramide und risikoadaptiertes Regulierungssystem der Datenethikkommission = geringes Schädigungspotenzial. Schutzbedarfsfeststel lung nach dem IT- Grundschutz (BSI Standard 2002-2) und Datenschutzfolgena bschätzung. Entfällt. Ja. Im BMAS wurden bei einer Voranalyse KI-Use Cases bewertet. Kritikalität im Sinne von KI-Risiken und Projektkomplexität im Verhältnis zum KI- Nutzen, haben zur Entscheidung der Umsetzung des Pilotsystems der „KI- Suche“ geführt. Andere Use Cases wurden zurückgestellt oder verworfen. Die Ergebnisse wurden veraktet, teilweise handelt es sich um eingestufte Informationen (z.B. Bewertungen im Sicherheitskonzept). Ergebnisse sind für Externe nur bedingt von Relevanz, da die Vorgehensweisen der jeweiligen Risikobewertungen öffentlich bekannt sind, die Ergebnisse der Risikobewertungen stark von den spezifischen Projektgegebenheiten anhängig sind und ein Transfer daher nur eingeschränkt möglich ist. 3 BMAS G geringes/minim ales Risiko Prüfung entlang der "Selbstverpflichtende Leitlinien für den KI- Einsatz in der behördlichen Praxis der Arbeits- und Sozialverwaltung": Durchführung eines Schutzbedarfsfeststel lung nach dem IT- Grundschutz Entfällt. Auf Basis von Risikobewertung wurde eine Liste mit Maßnahmen erstellt und bewertet (Eintrittswahrscheinlichke it, Schadenstiefe, Schadensumfang) auf Dokumentation der Schadenspotenzialanalyse; Dokumentation wurde den beteiligten internen Stakeholdern zur Verfügung gestellt. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Workshops mit relevanten internen Stakeholdern zur Risikobewertung Basis derer Anpassungen am Prototyp vorgenommen wurden, um Risiken zu minimieren. 4 BMAS D nicht angewendet entfällt entfällt Beim Trend- und Themenscanning („Horizon Scanning“) werden Textquellen (wissenschaftliche Publikationen, Forschungsdatenbanken, Nachrichten, soziale Medien, Blogs, Statistiken, offizielle Stellen) durchsucht. Die mithilfe von KI generierten Ergebnisse (zusammenfassende Beschreibungen von zukünftig potenziell relevanten Themen) werden kontinuierlich durch ein (menschliches) Redaktionsteam gefiltert und gemeinsam mit Mitarbeiterinnen und Mitarbeitern des BMAS diskutiert sowie hinsichtlich ihrer Relevanz und möglichen zukünftigen Auswirkungen bewertet. nein 5 BAuA Fach berei ch 2 andere(s) Risikomodell/T echnikfolgenabs chätzung KI-System ist Eigenentwicklung aus Forschungstätigkeit, Risiken, die zu Fehlern führen könnten, werden durch menschliche Aufsicht kontrolliert Die Einschätzung etwaiger Risiken ist inhärenter Bestandteil der Forschungsprojekte. Das System ist nur für die Forschung im Forschungsergebnisse werden grundsätzlich publiziert. Sollten sich im Rahmen der Forschung Risiken des Systems zeigen, werden auch diese grundsätzlich publiziert., bzw. mit Stakeholdern ausgetauscht. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Gebrauch, bislang sind keine relevanten Risiken ersichtlich. 6 BAuA Fach berei ch 2 andere(s) Risikomodell/T echnikfolgenabs chätzung KI-System ist Eigenentwicklung aus Forschungstätigkeit, verknüpfte Fragen zu Risiken, Zuverlässigkeit sind Teil der Technikfolgenabschätzu ng im Forschungsprojekt Die Einschätzung etwaiger Risiken ist inhärenter Bestandteil der Forschungsprojekte. Das System ist nur für die Forschung im Gebrauch, bislang sind keine relevanten Risiken ersichtlich. Forschungsergebnisse werden grundsätzlich publiziert. Sollten sich im Rahmen der Forschung Risiken des Systems zeigen, werden auch diese grundsätzlich publiziert. 7 BfArM 9 geringes/minim ales Risiko gering/minimal / / / noch nicht durchgeführt 8 BfArM 9 geringes/minim ales Risiko gering/minimal / / / noch nicht durchgeführt 9 BfArM 9 geringes/minim ales Risiko gering/minimal / / / noch nicht durchgeführt 10 BfArM 5 geringes/minim ales Risiko gering/minimal n/a n/a nein geplant 11 BfArM 1 geringes/minim ales Risiko gering/minimal / / / geplant 12 BfArM 1 geringes/minim ales Risiko gering/minimal / / / geplant 13 BfArM 9 geringes/minim ales Risiko gering/minimal / / / noch nicht durchgeführt 14 BfArM 9 geringes/minim ales Risiko gering/minimal / / / noch nicht durchgeführt 15 DPMA Abt. 2.4 andere(s) Risikomodell/T echnikfolgenabs chätzung Einschätzung der Systeme unter Berücksichtigung gängiger Standards des BSI zu Datenschutz und IT- Sicherheit sowie Einbeziehung der Kein Risikoklassenmodell. Der E-Klassifikator stellt keinerlei Risiko für natürliche Personen dar. Auf Basis der drei automatisch ermittelten IPC-Vorschläge werden die Patentanmeldungen einer Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Mitbestimmungsgre mien. Prüfungsstelle zugeordnet. Die Entscheidung über die Weiterverwendung der automatisch generierten Vorschläge wird von Fachexperten getroffen. Bei schlechten oder fehlenden Vorschlägen wird intellektuell ein neuer Vorschlag gemacht. Bei mehreren solchen Vorschlägen entscheidet ein Schlichter welcher Vorschlag verwendet wird. Training ausschließlich mit veröffentlichten Patentschriften. 16 DPMA Abt. 2.4 andere(s) Risikomodell/T echnikfolgenabs chätzung Einschätzung der Systeme unter Berücksichtigung gängiger Standards des BSI zu Datenschutz und IT- Sicherheit sowie Einbeziehung der Mitbestimmungsgre mien. Kein Risikoklassenmodell. Kein Risiko für natürliche Personen. Die kognitive Suche generiert auf Basis einer Eingabe (Dokumente, Texte, Suchbegriffe) eine nach Relevanz sortierte Liste mit inhaltlich ähnlichen Patentschriften und eine Zusammenstellung von automatisch ermittelten Synonymen (präskriptive Analyse). Die Fachexperten entscheiden über die Relevanz und die Weiterverwendung der vom System generierten Listen. Training ausschließlich mit veröffentlichten Patentschriften. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 17 DPMA Abt. 2.4 andere(s) Risikomodell/T echnikfolgenabs chätzung Fehlanzeige Einschätzung der Systeme unter Berücksichtigung gängiger Standards des BSI zu Datenschutz und IT- Sicherheit sowie Einbeziehung der Mitbestimmungsgre mien. Fehlanzeige Fehlanzeige Fehlanzeige 18 BMUV T geringes/minim ales Risiko (Einschätzung gemäß Anhang III der KI- Verordnung) geringes/minimales Risiko Die Risiken im Zusammenhang mit der Nutzung großer Sprachmodelle wurde anwendungsfallbezo gen analysiert und darauf aufbauend Leitlinien zur Nutzung entwickelt, um die identifizierten Risiken zu minimieren. Nicht zutreffend Entwicklung von Nutzungs-Leitlinien, um die Risiken bei der Nutzung von großen Sprachmodellen zu minimieren. Einschätzung liegt im Datenschutzkonzept vor 19 BMUV/UB A KI- Lab andere(s) Risikomodell/T echnikfolgenabs chätzung minimales Risiko Das KI-Labor am UBA bewertet Projekte nach 20 Kriterien (z.B. Datenschutz, Bias, ethische Schulungen der Beteiligten, Automatisierungsgra d, Datenqualität, Profiling,…) zusammen mit einer promovierten KI- Ethikerin - Ethische Kriterien wurden in die Lizenzbedingungen der entwickelten Software aufgenommen. Kriterienkatalog kann auf Anfrage bereitgestellt werden. Wir schreiben gerade an einem wissenschaftlichen White Paper zu ethischen Grundlagen in der KI Entwicklung, welches der Öffentlichkeit zugänglich gemacht wird 20 BMUV/UB A I 1.7 geringes/minim ales Risiko minimales Risiko - - nein Kriterienkatalog kann auf Anfrage bereitgestellt werden. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Wir schreiben gerade an einem wissenschaftlichen White Paper zu ethischen Grundlagen in der KI Entwicklung, welches der Öffentlichkeit zugänglich gemacht wird 21 BMUV/UB A KI- Lab andere(s) Risikomodell/T echnikfolgenabs chätzung minimales Risiko Das KI-Labor am UBA bewertet Projekte nach 20 Kriterien (z.B. Datenschutz, Bias, ethische Schulungen der Beteiligten, Automatisierungsgra d, Datenqualität, Profiling,…) zusammen mit einer promovierten KI- Ethikerin - Datensparsamkeit; Ethische Kriterien werden in die Lizenzbedingungen der entwickelten Software aufgenommen. Kriterienkatalog kann auf Anfrage bereitgestellt werden. Wir schreiben gerade an einem wissenschaftlichen White Paper zu ethischen Grundlagen in der KI Entwicklung, welches der Öffentlichkeit zugänglich gemacht wird 22 BMUV/UB A KI- Lab andere(s) Risikomodell/T echnikfolgenabs chätzung minimales Risiko Das KI-Labor am UBA bewertet Projekte nach 20 Kriterien (z.B. Datenschutz, Bias, ethische Schulungen der Beteiligten, Automatisierungsgra d, Datenqualität, Profiling,…) zusammen mit einer promovierten KI- Ethikerin - Datensparsamkeit; Ethische Kriterien werden in die Lizenzbedingungen der entwickelten Software aufgenommen. Kriterienkatalog kann auf Anfrage bereitgestellt werden. Wir schreiben gerade an einem wissenschaftlichen White Paper zu ethischen Grundlagen in der KI Entwicklung, welches der Öffentlichkeit zugänglich gemacht wird 23 BfS UR andere(s) Risikomodell/T echnikfolgenabs chätzung geringes und minimales Risiko Die Ergebnisse der Prognosen dienen der Planung von Regelungen zum Schutz der Bevölkerung. Prinzipieller Veröffentlichung des trainierten Modells und Nutzung durch Dritter derzeit nicht möglich. in Planung Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Missbrauch der Ergebnisse möglich, z.B. zur Risikoabschätzung bei Versicherungen/Kre ditinstitute 24 BMUV/BfS WR geringes/minim ales Risiko Softwaremodul entspricht aus hiesiger fachlichen Sicht nicht den Ausführungen zur Einstufung als Hochrisiko-KI-System nach Anhang III: Hochrisiko-KI-Systeme gemäß Artikel 6 Absatz 2 der Verordnung des europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Gesetz über künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union Es handelt sich um einen Bestandteil einer proprietären Analysesoftware. Die Implementierung des Moduls erfolgt im Rahmen der Weiterentwicklung der Software. Keine Beauftragung der Modulentwicklung durch das Fachgebiet. Klassifizierung / Folgenabschätzung bei Hersteller angefragt nein bei Hersteller angefragt 25 BMUV/BfS WR geringes/minim ales Risiko Softwaremodul entspricht aus hiesiger fachlicher Sicht nicht den Ausführungen zur Einstufung als Hochrisiko-KI-System nach Anhang III: Hochrisiko-KI-Systeme gemäß Artikel 6 Absatz 2 der Verordnung des europäischen Parlaments und des Es handelt sich um einen Bestandteil einer proprietären Analysesoftware. Die Implementierung des Moduls erfolgt im Rahmen der Weiterentwicklung der Software. Keine Beauftragung der Modulentwicklung durch das nein bei Hersteller angefragt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Gesetz über künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union Fachgebiet. Klassifizierung / Folgenabschätzung bei Hersteller angefragt 26 BfS RN KI-System mit geringem Risiko Softwaremodul entspricht aus hiesiger fachlichen Sicht nicht den Ausführungen zur Einstufung als Hochrisiko-KI-System nach Anhang III: Hochrisiko-KI-Systeme gemäß Artikel 6 Absatz 2 der Verordnung des europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Gesetz über künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union nein 27 BMUV/BfS RN KI-System mit geringem Risiko Softwaremodul entspricht aus hiesiger fachlichen Sicht nicht den Ausführungen zur Einstufung als Hochrisiko-KI-System nach Anhang III: Hochrisiko-KI-Systeme gemäß Artikel 6 Absatz 2 der Verordnung des europäischen nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Gesetz über künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union 28 BMUV/BfS RN andere(s) Risikomodell/T echnikfolgenabs chätzung minimales Risiko Das KI-Labor am UBA bewertet Projekte nach 20 Kriterien (z.B. Datenschutz, Bias, ethische Schulungen der Beteiligten, Automatisierungsgra d, Datenqualität, Profiling,…) zusammen mit einer promovierten KI- Ethikerin das Verfahren wird vom ITZBund angeboten Ethische Kriterien wurden in die Lizenzbedingungen der entwickelten Software aufgenommen. das Verfahren wird vom ITZBund angeboten 29 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 30 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 31 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 32 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 33 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 34 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 35 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 36 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 37 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 38 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 39 BMZ Kein gesondertes Risiko der im BMZ implementierten oder geplanten KI- Anwendungen gegeben, welches ein Risikoklassenmodell nötig machen würden. 40 BArch Entfällt Entfällt Entfällt Entfällt Entfällt Entfällt 41 BArch Entfällt Entfällt Entfällt Entfällt Entfällt Entfällt 42 BMWK Z, VI nicht angewendet nicht angewendet nicht angewendet aktuell handelt es sich noch um einen Prototypen in Entwicklung nicht zutreffend nicht zutreffend für diese Anwendung 43 BMWK / BAFA 4, 6 geringes/minimales Risiko 44 BMWK / BAFA 5 geringes/minimales Risiko 45 BMWK/BG R B1 nicht angewendet 46 BMWK/BG R B1 nicht angewendet Plausibilitätsprüfung en 47 BMWK/BG R B2 geringes/minimales Risiko minimales Risiko, da informative Anwendung ohne direkte Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Entscheidungsimpli kationen 48 BMWK/BG R B2 geringes/minimales Risiko minimales Risiko, da methodische Entwicklung von Grundlagendatensät zen ohne direkte Entscheidungsimpli kationen 49 BMWK/BG R B2 geringes/minimales Risiko minimales Risiko, da methodische Entwicklung von Grundlagendatensät zen ohne direkte Entscheidungsimpli kationen 50 BMWK/BG R B2 geringes/minimales Risiko minimales Risiko, da methodische Entwicklung eines KI-Tool-Prototyp ohne direkte Entscheidungsimpli kationen 51 BMWK/BG R B2 nicht angewendet 52 BMWK/BG R B2 nicht angewendet 53 BMWK/BG R B2 nicht angewendet 54 BMWK/BG R B2 geringes/minimales Risiko minimales Risiko, da informative Anwendung ohne direkte Entscheidungsimpli kationen 55 BMWK/BG R B2 geringes/minimales Risiko minimales Risiko, da informative Anwendung ohne direkte Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Entscheidungsimpli kationen 56 BMWK/BG R B2 geringes/minimales Risiko 57 BMWK/BG R B3 nicht angewendet nicht angewendet wird im Rahmen der Machbarkeitsstudie bearbeitet 58 BMWK/BG R B4 geringes/minimales Risiko 59 BMWK/BG R B4 geringes/minim ales Risiko geringes/minimales Risiko nein Detaillierte Darlegung der genutzten Algorithmen und der Datenprozessierung in begleitenden Dokumenten und Publikationen 60 BMWK/BG R B4 geringes/minim ales Risiko geringes/minimales Risiko nein nein nein 61 BMWK/PT B Abt 8 geringes/minimales Risiko 62 BMWK/PT B AG 7.21 geringes/minimales Risiko 63 BMWK/PT B FB 6.2 in Projektphase berücksichtigen 64 BMWK/PT B FB 6.2 in Projektphase berücksichtigen 65 BMWK/PT B FB 6.2 in Projektphase berücksichtigen 66 BMWK/PT B FB 7.5 67 BMWK/PT B FB 8.1 68 BMWK/PT B FB 9.4 69 BMWK/PT B FB 9.4/Q .4 70 BMWK/PT B FB 9.4 71 BMWK/PT B Q.4 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 72 BMWK/BA M 1 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 73 BMWK/BA M 6 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 74 BMWK/BA M 6 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 75 BMWK/BA M 6 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 76 BMWK/BA M 7 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 77 BMWK/BA M 8 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 78 BMWK/BA M 8 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 79 BMWK/BA M 8 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 80 BMWK/BA M 9 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 81 BMWK/BA M 9 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 82 BMWK/BA M 8 und 9 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 83 BMWK/BA M 8 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 84 BMWK/BA M 8 n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 85 BMWK/BA M S n.z. n.z. n.z. Forschungsvorhaben ohne Risiko n.z. n.z. 86 BMBF 1 nicht angewendet kA kA Das EU-KI-Gesetz erlegt dem Emerging Technology Radar mit hoher Wahrscheinlichkeit keine rechtlichen Verpflichtungen auf (s. Compliance Check auf Artificialintellenceact.eu). Gründe sind: 1) es wurde kein Allzweck- AI-Modell nach Artikel 3 kA kA Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Nummer 44b entwickelt 2) es fällt nicht unter die ausgeschlossenen Systeme nach Art. 2 3) es fällt nicht unter die verbotenen Systeme nach Art. 5 4) es fällt nicht unter die Hochrisikokategorien nach Artikel 3 Nummer 14 & Artikel 6 Nummer 1 (bei Ausfall oder Fehlfunktion besteht keine Gefahr für die Gesundheit und Sicherheit von Personen oder Sachen) 5) es fällt nicht unter die Hochrisikokategorien nach Anhang III 6) es interagiert nicht mit Menschen oder generiert synthetische mediale Daten nach Artikel 50 87 BMBF alle geringes/minim ales Risiko KI-VO nein intern dokumentiert 88 BMBF alle geringes/minim ales Risiko KI-VO nein intern dokumentiert 89 BMBF alle geringes/minim ales Risiko KI-VO nein intern dokumentiert 90 BMDV / BfG M2 nicht angewendet Anwendung prädiktive KI, daher geringes Risiko 91 BMDV / BfG M2 nicht angewendet Anwendung prädiktive KI, daher geringes Risiko 92 BMDV / BfG M5 / U3 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 93 BMDV / BfG M5 / U3 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 94 BMDV / BfG M5 / U3 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 95 BMDV / BfG U4 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 96 BMDV / BfG M1, M3, U2 nicht angewendet Anwendung prädiktive KI, daher geringes Risiko 97 BMDV / BfG M1, Z2 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 98 BMDV / BfG M5 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 99 BMDV / BfG G3,Z 2 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 100 BMDV / BfG G2 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 101 BMDV / BfG M2 nicht angewendet Anwendung deskriptiver / prädiktiver KI, daher geringes Risiko 102 BMDV / BfG U4 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 103 BMDV / BfG U3 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko 104 BMDV / BALM Kont rolldi enste nicht angewendet nicht angewendet nein nicht erforderlich nein nein 105 BMDV / BAV I geringes/minim ales Risiko / / / / ITZ hostet den Chatbot. Daher ist dort die Risikobewertung erfolgt. 106 BMDV / BAV Z, I, II, III geringes/minim ales Risiko / / / / / 107 BMDV / BAV alle geringes/minim ales Risiko / / / / / 108 BMDV / BAW Geot echni k geringes/minim ales Risiko 109 BMDV / BAW Baut echni k geringes/minim ales Risiko 110 BMDV / BAW Wass erbau im geringes/minim ales Risiko Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Binn enbe reich 111 BMDV / BSH MDZ geringes/minim ales Risiko Grundlage der Klassifizierung: Hausinterne Nutzung, Beachtung der bestehenden Berechtigungskonzepte n, Informationen sind für Experten leicht überprüfbar. Designvorgabe: Nutzern muss deutlich gemacht werden, dass sie mit einer KI kommunizieren. wird bei der Umsetzungsphase nach der technischen Evaluation festgelegt 112 BMDV / BSH MDZ geringes/minim ales Risiko Grundlage der Klassifizierung: Hausinterne Nutzung, weitere Prüfung durch Wissenschaftler keine wird bei der Umsetzungsphase nach der technischen Evaluation festgelegt 113 BMDV / BSH M nicht angewendet Es besteht kein Risiko, da das ML-System nur Empfehlungen gibt, welche im Anschluss durch den Anwender geprüft, ergänzt und korrigiert werden. 114 BMDV / BSH N keine Angaben möglich 115 BMDV / BSH N keine Angaben möglich 116 BMDV / BSH Schif fahrt andere(s) Risikomodell/T echnikfolgenabs chätzung Anwendung der Schiffsausrüstungsri chtiline (MED) 117 BMDV / DWD FE / KU nicht angewendet Die am DWD derzeit in Entwicklung, Evaluierung und im Einsatz befindlichen KI-Verfahren unterscheiden sich in der Risikobewertung nicht von klassischen Wetter- und Klimavorhersageverfahren, • eingebunden in qualitätsgesicherte Prozesse im DWD Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung die nach qualitätsgesicherten Prozessen im DWD im Einsatz sind und kontinuierlich evaluiert werden 118 BMDV / FBA über greife nd noch offen noch offen noch offen noch offen noch offen 119 BMDV / WSV U13 nicht angewendet nicht angewendet - Projekt / Entwicklung noch nicht abgeschlossen - - 120 BAMF 7, 2 nicht angewendet Datenschutzfolgeabs chätzung Es gibt noch keine Vorgaben zu einem zu verwendenden Risikoklassenmodell. 121 BMI/StBA C geringes/minim ales Risiko N.B.: Prüfung, ob KI-VO für die aktuellen Anwendungsfälle des StBA überhaupt einschlägig ist (wegen Erwägungsgrund 12 der KI-VO). FA FA Keine Aktuell noch nicht standardisiert. 122 BMI/StBA C geringes/minim ales Risiko N.B.: Prüfung, ob KI-VO für die aktuellen Anwendungsfälle des StBA überhaupt einschlägig ist (wegen Erwägungsgrund 12 der KI-VO). FA FA Keine Aktuell noch nicht standardisiert. 123 BMI/BSI OC Die Abschätzung von Risiken erfolgt als Teil des internen Anordnungsprozesses der einzelnen Verfahren nein 124 BMI/ BKG Geod aten (GD) geringes/minim ales Risiko EU-AI-Act nein Wissenschaftliche Veröffentlichung der Methode 125 BMI/ BKG Geod aten (GD) geringes/minim ales Risiko EU-AI-Act nein Wissenschaftliche Veröffentlichung der Methode Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 126 BMI/ BKG/ StBa Geod aten (GD) geringes/minim ales Risiko EU-AI-Act nein Wissenschaftliche Veröffentlichung der Methode 127 BMI/BKG Geod ienstl eistu ngen (GDL ) geringes/minim ales Risiko EU-AI-Act nein wird dokumentiert 128 BMI/BKG Geod aten (GD) / Geod ienstl eistu ngen (GDL ) geringes/minim ales Risiko EU-AI-Act nein wird dokumentiert 129 BMI/ Bundespoli zeipräsidiu m BPO LD 11 EEU BPO L hohes Risiko hohes Risiko nicht bekannt / nicht bekannt nicht bekannt 130 BMI/ Bundespoli zeipräsidiu m BPO LD 11 EEU BPO L nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 131 BMI/ Bundespoli zeipräsidiu m BPO LD 11 EEU BPO L nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 132 BMI/ Bundespoli BPO LD nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung zeipräsidiu m 11 EEU BPO L 133 BMI/ Bundespoli zeipräsidiu m BPO LD 11 EEU BPO L nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 134 BMI/ Bundespoli zeipräsidiu m BPO LD 11 EEU BPO L nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 135 BMI/ Bundespoli zeipräsidiu m BPO LD 11 EEU BPO L nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 136 BMI/ Bundespoli zeipräsidiu m Abtei lung 5 andere(s) Risikomodell/T echnikfolgenabs chätzung geringes / minimales Risiko KI Quick Check ZITiS / geringes minimales Risiko / nein Daten wurden nicht dokumentiert und geteilt 137 BMI/ Bundespoli zeipräsidiu m Abtei lung 5 nicht angewendet / / / / / 138 BMI/ Bundespoli zeipräsidiu m Abtei liung 2 nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 139 BMI/ Bundespoli zeipräsidiu m Abtei liung 2 nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 140 BMI/ Bundespoli zeipräsidiu m Abtei liung 2 nicht angewendet nicht angewendet nicht bekannt / nicht bekannt nicht bekannt 141 BMI/ Bundespoli zeipräsidiu m Abtei lung 6 andere(s) Risikomodell/T echnikfolgenabs chätzung Zertifizierung von Luftsicherheitsausrü stung erfolgt gemäß Luftsicherheitsausrü stungs- Verordnung unter Verwendung risikobasierter Prüfmethoden, die regelmäßig anhand von Gefährdungsbeurteil ungen überprüft und ggf. weiterentwickelt werden. Maßgeblich ist, dass nach einer Zertifizierung keine Änderungen an der Konfiguration mehr vorgenommen werden – ein Lernen im laufenden Betrieb ist auszuschließen (Einfrieren Soft- und Hardwarestand eines Gerätes mit der Zertifizierung). Weiterentwicklunge n erfordern Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung eine erneute Zertifizierung. 142 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 143 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 144 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 145 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 146 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 147 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 148 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 149 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 150 BKA KT nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 151 BKA KT nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 152 BKA KT nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 153 BKA KT nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 154 BKA OE nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 155 BKA / BMI ZV nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 156 BKA ZI nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 157 BKA ZI nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 158 BKA DI nicht angewendet bisher nicht berücksichtigt Keine Angabe Risikoklasse nach KI-VO wird gem. Inkrafttreten der Anforderungen der KI-VO bestimmt Keine Angabe Keine Angabe 159 BMI KM3 /TH W geringes/minim ales Risiko begrenztes Risiko nein nein nein nein 160 BMEL/JKI JKI- Instit ute für keines keine Methodenbeschreib ung in den Projektanträgen bzw. für einzelne Forschungsfragen in der Pflanzenforschung nicht anwendbar nein wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Züch tungs forsc hung in den Publikationen der Ergebnisse 161 BMEL/JKI JKI- Instit ute für Pflan zensc hutz und Bode nkun de keines keine Methodenbeschreib ung in den Projektanträgen bzw. in den Publikationen der Ergebnisse für einzelne Forschungsfragen in der Pflanzenforschung nicht anwendbar nein wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben 162 BMEL/JKI JKI- Instit ute für Biene nsch utz und für Strat egie und Folge nabsc hätzu ng keines keine Methodenbeschreib ung in den Projektanträgen bzw. in den Publikationen der Ergebnisse für einzelne Forschungsfragen in der Pflanzenforschung nicht anwendbar nein wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben 163 BMEL/JKI JKI- Instit ute für Züch tungs forsc hung keines keine Methodenbeschreib ung in den Projektanträgen bzw. in den Publikationen der Ergebnisse für einzelne Forschungsfragen in der Pflanzenforschung nicht anwendbar nein wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 164 BMEL/MRI Ernä hrun gsver halte n Minimales Risiko 165 BMEL/MRI IT Nur projektbezogen e übergeordnete Risikoanalyse Jedes Teilprojekt muss einzeln eingeschätzt werden; bisher nur Anwendungen der Klasse minimales Risiko bzw. limitiertes Risiko (z.B. Chatbots) Aktuell wird daran gearbeitet, ein einheitliches Vorgehen zur Risikoklassenbestim mung zu entwickeln. 166 BMEL/MRI NRZ- Auth ent Risikomodell des EU Artificial Intelligence Act Minimales Risiko Nein Risikobewertung wird im Projektschlussbericht festgehalten 167 BMEL/MRI NRZ- Auth ent Risikomodell des EU Artificial Intelligence Act Minimales Risiko Nein Risikobewertung wird im Projektschlussbericht festgehalten 168 BMEL/TI SF 169 BMEL/TI SF 170 BMEL/TI WO nicht erhoben nicht erhoben intern: Modell trifft keine Entscheidung über eine natürliche Person; Keine personenbezogenen Daten, sondern Daten über Bäume; frei nutzbare Daten; kein Geheimschutz nein 171 BMEL/TI ZI nicht erhoben nicht erhoben intern: Modell trifft keine Entscheidung über eine natürliche Person; Verantwortung der Nutzung liegt beim Anwender:in; diese werden z.B. über die Notwendigkeit/Beda ja, Entscheidung für onpremise und gegen cloud nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung rf von Einverständniserklär ungen aufgeklärt; die Daten werden nur Institutsintern verarbeitet (onpremise) und Daten verlassen nicht die Einrichtung; kein Geheimschutz 172 BMEL/TI WO 173 BMEL/TI SF nicht erhoben nicht erhoben intern: Modell trifft keine Entscheidung über eine natürliche Person; Keine personenbezogenen Daten, sondern Daten über Tiere; kein Geheimschutz nein 174 BMEL/TI Stabs stelle Klim a & Bode n nicht erhoben nicht erhoben intern: Modell trifft keine Entscheidung über eine natürliche Person; keine personenbezogene Daten wurden ausgetauscht; kein Geheimschutz ja, aktuell keine Übermittlung von personenbezogenen Daten nein 175 BMEL/TI Betri ebswi rtsch aft nicht erhoben nicht erhoben intern: Modell trifft keine Entscheidung über eine natürliche Person; Keine personenbezogenen Daten, sondern Daten über Tiere; kein Geheimschutz nein 176 BMEL/BVL 1 Nicht angewendet, da Planung noch nicht weit ~ Planung noch nicht weit genug fortgeschritten Planung noch nicht weit genug fortgeschritten bzw. zu unkonkret ~ ~ Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung genug fortgeschritten bzw. zu unkonkret 177 BMEL/BVL Alle 178 BLE 5 Frage bezieht sich nur auf KI und nicht auf teilautomatisier te Entscheidungen , daher keine Antwort Frage bezieht sich nur auf KI und nicht auf teilautomatisierte Entscheidungen, daher keine Antwort Frage bezieht sich nur auf KI und nicht auf teilautomatisierte Entscheidungen, daher keine Antwort Frage bezieht sich nur auf KI und nicht auf teilautomatisierte Entscheidungen, daher keine Antwort Frage bezieht sich nur auf KI und nicht auf teilautomatisierte Entscheidungen, daher keine Antwort Frage bezieht sich nur auf KI und nicht auf teilautomatisierte Entscheidungen, daher keine Antwort 179 BMEL 117 (Spra chen diens t) nicht bekannt nicht bekannt nicht bekannt 180 BMEL / BfR 7 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 181 BMEL / BfR 7 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 182 BMEL / BfR 7 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 183 BMEL / BfR 7 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 184 BMEL / BfR 7 und 4 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 185 BMEL / BfR 9 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 186 BMEL / BfR 9 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung 187 BMEL / BfR 4 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 188 BMEL / BfR 6 Anlehnung an EU KI- Verordnung geringes/minimales Risiko Alternativenprüfung , multifaktorielle Abwägung nicht zutreffend nein ja 189 BMEL / BfR 6 Anlehnung an EU KI- Verordnung geringes/minimales Risiko Expert Judgement nicht zutreffend nein ja 190 BMEL / BfR 6 Anlehnung an EU KI- Verordnung geringes/minimales Risiko Alternativenprüfung , multifaktorielle Abwägung nicht zutreffend nein ja 191 BMEL / BfR 3 nicht zutreffend geringes/minimales Risiko nicht zutreffend nein ja 192 BMEL / BfR 3 nicht zutreffend geringes/minimales Risiko nicht zutreffend nein ja 193 BMEL / BfR 6 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 194 BMEL / BfR 6 Anlehnung an EU KI- Verordnung geringes/minimales Risiko nicht zutreffend nein ja 195 BMF BZSt geringes/minim ales Risiko KI-Anwendung; ggfs. Transparenzpflicht ja, Transparenz herstellen Tabellarisch, Systemdokumentation in Confluence 196 BMF BZSt geringes/minim ales Risiko Chatbot; Transparenzplicht ja, Transparenz herstellen tabellarisch 197 BMF BZSt geringes/minim ales Risiko keine Verpflichtung nein tabellarisch 198 BMF Haus halt 199 BMF ITZB und nicht angewendet Zum Release des Chatbots (2021) war der EU-AI-Act noch nicht verabschiedet. Es wurde keine Technikfolgenabsch ätzung vorgenommen. Zum Release des Chatbots (2021) lag der EU-AI-Act noch nicht vor. Ausgehend von einem risikobasierten Ansatz (unacceptable risk, high risk, limited risk, minimal risk) kann über ein Ausschlussverfahren NEIN Durch den Fachbereich wurde keine Risikobewertung durchgeführt. Daher wurde auch nichts dokumentiert. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung allerdings von einer Klassifizierung „minimal risk“ ausgegangen werden. 200 BMF ITZB und geringes/minim ales Risiko 201 BMF ITZB und nicht angewendet nicht angewendet kein produktiver Einsatz; nicht angewendet da open Source Daten Modelle wurden hinsichtlich Verwendbarkeit (Lizenzen) im Rahmen der Projektdokumentation bewertet 202 BMF ITZB und geringes/minim ales Risiko Stufe 1 nach Risikoklassenmodell der Datenethikkommission (Kritikalitätspyramide) keine bekannt keine notwendig 203 BMF GZD nicht angewendet Das Projekt befindet sich aktuell in der Phase des Proof of Concept (PoC). Das Projekt wurde vor Einführung der KI-VO gestartet. Daher kein Risikoklassenmodell. Zudem werden die vorgesehenen Anwendungsfälle weder als ein Hochrisiko KI-System noch als ein allgemeines KI- Modell nach KI-VO eingeordnet. ohne 204 BMF GZD nicht angewendet Die Umsetzung erfolgte im Zuge der Dienstekonsolidierung Bund. Für die Maßnahme Chatbots für die Bundesverwaltung war Ressort BMI verantwortlich für die Bereitstellung eines Chatbot Basisdienstes für die Bundesverwaltung. Inwiefern dort ein ohne Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Risikoklassenmodell angewendet wurde, ist nicht bekannt. 205 BMF GZD nicht angewendet Zum Zeitpunkt der Entwicklung (2017-2018) wurden noch keine Risikoklassenmodelle verwendet und/oder Technikfolgenabschätzunge n durchgeführt. ohne 206 BMF GZD nicht angewendet Zum Zeitpunkt der Entwicklung (2014-2015) wurden noch keine Risikoklassenmodelle verwendet und/oder Technikfolgenabschätzunge n durchgeführt. ohne 207 BMF GZD nicht angewendet Die einschlägige KI-VO verfolgt einen risikobasierten Ansatz, bei dem zwischen Anwendungen von KI unterschieden wird, die ein unannehmbares Risiko, ein hohes Risiko und ein geringes oder minimales Risiko darstellen. In Erwägungsgrund 38 (S. 40/41) ist ausgeführt, dass solche KI-Systeme, die speziell für Verwaltungsverfahren von Steuer- und Zollbehörden sowie von Finanzermittlungsstellen, die Verwaltungsaufgaben bei der Analyse von Informationen gemäß den Unionsvorschriften zur ohne Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung Bekämpfung der Geldwäsche wahrnehmen, eingesetzt werden, nicht als KI-Systeme mit hohem Risiko eingestuft werden. Darüber hinaus wird der KI- Einsatz im Bereich administrativ ausgerichteter FIUs, wie dies bei der deutschen FIU der Fall ist, nicht als "Hochrisiko-KI" eingestuft. Vor diesem Hintergrund ist der Anwendungsbereich der KI- VO nicht eröffnet, weshalb auch keine Klassifizierung und Technikfolgenabschätzung vorgenommen wurde. 208 BMF GZD nicht angewendet Das Projekt befindet sich aktuell in der Phase des Proof of Concept (PoC). Das Projekt wurde vor Einführung der KI-VO gestartet. Daher kein Risikoklassenmodell. Zudem werden die vorgesehenen Anwendungsfälle nicht als ein Hochrisiko KI-System bewertet. Kann noch nicht beantwortet werden. 209 BMF GZD nicht angewendet Das Projekt befindet sich aktuell in der Phase des Proof of Concept (PoC). Das Projekt wurde vor Einführung der KI-VO gestartet. Daher kein Risikoklassenmodell. Zudem werden die Kann noch nicht beantwortet werden. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Risikoklasse (gemäß KI-VO) Klassifizierung Andere Technikfolgenabschätzung Begründung keine Abschätzung Auswirkung Risikobewertung Dokumentation Risikobewertung vorgesehenen Anwendungsfälle nicht als ein Hochrisiko KI-System bewertet. 210 BMF GZD nicht angewendet Das Projekt befindet sich aktuell in der Phase des Proof of Concept (PoC). Das Projekt wurde vor Einführung der KI-VO gestartet. Daher kein Risikoklassenmodell. Zudem werden die vorgesehenen Anwendungsfälle nicht als ein Hochrisiko KI-System bewertet. Kann noch nicht beantwortet werden. 211 BMF GZD nicht angewendet Noch laufende IT-Beratung. noch laufende IT- Beratung. 212 BMF GZD ohne Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 1e: Anwendungsfälle von KI in Bundesministerien und nachgeordneten Behörden (Antwort zu Frage 4) Hinweis: Die Nummerierung entspricht der Anlage 1a. Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 1 AA 1 extern entwickelt, intern trainiert SAP Auftraggeber AA 2023 0,60 n.n. nein; Nutzung Rahmenvertrag 2 BMAS Z Intern und Extern. Neuronale Netze für Speech-to-Text = Extern (Nutzung eines fertigen Models ohne spezifische Anpassungen), Machine Learning für Textklassifikation, Auto Tagging und Metadaten- Anreicherung = überwiegend Extern und Intern für eigene spezifische Anforderungen. Auftraggeber: BMAS, Auftragnehmer Gesamtsystem: IntraFind AG 2021-2024 0,90 Systemeinführung und Weiterentwicklun g Gesamtsystem wurde europaweit ausgeschrieben. 3 BMAS G Intern und Extern. ChatGPT, R Shiny, Python Backend (auf Server des Dienstleisters, nur für bereits online verfügbare Stellungnahmen) Auftraggeber: BMAS, Auftragnehmer (Rahmenvertrag Data Science des BMAS- Datenlabors): dfine GmbH 2023-2024 0,25 Entwicklung Prototyp, Hosting, Begleitung Schadenspotenzial analyse, Weiterentwicklun g Prototyp nach Nutzenden- Feedback Rahmenvertrag "Umsetzung Data- Science-Projekte" wurde europaweit ausgeschrieben. 4 BMAS D Intern und Extern. Natural Language Processing Auftraggeber BMAS, Auftragnehmer (Rahmenvertrag „Digitale Arbeitsgesellscha ft - Strategische Vorausschau“): Institut für Innovation und Technik (iit) 2024 0,02 Nutzung für Suchvorgänge und Recherchen, Zusammenfassung von Inhalten der durchsuchten Textquellen Rahmenvertrag „Digitale Arbeitsgesellschaft - Strategische Vorausschau“ wurde europaweit ausgeschrieben Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 5 BAuA Fachber eich 2 interne Entwicklung und Training Weakly-Supervised-Learning, Eigenentwicklung Eigenforschung der BAuA 2021-als Eigenforsch ung fortlaufend 0,45 Prototypenentwic klung Nein, Eigenforschung 6 BAuA Fachber eich 2 interne Entwicklung und Training unsupervised learning, Eigenentwicklung Eigenforschung der BAuA 2015-2023 0,20 Prototypenentwic klung Nein, Eigenforschung 7 BfArM 9 intern Eigenentwicklung in Python auf Basis von OpenSource KI-/DeepLearning Bibliotheken intern 2021ff intern intern / 8 BfArM 9 intern Eigenentwicklung in Python auf Basis von OpenSource KI-/DeepLearning Bibliotheken intern 2021ff intern intern / 9 BfArM 9 intern Eigenentwicklung in R und Python z.T. auf Basis von OpenSource KI-/DeepLearning Bibliotheken und Modellen intern 2018ff intern intern / 10 BfArM 5 intern u.a. LLMs intern 2023ff intern intern / 11 BfArM 1 intern u.a. LLMs, Random Forest, Python, R intern 2023ff intern intern / 12 BfArM 1 intern u.a. LLMs, Random Forest, Python, R intern 2023ff intern intern / 13 BfArM 9 intern Eigenentwicklung in Python auf Basis von OpenSource KI-/DeepLearning Bibliotheken und Modellen intern 2023ff intern intern / 14 BfArM 9 intern Eigenentwicklung in Python auf Basis von OpenSource KI-/DeepLearning Bibliotheken und Modellen intern 2023ff intern intern / 15 DPMA Abt. 2.4 extern E-Klassifikator nach IPC Auftraggeber DPMA, Auftragnehmer Firma interface projects GmbH 2016-2019 0,14 100 PT ja 16 DPMA Abt. 2.4 extern Kognitive Suche Auftraggeber DPMA, Auftragnehmer Firma interface projects GmbH 2016-2019 0,26 180 PT ja 17 DPMA Abt. 2.4 extern WIPO Translate WIPO unbekannt unbekannt unbekannt nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 18 BMUV T Extern trainiertes Sprachmodell, interne Anwendungse ntwicklung Quelloffenes großes Sprachmodell nicht zutreffend, da quelloffen - nein - nein, da quelloffen bzw. interne Entwicklung 19 BMUV/UBA KI-Lab UBA-interne Entwicklung vom KI-Lab für Fachabteilung nein, weil interne Eigenentwicklung 20 BMUV/UBA I 1.7 extern Anwendung Horváth & Partner GmbH |München 2021 0,22 Ermittlung der Bedarfe und Wünsche an maschinengestützten Entscheidungshilfe n (Bedarfsabfrage) ▪ Für 5 ausgewählte Fachverfahren konkrete Machine Learning / Deep Learning basierte Lösungsvorschläge entwickeln, testen und prototypisch implementieren ja 21 BMUV/UBA KI-Lab UBA-interne Entwicklung vom KI-Lab für Fachabteilung nein, weil interne Eigenentwicklung 22 BMUV/UBA KI-Lab UBA-interne Entwicklung vom KI-Lab für Fachabteilung nein, weil interne Eigenentwicklung 23 BfS UR intern ./. ./. ./. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 24 BMUV/BfS WR extern Es handelt sich um einen festen Bestandteil einer proprietären Analysesoftware. Die Implementierung des Moduls erfolgte durch den Hersteller im Rahmen der Weiterentwicklung der Software. Keine Beauftragung der Modulentwicklung durch das Fachgebiet. MetaSystems Hard- und Software GmbH 2021 keine zusätzliche n Kosten, da die Implementi erung des Moduls im Rahmen der Weiterentw icklung des Herstellers erfolgte. Bestandteil der proprietären Analysesoftware für manuelle Auswertung (Software bereits im Fachgebiet vorhanden) Ja 25 BMUV/BfS WR extern Es handelt sich um einen festen Bestandteil einer proprietären Analysesoftware. Die Implementierung des Moduls erfolgte durch den Hersteller im Rahmen der Weiterentwicklung der Software. Keine Beauftragung der Modulentwicklung durch das Fachgebiet. MetaSystems Hard- und Software GmbH 2009 keine zusätzliche n Kosten, da die Implementi erung des Moduls im Rahmen der Weiterentw icklung des Herstellers erfolgte. Bestandteil der proprietären Analysesoftware (Software bereits im Fachgebiet vorhanden) Ja 26 BfS RN extern Anwendung als Einzelanwendung bei Bedarf Helmholtzzentru m Berlin 2023 keine Kosten Nein 27 BMUV/BfS RN extern/intern Anwendung als optionales Auswertemodul in einer Datenerfassungs- und Darstellungspipeline KI-Labor des UBA 2023 keine Kosten Nein 28 BMUV/BfS RN extern Bundesbot ITZBund/Ubitec 2024 0,25 Software-as- aservice Nein, da dienstekonsolidiert 29 BMZ Intern entwickelt Nein 30 BMZ Intern entwickelt Nein 31 BMZ Intern entwickelt Nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 32 BMZ Intern entwickelt Nein 33 BMZ Intern entwickelt, teilweise unterstützt durch Beratung msg systems AG 2024 0,004 Beratung Nein 34 BMZ Intern entwickelt Nein 35 BMZ Intern entwickelt Nein 36 BMZ Intern entwickelt Nein 37 BMZ Intern entwickelt Nein 38 BMZ Intern entwickelt Nein 39 BMZ Intern entwickelt Nein 40 BArch Extern adesso 2021-2023 0,26 Entwicklung Nein, da unterhalb der Schwellenwerte 41 BArch 42 BMWK Z, VI extern Luminous (aleph alpha) KI Kompetenzcente r der Bundesregierung 2023-2024 für BMWK kostenneut ral, da Beauftragu ng über KI Kompetenz center, das über das BMF finanziert ist Entwicklung eines auf das BMWK zugeschnittenen KI- Sprachassistenten nein, da Beauftragung über KI Kompetenzcenter (Rahmenvertrag) 43 BMWK / BAFA 4, 6 extern Mailytica GmbH 2021 mit Sprachanalyse Anliegen von E- Mail-Schreibenden erfassen und nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung Antworten aus Textblöcken vorschlagen 44 BMWK / BAFA 5 extern Intrafind AG 2019 Document Analyzer nein 45 BMWK/BGR B1 extern vsl. 2024 Webanwendung zur Analyse mit Newsfeed und Alert-System ja 46 BMWK/BGR B1 intern 47 BMWK/BGR B2 extern Karlsruher Institut für Technologie 2018-2026 0,78 methodische Entwicklung, Evaluierung, Anwendung ja 48 BMWK/BGR B2 intern 49 BMWK/BGR B2 intern 50 BMWK/BGR B2 intern 51 BMWK/BGR B2 intern 52 BMWK/BGR B2 intern 53 BMWK/BGR B2 intern 54 BMWK/BGR B2 55 BMWK/BGR B2 extern noch nicht final definiert, Vergabeverfahre n noch nicht abgeschlossen 2024-2027 0,25 methodische Entwicklung, Evaluierung, Anwendung ja 56 BMWK/BGR B2 intern methodische Entwicklung, Evaluierung, Anwendung 57 BMWK/BGR B3 intern 58 BMWK/BGR B4 intern Eigenentwicklun g durch Kernhaush altspersona l 59 BMWK/BGR B4 intern Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 60 BMWK/BGR B4 intern 61 BMWK/PTB Abt 8 extern 62 BMWK/PTB AG 7.21 extern Die KI ist als Open Source verfügbar und läuft lokal, daher verlassen die Daten die PTB nicht. OpenAI 63 BMWK/PTB FB 6.2 intern Forschungsprojekt zur Erzeugung virtueller Daten (Mammographie- Aufnahmen) 64 BMWK/PTB FB 6.2 intern Forschungsprojekt zur Berechnung der Streustrahlung in der Mammographie 65 BMWK/PTB FB 6.2 intern Forschungsprojekt zur Bestimmung der Bildqualität von Mammographie/CT- Aufnahmen 66 BMWK/PTB FB 7.5 intern Transmet-Projekt (Forschung) 67 BMWK/PTB FB 8.1 extern Siemens Healthineers 68 BMWK/PTB FB 9.4 extern Verarbeitung auf internem HPC-System Meta AI 69 BMWK/PTB FB 9.4/Q.4 intern Forschung zu erklärbaren KI-Methoden in Sensornetzwerken 70 BMWK/PTB FB 9.4 extern Einordnung als Forschungsarbeit und Evaluation OpenAI 71 BMWK/PTB Q.4 extern Verarbeitung auf internem HPC-System Huggingface 72 BMWK/BAM 1 intern 73 BMWK/BAM 6 intern 74 BMWK/BAM 6 intern 75 BMWK/BAM 6 intern 76 BMWK/BAM 7 intern 77 BMWK/BAM 8 intern 78 BMWK/BAM 8 intern 79 BMWK/BAM 8 intern - - - 80 BMWK/BAM 9 intern - - - 81 BMWK/BAM 9 intern 82 BMWK/BAM 8 und 9 extern Bologna Universität 2022 Grundlagenforsch ung zum Thema ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung Geometric Machine Learning 83 BMWK/BAM 8 intern 84 BMWK/BAM 8 intern 85 BMWK/BAM S intern 86 BMBF 1 extern Emerging Technology Radar (proprietäre Eigenentwicklung für BMBF) BMBF 2022-2024 1,54 Entwicklung eines Prototypen und einer überarbeiteten Version des Emerging Technology Radar (proprietäre Eigenentwicklung für BMBF) Teil eines europaweit ausgeschriebenen Rahmenvertrags 87 BMBF alle Intern mit Unterstützung durch Dienstleister Fragewesen-Anwendung n.z. n.z. n.z. n.z. n.z. 88 BMBF alle Intern mit Unterstützung durch Dienstleister Textzusammenfassung n.z. n.z. n.z. n.z. n.z. 89 BMBF alle Intern mit Unterstützung durch Dienstleister Chatbot für EGO n.z. n.z. n.z. n.z. n.z. 90 BMDV / BfG M2 intern R BMVI, WSV 2019-2022 Projekt: optiVor, Kosten Teilprojekt ML- Methoden: 0,20 F+E Projekt, Entwicklung mit OpenSource Produkten 91 BMDV / BfG M2 intern Python-Programm, R BMVI, WSV 2023-2025 Projekt: MALPROG, Kosten gesamt: F+E Projekt, Entwicklung mit OpenSource Produkten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 1,16 (geplant) 92 BMDV / BfG M5 / U3 intern Python-Programm Umweltbundesa mt 2023-2025 Projekt: MALPROG, Kosten gesamt: 1,16 (geplant) F+E Projekt, Entwicklung mit OpenSource Produkten 93 BMDV / BfG M5 / U3 intern Python-Programm 2023-2025 Projekt: MALPROG, Kosten gesamt: 1,16 (geplant) F+E Projekt, Entwicklung mit OpenSource Produkten 94 BMDV / BfG M5 / U3 intern Python-Programm 2023-2025 Projekt: MALPROG, Kosten gesamt: 1,16 (geplant) F+E Projekt, Entwicklung mit OpenSource Produkten 95 BMDV / BfG U4 extern Python-Programm + App BfG 2021-2024 Projekt gesamt : 0,15 F+E Projekt, Entwicklung mit OpenSource Produkten 96 BMDV / BfG M1, M3, U2 intern Python-Programm, Matlab 02/2023- 01/2026 Projekt gesamt: 1,12 (geplant) F+E Projekt, Entwicklung mit OpenSource Produkten 97 BMDV / BfG M1, Z2 intern Python-Programm 2023-2025 Projekt: MALPROG, Kosten gesamt: 1,16 (geplant) F+E Projekt, Entwicklung mit OpenSource Produkten 98 BMDV / BfG M5 intern 99 BMDV / BfG G3,Z2 intern R BMVI 2023-2025 Projekt: SOURCE, Kosten F+E Projekt, Entwicklung mit OpenSource Produkten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung gesamt: 0,83 100 BMDV / BfG G2 intern Elastic Stack, R UBA-REFOPLAN 05/2020 - 01/2024 gesamtes Projekt: 0,67 101 BMDV / BfG M2 intern Python-Programm Projekt zusammen mit BGR, KIT, LfU BB, TUM, DWD, LBEG, LBGR, Mapular 12/2023 - 02/2026 Kosten Teilprojekt BfG: 0,26 Dritte F+E Projekt, Entwicklung mit OpenSource Produkten 102 BMDV / BfG U4 intern R, Python BMVI, WSV 2023-2025 gesamtes Projekt: 0,35 F+E Projekt, Entwicklung mit OpenSource Produkten 103 BMDV / BfG U3 intern R Fördervolu men des Projektes: 1,85 F+E Projekt, Entwicklung mit OpenSource Produkten 104 BMDV / BALM Kontrol ldienste extern entwickelt; intern trainiert Konau-Opt BALM 2019/2020 0,31 Erstellung einer Optimierungssoft ware und Support nein; Zusammenarbeit mit dem Unternehmen war zuvor bereits begonnen für andere Themen, Direktvergabe durch Alleinstellungsmer kmal 105 BMDV / BAV I extern entwickelt; intern trainiert Ubitec FAQ-Chatbot BAV 2024/25 0,045 im Initialjahr, danach jährlich 0,025 an das ITZ Initialschulung, unbefüllter FAQ- Chatbot nein, Rahmenvertrag ITZBund 106 BMDV / BAV Z, I, II, III extern noch zu klären BAV 2024/25 / / / Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 107 BMDV / BAV alle extern Microsoft Copilot (kostenfreie und/oder lizensierte Version) / 2024/25 / / / 108 BMDV / BAW Geotec hnik extern, in Forschungskoo peration 109 BMDV / BAW Bautech nik extern, in Forschungskoo peration 110 BMDV / BAW Wasser bau im Binnen bereich extern, in Forschungskoo peration 111 BMDV / BSH MDZ extern Chatbot BSH 2024 0,10 Vorprojekt zur Evaluation der Machbarkeit und der technischen Grundlagen, Hauptprojekt zur Umsetzung nein, da DL durch das Beratungsunterneh men der öffentlichen Hand erbracht werden 112 BMDV / BSH MDZ intern Datenfehler--Identifikation, Entfernung der Datenfehler, Korrektur der der Datenfehler, Ergänzung fehlender Werte 113 BMDV / BSH M Intern im Rahmen einer Masterarbeit, extern im Rahmen eines Forschungsproj ekts des BSH BSoundH BSH 2022-2024 0,06 Forschung und Entwicklung zur Erweiterung des Analysesystems BSoundH; Forschung und Entwicklung zur akustischen Ereignisdetektion; Optimierung der Performanz des Systems Nein, Weiterentwicklung sprojekt aufbauend auf vorangegangenes FuE Vorhaben, mit Fortführung des selben Auftragnehmers 114 BMDV / BSH N intern entwickelt und trainiert Darknet, YOLO4 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 115 BMDV / BSH N intern entwickelt und trainiert CNN in U-Net Struktur (Keras-Bibliothek keras/keras-unet/satellite_unet) 116 BMDV / BSH Schiffah rt Extern entwickelt und trainiert in der Produktion, intern mit Testdatensatz verfiziert Schiffsausrüstung, Prüfung und Zulassung BSH 2023 0,05 Studie ja 117 BMDV / DWD FE / KU intern 118 BMDV / FBA übergre ifend noch offen noch offen noch offen noch offen noch offen noch offen noch offen 119 BMDV / WSV U13 extern KI gestützte Verkehrserfassung der Freizeitschifffahrt WSV 2022-2025 Abrechnun g über Rahmenver trag über Personenta ge; insgesamt 650 PT Entwicklung der Anwendung und Realisierung in einer Hardware über Rahmenvertrag 120 BAMF 7, 2 interne Entwicklung mit externer Unterstützung Assistenzsystem für Sicherheitsmeldungen Auftraggeber: BAMF, Auftragnehmer: SVA/IBM 2018-2021 18 Entwicklung und Anbindung des Systems Das System selbst wurde nicht ausgeschrieben, aber die externen Leistungen wurden aus einem Rahmenvertrag abgerufen, der ausgeschrieben wurde. 121 BMI/StBA C intern R/Python StBA fortlaufend Personalko sten StBA nicht zutreffend, da keine Vergabe nein 122 BMI/StBA C intern R StBA fortlaufend Personalko sten StBA nicht zutreffend, da keine Vergabe nein 123 BMI/BSI OC intern Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 124 BMI/ BKG Geodate n (GD) extern (teilweise intern) Vorhandene IT-Infrastruktur BMI 2021-2024 2,3 Algorithmenbasier te Entscheidungsproz esse für die Bereiche Landbedeckung und Mustererkennung (über Rahmenvertrag) nein 125 BMI/ BKG Geodate n (GD) extern (teilweise intern) Vorhandene IT-Infrastruktur BMI 2019-2020 1,68 Algorithmenbasier te Entscheidungsproz esse für die Bereiche Landbedeckung und Mustererkennung (über Rahmenvertrag) nein 126 BMI/ BKG/ StBa Geodate n (GD) extern (teilweise intern) Vorhandene IT-Infrastruktur EuroStat 2024-2026 0,57 Algorithmenbasier te Entscheidungsproz esse für diesen Bereich nein 127 BMI/BKG Geodie nstleist ungen (GDL) intern Vorhandene IT-Infrastruktur intern laufend bisher keine Kosten entstanden 128 BMI/BKG Geodate n (GD) / Geodie nstleist ungen (GDL) intern Vorhandene IT-Infrastruktur intern (KoPa Ziffer 43) 2022-2025 4 Algorithmenbasier te Entscheidungsproz esse für diesen Bereich nein 129 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern DigiVod BPOL 2024 unbekannt Gesichts- Personen und Objekterkennung mit nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung Vergleichsbildern sowie Klassifizierung nach Objekten, Klassen, wie Rucksack, Rollstuhl usw. 130 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern MSAB / XRY & XAMN/ Pro BPOL seit 2018 0,09 Klassifiziert Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.) nein 131 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern Cellebrite / Physical Analyzer/ Premium BPOL seit 2018 0,20 Klassifiziert Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.) nein 132 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern X-Ways / X-Ways Forensics BPOL seit 2018 0,03 OCR Texterkennung nein 133 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern Cellebrite Inspektor BPOL seit 2018 0,009 Klassifiziert Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.) nein 134 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern Magnet Forensics/ Axiom BPOL seit 2018 0,10 Klassifiziert Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.) nein 135 BMI/ Bundespolizeipräsi dium BPOLD 11 EEU BPOL extern Oxigen Forensics BPOL seit 2024 0,03 Klassifiziert Bilder in Kategorien (Drogen, Waffen, Dokumente, etc.) nein 136 BMI/ Bundespolizeipräsi dium 5 intern Zentrales Log-Management BPOL 2018-2021 1,20 Erkennung von Signaturen über Angriffsmerkmale und -indikatoren (IoCs, etc.) sowie versuchten Evasionen dieser nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung Signaturen in Logdaten 137 BMI/ Bundespolizeipräsi dium 5 intern Netzwerksensorik BPOL 2018-2021 0,11 Erkennung von Signaturen über Angriffsmerkmale und -indikatoren (IoCs, etc.) in Netzwerk- Payloads nein 138 BMI/ Bundespolizeipräsi dium 2 extern keine Anwendung, da Forschungsprojekt BPOL s. Frage 6 s. Frage 6 Personen- und Objekterkennung, Alarm bei Detektion im Gefahrenbereich (Gleis) nein 139 BMI/ Bundespolizeipräsi dium 2 intern keine Anwendung, da Forschungsprojekt BMBF, Forschungsproje kt s. Frage 6 s. Frage 6 Personen- und Objekterkennung, Alarm bei Detektion im Gefahrenbereich (Tunnelmund) nein 140 BMI/ Bundespolizeipräsi dium 2 intern keine Anwendung, da Forschungsprojekt Polizei NRW, Forschungsproje kt s. Frage 6 s. Frage 6 Personen- und Objekterkennung nein 141 BMI/ Bundespolizeipräsi dium 6 extern Bundespolizei Zertifiziert wird das Gesamtsyst em, das von Luftsicherh eitsbehörden beschafft werden kann. Kosten für einzelne Systemkomponent en werden fortlaufende Weiterentwicklun g der Luftsicherheitsausrüstung unter Berücksichtigung aktueller Bedrohungslagen ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung nicht gesondert ausgewiese n. 142 BKA OE intern Keine Angabe Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde 143 BKA OE intern Keine Angabe Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde 144 BKA OE Keine Angaben, da öffentliches bekanntwerde n die Verwendbarkei t des Werkzeugs stark beeinträchtige n würde Keine Angabe BKA Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung beeinträcht igen würde beeinträcht igen würde 145 BKA OE Keine Angaben, da öffentliches bekanntwerde n die Verwendbarkei t des Werkzeugs stark beeinträchtige n würde Keine Angabe BKA Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwe rden die Verwendba rkeit des Werkzeugs stark beeinträcht igen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde 146 BKA OE extern Keine Angabe BKA 2021 frei feature embedding nein 147 BKA OE extern Videoanalyseplattform BKA Einsatz im BKA seit 2018 ca. 0,30 jährl. Multi-User fähiges Videoanalyse und Auswertesystem nein 148 BKA OE extern Keine Angabe BKA frei grafische Oberfläche zur Dateiverwaltung 149 BKA OE intern Keine Angabe frei Programmierschni ttstelle 150 BKA KT extern Keine Angabe BKA seit 2022 0,12 / Jahr Technologie Evaluierung und Erforschung, Erstellen von Prototypen nein 151 BKA KT intern Keine Angabe 152 BKA KT extern ChatGPT BKA seit 2022 keine noch nicht bekannt nein 153 BKA KT extern MidJourney, Stable Diffusion BKA seit 2023 unbekannt noch nicht bekannt nein 154 BKA OE extern Keine Angabe BKA 155 BKA / BMI ZV extern Scribble BKA 2020 0,006 p. a Jahreslizenz nein 156 BKA ZI extern GES BKA 2008 Jährliche Pflegepausc Keine Angabe ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung hale in Höhe von 0,02 (netto) Examiner- Lizenzen (proprietäre Auswertem aske) in Höhe von 0,02 pro Lizenz 157 BKA ZI extern AFIS BKA Anschaffun gskosten der seit 2021 eingesetzte n Ausbaustuf e des Systems ca. 6,5 Keine Angabe ja 158 BKA DI extern OpenAI whisper 2023 frei Keine Angabe nein 159 BMI KM3/T HW Intern Maschinenlernen, Computervision, große Sprachmodelle, RAGs, 160 BMEL/JKI JKI- Institut e für Züchtu ngsfors chung intern 161 BMEL/JKI JKI- Institut e für Pflanze nschutz und Bodenk unde intern 162 BMEL/JKI JKI- Institut intern Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung e für Bienens chutz und für Strategi e und Folgena bschätz ung 163 BMEL/JKI JKI- Institut e für Züchtu ngsfors chung intern 164 BMEL/MRI Ernähr ungsver halten extern elevait GmbH & Co. KG 2021-2024 ja 165 BMEL/MRI IT intern 166 BMEL/MRI NRZ- Authen t intern 167 BMEL/MRI NRZ- Authen t intern 168 BMEL/TI SF intern 169 BMEL/TI SF 170 BMEL/TI WO intern 171 BMEL/TI ZI intern 172 BMEL/TI WO intern 173 BMEL/TI SF intern 174 BMEL/TI Stabsste lle Klima & Boden intern 175 BMEL/TI Betriebs intern Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung wirtsch aft 176 BMEL/BVL 1 intern ~ ~ ~ ~ ~ 177 BMEL/BVL Alle extern 178 BLE 5 intern 179 BMEL 117 (Sprach endiens t) EU 2017 nicht bekannt MÜ 180 BMEL / BfR 7 extern OECD bzw. ECHA (OECD QSAR Toolbox); einzelne Modelle von versch. Anbietern; Lhasa Ltd. (Derek Nexus bzw. Sarah) 2023 (Version 4.6) OECD/ECH A: frei; Lhasa:spezi fisches Agreement zur Nutzung der Daten, keine Kosten nein 181 BMEL / BfR 7 extern OECD QSAR- Toolbox: Entwicklung und Training durch Experten der OECD sowie unterstützende Behörden Derek/Sarah: Entwicklung und Training durch die Firma Lhasa Lmt.; Validierung publiziert 2023 (Version 4.6) OECD: frei; Lhasa:spezi fisches Agreement zur Nutzung der Daten, keine Kosten nein 182 BMEL / BfR 7 intern nicht zutreffend 183 BMEL / BfR 7 intern nicht zutreffend 184 BMEL / BfR 7 und 4 intern nicht zutreffend 185 BMEL / BfR 9 intern nicht zutreffend Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 186 BMEL / BfR 9 intern nicht zutreffend 187 BMEL / BfR 4 intern nicht zutreffend 188 BMEL / BfR 6 extern Lhasa Ltd., INSTEM (Leadscope) 2022 ca. 0,04 Bereitstellung von trainierte Modellen mit Graphical User Interface, Training nein 189 BMEL / BfR 6 intern nicht zutreffend nicht zutreffend nicht zutreffend nicht zutreffend 190 BMEL / BfR 6 extern Oasis LMC (im Auftrag der OECD) fortlaufend unbekannt (Dritte) Bereitstellung von Deskriptoren und regelbasiertes Systemen als auch Daten für die Erstellung eigener QSAR-Modelle nein 191 BMEL / BfR 3 intern nicht zutreffend 192 BMEL / BfR 3 extern KIDA https://www.kid a-bmel.de/ 2023/2024 ohne Beratung und Bereitstellung trainierter Bilderkennungsm odelle nein 193 BMEL / BfR 6 extern nicht zutreffend nicht zutreffend nicht zutreffend Bereitstellung von Modellen zur Datenextraktion, Analyse und Unterstützung bei der Entwicklung maßgeschneiderte r Anwendungsfälle wie Adverse Outcome Pathways (AOPs), Early Warning Systems (EWS) usw. nein 194 BMEL / BfR 6 extern nicht zutreffend nicht zutreffend nicht zutreffend chemische Klassifizierung nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung und Screening für die Risikobewertung 195 BMF BZSt intern; Auftraggeber ist das BZSt; Auftragnehmer das ITZBund welches im Rahmen von bestehenden Rahmenverträg en auf externe Unterstützung zurückgreift Anwendung BZSt 2020 ca. 2,72 für KI- Entwicklun g Analyse- und Auswertungs- Software; User Interface nein; Rückgriff auf bestehende Rahmenverträge 196 BMF BZSt intern 2020 ca. 0,66 Für die KI- Komponente wurden Open Source-Produkte (Rasa, Snipet NLU) genutzt. Die KI- Betriebskosten sind Bestandteil des Gesamtdienstes und können nicht gesondert ausgewiesen werden. nein Der Chatbot ist eine Maßnahme aus der Dienstekonsolidier ung des Bundes. Hauptverantwortli ch sind das BMI, die Generalzolldirektio n und technisch das ITZBund. Das BZSt nutzt die einzelnen Komponenten der Maßnahme lediglich nach und evaluiert nicht. 197 BMF BZSt extern Anwendung BZSt 2003 ca. 0,23 Webcrawling und Kategorisierung nach E-Commerce Aktivität ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 198 BMF Haushal t 199 BMF ITZBun d extern entwickelt intern trainiert Das Bot-Framework ist extern entwickelt worden. Die Auftragsvergabe erfolgte im Rahmen der Dienstekonsolidierung. Trainiert wird es ausschließlich durch internes Personal. ITZBund 2019 0,03 siehe Basisdienst der Dienstekonsolidier ung (BMI) nein Nachnutzung Basisdienst Dienstekonsolidier ung (BMI) 200 BMF ITZBun d extern entwickelt intern trainiert KIRA ITZBund 2022 0,20 Entwicklungskoste n, Betriebskosten, Schulungen, Datenschutz-/ Sicherheitsbetrach tungen etc. ja 201 BMF ITZBun d intern ITZBund 2024 Abgeflosse ne Mittel 511: 0; 518: 0,25; 532: 0,15; 812: 0 geplante Gesamtkost en: 511: 0,65; 518: 0,35; 532: 0,70; 812: 2,16 Ziel ist Bereitstellung von unterschiedlichen Funktionen der künstlichen Intelligenz, für PoC, Schulung, etc. Nutzung bestehender Rahmenverträge, Eigenentwicklung 202 BMF ITZBun d intern mit ext. Unterstützung (Dienstleistung en aus Rahmenvertrag ) entwickelt, aber kein Training KIPITZ ITZBund 2024 ca. 5 (Dienstleist ung + Infrastrukt ur) Konzeption, Entwicklung und Realisierung der Plattform; Entwicklung und Umsetzung von KI-basierten Apps; Erstellung von Leitlinien zur KI- Governance; Projektmanageme nt und Begleitung nein, bestehender Rahmenvertrag konnte genutzt werden (Dienstleistungsver trag) Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung bei der Einführung sowie Anforderungsman agement 203 BMF GZD kann nicht beantwortet werden, da KITZ erst vor der Entwicklung steht kann nicht beantwortet werden, da KITZ erst vor der Entwicklung steht kann nicht beantwortet werden, da KITZ erst vor der Entwicklung steht kann nicht beantworte t werden, da KITZ erst vor der Entwicklun g steht kann nicht beantworte t werden, da KITZ erst vor der Entwicklun g steht kann nicht beantwortet werden, da KITZ erst vor der Entwicklung steht 204 BMF GZD Intern KI-Komponente für den Betrieb eines Chatbot für 1) die Kraftfahrzeugsteuer 2) den grenzüberschreitenden Waren- und Dienstleistungsverkehr 3) Anwendersupport 4) Voicebot GZD 1, 2) 2020 3) 2022 4) 2022 und 2023 keine Als KI- Komponente für den Betrieb des Chatbot kam die Open-Source- Komponente Snips NLU zum Einsatz. Das Training erfolgt durch die Fachredaktion. Nein 205 BMF GZD Interne Entwicklung mit externer Unterstützung PARIS GZD/ZKA Entwicklun g ab 2017; im Betrieb seit 2018 n/a (im Rahmen der PARIS- Fortentwic klung) n/a (im Rahmen der PARIS- Fortentwicklung: Entwicklung neuronales Netz für Scoring und Doublettenprüfun g) Nein (bestehender Rahmenvertrag) 206 BMF GZD Interne Entwicklung mit externer Unterstützung PARIS GZD/ZKA Entwicklun g ab 2014; Im Betrieb seit 2016 n/a (im Rahmen der PARIS- Fortentwic klung) n/a (im Rahmen der PARIS- Fortentwicklung: Entwicklung neuronales Netz für Scoring und Doublettenprüfun g) Nein (bestehender Rahmenvertrag) Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung 207 BMF GZD - externe Entwicklung der Anwendung - Training findet ausschließlich intern statt (Daten verlassen ITZBund nicht) FIU über ITZBund 2019 2020 2021 2022 2023 2024 0 4,0 4,4 3,2 3,8 2,8 - Entwicklung eines Piloten zur Feststellung, ob Geldwäsche- Verdachtsmeldung en mit Hilfe von KI (maschinellem Lernen) bewertet werden können - kontinuierliche Weiterentwicklun g der Anwendung nach Scrum (u.a. Verbesserung der verwendeten Modelle) Nein (Finanzierung über bestehenden Rahmenvertrag) 208 BMF GZD kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht GZD kann nicht beantworte t werden, da das Projekt erst vor der Entwicklun g steht kann nicht beantworte t werden, da das Projekt erst vor der Entwicklun g steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht 209 BMF GZD kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht BMF kann nicht beantworte t werden, da das Projekt erst vor der Entwicklun g steht kann nicht beantworte t werden, da das Projekt erst vor der Entwicklun g steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht 210 BMF GZD kann nicht beantwortet werden, da das Projekt erst vor der kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht BMF kann nicht beantworte t werden, da das Projekt erst vor der kann nicht beantworte t werden, da das Projekt erst vor der kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht kann nicht beantwortet werden, da das Projekt erst vor der Entwicklung steht Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Entwicklung System/Anwendung Auftraggeber/ Auftragnehmer Jahr Kosten (Mio €) Leistungsumfang Ausschreibung Entwicklung steht Entwicklun g steht Entwicklun g steht 211 BMF GZD Eigenentwicklu ng der Zollverwaltung unter Beteiligung des ITZBund noch laufende IT-Beratung. GZD/ZKA Entwicklun g ab 2024 nein (Finanzierung über bestehenden Rahmenvertrag) 212 BMF GZD Intelligente Suche ist Teil des Zoll-Portals. GZD 2023 im Rahmen der Weitenent wicklung Zoll-Portal Apache Solr Suche mit zusätzlichem KI Algorithmus nein. Bestehende Finanzierung über Entwicklung Zoll- Portal Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 1f: Anwendungsfälle von KI in Bundesministerien und nachgeordneten Behörden (Antwort zu Frage 5-5c) Hinweis: Die Nummerierung entspricht der Anlage 1a. Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 1 AA 1 ja n.n. AA nein entfällt 2 BMAS Z ja Evaluierung der Leistungsfähigkeit und Funktionalität. Ergebnisse dienen der Weiterentwicklung der KI-Suche. Ergebnis: System funktioniert gut, Überführung in den Wirkbetrieb wird empfohlen, Weiterentwicklungsmöglichkeiten insbesondere aufgrund von Fortschritten bei LLMs sollten untersucht werden. Interne Evaluierung mit Unterstützung eines Dienstleisters. nein, da Ergebnisse primär von interner Relevanz sind (z.B. Fortentwicklung, Verbesserungspotentiale). entfällt 3 BMAS G Ja Testphase läuft Interne Evaluierung mit Unterstützung zweier Dienstleister. nein, da Ergebnisse primär von interner Relevanz sind (z.B. Fortentwicklung, Verbesserungspotentiale). entfällt 4 BMAS D nein entfällt entfällt entfällt Die mithilfe von KI generierten Ergebnisse (zusammenfassende Beschreibungen von zukünftig potenziell relevanten Themen) werden kontinuierlich durch ein (menschliches) Redaktionsteam gefiltert und gemeinsam mit Mitarbeiterinnen und Mitarbeitern des BMAS diskutiert sowie hinsichtlich ihrer Relevanz und möglichen zukünftigen Auswirkungen bewertet. 5 BAuA Fachb ereich 2 inhärenter Bestandteil der Forschung Die Entwicklung der Anwendung, somit auch die Prüfung und Evaluierung, ist Gegenstand der hauseigenen Forschung, Evaluierungsergebnisse im engeren Sinn sind nicht publiziert die Anwendung ist noch nicht im Realbetrieb und daher dort auch nicht zu evaluieren Forschungsergebnisse werden grundsätzlich publiziert inhärenter Bestandteil der Forschung Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 6 BAuA Fachb ereich 2 inhärenter Bestandteil der Forschung Die Entwicklung der Anwendung, somit auch die Prüfung und Evaluierung, ist Gegenstand der hauseigenen Forschung, im Ergebnis hat sich der Ansatz des maschinellen Lernens auf Grund der Datenqualität nicht als geeignet erwiesen die KI-Anwendung hat sich in der Forschung als nicht tauglich für den Realbetrieb gezeigt Forschungsergebnisse werden grundsätzlich publiziert inhärenter Bestandteil der Forschung 7 BfArM 9 in der Anwendung zum Einsatzzweck Regelmäßige interne Evaluierung durch Mitarbeiter aus dem Bereich Data Science. Ergebnisse für internen Gebrauch / 8 BfArM 9 in der Anwendung zum Einsatzzweck Regelmäßige interne Evaluierung durch Mitarbeiter aus dem Bereich Data Science. Ergebnisse für internen Gebrauch / 9 BfArM 9 in der Anwendung zum Einsatzzweck Regelmäßige interne Evaluierung durch Mitarbeiter aus dem Bereich Data Science. Ergebnisse für internen Gebrauch / 10 BfArM 5 in der Anwendung zum Einsatzzweck noch nicht abgeschlossen intern durch Regulation Ergebnisse für internen Gebrauch / 11 BfArM 1 in der Anwendung zum Einsatzzweck noch nicht abgeschlossen intern durch Regulation Ergebnisse für internen Gebrauch / 12 BfArM 1 in der Anwendung zum Einsatzzweck noch nicht abgeschlossen intern durch Regulation Ergebnisse für internen Gebrauch / 13 BfArM 9 in der Anwendung zum Einsatzzweck noch nicht abgeschlossen Regelmäßige interne Evaluierung durch Mitarbeiter aus dem Bereich Data Science. Ergebnisse für internen Gebrauch / 14 BfArM 9 in der Anwendung zum Einsatzzweck noch nicht abgeschlossen Regelmäßige interne Evaluierung durch Mitarbeiter aus dem Bereich Data Science. Ergebnisse für internen Gebrauch / Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 15 DPMA Abt. 2.4 vollautomatisie rt Klassifikation beschleunigt die Bearbeitung und verringert den manuellen Aufwand Evaluierung durch die nutzenden Abteilungen und immer im Vergleich zu bestehenden, internen Systemen sowie in einer intellektuellen Prüfung nein rein interne Veröffentlichung, rein interner Unterstützungsmechanismus ohne autom. Entscheidungsfindung 16 DPMA Abt. 2.4 DPMA-intern entwickelte Python- Notebooks zur Evaluierung auf Basis des Recall-Werts kognitive Suche unterstützt die Recherche der Patentprüfer in Breite und Tiefe und unterstützt damit die intellektuelle Recherche Evaluierung durch die nutzenden Abteilungen und immer im Vergleich zu bestehenden, internen Systemen sowie in einer intellektuellen Prüfung nein rein interne Veröffentlichung, rein interner Unterstützungsmechanismus ohne autom. Entscheidungsfindung 17 DPMA Abt. 2.4 durch Menschen die Übersetzungen ermöglichen erst eine breite und tiefe Recherche in asiatischen Patentdokumenten für die breite Prüferschaft Evaluierung durch die nutzenden Abteilungen und immer im Vergleich zu bestehenden, internen Systemen sowie in einer intellektuellen Prüfung nein rein interne Veröffentlichung, rein interner Unterstützungsmechanismus ohne autom. Entscheidungsfindung 18 BMUV T Die Einführung der Anwendung ist bisher noch in der Planung. Perspektivisch ist eine kontinuierliche und nutzerinnenzentriert Evaluierung und Weiterentwicklung der Anwendung vorgesehen. 19 BMUV/U BA KI- Lab ja cross-validation und blind test auf dem hold-out set Expertenteam KI-Labor am UBA Eine wissenschaftliche Veröffentlichung der Ergebnisse ist geplant - 20 BMUV/U BA I 1.7 Abschlussberic ht cross-validation und blind test auf dem hold-out set Horváth & Partner GmbH |München Ja, Abschlussbericht soll veröffentlicht werden - 21 BMUV/U BA KI- Lab ja cross-validation und blind test auf dem hold-out set Expertenteam KI-Labor am UBA Eine wissenschaftliche Veröffentlichung der Software und Ergebnisse ist geplant Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 22 BMUV/U BA KI- Lab ja cross-validation und blind test auf dem hold-out set Expertenteam KI-Labor am UBA Eine wissenschaftliche Veröffentlichung der Software und Ergebnisse ist geplant 23 BfS UR in Planung Vergleich der Prognosen mit aktuellen Messdaten, die von Bund und Ländern erhoben werden, sowie Messdaten, die dem Bund verpflichtend übermittelt werden müssen. intern in Zusmmenarbeit von Landesbehörden in Planung, in Form wissenschaftlicher Publikationen und aktualisierten Prognosen 24 BMUV/Bf S WR ja Die Ergebnisse des automatisierten Verfahren können im Rahmen der Analyse verwendet werden. innerhalb des Fachgebietes nein 25 BMUV/Bf S WR ja Die Ergebnisse des automatisierten Verfahren können im Rahmen der Analyse verwendet werden. innerhalb des Fachgebietes nein 26 BfS RN Ist in Entwicklung. Eine Evaluierung findet nach jedem Entwicklungssc hritt statt Die Entwicklung verspricht nach Fertigstellung einen hohen Nutzen innerhalb des Fachgebietes in Planung 27 BMUV/Bf S RN Ist in Entwicklung. Eine Evaluierung findet nach jedem Entwicklungssc hritt statt Die Entwicklung verspricht nach Fertigstellung einen hohen Nutzen innerhalb des Fachgebietes in Planung 28 BMUV/Bf S RN In Planung In Planung In Planung In Planung In Planung 29 BMZ 30 BMZ 31 BMZ 32 BMZ 33 BMZ Wissenschaftlic he Auswertung Mehrwert durch Effizienz Intern durchgeführt nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung des Produktivitätsg ewinn durch Nutzung generativer KI 34 BMZ 35 BMZ 36 BMZ 37 BMZ 38 BMZ 39 BMZ 40 BArch Evaluierung anhand der üblichen Metriken (character error rate, accuracy) Durchgeführt durch Dienstleister nein 41 BArch Evaluierung anhand der üblichen Metriken (character error rate, accuracy) 42 BMWK Z, VI ja Evaluierung noch ausstehend Auftragnehmer (KI- Kompetenzcenter) Evaluierung noch ausstehend 43 BMWK / BAFA 4, 6 nein Aufgrund der ausführlichen Abnahmetests und kontinuierlichen Weiterentwicklungen sehen wir dedizierte Evaluierungen als nicht notwendig an. 44 BMWK / BAFA 5 nein Aufgrund der ausführlichen Abnahmetests und kontinuierlichen Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Weiterentwicklungen sehen wir dedizierte Evaluierungen als nicht notwendig an. 45 BMWK/B GR B1 nein mutmaßlich durch Auftragnehmer, aber Kriterien nicht klar nachvollziehbar; durch uns nach Beginn des Leistungszeitraums auf Fallbasis durch fachlich versiertes Personal keine, da kommerzielles Angebot, nach Bewertung der Ergebnisse Veröffentlichung ggf. in Form eines Newsletters 46 BMWK/B GR B1 ja Team 47 BMWK/B GR B2 ja Durch Entscheider wurde Modellgüte anhand Vergleich mit sogenannten Hindcasts durchgeführt (d.h. "Nachhersagen" historischer Grundwasserstände und Abgleich mit entsprechenden Messwerten); darüber hinaus über wissenschaftliche Aufsätze und deren Publikation über Gutachterverfahren (peer-review) z. B. WUNSCH, A., LIESCH, T. & BRODA, S. (2022a): Deep learning shows declining groundwater levels in Germany until 2100 due to climate change. - Nat Commun 13, 1221. doi: 10.1038/s41467-022-28770-2; KIT&BGR 48 BMWK/B GR B2 ja Entscheider hat Evaluierungen der machine learningbasierten Regionalisierungen von hydrogeologischen Flächendaten z. B. NÖLSCHER, M. & BRODA, S. (2021): Using an Extreme Gradient Boosting Learner for Mapping Hydrogeochemical Parameters in Germany. - EGU General Assembly, online, 19-30 Apr 2021, EGU21-12818. Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung durchgeführt; hier durch "leave-one-out"- Prinzip, d.h. die Modelle werden an Punkten getestet, an denen gemessene ("ground truth") ; Daten vorliegen, aber nicht in den Test- und Validierungsdatensatz enthalten sind; darüber hinaus über wissenschaftliche Aufsätze und deren Publikation über Gutachterverfahren (peer-review) doi: 10.5194/egusphere-egu21-12818. BGR; 49 BMWK/B GR B2 ja EntwicklerInnen als Teil des wissenschaftlichen Erarbeitungsprozesses COOKE, A-K., WILLKOMMEN, S. & BRODA, S. (2024): Analysing agricultural plant protection product concentrations in groundwater in Germany: Nationwide database with site and compound insights. - Environmental Research Vol. 248, 118231. doi: 10.1016/j.envres.2024.118231; Projekt ist in Bearbeitung, weitere Veröffentlichung befindet sich in Vorbereitung 50 BMWK/B GR B2 ja EntwicklerInnen als Teil des wissenschaftlichen Erarbeitungsprozesses Projekt hat gerade begonnen, Ergebnisse werde im Laufe der dreijährigen Projektphase veröffentlicht 51 BMWK/B GR B2 ja Bearbeiter hat mehrere Varianten getestet und diese evaluiert Ja (geplant, bislang nur als Poster bei Konferenzen vorgestellt) 52 BMWK/B GR B2 ja Bearbeiterin hat mehrere Varianten Ja (geplant, bislang nur als Poster bei Konferenzen vorgestellt) Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung getestet und diese evaluiert 53 BMWK/B GR B2 ja Die errechneten Qualitätsbewertungen sollen dazu genutzt werden, ggfs. fälschlich codierte Bohrungen manuell nachzuprüfen. Anhand einer Auswertung dieser Nachprüfungen kann indirekt die Güte der KI beurteilt werden (wurden Fehler in der Codierung korrekterweise aufgedeckt oder nicht). vielleicht (prinzipiell handelt es sich um ein internes Werkzeug zur Qualitätsprüfung, ggfs. werden die Erkenntnisse in wissenschaftlichen Publikationen veröffentlicht.) 54 BMWK/B GR B2 ja Projekt hat noch nicht begonnen 55 BMWK/B GR B2 ja Projekt hat noch nicht begonnen 56 BMWK/B GR B2 nein laufende Forschung Grundlagenforschung 57 BMWK/B GR B3 ja liegt in Zukunft Wiss. Bericht (geplant) 58 BMWK/B GR B4 ja BGR B4: Abgleich mit Benchmark-Katalogen - die bestehenden manuell ausgewerteten und klassifizierten Beben Interne Erfolgskontrolle / Messung der Zielerreichung 59 BMWK/B GR B4 ja Peer-Review der Ergebnisse durch unabhängige wiss. Gutachter (Zeitschriften, Fachgremien) z. B. BALZER D, DOMMASCHK P, EHRET D, FUCHS M, GLASER S, HENSCHEID S, KUHN D, STRAUß R, TORIZIN J, WIEDENMANN J (2020) Massenbewegungen in Deutschland (MBiD) – Beiträge zur Modellierung der Hangrutschungsempfindlichkeit: Abschlussbericht. Kooperationsprojekt zwischen den Staatlichen Geologischen Diensten der Bundesländer Baden- Württemberg, Bayern, Nordrhein- Westfalen, Sachsen und der Bundesanstalt für Geowissenschaften und Rohstoffe im Auftrag des Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Direktorenkreises der Staatlichen Geologischen Dienste in Deutschland; 60 BMWK/B GR B4 ja Publikation der Ergebnisse in Berichten und wiss. Fachorganen z.B.: Wagener, N. J., Kalia, A. C. (2021): Unsupervised learning applied to Persistent Scatterer Interferometry datasets for the characterisation of ground motion patterns in northern Germany, Proc. SPIE 11861, Microwave Remote Sensing: Data Processing and Applications, 1186109 (12 September 2021); https://doi.org/10.1117/12.26001 31 61 BMWK/P TB Abt 8 ja gem. Forschungsfortschritt 62 BMWK/P TB AG 7.21 ja nein 63 BMWK/P TB FB 6.2 ja gem. Forschungsfortschritt 64 BMWK/P TB FB 6.2 ja gem. Forschungsfortschritt 65 BMWK/P TB FB 6.2 ja gem. Forschungsfortschritt 66 BMWK/P TB FB 7.5 ja gem. Forschungsfortschritt 67 BMWK/P TB FB 8.1 ja 68 BMWK/P TB FB 9.4 ja 69 BMWK/P TB FB 9.4/Q. 4 ja gem. Forschungsfortschritt 70 BMWK/P TB FB 9.4 ja gem. Forschungsfortschritt 71 BMWK/P TB Q.4 ja 72 BMWK/B AM 1 ja Vergleich mit Referenzdaten und - ergebnissen; Ergebnisse incl. Rohdaten und Algorithmen in wiss. Publikationen veröffentlicht Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Vergleich mit Standardmethoden 73 BMWK/B AM 6 nein laufende Forschung 74 BMWK/B AM 6 nein Die autonome Materialentwicklungslabore befinden sich in der Aufbauphase. Die Ergebnisse werden wissenschaftlich aufbereitet und publiziert. 75 BMWK/B AM 6 nein 76 BMWK/B AM 7 nein https://github.com/BAMresearch/prob eye/ 77 BMWK/B AM 8 ja Peer-review-Prozess Beispielhaft: https://opus4.kobv.de/opus4- bam/frontdoor/index/index/start/6/ro ws/10/sortfield/score/sortorder/desc/s earchtype/simple/query/machine+lear ning/belongs_to_bibliographyfq/true/s ubjectfq/NDT/docId/48794 78 BMWK/B AM 8 ja Peer-review-Prozess Beispielhaft: https://opus4.kobv.de/opus4- bam/frontdoor/index/index/start/5/ro ws/10/sortfield/score/sortorder/desc/s earchtype/simple/query/v%C3%B6lker /docId/56638 79 BMWK/B AM 8 ja interne Projektmitarbeiter Veröffentlichung geplant im Rahmen wissenschaftlicher Publikation 80 BMWK/B AM 9 ja interne Projektmitarbeiter Fabry, C., Pittner, A. & Rethmeier, M. Design of neural network arc sensor for gap width detection in automated narrow gap GMAW. Weld World 62, 819–830 (2018). Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung https://doi.org/10.1007/s40194-018- 0584-8 81 BMWK/B AM 9 nein nein, Grundlagenforschung nein, Grundlagenforschung 82 BMWK/B AM 8 und 9 nein nein, Grundlagenforschung nein, Grundlagenforschung 83 BMWK/B AM 8 nein 84 BMWK/B AM 8 nein laufende Forschung 85 BMWK/B AM S 86 BMBF 1 nein kA kA kA Aufgrund spekulativer Natur der Prozesse und Ergebnisse der Strategischen Vorausschau ist eine formelle ex-Post- Evaluation nicht zielführend. Um Erfolgskontrolle zu gewährleisten, trägt Projektträger Beispiele zur direkten und indirekten Verwertung zusammen. 87 BMBF alle ja Auswahl des besten Open-Source- Modelles anhand Anwendungsfallspezifischer Metriken BMBF nein 88 BMBF alle ja Auswahl des besten Open-Source- Modelles anhand Anwendungsfallspezifischer Metriken BMBF nein 89 BMBF alle ja Auswahl des besten Open-Source- Modelles anhand Anwendungsfallspezifischer Metriken BMBF nein 90 BMDV / BfG M2 ja Generierung neues Vorhersageprodukt M2 noch nicht 91 BMDV / BfG M2 ja Verbesserung Vorhersagegüte durch Nutzung ML-Methoden M2 noch nicht 92 BMDV / BfG M5 / U3 ja Genauigkeit der Methoden anhand von Mean Average Precision M5 / U3 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 93 BMDV / BfG M5 / U3 ja Mean Intersection over Union M5 / U3 94 BMDV / BfG M5 / U3 ja noch kein Ergebnis M5 / U3 95 BMDV / BfG U4 ja fish / no fish: sehr gut size estimation: sehr gut swarm recognition: sehr gut species + behavoiur: noch kein Ergebnis U4 / Uni Tallin noch nicht 96 BMDV / BfG M1, M3, U2 ja M3, U2 noch nicht 97 BMDV / BfG M1, Z2 ja noch kein Ergebnis Z2 noch nicht 98 BMDV / BfG M5 ja noch kein Ergebnis M5 / ICGRWC noch nicht 99 BMDV / BfG G3,Z2 ja noch kein Ergebnis G3 noch nicht 100 BMDV / BfG G2 101 BMDV / BfG M2 ja noch ausstehend M2 noch kein Ergebnis 102 BMDV / BfG U4 ja visuelle Prüfung durch Experten U4 steht noch aus 103 BMDV / BfG U3 ja Klassifikationsgenauigkeit um 88% je klassifizierter Einheit (z.B. Uferpioniere, Schilfröhricht, Kies, Wasserbausteine) U3 https://www.mdpi.com/2072- 4292/14/4/954 104 BMDV / BALM Kontr olldie nste nein nein Evaluierung befindet sich im Aufbau 105 BMDV / BAV I ja / / / / 106 BMDV / BAV Z, I, II, III ja / / / / 107 BMDV / BAV alle ja / / / / 108 BMDV / BAW Geote chnik ja nein 109 BMDV / BAW Baute chnik ja nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 110 BMDV / BAW Wasse rbau im Binne nberei ch ja nein 111 BMDV / BSH MDZ ja aktuell in Arbeit Dienstleister und intern nicht geplant 112 BMDV / BSH MDZ ja aktuell in Arbeit BSH intern noch nicht geplant 113 BMDV / BSH M ja Die Detektionsrate für Rammschläge ist akzeptabel. Die Detektionsrate für Explosionen ist in Anbetracht der geringen für das Training vorhandenen Datenmenge akzeptabel. Bisher ist das System noch in Entwicklung und nicht produktiv. BSH und Auftragsnehmer des F&E Projekts BSoundH+ des BSH Nein, Evaluierung ist in Protokollen festgehalten Nicht zutreffend, da Evaluierung erfolgt 114 BMDV / BSH N ja Ergebnisse der KI-basierten Objektdetektion stimmen gut überein mit Annotationsergebnissen von Experten BSH- Projektmitarbeitende Veröffentlichung der Ergebnisse in Fachartikel: https://doi.org/10.58440/ihr-30-1-a08 115 BMDV / BSH N ja Ergebnisse der KI-basierten Wassertiefenbestimmung liefern für optische durchdringbare Wasserkörper Daten, die in ihrer Genauigkeit für Planungszwecke, nicht aber für Kartierungszwecke Verwendung finden können BSH- Projektmitarbeitende Veröffentlichung der Ergebnisse in Fachartikel geplant für Ende 2024 116 BMDV / BSH Schiff ahrt ja noch nicht abgeschlossen BSH https://doi.bsh.de/10.57802/gdf9-9f52 117 BMDV / DWD FE / KU ja • Ergebnisse werden intern regelmäßig in Verifikationsberichten festgehalten • Forschungs-ergebnisse werden im begutachteten wissenschaftlichen Zeitschriften veröffentlicht • Ergebnisse werden ggf. im Internet der Öffentlichkeit zur Verfügung gestellt • eingesetzte KI und ML Verfahren werden fortlaufend intern evaluiert • Prozesse unterliegen einer extrem aufwendigen Qualitätsüberwachung zur stetigen • Ergebnisse werden intern regelmäßig in Verifikationsberichten festgehalten • Forschungs-ergebnisse werden im begutachteten wissenschaftlichen Zeitschriften veröffentlicht • Ergebnisse werden ggf. im Internet der Öffentlichkeit zur Verfügung gestellt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Verbesserung der operationellen Vorhersagesysteme • Der wissenschaftliche Beirat des DWDs wird regelmäßig über KI- Aktivitäten informiert • Drittmittelprojekte werden nach anerkannten Standards der guten wissenschaftlichen Praxis (z.B. durch internationale Begutachtung) evaluiert 118 BMDV / FBA überg reifen d noch offen noch offen noch offen noch offen 119 BMDV / WSV U13 nein - - - Projekt / Entwicklung noch nicht abgeschlossen 120 BAMF 7, 2 ja Laufende Überwachung von Präzision und, soweit möglich, Sensitivität Externes und internes Personal nein 121 BMI/StB A C ja Messung der Genauigkeit, Schwächen und Stärken, Empfehlungen Abteilung C und Fachbereich ja - 122 BMI/StB A C ja Messung der Genauigkeit, Schwächen und Stärken, Empfehlungen Abteilung C und Fachbereich ja - 123 BMI/BSI OC Die Verfahren des BSOC werden kontinuierlich weiterentwickelt. Darunter fällt auch deren interne Evaluation und Anpassung 124 BMI/ BKG Geoda ten (GD) ja ja 125 BMI/ BKG Geoda ten (GD) ja ja Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 126 BMI/ BKG/ StBa Geoda ten (GD) ja ja 127 BMI/BKG Geodi enstle istung en (GDL) ja ja ja nein 128 BMI/BKG Geoda ten (GD) / Geodi enstle istung en (GDL) ja nein 129 BMI/ Bundespo lizeipräsi dium BPOL D 11 EEU BPOL nein nein nein nein nein 130 BMI/ Bundespo lizeipräsi dium BPOL D 11 EEU BPOL nein nein nein nein nein 131 BMI/ Bundespo lizeipräsi dium BPOL D 11 EEU BPOL nein nein nein nein nein 132 BMI/ Bundespo lizeipräsi dium BPOL D 11 EEU BPOL nein nein nein nein nein 133 BMI/ Bundespo lizeipräsi dium BPOL D 11 EEU BPOL nein nein nein nein nein 134 BMI/ Bundespo BPOL D 11 nein nein nein nein nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung lizeipräsi dium EEU BPOL 135 BMI/ Bundespo lizeipräsi dium BPOL D 11 EEU BPOL nein nein nein nein nein 136 BMI/ Bundespo lizeipräsi dium Abteil ung 5 nein / / / Keine Evaluation da geringe/minimale Risikobewertung, die Ergebnisse der KI wurden im Rahmen des Anlernens des Modells regelmäßig geprüft 137 BMI/ Bundespo lizeipräsi dium Abteil ung 5 nein / / / Keine Evaluation notwendig, da reine Mustererkennung 138 BMI/ Bundespo lizeipräsi dium Abteil iung 2 ja 139 BMI/ Bundespo lizeipräsi dium Abteil iung 2 ja 140 BMI/ Bundespo lizeipräsi dium Abteil iung 2 ja 141 BMI/ Bundespo lizeipräsi dium Abteil ung 6 ja Zertifizierte Luftsicherheitsausrüstung wird durch die Zertifizierungsstelle veröffentlicht: https://www.bundespolizei.de/Shared Docs/Webs/Downloads/IFG/nlsp_file.h tml Die Durchführung und Ergebnisse der Zulassung und Routinetests werden gemäß Luftsicherheitsausrüstungsverordnung dokumentiert und im Rahmen von Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Audits überprüft. Eine Veröffentlichung findet nicht statt. 142 BKA OE ja nein intern nein 143 BKA OE ja nein intern nein 144 BKA OE Keine Angaben, da öffentliches bekanntwerde n die Verwendbarkei t des Werkzeugs stark beeinträchtige n würde nein Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde nein Keine Angabe 145 BKA OE Keine Angaben, da öffentliches bekanntwerde n die Verwendbarkei t des Werkzeugs stark beeinträchtige n würde nein Keine Angaben, da öffentliches bekanntwerden die Verwendbarkeit des Werkzeugs stark beeinträchtigen würde nein Keine Angabe 146 BKA OE ja nein stetige Evaluierung durch Sachbearbeiter und Ermittler zwecks Weiterentwicklung der Ergebnisse nein 147 BKA OE ja nein stetige Evaluierung durch Sachbearbeiter und Ermittler zwecks Weiterentwicklung der Ergebnisse nein 148 BKA OE nein nein nein Keine Angabe Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 149 BKA OE ja nein stetige Evaluierung durch Sachbearbeiter und Ermittler zwecks Weiterentwicklung der Ergebnisse nein 150 BKA KT nein nein geplant nein Keine Angabe 151 BKA KT nein nein geplant nein Keine Angabe 152 BKA KT nein nein Erprobung läuft noch nein Keine Angabe 153 BKA KT nein nein Erprobung läuft noch nein Keine Angabe 154 BKA OE ja nein stetige Evaluierung durch Sachbearbeiter und Ermittler zwecks Weiterentwicklung der Ergebnisse nein 155 BKA / BMI ZV nein nein da extern nein Keine Angabe 156 BKA ZI ja nein Wie in Antwort zu 1 c) liegt das Ergebnis der algorithmenbasierten Entscheidung des eingesetzten Systems in Form einer Kandidatenliste vor. Daher wird faktisch jedes Ergebnis evaluiert bzw. verifiziert. Eine Evaluierung der grundsätzlichen Leistungsfähigkeit des Gesichtserkennungssyst ems ist nur sehr bedingt möglich, da die zur Verfügung stehende Datenbasis nur begrenzt geeignet ist. nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 157 BKA ZI ja nein Das AFIS wird einer fortlaufenden, internen Evaluierung unterzogen. Eine Veröffentlichung der dabei jeweils erzielten Ergebnisse wird nicht durchgeführt. Die Firma Idemia unterzieht ihr Produkt regelmäßig internationalen Vergleichstests. Die dabei erzielten Ergebnisse sind öffentlich (bspw. Fingerprint Vendor Technology Evaluation des amerikanische Instituts for Standards and Technology (NIST)). nein 158 BKA DI ja nein Fachpersonen betroffener BKA- Abteilungen nein 159 BMI KM3/ THW Nein nein nein nein nein 160 BMEL/ JKI JKI- Instit ute für Zücht ungsf orsch ung ja Forschende selbst wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben 161 BMEL/ JKI JKI- Instit ute für Pflanz ja Forschende selbst wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung ensch utz und Bode nkun de 162 BMEL/ JKI JKI- Instit ute für Biene nschu tz und für Strate gie und Folge nabsc hätzu ng ja Forschende selbst wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben 163 BMEL/ JKI JKI- Instit ute für Zücht ungsf orsch ung ja Forschende selbst wenn relevant, dann in der Ergebnispublikation zum Forschungsvorhaben 164 BMEL/ MRI Ernäh rungs verhal ten ja Projektbeteiligte Ergebnis wird im Projektschlussbericht festgehalten 165 BMEL/ MRI IT ja Projektbeteiligte Ergebnis wird im Projektschlussbericht festgehalten 166 BMEL/ MRI NRZ- Authe nt ja Projektbeteiligte, ggf. Projektträger und primären Anwenderkreis Ergebnis wird im Projektschlussbericht festgehalten Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 167 BMEL/ MRI NRZ- Authe nt ja Projektbeteiligte Ergebnis wird im Projektschlussbericht festgehalten 168 BMEL/TI SF ja TI-SF ja, Cayetano et al. (2024a): Fish age reading using deep learning methods for object-detection and segmentation. ICES Journal of Marine Science 81(4): 687–700. https://doi.org/10.1093/icesjms/fsae02 0 169 BMEL/TI SF TI-SF, FH-Kiel, GEOMAR ja, Böer et al. (2023): A deep-learning based pipeline for estimating the abundance and size of aquatic organisms in an unconstrained underwater environment from continuously captured stereo video. Sensors (Basel) 23(6):3311, DOI:10.3390/s23063311. 170 BMEL/TI WO ja TI-WO offen, da Kooperation noch nicht beendet 171 BMEL/TI ZI ja TI-ZI nein 172 BMEL/TI WO ja TI-SF nein 173 BMEL/TI SF ja TI-SF offen, da Kooperation noch nicht beendet 174 BMEL/TI Stabss telle Klima & Bode n ja Stabsstelle Klima & Boden offen, da Kooperation noch nicht beendet 175 BMEL/TI Betrie bswirt schaft ja TTI - Betriebswirtschaft offen, da Kooperation noch nicht beendet 176 BMEL/ BVL 1 ja Die Entscheidung, die zukünftig durch KI getroffen werden soll, wird von eigenen Planung noch nicht weit genug fortgeschritten. ~ Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Entwickler*innen und thematische Fachreferent*innen evaluiert; 177 BMEL/ BVL Alle nein Die Qualität der Antworten muss vom Nutzenden kontrolliert werden. 178 BLE 5 ja Interne IT-Revision Nein 179 BMEL 117 (Sprac hendi enst) 180 BMEL / BfR 7 ja Modelle sind vom Hersteller bzw. Modell- Entwickler evaluiert Zahlreiche Publikationen zu spezifischen Modellen 181 BMEL / BfR 7 ja siehe Literatur Sarah Nexus: z.B. http://dx.doi.org/10.1016/j.yrtph.2015.1 2 Derek Nexus: z.B. http://dx.doi.org/10.1016/j.yrtph.2015.0 1.010 in OECD QSAR-Toolbox für alle Profiler einzeln dokumentiert (Literatur) 182 BMEL / BfR 7 nein 183 BMEL / BfR 7 nein noch in Entwicklung Bahl et al (2019), https://doi.org/10.1016/j.impact.2019.1 00179 184 BMEL / BfR 7 und 4 nein noch in Entwicklung keine Referenz, Projekt erst gestartet 185 BMEL / BfR 9 ja Es soll eine Evaluierung durch die Anwenderinnen und Anwender erfolgen, sobald das SMAFIRA Tool online ist Das Tool selbst steht noch nicht öffentlich zur Verfügung, ist aber für 2023 angedacht; die entsprechenden Forschungsergebnisse wurden publiziert, z. B. Neves M, Klippert A, Knöspel F, Rudeck J, Stolz A, Ban Z, Becker M, Diederich K, Grune B, Kahnau P, Ohnesorge N, Pucher J, Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung Schönfelder G, Bert B, Butzke D Automatic classification of experimental models in biomedical literature to support searching for alternative methods to animal experiments. [under review, https://europepmc.org/article/ppr/ppr 479254] 186 BMEL / BfR 9 ja eigene wissenschaftliche Güteabwägung Arbeit ist noch nicht abgeschlossen 187 BMEL / BfR 4 ja noch in Entwicklung; Validierung Teil des Entwicklungsprozess geplant 188 BMEL / BfR 6 ja durch die Behörde und deren EU-Partner wie EFSA DOI: 10.1002/ps.5828 10.2903/sp.efsa.2019.EN-1598 189 BMEL / BfR 6 ja intern nein 190 BMEL / BfR 6 ja durch die Mitgliedstaaten und Experten der OECD DOI (Auszugsweise): https://doi.org/10.1016/j.comtox.2022. 100219 https://doi.org/10.1016/j.comtox.2019. 01.006 191 BMEL / BfR 3 ja peer-review bei Veröffentlichung https://doi.org/10.17605/OSF.IO/JZH8 N 192 BMEL / BfR 3 ja Validierungsdaten und peer-review bei Veröffentlichung Arbeit ist noch nicht abgeschlossen 193 BMEL / BfR 6 ja Peer Reviews durch Projektpartner und Publikationen, die von Experten begutachtet wurden https://doi.org/10.1016/j.comtox.2024. 100308 194 BMEL / BfR 6 ja Peer Reviews durch Projektpartner und Publikationen, die von Experten begutachtet wurden https://doi.org/10.3390/ijerph19201347 1 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 195 BMF BZSt ja Interne Evaluierung durch Nutzende zur Verbesserung der Analyse- und Auswertungssoftware Nutzerinnen und Nutzer nicht veröffentlicht Ergebnisse von Evaluierungen werden nicht veröffentlicht, da hier sensible Steuerdaten tangiert sind (Hinweis auf § 30 Abgabenordnung). 196 BMF BZSt nein Der Chatbot ist eine Maßnahme aus der Dienstekonsolidierung des Bundes. Hauptverantwortlich sind das BMI, die Generalzolldirektion und technisch das ITZBund. Das BZSt nutzt die einzelnen Komponenten der Maßnahme lediglich nach und evaluiert nicht. 197 BMF BZSt ja Interne Evaluierung durch Nutzende zur Verbesserung der Treffergenauigkeit. Nutzerinnen und Nutzer Nicht veröffentlicht zur Vermeidung einfacher Umgehung der E-Commerce Mustererkennung durch Webseitenbetreiber. 198 BMF Haus halt 199 BMF ITZBu nd nein Eine Evaluierung der algorithmenbasierten Entscheidungen ist im Falle eines FAQ-Chatbots mit mutmaßlich minimaler Risikoklasse aus Sicht des Fachbereichs nicht notwendig, da möglicherweise falsch interpretierte Intents (Interpretation der Eingabe zu einem Kontext) im Rahmen des Trainings lediglich den Antworten zugeordnet werden. 200 BMF ITZBu nd nein Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung 201 BMF ITZBu nd Nein keine produktive Nutzung, für den Einsatzzweck nicht relevant 202 BMF ITZBu nd ja interne Evaluierung zur Qualitätsverbesserung der Antwortgenerierung Projektteam nein 203 BMF GZD ja Keine Aussage möglich, da mit Entwicklung von KITZ noch nicht begonnen wurde und folglich noch keine Evaluierung erfolgt ist. Keine Aussage möglich, da mit Entwicklung von KITZ noch nicht begonnen wurde und folglich noch keine Evaluierung erfolgt ist. 204 BMF GZD ja 205 BMF GZD ja Die fachliche Evaluierung erfolgt durch die Nutzer*innen mit Unterstützung des IT-Dienstleisters Nein Aufgrund der begrenzten Reichweite der KI-Komponente (reine Namenszuordnung) erfolgt keine Veröffentlichung. 206 BMF GZD ja Die fachliche Evaluierung erfolgt durch die Nutzer*innen mit Unterstützung des IT-Dienstleisters Nein Von einer Veröffentlichung wird abgesehen, da sonst "Schmuggler" Kenntnis über die Fähigkeiten und Schwächen des KI-Systems erhalten und Ihr Anmeldeverhalten dementsprechend darauf anpassen können. 207 BMF GZD ja FIU / Capgemini Nein Es erfolgt keine Veröffentlichung aufgrund der Sensibilität der Nutzung durch die FIU und des Schutzbedarfes der Datengrundlage. 208 BMF GZD ja Die Realisierung des Projekts hat noch nicht begonnen. Eine Evaluierung ist deshalb noch nicht erfolgt. Keine Aussage möglich, da mit Entwicklung des Projekts noch nicht begonnen wurde und folglich noch keine Evaluierung erfolgt ist. 209 BMF GZD ja Die Realisierung des Projekts hat noch nicht Keine Aussage möglich, da mit Entwicklung des Projekts noch nicht Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Lfd. Nr Ressort/ Behörde Abt. Evaluierung Ergebnis Evaluiert durch Veröffentlichung Begründung keine Evaluierung begonnen. Eine Evaluierung ist deshalb noch nicht erfolgt. begonnen wurde und folglich noch keine Evaluierung erfolgt ist. 210 BMF GZD ja Die Realisierung des Projekts hat noch nicht begonnen. Eine Evaluierung ist deshalb noch nicht erfolgt. Keine Aussage möglich, da mit Entwicklung des Projekts noch nicht begonnen wurde und folglich noch keine Evaluierung erfolgt ist. 211 BMF GZD ja k.A. da noch in der Entwicklung. Nein Von einer Veröffentlichung wird aufgrund gesetzlicher Regelung (u.a. § 88 AO) abgesehen. 212 BMF GZD ja ITZBund Nein nein. Es handelt sich um keine Evaluierung, sondern um eine Einstellung des Algorithmus Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 2: Weitere Forschungsvorhaben, Pilotprojekte und Reallabore mit Beteiligung der Bundesministerien und nachgeordneten Behörden (Antwort zu Frage 6) Anmerkung: Es werden Arten Forschungsförderung (F), Pilotprojekt (P), Reallabor (R) unterschieden. Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMAS F KI Cockpit: Umsetzung von "Human in Command" im betrieblichen Kontext anhand von Praxisbeispielen 2023 2024 3,5 nicht berücksichtigt BMAS P "KI-Leuchtturm BG BAU - KI für Zielgenaue Unfallprävention" unterstützt bei der Auswahl der Unternehmen mit dem größten Beratungsbedarf und hilft so, Unfälle in der Baubranche zu vermeiden 2023 2024 3,5 nicht berücksichtigt BMAS P KI-Leuchtturm DRV Bund: "KI für risikoorientierte Arbeitgeberprüfungen (KIRA)" unterstützt Beschäftigte bei der Vorauswahl der Prüfschwerpunkte 2024 2024 1,8 nicht berücksichtigt BMAS F OECD SME Survey on generative AI: Beteiligung DEU an internationaler Erhebung unter KMU zum Einsatz von GenAI und deren Auswirkungen auf Beschäftigte 2024 2025 0,06 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P KI für ein gutes Altern 2023 2025 0,66 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P iKIDO - Interaktive KI-Erfahrungsräume für die Digitale Souveränität Jugendlicher 2023 2025 0,64 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA F Wegweiser.UX-für-KI: Online-Kompetenzaufbau "UX für gemeinwohlorientierte KI" 2023 2025 0,28 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P Kl gestützte Assistenz für psychosoziale, digitale psychosoziale Berater*innen (KIA) 2023 2025 0,88 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P KI - Thinktank Female Entrepreneurship II - KITE II 2023 2025 0,9 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA F Erstellung und Analyse Leichter Sprache durch Künstliche Intelligenz (ErLeSen) 2023 2025 0,22 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit Fachlich: BMFSFJ Administrativ: BAFzA F Künstliche Intelligenz für Nichtregierungsorganisationen (KINiRO) 2023 2025 0,23 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P KISS - KI-unterstützte Steigerung der Mobilität und gesellschaftlichen Teilhabe von Senioren 2023 2025 0,69 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P DRK Data Science Hub: mit Daten mehr bewegen 2023 2025 0,74 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P Digitaler Erstkontakt - mit KI Beratungsanliegen auf den richtigen Weg bringen 2023 2025 0,84 nicht berücksichtigt BMFSFJ P Betrieb Civic Data Lab 2023 2025 1,98 nicht berücksichtigt BMFSFJ P Beschleunigung und Vereinfachung von Förderantragsverfahren mithilfe Künstlicher Intelligenz - Prüfung von Interessenbekundungen im Rahmen der KI-Förderrichtlinie, Machbarkeitsstudie und Proof-of-Concept 2023 2024 0,47 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P Code of Conduct Demokratische KI (CCDKI) 2024 2025 0,49 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P Chancen von KI zur Stärkung unserer deliberativen Kultur (KIDEKU) 2024 2025 0,21 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P LICHT-BOT - Licht im Zuständigkeits-Dschungel: KI-Chatbot-Lotse für entkoppelte Jugendliche 2024 2025 0,50 nicht berücksichtigt Fachlich: BMFSFJ Administrativ: BAFzA P KIsu - Kinderleicht KI-basiert suchen und finden - inklusiv und selbstbestimmt 2024 2025 0,41 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit Fachlich: BMFSFJ Administrativ: BAFzA P Digitales Deutschland – Monitoring zur Digitalkompetenz der Bevölkerung - Modul 5 2024 2024 0,35 nicht berücksichtigt BMFSFJ P Auswertung und Aufbereitung der Verbände-Stellungnahmen zum Referentenentwurf zur Einführung einer Kindergrundsicherung 2023 2023 0,05 nicht berücksichtigt PEI F KIMERBA - Regulatorische Nutzung KI-gestützter Methoden zur effizienten Bewertung und Regulation biomedizinischen Arzneimitteln 2022 2024 3,49 PEI F RENUBIA: Regulatorische Nutzung von BigData Strategien basierend auf OMICS-Daten zur effizienten Entwicklung, Zulassung und sicheren An-wendung von biologischen Arzneimitteln 2021 2026 1,42 PEI F BLOODVIR: Integrated Network for Monitoring and Identification of Infectious Disease Risks 2022 2024 4,6 BfArM F SEMECO-Secure Medical Microsystems and Communications 2023 2026 0,26 nicht berücksichtigt BfArM F Real4Reg (Development, optimisation and implementation of artificial intelligence methods for Real-World Data analyses in regulatory decision-making and health technology assessment along the product lifecycle) 2023 2026 6,99 nicht berücksichtigt BfArM P Evaluierung und Erweiterung von Analysemöglichkeiten in Spontanberichtsdatenbanken (EVAS) - Folgeprojekt ANKA 2024 2028 0,36 nicht berücksichtigt BMJ P Erprobung der Eignung und möglicher Anwendungsfälle für den Einsatz von generativer KI im BMJ. 2024 0,0005 nicht berücksichtigt BfN R Erkennung von Windenergie- und PV-Anlagen in Satellitendaten (KI-Labor am UBA) 2023 2024 Förderbedingung BfN R Bild- und Texterkennung illegaler Onlinehandel mit geschützten Arten (KI-Labor am UBA) 2023 2024 Förderbedingung BfN F Evaluation digitaler Anwendungen zur Bekämpfung des illegalen Onlinehandels mit geschützten Arten 2023 2024 0,24 Förderkriterium BfN F Erfassung von Großwalen und Riesenhaien mithilfe von Fernerkundungsmethoden 2023 2024 0,60 Förderkriterium BfN F Erfassung mariner Wirbeltiere 2023 2026 0,65 Förderkriterium BfN F Naturschutzfachliche bundesweite Waldpotenzialkarte 2023 2025 0,35 Förderkriterium BfN F SenGrün (Evaluierung von fernerkundungsbasierten Qualitätsmerkmalen von FFH-Grünland- Lebensraumtypen) 2023 2026 0,29 Förderkriterium BfN F BeesUp (Bundesprogramm BiologischeVielfalt) 2020 2026 3,58 Förderkriterium BfN F Pilotstudie zur Erfassung von Zustand und Entwicklung von NNE-Flächen mithilfe der Fernerkundung 2023 2026 0,30 Förderkriterium BfN F KI-gestützte Textanalyse für den Vollzug des Nagoya-Protokolls 2024 2025 0,75 Förderkriterium BfN F Einsatz von Fernerkundung für die Modellierung von Bodenkohlenstoffvorräten (SOC) im Moorgrünland 2023 2026 0,24 Förderkriterium Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BfN F RANGER-Zukunft der Schutzgebietsbetreuung gemeinsam gestalten 2023 2027 0,36 Förderkriterium BfN F Koordinierung und Harmonisierung eines Langzeitmonitorings des Ostseeschweinswals 2024 2027 0,90 Förderkriterium BBR/BBSR F KI for BauChain 2023 2025 0,26 nicht berücksichtigt BBR/BBSR F Computerbasierte Methoden und KI für die Planung klimaneutraler Gebäude 2023 2025 0,20 nicht berücksichtigt BBR/BBSR F Multikriteriale Optimierung und Maschinelles Lernen für klimafreundliche Gebäudeplanung 2023 2025 0,17 nicht berücksichtigt BBR/BBSR F KI-gestützte Modernisierung an Mietwohnungsbaubeständen KIMM 2024 2025 0,25 nicht berücksichtigt BBR/BBSR F KI-gestützte Modernisierung an Mietwohnungsbaubeständen KIMM 2024 2025 0,03 nicht berücksichtigt BBR/BBSR F Methodenstudie zum Monitoring von Potenzialflächen für Brachen, Baulücken und Nachverdichtung in der Regionalstatistik und mit Methoden der Fernerkundung / KI 2023 2024 0,10 nicht berücksichtigt BMDV / BfG F MALPROG: Vergleich traditioneller Methoden mit KI-Methoden für verschiedene Fachaufgaben (Plastikerkennung in Fließgewässern, Vegetationserkennung, Ölerkennung auf dem Meer, Qualitätskontrolle von Messdaten und Wasserstandsvorhersage) 2023 2025 1,16 nicht berücksichtigt BMDV / BfG F Integrierte Schwebstoffanalyse Tide-Ems: Reproduktion und Vorhersage der Flüssigschlickdynamik und der damit verbundenen Sauerstoffdefizite 2023 2026 1,12 nicht berücksichtigt BMDV / BfG F Identifizierung von Schadstoffquellen in Bundeswasserstraßen (SOURCE) 2023 2025 0,825 nicht berücksichtigt BMDV / BfG F Projekt zusammen mit BGR, KIT, LfU BB, TUM, DWD, LBEG, LBGR, Mapular; Teilprojektziel BfG: KI-gestützte Wasserhaushaltsmodellierung 2023 2026 0,256 nicht berücksichtigt BMDV / BfG F Methodenentwicklung zur Erfassung von Schweinswalen mittels akustischer Verfahren in Ästuaren (MESMAV) 2023 2025 0,346 nicht berücksichtigt BMDV / BSH F BAnA - Bewertung von Algorithmen für nautische Anwendungen 2023 2023 0,05 Förderbedingung BMDV / DWD F EUMETNET-PP: KI-Experimente zum Postprocessing von 2m-Temperatur, Niederschlag, Windböen 2023 nicht berücksichtigt BMDV / DWD F EUMETSAT Fellowship: KI zur Untersuchung des Modellbiases und der Repräsentativitätsfehlers für Satellitenmessungen 2023 2026 0,6 nicht berücksichtigt BMDV / DWD F EXPATS ("Nutzung raum-zeitlicher Wolkenmuster zur Verbesserung des Verständnisses und der Erkennung schwerer Stürme") (IDEA-S4S) 2023 2026 1,1 nicht berücksichtigt BMDV / DWD F T-POL ("Auf dem Weg zur Assimilation von Dual-Polarisations-Radardaten") (IDEA-S4S) 2023 2026 0,4 nicht berücksichtigt BMDV / DWD F SESTO ("Nahtlose Kurzfristvorhersage von konvektiven Niederschlagsereignissen mit Mitteln der physik-basierten künstlichen Intelligenz") (IDEA-S4S) 2023 2026 0,6 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMDV / DWD F KI-ObsError ("Schätzung des Beobachtungsfehlers in der Datenassimilation") 2024 2027 0,3 nicht berücksichtigt BMDV / DWD F AICON ("KI-Wettervorhersagemodell") 2023 nicht berücksichtigt BMDV / DWD F SPARC-ML: Räumliches Ensemble Post-Processing mit Generativen Maschinenlern-Verfahren (EMF) 2024 2027 0,3 nicht berücksichtigt BMEL/ BLE F Mitteldeutsche Innovationsregion Obstbau (MiRO) 2023 2025 4,71 nicht berücksichtigt BMEL/BLE F Verbundprojekt: Entwicklung und Einsatz von künstlicher Intelligenz zur Verbesserung von Tierwohl und Arbeitswirtschaftlichkeit im Geburtsmanagement bei Schafen (KISchaf) 2023 2026 0,58 Förderkriterium BMEL/ BLE F Verbundprojekt: Data and value-based decision-making for a sustainable land use - Datenbasierte Bewertung der multifunktionalen und digitalen Transformation eines Landwirtschaftsbetriebs anhand des Beispiels von Gut & Bösel in Alt Madlitz (DaVaSus) 2023 2025 2,14 nicht berücksichtigt BMEL/BLE F Verbundprojekt: Entwicklung eines Detektionsverfahrens für Wolfsangriffe (VerWolf) 2023 2025 0,37 Förderkriterium BMEL / BVL F KI zur Auswertung großer MALDI-TOF-Datensätze im Rahmen des nationalen Resistenzmonitorings 2023 2026 0,23 nicht berücksichtigt BMEL / BVL P Data Mapping Tool Prestudy. BVL nimmt an einem EFSA-Projekt teil, hat selbst nichts mit der techn. Umsetzung zu tun 2023 2024 nicht berücksichtigt BMEL/BLE F Artificial Intelligence application for Farming (APP4FARM) 2023 2026 0,20 nicht berücksichtigt BMEL/ BLE F Verbundprojekt: agrifoodTEF-DE: Test- und Experimentierumgebung für KI und Agrarrobotik (agrifoodTEF-DE) 2023 2028 3,83 nicht berücksichtigt BMEL/BLE F Verbundprojekt: Automatische Verhaltensbewertung bei Milchziegen (VerZi) 2023 2026 1,02 Förderkriterium BMEL/ BLE F Verbundprojekt: Smart Transformation Labs als virtuelle Zukunftsbetriebe für die Region Mitteldeutschland zur Begleitung von betrieblichen digitalen Transformationsprozessen für eine moderne und nachhaltige Landbewirtschaftung (TRANSFORM) 2023 2025 2,54 nicht berücksichtigt BMEL/BLE F Verbundprojekt: Innovativer Data-Science-basierter Ansatz zur Gesundheitsüberwachung bei Kalb und Jungrind über die gezielte Verknüpfung praxisrelevanter digitaler Daten und die Etablierung neuartiger Benchmarking-Parameter (InnoKalb) 2023 2026 0,93 Förderkriterium BMEL/BLE F Verbundprojekt: Betäube- und Entbluteerfolgskontrolle bei der Schlachtung von Schweinen durch automatisierte Analyse der Wärmesignatur der Tiere (Entblutekontrolle) 2023 2026 0,63 Förderkriterium BMEL/Julius Kühn-Institut F Kleinräumige Erhebung relevanter Bodenkennwerte durch ein verfahrenstechnisch integriertes Bodensensorsystem und die KI-basierte Datenauswertung als Basis für ein klimaresilientes, kleinräumigspezifisches Pflanzenbausystem (Akronym: soil4climate) 2023 2026 1,20 Förderkriterium BMEL/BLE F Verbundprojekt: Kleinräumige Erhebung relevanter Bodenkennwerte durch ein verfahrenstechnisch integriertes Bodensensorsystem und die KI-basierte Datenauswertung als Basis für ein klimaresilientes, kleinräumigspezifisches Pflanzenbausystem (soil4climate) 2023 2026 1,09 Förderkriterium Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMEL/BLE F Verbundprojekt: Sensorbasiertes Informationssystem zur Unterstützung des Managements von Schafherden in Weidehaltung (MindfulShepard) 2023 2026 0,73 Förderkriterium BMEL/BLE F Verbundprojekt: Bedarfsgerechte Automatisierung der Freiflächen- und Tröpfchenbewässerungstechnik mittels on-site IOT-Sensorik, unterstützt durch Satellitentechnik (WasserAuto) 2023 2026 0,57 Förderkriterium BMEL/Julius Kühn-Institut F Messung der Insektenbiodiversitätsfaktoren in Agrarökosystemen mit Intelligenten Akustischen Sensoren (Akronym: BioIntAkt) 2023 2024 0,01 nicht berücksichtigt BMEL/Julius Kühn-Institut F Modellierung von Waldökosystemen 2023 2028 nicht berücksichtigt BMEL/MRI P Beratung zur Weiterentwicklung von des Nutrient-Estimation-Moduls des Programms FoodCASE – dem Datenbanksystem zum Management von Lebensmitteldaten https://foodcase.org/ 2024 2024 nicht berücksichtigt BMWK/DBfZ F Verbundvorhaben: DeDiaPro – Demonstration von Methoden zur Diagnose, Prognose&Behebung von nicht-nominalen Betriebszuständen in biomassebasierten Versorgungssystemen; Teilvorhaben: Entwicklung von Methoden, Modellen&Werkzeugen zur Fehlerdiagnose und -prognose mit Fokus auf brennstoffbezogene Fehler 2024 2027 0,37 Förderkriterium BMEL/Julius Kühn-Institut F Modellbasierte Entscheidungsunterstützung für standort- und klimaoptimierte Anbausysteme bei Blauer Lupine, Kichererbse, Sojabohne und Buchweizen (Akronym: MINOR*) 2024 2027 0,30 Förderbedingung BMEL/BLE F Verbundprojekt: Entwicklung einer hyperspektralen Messplattform zur Schadsymptomerkennung im geschützten Tomatenanbau (EMSig) 2024 2027 0,72 Förderkriterium BMEL/BLE F Verbundprojekt: Entwicklung eines automatisierten Systems zur Bewertung der N-Versorgung von Wintergetreide für die landwirtschaftliche Praxis über skalierbare Applikationsfenster (AutoFenster) 2024 2027 0,67 Förderkriterium BMEL/BLE F Verbundprojekt: Entwicklung nachhaltiger und wettbewerbsfähiger Insektenlebensmittel (OptiFood) 2024 2027 1,05 Förderkriterium BMEL/BLE F Diversifizierte Agrarlandschaftsgestaltung mit vertrauenswürdigem KI-gestütztem Management (DivAg-AIM) 2024 2026 0,23 Förderkriterium BMEL/BLE F Verbundprojekt: Innovative Verkaufsstrategien für regionale Bio-Lebensmittel. Potenziale automatisierter Einkaufsprozesse in städtischen und ländlichen Räumen (InVerBio) 2024 2027 0,74 nicht berücksichtigt BMEL/BLE F Verbundprojekt: Kombination innovativer Technologien und Entscheidungshilfen zur Reduktion des Unkrautsameneintrages in den Boden und Steigerung der Teilbrachebearbeitungseffizienz zur Minderung der Unkrautdichte und zur Optimierung des Resistenzmanagements (KITE-Unkraut) 2024 2028 0,62 Förderkriterium BMEL/BLE F Verbundprojekt: Untersuchung sozialer Haltungsverfahren für Aufzucht- und Mastkälber mittels digitaler Messtechnik zur Nachverfolgung von der Geburt über den Transport bis hin zu späteren Lebensphasen (Kalbzu2t) 2024 2027 0,88 Förderkriterium BMEL/BVL F Im Rahmen von KIDA: KI-gestützte Analyse von wissenschaftlichen Publikationen zur Risikoerfassung von GVO (KAPRi) 2023 2026 0,24 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMEL/BVL P Beteiligung als Lieferant von Anforderungen im Projektantrag: Large Language Model for Foodex2 codification (ANSES, FR) an EFSA nicht berücksichtigt BMEL/BfR F Optical Character Recognition in einer App zur Erhebung von Verzehrsdaten. Dabei werden Verpackungsinformationen erkannt und in eine Datenbank abgespeichert. Teilaspekt des Projekts COPLANT, bei dem pflanzenbasierte Ernährung untersucht werden 2023 2026 nicht berücksichtigt BMWK/BAFA P KI Assistent für Förderverfahren 2025 2026 1 nicht berücksichtigt BMWK/BAFA P KI Chat- Sprach- und Formularbot 2025 2026 1 nicht berücksichtigt BMWK/BAM F Toward a physics-informed machine learning to predict process porosity formation in highpower laser beam welding 2023 2025 DFG- Fördersumme 356 T€ nicht berücksichtigt BMWK/BGR P Echtzeit-Risiko-Monitoring für Rohstoffmärkte (Anbieter: gemäß Ausschreibung Juni 2024) 2024 2029 nicht berücksichtigt BMWK/BGR F KIMoDIs (KI-Tool für nachhaltiges Grundwassermanagement) 2023 2026 2,8 nicht berücksichtigt BMWK/BGR F AlKaDeL (Deep learning-basierte Vorhersage von Karstquellschüttungen) 2024 2027 ~0,75 nicht berücksichtigt BMWK/BGR F BodenML (Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos) 2024 2027 ~0,25 nicht berücksichtigt BMWK/PTB F Test und Zertifizierung KI-basierter Ansätze in Robotik und Sensorik im Fertigungsbereich / EU-Netzwerkprojekt / Forschungsvorhaben "TEF-AI-MATTERS". 2023 2027 60 nicht berücksichtigt BMWK/PTB R Analyse der Unsicherheiten beim Einsatz moderner Analyseverfahren, wie AI in der Alpha- und Gamma-Spektrometrie/Entwicklung von Unsicherheitsanalysen und Fehlererkennung 2023 offen nicht berücksichtigt BMWK/PTB R Entwicklung eines digitalen Services in der Gammaspektrometrie als neue Dienstleistung, basierend auf rechenintensiven, modernen Verfahren der Spektrometrie unter Einbeziehung des digitalen SI und DCC. 2023 2027 nicht berücksichtigt BMWK/PTB R Datengetriebene Analyse in der Alpha- und Gamma-Spektrometrie 2023 offen nicht berücksichtigt BMWK/PTB F Strahlentherapie: Verteilung der applizierten Strahlendosis in der zu behandelnden Person 2023 2026 nicht berücksichtigt BMWK/PTB F Ermittlung der effektiven Personendosis durch CT-Untersuchung: Verteilung der Strahlendosis in der zu behandelnden Person durch eine CT-Aufnahme nach Bereitstellung der CT-Bilder und Geräteinformationen 2023 2025 nicht berücksichtigt BMWK/PTB F Bestimmung der Bildqualität in der Mammographie mittels KI 2023 2026 nicht berücksichtigt BMF, ZD1 P Risiko Containerkontrolle 2023 laufend 1,326 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMF/ITZBund P AIServiceHub 2024 2024 3,86 nicht berücksichtigt BISp F Individuelle Trainingssteuerung mit Hilfe der Künstlichen Intelligenz (KI) - Entwicklung und Evaluation eines KI-Systems in den Kurzzeitdisziplinen des Radsports 2023 2024 0,16 Nein BISp F KI basierte high-speed PTZ-Kameras zur Erfassung und Analyse von Freestyle Tricks an der Landingbag-Anlage. 2024 2024 0,10 Nein BISp F KI-basierte Analyse taktischer Verhaltensmuster im Para Tischtennis 2024 2024 0,10 Nein BMI/StBA F Angewandte Forschung und Fortbildung 2023 2023 2023 0,05 nein BMI/StBA F Angewandte Forschung und Fortbildung 2024 2024 2024 0,02 nein BMI/BSI F Detektion von KI generierten Bildern 2024 2026 0,28 nein BMI F Rescue-Mate 2023 2027 0,43 nein BMBF F China Technologie-Radar 2024 2027 0,46 nicht berücksichtigt BMBF F Verbundprojekt: Neuartiges System zur Messung von integrierten Tierverhalten und Kognition im Heimkäfig; Teilprojekt: Pilotstudien mit den RatHome Prototypen 2024 2027 0,30 nicht berücksichtigt BMBF F Verbundprojekt: Neuartiges System zur Messung von integriertem Tierverhalten und Kognition im Heimkäfig; Teilprojekt: Bewertung von Tiermodellen 2024 2027 0,115 nicht berücksichtigt BMBF F Verbundprojekt: Verbesserung der Patientenversorgung durch ein KI-gestütztes Atemmessgerät zur Vorhersage von COPD-Exazerbation; Teilprojekt: Entwicklung eines AI- Modells zur Vorhersage von COPD-Exazerbationen aus Atemluftproben von Patienten 2023 2025 0,277 nicht berücksichtigt BMBF F Verbundprojekt: Intelligente, sensitive Roboterhaut mit integrierter KI; Teilprojekt: Kapazitiver Sensor 2023 2026 0,349 nicht berücksichtigt BMBF F Verbundprojekt: ASPIRE - Arterial Spin Labelling basierte Patienten- und Scannerunabhängige robuste Diagnostik-Unterstützung; Teilprojekt: Analysemethoden für medizinische Bilddaten zur Diagnostik-Unterstützung bei Alzheimer, basierend auf ASL Magnetresonanz-Bildgebung und künstlicher Intelligenz 2023 2024 0,172 nicht berücksichtigt BMBF F Verbundprojekt: Softwarelösung zur automatischen Erfassung und Analyse des Krankheitsverlaufs von Lungenkrebs und interstitieller Lungenerkrankung in CT-Bildern; Teilprojekt: Detektion und Analyse von Veränderungen auf CT-Verlaufsdaten der Lunge 2024 2027 0,25 nicht berücksichtigt BMBF F Verbundprojekt: Softwarelösung zur automatischen Erfassung und Analyse des Krankheitsverlaufs von Lungenkrebs und interstitieller Lungenerkrankung in CT-Bildern; Teilprojekt: Effiziente Follow-Up-Registrierung, -Segmentierung und Visualisierung von Veränderungen in Lungen-CT-Bildern 2024 2027 0,245 nicht berücksichtigt BMBF F Verbundprojekt: Zuverlässige zukünftige Stromverteilnetze basierend auf dem Digitalen Zwilling mit XAI Verfahren; Teilprojekt: XAI Integration in den digitalen Zwilling für Fehlerlokalisierung und Datenqualität 2024 2027 0,33 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMBF F Konsortialbildung und Vorbereitung eines EU-Projekts zum Thema "Entwicklung einer in Echtzeit erfolgenden Optimierung des Schiffsbetriebs und Hafenanlaufs" 2023 2023 0,05 nicht berücksichtigt BMBF F Konsortialbildung und Vorbereitung eines EU-Projekts betreffend die Analyse und Stärkung der Komplementarität zwischen neuen Technologien und menschlichen Fähigkeiten 2023 2024 0,04 nicht berücksichtigt BMBF F Verbundprojekt: Künstliche Intelligenz zur Stratifizierung von Prostatakrebspatienten und zur Anleitung von Interventionen; Teilvorhaben: Charakterisierung von multiparametrischer ("omics" und bildgebende) Daten und Vermarktung eines Tests zur Stratifizierung von Prostatakrebspatienten 2023 2026 0,3 nicht berücksichtigt BMBF F Ein intelligenter, vollautomatischer Mechanismus zur Molekülreinigung mit präparativer Dünnschichtchromatographie 2023 2025 0,09 nicht berücksichtigt BMBF P KI-Begleitprozess in der Schule 2023 2025 0,085 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: LearnGreenAI – Forschungsinfrastruktur für multidisziplinäre Technologien der Künstlichen Intelligenz (LearnGreenAI) 2023 2024 1,56 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: KI-Nachhaltigkeitslabor an der Hochschule für nach- haltige Entwicklung Eberswalde (KINLatHNEE) 2023 2025 0,75 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: KI Interdisziplinär für Wirtschaft, Ingenieurwesen, Mathematik und Technik 2023 2024 0,64 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: Vernetzte Forschungslandschaft für KI-unterstützte, hybride Wohn- und Arbeitswelten (CoRe-AI) 2023 2024 0,93 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: Plattform zur KI-gestützten Sensordatenanalyse (KIsS) 2023 2024 0,84 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: Transdisziplinärer KI-Nachwuchs Mannheim (KI-at-HSMA) 2023 2024 0,98 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: KI-Infrastruktur für Forschung, Technologie und Transformation in Sachsen-Anhalt (KITT) 2023 2024 0,47 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: Artificial Intelligence for Life Sciences (AI4Life) 2023 2025 0,64 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: Angewandte Künstliche Intelligenz (AKI) 2023 2024 0,59 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: KI-Kompetenz-Netzwerk TH OWL (KI-NET) 2023 2024 0,88 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: TH Köln - Künstliche Intelligenz plus (THK-KIplus) 2023 2024 1,26 nicht berücksichtigt BMBF F KI-Nachwuchs@FH 2-2021: KI-Infrastruktur für Exzellenz in Bildung, Innovation, Transfer und Zusammenarbeit (KIEBITZ) 2023 2025 0,47 nicht berücksichtigt BMBF F Verbundprojekt KILiMod: KI-basierte kontextuelle Verlinkung und Moderation von deutschsprachigem Chat 2023 2024 0,91 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMBF F Verbundprojekt AutoOPP 2.0: Automatische Erkennung des Arbeitsplanes anhand von Konstruktionsdaten 2023 2025 0,42 nicht berücksichtigt BMBF F Verbundprojekt SDI-S: Smart Data Innovation Services - Experimentelle Erprobung und Entwicklung von KI-Dienstverbünden für Innovationen auf industriellen Daten 2023 2024 2,04 Förderkriterium BMBF F Verbundprojekt: KIEZ - KI-gestütztes Eingleisen von Zweiwegefahrzeugen 2023 2025 0,78 nicht berücksichtigt BMBF F Verbundprojekt: More-with-less - Effiziente Sprachmodelle für KMUs 2023 2026 1,57 nicht berücksichtigt BMBF F Verbundprojekt GEISST: Generator für emotional individualisierbare Synthetik-Stimmen 2023 2025 1,00 nicht berücksichtigt BMBF F Verbundprojekt AI4SCM: Machine Reading im Supply Chain Management für KMUs 2023 2026 1,36 nicht berücksichtigt BMBF F Verbundprojekt DeepQuali: Anwendung von Deep Learning auf Software-Repositories zur Qualitätsbewertung 2023 2025 0,96 nicht berücksichtigt BMBF F Verbundprojekt KIFahrWald: Künstliche Intelligenz für Assistenzfunktionen in Fahrzeugen bei der Waldbewirtschaftung 2023 2026 0,90 nicht berücksichtigt BMBF F Verbundprojekt VersAtile-KI: Verschleiß und Abnutzungsbefundung an Altteilen mittels KI- basiertem, optischem Entscheidungsunterstützungssystem 2023 2026 1,68 nicht berücksichtigt BMBF F Verbundprojekt KI4Wind: KI-basierte Optimierung von Lasten und Leistung von Windenergieanlagen im Windpark 2023 2025 1,01 nicht berücksichtigt BMBF F Verbundprojekt - PreciRaSe: Zuverlässige und echtzeitfähige Detektion von Verkehrsteilnehmern mit hochauflösenden 3D Radarsensoren 2023 2025 0,70 nicht berücksichtigt BMBF F Verbundprojekt AI4Forest: Detaillierte Waldüberwachung mittels skalierbarer KI-Methoden 2023 2027 1,12 nicht berücksichtigt BMBF F Verbundprojekt DAIOR - Verteilte künstliche Intelligenz für den Operationssaal 2023 2027 1,34 nicht berücksichtigt BMBF F Verbundprojekt TRAIN: Vertrauenswürdige und robuste künstliche Intelligenz 2023 2027 0,80 nicht berücksichtigt BMBF F Verbundprojekt AIQuAM3D: Eingebettete Künstliche Intelligenz für die Qualitätssicherung in der Additiven Fertigung und fortgeschrittenen 3D-Materialcharakterisierung 2023 2026 0,40 nicht berücksichtigt BMBF F Verbundprojekt AIS: KI-basiertes Monitoring der geothermisch induzierten Seismizität 2023 2026 0,37 nicht berücksichtigt BMBF F Verbundprojekt LAIveBactDetect: Vor-Ort-Erkennung von Handkontaminationen durch KI- basierte Analyse lebender Bakterien 2023 2026 0,40 Förderkriterium BMBF F Verbundprojekt REINFORCERAIL: Erforschung von Ansätzen der "Operations Research" für ein KI-unterstütztes Verkehrsmanagementsystem im Bahnbetrieb 2023 2027 0,50 Förderkriterium BMBF F Verbundprojekt RoboQuality: KI Systeme für die Limited-Data-Herausforderung der Qualitätsprüfung großer Objekte mit Roboter-CT-Systemen 2023 2026 0,40 Förderkriterium Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMBF F Verbundprojekt TETRA: Toolbox und mEthoden zur umseTzung von wasseRbAsierten kiprojekten 2023 2026 0,41 Förderkriterium BMBF F Verbundprojekt ARGUS: Neue Verfahren der Künstlichen Intelligenz zur Analyse von beliebigen Bewegungsabläufen in unstrukturierten Videodaten durch erlernte und interpretierbare semantische Aktionsrepräsentationen 2023 2025 0,37 nicht berücksichtigt BMBF F KI4KMU – Verbundprojekt aiRobot: Erfolgreiche digitale Zwillinge: Datengetriebenes Lernen robotischer Assistenten durch generische KI-Plattform 2023 2025 1,00 nicht berücksichtigt BMBF F Verbundprojekt NeuroTouch: Neuronale Toucherkennung auf großflächigen Anzeigen 2023 2025 1,15 nicht berücksichtigt BMBF F Verbundprojekt KI-EXAM: Automatische Vorsortierung von Essay-Aufgaben zur Unterstützung von Korrigierenden mithilfe Künstlicher Intelligenz 2023 2026 0,81 nicht berücksichtigt BMBF F Verbundprojekt KI2AF: Künstliche Intelligenz zur Automatisierten Fehlerkorrektur in der Additiven Fertigung 2023 2026 0,40 nicht berücksichtigt BMBF F Verbundprojekt XAI4SFAS: Intelligentes Assistenzsystem für die teilautonome Schiffsführung 2023 2026 0,73 nicht berücksichtigt BMBF F Verbundprojekt NeSyPlan: Neuro-symbolische KI-Planung 2023 2026 0,75 nicht berücksichtigt BMBF F Verbundprojekt ELAMU: Einsatz maschineller Lernverfahren zur Analyse von Materialzertifikaten bei produzierenden Unternehmen 2023 2026 1,11 nicht berücksichtigt BMBF F Verbundprojekt KI4MaterialModeling: Entwicklung eines KI-basierten Workflows zur Objekterkennung in Computertomographie-Daten am Beispiel der Faser-Kunststoff-Verbunde 2023 2026 0,67 nicht berücksichtigt BMBF F Verbundprojekt KIKERP: KI-basierte Erkennung und Klassifizierung von Elektro(-alt)geräten zur robotischen Prozessautomatisierung in kreislaufwirtschaftsorientierten digitalen Managementökosystemen 2023 2026 0,87 nicht berücksichtigt BMBF F KI4KMU – Verbundprojekt KI-Pro-MF: KI-basierte Prozessauslegung für KMU am Beispiel des mechanischen Fügens 2023 2025 0,59 nicht berücksichtigt BMBF F Verbundprojekt ETL4Balance: Dynamische Ressourcenallokation für ETL-Prozessketten durch Reinforcement Learning 2023 2026 0,61 nicht berücksichtigt BMBF F Verbundprojekt FLUSH: Federated Learning im Ultraschall Schweißprozess zur Qualitätssicherung 2023 2025 0,47 nicht berücksichtigt BMBF F KI4KMU – Verbundprojekt AI-4EST: Entwicklung einer KI-basierten Vorhersage langfristiger Waldentwicklung zur Planung von CO2-Kompensationen 2023 2025 0,43 nicht berücksichtigt BMBF F Verbundprojekt KE3P: KI-basierte Plattform zur automatischen Extraktion von Produktinformationen und zur Erstellung und Exploitation von Produktgraphen für das Stammdatenmanagement im Einzelhandel 2023 2025 0,44 nicht berücksichtigt BMBF F Verbundprojekt: OpenSCALING - Open standards for SCALable virtual engineerING and operation 2023 2026 3,74 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMBF F Verbundprojekt Optimal-LOADS: Optimal Logistics Operation & Analysis Data Space 2024 2027 3,28 nicht berücksichtigt BMBF F NEARBY: Rausch- und variabilitätsfreie Brain-Computer-Interface Systeme für einen Einsatz auch außerhalb des Labors 2023 2027 1,53 nicht berücksichtigt BMBF F FAIRe: Frugale Künstliche Intelligenz in ressourcenbeschränkten Umgebungen 2023 2026 1,10 nicht berücksichtigt BMBF F Verbundprojekt TrADeMaS: Transparenz von Algorithmic Decision Making Systems 2024 2026 1,47 nicht berücksichtigt BMBF F Verbundprojekt CORINNE: Cobots' relationale Schnittstelle mit neuromorphen Netzen und Ereignissen 2024 2026 0,58 nicht berücksichtigt BMBF F Verbundprojekt VaStNet: Optimierung von Wertströmen mit neuronalen Netzen 2024 2026 0,48 nicht berücksichtigt BMBF F Verbundprojekt WindKI: Detektion und Quantifizierung von Leistungspotenzialen von Windturbinen mittels KI-gestützer Diagnoseverfahren 2024 2026 0,65 nicht berücksichtigt BMBF F Verbundprojekt INTO-ACTION: Industrialisierung von Tool-basierten Active-Learning- Ansätzen 2024 2027 0,47 nicht berücksichtigt BMBF F Verbundprojekt RELiABEL: Vertrauenswürdige KI durch vertrauenswürdige Daten 2024 2027 0,73 nicht berücksichtigt BMBF F Verbundprojekt FewTuRe: Few-Shot-Anpassung für die Informationsextraktion aus Rechnungen und Belegen 2024 2027 0,60 nicht berücksichtigt BMBF F KI4KMU – Verbundprojekt Qua2ntum: Qualitätsmanagementsystem für KI-Systeme in regulierten Märkten mit datengetriebener Interpretierbarkeit und Robustheit durch reale und synthetische Daten 2024 2027 0,77 nicht berücksichtigt BMBF F Verbundprojekt KI4ELM: Erfolgreiche Erstzustellung durch KI auf der Letzten Meile 2024 2026 0,78 nicht berücksichtigt BMBF F Verbundprojekt XAIaaS: Erforschung und Entwicklung nutzerorientierter eXplainability für KI als No-code-Softwarelösung als Hebel für AI Adoption und AI Literacy in KMU. 2024 2027 0,67 nicht berücksichtigt BMBF F Verbundprojekt DEMoPro: Dateneffiziente Entwicklung von KI-Modellen für die Produktion 2024 2026 0,72 nicht berücksichtigt BMBF F Verbundprojekt SimAssist: KI-basiertes Assistenzsystem zur Kompensation fehlender Komponenten in der industriellen Simulation 2024 2027 1,02 nicht berücksichtigt BMBF F Verbundprojekt KIEEP: Künstliche Intelligenz für eine effiziente Erneuerbare-Energien- Projektierung – Automatisiertes Monitoring regulatorischer Rahmenbedingungen für Wind- und Solarparks 2024 2026 0,36 nicht berücksichtigt BMBF F Verbundprojekt: TransfAIr - Transfer-Ansätze für Künstliche Intelligenz in der Industrie 2024 2026 1,66 nicht berücksichtigt BMBF F CleanSeas - Neue robotische Handhabungstechniken und KI-Algorithmen zur präzisen Handhabung von Objekten im Meer am Beispiel von Munitionsaltlasten 2023 2027 2,82 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMBF F ExPrIS - Erwartungen auf Wissensebene als A-Priori-Wahrscheinlichkeiten für die Objektinterpretation aus Sensordaten 2023 2026 1,22 nicht berücksichtigt BMBF F No-IDLE - Interactive Deep Learning Enterprise 2023 2026 1,82 nicht berücksichtigt BMBF F HAI-x - Explainable Hybrid AI for environmental operations planning 2023 2026 1,71 nicht berücksichtigt BMBF F FedWell: Lebenslange föderale Benutzermodellierung und Mentale Modelle für Gesundheit und Wohlbefinden 2023 2026 1,49 nicht berücksichtigt BMBF F Eventful: Zeit- und ortabhängige Modelle für das individuelle und gesellschaftliche Wohlbefinden 2023 2026 1,76 nicht berücksichtigt BMBF F ECXLplus - Erweiterung der ECXL Cross-Level RISC-V Verifikationsplattform zur Unterstützung von hardwarebasierten Sicherheitsmechanismen und abhängigen Komponenten 2024 2026 0,59 nicht berücksichtigt BMBF F Albatross - Methoden für lebenslange Algorithmen, die auf eine robuste Optimierung in nachhaltigen Umgebungen ausgerichtet sind. 2024 2027 1,85 nicht berücksichtigt BMBF F KI-unterstützte Elektroniksysteme für die nachhaltige Produktion - AIMS5.0 - 2023 2026 7,40 Förderkriterium BMBF F Open-Source RISC-V-Ökosystem für Prozessoren in hoch-performanten und sicherheitskritischen Anwendungen - ISOLDE - 2023 2026 3,52 Förderkriterium BMBF F Open-Source KI-Plattform für Edge-Computing in Europa - NEUROKIT2E - 2023 2026 1,16 Förderkriterium BMBF F Entwicklung eines Chips mit dreidimensional integrierten kapazitiven Bauelementen sowie neuartigen KI-Algorithmen - 3D-KI Chip - 2023 2025 0,79 nicht berücksichtigt BMBF F Verbundvorhaben „Chancen und Risiken generativer KI in der Cybersicherheit“ 2023 2026 4,982 nicht berücksichtigt BMBF F Verbundprojekt: Konflikte und Krisen durch Kommunikation deeskalieren (K3VR) 2023 2026 2,67 nicht berücksichtigt BMBF F Forschungsvorhaben der Fördermaßnahme CompLS - Computational Life Sciences 2023 2026 10,0109 nicht berücksichtigt BMBF F Forschungsvorhaben der Fördermaßnahme BiodivKI - Methoden der künstlichen Intelligenz als Instrument der Biodiversitätsforschung 2023 2024 1,5 Förderkriterium BMBF F Verbundprojekt 05D2022 – 4D-KI-track: KI-basierte biomedizinische Röntgenfluoreszenz- Bildgebung zum 4D-tracking von Immunzellen. 2023 2026 0,722 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - AISafety: Entwicklung von Methoden zur Abschätzung der Sicherheit von Vorhersagen Neuronaler Netzwerke und Verbesserung ihrer Robustheit 2023 2026 0,890 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - ErUM-IFT: Informationsfeldtheorie für Experimente an Großforschungsanlagen 2023 2026 1,691 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - ErUM-Wave: Antizipation 3-dimensionaler Wellenfelder. 2023 2026 2,056 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Ressort/ Behörde Art Vorhabentitel Beginn Ende Kosten (Mio. €) Nachhaltigkeit BMBF F Verbundprojekt 05D2022 - EvalSpek-ML: Entwicklung und Evaluierung von Machine- Learning-Algorithmen für die Analyse konvexkombinierter spektraler Daten. 2023 2026 1,030 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - KI4D4E: Ein KI-basiertes Framework für die Visualisierung und Auswertung der massiven Datenmengen der 4D-Tomographie für Endanwender von Beamlines. 2023 2026 2,546 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - KI-Morph: Künstliche Intelligenz zur automatisierten Segmentierung von 3D-Bilddaten für die Analyse morphologischer Strukturen 2023 2026 1,140 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - KISS: Künstliche Intelligenz zur schnellen Simulation von wissenschaftlichen Daten. 2023 2026 3,615 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - OPAL-FEL: Optimierte Laserpulse für Freie-Elektronen-Laser. 2023 2026 1,221 nicht berücksichtigt BMBF F Verbundprojekt 05D2022 - VIPR: Versatile Inverse Problem Software Framework (VIPR) 2023 2026 2,442 nicht berücksichtigt BMBF F WarmWorld – SmartWeather21: Intelligente Wettervorhersagen für das 21. Jahrhundert durch probabilistische KI-Modelle, die mit Sturm-auflösenden Klimaprojektionen initialisiert werden 2024 2027 0,58 nicht berücksichtigt BMBF F WarmWorld - Verbundprojekt ICON-Rep-Data: Groß-skalige Repräsentation von ICON- Modellausgaben für Komprimierung und Szenario-Interpolation 2024 2027 0,77 nicht berücksichtigt BMBF F WarmWorld Verbundprojekt TurbO-Arctic - Turbulenz in arktischen Regionen - Daten- Modell-Fusion für optimale Parametrisierung. 2024 2027 0,67 nicht berücksichtigt Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 3: Weitere Forschungsvorhaben, Pilotprojekte und Reallabore mit Beteiligung der Bundesministerien und nachgeordneten Behörden (Antwort zu Frage 8) Mittel in Mio. € Verausgabt Gebunden Ressort Haushaltsstelle Fördermaßnahme* Programmlaufzeit 2023 2024 2025 AA 0501/687 34 Krisenprävention / PREVIEW 2,48 3,27 3,29 BMAS 1107/684 11 Civic Coding ‒ Innovationsnetz KI für das Gemeinwohl (ressortübergreifende Initiative mit BMUV, BMFSFJ hier BMAS-Mittel) 2021 - 2024 2,500 3,800 BMAS 1107/684 11 Civic Innovation Platform 2019 - 2024 2,700 6,800 0,050 BMAS 1107/684 11 Betrieb des deutschen KI-Observatorium/KI in der betrieblichen Praxis 2019 - 2025 4,100 8,300 1,800 BMAS 1107/684 11 Künstliche Intelligenz (KI) in einer sicheren und gesunden Arbeitswelt (Nachwuchsforschungsgruppe) (alt: Ökosystem des Vertrauens in Arbeitsschutz und Arbeitssicherheit / KI Trust Center) 2022 - 2026 2,540 2,400 1,100 BMAS 1107/68402 Nationale Online-Weiterbildungsplattform (NOW) 2021 - 2025 18,771 10,222 BMAS 1107/684 02 Durchführung betrieblicher Experimentierräume zu KI (EXP KI) in der Arbeitswelt 2020 - 2023 4,200 1,000 BMAS 1107/684 11 KI in der Arbeits-und Sozialverwaltung und Umsetzung Leuchtturmvorhaben KI 2021 - 2024 4,100 5,160 BMFSFJ 1703/684 21 Civic Coding (ressortübergreifende Initiative mit BMUV, BMFSFJ hier BMAS-Mittel) einschließlich Civic Data Lab 2023-2025 0,955 1,448 0,281 BMFSFJ 1703/684 21 Förderrichtlinie Gemeinwohlorientierte KI 2021-2025 1,996 2,864 2,820 BMFSFJ 1703/684 21 Chatbot Familie 0,008 BMFSFJ 1703/684 21 Digitales Deutschland 0,578 0,250 1Ausgaben 2021-2022: 1.01 Mio € 2Ausgaben aus Ausgaberesten der Vorjahre: 10,22 Mio € Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMFSFJ 1703/684 21 Innovative Verwaltung (Machbarkeitsstudie zur Beschleunigung und Vereinfachung von Förderantragsverfahren mithilfe Künstlicher Intelligenz und Unterstützung der Referate des BMFSFJ durch das Innovationsbüro Digitales Leben) 2023-2024 0,458 0,171 0,016 BMFSFJ 1703/684 21 Administration von Projekten sowie Einstellung von befristetem Personal 2021-2025 0,184 0,600 0,120 BMG 1504/544 01 Künstliche Intelligenz für die personalisierte Medizin bei Depressionen-Analyse und Harmonisierung von klinischen Forschungsdaten für eine robuste multimodale Erstellung von Patientenprofilen zur Vorhersage des Therapieerfolgs 2022-2025 0,090 0,090 0,039 BMG 1504/544 01 Frühe und genaue diagnostische und prognostische Marker für die Alzheimer Erkrankung: Design, Implementierung und Einsatz von KI-basierten Diagnose- und Prognosealgorithmen für die Alzheimer Erkrankung 2022-2025 0,090 0.140 0,067 BMG 1504/544 01 Entwicklung und Anwendung eines präzisen Algorithmus für die Früherkennung von Non- Respondern zur Diagnostik und Therapie der Major Depressive Disorder (MDD, deutsch majore Depression, bzw. schwere Depression 2021-2024 0,124 0,044 BMG 1504/684 05 Hackathon zu Einsatzmöglichkeiten von KI im Suchtbereich 0,01 BMG 1504/684 05 Entwicklung von Leitgedanken zum Einsatz von KI in der Suchtberatung 0,04 BMG 1504/686 05 Aufbau eine KI Projekt Monitoring Verfahrens im BMG 2021-2023 0,073 BMG 1504/686 05 Aufbau einer Dateninfrastruktur für KI im FDZ 2020-2025 18,500 9,730 4,865 BMG 1504/686 05 Data Saves Lives Germany (DSL DE) 2021-2023 0,149 BMG 1504/686 05 Dateninitiative genomDE 2021-2024 2,935 1,132 BMG 1504/686 05 Diagnosestellung und Risikostratifizierung von Lebererkrankungen mittels Deep Learning anhand von klinischen Routinedaten 2021-2023 0,444 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMG 1504/686 05 Ein Lernendes und Interoperables, Smartes Expertensystem für die pädiatrische Intensivmedizin 2021-2023 0,507 BMG 1504/686 05 Einsatz hybrider KI-Sprachtechnologien zur Qualitätssteigerung in der medizinischen Versorgung 2021-2023 0,555 BMG 1504/686 05 Entwicklung eines KI-basierten Entscheidungsunterstützungssysems zur individualisierten Vorhersage wirksamer Antibiotikatherapien 2021-2023 0,631 BMG 1504/686 05 Entwicklung smarter Notfall-Algorithmen 2021-2023 0,287 BMG 1504/686 05 Entwicklung und Erprobung eines KI-basierten Spracherkennungssystems für die verbale Kommunikation in der Polytraumaversorgung 2021-2023 0,441 BMG 1504/686 05 Entwicklung von anwendungsbezogenen Analysealgorithmen in den bildgebenden Fachdisziplinen Dermatologie und Radiologie mithilfe von Artificial Intelligence 2021-2023 0,490 BMG 1504/686 05 Erregerübergreifende Konzeption, Etablierung und Evaluation der Komponenten einer integrierte molekularen Surveillance bis zur Genomrekonstruktion am RKI unter Einbeziehung der Nationalen Referenzzentren und Konsiliarlabore 2021-2024 1,487 1,487 BMG 1504/686 05 Erregerübergreifende Konzeption, Etablierung und Evaluation der Komponenten einer integrierten molekularen Surveillance am RKI 2022-2025 3,001 2,649 3,494 BMG 1504/686 05 Etablierung einer Plattform zur Entwicklung und Validierung von KI-Lösungen in der klinischen Routine 2021-2023 0,457 BMG 1504/686 05 ETAP - Evaluation von teilautomatisierten Pflegeprozessen in der Langzeitpflege am Beispiel von KI-basiertem Bewegungsmonitoring 2022-2025 0,831 0,828 BMG 1504/686 05 Genetische Beratung zwischen KI und persönlicher Entscheidung 2021-2023 0,100 BMG 1504/686 05 Integrated Network for Monitoring and Identification of Infectious Disease Risks 2022-2024 1,237 1,806 BMG 1504/686 05 KI-augmentierte perioperative klinische Entscheidungsunterstützung 2020-2023 0,322 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMG 1504/686 05 KI-basierte Diagnoseunterstützung bei Seltenen Erkrankungen am Beispiel der Seltenen Erkrankung Leukodystrophie 2020-2023 0,632 BMG 1504/686 05 KI-Integration in Pandemie Fachverfahren 2021-2024 0,541 0,900 BMG 1504/686 05 Krebsregisterdaten Zusammenführen und Intelligent nutzen: Innovationsprojekt für künstliche Intelligenz Hier werden aktuell folgende Projekte Gefördert: - ZuVaKI - Zusammenführen und Validieren von Krebsregisterdaten durch KI-Verfahren - TeMek - TextMining von Meldungstexten für einheitliche Klassifikationen - onkoFDZ - Krebs-Forschungsdaten-zentrum – KI- gestützte Evidenzgenerierung aus versorgungsnahen Daten Klinischer Krebsregister, GKV-Routinedaten, Klinik-daten und deren Linkage - AI-Care - KI-unterstützte, versorgungsnahe Nutzung von Krebsregisterdaten - CanConnect - Zusammenführung von Krebsregisterdaten und multimodalen, melderbasierten Diagnostikdaten zur KI-basierten Biomarker-Detektion - KUKUK - Verknüpfung von Krebsregister- und Kassendaten: Akzeptanz bei Patient*innen und Potenzial zur KI-gesteuerten Vollständigkeits-prüfung von Therapiedaten 2022-2025 3,022 3,784 1,785 BMG 1504/686 05 Künstliche Intelligenz am Forschungs Datenzentrum (FDZ) Gesundheit 2021-2024 2,490 1,420 BMG 1504/686 05 Personalisierte Prädiktion lebensbedrohlicher Komplikationen in der Chirurgie durch maschinelles Lernen aus multimodalen Prozessdaten 2020-2023 0,299 BMG 1504/686 05 Protected AI Innovation Platform for Patient Oriented Digital Health Solutions for developing, testing and evidence based evaluation of clinical value 2021-2023 0,407 BMG 1504/686 05 Regulatorische Nutzung KI-gestützter Methoden zur effizienten Bewertung und Regulation von biomedizinischen Arzneimitteln 2022-2025 1,128 1,810 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMG 1504/686 05 Skin Classification Project: Smarte Algorithmen zur Unterstützung in der Melanomdiagnostik 2020-2023 0,471 BMG 1504/686 05 Smarte Sensorik bei Telepsychotherapie von Kindern und Jugendlichen mit Zwangsstörungen 2020-2023 0,146 BMG 1504/686 05 Vernetzungsveranstaltung zwischen den geförderten Projekten 2020-2023 0,300 BMG 1504/686 05 Vertrauenswürdigkeit von KI im Gesundheitswesen 2020-2024 1,204 1,040 BMG 1504/544 01 Projekt RENUBIA Az.: ZM I 1 - 25 21 FSB 412 (Ressort 116) 2021-2026 0,31 0,32 0,34 BMG 1504/544 01 Projekt BLOODVIR Az.: ZM I 5 - 25 21 DAT 400 (Ressort 116) 2022-2024 1,24 1,25 BMG 1504/544 01 Projekt KIMERBA Az.: ZM I 5 - 25 21 DAT 401 (Ressort 116) 2022-2024 1,13 1,17 BMG 1516/547 21 / 1516/427 29 KIMEDS-KI-assistierte Zertifizierung medizinischer Software 2022-2025 0,050 0,040 0,054 BMG 1516/547 21 / 1516/427 29 SEMECO-Secure Medical Microsystems and Communications 2023-2025 0,030 0,050 0,099 BMG 1516/547 41 1516/427 49 Real4Reg (Development, optimisation and implementation of artificial intelligence methods for Real-World Data analyses in regulatory decisionmaking and health technology assessment along the product lifecycle) 2023-2026 2,788 0,070 0,000 BMG 1516/685 02 Kombinierte Analysen von Nebenwirkungsdaten und klinischen Routinedaten unter Anwendung von Methoden des maschinellen Lernens (ANKA) 2020-2024 0,121 0,070 0,000 BMG 1516/685 02 Evaluierung und Erweiterung von Analysemöglichkeiten in Spontanberichtensdatenbanken (EVAS) - Folgeprojekt ANKA 2024-2028 0,00 0,07 0,12 BMG 1516/532 02 1516/427 09 Koordinierung der Produktion wichtiger Wirkstoffe u. ALBVVG 2021-2025 0,458 0,400 2,500 BMG 1504/686 05 Künstliche Intelligenz am Forschungsdatenzentrum – Erforschung von Anonymisierungsmöglichkeiten und AI - Readiness 2021-2024 0,15 0,09 0,00 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMZ 2301/896 03 FAIR Forward: Globale öffentliche Güter im Bereich Künstliche Intelligenz (KI) 4,30 6,60 4,50 BMUV 1601/686 02 Green-AI Hub Mittelstand 2021-2025 0,825 8,118 1,655 BMUV 1608/684 03 Zentrum für vertrauenswürdige KI (ehemals KI Trust Centre) 2021 - 2023 1,603 0,000 0,000 BMUV 1608/686 01 KI-Anwendungen zur Unterstützung des Verbraucheralltags (consumer enabling technologies) Förderaufruf 2019 0,242 0,104 0,000 BMUV 1601/686 02 KI-Leuchttürme - Förderinitiative, die KI- Entwicklungen im Bereich Umwelt-, Klima-, Natur- und Ressourcenschutz fördert. 2019-2026 21,971 19,198 8,192 BMUV 1613/427 09 1613/532 02 1613/812 02 Anwendungslabor KI und BigData 2021-2025 1,614 3,661 3,661 BMUV 1601/686 02 1601/427 09 Civic Coding - Innovationsnetz KI für das Gemeinwohl (BMAS, BMUV, BMFSFJ) & KI-Ideenwerkstätten für Umweltschutz 2021-2025 1,270 4,336 2,752 BMWK 0901/686 26 Innovative und praxisnahe Anwendungen und Datenräume im digitalen Ökosystem GAIA-X 2021-2025 34,678 15,599 23,590 BMWK 0901/683 21 KI-Innovationswettbewerb 2019-2025 61,863 31,553 5,007 BMWK 0901/683 31 Aufstockung Luftfahrtforschung für Ausweitung KI- Forschung 2020-2025 25,500 21,500 5,500 BMWK 0901/683 11 Autonomes und Vernetztes Fahren 2019-2025 20,771 23,494 2,782 BMWK 0901/683 32 KI in der Raumfahrt 2019-2024 30,92 15,50 0,00 BMWK 0901/686 22 Ausbau der Mittelstand 4.0 Kompetenzzentren/Mittelstand-Digital Zentren ("KI- Trainer") 2019-2026 5,84 5,00 0,00 BMWK 0902/686 07 EXIST und GA 2021-2025 22,478 17,008 7,457 BMWK 0901/685 31 DLR-Institut für Sichere KI-Systeme 2021-2024 11,100 11,100 0,000 BMWK 0901/686 23 go-data (Modul des Förderprogramms "go-digital") 2022-2024 0,090 0,430 0,000 BMWK 0901/686 22 Ausbau KI-Anwendungshubs 2021-2026 1,67 2,00 0,00 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMWK 0901/686 24 Aufstockung der Initiative Industrie 4.0 fortlaufend 0,000 0,730 0,000 BMWK 0901/685 01 Erarbeitung von Normen und Standards im Bereich KI 2019-2024 1,660 0,000 0,320 BMWK 0913/812 33 Künstliche Intelligenz in Medizinprodukten bis 2025 0,671 0,727 0,400 BMWK 0901/686 23 Stärkung der KI-Kompetenz durch die D-Hub-Initiative 2019-2024 0,180 0,054 BMDV 1204/686 13 KI-Innovationsoffensive in der Mobilität und 2 weitere Maßnahmen 2022-2025 17,160 43,640 24,691 BMDV 1204/686 04 1204/686 13 Innovative Anwendungen von Künstlicher Intelligenz 2019-2024 12,099 7,499 0,000 BMDV 1204/686 02 Automatisiertes und Vernetztes Fahren (AVF) 2020-2025 8,510 30,610 1,810 BMDV 1204/686 11 Meteorologie, Erdbeobachtung 2020-2024 1,169 1,287 0,000 BMDV 1210/532 06 Digitalisierung Kfz-Verwaltung 2021-2023 0,600 0,000 0,000 BMDV 1220/685 13 IDEA-S4S 2023-2027 0,172 0,894 0,510 BMDV 1220/685 11 Extramurale Forschung 2024-2027 0,075 0,080 0,080 BMDV Unterstützung bei der Erstellung von optimierten Schaltplänen für autom. Kontrolleinrichtungen 2021-2024 0,228 0,064 0,000 BMDV 1204/686 13 You Code Girls 2024-2026 0,000 1,675 1,650 BMDV 1210/544 31 Chronolite 2022-2024 1,230 1,726 0,000 BMEL 1005/686 62 Forschungsbekanntmachung KI 2020-2024 8,948 5,149 0,008 BMEL 1005/686 62 KI- und Datenakzelerator 2022-2025 12,951 6,240 4,330 BMBF 3004/687 02 Richtlinie zur Förderung von internationalen Zukunftslaboren in Deutschland zur Künstlichen Intelligenz 2020-2024 4,081 1,662 0,000 BMBF 3004/687 02 Bekanntmachung im Rahmen der Strategie der Bundesregierung zur Internationalisierung von Bildung, Wissenschaft und Forschung Richtlinie zur Förderung von Zuwendungen für Forschungsprojekte mit Kanada unter Beteiligung von Wissenschaft und Wirtschaft (2 + 3-Projekte) seit Apr 2021 1,319 1,257 0,099 BMBF 3004/683 21 Eureka Intercluster Call AI 2021-2026 2,478 2,779 1,641 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMBF 3004/687 04 Richtlinie zur Förderung von Projekten im Programm Eurostars 3 sowie Bekanntmachung von Richtlinien zum Förderprogramm Eurostars seit 2017 1,176 1,477 1,657 BMBF 3003/685 18 Bund-Länder-Förderinitiative „KI in der Hochschulbildung“; Aufbau einer auf KI spezialisierten Lehr-Lern-Plattform "KI-Campus" 2020-2025 27,265 42,167 23,008 BMBF 3002/681 01 Alexander von Humboldt-Professur für Künstliche Intelligenz (AHP-KI) 2019-2031 12,467 18,469 21,632 BMBF 3002/681 01 Konrad Zuse Schools of Excellence in Artificial Intelligence (KI Schools) 2021-2027 5,069 7,436 9,475 BMBF 3004/683 10 Forschung an Fachhochschulen / KI-Nachwuchs@FH 2021-2025 5,486 5,667 1,328 BMBF 3003/685 19 Bund-Länder-Vereinbarung zu Aufbau und Förderung einer Nationalen Forschungsdateninfrastruktur (NFDI) 2019-2028 55,800 80,437 2,400 BMBF 3003/685 18 Richtlinie zur Förderung von Projekten zum Aufbau von Datenkompetenzzentren in der Wissenschaft 2023-2026 1,243 11,499 11,726 BMBF 3004/683 21, 3004/685 91, 3004/894 91 KI-Kompetenzzentren fortlaufend 58,442 57,844 57,437 BMBF 3004/894 21 Richtlinie zur Förderung zum Aufbau von KI- Servicezentren 2022-2027 33,452 17,775 5,499 BMBF 3004/683 21 Richtlinie zur Förderung von Projekten zum Thema „Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in KMU“ ("KI4KMU") 2020-2028 16,196 22,025 15,465 BMBF 3004/683 21 Forschungsförderung in den Bereichen Künstliche Intelligenz (KI), Maschinelles Lernen, Big Data 2017-2027 18,106 11,540 8,511 BMBF 3004/683 21 Stärkung und Qualifizierung der Fachkräftebasis im Bereich KI 2020-2027 13,043 16,760 6,248 BMBF 3004/683 23 "Mikroelektronik. Vertrauenswürdig und nachhaltig. Für Deutschland und Europa." 2021-2026 6,550 7,340 7,484 BMBF 3004/683 23 „Mikroelektronik aus Deutschland – Innovationstreiber der Digitalisierung“ / Richtlinie zur Förderung von Forschungsvorhaben für „Zukunftsfähige Spezialprozessoren und Entwicklungsplattformen (ZuSE)“ 2020-2024 1,707 0,733 0,168 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMBF 3004/683 10 "Mikroelektronik. Vertrauenswürdig und nachhaltig. Für Deutschland und Europa." / Richtlinie zur Förderung der Mikroelektronik-Forschung von Verbundpartnern im Rahmen des Gemeinsamen Unternehmens KDT 2023-2026 1,225 2,196 2,309 BMBF 3004/683 23 „Mikroelektronik aus Deutschland – Innovationstreiber der Digitalisierung“ / KI-basierte Elektroniklösungen für sicheres autonomes Fahren (KI-Element: autonomes Fahren) 2019-2023 1,128 0,231 0,012 BMBF 3004/894 23 "Hoch- und Höchstleistungsrechnen für das digitale Zeitalter Forschung und Investitionen zum High-Performance- Computing" 2021–2025 23,000 31,380 13,933 BMBF 3004/683 24 Zukunft der Wertschöpfung / Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern) 2021-2025 8,946 6,686 3,548 BMBF 3004/683 24 Zukunft der Wertschöpfung / Demonstrations- und Transfernetzwerk KI in der Produktion (ProKI-Netz) 2022-2024 6,772 7,251 0,000 BMBF 3004/683 24 Zukunft der Wertschöpfung / Industrie 4.0 – GAIA-X- Anwendungen in Wertschöpfungsnetzwerken (InGAIA- X) 2022-2024 4,912 6,976 0,000 BMBF 3004/683 24 Zukunft der Wertschöpfung / Regionale Kompetenzzentren der Arbeitsforschung - KI 2020-2027 22,708 30,806 20,488 BMBF 3004/683 27 Rahmenprogramm "Forschung für die zivile Sicherheit" - "Künstliche Intelligenz in der zivilen Sicherheitsforschung II" 2022-2026 7,996 8,176 6,570 BMBF 3004/685 31 Förderrichtlinie zur Erforschung von ethischen, rechtlichen und sozialen Aspekten (ELSA) der Digitalisierung 2019-2024 2,885 1,743 0,315 BMBF 3004/685 31 KI-Anwendung in den Lebenswissenschaften 2019-2026 26,244 20,81 19,524 BMBF 3004/685 30 Fachprogramm Medizintechnik „Patientenversorgung verbessern, Innovationskraft stärken“ seit 2017 9,613 4,190 3,950 BMBF 3004/683 31 Forschungsprogramm "Miteinander durch Innovation" 2022-2025 4,822 5,506 4,068 BMBF 3004/683 31 Forschungsprogramm "Miteinander durch Innovation" 2022-2025 4,541 4,050 3,416 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMBF 3004/894 50 Rahmenprogramm "Erforschung von Universum und Materie ErUM" 2020-2030 5,973 10,987 8,980 BMBF 3004/685 40 Förderrichtlinie "Entwicklung eines innovativen, extrem hochaufgelösten globalen Klimamodells (WarmWorld)" 2022-2027 1,100 2,300 3,300 BMBF 3004/685 42 KI-Anwendungshub Kunststoffverpackungen – nachhaltige Kreislaufwirtschaft durch Künstliche Intelligenz 2022-2025 8,296 9,309 8,025 BMBF 3004/687 02 Rahmenbekanntmachung im Rahmen der Strategie der Bundesregierung zur Internationalisierung von Bildung, Wissenschaft und Forschung Richtlinie zur Förderung von Projekten in der Forschungs- und Innovationszusammenarbeit mit Lateinamerika und der Karibik seit 2023 0,000 0,232 0,224 BMBF 3002/685 41 Rahmenprogramm Empirische Bildungsforschung, Richtlinie zur Förderung von Forschungsprojekten zur kulturellen Bildung in gesellschaftlichen Transformationen 2024-2026 0,000 0,166 0,346 BMBF 3002/685 41 Rahmenprogramm Empirische Bildungsforschung, Richtlinie zur Förderung von Forschungsprojekten zur kulturellen Bildung in gesellschaftlichen Transformationen 2024-2026 0,000 0,387 0,284 BMBF 3004/683 20 Forschungsrahmenprogramm der Bundesregierung zur IT-Sicherheit "Digital. Sicher. Souverän." 2023-2026 1,100 0,722 0,503 BMBF 3004/685 32 Forschungsinitiative zum Erhalt der Artenvielfalt (FEdA) 2023-2027 0,018 0,573 0,916 BMF 0812/532 01 Datenatlas für die Bundesverwaltung 24,000 33,000 19,000 BMF 0812/812 02 Aufbau KI-Kompetenzzentrum für die Verwaltung 11,000 9,300 3,000 BMF 0812/532 01 0812/812 02 KI-Lab „Innovatives datenbasiertes Verwaltungshandeln“ 4,000 1,000 BMF 0812/532 01 Buchungsmuster 2019-2025 1,150 1,010 0,910 BMF 0812/532 01 Eingangsbearbeitung 2022-2025 1,150 1,010 0,910 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BKM 0453/427 09 Konzeptbildung und Anwendungsentwicklung für die KI-gestützte Erschließung von Personenkarteien (Barch) 2022-2023 0,13 0,13 0,05 BKM 0452/532 01 Konzeptbildung und Anwendungsentwicklung für die KI-gestützte Erschließung von Personenkarteien (BArch) 2022-2023 0,42 0,40 0,08 BKM 0452/684 17 Automatisches Erschließungssystem – Inhaltliche Erschließung von Publikationen mit Künstlicher Intelligenz (Deutsche Nationalbibliothek) 2021-2025 0,36 0,31 0,06 BKM 0452/684 17 1.Projekt der Kulturveranstaltungen des Bundes in Berlin GmbH (KBB) Gropiusbau "Digitale Kunst und Vermittlung- KI trifft Mensch" 2.Projekt der KBB "KI in der HKW-Mediathek; Hassreden im Netz" 2021-2024 0,43 0,37 0,00 BKM 0452/684 17 Entwicklung von KI-gestützten inhaltlichen Analyseverfahren wie Audiomining zur Verfügbarmachung multilingualer (Archiv-) Inhalte 2021-2025 0,28 0,30 0,23 BKM 0452/684 17 "Kunst und Leben mit KI - AI Anarchies" Internationales Förderprogramm für Künstler*innen zu Fragen der Künstlichen Intelligenz 2021-2023 0,22 0,00 0,00 BKM 0452/684 17 Intelligente Allmende – Ein KI-gesteuerter poetischer Nutzgarten 2022-2023 0,15 0,00 0,00 BKM 0452/684 17 Mensch | Maschine | Kultur – Künstliche Intelligenz für das digitale Kulturelle Erbe 2022-2025 0,46 0,64 0,24 BKM 0452/684 17 fragFINN – mit künstlicher Intelligenz smarter Optimierung und Modernisierung der Suchmaschine für Kinder 2022-2024 0,18 0,55 0,00 BKM 0452/684 17 Stiftung Neue Verantwortung - KI und Medien 2022-2024 0,34 0,21 0,00 BKM 0452/684 17 KID² – KI gegen Desinformation – Phase II (Deutsche Welle) 2022-2025 0,34 0,23 0,10 BMI 0623/532 04 Entwicklung von KI-Prüfgrundlagen und Standardisierung Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMI 0623/532 04 Untersuchung der Transparenz der KI-Methoden BMI 0623/532 04 Untersuchung der Sicherheitseigenschaften von KI- Systemen BMI 0623/532 04 Untersuchung der Sicherheitseigenschaften von QML BMI 0623/532 04 Maschinelles Lernen für statische Code Analyse BMI 0623/532 04 Detektion von KI in generierten Bildern BMI Titel 532 01 Logdatenanalyse Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 3a: Weitere Forschungsvorhaben, Pilotprojekte und Reallabore mit Beteiligung der Bundesministerien und nachgeordneten Behörden außerhalb der Strategie Künstliche Intelligenz (Antwort zu Frage 9) Mittel in Mio. € Verausgabt Gebunden Ressort Haushaltsstelle Fördermaßnahme Programmlaufzeit 2023 2024 2025 BKM 0452/684 17 Meeresmuseum Stralsund Digitale Erschließung (mit den Neusten AR und VR ,KI Techniken) von Objekten, Großexponaten und Aquarien in neuen Ausstellungen im Meeresmuseum 2020-2024 0,11 0,23 0,00 BKM 0452/685 61 Deutsche Nationalbibliothek „Aus der Vergangenheit lernen für die Gegenwart – Interaktive 3-D-Interviews mit Zeitzeuginnen und Zeitzeugen des historischen Exils“ 2021-2024 2,18 BKM 0452/684 17 Künstliche Intelligenz für Kulturgutschutz III – KIKu III 2022-2024 0,25 0,25 0,00 BKM "Droste Digital" Ausstellung wird mithilfe neusten KI-Methoden und Techniken für die Besucher interaktiv und erlebbar gemacht. 0,05 0,008 BMI KIForPol BMWK 0901/683 21 SENSIBLE-KI 2021-2024 0,331 0,314 BMWK 0901/683 21 KI@Home 2020-2023 0,386 0,129 BMWK 0901/683 21 SmartLivingNEXT 2023-2026 0,673 6,049 5,812 BMWK 0901/683 21 Deutsch-französische KI-Innovationsprojekte 2022-2025 2,791 2,754 1,084 BMWK 0901/683 21 AISSI 2021-2024 0,390 0,280 BMWK 0901/683 32 KI in der Raumfahrt außerhalb von Zusatzmitteln fortlaufend 0,000 25,700 14,733 BMWK 0901/683 11 Neue Fahrzeug- und Systemtechnologien (Modul b KoPa 35c-Maßnahme) 2015-2027 2,534 14,694 15,242 BMEL 1005/686 61 Forschungsbekanntmachung KI 2021-2025 5,923 4,293 0,808 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Mittel in Mio. € BMAS 1106/686 13 (Bundesmittel) 1106/686 11 (ESF-Mittel) ESF Plus-Programm "Zukunftszentren" (Beratung und Qualifizierung zur Einführung menschenzentrierter KI in KMU als Teilaspekt des Förderprogramms) 2023-2026 29,32 33,32 33,32 BMFSFJ 1703/684 21 Chatbot Familie 0,438 0,753 0,262 BMFSFJ 1703/684 21 Digitales Deutschland 0,096 0,100 BMFSFJ 1703/684 21 Auswertung und Aufbereitung der Verbände- Stellungnahmen zum Referentenentwurf zur Einführung einer Kindergrundsicherung 2023-2023 0,049 BMFSFJ 1714/648 01 Co-Constructing KI – CoCoKI, Entwicklungslabor für einen geschützten Kommunikationsraum für Kinder 2023-2023 0,05 BMFSFJ 1714/648 02 Verfahrenslotse -Werkzeugkasten III- Entwicklung und Implementierung eines Online- Kurssystems zur Qualifizierung der Verfahrenslotsen nach § 10b SGB VIII 2022-2024 0,39 0,40 BMFSFJ 1702/684 04 Transformationsgestalter*innen – Wissens- und Kompetenztransfer aus dem Labor Ost 2022-2024 0,73 0,83 BMFSFJ 1702/684 04 Bundesarbeitsgemeinschaft »Gegen Hass im Netz« 2022-2024 0,58 0,50 BMFSFJ 1714/648 03 Verfahrenslotse -Werkzeugkasten I- „Digitale Unterstützung der Tätigkeit der Verfahrenslotsen" 2022-2023 0,94 Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 Anlage 4: Programme und Mittel des BMG, BMI und BMBF in den Ländern (Antwort zu Frage 12) Ressort Fördermaßnahme Gesamtzuwendung (Mio. €) Bundesland BMBF DigitalPaktSchule/AIS Adaptives Intelligentes System (Zusammenlegung der ehemaligen Vorhaben ALC und ITS) 59,840 alle 16 Länder BMBF DigitalPaktSchule/Mediendatenbank mit KI-gestützten Services 9,465 Baden-Württemberg, Hamburg, Nordrhein- Westfalen BMBF DigitalPaktSchule/KI-Bedienassistent 3,928 Nordrhein-Westfalen, Rheinland-Pfalz BMG SATURN 1,654 Hessen BMG SATURN 0,444 Sachsen BMG SATURN 0,712 Bayern BMG DEEP LIVER 2,290 Nordrhein-Westfalen BMG GIHF-AI 0,589 Berlin BMG KI-FDZ 0,496 Nordrhein-Westfalen BMG KI-FDZ 2,580 Bayern BMG KI-FDZ 0,389 Berlin BMG KI-FDZ 1,401 Berlin BMG BLOODVIR 3,841 Hessen BMG KIMERBA 2,936 Hessen BMG AufIns-NRZ/KL 7,140 Berlin BMG genomDE 2,166 Berlin BMG genomDE 0,520 Bayern BMG genomDE 0,666 Baden-Württemberg BMG genomDE 0,300 Nordrhein-Westfalen BMG genomDE 0,192 Berlin BMG genomDE 0,650 Baden-Württemberg BMG genomDE 0,300 Berlin BMG genomDE 0,417 Nordrhein-Westfalen BMG genomDE 0,440 Baden-Württemberg BMG genomDE 0,540 Baden-Württemberg Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 BMG genomDE 1,040 Nordrhein-Westfalen BMG genomDE 0,390 Nordrhein-Westfalen BMG genomDE 0,353 Nordrhein-Westfalen BMG ETAP 0,873 Nordrhein-Westfalen BMG ETAP 0,350 Bremen BMG ETAP 0,417 Bremen BMG ETAP 0,406 Hessen BMG ETAP 0,161 Baden-Württemberg BMG ETAP 0,161 Nordrhein-Westfalen BMG ZuVaKI 0,301 Rheinland-Pfalz BMG ZuVaKI 0,185 Rheinland-Pfalz BMG ZuVaKI 0,073 Niedersachsen BMG ZuVaKI 0,189 Rheinland-Pfalz BMG TeMeK 0,383 München BMG TeMeK 0,619 Baden-Württemberg BMG TeMeK 0,162 Baden-Württemberg BMG KuKuK 0,228 Bremen BMG KuKuK 0,015 Berlin BMG AI-Care 0,143 Schleswig-Holstein BMG AI - Care 0,380 Hamburg BMG AI - Care 0,239 Hessen BMG AI - Care 0,307 Hamburg BMG AI - Care 0,065 Bremen BMG AI - Care 2,085 Saarland BMG AI - Care 0,319 Schleswig-Holstein BMG AI - Care 0,043 Hessen BMG AI - Care 0,297 Mecklenburg-Vorpommern BMG AI - Care 0,297 Mecklenburg-Vorpommern BMG AI - Care 0,057 Niedersachsen BMG AI - Care 0,012 Berlin Kleine Anfrage der Gruppe DIE LINKE BT-Drs. 20/11648 BMG onkoFDZ 0,611 Sachsen BMG onkoFDZ 0,526 Berlin BMG onkoFDZ 0,289 Bayern BMG onkoFDZ 0,000 Sachsen BMG onkoFDZ 0,106 Hessen BMG onkoFDZ 0,035 Brandenburg BMG onkoFDZ 0,193 Hessen BMG onkoFDZ 0,378 Baden-Württemberg BMG onkoFDZ 0,049 Berlin BMG onkoFDZ 0,061 Hamburg BMG onkoFDZ 0,191 Bayern BMG onkoFDZ 0,198 Baden-Württemberg BMG CanConnect 0,616 München BMG CanConnect 0,130 Bremen BMG CanConnect 0,018 Berlin BMG CanConnect 0,244 Niedersachsen BMG CanConnect 0,205 Nordrhein-Westfalen BMG IMS-RKI 9,203 Berlin BMG AI-DAVis 1,718 Brandenburg Gesamtherstellung: H. Heenemann GmbH & Co. KG, Buch- und Offsetdruckerei, Bessemerstraße 83–91, 12103 Berlin, www.heenemann-druck.de Vertrieb: Bundesanzeiger Verlag GmbH, Postfach 10 05 34, 50445 Köln, Telefon (02 21) 97 66 83 40, Fax (02 21) 97 66 83 44, www.bundesanzeiger-verlag.de ISSN 0722-8333