Einsatz Künstlicher Intelligenz im Geschäftsbereich der Bundesregierung

Deutscher Bundestag Drucksache 21/2310 21. Wahlperiode 20.10.2025 Kleine Anfrage der Abgeordneten Sonja Lemke, Clara Bünger, Anne-Mieke Bremer, Katrin Fey, Dr. Gregor Gysi, Luke Hoß, Ferat Koçak, Jan Köstering, Bodo Ramelow, David Schliesing, Aaron Valent, Donata Vogtschmidt, Christin Willnat und der Fraktion Die Linke Einsatz Künstlicher Intelligenz im Geschäftsbereich der Bundesregierung Am 1. August 2024 ist nach langen Verhandlungen das Europäische Parlament die KI-Verordnung (KI-VO; KI = Künstliche Intelligenz) in Kraft getreten (www.europarl.europa.eu/news/de/press-room/20240308IPR19015/gesetz-ube r-kunstliche-intelligenz-parlament-verabschiedet-wegweisende-regeln). Bis spätestens 2. August 2025 hätte die Bundesregierung veröffentlichen müssen, wie die zuständigen Behörden und die zentrale Anlaufstelle auf elektronischem Wege kontaktiert werden können (Artikel 70 Absatz 2 Satz 2 KI-VO), und sie hätte der Europäischen Kommission über den Sachstand bezüglich der finanziellen Mittel und des Personals der zuständigen nationalen Behörden berichten müssen. Ein Gesetz, mit dem in Deutschland die erforderlichen Strukturen zur Durchsetzung der KI-VO geschaffen werden, insbesondere zuständige Behörden benannt und mit ausreichenden finanziellen und personellen Ressourcen ausgestattet werden, liegt bisher noch nicht einmal in Form eines Regierungsentwurfes vor. Im Haushaltsentwurf 2026 sind dafür bisher keine Mittel vorgesehen. Gleichzeitig will die Bundesregierung ausweislich ihres Koalitionsvertrages zwischen CDU, CSU und SPD (www.koalitionsvertrag2025.de/sites/www.koal itionsvertrag2025.de/files/koav_2025.pdf) u. a. mithilfe von Künstlicher Intelligenz eine Verwaltungsrevolution schaffen (Zeilen 2258 bis 2262). Der Einsatz Künstlicher Intelligenz soll Effizienzpotenziale in der Verwaltung heben (Zeile 1642), konkret sollen Sicherheitsbehörden für bestimmte Zwecke eine Befugnis zur Vornahme einer automatisierten (KI-basierten) Datenanalyse erhalten (Zeile 2850 ff.), bei der Registermodernisierung und der Bereitstellung einer Deutschland-ID und der EUDI-Wallet (EUDI = European Digital Identity) soll umfassend KI genutzt werden (Zeilen 2166 ff.), mit Künstlicher Intelligenz soll die Finanzverwaltung gestärkt werden (Zeile 1530) und für Familien sollen hilfreiche digitale Services bereit gestellt werden (Zeile 3169). Der Einsatz Künstlicher Intelligenz soll auch in der Justiz (Zeile 2030) sowie in der Behandlungs- und Pflegedokumentation (Zeile 3500) ermöglicht werden. Die Bundesregierung will laut zwei Referentenentwürfen zur Stärkung digitaler Ermittlungsbefugnisse in der Polizeiarbeit sowohl den Einsatz von KI-Systemen in der Ermittlungsarbeit als auch das Training solcher Systeme mit Echtdaten für die Bundespolizei und das Bundeskriminalamt ermöglichen (https://netzpoli tik.org/2025/gesichtserkennung-und-ki-innenminister-dobrindt-plant-neues-sic herheitspaket/#2025-06-26_BMI_RefE_Staerkung-Digitale-Befugnisse-Polize i_Gesetz-1; https://netzpolitik.org/2025/gesichtserkennung-und-ki-innenministe r-dobrindt-plant-neues-sicherheitspaket/#2025-06-26_BMI_RefE_Staerkung-D igitale-Befugnisse-Polizei_Gesetz-2). All dies sind grundrechtssensible Bereiche, in denen häufig hochsensible personenbezogene Daten von Bürgerinnen und Bürgern verarbeitet werden, sowohl zum Training entsprechender Systeme als auch in der Anwendung. Die damit unterstützten staatlichen Entscheidungen können schwerwiegende Folgen für die betroffenen Personen haben. Entsprechend müssen solche KI- Systeme höchste Qualitätsanforderungen erfüllen und ihr Einsatz darf nur nach einer sorgfältigen Risiko-Nutzen-Bewertung erfolgen, bei der die betroffenen Grundrechte aller betroffenen Personen adäquat berücksichtigt wurden. 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 https://dl.acm.org/doi/pdf/10.1145/3415186). Die Fragestellenden wissen aus diversen Beispielen und Untersuchungen, dass KI-Systeme regelmäßig die Diskriminierung ohnehin schon benachteiligter Gruppen verstärken und verfestigen (https://ai.hdm-stuttgart.de/downloads/student-white-paper/Wi nter-2223/Diskriminierende_KI.pdf; https://duepublico2.uni-due.de/servlets/M CRFileNodeServlet/duepublico_derivate_00083002/Bath_KI_und_Diskriminie rung_UNIKATE_62.pdf; www.bpb.de/lernen/bewegtbild-und-politische-bildun g/556762/diskriminierung/). Frauen, Schwarze Menschen, queere Menschen, Menschen mit Beeinträchtigungen und andere Gruppen werden systematisch von KI-Systemen benachteiligt. Der Einsatz von KI durch die Bundesverwaltung setzt höchste Standards in Bezug auf Antidiskriminierung und Nachvollziehbarkeit der Entscheidungsfindung voraus. Aufgrund des hohen Risikopotenzials muss die Bundesverwaltung im Rahmen der Risiko-Nutzen-Bewertung immer auch prüfen, ob es weniger eingriffsintensive bzw. risikoärmere Alternativen gibt. Ein hohes Maß an Transparenz über den Einsatz und die Funktionsweise der eingesetzten KI-Systeme ist essenziell, weil ansonsten die Akzeptanz für diese Technologie nicht geschaffen werden kann und damit das Vertrauen in staatliche Institutionen insgesamt sinkt. Wie bereits mehrere Kleine Anfragen der Fraktion Die Linke bzw. der Gruppe Die Linke im Bundestag in den Jahren 2022, 2023 und 2024 gezeigt haben (siehe Bundestagsdrucksachen 20/12191, 20/8495, 20/6862, 20/9685, 20/9419 und 20/430), werden im Geschäftsbereich der Bundesregierung Methoden der Künstlichen Intelligenz bereits seit Jahren eingesetzt. Die letzte Kleine Anfrage der Gruppe Die Linke im Bundestag im Januar 2024 ergab, dass sich bereits über 200 KI-Anwendungen im Geschäftsbereich der Bundesregierung im Einsatz befinden (siehe Antwort der Bundesregierung zu auf Bundestagsdrucksache 20/12191), 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. 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 erfordern 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. 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 KI- Anwendungen berücksichtigt werden und ein selbstverständliches und überprüftes Kriterium bei der Vergabe von Fördermitteln für KI-Projekte sein. Wir fragen die Bundesregierung:  1. Welche Bundesministerien (inklusive Bundeskanzleramt sowie nachgeordnete Behörden) setzen aktuell auf (teil)automatisierte Entscheidungsprozesse und Mustererkennungen sowie 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 20/12191)? 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? d) Inwiefern wurden bei der jeweiligen Wahl des jeweiligen Verfahrens die Kosten ins Verhältnis zum jeweiligen Einsatzzweck gesetzt und abgewogen? e) Inwiefern wurden bei der jeweiligen Wahl des jeweiligen Verfahrens alternative Lösungen in Betracht gezogen, die nicht mit den genannten KI-spezifischen Diskriminierungsrisiken behaftet sind? f) Inwiefern wurde bei der Wahl des Systems geprüft, ob bereits an anderer Stelle in der Bundesverwaltung eingesetzte Systeme nachgenutzt werden können? g) 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 in Bundesministerien, inklusive Bundeskanzleramt sowie nachgeordneten Behörden auflisten)? h) Auf welcher Datenbasis werden dabei jeweils welche Ergebnisse produziert bzw. auf Grundlage welcher Daten werden besagte Anwendungen trainiert? i) Sind die 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 genannten Systeme bzw. Anwendungen ausgeschrieben (wenn nein, bitte begründen)? j) Wurden die Daten für die im Einsatz befindlichen automatisierten Entscheidungsprozesse, Mustererkennungen und bzw. oder Künstliche Intelligenz unter Berücksichtigung der gesetzlichen Zweckbindung erhoben, sofern eine rechtliche Zweckbindung erforderlich ist, und wenn nein, aus welcher Quelle oder welchen anderen Quellen stammen die Daten? k) Wie wurde im Hinblick auf die Zweckbestimmung der im Einsatz befindlichen automatisierten Entscheidungsprozesse, Mustererkennungen und bzw. oder Künstlichen Intelligenz sichergestellt, dass die zugrunde gelegten Daten relevant, hinreichend repräsentativ und so weit wie möglich fehlerfrei und vollständig sind? l) Inwieweit werden oder wurden beim Training des genutzten Systems personenbezogene Daten verwendet, und wie kontrolliert die Bundesregierung eine rechtmäßige Verarbeitung dieser Daten bei der Auswahl von KI-Systemen? m) Inwieweit werden oder wurden 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? n) Inwieweit werden oder wurden 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? o) Wie wurden die Entscheidenden über die oben genannten Systeme sowie die Anwenderinnen und Anwender geschult, um das jeweilige System auswählen, bewerten und anwenden zu können, und welche Kompetenzen werden hierfür vorausgesetzt? p) Wie wurden die Nutzenden der oben genannten Systeme bzw. Anwendungen geschult, um das System auswählen, bewerten und anwenden zu können? q) Inwiefern wird der Energieverbrauch und bzw. oder werden andere Nachhaltigkeitskriterien bei der Auswahl der oben genannten Systeme bzw. Anwendungen erfasst, und in welchen Fällen werden derartige Kriterien verpflichtend berücksichtigt (bitte für jedes oben genannte System bzw. für jede Anwendung die einzelnen Nachhaltigkeitskriterien nennen und jeweils explizit angeben, wenn keine derartigen Kriterien erfasst bzw. berücksichtigt wurden)?  2. Wie wurden Risiken beim Einsatz der in Frage 1 erfragten KI- Anwendungen bewertet, insbesondere: a) Für welche der KI-Anwendungen gilt die KI-Verordnung aus Sicht der Bundesregierung (soweit die KI-Verordnung nicht gilt, bitte Gründe angeben)? b) Soweit die KI-Verordnung auf die KI-Anwendungen Anwendung findet, in welche Risikoklasse nach der KI-Verordnung ordnet die Bundesregierung die jeweilige KI-Anwendung ein? c) Mit welchem weiteren Risikoklassenmodell bewertet die Bundesregierung darüber hinaus Risiken von KI-Anwendungen, insbesondere bei solchen, die nicht von der KI-Verordnung erfasst werden (bitte das verwendete Modell explizit benennen und eine Beschreibung beifügen)? d) Welche Klassifizierung wurde entsprechend dem verwendeten Risikoklassenmodell für das System vorgenommen? e) Wenn zutreffend, welche andere Art der Technikfolgenabschätzung wurde mit welchem Ergebnis vorgenommen? f) Wenn kein Risikoklassenmodell verwendet und keine Klassifizierung und bzw. oder keine Technikfolgenabschätzung vorgenommen wurde, bitte explizit begründen, wieso nicht? g) Haben Risikobewertungen zu einer Anpassung des geplanten Einsatzes oder zum Nicht-Einsatz von KI-Anwendungen im Bereich der Bundesbehörden geführt (wenn ja, bitte die Fälle kurz beschreiben)? h) 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? i) Wie wurde das Risiko untersucht und bewertet, dass die jeweilige KI- Anwendung zur Diskriminierung von einzelnen Gruppen, wie z. B. Frauen, Schwarzen Menschen, Menschen mit Beeinträchtigung, armen Menschen und anderen, beitragen könnte? j) Welche Maßnahmen ergreift die Bundesregierung jeweils konkret, um die Risiken der Diskriminierung so weit wie möglich zu minimieren?  3. In welchen obersten Bundesbehörden existieren Dienstanweisungen und Handreichungen zum Einsatz von KI, und was ist jeweils der zentrale Regelungsgehalt der Dienstanweisungen bzw. Gegenstand der Handreichungen?  4. Welche KI-Anwendungen wurden seit Inkrafttreten der KI-Verordnung am 1. August 2024 beendet oder deren Entwicklung oder Pilotierung gestoppt, weil sie verbotene Praktiken gemäß Artikel 5 KI-VO darstellten?  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 20/12191)? a) Wer hat die Evaluierung durchgeführt? b) Welche Aspekte wurden evaluiert, und welche Kriterien wurden dabei angelegt? c) Wurde oder wird das vollständige Ergebnis der Evaluierung veröffentlicht, und wenn ja, wo ist es zu finden? d) Wenn keine Evaluierung durchgeführt wird, warum nicht (bitte ausführlich begründen)?  6. Wie plant die Bundesregierung, ein ausreichendes Niveau an KI- Kompetenz gemäß Artikel 4 KI-VO bei allen Mitarbeitenden, die mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, sicherzustellen, und welche Kompetenzen sind aus Sicht der Bundesregierung hier jeweils aufzubauen?  7. An welchen weiteren Forschungsvorhaben, Pilotprojekten und Reallaboren zur Thematik (teil)automatisierter Entscheidungsprozesse sowie automatisierter Mustererkennungen und KI (inklusive generativer KI) beteiligen sich die Bundesministerien (inklusive Bundeskanzleramt und nachgeordnete Behörden) bzw. initiieren oder unterstützen diese seit dem 1. Januar 2024 (bitte tabellarisch für jedes Bundesministerium, inklusive Bundeskanzleramt sowie nachgeordnete Behörden, nach Forschungsvorhaben, Pilotprojekt und bzw. oder Reallabor, Kosten und Gesamtkosten sowie Jahr [Beginn und Ende], wie in 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?  8. Welche Haushaltsmittel stehen im Jahr 2025 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?  9. Welche Mittel dieser Gesamtsumme sind zum Zeitpunkt der Kleinen Anfrage seit dem 1. Januar 2025 hierfür schon abgeflossen (bitte aufgeschlüsselt je Ressort die Gesamtsumme verfügbarer Fördermittel und die Gesamtsumme verfügbarer Mittel für den Einsatz von bzw. für Bundesbehörden angeben)? 10. Mit welchen Programmen und Mitteln fördern das Bundesministerium für Gesundheit (BMG), das Bundesministerium des Innern (BMI), das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) sowie das Bundesministerium für Digitales und Staatsmodernisierung (BMDS) KI-Projekte, KI-Pilotprojekte, KI-Einsätze oder Einsatzplanungen (inklusive generativer KI) in den Ländern (inklusive Kommunen) seit dem 1. April 2024 (bitte nach Programm bzw. Maßnahme, Fördermittelumfang sowie Bundesland auflisten)? 11. Hält die Bundesregierung an der bestehenden Strategie Künstliche Intelligenz (www.bundeswirtschaftsministerium.de/Redaktion/DE/Publikatione n/Technologie/strategie-kuenstliche-intelligenz-fortschreibung-2020.pdf ?__blob=publicationFile&v=1) fest oder plant sie aktuell eine Anpassung oder Fortschreibung, und wie ist in diesem Fall der Arbeitsstand? 12. 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 2025 oder darüber hinaus verfügbare Ressourcen nach dem aktuellen Haushaltsentwurf der Bundesregierung für 2026 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 [soweit sich die Zuständigkeit im Rahmen neuer Ministerialzuschnitte ändert, bitte angeben]), a) hinsichtlich des Beratungs- und Evaluierungszentrums für Künstliche Intelligenz (Arbeitstitel „BeKI“; siehe Frage 43 der Abgeordneten Anke Domscheit-Berg auf Bundestagsdrucksache 20/13684)? b) hinsichtlich der Algorithmenbewertungsstelle für Behörden und Organisationen mit Sicherheitsaufgaben (Projekt „ABOS“; siehe Antwort der Bundesregierung zu Frage 83 der Abgeordneten Anke Domscheit- Berg auf Bundestagsdrucksache 20/1355 bzw. Bundestagsdrucksache 20/3020)? c) hinsichtlich der vom ITZBund betreuten KI-Plattform für die Bundesverwaltung (KIPITZ)? d) hinsichtlich des in der Datenstrategie angekündigten Aufbaus eines KI-Kompetenzzentrums für die öffentliche Verwaltung? 13. Plant die Bundesregierung weitere zentrale Einrichtungen, die sich mit dem Einsatz von KI-Anwendungen in der Bundesverwaltung beschäftigen sollen, und wenn ja, welche mit welchen Aufgaben (bitte die in Frage 12 erfragten Angaben für jede dieser Einrichtungen ergänzen)? 14. 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 Bundestagdrucksache 20/3020 und gleichlautende Antwort zu Frage 9 auf Bundestagsdrucksache 20/6862)? a) Was hat die Prüfung der KI-Potenziale im Bereich der obersten Bundesbehörde in den vergangenen zwei Jahren ergeben, gibt es Prüfberichte, und wenn ja, sind sie öffentlich verfügbar bzw. können sie den Fragestellenden zur Verfügung gestellt werden? b) Wer ist innerhalb der Bundesregierung verantwortlich für die Entwicklung passender Risikoklassenmodelle, und wie erfolgt die behördenübergreifende Koordinierung der Prüfung der KI-Potenziale? c) Wie 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 ersten Antwort der Bundesregierung aus dem Jahr 2022, wurden verschiedene Modelle entwickelt und bzw. oder getestet,wenn ja, mit welchem Ergebnis, und bei welchen Vorhaben? e) Ab wann wird bzw. werden ein oder 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? 15. Zu welchem Ergebnis ist die Bundesregierung bei der Evaluation etwaiger Auswirkungen der gesetzlichen Risikoklassifizierung für den KI-Einsatz in der Bundesverwaltung gekommen (siehe Antwort der Bundesregierung zu Frage 11 auf Bundestagsdrucksache 20/12191)? 16. Plant die Bundesregierung, ggf. auf Basis des derzeit freiwilligen KI- Transparenzregisters (https://maki.beki.bund.de/a/bmi-makimo-app/tab elle), im Sinne transparenten Verwaltungshandelns die Einrichtung eines vollständigen, verpflichtend zu führenden KI-Registers für KI- Anwendungen im staatlichen Einsatz, z. B. entsprechend dem Vorschlag von Algorithmewatch e. V. (https://algorithmwatch.org/de/ki-transparenzr egister-dtl/), 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)? 17. Wie stellt die Bundesregierung sicher, dass es nicht zu Parallel- und Doppelentwicklungen von KI-Anwendungen in verschiedenen Geschäftsbereichen kommt, und dass jede Entwicklung von KI-Anwendungen der gesamten Bundesverwaltung zur Nachnutzung zur Verfügung gestellt wird? 18. Wie ist der Umsetzungsstand hinsichtlich des Beschlusses des IT- Planungsrates vom 13. November 2024, den KI-Marktplatz auch für die Länder pilotweit zu öffnen, und hat die Bundesregierung die erforderlichen Zugänge im ersten Quartal 2025 bereitgestellt (wenn nein, bitte begründen)? 19. Welchen Zeitplan hat die Bundesregierung für die Verabschiedung eines Gesetzes zur Umsetzung der KI-Verordnung und den Aufbau entsprechender Aufsichtsstrukturen, und wie ist der aktuelle Arbeitsstand? 20. Hat die Bundesregierung bis zum 2. August 2025 der EU-Kommission einen Bericht gemäß Artikel 70 Absatz 6 der KI-Verordnung übermittelt, und welchen Inhalt hatte dieser Bericht? Berlin, den 7. Oktober 2025 Heidi Reichinnek, Sören Pellmann und Fraktion 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

Deutscher Bundestag Drucksache 21/2892 21. Wahlperiode 21.11.2025 Antwort der Bundesregierung auf die Kleine Anfrage der Abgeordneten Sonja Lemke, Clara Bünger, Anne-Mieke Bremer, weiterer Abgeordneter und der Fraktion Die Linke – Drucksache 21/2310 – 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 1. August 2024 ist nach langen Verhandlungen das Europäische Parlament die KI-Verordnung (KI-VO; KI = Künstliche Intelligenz) in Kraft getreten (www.europarl.europa.eu/news/de/press-room/20240308IPR19015/gesetz-ube r-kunstliche-intelligenz-parlament-verabschiedet-wegweisende-regeln). Bis spätestens 2. August 2025 hätte die Bundesregierung veröffentlichen müssen, wie die zuständigen Behörden und die zentrale Anlaufstelle auf elektronischem Wege kontaktiert werden können (Artikel 70 Absatz 2 Satz 2 KI-VO), und sie hätte der Europäischen Kommission über den Sachstand bezüglich der finanziellen Mittel und des Personals der zuständigen nationalen Behörden berichten müssen. Ein Gesetz, mit dem in Deutschland die erforderlichen Strukturen zur Durchsetzung der KI-VO geschaffen werden, insbesondere zuständige Behörden benannt und mit ausreichenden finanziellen und personellen Ressourcen ausgestattet werden, liegt bisher noch nicht einmal in Form eines Regierungsentwurfes vor. Im Haushaltsentwurf 2026 sind dafür bisher keine Mittel vorgesehen. Gleichzeitig will die Bundesregierung ausweislich ihres Koalitionsvertrages zwischen CDU, CSU und SPD (www.koalitionsvertrag2025.de/sites/www.koa litionsvertrag2025.de/files/koav_2025.pdf) u. a. mithilfe von Künstlicher Intelligenz eine Verwaltungsrevolution schaffen (Zeilen 2258 bis 2262). Der Einsatz Künstlicher Intelligenz soll Effizienzpotenziale in der Verwaltung heben (Zeile 1642), konkret sollen Sicherheitsbehörden für bestimmte Zwecke eine Befugnis zur Vornahme einer automatisierten (KI-basierten) Datenanalyse erhalten (Zeile 2850 ff.), bei der Registermodernisierung und der Bereitstellung einer Deutschland-ID und der EUDI-Wallet (EUDI = European Digital Identity) soll umfassend KI genutzt werden (Zeilen 2166 ff.), mit Künstlicher Intelligenz soll die Finanzverwaltung gestärkt werden (Zeile 1530) und für Familien sollen hilfreiche digitale Services bereit gestellt werden (Zeile 3169). Der Einsatz Künstlicher Intelligenz soll auch in der Justiz (Zeile 2030) sowie in der Behandlungs- und Pflegedokumentation (Zeile 3500) ermöglicht werden. Die Bundesregierung will laut zwei Referentenentwürfen zur Stärkung digitaler Ermittlungsbefugnisse in der Polizeiarbeit sowohl den Einsatz von KI-Systemen in der Ermittlungsarbeit als auch das Training solcher Systeme mit Echtdaten für die Bundespolizei und das Bundeskriminalamt ermöglichen Die Antwort wurde namens der Bundesregierung mit Schreiben des Bundesministeriums für Digitales und Staatsmodernisierung vom 21. November 2025 übermittelt. Die Drucksache enthält zusätzlich – in kleinerer Schrifttype – den Fragetext. (https://netzpolitik.org/2025/gesichtserkennung-und-ki-innenminister-dobrind t-plant-neues-sicherheitspaket/#2025-06-26_BMI_RefE_Staerkung-Digitale-B efugnisse-Polizei_Gesetz-1; https://netzpolitik.org/2025/gesichtserkennung-un d-ki-innenminister-dobrindt-plant-neues-sicherheitspaket/#2025-06-26_BMI_ RefE_Staerkung-Digitale-Befugnisse-Polizei_Gesetz-2). All dies sind grundrechtssensible Bereiche, in denen häufig hochsensible personenbezogene Daten von Bürgerinnen und Bürgern verarbeitet werden, sowohl zum Training entsprechender Systeme als auch in der Anwendung. Die damit unterstützten staatlichen Entscheidungen können schwerwiegende Folgen für die betroffenen Personen haben. Entsprechend müssen solche KI- Systeme höchste Qualitätsanforderungen erfüllen und ihr Einsatz darf nur nach einer sorgfältigen Risiko-Nutzen-Bewertung erfolgen, bei der die betroffenen Grundrechte aller betroffenen Personen adäquat berücksichtigt wurden. 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 https://dl.acm.org/doi/pdf/10.1145/3415186). Die Fragestellenden wissen aus diversen Beispielen und Untersuchungen, dass KI-Systeme regelmäßig die Diskriminierung ohnehin schon benachteiligter Gruppen verstärken und verfestigen (https://ai.hdm-stuttgart.de/downloads/student-white-paper/Wi nter-2223/Diskriminierende_KI.pdf; https://duepublico2.uni-due.de/servlets/ MCRFileNodeServlet/duepublico_derivate_00083002/Bath_KI_und_Diskrimi nierung_UNIKATE_62.pdf; www.bpb.de/lernen/bewegtbild-und-politische-bi ldung/556762/diskriminierung/). Frauen, Schwarze Menschen, queere Menschen, Menschen mit Beeinträchtigungen und andere Gruppen werden systematisch von KI-Systemen benachteiligt. Der Einsatz von KI durch die Bundesverwaltung setzt höchste Standards in Bezug auf Antidiskriminierung und Nachvollziehbarkeit der Entscheidungsfindung voraus. Aufgrund des hohen Risikopotenzials muss die Bundesverwaltung im Rahmen der Risiko-Nutzen-Bewertung immer auch prüfen, ob es weniger eingriffsintensive bzw. risikoärmere Alternativen gibt. Ein hohes Maß an Transparenz über den Einsatz und die Funktionsweise der eingesetzten KI-Systeme ist essenziell, weil ansonsten die Akzeptanz für diese Technologie nicht geschaffen werden kann und damit das Vertrauen in staatliche Institutionen insgesamt sinkt. Wie bereits mehrere Kleine Anfragen der Fraktion Die Linke bzw. der Gruppe Die Linke im Bundestag in den Jahren 2022, 2023 und 2024 gezeigt haben (siehe Bundestagsdrucksachen 20/12191, 20/8495, 20/6862, 20/9685, 20/9419 und 20/430), werden im Geschäftsbereich der Bundesregierung Methoden der Künstlichen Intelligenz bereits seit Jahren eingesetzt. Die letzte Kleine Anfrage der Gruppe Die Linke im Bundestag im Januar 2024 ergab, dass sich bereits über 200 KI-Anwendungen im Geschäftsbereich der Bundesregierung im Einsatz befinden (siehe Antwort der Bundesregierung zu auf Bundestagsdrucksache 20/12191), 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. 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 erfordern 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. 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 KI- 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 erfragten 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 Bundesregierung 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 bis 9 bezüglich der Strafverfolgungs-, Ermittlungs- und Gefahrenabwehrbehörden des Bundes sowie der Nachrichtendienste des Bundes und des Geschäftsbereiches des Bundesministeriums der Verteidigung aufgrund entgegenstehender überwiegender Belange des Staatswohls mit Ausnahme der insoweit in den Antworten zu diesen Fragen angegebenen Angaben nicht erfolgen kann, auch nicht in eingestufter Form. Das verfassungsrechtlich verbürgte Frage- und Informationsrecht des Deutschen Bundestages gegenüber der Bundesregierung wird durch das gleichfalls Verfassungsrang genießende schutzwürdige Interesse des Staatswohls sowie durch das Interesse der verfassungsrechtlichen Gewährleistung einer funktionsgerechten und organadäquaten Aufgabenwahrnehmung durch die Strafverfolgungsbehörden begrenzt. Im Falle der Weitergabe von Informationen zu Fähigkeiten und eingesetzten Produkten im Sinne der Fragestellung wäre eine entsprechende Auskunft geeignet, die Arbeit der Strafverfolgungsbehörden sowie Ermittlungsmaßnahmen zu erschweren oder gar zu vereiteln. Für die Bereiche 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. 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 erfragten Informationen birgt die Gefahr, dass Einzelheiten zur konkreten Methodik und gleichsam zu in hohem Maße schutzwürdigen spezifischen technischen Fähigkeiten der Dienste bekannt würden. So könnten Auskünfte zum konkreten Einsatzzweck von KI, zu 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 zu deren Herkunft einen 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 rechtsstaatlich eingehegte Auslandsaufklärung als einen unverzichtbaren Beitrag zum Schutz von Rechtsgütern von überragendem verfassungsrechtlichem Gewicht an; namentlich der verfassungsmäßigen Ordnung, des Bestandes und der 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 erfragten Informationen in der Geheimschutzstelle des Deutschen Bundestages würde deren erheblicher Bedeutung für die Aufgabenerfüllung der Nachrichtendienste nicht ausreichend Rechnung tragen. Die erfragten Inhalte der Fragen beschreiben zum Teil die Fähigkeiten und Arbeitsweisen der Dienste so detailliert, dass eine Bekanntgabe auch gegenüber einem begrenzten Kreis von Empfängern deren 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. Darüber hinaus birgt die Offenlegung der Informationen die Gefahr, dass Einzelheiten über die künftige Arbeitsfähigkeit und Aufgabenerfüllung der Bundeswehr bekannt würden. Mittels dieser Informationen ließe sich ein derart detailliertes Lagebild über den KI-basierten Fähigkeitsaufbau im Militär ableiten, dass durch die Preisgabe dieser Informationen potentielle Gegner Rückschlüsse auf die Einsatzbereitschaft und Kampfkraft der Bundeswehr ziehen könnten. Auch eine Einstufung als Verschlusssache (VS) und Hinterlegung der erfragten Informationen in der Geheimschutzstelle des Deutschen Bundestages würde ihrer erheblichen Brisanz im Hinblick auf die Bedeutung für die Aufgabenerfüllung und Funktionsfähigkeit der Bundeswehr nicht ausreichend Rechnung tragen. Die erfragten Inhalte geben einen detaillierten Hinweis auf aktuelle und zukünftige Fähigkeiten der Bundeswehr und lassen Rückschlüssen auf den Stand der Digitalisierung der Bundeswehr zu. Dies erhöht das Risiko, dass sich potentielle Gegner hierauf ausrichten und diese Erkenntnisse gezielt zur Entwicklung von Angriffen gegen die Bundesrepublik Deutschland nutzen. Dies birgt ein derart hohes Risiko für das Staatswohl in sich, dass eine Bekanntgabe auch gegenüber einem nur begrenzten Kreis von Empfängern ihrem Schutzbedürfnis nicht Rechnung tragen kann. Aus dem Vorgesagten ergibt sich, dass die erbetenen Informationen derart schutzbedürftige Geheimhaltungsinteressen berühren, dass das Staatswohl gegenüber dem parlamentarischen Informationsrecht wesentlich überwiegt. Insofern muss ausnahmsweise das Fragerecht der Abgeordneten für den Anteil des Geschäftsbereichs des Bundesministeriums der Verteidigung gegenüber dem Geheimhaltungsinteresse der Bundesregierung zurückstehen.  1. Welche Bundesministerien (inklusive Bundeskanzleramt sowie nachgeordnete Behörden) setzen aktuell auf (teil)automatisierte Entscheidungsprozesse und Mustererkennungen sowie 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 20/12191)? 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? d) Inwiefern wurden bei der jeweiligen Wahl des jeweiligen Verfahrens die Kosten ins Verhältnis zum jeweiligen Einsatzzweck gesetzt und abgewogen? e) Inwiefern wurden bei der jeweiligen Wahl des jeweiligen Verfahrens alternative Lösungen in Betracht gezogen, die nicht mit den genannten KI-spezifischen Diskriminierungsrisiken behaftet sind? f) Inwiefern wurde bei der Wahl des Systems geprüft, ob bereits an anderer Stelle in der Bundesverwaltung eingesetzte Systeme nachgenutzt werden können? g) 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 in Bundesministerien, inklusive Bundeskanzleramt sowie nachgeordneten Behörden auflisten)? h) Auf welcher Datenbasis werden dabei jeweils welche Ergebnisse produziert bzw. auf Grundlage welcher Daten werden besagte Anwendungen trainiert? i) Sind die 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 genannten Systeme bzw. Anwendungen ausgeschrieben (wenn nein, bitte begründen)? j) Wurden die Daten für die im Einsatz befindlichen automatisierten Entscheidungsprozesse, Mustererkennungen und bzw. oder Künstliche Intelligenz unter Berücksichtigung der gesetzlichen Zweckbindung erhoben, sofern eine rechtliche Zweckbindung erforderlich ist, und wenn nein, aus welcher Quelle oder welchen anderen Quellen stammen die Daten? k) Wie wurde im Hinblick auf die Zweckbestimmung der im Einsatz befindlichen automatisierten Entscheidungsprozesse, Mustererkennungen und bzw. oder Künstlichen Intelligenz sichergestellt, dass die zugrunde gelegten Daten relevant, hinreichend repräsentativ und so weit wie möglich fehlerfrei und vollständig sind? l) Inwieweit werden oder wurden beim Training des genutzten Systems personenbezogene Daten verwendet, und wie kontrolliert die Bundesregierung eine rechtmäßige Verarbeitung dieser Daten bei der Auswahl von KI-Systemen? m) Inwieweit werden oder wurden 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? n) Inwieweit werden oder wurden 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? o) Wie wurden die Entscheidenden über die oben genannten Systeme sowie die Anwenderinnen und Anwender geschult, um das jeweilige System auswählen, bewerten und anwenden zu können, und welche Kompetenzen werden hierfür vorausgesetzt? p) Wie wurden die Nutzenden der oben genannten Systeme bzw. Anwendungen geschult, um das System auswählen, bewerten und anwenden zu können? q) Inwiefern wird der Energieverbrauch und bzw. oder werden andere Nachhaltigkeitskriterien bei der Auswahl der oben genannten Systeme bzw. Anwendungen erfasst, und in welchen Fällen werden derartige Kriterien verpflichtend berücksichtigt (bitte für jedes oben genannte System bzw. für jede Anwendung die einzelnen Nachhaltigkeitskriterien nennen und jeweils explizit angeben, wenn keine derartigen Kriterien erfasst bzw. berücksichtigt wurden)? Die Fragen 1 bis 1q werden zusammen beantwortet. Bezüglich der in den Fragen 1a bis 1c sowie 1g bis 1h geforderten Angaben wird auf die in dem Marktplatz der KI-Möglichkeiten (MaKI) bestehende Eintragungen verwiesen, abrufbar unter www.kimarktplatz.bund.de. Die Fragen 1d bis 1f sowie 1i bis 1q werden gemeinsam beantwortet und beziehen sich auf im MaKI erfasste KI-Systeme der Bundesverwaltung mit dem Status „In Verkehr/In Betrieb“ und in „In Planung/In Vorstudio (PoC)“. Die Angaben sind den Tabellen der Anlagen 1 bis 3 zu entnehmen.1 Diese Angaben beziehen sich auf solche Anwendungsfälle, die aktuell auf (teil)automatisierte Entscheidungsprozesse, Mustererkennungen oder Künstliche Intelligenz (inkl. generativer KI) setzen und im MaKI mit dem Status „In Verkehr/In Betrieb“ und in „In Planung/In Vorstudio (PoC)“ versehen sind. 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. 1 Von einer Drucklegung der Anlagen wird abgesehen. Diese sind auf Bundestagsdrucksache 21/2892 auf der Internetseite des Deutschen Bundestages abrufbar. 2. Wie wurden Risiken beim Einsatz der in Frage 1 erfragten KI- Anwendungen bewertet, insbesondere: a) Für welche der KI-Anwendungen gilt die KI-Verordnung aus Sicht der Bundesregierung (soweit die KI-Verordnung nicht gilt, bitte Gründe angeben)? Die KI-Verordnung gilt für alle KI-Anwendungen der Bundesverwaltung, die KI-Systeme i. S. d. Artikels 3 Absatz 1 KI-VO, sind. b) Soweit die KI-Verordnung auf die KI-Anwendungen Anwendung findet, in welche Risikoklasse nach der KI-Verordnung ordnet die Bundesregierung die jeweilige KI-Anwendung ein? Die Risikoklasse der KI-Systeme der Bundesverwaltung sind im MaKI einsehbar. c) Mit welchem weiteren Risikoklassenmodell bewertet die Bundesregierung darüber hinaus Risiken von KI-Anwendungen, insbesondere bei solchen, die nicht von der KI-Verordnung erfasst werden (bitte das verwendete Modell explizit benennen und eine Beschreibung beifügen)? d) Welche Klassifizierung wurde entsprechend dem verwendeten Risikoklassenmodell für das System vorgenommen? e) Wenn zutreffend, welche andere Art der Technikfolgenabschätzung wurde mit welchem Ergebnis vorgenommen? f) Wenn kein Risikoklassenmodell verwendet und keine Klassifizierung und bzw. oder keine Technikfolgenabschätzung vorgenommen wurde, bitte explizit begründen, wieso nicht? g) Haben Risikobewertungen zu einer Anpassung des geplanten Einsatzes oder zum Nicht-Einsatz von KI-Anwendungen im Bereich der Bundesbehörden geführt (wenn ja, bitte die Fälle kurz beschreiben)? h) 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? i) Wie wurde das Risiko untersucht und bewertet, dass die jeweilige KI- Anwendung zur Diskriminierung von einzelnen Gruppen, wie z. B. Frauen, Schwarzen Menschen, Menschen mit Beeinträchtigung, armen Menschen und anderen, beitragen könnte? j) Welche Maßnahmen ergreift die Bundesregierung jeweils konkret, um die Risiken der Diskriminierung so weit wie möglich zu minimieren? Die Fragen 2c bis 2j werden zusammen beantwortet. Die Antworten können der Anlage 4 entnommen werden.2 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. 2 Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 21/2892 auf der Internetseite des Deutschen Bundestages abrufbar. 3. In welchen obersten Bundesbehörden existieren Dienstanweisungen und Handreichungen zum Einsatz von KI, und was ist jeweils der zentrale Regelungsgehalt der Dienstanweisungen bzw. Gegenstand der Handreichungen? Am 27. März 2025 wurden die Leitlinien für den Einsatz Künstlicher Intelligenz in der Bundesverwaltung (KI-Leitlinien) veröffentlicht. Sie setzen allgemeine Leitplanken für die Nutzung von KI in der Bundesverwaltung (BMI – Publikationen – Leitlinien für den Einsatz Künstlicher Intelligenz in der Bundesverwaltung). In den in der Anlage 5 genannten obersten Bundesbehörden bestehen darüber hinaus Dienstanweisungen/Handreichungen mit dem dort genannten Inhalt.2 4. Welche KI-Anwendungen wurden seit Inkrafttreten der KI-Verordnung am 1. August 2024 beendet oder deren Entwicklung oder Pilotierung gestoppt, weil sie verbotene Praktiken gemäß Artikel 5 KI-VO darstellten? Die Bundesregierung ist entschlossen, die Vorgaben der KI‑Verordnung strikt umzusetzen. Die Bundesverwaltung nutzt keine KI-Anwendungen, sofern sie verbotene Praktiken gemäß Artikel 5 KI-VO darstellen. 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 20/12191)? a) Wer hat die Evaluierung durchgeführt? b) Welche Aspekte wurden evaluiert, und welche Kriterien wurden dabei angelegt? c) Wurde oder wird das vollständige Ergebnis der Evaluierung veröffentlicht, und wenn ja, wo ist es zu finden? d) Wenn keine Evaluierung durchgeführt wird, warum nicht (bitte ausführlich begründen)? Die Fragen 5 bis 5d werden zusammen beantwortet. Auf die Anlage 6 wird verwiesen.2 6. Wie plant die Bundesregierung, ein ausreichendes Niveau an KI- Kompetenz gemäß Artikel 4 KI-VO bei allen Mitarbeitenden, die mit dem Betrieb und der Nutzung von KI-Systemen befasst sind, sicherzustellen, und welche Kompetenzen sind aus Sicht der Bundesregierung hier jeweils aufzubauen? Die Bundesakademie für öffentliche Verwaltung im Bundesministerium des Innern (BAköV) hat als Sensibilisierungs- und Qualifizierungsprogramm den Lernpfad „Kompetenzaufbau zum Einsatz von KI in der öffentlichen Verwaltung“ aufgelegt. Dieser Lernpfad wird seitdem stetig weiterentwickelt und verbindet Fortbildungsveranstaltungen mit On-demand-Fortbildungsmaßnahmen. Die BAköV unterstützt mit ihren Präsenz- und Online-Maßnahmen die Bundesbehörden bei der Sicherstellung eines ausreichenden Niveaus an KI-Kompetenz der eigenen Mitarbeitenden und greift dazu im Lernpfad verschiedene Anforde- 2 Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 21/2892 auf der Internetseite des Deutschen Bundestages abrufbar. rungsprofile auf, um die erforderlichen Kompetenzen passend zum jeweiligen Tätigkeitsprofil der Beschäftigten zuzuordnen. 7. An welchen weiteren Forschungsvorhaben, Pilotprojekten und Reallaboren zur Thematik (teil)automatisierter Entscheidungsprozesse sowie automatisierter Mustererkennungen und KI (inklusive generativer KI) beteiligen sich die Bundesministerien (inklusive Bundeskanzleramt und nachgeordnete Behörden) bzw. initiieren oder unterstützen diese seit dem 1. Januar 2024 (bitte tabellarisch für jedes Bundesministerium, inklusive Bundeskanzleramt sowie nachgeordnete Behörden, nach Forschungsvorhaben, Pilotprojekt und bzw. oder Reallabor, Kosten und Gesamtkosten sowie Jahr [Beginn und Ende], wie in 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? 8. Welche Haushaltsmittel stehen im Jahr 2025 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? 9. Welche Mittel dieser Gesamtsumme sind zum Zeitpunkt der Kleinen Anfrage seit dem 1. Januar 2025 hierfür schon abgeflossen (bitte aufgeschlüsselt je Ressort die Gesamtsumme verfügbarer Fördermittel und die Gesamtsumme verfügbarer Mittel für den Einsatz von bzw. für Bundesbehörden angeben)? Die Fragen 7, 8 und 9 werden gemeinsam beantwortet. Die Antworten zu den Fragen können der Anlage 7 entnommen werden.2 10. Mit welchen Programmen und Mitteln fördern das Bundesministerium für Gesundheit (BMG), das Bundesministerium des Innern (BMI), das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) sowie das Bundesministerium für Digitales und Staatsmodernisierung (BMDS) KI-Projekte, KI-Pilotprojekte, KI-Einsätze oder Einsatzplanungen (inklusive generativer KI) in den Ländern (inklusive Kommunen) seit dem 1. April 2024 (bitte nach Programm bzw. Maßnahme, Fördermittelumfang sowie Bundesland auflisten)? Seit dem 1. April 2024 hat das BMG die folgenden Projekte begonnen zu fördern. Projekt Fördermittelumfang Laufzeit Bundesland ELISEplus 147.006,00 € Niedersachsen Unite 260.098,00 € Berlin Im Übrigen sind der Bundesregierung keine Förderungen bekannt. 2 Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 21/2892 auf der Internetseite des Deutschen Bundestages abrufbar. 11. Hält die Bundesregierung an der bestehenden Strategie Künstliche Intelligenz (www.bundeswirtschaftsministerium.de/Redaktion/DE/Publikatio nen/Technologie/strategie-kuenstliche-intelligenz-fortschreibung-2020.p df?__blob=publicationFile&v=1) fest oder plant sie aktuell eine Anpassung oder Fortschreibung, und wie ist in diesem Fall der Arbeitsstand? Die in der KI-Strategie der Bundesregierung formulierten übergreifenden Ziele haben Bestand und werden von der Bundesregierung weiter intensiv bearbeitet bspw. im Rahmen der Hightech Agenda Deutschland. 12. 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 2025 oder darüber hinaus verfügbare Ressourcen nach dem aktuellen Haushaltsentwurf der Bundesregierung für 2026 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 [soweit sich die Zuständigkeit im Rahmen neuer Ministerialzuschnitte ändert, bitte angeben]), a) hinsichtlich des Beratungs- und Evaluierungszentrums für Künstliche Intelligenz (Arbeitstitel „BeKI“; siehe Frage 43 der Abgeordneten Anke Domscheit-Berg auf Bundestagsdrucksache 20/13684)? Mit dem im Aufbau befindlichen Beratungszentrum für Künstliche Intelligenz („BeKI“) hat das Bundesministerium des Innern und für Heimat (BMI) eine zentrale Anlauf- und Koordinierungsstelle für KI-Vorhaben in der Bundesverwaltung geschaffen. Der Aufbau des BeKI erfolgte durch die im BMI eingerichtete Projektgruppe Künstliche Intelligenz (PG KI). Für die Wahrnehmung der Gesamtaufgaben der PG KI waren im Jahr 2024 elf Vollzeitäquivalente eingeplant. Die PG KI wird in das Referat DS I 7 „KI Bund“ im BMDS übergehen. Dies betrifft auch die Aufgabe zum weiteren Aufbau des BeKI. Der Regierungsentwurf zum Haushaltsplan 2026 sieht beim Kapitel 06 Titel 532 10 – Digitale Gesellschaft und Datenpolitik – für den Untertitel „Bera-tungs- und Evaluierungszentrum für Künstliche Intelligenz (BeKI)“ Ausgaben in Höhe von 2.400.000 Euro vor und damit in gleicher Höhe wie der Haushalts-plan 2025. Das parlamentarische Verfahren zur Aufstellung des Haushaltsplans 2026 ist noch nicht abgeschlossen. Das BeKI soll der Bundesverwalutung Expertise zur verantwortungsvollen Nutzung von KI in Form eines Beratungsangebots zur Verfügung stellen, gezielt den sektor- und ebenenübergreifenden Austausch und die Vernetzung relevanter Stakeholder fördern sowie zukünftig zu Fortbildungsmaßnamen zu KI beraten und deren (Weiter-)Entwicklung anstoßen. Die Tätigkeitsfelder des Be- KI sind Beratung, Vernetzung, Kompetenzaufbau, Wissensmanagement und die Koordinierung übergreifender KI-Themen. Dabei wird auf bereits gewonnenen Erfahrungen aufgebaut und werden etablierte Strukturen und Formate einbezogen, um diese durch koordinative Unterstützung des BeKI zu stärken. Um einen unmittelbaren Mehrwert für die Bundesverwaltung sicherzustellen, führt das KI Bund Referat im Rahmen des Aufbaus des BeKI bereits mehrere Vorhaben durch: Der online verfügbare Marktplatz der KI-Möglichkeiten dient als KI-Transparenzregister und Matching-Plattform für KI-Systeme der deutschen Verwaltung. Er ermöglicht einen umfassenden und transparenten Überblick über den KI-Einsatz, fördert den Austausch sowie Kooperationen und erschließt Nachnutzungspotentiale bestehender KI-Systeme. Das KI-System KIPITZ ist die zentrale Plattform für den sicheren und effizienten Einsatz von generativer KI in der Bundesverwaltung. Durch den Einsatz KI-basierter Anwendungsfälle, die auf die Anforderungen der öffentlichen Verwaltung zugeschnitten sind, bietet KIPITZ Beschäftigten der Bundesverwaltung Unterstützung bei den alltäglichen Verwaltungsaufgaben. Das BeKI stellt ebenfalls KI- Leitlinien als Handlungsempfehlungen für einen verantwortungsvollen KI- Einsatz in der Bundesverwaltung bereit. b) hinsichtlich der Algorithmenbewertungsstelle für Behörden und Organisationen mit Sicherheitsaufgaben (Projekt „ABOS“; siehe Antwort der Bundesregierung zu Frage 83 der Abgeordneten Anke Domscheit- Berg auf Bundestagsdrucksache 20/1355 bzw. 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 der vom ITZBund betreuten KI-Plattform für die Bundesverwaltung (KIPITZ)? Es wird auf die Anlage 8 verwiesen.2 Die Frage wurde dahingehend ausgelegt und beantwortet, dass Ressourcen und Haushaltsmittel für die Bereitstellung von KIPITZ erfragt werden. Der Antwortbeitrag beinhaltet daher ITZ- Bund-eigene Haushaltsmittel und Ressourcen, aber auch durch Kunden zur Auftragserfüllung dem ITZBund überlassene Haushaltsmittel. d) hinsichtlich des in der Datenstrategie angekündigten Aufbaus eines KI-Kompetenzzentrums für die öffentliche Verwaltung? Das „KI-Kompetenzcenter der Bundesverwaltung (KI-KC)“ wurde als Maßnahme der Datenstrategie der Bundesregierung der 20. Legislaturperiode bei der Bundesdruckerei (BDr) eingerichtet, um Kompetenzen im Bereich der Künstlichen Intelligenz zu bündeln und der unmittelbaren Bundesverwaltung zur Verfügung zu stellen. Mit Proof-of-Values (PoV) sollten niedrigschwellig Mehrwerte der Nutzung von KI in der Bundesverwaltung identifiziert werden. Im Unterschied zum vom BMI eingerichteten „Beratungszentrum für Künstliche Intelligenz (BeKI)“ stellte das KI-KC technisches Know-how zur Verfügung, um dieses in agilen Projekten für die Entwicklung von Prototypen zu nutzen. Im Juni 2023 wurde ein Rahmenvertrag für die unmittelbare Bundesverwaltung zum Aufbau und zur Nutzung des KI-KC zwischen BMF und Bundesdruckerei geschlossen. PoVs konnten über Einzelprojektverträge mit der BDr vereinbart werden. Für 2024 wurden rund 9,5 Mio. Euro zur Verfügung gestellt, 2025 wurden rund 1,3 Mio. Euro (bis zum Februar 2025) aufgewendet. Die Bundesdruckerei betreibt seitdem das KI-KC eigenständig fort: Die unmittelbare Bundesverwaltung kann mittels des Rahmenvertrags bis Ende 2025 und mit eigenen Haushaltsmitteln PoV-Projekte beauftragen. Das KI-KC betreute acht Projekte aus den Mitteln des KoPa, zu den Projektpartnern gehörten das BMWSB, das BMWK und die Bundesfinanzverwaltung mit dem BMF. Der überwiegende Fokus lag in der Nutzbarmachung generativer KI. 2 Von einer Drucklegung der Anlage wird abgesehen. Diese ist auf Bundestagsdrucksache 21/2892 auf der Internetseite des Deutschen Bundestages abrufbar. 13. Plant die Bundesregierung weitere zentrale Einrichtungen, die sich mit dem Einsatz von KI-Anwendungen in der Bundesverwaltung beschäftigen sollen, und wenn ja, welche mit welchen Aufgaben (bitte die in Frage 12 erfragten Angaben für jede dieser Einrichtungen ergänzen)? Die Bundesregierung plant nach derzeitigem Kenntnisstand keine weiteren zentralen Einrichtungen für den Einsatz von KI-Anwendungen in der Bundesverwaltung. 14. 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 Bundestagdrucksache 20/3020 und gleichlautende Antwort zu Frage 9 auf Bundestagsdrucksache 20/6862)? a) Was hat die Prüfung der KI-Potenziale im Bereich der obersten Bundesbehörde in den vergangenen zwei Jahren ergeben, gibt es Prüfberichte, und wenn ja, sind sie öffentlich verfügbar bzw. können sie den Fragestellenden zur Verfügung gestellt werden? c) Wie ist der Zeitplan für die Prüfung der KI-Potenziale für den Bund, wann soll diese Prüfung abgeschlossen sein, und gibt es Meilensteine bis dahin? Die Fragen 14a und 14c werden zusammen beantwortet. Geschäftsprozesse werden durch den Einsatz von KI spürbar erleichtert. Die Nutzung und Verbreitung von KI-Anwendungen in der gesamten Bundesverwaltung sollen weiter ausgebaut werden und auch anspruchsvollere Fachaufgaben unterstützen. Die KI-Potenziale des Bundes werden fortlaufend geprüft und finden sich auch in der Modernisierungsagenda wieder. Aufgrund der rasanten Entwicklung der Technologie ist eine fortlaufende Evaluierung erforderlich. Dies betrifft beispielsweise auch die Potentiale von AgenticAI in der Bundes-, Landes- und Kommunalverwaltung. b) Wer ist innerhalb der Bundesregierung verantwortlich für die Entwicklung passender Risikoklassenmodelle, und wie erfolgt die behördenübergreifende Koordinierung der Prüfung der KI-Potenziale? d) Welche Zwischenergebnisse zur Entwicklung passender Risikomodelle gibt es seit der ersten Antwort der Bundesregierung aus dem Jahr 2022, wurden verschiedene Modelle entwickelt und bzw. oder getestet,wenn ja, mit welchem Ergebnis, und bei welchen Vorhaben? e) Ab wann wird bzw. werden ein oder 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 14b, 14d und 14e werden zusammen beantwortet. Derzeit führt jede Behörde individuell eine Prüfung und Einstufung ihrer KI- Systeme nach der KI-VO durch. Die Risikomodelle der KI-VO sind hierfür im Rahmen der gesetzlichen Anforderungen maßgeblich. Die Bundesnetzagentur bietet mit ihrem KI-Service Desk eine Unterstützung für Unternehmen, Behörden und Organisationen bei der Umsetzung der KI-Verordnung. Teil des KI- Service Desk ist ebenso eine Hilfe zur Einstufung des KI-Systems nach den in der KI-Verordnung genannten Risikoklassen. Darüber hinaus unterstützt das sich im Aufbau befindliche Beratungszentrum für Künstliche Intelligenz explizit als Ansprechpartner bei rechtlichen Fragen zur richtigen Eingruppierung in die Risikoklassen, wobei der Schwerpunkt auf verwaltungsspezifischen Anforderungen der KI-Verordnung liegt. 15. Zu welchem Ergebnis ist die Bundesregierung bei der Evaluation etwaiger Auswirkungen der gesetzlichen Risikoklassifizierung für den KI- Einsatz in der Bundesverwaltung gekommen (siehe Antwort der Bundesregierung zu Frage 11 auf Bundestagsdrucksache 20/12191)? Es wird auf die Antwort zu den Fragen 14b, 14d und 14e verwiesen. 16. Plant die Bundesregierung, ggf. auf Basis des derzeit freiwilligen KI- Transparenzregisters (https://maki.beki.bund.de/a/bmi-makimo-app/tab elle), im Sinne transparenten Verwaltungshandelns die Einrichtung eines vollständigen, verpflichtend zu führenden KI-Registers für KI- Anwendungen im staatlichen Einsatz, z. B. entsprechend dem Vorschlag von Algorithmewatch e. V. (https://algorithmwatch.org/de/ki-transparenzregiste r-dtl/), 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)? Der zunächst im BMI und nunmehr im BMDS unter aktiver Mitwirkung und Abstimmung im Ressortkreis entwickelte, öffentlich verfügbare „Marktplatz der KI-Möglichkeiten“ (MaKI, www.kimarktplatz.bund.de) ist die zentrale Matching-Plattform für KI-Systeme in der Verwaltung und bringt Ministerien und Behörden mit passenden KI-Systemen und Bedarfen zueinander. Gleichzeitig dient der MaKI als Grundlage eines nationalen KI-Transparenzregisters für die gesamte Verwaltung. Um ein möglichst umfassendes Spektrum an KI- Systemen in vergleichbar hoher Datenqualität abzubilden, wurden basierend auf dem Auftrag des IT-Rats im Ressortkreis „Regelungen für die Eintragung von KI-Systemen“ (MaKI – Startseite – Regelungen zur Eintragung von KI- Systemen) ressortübergreifend entwickelt und gemeinsam abgestimmt. Dabei wurden Anliegen der Ressorts bspw. zu erforderlichen Ausnahmen von der Eintragung aus Sicherheits- oder Geheimschutzgründen aufgenommen und berücksichtigt. Die Regelungen zur Eintragung haben weiterhin Bestand und sind wichtig für die Erreichung der Ziele der Bundesregierung zur Förderung des KI-Einsatzes in der Verwaltung. Im Übrigen wird auf die Antwort zu Frage 18 verwiesen. 17. Wie stellt die Bundesregierung sicher, dass es nicht zu Parallel- und Doppelentwicklungen von KI-Anwendungen in verschiedenen Geschäftsbereichen kommt, und dass jede Entwicklung von KI-Anwendungen der gesamten Bundesverwaltung zur Nachnutzung zur Verfügung gestellt wird? Das BMDS erhält gemäß Organisationserlass des Bundeskanzlers vom 6. Mai 2025 einen Zustimmungsvorbehalt für wesentliche IT-Ausgaben der unmittelbaren Bundesverwaltung. Der BMDS-Zustimmungsvorbehalt ist Bestandteil der Modernisierungsagenda für Staat und Verwaltung (Bund) (siehe BMDS (2025): Modernisierungsagenda für Staat und Verwaltung (Bund), Seite 32, https://bmds.bund.de/fileadmin/BMDS/Dokumente/Modernisierungsagenda_ba rrierefrei-neu.pdf). Der BMDS-Zustimmungsvorbehalt dient dem Ziel, ressortübergreifend Mittel für die Digitalisierung der unmittelbaren Bundesverwaltung effektiver und effizienter einzusetzen. Hierzu gehört unter anderem auch als Ziel, Doppelstrukturen zu vermeiden sowie auf Wiederverwendbarkeit zu prüfen. Der Marktplatz der KI-Möglichkeiten (MaKI) dient darüber hinaus als KI- Transparenzregister und innovative Matching-Plattform für KI-Systeme in der gesamten öffentlichen Verwaltung. Hier finden sich zahlreiche Informationen rund um die Nutzung des MaKI. Der MaKI soll dazu beitragen, Doppelentwicklungen zu vermeiden, Ressourcen bei der Entwicklung von KI-Systemen durch Nachnutzung oder das Teilen von Best Practices zu schonen, und Synergiepotenziale zu nutzen. Er soll den Austausch und die Kooperation zwischen Bürgerinnen und Bürgern, Wirtschaft, Forschung sowie Ministerien und Behörden ermöglichen. Der MaKI adressiert auch Forderungen aus der Zivilgesellschaft zum transparenten, ethischen Einsatz von KI durch die Verwaltung, und schafft so Vertrauen. 18. Wie ist der Umsetzungsstand hinsichtlich des Beschlusses des IT- Planungsrates vom 13. November 2024, den KI-Marktplatz auch für die Länder pilotweit zu öffnen, und hat die Bundesregierung die erforderlichen Zugänge im ersten Quartal 2025 bereitgestellt (wenn nein, bitte begründen)? Der MaKI wurde in Umsetzung des Beschlusses des IT-Planungsrates vom 13. November 2024 in fünf Bundesländern (Baden-Württemberg, Hamburg, Mecklenburg-Vorpommern, Niedersachsen, Nordrhein-Westfalen) sowie einigen Kommunen erfolgreich und plangemäß pilotiert. Mit der aktuellen Version wird erstmals die Einbindung der Länder- und Kommunalverwaltung für den Austausch und die Eintragung von KI-Systemen technisch ermöglicht; ein wichtiger Meilenstein auf dem Weg zum bundesweiten Roll-out. Zudem enthält das Update Funktionen und Optimierungen auf Basis des bisherigen Nutzungsfeedbacks. Zunächst werden sich die pilotierenden Länder und Kommunen auf dem MaKI registrieren und sukzessive erste KI-Systeme eintragen. 19. Welchen Zeitplan hat die Bundesregierung für die Verabschiedung eines Gesetzes zur Umsetzung der KI-Verordnung und den Aufbau entsprechender Aufsichtsstrukturen, und wie ist der aktuelle Arbeitsstand? Der Referentenentwurf für das Gesetz zur Durchführung der KI-Verordnung hat die Ressortabstimmung bis zum 24. September 2025 und die Länder- und Verbändeanhörung bis zum 10. Oktober 2025 durchlaufen. Das für die KI- Verordnung federführende BMDS konsolidiert derzeit den Referentenentwurf. Das Vorhaben unterliegt hoher Priorität der Bundesregierung, die intensiv daran arbeitet, die Ressortabstimmung so zügig wie möglich zu finalisieren und den Referentenentwurf dem Kabinett vorzulegen. 20. Hat die Bundesregierung bis zum 2. August 2025 der EU-Kommission einen Bericht gemäß Artikel 70 Absatz 6 der KI-Verordnung übermittelt, und welchen Inhalt hatte dieser Bericht? Die Bundesregierung übermittelte der EU-Kommission bis zum 2. August 2025 einen Bericht über die Durchführung der KI-Verordnung in Deutschland, der auch Ausführungen über den Sachstand bezüglich der finanziellen Mittel und des Personals der zuständigen nationalen Behörden gemäß Artikel 70 Absatz 6 der KI-Verordnung enthielt. Die Bundesregierung teilte der EU-Kommission mit, dass der erforderliche personelle und finanzielle Aufwand für eine angemessene Ausstattung der Marktüberwachungsbehörden und der einzubeziehenden Behörden derzeit ermittelt werde und im parlamentarischen Haushaltsverfahren festgelegt werden müsse. Es sei zum damaligen Zeitpunkt daher nicht möglich gewesen, genauere Angaben, etwa zu den hierfür anvisierten Stellen oder dem bereitgestellten Haushaltsbudget, zu machen. Ziel bei der Ausstattung werde aber eine effiziente und ressourcenschonende Durchführung sein. 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 Allgemeine Angaben Frage 1 d) Frage 1 e) Frage 1 f) Frage 1 i) Frage 1j) Auswahl und Entscheidung zum KI-System Interne oder externe Entwicklung Angaben zur Datenerhebung Ressort / Behörde Abteilung KI-System Inwiefern wurden bei der jeweiligen Wahl des jeweiligen Verfahrens die Kosten ins Verhältnis zum jeweiligen Einsatzzweck gesetzt und abgewogen? Inwiefern wurden bei der jeweiligen Wahl des jeweiligen Verfahrens alternative Lösungen in Betracht gezogen, die nicht mit den genannten KI- spezifischen Diskriminierungsrisiken behaftet sind? Inwiefern wurde bei der Wahl des Systems geprüft, ob bereits an anderer Stelle in der Bundesverwaltung eingesetzte Systeme nachgenutzt werden können? Wurden die Systeme intern oder extern entwickelt? Falls extern entwickelt: Wurden die Systeme ausgeschrieben? Falls nicht bitte begründen Bitte auswählen: zweckgebunden / frei nutzbar/ sonstiges Falls sonstiges, bitte tichpunktartig erläutern und Quellen nennen BMJV / DPMA elekt. Klassifikator nach IPC WiBe Nicht relevant, da ausschließlich auf Inhalten von Schutzrechtsanmeldungen gearbeitet wird. Diskrimierungsrelevante Daten und Entscheidungen fallen dabei nicht an. geprüft - es handelt sich um eine amtsspezifische Anforderung, die in in vergleichbarer Form in keiner Stelle der Bundesverwaltung auftritt extern ja zweckgebunden ./. BMJV / DPMA Kognitive Suche für das Patentprüfungsverfahre n WiBe Nicht relevant, da ausschließlich auf Inhalten von Schutzrechtsanmeldungen gearbeitet wird. Diskrimierungsrelevante Daten und Entscheidungen fallen dabei nicht an. geprüft - es handelt sich um eine amtsspezifische Anforderung, die in in vergleichbarer Form in keiner Stelle der Bundesverwaltung auftritt extern ja zweckgebunden ./. BMJV / DPMA Akten/Prüferkarteireche rche und Patentrecherche WiBe Nicht relevant, da ausschließlich auf Inhalten von Schutzrechtsanmeldungen gearbeitet wird. Diskrimierungsrelevante Daten und Entscheidungen fallen dabei nicht an. geprüft - es handelt sich um eine amtsspezifische Anforderung, die in in vergleichbarer Form in keiner Stelle der Bundesverwaltung auftritt extern ja zweckgebunden ./. BMJV / DPMA Checking-Claims WiBe Nicht relevant, da ausschließlich auf Inhalten von Schutzrechtsanmeldungen gearbeitet wird. Diskrimierungsrelevante Daten und Entscheidungen fallen dabei nicht an. geprüft - es handelt sich um eine amtsspezifische Anforderung, die in in vergleichbarer Form in keiner Stelle der Bundesverwaltung auftritt intern nein, Umsetzung durch interne Ressourcen zweckgebunden ./. BMJV / DPMA WIPO-Translate WiBe Nicht relevant, da ausschließlich auf Inhalten von Schutzrechtsanmeldungen gearbeitet wird. Diskrimierungsrelevante Daten und Entscheidungen fallen dabei nicht an. geprüft - es handelt sich um eine amtsspezifische Anforderung, die in in vergleichbarer Form in keiner Stelle der Bundesverwaltung auftritt extern nein - Lösung von der WIPO zweckgebunden ./. BMUKN Z KIRAS (MaKI-ID: BD20247483453) Die Entscheidung für eine Eigenentwicklung auf hausinterner Infrastruktur basierte auf dem Ziel, ein daten-souveränes System zu betreiben und die Daten- und KI-Kompetenz im Ministerium zu erhöhen. Deshalb wird die Anwendung auf lokaler Infrastruktur betrieben und eine externe Beschaffung/Beauftragung wurde nicht in Betracht gezogen. Regelbasierte Chatbots sind für den Anwendungszweck nicht geeignet. KIPITZ wurde geprüft, aber aufgrund des Betriebs auf einer public cloud als nicht geeignet bewertet. intern sonstiges Für die Entwicklung der Anwendung wurden keine Daten erhoben. BMUKN / Umweltbundesamt (UBA) Anwendungslabor für Künstliche Intelligenz und Big Data (KI-Lab) Beim Prozess prototypischer Lösungsentwicklungen wurden Machbarkeit und Kosten dem generierten Mehrwert auf Fachseite gegenübergesetzt. Wenn im Prozess absehbar, dass Kosten zu hoch/Nachnutzbarkeit (siehe Frage 1f) nicht gegeben, wurden Use Cases abgebrochen oder verkürzt. Jeder unserer Use Cases wurde lösungsagnostisch angegangen, d.h. es wurde sich nicht a priori auf ein Verfahren festgelegt, sondern versucht das zur Problematik am besten passende auszuwählen. Daher umfasst das technologische Lösungsportfolio der Use Cases sowohl KI-gestützte Verfahren, als auch klassische Softwareentwicklung oder skriptbasierte Data Science Ansätze. Vor Beginn eines Use Cases wird geprüft, ob bekannte Angebote, bspw. von ITZBund, Bundesdruckerei oder anderer auf dem Marktplatz der KI- Möglichkeiten gelisteten Akteure, die Anforderungen eines Use Cases abdecken können. Gleiches gilt für den wissenschaftlichen Bereich. Eigenentwicklungen erfolgen erst bei negativem Ergebnis der Prüfungen. Neuere Anwendungen eine UBA-interne Entwicklung vom KI-Lab für Fachabteilung; ältere Anwendungen tlw. durch extern Entwickelt Seit der Anfrage 2024 wurden keine Entwicklungen von KI- Anwendungen durch das KI-Lab ausgeschrieben sonstiges Keine Daten selbstständig erhoben. Teilweise frei nutzbare Daten, teilweise Proprietäre Satellitendaten von "Planet", bereitgestellt durch das BKG, genutzt. BMUKN / Bundesamt für Naturschutz (BfN) Abteilung I 1 Digitalisierung, Naturschutzinformati on (zuständig: Fachgebiet I 1.1) Die Wirtschaftlichkeitsbetrachung wird in den KI-Projekten mitgedacht, da das BfN aber nur KI-Forschungsprojekte derzeit umsetzt, steht hier die Erprobung der technischen Machbarkeit im Vordergrund und nicht die Implementierung und den damit verbundenden Kosten Eine Analyse vergleichbarer Verfahren ist in vielen Projekten Bestandteil der KI- Forschungsprojekte und wurde auch bei der Ausgestaltung der Projekte berücksichtigt und wo möglich, vorab analysiert. Eine Horizon Scanning und Analyse bestehender KI-Forschungsprojekte mit naturschutzfachlichem Bezug ist fester Bestandteil bei der Ausgestaltung der aufgeführten Projekte um Doppelförderungen zu vermeiden extern Ja zweckgebunden BMUKN / Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE) Abteilung T – Verwaltungstransfor mation und Öffentlichkeitsarbeit (zuständig: Referat T4) KI-Projekte des BASE befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (siehe MAKI-Steckbriefe, ID: BD20249513748; BD20242554313; BD202478104599). Bis jetzt ist noch keine KI-Anwendung im Einsatz. Bei den Projekten geht es um eine Evaluation von KI-Verfahren bzw. um die Einschätzung, ob und wie KI- Anwendungen geeignet sind, um bei der Bearbeitung von spezifischen Aufgaben zu unterstützen. KI-Verfahren werden evaluiert, um auch Kosten und Nutzen bewerten zu können. Weitere voraus-sichtliche Ergebnisse der Projekte sind Beratungsleistungen, Empfehlungen bzw. ein Demonstrator, keine Entwicklung von KI- Anwendungen. KI-Projekte des BASE befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (siehe MAKI- Steckbriefe, ID: BD20249513748; BD20242554313; BD202478104599). Ein konkretes KI-System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. KI-Projekte des BASE befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (siehe MAKI-Steckbriefe, ID: BD20249513748; BD20242554313; BD202478104599). Ein konkretes KI- System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Es wurde noch kein System entwickelt. frei nutzbar Im Fall von Maki ID: BD20242554313 trifft sonstiges zu. Hier findet im Rahmen des Vorhabens keine Datenerhebung statt. BMUKN / Bundesamt für Strahlenschutz (BfS) Abteilung DO "Digitalisierung und Organisation" (zuständig: Referat DO4) Bei Beschaffungen wird stets eine Kosten-Nutzen-Abwägung vorgenommen, die die Auswahl des Verfahrens beeinflusst. Sofern alternative Lösungen verfügbar sind, die den definierten Einsatzzweck erfüllen, werden diese in eine Betrachtung mit einbezogen. Eine Prüfung vorhandener Systeme ist Teil des Beschaffungsprozesses. i. d. R. intern entwickelt bzw. weiterentwickelt Bei externen Entwicklungen werden die Systeme augeschrieben, alls es keine bestehenden RV im KdB gibt. zweckgebunden BMAS D (hier Fragen 1 und 2; konkret: Trend- und Themenscanning („Horizon Scanning“ / denkfabrik.ai) Es wurde eine Wirtschaftlichkeitsuntersuchungen durchgeführt, bei der alternative Optionen geprüft und Kosten im Verhältnis zum Einsatzzweck abgewogen wurden. Einbindung von Experten und Fachkräften in die Entscheidungsprozesse, Implementierung von Eskalations- und Genehmigungsverfahren für kritische Entscheidungen, Regelmäßige Schulungen und Sensibilisierung der Mitarbeiter für KI-Risiken, Überwachung und Überprüfung der KI-Ausgaben durch qualifizierte Mitarbeiter Es handelt sich um ein Pilotprojekt zum Aufbau und Pilotierung einer KI- basierten Foresight Platform für das BMAS (Siehe auch, Drucksache 20/430, Anlage 3) intern und extern Rahmenvertrag „Digitale Arbeitsgesellschaft - Strategische Vorausschau“ wurde europaweit ausgeschrieben zweckgebunden BMAS Z Wirtschaftlichkeitsanalyse einschließlich Betrachtung von Umsetzungsalternativen Wirtschaftlichkeitsanalyse einschließlich Betrachtung von Umsetzungsalternativen. Bei der KI- Suche kommt überwiegend ein RAG Ansatz (Retrieval-Augmented Generation) zum Einsatz. Die KI- Ergebisse werden mit Referenzen auf die Datenquellen erzeugt. Makterkundung, Marktplatz der KI- Möglichkeiten und Austausch mit anderen Ressorts und Behörden. Extern Ja (Europaweite Ausschreibung) zweckgebunden Entfällt. BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t KIEZ WiBe erstellt keine hinreichende Alternative bekannt Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi intern & extern, kein Training nein, Nutzung eines Rahmenvertrags sonstiges Option zu Datenupload von Dokumenten ohne sensible Inhalte BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t Experten-KI-RAGs WiBe erstellt keine hinreichende Alternative bekannt Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi intern & extern. kein Training nein, Nutzung eines Rahmenvertrags sonstiges Hinterlegung interner Dokumente nach Freigabe oder offenen Daten BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t Check-KI Die Grundlage war, auf offene Modelle zu setzen und die App auf PLAIN zu entwickeln. Verschiedene Open Source Modelle wurden getestet. Phi-4 hat im Vergleich zu Mixtral 8x7b eine deutlich bessere Perfomanz. Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi intern & extern, kein Training nein, Nutzung eines Rahmenvertrags BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t NegotiateCOP WiBe erstellt keine hinreichende Alternative bekannt Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi extern, kein Training nein, Nutzung eines Rahmenvertrags frei nutzbar BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t PortfolioNavigator WiBe erstellt Verschiedene Open Source Modelle wurden getestet. Phi-4 hat im Vergleich zu Mixtral 8x7b eine deutlich bessere Perfomanz. Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi intern & extern, kein Training nein, Nutzung einer nhouse-Vergabe über den GovTech-Campus sonstiges Hinterlegung interner Dokumente nach Freigabe oder offenen Daten BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t SimplifAI kleine Eigenentwicklung im Datenlabor, keine Abwägung der Personalkosten keine hinreichende Alternative bekannt Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi intern sonstiges Hinterlegung interner Dokumente nach Freigabe oder offenen Daten BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t Evidenz-Chatbot Projekt erst in Planung, WiBe wird erstellt keine hinreichende Alternative bekannt Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi Projekt in Planung, Entwicklung noch nicht begonnen frei nutzbar BMZ Globale Gesundheit; Chancengerechtigke it; Digitalisierung; Ernährungssicherhei t AutoRedact kleine Eigenentwicklung im Datenlabor, keine Abwägung der Personalkosten KI wurde gegen regelbasierte Verfahren getestet, beide Versionen des Tools existieren, KI bringt bessere Performance Abfrage im Kreis der Datenlabore (interministerielle Arbeitsgruppe) und Recherche im MaKi intern sonstiges nterne Dokumente, deren Informationsgehalt reduziert wird AA AA weit KI Assistenz für die Aufgaben Chat, Zusammenfassung, Recherche; RAG System Es wurde im Einzelfall geprüft, ob die Nutzung von KI Technologien einen Effizienzgewinn im Vergleich zu deterministischen Verfahren darstellt. Wo nötig werden Wirtschaftlichkeitsbetrachtungen duchge-führt. Es wurde im Einzelfall geprüft, ob die Nutzung von KI Technologien einen Effizienzgewinn im Vergleich zu deterministischen Verfahren darstellt. Es wurde im Einzelfall z.B. unter Nutzung des Marktplatzes der KI – Möglichkeiten sowie durch Sondierung im Bund und in den Ländern geprüft ob vgl.bare Lösungen nachgenutzt werden können. intern n.n. zweckgebunden n.n. AA AA weit Übersetzungen Es wurde im Einzelfall geprüft, ob die Nutzung von KI Technologien einen Effizienzgewinn im Vergleich zu deterministischen Verfahren darstellt. Wo nötig werden Wirtschaftlichkeitsbetrachtungen duchge-führt. Es wurde im Einzelfall geprüft, ob die Nutzung von KI Technologien einen Effizienzgewinn im Vergleich zu deterministischen Verfahren darstellt. Es wurde im Einzelfall z.B. unter Nutzung des Marktplatzes der KI – Möglichkeiten sowie durch Sondierung im Bund und in den Ländern geprüft ob vgl.bare Lösungen nachgenutzt werden können. extern nein; Nutzung Rahmenvertrag zweckgebunden n.n. AA AA weit Unterstützung bei Bürgeranfragen durch teilautomatische Klassifizierung, um möglichst zielgenaue Antworten aus den Internet-FAQ Bereich in der ersten Autoantwort zu versenden. Es wurde im Einzelfall geprüft, ob die Nutzung von KI Technologien einen Effizienzgewinn im Vergleich zu deterministischen Verfahren darstellt. Wo nötig werden Wirtschaftlichkeitsbetrachtungen duchge-führt. Es wurde im Einzelfall geprüft, ob die Nutzung von KI Technologien einen Effizienzgewinn im Vergleich zu deterministischen Verfahren darstellt. Es wurde im Einzelfall z.B. unter Nutzung des Marktplatzes der KI – Möglichkeiten sowie durch Sondierung im Bund und in den Ländern geprüft ob vgl.bare Lösungen nachgenutzt werden können. extern entwickelt, intern trainiert nein; Nutzung Rahmenvertrag zweckgebunden n.n. BMDS DS (Ref DS II 2 Beschaffungscontroll ing) Bert-v2 Die genutzte Lösung ist kostenfrei und ist Open Source. Es handelt sich um ein Proof of Concept, bei dem Rechnungsinhalte nach IT und nicht-IT Ausgaben klassifiziert werden, welches sehr spezisch als Small-Language-Model angewendet wird. Es besteht kein Diskriminierungsrisiko. Eine solche Evaluierung wird für den Aufbau eines Produktivsystems durchgeführt. Es fand keine Neuentwicklung statt. Es wurde eine kostenfreie Open Source Lösung verwendet, welche lokal betrieben wurde. Da es sich nur im ein Proof of Concept handelt wurde nicht ausgeschrieben und nicht neu entwickelt. Verweis auf Antwort 1 f) und erste Frage 1 i). sonstiges Datenquelle: Bereinigte Rechnungsdaten des BMI des Monats Juni 2025 BMDS DS (Ref DS II 7) EMMA Die genutzte Lösung wird im Bereich des First Level Supports für Bürgerinnen und Bürger bei der beauftragten Fa. Bechtle eingesetzt und ist somit im Vergabeverfahren für den First Level Support berücksichtigt worden EMMA ist ein optionales Angebot für Bürgerinnen und Bürger, es muss nicht genutzt werden, daher entsteht Diskriminierungsrisiko Es wurde auf bestehende Rahmenverträge für den Bereich ServiceDesk/FLS geprüft. Vergleichbare RV waren nicht vorhanden. extern Die genutzte Lösung wird im Bereich des First Level Supports für Bürgerinnen und Bürger bei der beauftragten Fa. Bechtle eingesetzt und ist somit im Vergabeverfahren für den First Level Support berücksichtigt worden zweckgebunden BMF/ BMF hausweit KIPITZ KIPITZ-Anwendungen werden nach den hauweiten Bedarfen der Beschäftigten und anhand der Entwicklungs- und Betriebskosten priorisiert und entwickelt. KIPITZ löst Problemstellungen (siehe Drucksache 20/12191) die spezifisch durch textgenerative KI gelöst werden können. Die Effizienz- und Produktivitätssteigerungen durch KIPITZ können nicht durch andere technische Lösungen erzielt werden. Bei KIPITZ handelt es sich um ein KI- Portal, welches zur Nachnutzung innerhalb der Bundesverwaltung entwickelt wurde. intern über den ITZBund mit externer Unterstützung (Dienstleistungen aus Rahmenvertrag) entwickelt. Es erfolgte kein Training von KI- Modellen. nein, es brauchte keine Ausschreibung, da ein bestehender Rahmenvertrag des ITZBunds konnte genutzt werden (Dienstleistungsvertrag) sonstiges Kein eigenes Training; Verwendung von OpenSource und Open- Weight Sprachmodellen von Drittherstellern BMF ITZBund Chatbot BITZ Zum Zeitpunkt des Beginns der Maßnahme (siehe Antwort auf Frage 1f)) waren GPT-Lösungen in der Praxis noch nicht sinnvoll nutzbar, sodass die Wahl auf NLU-Lösungen fiel. Aufgrund der hier eingesetzten NLU-Technologie treffen die KI- spezifischen, sich auf GPT-Modelle bezogenen Diskriminierungsrisiken nicht zu, sodass keine Betrachtung alternativer Lösungen erforderlich war. Das Projekt steht im Kontext der Dienstekonsolidierungsmaßnahme "Chatbots für die Bundesverwaltung", welche explizit die Konsolidierung und Verinheitlichung von IT-Diensten in der Bundesverwaltung zum Zweck hat. Zum Zeitpunkt des Beginns der Maßnahme gab es keine nachnutzbaren Lösungen in der Bundesverwaltung. extern nein Nachnutzung Basisdienst Dienstekonsolidierung (BMI) zweckgebunden - BMF ITZBund Chatbot KIRA Zum Zeitpunkt des Beginns der Maßnahme (siehe Antwort auf Frage 1f)) waren GPT-Lösungen in der Praxis noch nicht sinnvoll nutzbar, sodass die Wahl auf NLU-Lösungen fiel. Aufgrund der hier eingesetzten NLU-Technologie treffen die KI- spezifischen, sich auf GPT-Modelle bezogenen Diskriminierungsrisiken nicht zu, sodass keine Betrachtung alternativer Lösungen erforderlich war. Das Projekt steht im Kontext der Dienstekonsolidierungsmaßnahme "Chatbots für die Bundesverwaltung", welche explizit die Konsolidierung und Verinheitlichung von IT-Diensten in der Bundesverwaltung zum Zweck hat. Zum Zeitpunkt des Beginns der Maßnahme gab es keine nachnutzbaren Lösungen in der Bundesverwaltung. extern ja frei nutzbar - BMF ITZBund Pilotierung - Show-Case für Beratung Die Durchführungs einer Wirtschaftlichkeitsbetrachtung ist erfolgt. Nicht zutreffend Das Projekt verfolgt seit Anfang einen modularen Aufbau welcher die Nachnutzbarkeit vorsieht. intern - frei nutzbar - BMF ITZBund KIPITZ Die Durchführung einer Wirtschaftlichkeitsbetrachtung ist erfolgt Nicht zutreffend Bei KIPITZ handelt es sich um ein KI- Portal, welches zur Standardisierung und Nachnutzen innerhalb der Bundesverwaltung ins Leben gerufen wurde. intern mit ext. Unterstützung (Dienstleistungen aus Rahmenvertrag) Es erfolgte kein Training von KI-Modellen. nein, bestehender Rahmenvertrag konnte genutzt werden (Dienstleistungsvertrag) sonstiges general-purpose-AI; kein vorgegebener Einsatzzweck BMF GZD Die Kosten wurden im Rahmen der Haushaltsmittel-Priorisierung abgewogen und in das Verhältnis zum Einsatzzweck gesetzt. Alternative Lösungen waren nicht vorhanden. Die Prüfung der Nachnutzung ergab keine bereits vorhandenen ähnlichen Systeme, da es sich hierbei um jeweils spezielle Zuständigkeitsbereiche der Zollverwaltung handelt. Bzgl. der Nutzung von generativer KI wird innerhalb der Zollverwaltung KIPITZ als "ZollGPT" nachgenutzt, ist jedoch aktuell noch im Status eines Proof of Concept (PoC). siehe BT-Drs. 20/11648 Frage 4. siehe BT-Drs. 20/11648 Frage 4. siehe BT-Drs. 20/11648 Frage 1. f) siehe BT-Drs. 20/11648 Frage 1. f) BMF GZD eZoll-App Die Kosten wurden im Rahmen der Haushaltsmittel-Priorisierung abgewogen und in das Verhältnis zum Einsatzzweck gesetzt. Alternative Lösungen waren nicht vorhanden. Die Prüfung der Nachnutzung ergab keine bereits vorhandenen ähnlichen Systeme, da es sich hierbei um jeweils spezielle Zuständigkeitsbereiche der Zollverwaltung handelt. extern Die Entwicklung der Anwendung fand nach den Anforderungen der Zollverwaltung extern statt. zweckgebunden BMFTR Z HdP Chatbot Es wurde zu vor Beauftragung eine Wirtschaftlichkeitsbetrachtung vorgenommen. Betrachtung von regelbasierten Chatbots. Es hat eine Prüfung des regelbasierten Chatbots vom VDI/VDE IT stattgefunden. Extern Beauftragung des GovTech Campus über einen Rahmenvertrag sonstiges Es handelt sich um ein RAG System. Als Datengrundlage dient ein internes Wiki-Dokument (Handbuch der Projektförderung). Es wird das vortrainierte LLM GPT- 3.5 von Open AI genutzt. BMFTR 1 Emerging Technologies Radar (Prototyp) Entwicklung des Prototypen erfolgte im Rahmen eines bestehenden Rahmenvertrags Nicht zutreffend Ressortweite Abfrage, ob bereits vergleichabre Systeme in der Bundesverwaltung existieren, wurde vor Beauftragung durchgeführt Extern Entwicklung fand im Rahmen eines ursptünglih europaweit ausgeschriebenen Rahmenvertrags statt sonstiges 1) mehrere Mio. wissenschaftliche Artikel aus der Datenbank OpenAlex 2) mehrere Mio. Patentanmeldungen aus der Datenbank Patstat BMFTR Z OpenWebUI Es wurden verschiedene Optionen, inkl. Kommerzieller Anbieter geprüft und sich für eine Open-Source Variante entschieden Nicht zutreffend Vergleich laufend, Projekt in Vorstudie Open-Source System, das intern implementiert wird nicht zutreffend frei nutzbar - BMFTR Z Auto-Summarizer Nicht zutreffend Austausch im Peer-to-Peer Netzwerk der Datenlabore Interne Entwicklung nicht zutreffend BMFTR Z Fragewesen Es wurde eine Stichwortsuche und Schlagwortsuche betrachtet Austausch im Peer-to-Peer Netzwerk der Datenlabore Interne Entwicklung nicht zutreffend Die Datengrundlage sind die über das Dokumentation- und Informationszentrum des Bundestages bereitgestellten Drucksachen zu parlamentarischen Anfragen (Kleine & Große Anfrage, mündliche und schriftliche Fragen) BMFTR Z OpenRedact Es wurden alternative Pseudobzw. Anonymisierungsansätze verglichen. z.B. reine LLM Verfahren. Diese haben im Vergleich schlechter abgeschnitten. Austausch im Peer-to-Peer Netzwerk der Datenlabore Extern Beauftragung von PD über Rahmenvertrag BMFTR Z EGO-Chatbot Nicht zutreffend Austausch im Peer-to-Peer Netzwerk der Datenlabore Interne Entwicklung nicht zutreffend sonstiges Es handelt sich um ein RAG System. Als Datengrundlage dient die Erweiterte Geschäftsordnung des BMFTRs BMG|BfArM 1 Zulassung Die Hardware wurde im Rahmen des vom BMG geförderten Lieferengpass- (LE)-Projektes die Möglichkeit zu evaluieren, mittels komplexer Datenanalysen Lieferengpässe frühzeitig zu identifizieren zu können. Beim Frühwarnsystem für Lieferengpässe handelt es sich um eine spezifisch diesbezügliche Fachanwendung zur Unterstützung der zuständigen Organisationseinheit. siehe Frage e) Exclusive interne Entwicklung mit Mitarbeitenden des BfArMs. Es werden Daten zweckgebunden rhoben auf Basis iner gesetzlichen Grundlage. Diese sind § 52b Abs. 3e und 3f AMG. Es werden keine ersonenbezogen en Daten verarbeitet BMG|BfArM 7 Pharmakovigilanz Durch die Nutzung von Open-Source- Modellen oder kostenlos durch ande-re Institutionen zur Verfügung gestellten Modellen entstehen dem BfArM keine zusätzlichen Kosten. Das BfArM hat eine limitierte Anzahl von ChatGPT- Enterprise-Lizenzen beschafft, damit verschiedene Anwendungsfälle zunächst für einen begrenzten Zeitraum kostenschonend erprobt werden können. Für die Signaldetektion und - validierung werden bereits nicht-KI- basierte Algorithmen verwendet, die die vorhandenen Informationen statistisch auswerten, kombiniert mit dem automatischen Abgleich von weiteren manuell erfassten, strukturierten Daten. Allerdings sind diese Algorithmen nur bedingt für die Adressierung der zugrundeliegenden Fragestellungen geeig-net, so dass hierfür die Nutzung von LLMs getestet werden soll. Wie bereits in den Antworten zu den Fragen a) bis c) erwähnt, sind uns mehrere von europäischen und internationalen Institutionen sowie vom PEI entwickelte KI-Systeme im Bereich der Pharmakovigilanz und Signaldetektion bekannt, die teilweise schon genutzt werden. Die Anwendungsgebiete sind sehr spezifisch auf die Pharmakovigilanz ausgerichtet. Dem BfArM ist – jenseits der Anwendung des PEI – kein vergleichbares Tool bekannt, welches bereits an anderer Stelle der Bundesverwaltung Einsatz findet. Siehe Antwort zu a) bis c). BMG|BfArM 9 Medizinprodukte Aufgrund der stetig steigenden Zahl von Vorkommnismeldungen eindeutiger Business Case Es bestehen gravierende Vorteile der KI-Ansätze gegenüber früher erprobten alternativen Ansätzen, zudem sind in diesem speziellen Anwendungsfall für technische Produkte keine zusätzlichen Diskriminierungsrisiken durch den Einsatz von KI-Methoden bekannt. Augfrund sehr spezialisierter Fragestellung wurde eine entsprechende Prüfung nicht durchgeführt Intern - zweckgebunden - BMG|BfArM 10 Informationstechnik, Klinische Prüfung siehe Abteilung 1 Frage 1d). Für die explorative Nutzung der Sprachmodelle entstehen keine zusätzlichen Kosten. Bzgl. der Übersetzungsfunktionalität wurde auch der Dienst DEEPL PRO lizensiert, der für bestimmte, größere Übersetzungsprojekte genutzt wird. Die Nutzung bestimmter KI-Dienste der EU-Kommission wurden geprüft und als derzeit nicht geeignet identifiziert. Die KI- Dienste des ITZBund wurden betrachtet, aber aufgrund der Kostenstruktur bisher nicht in Betracht gezogen. Im Bereich der Fachgruppe 10.3 werden zusätzlich gelegentlich die KI-Services der EMA genutzt. Alle auf dem KI-Server für das BfArM angebotenen Sprachmodelle sind extern entwickelt und durch die jeweiligen Herausgeber trainiert. Die Abteilung 10 nutzt keine automatisierten Entscheidungspro zesse und Mustererkennung sverfahren. Für die an angebotenen großen Open- Source- Sprachmodelle wird den Angaben der Hersteller vertraut. BMLEH/MRI Leitung KIDA AIChat im Rahmen von KIDA Vergleich der Wirtschaftlichkeit verschiedener Softwarevarianten und Bereitstellungsformen (Hosting) N.A. Das genutzte System besteht aus OpenSource-Komponenten und ist daher an sich schon eine Form der Nachnutzung. extern von der Open Source Community Eine Ausschreibung war nicht notwendig, da die Komponenten als Freeware verfügbar sind. sonstiges Für den Betrieb des Dienstes war keine Datenerhebung notwendig. BMLEH/MRI Leitung ScrAIbe im Rahmen von KIDA N.A. N.A. Das System resultiert aus einer eigenen Entwicklung im KIDA-Verbund und greift auf vortrainierte Open-Source KI- Modelle zu intern im KIDA-Verbund N.A. sonstiges Für den Betrieb des Dienstes war keine Datenerhebung notwendig. BMLEH/MRI Sicherheit und Qualität bei Getreide "Application of simulations and machine learning to detect edible oil adulteration" im Rahmen von KIDA Vergleich der Wirtschaftlichkeit der Datengenerierung durch Laboranalytik ggü. synthetischer Daten N.A. Literaturrecherche in peer-reviewed articles intern im KIDA-Verbund N.A. frei nutzbar N.A. BMLEH/MRI Nationales Referenzzentrum für authentische Lebensmittel Fish-ID Vergleich mit Wirtschaftlichkeit und Skalierbarkeit vorhandener Verfahren N.A. Literaturrecherche, Austausch mit anderen Einrichtungen, Onlinerecherche intern N.A. sonstiges Viele Einzelquellen; Teilweise zweckgebunden, teilweise frei nutzbar, je nach Lizenzart BMLEH/BfR 66 molOCR Es fand keine solche Einschätzung statt. Da es sich um die Zusammenstellung bereits frei verfügbarer Tools handelt und auf diese Weise lediglich die Nutzung individueller Lösungen für den Endnutzer erleichtert wurde. Es wurde nach frei verfügbaren und publizierten Open Source Lösungen gesucht, da diese in der Regel vergleichsweise einfach zu implementieren sind. Diesbezüglich fand keine Prüfung statt. MolOCR wurde aufgrund eines intrinischen Bedarfs zusammengestellt. Da die Zusammenstellung keinen größeren Aufwand darstellte, wurde über potentielle Alternativen nicht nachgedacht. Entwicklung fand intern statt. -- frei nutzbar BMLEH/BfR 63 Sarah Nexus Das Kosten/Nutzen-Verhältnis wurde nicht abgewogen. Sarah Nexus ist trainiert für die Vorhersage von bakterieller Mutagenität (Statistisches Model). Trainingsdaten bestehen aus experimentelle Studien und werden forlaufend aktualisiert. Diskriminierungsrisiken sind uns nicht bekannt. In den regulatorischen Verfahren ist Sarah Nexus anerkannt. Es nicht bekannt, dass es in der Bundesverwaltung ein vergleichbares sachdienliches Tool zur Verfügng steht. Extern Nein. Sarah Nexus wird von der non-profit Firma "lhasa limited" (UK Registered Charity (290866), www.lhasalimited.org) vertrieben. zweckgebunden Für die regulatorische Arbeit oder für Forschung die der regulatorischen Arbeit dient BMLEH/BfR FG 73/FG 94 DistillerSR Profession Es gab bei der EFSA ein größer angelegtes Projekt (https://doi.org/10.2903/sp.efsa.2022.E N-7815) zu KI-Tools für das Review von Literatur, an dem auch Mitarbeiter des BfR beteiligt waren. Dort schnitt DistillerSR im Vergleich zu den anderen überprüften Tools mit am besten ab. Außerdem lagen bei weiteren Mitarbeitern bereits praktische Erfahrungen mit diesem Tool aus Kooperationen vor. Durch diese Informationen musste das BfR keine eigene Testung der Tools durchführen, die einen hohen Kosten- und Personalaufwand bedeutet hätte. Es wurde Kontakt zum Julius-Kühn- Institut aufgenommen. Das von denen entwickelte Programm Cadima für Literaturreviews enthält keine KI- Funktionen. extern siehe Begründung Frage 1 d) zweckgebunden BMLEH/BfR 23 DeepL Die Anwendung ist deutlich preiswerter als die Beauftragung eines Dienstleister bei besserer Qualität der Ergebnisse sowie großem Zeitersparnis. nicht zutreffend e-Translation steht als Alternative zur Verfügung, weist jedoch mangelnde Qualität auf extern Ja zweckgebunden — BMLEH/BfR 94 SMAFIRA Das Kosten/Nutzen-Verhältnis wurde nicht abgewogen. SMAFIRA nutzt PubMedBERT. Dieses Sprachmodell wurde auf PubMed, einer wissenschaftlichen Datenbank, trainiert. Diskriminierende Sprache sollte dort eigentlich nicht zu erwarten sein. Wir haben alternative Verfahren, nämlich das klassische Machine Learning, überprüft, kommen damit aber nicht zu vergleichbar guten Ergebnissen. Das Sprachmodell (BERT) wurde 2018 veröffentlicht und im Laufe des Jahres 2019 erstmals ins SMAFIRA-Projekt integriert. Damals war nicht zu erwarten, dass entsprechende System für die Recherche nach Alternativmethoden innerhalb der Bundesverwaltung entwickelt werden. Das eingesetzte Sprachmodell ist das Ergebnis eines (internen) Finetunings eines (externen) Foundation-Modells (PubMedBERT) mit eigenen Trainingsdaten. Das eingesetzte Foundation-Modell ist kostenfrei bei Hugging Face (https://huggingface.co/) verfügbar. sonstiges SMAFIRA erhebt keine Nutzerdaten. BMLEH/BfR 33/8FZ Happy Chicken Forschungsprojekt und Eigenentwicklung Forschungsobjekt sind Hühner, daher nicht zutreffend die Existenz anderer Systeme in der Bundesverwaltung ist nicht bekannt intern und extern Nein: externe Entwicklern waren in der KIDA des damaligen BMEL (https://www.kida- bmel.de/) frei nutzbar BMLEH/BfR 1IZ/DSB GenAI Prompt / KI- basierte Textzusammenfassu ng Die Nutzung steht im Rahmen der Mitgliedschaft am GovTech Campus kostenfrei zur Verfüfung und wurde insofern als wirtschaftlich angesehen. Die Nutzung des Tools wird nicht als eigentständige Lösung in einem Verfahren angesehen. Vielmehr kann es als Unterstützung bei der Recherche im Rahmen von bereits bestehenden Verfahren angewandt werden. An den Verfahren und bestehenden Schutzmechanismen änder sicht nicht. Das Tool steht allen GovTech Campus Mitgliedern der Bundes- und Landesverwaltung zur Verfügung. Es handelt sich insofern in gewissermaßen um eine "Nachnutzung". Extern Nein. Das System wurde nicht separat "beschafft", sonder war in der Mitgliedschaft enthalten sonstiges Es gelten die Nutzungsbedigungen: https://identity.atrium- prompt.de/docs/govtech/N utzungsbedingungen.pdf BMLEH/JKI JKI-ZR SelWineQ Verwendung einer kostenneutralen OpenSource Lösung zur wissenschaftlichen Datenanalyse großer Datenmengen kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Reben- und Weindaten wissenschaftlicher Ansatz intern unter Verwendung von openSource Lösungen sonstiges keine Personenbezogene Daten BMLEH/JKI JKI-ZR KI-iREPro Entstanden in einem Drittmittelprojekt, Ausführung durch Projektpartner (Uni Bonn) kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Reben- und Weindaten wisscnschaftlicher Ansatz, Anwendungsspezifische Entwicklung, kein anderes System bekannt extern nein, da Aufgabe Partner im Drittmittelprojekt zweckgebunden BMLEH/JKI JKI-ZR KI-iREPro, DigiVine,PhytoMo Entstanden in einem Drittmittelprojekt, Ausführung durch Projektpartner (Fraunhofer IOSB) kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Reben- und Weindaten wisscnschaftlicher Ansatz, Anwendungsspezifische Entwicklung extern nein, da Aufgabe Partner im Drittmittelprojekt zweckgebunden BMLEH/JKI JKI-ZR Semantic Search Vitis- Vea Die Lösung wurde im Rahmen des KIDA Projekts von der KI Beratungstelle (KIDA) entwickelt. Bei der Wahl des semantischen KI- Verfahrens wurden auch nicht-KI- basierte Alternativen (z. B. klassische SQL-Suche) geprüft. Diese boten jedoch nicht die erforderliche semantische Qualität für wissenschaftliche Recherchezwecke. Mögliche Diskriminierungsrisiken werden als gering eingeschätzt und durch die Ergebnisprüfungen und bei einem späteren Produktivbetrieb wird durch Transparenzhinweise adressiert. Anwendungsspezifische Entwicklung extern nein, da im Rahmen des KIDA Projekts umgesetzt frei nutzbar BMLEH/JKI JKI-ZR DFG, MGGL, VITIFIT Entstanden in einem Drittmittelprojekt unter Verwendung bereits vorhandener Ressourcen kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Weinrebendaten das JKI-ZR ist das einzige wissenschafliche Institut in der Bundesverwaltung, das sich mit Rebenzüchtung beschäftigt intern zweckgebunden BMLEH/JKI JKI-ZR VITIFIT Entstanden in einem Drittmittelprojekt unter Verwendung bereits vorhandener Ressourcen kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Weinrebendaten das JKI-ZR ist das einzige wissenschafliche Institut in der Bundesverwaltung, das sich mit Rebenzüchtung beschäftigt intern zweckgebunden BMLEH/JKI JKI-ZR mit der Entwicklung wurde noch nicht begonnen, Kosten sollen vermieden werden kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Weinrebendaten das JKI-ZR ist das einzige wissenschafliche Institut in der Bundesverwaltung, das sich mit Rebenzüchtung beschäftigt intern zweckgebunden BMLEH/JKI JKI-ZR DFG Traubenarchitektur Drittmittelprojekt,Entwicklung durch Projektpartner Uni Bonn kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Weinrebendaten JKI-ZR ist das einzige Forschungsinstitut in der Bundesverwaltung, das sich mit Rebenzüchtung beschäftigt extern durch Uni Bonn nein, da Aufgabe Partner im Drittmittelprojekt zweckgebunden BMLEH/JKI JKI-ZR Studentische Abschlussarbeit ohne Drittmittelprojekt Masterarbeit,Entwicklung durch Projektpartner Uni Bonn kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Weinrebendaten JKI-ZR ist das einzige Forschungsinstitut in der Bundesverwaltung, das sich mit Rebenzüchtung beschäftigt extern durch Uni Bonn nein, da im Rahmen einer studentischen Abschlussarbeit entstanden sonstiges Forschungsprototyp in der Entwicklungsphase BMLEH/JKI JKI-ZR KliwiResse Drittmittelprojekt, Entwicklung in Python (open source) kein Diskriminierungsrisiko da keine personenbezogene Daten; Berechnungsbasis sind Weinrebendaten JKI-ZR ist das einzige Forschungsinstitut in der Bundesverwaltung, das sich mit Rebenzüchtung beschäftigt intern unter Verwendung von openSource Lösungen zweckgebunden BMLEH/JKI Institut für Bienenschutz „BeesUp", MonViA und Bienenzähler Eine Kosten-Nutzen-Abwägung findet innerhalb der Forschungsprojekte i.d.R. auf Basis aufzuwendender Arbeitszeit und möglicher Alternativen statt. KI-Anwendungen werden innerhalb von Projekten im Bereich der Bienenforschung verwendet. Folglich werden keine personenbezogenen Daten verarbeitet, und Fragen zu Diskriminierungsrisiken sind irrelevant. Die jeweiligen Projektleitungen sind über den KI- und Datenakzelerator (KIDA) mit anderen Anwendern innerhalb des Ressorts vernetzt. Oft werden spezifische Systeme zur Nutzung für spezifische Forschungsfragen genutzt, welche nicht einfach für andere Fragestellung nachgenutzt werden können. Die Systeme wurden entweder extern oder im Rahmen des Verbundprojekts intern mit externen Partnern entwickelt (Eigenentwicklungen, keine kommerziellen Systeme) entwickelt. Die Systeme sind entweder kostenfrei nutzbar (open source), sehr individuell in ihrer forschungsspezifischen Anwendung, über die Projektmittel gedeckt, wurden von externen Forschungspartnern entwickelt, oder es erfolgte keine separate Ausschreibung, da die Entwicklung über Projektpartner im Zuwendungsbescheid geregelt und durch Projektmittel gedeckt ist. frei nutzbar BMWE / BAFA IT-Steuerung Mailytica (E-Mail- Analyse und Textvorschlag) Ergebnis: Personell sind die Schritte sonst nicht leistbar Risiken nicht vorhanden nein extern ja zweckgebunden - BMWE / BAFA IT-Steuerung Intrafind (Dokumentenanalyse und Vergleichen) Ergebnis: Personell sind die Schritte sonst nicht leistbar Risiken nicht vorhanden nein extern ja zweckgebunden - BMWE / BAFA IT-Steuerung Cognigy AI (Chatbot im LkSG) Ergebnis: Personell sind die Schritte sonst nicht leistbar Risiken nicht vorhanden nein extern § 8 Abs. 4 Nr. 14 UVgO frei nutzbar - BMWE / BAFA IT-Steuerung DeepL (Übersetzungshilfe) Ergebnis: Personell sind die Schritte sonst nicht leistbar Risiken nicht vorhanden nein extern § 14 UVgO Direktauftrag frei nutzbar - BMWE / BAFA IT-Steuerung Sympalog (Sprachbot) Ergebnis: Personell sind die Schritte sonst nicht leistbar Risiken nicht vorhanden nein extern § 14 UVgO Direktauftrag im Rahmen Covid zweckgebunden - BMWE / BAM VP. BAM-interne IT- Infratruktur für wissenschaftliche LLM und KI-Workloads Eine solche Bewertung wird im Rahmen der üblichen Wirtschaftlichkeits-Betrachtung gemacht Für die gegenwärtigen Einsatz- Szenarien ist die Frage für uns nicht relevant und wurde daher auch nicht betrachtet. Im breitgefächerten Feld der Materialwissenschaft sind Fragestellungen und zugeordneten Lösungen in der Regel sehr speziell. Wo sinnvoll, werden Lösungen im MaKI gelistet. Intern n/a frei nutzbar n/a BMWE / BGR B1 Deep Learning für Gesteinsuntersuchung Kostengünstige Erweiterung bereits vorhandener Software entfällt Erweiterung der Funktionalität bereits an der BGR verfügbarer Software extern Zusatz-beschaffung zu vorhandener Software - daher Direktvergabe notwendig zweckgebunden BMWE / BGR B2.2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandspro gnosen und bundesweite Quellschüttungsvorhers agen Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Politikberatung im Klimawandel schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Direkte Zuständigkeit der BGR. Teils, teils Ja Zweckgebunden BMWE / BGR B2.2 Regionalisierung hydrogeologischer Information Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Politikberatung im Klimawandel schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Direkte Zuständigkeit der BGR. intern --- Zweckgebunden BMWE / BGR B2.2 Abschätzung der Grundwasservulnerabili tät ggü. Pflanzenschutzmittelein trag Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Politikberatung im Nachzulassungsmonitoring von Pflanzenschutzmitteln schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Auftrag wurden wegen Fehlens einer Anwendung an die BGR erteilt intern --- Zweckgebunden BMWE / BGR B2.2 KI-basiertes Monitoring- , Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigstä nden und -versalzung Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Politikberatung im Klimawandel schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Direkte Zuständigkeit der BGR. intern Zweckgebunden BMWE / BGR B2.5 Klassifizierung verschiedener geologischer Bereiche Es wurde nur Open Source Software verwendet und keine neue Hardware beschafft. Es fielen nur Personalkosten von Festangestellten an. Es bestand kein Diskriminierungsrisiko. Keine Prüfung. Es wurden geowissenschaftliche Daten verarbeitet. Eine 1:1 Einsatz anderer bestehender Systeme (z.B. der BGR oder BfG) wäre nicht möglich gewesen. Intern - Sonstiges Es handelt sich um Daten der Hubschrauberelektromagn etik, die durch den BGR Hubschrauber aufgenommen wurden. BMWE / BGR B2.2 Deep learning basierte Vorhersage von alpinen Karstquellschüttungen Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Politikberatung im Klimawandel schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Direkte Zuständigkeit der BGR. intern Zweckgebunden BMWE / BGR B2.2 Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Citizen-Science- Datenerhebung und Datenqualitätssicherung schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Direkte Zuständigkeit der BGR. extern ja Sonstiges Nachnutzung Daten einer anderen Bundesbehörde und einer Landesbehörde BMWE / BGR B3.5 In Planung: Machbarkeitsstudie zu Wissensmanagement Wirtschaftlichkeitsbetrachtung durchgeführt Verschiedene Methoden werden in Betracht gezogen unbekannt intern auf Basis von Open Source Software und bereits trainierten Sprachmodellen frei nutzbar und sonstiges interne wissenschaftliche Berichte BMWE / BGR B4 Erdbebenlokalisierung und -charakterisierung Eigenentwicklung, dadurch Stärkung der eigenen Expertise, keine Vergabekosten bei der Lokalisierung und Bewertung von Erdbeben bestehen keine Diskriminierungsrisiken Es gibt keinen anderen Erdbebendienst des Bundes intern zweckgebunden BMWE / BGR B4 Identifikation, Bewertung und Monitoring von Geogefahren Abwägungen der Anforderungen gegenüber dem Aufwand (Hardware) und Kosten wurden durchgeführt. nicht zutreffend Eine unmittelbare Nachnutzungsmöglichkeit bestehender Systeme konnte nicht identifiziert werden, da keine vergleichbaren Anwendungen für die spezifische geologische Materialklassifizierung aus Drohnenbilddaten dokumentiert sind. intern sonstiges eigene Datenerhebung, Überlassung der Daten dem Landesdienst gemäß Geologiedatengesetz, endgültige Klassifikation nach Abstimmung BMWE / BGR B4 Geologische und Rohstoffwirtschaftliche Interpretation maßstabgsübergreifen der Erdbeobachtungsbzw. Fernerkundungsdaten trifft nicht zu trifft nicht zu trifft nicht zu extern Direktvergabe, um den ML- Algorithmus in bereits vorhandener Software nutzen zu können Satellitenbilder, bzw. darauf basierte Bodenbewegungs daten sind frei nutzbar (Copernicus) trifft nicht zu BMWE / BGR B2.2 Kurzfristige EU-weite Grundwasserstandspro gnosen Eine entsprechende Auswertung wäre ohne den Einsatz von KI mit den derzeitigen Ressourcen nicht möglich. Als Werkzeug für die Politikberatung im Klimawandel schien ein Verzicht darauf nicht statthaft. Weder die Aufgabe noch die KI- Anwendung stellen ein Diskriminierungsrisiko dar. Direkte Zuständigkeit der BGR. intern Zweckgebunden BMWE / BNetzA Stab04 KI-Plattform (KIP) Wibe erstellt Nicht relevant, weil keine Automatisierung Es findet ein Einsatz der Plattform KIPITZ des ITZBund statt. Es findet ein Einsatz der Plattform KIPITZ des ITZBund statt. Nein, da das ITZBund hier ein System anbietet. sonstiges Es werden keine Daten erhoben BMWE / BNetzA Stab04 KI-Assistenzsystem Wibe erstellt Nicht relevant, weil nur Assistenzsystem Ja uns ist nichts bekannt Das System ist noch in Planung. Eine Festlegung ist noch nicht erfolgt. - sonstiges Es werden keine Daten erhoben BMWE / BNetzA Stab04 Chatbot Wibe erstellt Nicht relevant, weil nur Informationen der Homepage wiedergegeben Angebot war wesentlich günstiger als Chatbot des ITZBund Extern Ja sonstiges Es werden keine Daten erhoben BMWE / BNetzA Stab04 PLAIN Wibe erstellt Nicht relevant, weil keine Automatisierung Es findet ein Einsatz der PLAIN Plattform des AA statt, die in der Digitalstrategie genannt wird. Es findet ein Einsatz der PLAIN Plattform des AA statt, die in der Digitalstrategie genannt wird. Beschaffung erfolgt über Verwaltungsvereinbarung mit dem AA sonstiges Es werden keine Daten erhoben BMWK/PTB FB 8.1 Kosten für KI Systeme gleich hoch wie für klassische Verfahren, liefern aber bessere Ergebnisse Alle KI Verfahren werden nach wissenschaftlichen Standards evaluiert und auch mit alternativen Lösungen verglichen Kein System vorhanden intern frei nutzbar BMWK/PTB FB 9.53 Es entstanden keine haushaltswirksamen Kosten, die Ressourcen waren bereits vorhanden, daher war die Abwiegung einfach Bias etc. ist sehr einfach durch Menschen erkennbar (mitlesen des gehörten) Keine Systeme waren bekannt intern/extern Open Source sonstiges h ttps://github.com/openai/ w hisper/blob/main/model- card.md#training-data BMWK/PTB FB 7.2 Es fallen keine Kosten für das System an (Open Source) nein nein intern/extern Open Source sonstiges Es handelt sich um Open Weights Modelle die nicht von uns trainiert wurden. Demenstprechend wurden uch keine Daten erhoben. ttps://huggingface.co/mist alai/Mistral-Small-3.1-24B- Instruct-2503 https://huggingface.co/goo gle/gemma-3-27b-it https://huggingface.co/Qw en/Qwen2.5-Coder-32B- Instruct BMWK/PTB FB 5.3 Es fallen keine Kosten für das System an (Open Source) Die entwickelten KI-Methoden werden bezüglich ihrer Zuverlässigkeit gegen bekannte Referenzergebnisse gestestet. Es handelt sich um aktuelle Forschung; ein anderes KI-System ist bisher nicht vorhanden. intern/extern Nein. Einsatz von Open Source Komponenten und Software des Projektpartners (Universität Stuttgart) sonstiges Eigene, spezifisch für die Anwendung erhobene Messdaten BMWE Z KI-Assistenzsystem Wibe erstellt Nicht relevant, weil nur Assistenzsystem Ja, wurde geprüft. Funktionalitäten im KI- Assistenzsystem werden nach dem Efa- Prinzip entwickelt und allen Nutzenden in der Bundesverwaltung zur Verfügung gestellt. extern Nein, da bestehender Rahmenvertrag und Nachnutzung bereits entwickelter Funktionalitäten möglich. frei nutzbar BMV/BMV Z KIPITZ Nachnutzung des nach dem EfA-Prinzip entwickelten Angebots KIPITZ siehe 1d) siehe 1 d) KIPITZ ist eine Closed Source-Eigenentwicklung Die Entwicklungsleistungen für das System wurden ausgeschrieben und in gemeinsamer Entwicklung mit den Bundeseigenen IT- Dienstleister ITZBund unter Federführung von BMF und BMI entwickelt sonstiges Anbieter im Sinne der KI- VO ist ITZBund, Nähere Informationen sind bei ITZBund zu erfragen. BMV/BMV Z Virtueller Experte (Prototyp) Anwendungsfall erst durch große Sprachmodelle ermöglicht siehe 1d) Ergebnisse fließen in Weiterentwicklung KIPITZ ein extern Rahmenvertrag sonstiges Im Rahmen des Projekts erfolgt kein Training eines KI Modells BMV/BMV Z Microsoft Copilot Nutzung von Copilot auf Grundlage von bereits vorliegenden BMV-Lizenzen ohne Zusatzkosten möglich. Interne Nutzungshinweise sensibilisieren alle Nutzenden hinsichtlich etwaiger Risiken. Offenkundig keine Nutzung von Copilotähnlicher KI in der Bundesverwaltung zum Zeitpunkt der Wahl. Extern Nein. Keine Ausschreibung zur Entwicklung da Copliot- Nutzung als kommerzielles Angebot bereits vorhanden. BMV/BALM K3 IPKS - KONAU (Analytische KI) Durchführung Wirtschaftlichkeitsuntersuchung Diskriminierungsrisiko nicht gegeben, da keine generische KI Behörden-übergreifender Austausch extern Abruf aus Rahmenvertrag zweckgebunden BMV/BALM Stab Leitung Chatbot MILO (NLP) Durchführung Wirtschaftlichkeitsuntersuchung Diskriminierungsrisiko nicht gegeben, da keine generische KI Behörden-übergreifender Austausch extern Abruf aus Rahmenvertrag zweckgebunden BMV/BALM Z2 KIRA (Information Retrievel / Generische KI) Durchführung Wirtschaftlichkeitsuntersuchung Evaluierung geeigneter Alternativen im Rahmen der Projektplanung Behörden-übergreifender Austausch extern Abruf aus Rahmenvertrag zweckgebunden BMV/BALM Stab Leitung Lokales Assistenzsystem (Generische KI) Durchführung Wirtschaftlichkeitsuntersuchung Evaluierung geeigneter Alternativen im Rahmen der Projektplanung Behörden-übergreifender Austausch extern Nicht zutreffend. Kein vertragsbasierter Bezug, da Open Source Lösung. zweckgebunden BMV/BALM Z6 Microsoft Copilot (Generische KI) Durchführung Wirtschaftlichkeitsuntersuchung Evaluierung geeigneter Alternativen im Rahmen der Projektplanung Behörden-übergreifender Austausch extern Beschaffung ausstehend: Vergabe mittels Ausschreibung, Alternativ Abruf aus Rahmenvertrag zweckgebunden BMV/BALM K Webex Assistent (Generische KI) Durchführung Wirtschaftlichkeitsuntersuchung Evaluierung geeigneter Alternativen im Rahmen der Projektplanung Behörden-übergreifender Austausch extern Beschaffung ausstehend: Vergabe mittels Ausschreibung, Alternativ Abruf aus Rahmenvertrag zweckgebunden BMV/EBA u. BEU Alle Chat-GPT keine Kosten Auf dem Markt verfügbare Programme KIPITZ Extern nein; Systeme frei verfügbar frei nutzbar BMV/EBA u. BEU Alle Copilot keine Kosten Auf dem Markt verfügbare Programme KIPITZ Extern nein; Systeme frei verfügbar frei nutzbar BMV/EBA u. BEU Alle KI-Tools der EU keine Kosten Auf dem Markt verfügbare Programme KIPITZ Extern nein; Systeme frei verfügbar frei nutzbar BMV/BfG M2 Mittel- bis langfristige Wasserstandsvorhersa ge; momentan im präoperationellen Betrieb Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges Daten sind nicht selbst erhoben, kommen von ECMWF, WSV, DWD, ausländische Wetterdienste BMV/BfG M2 Vorhersage des Wasserstandes und des Abflusses Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges Daten sind nicht selbst rhoben, sondern kommen on DWD, WSV, ECMWF, Bundesländer, ausländische Wetterdienste BMV/BfG M5 / U3 Detektion von Plastik in Fließgewässern Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern zweckgebunden BMV/BfG M5 / U3 Vegetationklassifikation Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges verfügbare Luftbilder von Bund (BAW, BfG, WSV) BMV/BfG M5 / U3 Ölerkennung auf dem Meer Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges noch unklar BMV/BfG U4 Fischerkennung Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. extern ja zweckgebunden BMV/BfG M1, M3, U2 Integrierte Schwebstoffanalyse Tideems Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges noch unklar BMV/BfG M1, Z2 Qualitätskontrolle von Messdaten Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges Lysimeteranlage ist in Betrieb der BfG BMV/BfG M5 Qualitätskontrolle von Messdaten Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges CGRWC und BfG sind für Organisation und Betrieb der ISMN-Datenbank zuständig BMV/BfG G3,Z2 Prognose und Zusammenfassung molekularer Effekte von Umweltchemikalien und Mischungen Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges Daten aus frei zugänglichen Datenbanken BMV/BfG G2 Identifikation eines Non- Target-Screening- Features (unbekannt) anhand der Zusammensetzung (Retentionszeit, Messintensität und Masse-zu- Ladungsverhältnis) Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern frei nutzbar BMV/BfG M2 KI-gestützte Wasserhaushaltsmodel lierung Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern sonstiges noch unklar BMV/BfG U4 Methodenentwicklung zur automatisierten Nachbearbeitung der Unterwasseraufnahme n und Klassifikation von Schweinswalpräsenz Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern zweckgebunden BMV/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 Die Wahl des Verfahrens erfolgte gemäß § 7 BHO unter Beachtung der Grundsätze der Wirtschaftlichkeit und Sparsamkeit. Die Kosten wurden im Verhältnis zum Einsatzzweck sowie unter Berücksichtigung fachlicher Gesichtspunkte im Rahmen der üblichen Projektprozesse abgewogen. Die Auswahl erfolgte unter wirtschaftlichen sowie fachlichen Gesichtspunkten. Dabei wurden grundsätzlich auch nicht KI- spezifische Lösungsansätze in die Betrachtung einbezogen. Vor der Systemwahl erfolgte grundsätzlich eine Marktsichtung, die auch Lösungen anderer Stellen der Bundesverwaltung einbezog. intern zweckgebunden BMV/BSH MDZ KISS Wibe wurde erstellt Die Alternativen wurden geprüft, die Risiken abgewogen und organisatorieschen Massnahmen vereinbart. es wurde geprüft, keine Systemen waren vorhanden. intern mit Unterstützung eines DL ohne Ausschreibung. Die externe Unterstützung erfolgte durch die Inhouse- Beratung der öffentlicher Hand zweckgebunden BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren basierend auf meteorologischen und klimatologischen Datensätzen für KI- Anwendungen im gesamten DWD (Entwicklung des Softwareframeworks FRAIM - Framework for AI in Meteorology) KI-Verfahren liefern einen wesentlichen Beitrag zur Verbesserung der gesamten Wetter- und Klimavorhersage-Prozesskette. Die Kosten der Verfahren rechtfertigen sich u.a. durch: • Schnellere Bereitstellung aktueller Wetter-Vorhersagen und -Warnungen • Verbesserte Vorhersagegüte bei Wetter- und Klimavorhersagen • genauere Abschätzung von Vorherageunsicherheiten • Verbesserte Qualitätskontrolle der erhobenen Messdaten • genauere Wetterwarnungen zu Gefahren für Sicherheit und Ordnung und mit hohem Schadenpotential Mit den Verfahren sind keine erkennbaren Diskriminierungsrisiken verbunden, da sie nur auf meteorologischen und klimatologischen Datensätzen trainiert sind Die eingesetzten Verfahren zur Wetter- und Klimavorhersage-Prozesskette sind speziell für diesen Zweck entwickelte Verfahren, an anderer Stelle in der Bundesverwaltung eingetzte Systeme können nicht nachgenutzt werden intern sonstiges Verwendete Daten für die eingesetzten KI- und ML- Verfahren sind wissenschaftliche, zweckgebundene Daten aus numerischen Wettervorhersage- und Klimamodellen, Wetterbeobachtungsdaten und Daten aus Fernerkundungssystemen wie Radar und Satellit BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren unter Verwendung von Sprach-KI und multimodalen Ansätzen zur Unterstützung basierend auf meteorologischen und klimatologischen Datensätzen sowie relevanten Textdokumenten für Klima- und Wetterservices im gesamten DWD (Entwicklung des Softwareframeworks DAWID - AI for DWD) KI-Verfahren liefern einen wesentlichen Beitrag zur Verbesserung der gesamten Wetter- und Klimavorhersage-Prozesskette. Die Kosten der Verfahren rechtfertigen sich u.a. durch: • Schnellere Bereitstellung aktueller Wetter-Vorhersagen und -Warnungen • Verbesserte Vorhersagegüte bei Wetter- und Klimavorhersagen • genauere Abschätzung von Vorherageunsicherheiten • Verbesserte Qualitätskontrolle der erhobenen Messdaten • genauere Wetterwarnungen zu Gefahren für Sicherheit und Ordnung und mit hohem Schadenpotential Mit den Verfahren sind keine erkennbaren Diskriminierungsrisiken verbunden, da sie nur auf meteorologischen und klimatologischen Datensätzen trainiert sind, Sprach-KI-Verfahren werden zur Unterstützung der Fachexperten bei der Beschreibung, Interpretation und Erläuterung der Klima- und Wetterdaten eingesetzt Die eingesetzten Verfahren zur Wetter- und Klimavorhersage-Prozesskette sind speziell für diesen Zweck entwickelte Verfahren, an anderer Stelle in der Bundesverwaltung eingetzte Systeme können nicht nachgenutzt werden intern sonstiges Verwendete Daten für die eingesetzten KI- und ML- Verfahren sind im DWD erstellte zweckgebundene Textdokumente wie Wettervorhersagen und Reports, sowie wissenschaftliche, zweckgebundene Daten aus numerischen Wettervorhersage- und Klimamodellen, Wetterbeobachtungsdaten und Daten aus Fernerkundungssystemen wie Radar und Satellit BMV/WSV U13 KI gestützte Verkehrserfassung der Freizeitschifffahrt - - - extern Entwicklung erfolgte über bestehenden Rahmenvertrag. zweckgebunden - BMV/BASt SD BASTI Die Eigenentwicklung des Verfahrens zielt auf eine signifikante Effizienzsteigerung im Wissensmanagement bei minimalen externen Kosten ab. Der strategische Nutzen, der durch den gezielten Kompetenzaufbau, die Stärkung der digitalen Souveränität und die langfristige technologische Unabhängigkeit entsteht, stand bei der Abwägung im Vordergrund. Durch den konsequenten Einsatz von Open- Source-Komponenten fallen für die Kerntechnologie keine Lizenzkosten an, die Investition erfolgt primär in Form interner Personalressourcen. Die kontinuierlichen Zeitkosten die im Rahmen der klassischen Informationsweitergabe und Informationsgewinnung z.B. bei On- und Offboarding in einen Fachbereich entstehen, verbessern das Kosten- Nutzenpotenzial des Verfahrens weiter. Da die BASt als RFE naturgemäß eine hohe Mitarbeiterfluktuation aufweist, ist von einer hohen Effizienzsteigerung durch den Einsatz auszugehen. BASTI ist bewusst als reines Wissensmanagement- und Assistenzsystem konzipiert, das keine (teil-) automatisierten Entscheidungen über oder Bewertungen von Personen vornimmt. Sein Zweck ist ausschließlich die Analyse von und der Zugang zu Fach- und Verwaltungswissen, um Mitarbeitende als unterstützendes Werkzeug zu dienen. Der Grundsatz der Nachnutzung wurde geprüft. Zum Zeitpunkt der Entscheidung stand jedoch kein System zur Verfügung, das die spezifischen funktionalen Anforderungen erfüllte und gleichzeitig den strategischen Vorgaben der BASt an die digitale Souveränität gerecht wurde. Die Anwendung BASTI ist eine vollständige Eigenentwicklung (intern) der BASt. Für die Sprachverarbeitung werden vortrainierte Open-Source-Modelle genutzt. Ein eigenes Training der Basismodelle findet nicht statt. System bzw. Anwendung: KI-Sprachassistent BASTI (Prototyp) Entwicklung: Die Entwicklung der Anwendung BASTI erfolgt vollständig intern durch eigenes Personal der BASt. Es wurden keine externen Auftragnehmer für die Entwicklung beauftragt. Training: Die BASt führt kein Training der zugrundeliegenden Basis- Sprachmodelle durch. Es werden ausschließlich bereits vortrainierte Open-Source-Sprachmodelle eingesetzt. Die Bereitstellung von spezifischem Wissen für die Beantwortung von Anfragen erfolgt über das RAG-Verfahren (Retrieval-Augmented Generation), bei dem das Modell auf eine kontrollierte, interne Wissensdatenbank zugreift, ohne dass diese Daten für ein Nachtrainieren des Modells verwendet werden. Auftraggeber: Bundesanstalt für Straßen- und Verkehrswesen (BASt) Auftragnehmer: Keine (sowohl für Entwicklung als auch Training). Jahr: Die Pilotierungsphase läuft seit 2025. Kosten und Umfang der Leistung: Der Umfang ist die Entwicklung und Pilotierung eines webbasierten, hausinternen KI-Assistenten. Der Assistenz wird auf Basis der Rückmeldungen des Hauses weiterentwickelt. Die Kosten umfassen interne Personalressourcen und die Anschaffung handelsüblicher Standardhardware. Für die als Basis genutzten Open-Source-Sprachmodelle fallen keine Lizenzkosten an. Ausschreibung: Da es sich um eine Eigenentwicklung handelt und keine externen Leistungen für Entwicklung oder Training beauftragt wurden, war eine Ausschreibung nicht erforderlich. - sonstiges Das System trifft keine automatisierten Entscheidungen. Die für den Betrieb des KI- Assistenten genutzte Wissensdatenbanken bestehen ausschließlich aus Dokumenten und Informationen, die der BASt im Rahmen ihrer gesetzlichen Aufgabenerfüllung bereits vorliegen. Es findet keine gesonderte Datenerhebung für den KI-Assistenten statt. BMV/KBA Stabsstelle KI-Assistent ITZ-Bund extern (LLM) OpenSource BMV/KBA Stabsstelle NLU-Chatbot ITZ-Bund extern Angebot ITZBund BMV/KBA Abteilung 1 KI in der Softwareentwicklung ITZ-Bund extern (LLM) OpenSource BMI/BVA D KIPITZ KIPITZ (Public Cloud) wird durch das ITZBund (Anbieter) bereitgestellt und durch das BVA (Betreiber) evaluiert. KIPITZ wurde im BVA explizit zur Evaluation einer generativen KI eingesetzt. Es handelt sich um die (Nach-)Nutzung des Systems KIPITZ aus dem ITZBund. Bereitstellung durch ITZBund. Bitte ITZBund befragen. sonstiges Evaluation ohne Einsatz von personenbezogenen der anderweitig sensiblen Daten. BMI/StBA C Verfahren des maschinellen Lernens in der amtlichen Statistik (Statistikproduktion) Die Wahl des jeweiligen Verfahrens erfolgte unter Berücksichtigung des jeweiligen Einsatzzwecks, wobei unter Berücksichtigung der Qualitätsvorgaben der amtlichen Statistik potenzielle Automatisierungs- und Effizienzgewinne den zentralen Bewertungsmaßstab bildeten und dem erwartbaren Aufwand – insbesondere hinsichtlich Entwicklung, Betrieb und Qualitätssicherung – gegenübergestellt wurden. Es wurden mögliche Verfahren unter Berücksichtigung statistischer Qualitätsanforderungen sowie potenzieller Risiken – einschließlich Diskriminierung – sorgfältig geprüft. Dabei wurden auch alternative, klassisch-statistische oder regelbasierte Ansätze in die fachliche Abwägung einbezogen. Die Auswahl des Verfahrens erfolgte auf Basis einer methodenneutralen Bewertung hinsichtlich der Eignung für den jeweiligen Anwendungsfall. Mögliche Risiken wie unbeabsichtigte Verzerrungen wurden im Rahmen der Konzeptionsphase berücksichtigt. Im Rahmen der Projektplanung wurde grundsätzlich geprüft, ob bestehende Lösungen innerhalb der Bundesverwaltung für eine Nachnutzung in Frage kommen. Dabei wurde berücksichtigt, dass viele Anwendungen des maschinellen Lernens hochspezifisch auf den jeweiligen fachlichen Kontext und die Datenstruktur ausgerichtet sein müssen. Soweit technisch und fachlich sinnvoll, wurde auf bestehende Komponenten oder Methoden zurückgegriffen bzw. deren Übertragbarkeit geprüft. Genutzt werden allerdings weniger Lösungen aus der Bundesverwaltung, sondern Methoden anderer statistischer Ämter, z.B. aus Europa, da deren Anwendungen mehr Ähnlichkeit zu den sehr speziellen Anwendungsfällen des StBA aufweisen. Eine vollständige Nachnutzung bereits eingesetzter Systeme war in diesem Fall aufgrund der besonderen Anforderungen an die amtliche Statistik und dem länderspezifischen Rahmen nicht möglich. intern - zweckgebunden - BMI/BPOL Abteilung 2 Videoanalyse auf Bahnhöfen Forschung ja Mischform zweckgebunden BMI/BPOL Abteilung 2 Sensorgestützte Tunnelmundüberwachu ng (Dynamic Vision Sensor) Forschung ja Mischform zweckgebunden keine personenbezogene Daten BMI/BPOL Abteilung 6 QPS 201 P1+ und QPS 201 P2 Keine direkte Einflussnahme im Rahmen des Ausschreibungsverfahrens möglich. Keine direkte Einflussnahme im Rahmen des Ausschreibungsverfahrens möglich. Wird bei keinen anderen Bundesbehörden eingesetzt. extern ja sonstiges Das Gerät erhebt keine eigenen Daten zur Fortentwicklung der KI, sondern erhält regelmäßig/unregelmäßig KI-gestützte Softwareupdates. BMI/BPOL Abteilung 5 ollama Abwägung zwischen Kosten und Ergebnisqualität der Aufgabenerfüllung Keine Diskriminierungsrisiken vorhanden OS-Produkt extern OS-Produkt zweckgebunden BMI/BPOL Abteilung 5 Open-WebUI Abwägung zwischen Kosten und Ergebnisqualität der Aufgabenerfüllung Keine Diskriminierungsrisiken vorhanden OS-Produkt Mischform OS-Produkt zweckgebunden BMI/BPOL Abteilung 5 Obsidian Preis-Leistungs-Verhältnis wurde berücksichtigt Keine Diskriminierungsrisiken vorhanden Mischform zweckgebunden BMI/BPOL Abteilung 5 Whisper keine Kosten, da openSource bei der genannten KI gibt es keine Diskriminierungskrisiken, da es es sich um Transkription handelt extern openSource zweckgebunden BMI/BPOL Abteilung 5 LibreTranslate keine Kosten, da openSource bei der genannten KI gibt es keine Diskriminierungskrisiken, da es es sich um eine Übersetzung handelt extern openSource zweckgebunden BMI/BPOL BPOLD FRA EnForce Air 2 Preis-Leistungs-Verhältnis wurde berücksichtigt extern zweckgebunden BMI/BPOL BPOLD FRA VisionFlex Preis-Leistungs-Verhältnis wurde berücksichtigt extern zweckgebunden BMI/BPOL Akademie Knowtion Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant, da KI den spezifischen Mehrwert für ein niederschwelliges Autoren-Tool bietet Prüfung erfolgt - keine Nachnutzung möglich extern beschränkte Ausschreibung ohne Teilnahmewettbewerb zweckgebunden BMI/BPOL Akademie Articulate 360 AI Assistant Add-on Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant, da KI den spezifischen Mehrwert bietet Prüfung erfolgt - keine Nachnutzung möglich extern führendes Autoren-Tool in BPOL zweckgebunden BMI/BPOL Akademie Synthesia Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant, da KI den spezifischen Mehrwert bietet Prüfung erfolgt - keine Nachnutzung möglich extern Direktauftrag gem. § 14 UVgO zweckgebunden BMI/BPOL Akademie Adobe Creative Cloud All Apps Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant, da KI den spezifischen Mehrwert bietet Prüfung erfolgt - keine Nachnutzung möglich extern Adobe CC ist eine Sammlung professioneller Kreativ-Anwendungen. In diesem Portfolio befinden sich auch Anwendungen, die KI integriert haben. Hierfür erfolgte keine gesonderte Ausschreibung zweckgebunden BMI/BPOL Akademie Synthesia Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant, da KI den spezifischen Mehrwert bietet Prüfung erfolgt - keine Nachnutzung möglich extern Direktauftrag gem. § 14 UVgO zweckgebunden BMI/BPOL Abteilung 8 Chatbot der Bundespolizei Heilfürsorge Aufwands/Nutzenbetrachtung wurde durchgeführt keine KI spezifischen Diskriminierungsrisiken Prüfung, keine alternativen Systeme in der Bundesverwaltung extern ja zweckgebunden BMI/BPOL Forschungs- und Erprobungsstelle HS 6040 CTiX, XCT extern BMI/BPOL Abteilung 5 WhisperOPST Es fallen keine Lizenzkosten an. Es steht aktuell kein alternatives Produkt zur Verfügung. Das Produkt befand sich bereits in der Bundesverwaltung im Einsatz. Mischform Es handelt sich um ein open source Produkt zweckgebunden BMI/BPOL Abteilung 6 Fahrerassistenzsystem e (FAS) aller gängigen Fahrzeughersteller Keine direkte Einflussnahme im Rahmen des Ausschreibungsverfahrens möglich. Keine direkte Einflussnahme im Rahmen des Ausschreibungsverfahrens möglich. Die anderen Bundesbehörden verfügen auch über Fahrzeuge, die mit FAS ausgerüstet sind … eine Nachnutzung ist nicht zielführend. extern ja sonstiges Das Gerät erhebt keine eigenen Daten zur Fortentwicklung der KI, sondern erhält regelmäßig/unregelmäßig KI-gestützte Softwareupdates. BMI/BPB Bundeszentrale für politische Bildung ChatGPT Team (8 Jahres-Lizenzen) Markterkundung Beim Einsatz des Chatbots geht es u.a. auch darum, genannte Diskriminierungsrisiken zu erkennen und einordnen zu können, was ohne die unmittelbare Arbeit mit solchen Technologien nicht möglich ist. Es wurde geprüft - allerdings waren die vom ITZBund aufgerufenen Kosten nicht darstellbar. Es findet keine Eigenentwicklung statt nein, vorherige Markterkundung und Alleinstellungsmerkmal sonstiges Zw Keine Arbeit mit personenbezogenen Daten, keine eckbindung erforderlich BMI/BBK Z KIPITZ Diese Frage kann erst nach dem Testende zum 31.12.2025 beantwortet werden. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Intern durch den ITZBund Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. BMI/BKA DI53-2 BLINK Es handelt sich um ein KI-System mit allgemeinem Verwendungszweck, daher kann diese Frage nicht beantwortet werden. Die KI-basierte Analyse von Bild- und Textdaten hat in ihrer Güte keine Entsprechung zu nicht KI- basierten Verfahren. Daher wurden hier keine alternativen Lösungen in Betracht gezogen. Es wurden verschiedene Anbieter (z.B. KIPITZ des ITZ Bund) geprüft. Aufgrund der damit verbundenen Lizenzbedingungen und IT- Sicherheitsrisiken wurde jedoch auf eine Eigenentwicklung gesetzt. Mischform Es werden - bis auf die eigenentwickelten Teile - nur Open-Source- Komponenten und - Modelle eingesetzt, daher erübrigt sich eine Ausschreibung. frei nutzbar BMI/BKA DI53-2 KI-Model-Service KIMS Es handelt sich um ein KI-System mit allgemeinem Verwendungszweck, daher kann diese Frage nicht beantwortet werden. Die KI-basierte Analyse von Bild- und Textdaten hat in ihrer Güte keine Entsprechung zu nicht KI- basierten Verfahren. Daher wurden hier keine alternativen Lösungen in Betracht gezogen. Es wurden verschiedene Anbieter (z.B. KIPITZ des ITZ Bund) geprüft. Aufgrund der damit verbundenen Lizenzbedingungen und IT- Sicherheitsrisiken wurde jedoch auf eine Eigenentwicklung gesetzt. Mischform Es werden - bis auf die eigenentwickelten Teile - nur Open-Source- Komponenten und - Modelle eingesetzt, daher erübrigt sich eine Ausschreibung. frei nutzbar BMI/BKA DI53-2 KIRA Es handelt sich um ein KI-System mit allgemeinem Verwendungszweck, daher kann diese Frage nicht beantwortet werden. Die KI-basierte Analyse von Bild- und Textdaten hat in ihrer Güte keine Entsprechung zu nicht KI- basierten Verfahren. Daher wurden hier keine alternativen Lösungen in Betracht gezogen. Es wurden verschiedene Anbieter (z.B. KIPITZ des ITZ Bund) geprüft. Aufgrund der damit verbundenen Lizenzbedingungen und IT- Sicherheitsrisiken wurde jedoch auf eine Eigenentwicklung gesetzt. Mischform Es werden - bis auf die eigenentwickelten Teile - nur Open-Source- Komponenten und - Modelle eingesetzt, daher erübrigt sich eine Ausschreibung. frei nutzbar BMI/BKA DI53-2 BKA-Translate Die Kosten für maschinelle Übersetzung liegen weit unter der für menschliche Übersetzung. Außerdem kann die Übersetzung fast unmittelbar erfolgen. Die KI-basierte maschinelle Übersetzung hat in ihrer Güte keine Entsprechung zu nicht KI-basierten Verfahren. Daher wurden hier keine alternativen Lösungen in Betracht gezogen. Es wurden verschiedene Anbieter (z.B. KIPITZ des ITZ Bund) geprüft. Aufgrund der damit verbundenen Lizenzbedingungen und IT- Sicherheitsrisiken wurde jedoch auf eine Eigenentwicklung gesetzt. Mischform Es werden - bis auf die eigenentwickelten Teile - nur Open-Source- Komponenten und - Modelle eingesetzt, daher erübrigt sich eine Ausschreibung. sonstiges Es handelt sich um ein System zur maschinellen Übersetzung von Text. Damit ist die Aufgabe estgelegt, nicht jedoch der Einsatzzweck. BMI/BKA DI53-2 Speech-to-Text Whisper Die Kosten für maschinelle Transkription liegen weit unter der für menschliche Transkription. Außerdem kann die Transkription fast unmittelbar erfolgen. Die KI-basierte Transkription hat in ihrer Güte keine Entsprechung zu nicht KI-basierten Verfahren. Daher wurden hier keine alternativen Lösungen in Betracht gezogen. Es wurden verschiedene Anbieter (z.B. KIPITZ des ITZ Bund) geprüft. Aufgrund der damit verbundenen Lizenzbedingungen und IT- Sicherheitsrisiken wurde jedoch auf eine Eigenentwicklung gesetzt. Mischform Es werden - bis auf die eigenentwickelten Teile - nur Open-Source- Komponenten und - Modelle eingesetzt, daher erübrigt sich eine Ausschreibung. frei nutzbar Es handelt sich um ein System zur maschinellen Transkription von Audiodaten. Damit ist die Aufgabe festgelegt, nicht jedoch der Einsatzzweck. BMI/BKA ZV11 Der intelligente Chatbot Ziel ist die Reduktion regelmäßig wiederkehrender Fragen in der Verwaltung. Hierdurch gewonnene Arbeitszeit kann für andere Aufgaben verwendet werden. Einsparpotenziale lassen sich nur schwer quantifizieren und damit den Kosten gegenüberstellen. Es wurde die Nutzung von manuellen Q&A-Chatbots (ohne KI) geprüft, sich doch auf Grund des hohen Aufwands zur Implementierung und späteren Pflege für einen LLM-basierten Chatbot entschieden. Da Anbindung BKA eigener Systeme, keine Prüfung von vorhandenen Systemen in der Bundesverwaltung (ZV eigenes Wissenmanagement). Mischform Auschreibung der externen Dienstleitung ist erfolgt sonstiges Verwendung von Informationen zu erwaltungsleistungen des BKA, welche durch Mitarbeitende zusammengetragen und durch diese geprüft (insbesondere Entfernung personenbezogener Daten) wurde. BMI/BKA KT34 Vocalise Einsatzzweck ist die Erstellung kriminaltechnischer Gutachten. Deren "Nutzen" sind nicht finanziell benennbar. Die Kosten sind angemessen für ein spezialisiertes kommerzielles System dieser Art. Die Alternative einer exklusiven Neuentwicklung wären deutlich höher gewesen. Die verwendete DNN-Technologie ist für die erzielbaren Erkennungsraten maßgeblich. Andere nicht KI-basierte Systeme haben nachweislich eine geringere Sprecherkennungsperforrmanz. Bei kommerziellen Systemen wie diesem ist es nicht relevant, ob es an anderer Stelle auch verwendet wird; Lizenzkosten fallen bei jedem Nutzer an. Behördliche Eigenentwicklungen zur forensischen automatischen Sprechererkennung an anderen Stellen in der Bundesverwaltung sind auch durch Austausch mit anderen behördlichen Akteuren nicht bekannt. extern Die Entscheidung wurde durch Marktbeobachtung unter Beachtung der fachlichen Bedürfnisse getroffen und die Wahl war ohne Alternative für das erforderte Fähigkeitsprofil. sonstiges Trainingsdaten wurden vom Entwickler gewählt. Nach Kenntnisstand basierend auf kommerziell erwerblichen Audiokorpora. BMI/BKA KT34 Voice Inspector Einsatzzweck ist die Erstellung kriminaltechnischer Gutachten. Deren "Nutzen" sind nicht finanziell benennbar. Die Kosten sind angemessen für ein spezialisiertes kommerzielles System dieser Art. Die Alternative einer exklusiven Neuentwicklung wären deutlich höher gewesen. Die verwendete Technologie ist für die erzielbaren Erkennungsraten maßgeblich. Andere nicht KI- basierte Systeme haben nachweislich eine geringere Sprecherkennungsperforrmanz. Bei kommerziellen Systemen wie diesem ist es nicht relevant, ob es an anderer Stelle auch verwendet wird; Lizenzkosten fallen bei jedem Nutzer an. Behördliche Eigenentwicklungen zur forensischen automatischen Sprechererkennung an anderen Stellen in der Bundesverwaltung sind auch durch Austausch mit anderen behördlichen Akteuren nicht bekannt. extern Die Entscheidung wurde durch Marktbeobachtung unter Beachtung der fachlichen Bedürfnisse getroffen und die Wahl war ohne Alternative für das erforderte Fähigkeitsprofil. sonstiges Trainingsdaten wurden vom Entwickler gewählt. Nach Kenntnisstand basierend auf kommerziell erwerblichen Audiokorpora. BMI/BKA KT43 NMR & IR & Raman Simulationen nicht bedacht (Forschung) nicht bedacht (Forschung) nicht bedacht (Forschung) Mischform - sonstiges Daten stammen aus selbst aufgebauten Datenbanken nd frei verfügbaren Daten BMI/BKA KT43 Mass Spectral Interpreter nicht bedacht (Forschung) nicht bedacht (Forschung) nicht bedacht (Forschung) Mischform - sonstiges Daten stammen aus selbst aufgebauten Datenbanken nd frei verfügbaren Daten BMI/BKA KT43 METIS NPS AImEx (ChemInnovation GC- EI-MS Strukturaufklärung) nicht bedacht (Forschung) nicht bedacht (Forschung) nicht bedacht (Forschung) Mischform - sonstiges Daten stammen aus selbst aufgebauten Datenabnken und frei vefügbaren Daten BMI/BKA KT53 DJ keine Kosten nicht zutreffend nicht geprüft, da keine Kosten Mischform Interne Entwicklung sonstiges Es wurden keine Datenerhoben. Es wurden OpenSource Modelle eingesetzt. BMI/BKA KT31 STRmix Bei derartigen Beschaffungen wird grundsätzlich eine WiBe durchgeführt Alternative Lösungen wurden nicht in Betracht gezogen, da sie den Anforderungen nicht vollumfänglich genügten Keine Prüfung, da es sich bei STRmix um ein Expertensystem zur biostatistischen Auswertung und Interpretation von DNA-Spuren handelt extern Im Beschaffungsvorgang erfolgte eine Produktfestlegung (s. Antwort auf Frage 1 e) zweckgebunden BMI/BKA KT13-5 3D Visualisierung Gaussian Splatting/NeRFs Open Source Software nicht zutreffend nicht geprüft extern nicht zutreffend sonstiges nicht zutreffend BMI/BKA DI21 Entitäten-Extraktions- Tool (EET) Die erwarteten Einsparungen beim Personal waren ein zentrales Kriterium bei der Genehmigung des Umsetzungsprojektes. Die KI ist eine Eigenentwicklung und sie basiert auf Daten des BKA. Es gibt daher keine Alternative. siehe 1e) intern nicht relevant zweckgebunden BMI/BKA TE14 2Captcha Es sind keine alternativen Tools mit einem vergleichbaren Leistungsumfang bekannt. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Aufgrund der speziellen Anwendung sind TE14 keine anderen Bereiche bekannt, in denen ähnliche Anwendungen eingesetzt werden.Entsprechende Abfragen wurden durchgeführt. extern Es wurde auf bestehende Lösungen zurückgegriffen, die nicht exklusiv für den Einsatz bei TE14 entwickelt wurden. zweckgebunden BMI/BKA DI23 Translation as a Service (TAAS) TAAS ist eine von Interpol seit 2018 zur Verfügung gestellte Webanwendung zur maschinellen Übersetzung von Texten. Das BKA ist weder Betreiber noch Administrator des Systems. Dieses Tool stellt Interpol allen seinen Mitgliedstaaten kostenlos zur Verfügung. Inwiefen hier KI angewandt wird ist nicht bekannt. Es bestehen auch keinerlei Webserviceanbindungen an das System, wie es der Name vermuten lässt. Siehe D47 Siehe D47 extern es handelt sich um ein Interpolprodukt ohne Mitspracherecht der Mitgliedstaaten frei nutzbar BMI/BKA CC15 Coding Assistant Zum Zeitpunkt der Bereitstellung nur durch Cloud Dienste ersetzbar keine Alternattive bekannt (bis auf Cloud) Übergabe des Verfahrens an DI53 in Klärung intern frei nutzbar BMI/BKA OE12-4 ID-Reader Kosten- und Zeiterspaarnisse durch maschinelle detektion von Dokumenten Regelbasierte Ansätze nicht zielführend Prüfung erfolgt. Keine Nachnutzng möglich extern Nein. Aufgrund meherer Alleinstellungsmerkmale war keine Ausschreibung möglich. Hierzu zählen: on-prem Betrieb zweckgebunden keinne Aussage möglich da extern BMI/BKA OE12-4, DI33 SYSTRAN extreme Kosten- und Zeiterspaarnisse durch maschinelle übersetzung Regelbasierte Übersetzungssysteme stelle keine Alternative dar. Weder aufgrund der Qualität der Übersetzungen noch bzgl. der Geschwindigkeit / Effizienz. Ergebnisse sind allerdings immer zu prüfen und ggf. durch Menschliche Übersetzter zu validieren. kein Nachnutzung möglich, da das System abgeschottet on prem. Betrieben wird. extern Nein. Aufgrund meherer Alleinstellungsmerkmale war keine Ausschreibung möglich. Hierzu zählen: on-prem Betrieb zweckgebunden keinne Aussage möglich da extern BMI/BKA OE12, OE13, OE14 Vergleichsgeräte (IoT) extern BMI/BKA OE12, OE13, OE14 Vergleichsgeräte (Smartphones) extern BMI/BKA OE 16-5 KI-gestützte Personenerkennungsfu nktion im Kamerasystem der Drohne AUTEL EVO Max 4T auf Basis von "OpenAI" KI-Funktionalität ist nur ein Hilfsfunktion des Gesamtsystems Drohne zählt lediglich Anzahl von Menschen Es gibt keine derartigen Systeme in der Bundesverwaltung extern Nicht ausgeschrieben, da unter Wertgrenze sonstiges Training erfolgte durch Hersteller BMI/BKA OE22 OE22 AI Spielwiese Es handelt sich um einen Aufbau zur Evaluation von KI. Diese Abwägung ist Teil der laufenden Evaluation. Das KI System dient nicht zur Entscheidungsunterstützung sondern als Entwicklungswerkzeug. Ein Dikriminierungspotential wird hier nicht gesehen. Wurde geprüft und negativ entschieden. extern Es wurden nur frei verfügbare bzw. Opensource Systeme verwendet, die kostenlos erwendet werden können. sonstiges s wird ein selbst erstellter Quellcode und Testfälle verarbeitet. BMI/BKA OE24 Code Completion in PyCharm extern BMI/BKA OE24 IntelliSense extern BMI/BKA OE24 Microsoft Copilot extern BMI/BKA OE24-3 Robocop extern BMI/BKA OE15-1 technische Auswerteunterstützung für digitale Textmassendaten in Asservaten laufende Kosten es wurde die jeweils beste Lösung gewählt trifft nicht zu intern entfällt zweckgebunden entfällt BMI/BKA OE15-2 technische Auswertunterstützung für digitale Bild- und Videomassendaten in Asservaten Einsatzzweck ist Kriminalitätsbekämpfung, andere Verfahren sind zu personal- und zeitintensiv Alternative nicht-KI-Lösungen sind nicht ersichtlich Es sind keine Lösungen in der Bundesverwaltung ersichtlich gemischt Kauf eines kommerziellen Produktes sonstiges sowohl zweckgebundene als auch frei nutzbare Daten wurden verwendet BMI/BKA TE14 Free Captcha Solver Die Anwendung war zum Zeitpunkt des Einsatzes und wird nach Umstellung auf eine Bezahlvariante aktuell nicht mehr bei TE14 eingesetzt. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Aufgrund der speziellen Anwendung sind TE14 keine anderen Bereiche bekannt, in denen ähnliche Anwendungen eingesetzt werden.Entsprechende Abfragen wurden durchgeführt. extern Es wurde auf bestehende Lösungen zurückgegriffen, die nicht exklusiv für den Einsatz bei TE14 entwickelt wurden. zweckgebunden BMI/BKA TE14 AntiCaptcha Es sind keine alternativen Tools mit einem vergleichbaren Leistungsumfang bekannt. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Aufgrund der speziellen Anwendung sind TE14 keine anderen Bereiche bekannt, in denen ähnliche Anwendungen eingesetzt werden.Entsprechende Abfragen wurden durchgeführt. extern Es wurde auf bestehende Lösungen zurückgegriffen, die nicht exklusiv für den Einsatz bei TE14 entwickelt wurden. zweckgebunden BMI/BKA TE14 CapMonster Es sind keine alternativen Tools mit einem vergleichbaren Leistungsumfang bekannt. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Aufgrund der speziellen Anwendung sind TE14 keine anderen Bereiche bekannt, in denen ähnliche Anwendungen eingesetzt werden.Entsprechende Abfragen wurden durchgeführt. extern Es wurde auf bestehende Lösungen zurückgegriffen, die nicht exklusiv für den Einsatz bei TE14 entwickelt wurden. zweckgebunden BMI/BAMF 7, 2 Assistenzsystem für Sicherheitsmeldungen (ASM) Erstellung einer WiBe Verprobung eines regelbasierten Ansatzes zu Projektbeginn Es sind keine Systeme bekannt, die zum damaligen Zeitpunkt oder jetzt nachgenutzt werden könnten interne Entwicklung mit externer Unterstützung Das System selbst wurde nicht ausgeschrieben, aber die externen Leistungen wurden aus einem Rahmenvertrag abgerufen, der ausgeschrieben wurde. zweckgebunden BMI / ZITiS Digitale Forensik Stable Diffusion Es wurde der Personalkosteneinsatz ins Verhältnis gesetzt. kein Diskriminierungs-potential gegeben Prüfung wurde durchgeführt extern nein, es handelt sich um eine Open Source-Lösung zweckgebunden --- BMI / ZITiS Digitale Forensik Eleven Labs Es wurde der Personalkosteneinsatz ins Verhältnis gesetzt. kein Diskriminierungs-potential gegeben Prüfung wurde durchgeführt extern nein, geringe Kosten zweckgebunden --- BMI / ZITiS Digitale Forensik Inseyets keine zusätzlichen Kosten kein Diskriminierungs-potential gegeben Prüfung wurde durchgeführt extern nein, da Alleinstellungsmerkmal zweckgebunden --- BMI / ZITiS Zentraler Service Noxtua Marktsichtung und Vergleich wurde vorgenommen kein Diskriminierungs-potential gegeben Keine anderen Systeme bekannt extern nein, da Alleinstellungsmerkmal frei nutzbar --- BMI/BPOL Abteilung 5 @rtus mobil/mobile Datenerfassung Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant extern zw eckgebunden BMI/BPOL Abteilung 5 @rtus mobil/Auslesen Ausweisdokuente Preis-Leistungs-Verhältnis wurde berücksichtigt nicht relevant extern zw eckgebunden Anlage 2 1 von 57 Allgemeine Angaben Frage 1 k) Frage 1 l) Frage 1m) Genutzte Daten zum Training der Systeme Ressort / Behörde Abteilung KI-System Wie wird geprüft, dass Daten relevant, hinreichend repräsentativ undmöglichst fehlerfrei und vollständig sind? Inwieweit werden oder wurden personenbezogene Daten zum Training der Systeme genutzt? Wie wir die rechtmäßige Verarbeitung bei der Auswahl der KI-Systeme genutzt? Verwendung urheberrechtlich geschützter Materialien oder Daten Kontrolle durch Bundesreg. für rechtmäßige Nutzung der Daten? BMJV / DPMA elekt. Klassifikator nach IPC qualitätsgesicherte und öffentlich zugängliche Schutzrechtsdaten keine personenbez. Daten nein nicht zutreffend BMJV / DPMA Kognitive Suche für das Patentprüfungsverfahre n qualitätsgesicherte und öffentlich zugängliche Schutzrechtsdaten keine personenbez. Daten nein nicht zutreffend BMJV / DPMA Akten/Prüferkarteireche rche und Patentrecherche qualitätsgesicherte und öffentlich zugängliche Schutzrechtsdaten keine personenbez. Daten nein nicht zutreffend BMJV / DPMA Checking-Claims öffentlich zugängliche Textkorpora der Uni Leipzig keine personenbez. Daten nein nicht zutreffend BMJV / DPMA WIPO-Translate qualitätsgesicherte und öffentlich zugängliche Schutzrechtsdaten keine personenbez. Daten nein nicht zutreffend Anlage 2 2 von 57 BMUKN Z KIRAS (MaKI-ID: BD20247483453) Das Werkzeug wird zur Arbeit mit Texten verwendet. Hierfür eignen sich auf generellen Texten im Internet trainierte Modelle. Relevanz für die ministerielle Arbeit wird durch die Anbindung interner Texte gewährleistet. Für das genutzte offene LLM Llama 3.3 nicht bekannt Für das genutzte offene LLM Llama 3.3 nicht bekannt Nein Anlage 2 3 von 57 BMUKN / Umweltbunde samt (UBA) Anwendungslab or für Künstliche Intelligenz und Big Data (KI- Lab) Die Prüfung der Daten erfolgt durch Verfahren, die dem Stand der Technik entsprechen, wie z.B. statistische Analysen zur Ermittlung der Repräsentativität und Algorithmen zur Fehlererkennung. Beispielsweise werden Daten auf Verzerrungen untersucht und visuelle Datenexploration eingesetzt, um Auffälligkeiten zu identifizieren. Zusätzlich werden ethisch kritische Aspekte von einer für KI Ethik zuständigen Person im Team bewertet, während die gesamte Gruppe in ethischer Kompetenz geschult wird, um frühzeitig mögliche Probleme zu erkennen. Bei Projekten in denen ein Open Source Model Dritter zum Einsatz kommt wird die Auswahl unter Berücksichtigung ethischer Aspekte, soweit diese transparent und bewertbar sind, getroffen. Bei den vom KI-Lab erstellten KI-Modellen wurde die Nutzung personenbezogener Daten für das Training geprüft und vermieden. Bei der Nutzung von Modellen Dritter kann eine Nutzung personenbezogener Daten nicht ausgeschlossen werden. Bei den vom KI-Lab erstellten KI-Modellen wurde die Nutzung unlizenzierter, urheberrechtlich geschützter Daten für das Training geprüft und ausgeschlossen. Bei der Nutzung von Modellen Dritter kann eine Nutzung unlizenzierter, urheberrechtlich geschützter Daten nicht ausgeschlossen werden. proaktives Erstellen von Datenschutzkonzepten zu jedem KI-Projekt am UBA Anlage 2 4 von 57 BMUKN / Bundesamt für Naturschutz (BfN) Abteilung I 1 Digitalisierung, Naturschutzinfo rmation (zuständig: Fachgebiet I 1.1) Die Prüfung ist ein mehrstufiger Prozess, der über formale Dokumentation die Einhaltung rechtlicher Prinzipien (DSGVO, KI-VO) mit technischen Qualitätssicherungsverfahren (Fehlerfreiheit, Vollständigkeit) verknüpft. Es wurden keine personenbezogenen Daten zum Training genutzt Nein nein Anlage 2 5 von 57 BMUKN / Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE) Abteilung T – Verwaltungstran sformation und Öffentlichkeitsar beit (zuständig: Referat T4) Die Projekte verwenden bzw. planen nach derzeitigem Stand bereits im Vorhinein durch das BASE bzw. die Bundesgesellschaft für Endlagerung (BGE) veröffentlichte und geprüfte Daten zu verwenden. Die Projekte planen keine personenbezogenen Daten zu nutzen. Maki-ID: BD20242554313 wird vorhinein durch das BASE veröffentlichte und geprüfte Daten verwenden. Wenn diese Daten Personenbezüge enthalten, dann existiert eine Rechtsgrundlage für ihre Veröffentlichung (z. B. Umweltinformationsgesetz § 9). KI-Projekte des BASE befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung. Nach derzeitigem Stand werden keine urheberrechtlich geschützte Daten verwendet. Maki ID: BD20242554313 wird bereits im Vorhinein durch das BASE veröffentlichte und geprüfte Daten verwenden. Wenn diese Daten geistiges Eigentum von Dritten enthalten, dann existiert eine Rechtsgrundlage für ihre Veröffentlichung (z. B. Umweltinformationsge setz § 9). Anlage 2 6 von 57 BMUKN / Bundesamt für Strahlenschut z (BfS) Abteilung DO "Digitalisierung und Organisation" (zuständig: Referat DO4) Sollten Anwendungen selbst entwickelt und trainiert werden, werden nur vorab geprüfte, hochwertige Datensätze für das Training verwendet. Bei der Nutzung von fertig entwickelten Anwendungen erfolgt eine Bewertung und Einschätzung vorab durch einholen von Informationen. Bisher werden noch keine personenbezogenen Daten für das Training genutzt Nein Es wird initial geprüft auf welcher Trainingsdatenbasis KI Anwendungen entwickelt werden. Anlage 2 7 von 57 BMAS D (hier Fragen 1 und 2; konkret: Trend- und Themenscannin g („Horizon Scanning“ / denkfabrik.ai) Beim Trend- und Themenscanning („Horizon Scanning“) werden Textquellen (wissenschaftliche Publikationen, Forschungsdatenbanken, Nachrichten, soziale Medien, Blogs, Statistiken, offizielle Stellen) durchsucht, um zukünftig potenziell relevante Themen zu identifizieren. Mithilfe von KI werden dafür zusammenfassende Beschreibungen erzeugt, welche kontinuierlich durch ein (menschliches) Redaktionsteam gefiltert werden und gemeinsam mit Mitarbeiterinnen und Mitarbeitern des BMAS hinsichtlich ihrer Relevanz und möglichen zukünftigen Auswirkungen diskutiert werden. Kein eigenes Training durchgeführt. Vor der Nutzung wird sichergestellt, dass keine urheberrechtlich geschützten Inhalte ohne entsprechende Lizenz oder Genehmigung verwendet werden. Kontrolle erfolgt im Rahmen der Ausschreibung/Vergabe und während Projektumsetzung. Anlage 2 8 von 57 BMAS Z Kein eigenes Training durchgeführt. Es werden ausschließlich Open Source LLMs eingesetzt. Kein eigenes Training durchgeführt. Es werden ausschließlich Open Source LLMs eingesetzt. Kein eigenes Training durchgeführt. Es werden ausschließlich Open Source LLMs eingesetzt. Kontrolle erfolgt im Rahmen der Ausschreibung/Vergabe und während Projektumsetzung. BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit KIEZ System wurde nicht trainiert, Nutzung vortrainierter Modelle, Daten der individuellen Nutzung können nicht kontrolliert werden (kein Monitoring individueller Chats) System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/art icles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.co m/en/articles/8713093- wie-chatgpt- undunsere- sprachmodelleentwickeltwerden#h_2bd41f6a4 8 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/ar ticles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 Anlage 2 9 von 57 BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit Experten-KI-RAGs Einerseits haben wir den Überblick über den gesamten möglichen Datenkorpus und können so Relevanz und Repräsentativität einschätzen, zudem evaluieren wir mit Fachreferaten die Ausgaben System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/art icles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.co m/en/articles/8713093- wie-chatgpt- undunsere- sprachmodelleentwickeltwerden#h_2bd41f6a4 8 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/ar ticles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit Check-KI System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/ar ticles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 Anlage 2 10 von 57 BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit NegotiateCOP Einerseits haben wir den Überblick über den gesamten möglichen Datenkorpus und können so Relevanz und Repräsentativität einschätzen, zudem werden die Ausgaben evaluiert System wurde nicht trainiert, Nutzung vortrainierter Modelle System wurde nicht trainiert, Nutzung vortrainierter Modelle System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit PortfolioNavigator Einerseits haben wir den Überblick über den gesamten möglichen Datenkorpus und können so Relevanz und Repräsentativität einschätzen, zudem evaluieren wir mit Fachreferaten die Ausgaben System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/art icles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.co m/en/articles/8713093- wie-chatgpt- undunsere- sprachmodelleentwickeltwerden#h_2bd41f6a4 8 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/ar ticles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 Anlage 2 11 von 57 BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit SimplifAI Einerseits haben wir den Überblick über den gesamten möglichen Datenkorpus und können so Relevanz und Repräsentativität einschätzen, zudem evaluieren wir mit Fachreferaten die Ausgaben System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/art icles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.co m/en/articles/8713093- wie-chatgpt- undunsere- sprachmodelleentwickeltwerden#h_2bd41f6a4 8 System wurde nicht durch uns trainiert, Nutzung vortrainierter Modelle, für OpenAI siehe: https://help.openai.com/en/ar ticles/8713093-wie- chatgptund-unsere- sprachmodelleentwickeltwerden#h_2bd41f6a48 BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit Evidenz-Chatbot Projekt erst in Planungsphase, Evaluation wird eingeplant Projekt in Planungsphase, personenbezogene Daten nicht relevant für den Use Case Projekt in Planungsphase, urheberrechtich geschützte Daten nicht relevant für den Use Case Projekt in Planungsphase, urheberrechtich geschützte Daten nicht relevant für den Use Case BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit AutoRedact Nutzung vortrainierter Modelle. Benchmarking anhand interner und synthetischer Daten. System wurde nicht durch uns trainiert, Nutzung vortrainierter Open Source Modelle System wurde nicht durch uns trainiert, Nutzung vortrainierter Open Source Modelle System wurde nicht durch uns trainiert, Nutzung vortrainierter Open Source Modelle Anlage 2 12 von 57 AA AA weit KI Assistenz für die Aufgaben Chat, Zusammenfassung, Recherche; RAG System durch menschliche Auswahl kein Training kein Training AA AA weit Übersetzungen durch menschliche Auswahl Trainingsdaten enthalten keinen Personenbezug Nutzung von Daten der Verwaltung AA AA weit Unterstützung bei Bürgeranfragen durch teilautomatische Klassifizierung, um möglichst zielgenaue Antworten aus den Internet-FAQ Bereich in der ersten Autoantwort zu versenden. durch menschliche Auswahl Trainingsdaten enthalten keinen Personenbezug Nutzung von Daten der Verwaltung BMDS DS (Ref DS II 2 Beschaffungsco ntrolling) Bert-v2 Für den Proof of Concept wurden synthetische Daten zum Anlernen des Small-Language- Model verwendet. Diese sind als hinreichend representativ für den PoC erachtet. keine Nutzung personenbezogener Daten keine Nutzung urheberrichtlich geschützter Materialien oder Daten Für den Proof of Concept wurden synthetische Daten zum Anlernen des slm verwendet. Diese sind als hinreichend representativ für den PoC erachtet. Anlage 2 13 von 57 BMDS DS (Ref DS II 7) EMMA EMMA nutzt ausschließlich Wording und Textbausteine, die vom BMDS zur Verfügung gestellt werden. Die QS erfolgt zusammen mit dem Dienstleister. keine Nutzung personenbezogener Daten zum Training keine Nutzung urheberrichtlich geschützter Materialien oder Daten ja durch vertragliche Regelungen gesichert sowie AVV Anlage 2 14 von 57 BMF/ BMF hausweit KIPITZ Kein eigenes Training; Verwendung von OpenSource und Open-Weight Sprachmodellen von Drittherstellern. BMF hat bei Open-Source Sprachmodellen nur Zugriff auf Informationen vom Hersteller, die veröffentlicht sind. Bei Open-Weight Modellen werden die Trainingsdaten nicht veröffentlicht. Kein eigenes Training; Verwendung von OpenSource und Open- Weight Sprachmodellen von Drittherstellern. BMF hat bei Open-Source Sprachmodellen nur Zugriff auf Informationen vom Hersteller, die veröffentlicht sind. Bei Open-Weight Modellen werden die Trainingsdaten nicht veröffentlicht. Kein eigenes Training; Verwendung von OpenSource und Open-Weight Sprachmodellen von Drittherstellern. BMF hat bei Open-Source Sprachmodellen nur Zugriff auf Informationen vom Hersteller, die veröffentlicht sind. Bei Open-Weight Modellen werden die Trainingsdaten nicht veröffentlicht. Kein eigenes Training; Verwendung von OpenSource und Open- Weight Sprachmodellen von Drittherstellern. BMF hat bei Open-Source Sprachmodellen nur Zugriff auf Informationen vom Hersteller, die veröffentlicht sind. Bei Open-Weight Modellen werden die Trainingsdaten nicht veröffentlicht. Anlage 2 15 von 57 BMF ITZBund Chatbot BITZ Die Datenbasis des Trainings der NLU-Komponente sind die Inhalte des Redaktionssystems (Frage-Antwort-Beispiele), die organisatorisch durch die Redaktion selbst zu pflegen sind. Zudem können noch auf Basis der tatsächlichen Nutzerinteraktionen mit dem Chatbot durch die Redaktion die Zuordnung von Nutzereingaben zu Fragen manuell nachgeschärft werden, indem diese als zusätzliche Information in das Training der NLU- Komponente einfließen. Die Verantwortung der Trainingsdatenauswahl liegt damit ultimativ bei der jeweiligen Redaktion. Es werden keine personenbezogenen Daten bei den Trainings verwendet. 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. Anlage 2 16 von 57 BMF ITZBund Chatbot KIRA Die Datenbasis des Trainings der NLU-Komponente sind die Inhalte des Redaktionssystems (Frage-Antwort-Beispiele), die organisatorisch durch die Redaktion selbst zu pflegen sind. Zudem können noch auf Basis der tatsächlichen Nutzerinteraktionen mit dem Chatbot durch die Redaktion die Zurodnung von Nutzereingaben zu Fragen manuell nachgeschärft werden, indem diese als zusätzliche Information in das Training der NLU- Komponente einfließen. Die Verantwortung der Trainingsdatenauswahl liegt damit ultimativ bei der jeweiligen Redaktion. Es werden keine personenbezogenen Daten bei den Trainings verwendet. nein Anlage 2 17 von 57 BMF ITZBund Pilotierung - Show-Case für Beratung Daten kommen von den Nutzenden (Input, Bilddaten, daraus resultierender Output), daher KI-Kompetenzaufbau; keine automatisierten Entscheidungsprozesse Es werden keine personenbezogenen Daten bei den Trainings verwendet. nein hier nicht zutreffend BMF ITZBund KIPITZ Daten kommen von den Nutzenden (Input, daraus resultierender Output), daher KI- Kompetenzaufbau; keine automatisierten Entscheidungsprozesse Kein eigenes Training; nur Verwendung von OpenSource & Open-Weight Sprachmodellen von Dritthersteller. ITZBund hat bei Open-Source Sprachmodellen nur Zugriff auf Informationen von Hersteller, die veröffentlicht sind. Bei Open-Weight Modellen werden die Trainingsdaten nicht veröffentlicht. Kein eigenes Training; nur Verwendung von Open-Source- Sprachmodellen von Drittherstellern BMF GZD Dies wird fortlaufend in Abstimmung mit dem Behördlichen Datenschutz der Zollverwaltung sichergestellt. Dies wird fortlaufend in Abstimmung mit dem Behördlichen Datenschutz der Zollverwaltung sichergestellt. siehe BT-Drs. 20/11648 Frage 1. j) Anlage 2 18 von 57 BMF GZD eZoll-App Dies wird fortlaufend in Abstimmung mit dem Behördlichen Datenschutz der Zollverwaltung sichergestellt. Dies wird fortlaufend in Abstimmung mit dem Behördlichen Datenschutz der Zollverwaltung sichergestellt. Es wurden keine urheberrechtlich geschützten Materialien oder Daten verwendet. BMFTR Z HdP Chatbot Das System wurde nicht nachtrainiert. Es wir das vortrainierte LLM GPT-3.5 von OpenAI genutzt. nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) Anlage 2 19 von 57 BMFTR 1 Emerging Technologies Radar (Prototyp) Die genutzten Datenbanken (OpenAlex für wissenschaftliche Publiaktionen und PATSTAT für Patente) entsprechen den höchsten wissenschaftlichen Standards und sind international anerkannte Standardquellen für die jeweiligen Daten In den Datenquellen OpenAlex (Publikationen, OpenSource) und PATSAT (Patente, vom Europ. Patentamt lizensiert) liegen personenbezogene Daten in Form der Namen und Institutionszugehörigkeiten der Publizierenden/Patenanmelde rn vor. Um den Grundsätzen der Datenminimierung und Zweckbindung gerecht zu werden, werden die Namen der Autorinnen und Autoren unmittelbar nach dem Download der Daten gelöscht. Den Autorinnen und Autoren sind IDs zugeordnet (Pseudonymisierung), die für die Identifikation von Zitationsbeziehungen genutzt werden. ja Vertragliche Vorgaben BMFTR Z OpenWebUI Das System wurde nicht nachtrainiert. Es wir das vortrainierte LLM GPT-OSS von OpenAI genutzt. nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) Anlage 2 20 von 57 BMFTR Z Auto-Summarizer Das System wurde nicht nachtrainiert. Es wir das vortrainierte LLM GPT-OSS von OpenAI genutzt. nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) BMFTR Z Fragewesen Die für das Fine-Tuning des Embedding Modells verwendeten Daten stammen ausschließlich aus dem DIP und sind daher relevant, repräsentativ und fehlerfrei. Es wurden keine personenbezogenene Daten verwendet nein nicht zutreffend. BMFTR Z OpenRedact Das System wurde nicht nachtrainiert nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) BMFTR Z EGO-Chatbot Das System wurde nicht nachtrainiert. Es wir das vortrainierte LLM GPT-OSS von OpenAI genutzt. nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) BMG|BfArM 1 Zulassung Die Daten der Kooperationspartner unterliegen einer kontinuierlichen Qualitätsprüfung durch die kommerziellen Anbieter Es werden keine Personenbezogenen Daten für das Frühwarnsystem verwendet Mit den Kooperationspartnern ist die Verwendung der Daten vertraglich geregelt. Externe Kontrolle der Datennutzung ist nicht erforderlich Anlage 2 21 von 57 BMG|BfArM 7 Pharmakovigila nz Die Teilfragen j) bis l) werden zusammen beantwortet. Bei der Nutzung der Daten werden im Hinblick auf die vorgenannten Aspekte alle entsprechenden Bestimmungen berücksichtigt. Bisher wurden keine urheberrechtlich geschützten Materialien oder Daten verwendet. BMG|BfArM 9 Medizinprodukt e Trainingsdaten sind Meldungen schwerwiegender Vorkommnisse, die nach den entsprechenden gesetzlichen Vorgaben eingehen. Nein Nein Interne Nutzung von im Haus vorhandenen Daten im Rahmen des gesetzlichen Auftrags BMG|BfArM 10 Informationstec hnik, Klinische Prüfung Es wird Bezug auf die Angaben der Hersteller und Erfahrungen der Communities genommen. Eine eigene Prüfung ist technisch nicht möglich. Es wird den Angaben der Hersteller vertraut, dass die Daten rechtskonform erhoben, verarbeitet und gespeichert werden. siehe Frage 1l) BMLEH/MRI Leitung KIDA AIChat im Rahmen von KIDA Es werden ausschließlich vortrainierte Open Source Modelle genutzt. Die Nutzenden werden dazu sensibilisiert, die Outputs der Sprachmodelle auf diskriminierende Inhalte zu prüfen. Es fand kein Training statt. N.A. N.A. Anlage 2 22 von 57 BMLEH/MRI Leitung ScrAIbe im Rahmen von KIDA Es werden ausschließlich vortrainierte Open Source Modelle genutzt. Die Nutzenden werden dazu sensibilisiert, den gesamten Outputs des Transkriptionsdienstes auf Fehlerfreiheit zu überprüfen. Es fand kein Training statt. N.A. N.A. BMLEH/MRI Sicherheit und Qualität bei Getreide "Application of simulations and machine learning to detect edible oil adulteration" im Rahmen von KIDA Kullback and Leibler Divergence wurde berechnet, um die Repräsentativität zu beurteilen. Keine pbD Nein Nein BMLEH/MRI Nationales Referenzzentru m für authentische Lebensmittel Fish-ID Evaluation mit separatem Datensatz; Evaluation in der Praxis; Vergleich mit bestehenden Methoden Es werden keine personenbezogenen Daten für das Training genutzt Ja Nein Anlage 2 23 von 57 BMLEH/BfR 66 molOCR Da es sich nicht um ein autonomes System handelt und immer an Expert Judgement geknüpft ist, trifft dies hier nicht zu. Da es sich um chemische Strukturinformationen handelt, sind keine personenbezogenen Daten involviert. Bei den verwendeten Trainingsdaten handelt es sich um Daten aus Publikationen und frei zugänglichen Substanzdatenbanken wie etwa PubChem. nein BMLEH/BfR 63 Sarah Nexus Das BfR ist im stetigen wissenschaftlichen Austausch mit Lhasa Limited, um das System für die Pesitzidbewertung zu revaluieren und zu optimieren. Gleichzeitg wird Forschung betrieben, um zu eruieren, inwieweit die System für die Regulatorik optimal verwendet werden können. Die Ergebnisse wurden bereits auf Kongressen vorgestellt und publiziert. Es wurden keine personenbezogenen Daten verwendet. Die Systemoptimierung findet durch Lhasa Limited selbst statt. In der Regel werden dafür publizierte Daten verwendet. nicht notwendig bzw. nicht möglich, da Sarah Nexus ein kommerzielles Tool darstellt Anlage 2 24 von 57 BMLEH/BfR FG 73/FG 94 DistillerSR Professional Die Qualitätskontrolle wird durch manuelle Arbeit von qualifiziertem Personal durchgeführt. Es werden keine Personenbezogenen Daten genutzt Im Rahmen der Methode werden die Urheberrechlich geschützten Daten mit Angabe der jeweiligen Nutzungslizenzen verwendet. BMLEH/BfR 23 DeepL Es werden keine Daten zum Training genutzt (DeeplPro) Datenschutzerklärung Es werden keine personenbezogenen Daten verwendet (BfR Hausverfügung) Nein Datenschutzerklärung DeepL BMLEH/BfR 94 SMAFIRA Die Trainingsdaten sind eine geschichtete zufällige Stichprobe aus PubMed, die alle Krankheits- Kategorien (MeSH Disease categories) repräsentiert. Es handelt sich dabei nur um Titel & Abstracts wissenschaftlicher Veröffentlichungen. Es wurden keine personenbezogenen Daten verwendet. Für das Training wurden Titel & Abstracts wissenschaftlicher Veröffentlichungen genutzt, die in der Datenbank PubMed abrufbar sind. Anlage 2 25 von 57 BMLEH/BfR 33/8FZ Happy Chicken Daten wurden durch Tierärzte am BfR (8FZ) und FU Berlin innerhalb deren Versuche zur Erstellung einer Stressskala bei Hühnern erstellt Es wurden keine personenbezogenen Daten verwendet. Es wurden die Daten der Tierärzte an BfR (8FZ) und FU Berlin verwendet. Die Nutzung dieser Daten bedarf der Erlaubnis dieser Tierärzte, die aber an diesem Projekt direkt beteiligt waren. nein BMLEH/BfR 1IZ/DSB GenAI Prompt / KI- basierte Textzusammenfassung Training ist nicht durch das BfR erfolgt. Keine Prüfung. Für initiales Training nicht bekannt. Die Eingabe personenbezogener Daten ist durch die Nutzungsbedingungen ausgeschlossen. Für initiales Training nicht bekannt. Die Eingabe urheberrechtlich geschützter Daten ist durch die Nutzungsbedingungen ausgeschlossen. Unbekannt BMLEH/JKI JKI-ZR SelWineQ wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen im Projektverbund nicht erforderlich Anlage 2 26 von 57 BMLEH/JKI JKI-ZR KI-iREPro wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen im Projektverbund nicht erforderlich BMLEH/JKI JKI-ZR KI-iREPro, DigiVine,PhytoMo wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen im Projektverbund nicht erforderlich BMLEH/JKI JKI-ZR Semantic Search Vitis- Vea Es wurden fertig trainierte Modelle lediglich für die Erstellung von Vektordarstellungen von Literatur-Metadaten verwendet. Und ein LLM zur Verarbeitung der Prompts der Nutzereingabe. Es fand kein Training mit weiteren Daten statt. Es werden ausschließlich bibliografische Metadaten und Texte aus Quellen verwendet, für die eine Nutzung zu Forschungszwecken oder über Lizenzen gestattet ist. Keine eigenständige Weiterverarbeitung geschützter Volltexte. Diese werden zur semantischen Repräsentation (Vektorembeddings) genutzt, wobei keine Rückschlüsse auf Personen möglich sind. Das verwendete Large Language Modell dient lediglich der Verarbeitung des Eingabeprompts der Nutzer. Personenbezogene Nutzerdaten werden nicht gespeichert. Die Modelle selbst wurden nicht mit personenbezogenen Daten aus unserer Datenbank trainiert. Personenbezogene Daten (z. B. Autorennamen) dienen ausschließlich der Indexierung und Vektordarstellung – nicht dem Training oder der Anpassung des Modells. Hierzu wurden fertig trainierte frei zugängliche Modelle ver nicht erforderlich Anlage 2 27 von 57 BMLEH/JKI JKI-ZR DFG, MGGL, VITIFIT wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen nicht erforderlich BMLEH/JKI JKI-ZR VITIFIT wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen nicht erforderlich BMLEH/JKI JKI-ZR wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen nicht erforderlich BMLEH/JKI JKI-ZR DFG Traubenarchitektur wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen im Projektverbund nicht erforderlich BMLEH/JKI JKI-ZR Studentische Abschlussarbeit ohne Drittmittelprojekt wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen im Projektverbund nicht erforderlich BMLEH/JKI JKI-ZR KliwiResse wissenschaftliche Validierung keine Personenbezogene Daten Eigenerhebungen nicht erforderlich BMLEH/JKI Institut für Bienenschutz „BeesUp", MonViA und Bienenzähler Die Daten werden von den Projektbeteiligten entsprechend einer Qualitätssicherung nach den Standards der guten wissenschaftlichen Praxis erhoben und prozessiert. Es wird nach Möglichkeit eine Kombination an Methoden ergänzend zu KI-Anwendungen genutzt, um eine Überprüfung der Ergebnisse zu ermöglichen. Es wurden und werden keine personenbezogenen Daten genutzt. KI wird in Projekten der Bienenforschung eingesetzt. Es werden keine urheberrechtlich geschützten Materialien oder Daten verwendet, bzw. liegen die Urheberrechte (z.B. für Bilddateien) bei den Entwicklern und deren Partnern. Diese Teilfrage betrifft die KI- Projekte nicht, da keine urheberrechtlich geschützten Materialien oder Daten verwendet werden bzw. die Urheberrechte (z.B. für Bilddateien) bei den Entwicklern und deren Partnern liegen. Anlage 2 28 von 57 BMWE / BAFA IT-Steuerung Mailytica (E-Mail- Analyse und Textvorschlag) Im Rahmen des spezifischen Anwendungsfalls nicht nötig wurden nicht verwendet nein nein BMWE / BAFA IT-Steuerung Intrafind (Dokumentenanalyse und Vergleichen) Im Rahmen des spezifischen Anwendungsfalls nicht nötig wurden nicht verwendet nein nein BMWE / BAFA IT-Steuerung Cognigy AI (Chatbot im LkSG) Im Rahmen des spezifischen Anwendungsfalls nicht nötig wurden nicht verwendet nein nein BMWE / BAFA IT-Steuerung DeepL (Übersetzungshilfe) Verantwortung des Anbieters, da gekauftes Produkt wurden nicht verwendet nein nein BMWE / BAFA IT-Steuerung Sympalog (Sprachbot) Im Rahmen des spezifischen Anwendungsfalls nicht nötig wurden nicht verwendet nein nein BMWE / BAM VP. BAM-interne IT- Infratruktur für wissenschaftliche LLM und KI-Workloads Gemäß der Transparenz- Anforderungen der GWP und dem damit verbundenen QM für Instrumente, Prozesse und erhobene Daten. Fragestellungen sind materialwissenschaftlicher Natur. Es werden keine personenbezogenen Daten zum Training genutzt Solche Daten werden nicht zum Training genutzt. Es kommen nur selbst gemessene Daten, Daten aus Kooperationsprojekten entsprechend der vertraglichen Regelungen oder Daten aus öffentlichen Repositories und Datenbanken in Betracht. BMWE / BGR B1 Deep Learning für Gesteinsuntersuchung Nutzung eigener analytischer Messungen nein nein Nutzung eigener analytischer Messdaten Anlage 2 29 von 57 BMWE / BGR B2.2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandspro gnosen und bundesweite Quellschüttungsvorhers agen Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in diversen wissenschaftlichen Publikationen Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller (Landesbehörden) ? BMWE / BGR B2.2 Regionalisierung hydrogeologischer Information Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in wissenschaftlichen Publikationen Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller (Landesbehörden) ? BMWE / BGR B2.2 Abschätzung der Grundwasservulnerabilit ät ggü. Pflanzenschutzmittelein trag Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in wissenschaftlichen Publikationen Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller (Landesbehörden) ? Anlage 2 30 von 57 BMWE / BGR B2.2 KI-basiertes Monitoring- , Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigstä nden und -versalzung Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in diversen wissenschaftlichen Publikationen Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller (Landesbehörden, Wasserversorger) ? BMWE / BGR B2.5 Klassifizierung verschiedener geologischer Bereiche Es wurde eine Qualitätskontrolle aller geowissenschaftlichen Daten durchgeführt. Keine Nutzung Nein Nein BMWE / BGR B2.2 Deep learning basierte Vorhersage von alpinen Karstquellschüttungen Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in wissenschaftlichen Publikationen geplant. Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller (Landes- und Bundesbehörden, Behörden aus Liechtenstein, Schweiz, Österreich, Frankreich, Slowenien, Italien) ? Anlage 2 31 von 57 BMWE / BGR B2.2 Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in wissenschaftlichen Publikationen geplant. Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller ? BMWE / BGR B3.5 In Planung: Machbarkeitsstudie zu Wissensmanagement Training nicht Projektgegenstand BMWE / BGR B4 Erdbebenlokalisierung und -charakterisierung ja keine personenbezogenen Daten nein nein BMWE / BGR B4 Identifikation, Bewertung und Monitoring von Geogefahren Systematische Datenvalidierung: Relevanz durch Abgleich mit dem Anwendungsziel, Repräsentativität durch Stichprobenanalyse und Vergleich mit der Zielpopulation, Fehler werden durch Einsatz synthetischer Daten minimiert. nicht zutreffend nein nicht zutreffend Anlage 2 32 von 57 BMWE / BGR B4 Geologische und Rohstoffwirtschaftliche Interpretation maßstabgsübergreifend er Erdbeobachtungsbzw. Fernerkundungsdaten trifft nicht zu; unüberwachte ML- Klassifikation ohne Trainingsdaten trifft nicht zu trifft nicht zu trifft nicht zu BMWE / BGR B2.2 Kurzfristige EU-weite Grundwasserstandspro gnosen Dies ist Teil des wissenschaftlichen Prozesses der Methodenerarbeitung. Dokumentation in diversen wissenschaftlichen Publikationen Es werden keine personenbezogenen Daten verwendet Ja, mit Zustimmung der Datenbereitsteller (Landesbehörden, Behörden in den EU- Partnerländern) ? BMWE / BNetzA Stab04 KI-Plattform (KIP) Nicht relevant Prüfung obliegt dem ITZBund Prüfung obliegt dem ITZBund Prüfung obliegt dem ITZBund BMWE / BNetzA Stab04 KI-Assistenzsystem Falls alte Fälle genutzt werden, werden möglichst alle Fälle genutzt Das System ist noch in Planung. Eine Festlegung ist noch nicht erfolgt. Das System ist noch in Planung. Eine Festlegung ist noch nicht erfolgt. Das System ist noch in Planung. Eine Festlegung ist noch nicht erfolgt. BMWE / BNetzA Stab04 Chatbot Nicht relevant Prüfung obliegt dem Hersteller, der dies bestätigt hat Prüfung obliegt dem Hersteller, der dies bestätigt hat Prüfung obliegt dem Hersteller, der dies bestätigt hat Anlage 2 33 von 57 BMWE / BNetzA Stab04 PLAIN Nicht relevant Prüfung obliegt dem AA Prüfung obliegt dem AA Prüfung obliegt dem AA BMWK/PTB FB 8.1 keine personenbezogenen Daten nein nicht zutreffend BMWK/PTB FB 9.53 keine genaue Angabe keine genaue Angabe keine genaue Angabe BMWK/PTB FB 7.2 keine genaue Angabe keine genaue Angabe keine genaue Angabe nicht relevant BMWK/PTB FB 5.3 Der Anwendungsbereich des KI- Systems ist auf den von den Trainingsdaten aufgespannten Parameteraum in der industriellen Messtechnik begrenzt. keine personenbezogenen Daten nein nicht zutreffend BMWE Z KI-Assistenzsystem es werden Open-Source- Sprachmodelle genutzt Es werden keine Systeme trainiert. Es werden Open- Source- Sprachmodelle verwendet. nicht zutreffend BMV/BMV Z KIPITZ Anbieter im Sinne der KI-VO ist ITZBund. Nähere Informationen sind bei ITZBund zu erfragen. siehe 1k) siehe 1k) siehe 1k) BMV/BMV Z Virtueller Experte (Prototyp) kein Training im Rahmen des Projekts kein Training im Rahmen des Projekts kein Training im Rahmen des Projekts kein Training im Rahmen des Projekts Anlage 2 34 von 57 BMV/BMV Z Microsoft Copilot MS Copilot als EU-weit nutzbares, kommerzielles Angebot nach Maßgabe entsprechender EU- Rechtsgrundlagen. MS Copilot als EU- weit nutzbares, kommerzielles Angebot nach Maßgabe entsprechender EU- Rechtsgrundlagen. BMV/BAF Fehlanzeige BMV/BALM K3 IPKS - KONAU (Analytische KI) Projekt- / Entwicklungsbegleitetes Qualitäts- & Test-Management Keine Erhebung personenbezogener Daten Nicht zutreffend Nicht zutreffend BMV/BALM Stab Leitung Chatbot MILO (NLP) Nicht zutreffend. Es erfolgt kein Training der Systeme durch Kundenbehörde. Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k BMV/BALM Z2 KIRA (Information Retrievel / Generische KI) Nicht zutreffend. Es erfolgt kein Training der Systeme durch Kundenbehörde. Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k BMV/BALM Stab Leitung Lokales Assistenzsystem (Generische KI) Nicht zutreffend. Es erfolgt kein Training der Systeme durch Kundenbehörde. Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Anlage 2 35 von 57 BMV/BALM Z6 Microsoft Copilot (Generische KI) Nicht zutreffend. Es erfolgt kein Training der Systeme durch Kundenbehörde. Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k BMV/BALM K Webex Assistent (Generische KI) Nicht zutreffend. Es erfolgt kein Training der Systeme durch Kundenbehörde. Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k BMV/EBA u. BEU Alle Chat-GPT keine Prüfung Es findet kein Training durch die Behörde statt nein nein BMV/EBA u. BEU Alle Copilot keine Prüfung Es findet kein Training durch die Behörde statt nein nein BMV/EBA u. BEU Alle KI-Tools der EU keine Prüfung Es findet kein Training durch die Behörde statt nein nein BMV/BfG M2 Mittel- bis langfristige Wasserstandsvorhersa ge; momentan im präoperationellen Betrieb sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M2 Vorhersage des Wasserstandes und des Abflusses sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M5 / U3 Detektion von Plastik in Fließgewässern sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein Anlage 2 36 von 57 BMV/BfG M5 / U3 Vegetationklassifikation sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M5 / U3 Ölerkennung auf dem Meer sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG U4 Fischerkennung sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M1, M3, U2 Integrierte Schwebstoffanalyse Tideems sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M1, Z2 Qualitätskontrolle von Messdaten sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M5 Qualitätskontrolle von Messdaten sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG G3,Z2 Prognose und Zusammenfassung molekularer Effekte von Umweltchemikalien und Mischungen sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein Anlage 2 37 von 57 BMV/BfG G2 Identifikation eines Non- Target-Screening- Features (unbekannt) anhand der Zusammensetzung (Retentionszeit, Messintensität und Masse-zu- Ladungsverhältnis) sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG M2 KI-gestützte Wasserhaushaltsmodell ierung sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BfG U4 Methodenentwicklung zur automatisierten Nachbearbeitung der Unterwasseraufnahmen und Klassifikation von Schweinswalpräsenz sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein Anlage 2 38 von 57 BMV/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 sofern anwendbar, ja Es werden keine personenbezogenen Daten verwendet. nein nein BMV/BSH MDZ KISS Systematische Test, Prüfunge der Antworten durch Nutzende, Verweis auf Quellen kein Training war notwendig nein nicht relevant, in diesem System wurden nur interne Daten verwendet Anlage 2 39 von 57 BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren basierend auf meteorologischen und klimatologischen Datensätzen für KI- Anwendungen im gesamten DWD (Entwicklung des Softwareframeworks FRAIM - Framework for AI in Meteorology) Es handel sich um wissenschaftliche Daten aus numerischen Modellen, Wetter- und Klimabeobachtungsdaten und Daten aus Fernerkundungssystemen wie Radar und Satellit. Auswahl, Bewertung und Anwendung erfolgen nach Regeln bester wissenschaftlicher Praxis in der Wetter- und Klimavorhersage durch Wissenschaftlerinnen und Wissenschaftler. keine Nein. Wissenschaftliche, zweckgebunden Daten. Anlage 2 40 von 57 BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren unter Verwendung von Sprach-KI und multimodalen Ansätzen zur Unterstützung basierend auf meteorologischen und klimatologischen Datensätzen sowie relevanten Textdokumenten für Klima- und Wetterservices im gesamten DWD (Entwicklung des Softwareframeworks DAWID - AI for DWD) Es handel sich um wissenschaftliche Daten aus numerischen Modellen, Wetter- und Klimabeobachtungsdaten und Daten aus Fernerkundungssystemen wie Radar und Satellit. Auswahl, Bewertung und Anwendung erfolgen nach Regeln bester wissenschaftlicher Praxis in der Wetter- und Klimavorhersage durch Wissenschaftlerinnen und Wissenschaftler. keine Nein. Wissenschaftliche, zweckgebunden Daten. BMV/WSV U13 KI gestützte Verkehrserfassung der Freizeitschifffahrt Ja Es erfolgt kein Training mit personenbezogenen Daten. nein nein Anlage 2 41 von 57 BMV/BASt SD BASTI Die Zweckbestimmung des Systems ist die Unterstützung der Mitarbeitenden durch den schnellen Zugriff auf internes Fach- und Verwaltungswissen. Die zugrunde liegende Wissensdatenbanken bestehen aus qualitätsgesicherten Dokumenten der BASt, wie beispielsweise internen Regelwerken, Berichten und Verwaltungsdokumenten. Die BASt führt kein Training der zugrundeliegenden Basis- Sprachmodelle durch. Daher werden für diesen Zweck keinerlei Daten und insbesondere keine personenbezogenen Daten verwendet Die BASt führt kein Training der zugrundeliegenden Basis-Sprachmodelle durch. Somit werden vonseiten der BASt keine urheberrechtlich geschützten Materialien für ein Training verwendet. Die Wissensdatenbanken des Assistenten bestehen aus Dokumenten, an denen die BASt die erforderlichen Nutzungsrechte besitzt. Nicht erforderlich. BMI/BVA D KIPITZ Bitte ITZBund befragen. Bitte ITZBund befragen. Bitte ITZBund befragen. Bitte ITZBund befragen. Anlage 2 42 von 57 BMI/StBA C Verfahren des maschinellen Lernens in der amtlichen Statistik (Statistikproduktion) Plausibilitäts- und Fehlerprüfungen, Stichproben- und Vollzähligkeitskontrollen, Abgleich mit Verwaltungs- und Vergleichsdaten, Qualitätsberichte und Metadatenpflege nach ESS- Standards, Rücksprachen mit Meldepflichtigen und Fachstellen Daten werden nach Möglichkeit vor der Nutzung in ML-Verfahren (formal) anonymisiert Es werden ausschließlich Materialien und Daten verwendet, für die entsprechende Nutzungsrechte vorliegen oder die gemeinfrei bzw. urheberrechtlich unbedenklich sind; urheberrechtlich geschützte Inhalte werden nicht ohne rechtliche Grundlage eingesetzt. Die Nutzung der Daten im StBA basiert auf dem BStatG und entsprechenden Fachstatistikgesetzen. BMI/BPOL Abteilung 2 Videoanalyse auf Bahnhöfen Ethikrat nicht bekannt nicht bekannt nicht bekannt BMI/BPOL Abteilung 2 Sensorgestützte Tunnelmundüberwachu ng (Dynamic Vision Sensor) nicht bekannt nicht bekannt nicht bekannt BMI/BPOL Abteilung 6 QPS 201 P1+ und QPS 201 P2 siehe 1j.) nicht bekannt nicht bekannt nicht bekannt Anlage 2 43 von 57 BMI/BPOL Abteilung 5 ollama Es werden keine personenbezigene Daten verarbeitet nicht bekannt nicht bekannt Reines Wissensmanagement BMI/BPOL Abteilung 5 Open-WebUI Es werden keine personenbezigene Daten verarbeitet nicht bekannt nicht bekannt Reines Wissensmanagement BMI/BPOL Abteilung 5 Obsidian nicht bekannt nicht bekannt nicht bekannt BMI/BPOL Abteilung 5 Whisper menschliche Prüfung nicht bekannt nicht bekannt nicht bekannt BMI/BPOL Abteilung 5 LibreTranslate menschliche Prüfung nicht bekannt nicht bekannt nicht bekannt BMI/BPOL BPOLD FRA EnForce Air 2 nicht bekannt nicht bekannt nicht bekannt BMI/BPOL BPOLD FRA VisionFlex nicht bekannt nicht bekannt nicht bekannt BMI/BPOL Akademie Knowtion Prüfung durch fachlichen Anwender Es findet kein Training der KI statt. Personenbezogene Daten werden nicht verarbeitet. nicht bekannt nicht bekannt BMI/BPOL Akademie Articulate 360 AI Assistant Add-on Prüfung durch Medienproduktion und fachlichen Eigner Es findet kein Training der KI statt. Personenbezogene Daten werden nicht verarbeitet. nicht bekannt nicht bekannt BMI/BPOL Akademie Synthesia Prüfung durch Medienproduktion und fachlichen Eigner Es findet kein Training der KI statt. Personenbezogene Daten werden nicht verarbeitet. nicht bekannt nicht bekannt BMI/BPOL Akademie Adobe Creative Cloud All Apps Prüfung durch Medienproduktion und fachlichen Eigner Es findet kein Training der KI statt. Personenbezogene Daten werden nicht verarbeitet. nicht bekannt nicht bekannt Anlage 2 44 von 57 BMI/BPOL Akademie Synthesia Prüfung durch Medienproduktion und fachlichen Eigner Es findet kein Training der KI statt. Personenbezogene Daten werden nicht verarbeitet. nicht bekannt nicht bekannt BMI/BPOL Abteilung 8 Chatbot der Bundespolizei Heilfürsorge manuell erstellter und in sich geschlossener, rechtssicherer Antwortkatalog Es wurden keine personenbezogene Daten zum Training genutzt. nicht bekannt nicht bekannt BMI/BPOL Abteilung 5 WhisperOPST Manuelle Prüfung der Qualität von Ergebnissen soweit hier bekannt werden keine pbD zum Training genuzt nicht zutreffend Duch BfDI möglich BMI/BPOL Abteilung 6 Fahrerassistenzsystem e (FAS) aller gängigen Fahrzeughersteller siehe 1j.) siehe 1j.) siehe 1j.) siehe 1j.) BMI/BPB Bundeszentrale für politische Bildung ChatGPT Team (8 Jahres-Lizenzen) Es findet kein Training des Systems statt siehe 1k siehe 1k siehe 1k BMI/BBK Z KIPITZ Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Anlage 2 45 von 57 BMI/BKA DI53-2 BLINK Es werden nur bekannte und allgemein eingesetzte, opensource verfügbare große Sprachmodelle (z.B. Llama v.3.3) eingesetzt. Diese wurden und werden von einer großen Community in vielen öffentlich einsehbaren Benchmarks evaluiert. Vor der internen Bereitstellung werden die Modelle auch von einem internen Team aus Data Scientists evaluiert. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind auch personenbezogene Daten. Eine abschließende datenschutzrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI- Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus Datenschutzgründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind möglicherweise auch Daten, die urheberrechtlich geschützt sind. Eine abschließende urheberrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI-Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus urheberrechtlichen Gründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die im Einsatz befindlichen Modelle wurden unter einer Open-Source-Lizenz (z.B. Apache 2.0, CCnC) zur allgemeinen Verfügung für die nicht-kommerzielle Verwendung bereitgestellt. Die Lizenzen werden vor dem Einsatz überprüft. Anlage 2 46 von 57 BMI/BKA DI53-2 KI-Model-Service KIMS Es werden nur bekannte und allgemein eingesetzte, opensource verfügbare große Sprachmodelle (z.B. Llama v.3.3) eingesetzt. Diese wurden und werden von einer großen Community in vielen öffentlich einsehbaren Benchmarks evaluiert. Vor der internen Bereitstellung werden die Modelle auch von einem internen Team aus Data Scientists evaluiert. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind auch personenbezogene Daten. Eine abschließende datenschutzrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI- Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus Datenschutzgründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind möglicherweise auch Daten, die urheberrechtlich geschützt sind. Eine abschließende urheberrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI-Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus urheberrechtlichen Gründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die im Einsatz befindlichen Modelle wurden unter einer Open-Source-Lizenz (z.B. Apache 2.0, CCnC) zur allgemeinen Verfügung für die nicht-kommerzielle Verwendung bereitgestellt. Die Lizenzen werden vor dem Einsatz überprüft. Anlage 2 47 von 57 BMI/BKA DI53-2 KIRA Es werden nur bekannte und allgemein eingesetzte, opensource verfügbare große Sprachmodelle (z.B. Llama v.3.3) eingesetzt. Diese wurden und werden von einer großen Community in vielen öffentlich einsehbaren Benchmarks evaluiert. Vor der internen Bereitstellung werden die Modelle auch von einem internen Team aus Data Scientists evaluiert. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind auch personenbezogene Daten. Eine abschließende datenschutzrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI- Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus Datenschutzgründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind möglicherweise auch Daten, die urheberrechtlich geschützt sind. Eine abschließende urheberrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI-Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus urheberrechtlichen Gründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die im Einsatz befindlichen Modelle wurden unter einer Open-Source-Lizenz (z.B. Apache 2.0, CCnC) zur allgemeinen Verfügung für die nicht-kommerzielle Verwendung bereitgestellt. Die Lizenzen werden vor dem Einsatz überprüft. Anlage 2 48 von 57 BMI/BKA DI53-2 BKA-Translate Es werden nur bekannte und allgemein eingesetzte, opensource verfügbare große Sprach- und Übersetzungsmodelle (z.B. Llama v.3.3, NLLB) eingesetzt. Diese wurden und werden von einer großen Community in vielen öffentlich einsehbaren Benchmarks evaluiert. Vor der internen Bereitstellung werden die Modelle auch von einem internen Team aus Data Scientists evaluiert. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind auch personenbezogene Daten. Eine abschließende datenschutzrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI- Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus Datenschutzgründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind möglicherweise auch Daten, die urheberrechtlich geschützt sind. Eine abschließende urheberrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI-Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus urheberrechtlichen Gründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die im Einsatz befindlichen Modelle wurden unter einer Open-Source-Lizenz (z.B. Apache 2.0, CCnC) zur allgemeinen Verfügung für die nicht-kommerzielle Verwendung bereitgestellt. Die Lizenzen werden vor dem Einsatz überprüft. Anlage 2 49 von 57 BMI/BKA DI53-2 Speech-to-Text Whisper Es werden nur bekannte und allgemein eingesetzte, opensource verfügbare Speech-to- Text-Modelle (z.B. Whisper v2) eingesetzt. Diese wurden und werden von einer großen Community in vielen öffentlich einsehbaren Benchmarks evaluiert. Vor der internen Bereitstellung werden die Modelle auch von einem internen Team aus Data Scientists evaluiert. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) train+L31:AB31iert. Hierunter sind auch personenbezogene Daten. Eine abschließende datenschutzrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI- Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus Datenschutzgründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die eingesetzten Modelle wurden auf öffentlich verfügbaren Daten (Internetdaten) trainiert. Hierunter sind möglicherweise auch Daten, die urheberrechtlich geschützt sind. Eine abschließende urheberrechtliche Bewertung der Frage, inwiefern große Sprachmodelle und andere KI-Modelle auf internetbasierten Daten trainiert werden dürfen, ist bisher nicht erfolgt. Sollte diese letztlich ergeben, dass solche Modelle aus urheberrechtlichen Gründen nicht eingesetzt werden dürfen, werden wir den Einsatz entsprechend unterbinden. Die im Einsatz befindlichen Modelle wurden unter einer Open-Source-Lizenz (z.B. Apache 2.0, CCnC) zur allgemeinen Verfügung für die nicht-kommerzielle Verwendung bereitgestellt. Die Lizenzen werden vor dem Einsatz überprüft. Anlage 2 50 von 57 BMI/BKA ZV11 Der intelligente Chatbot Chatbot wird zu Informationszwecken genutzt, dementsprechend findet keine automatisierte Entscheidungsfindung oder die Erkennung von Mustern statt. Prüfung der Daten erfolgt auf Grundlage der Fachkompetenz der Mitarbeitenden bei ZV. Keine Verwendung personenbezogener Daten. LLM-Model wird nicht nachtrainiert. Daten werden mittels RAG dem KI-System beigefügt. Nein Keine Verwendung urheberrechtlich geschützter Daten BMI/BKA KT34 Vocalise Auf die Trainingsdaten besteht kein Zugriff als Audiodateien (sie bestehen nur in Form von Modellen). Es wurde aber intern vom Fachbereich getestet (validiert), dass das System sinnvolle Entscheidungen trifft bezüglich Sprecheridentität und Nichtidentität Nach Kenntnisstand arbeiten die Entwickler mit anonymisierten Korpora. Es besteht kein Interesse an der Identifikation von konkreten Personen, sondern an der Fähigkeit,Dateipaare mit gleichem Sprecher von Dateipaaren mit unterschiedlichen Sprechern zu unterscheiden. Nach unserem Kenntnisstand werden vom Entwickler kommerziell erwerbliche Daten verwendet, bei denen die Urheberrechte geklärt sind. nein Anlage 2 51 von 57 BMI/BKA KT34 Voice Inspector Auf die Trainingsdaten besteht kein Zugriff als Audiodateien (sie bestehen nur in Form von Modellen). Es wurde aber intern vom Fachbereich getestet (validiert), dass das System sinnvolle Entscheidungen trifft bezüglich Sprecheridentität und Nichtidentität Nach Kenntnisstand arbeiten die Entwickler mit anonymisierten Korpora. Es besteht kein Interesse an der Identifikation von konkreten Personen, sondern an der Fähigkeit,Dateipaare mit gleichem Sprecher von Dateipaaren mit unterschiedlichen Sprechern zu unterscheiden. Nach unserem Kenntnisstand werden vom Entwickler kommerziell erwerbliche Daten verwendet, bei denen die Urheberrechte geklärt sind. nein BMI/BKA KT43 NMR & IR & Raman Simulationen 4 Augen Prinzip nach ISO Standard (Datenerhebung) Validierung der Daten vor Nutzung zusätzlich durchgeführt Auswahl der Daten repräsentativ für alle bekannten Grupierungen keine personenbezogene Daten Alle urheberrechtlichen Aspekte wurden berücksichtigt - BMI/BKA KT43 Mass Spectral Interpreter 4 Augen Prinzip nach ISO Standard (Datenerhebung) Validierung der Daten vor Nutzung zusätzlich durchgeführt Auswahl der Daten repräsentativ für alle bekannten Grupierungen keine personenbezogene Daten Alle urheberrechtlichen Aspekte wurden berücksichtigt - Anlage 2 52 von 57 BMI/BKA KT43 METIS NPS AImEx (ChemInnovation GC-EI MS Strukturaufklärung) 4 Augen Prinzip nach ISO Standard (Datenerhebung) Validierung der Daten vor Nutzung zusätzlich durchgeführt Auswahl der Daten repräsentativ für alle bekannten Grupierungen keine personenbezogene Daten Alle urheberrechtlichen Aspekte wurden berücksichtigt - BMI/BKA KT53 DJ Es wurden OpenSource Modelle eingesetzt. Es wurden OpenSource Modelle eingesetzt. Es wurden OpenSource Modelle eingesetzt. Es wurden OpenSource Modelle eingesetzt. BMI/BKA KT31 STRmix enfällt (Da STRmix nicht auf der Methode des maschinellen Lernens basiert, findet kein Training des Systems statt.) enfällt enfällt enfällt BMI/BKA KT13-5 3D Visualisierung Gaussian Splatting/NeRFs nicht zutreffend keine personbezogene Daten nicht zutreffend nicht zutreffend BMI/BKA DI21 Entitäten-Extraktions- Tool (EET) Durch die Fachlichkeit Die daten gehören dem BKA und dürfen daher auch durch das BKA genutzt werden. nein nein Anlage 2 53 von 57 BMI/BKA TE14 2Captcha Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. BMI/BKA DI23 Translation as a Service (TAAS) es gibt kein Training, es ist lediglich ein Übersetzungstool BMI/BKA CC15 Coding Assistant Nutzung nur durch Personal mit Fachkenntnissen; Ausgabe/Code wird zwangsläufig durch Experten geprüft. Keine nein nein BMI/BKA OE12-4 ID-Reader keinne Aussage möglich da extern extern erfolgt. Es wurde mit KI generierten Daten Trainiert. Keine Nutzung von Echtdaten keinne Aussage möglich da extern keinne Aussage möglich da extern BMI/BKA OE12-4, DI33 SYSTRAN keinne Aussage möglich da extern keinne Aussage möglich da extern keinne Aussage möglich da extern keinne Aussage möglich da extern Anlage 2 54 von 57 BMI/BKA OE 16-5 KI-gestützte Personenerkennungsfu nktion im Kamerasystem der Drohne AUTEL EVO Max 4T auf Basis von "OpenAI" Nicht möglich, es kann lediglich die Endfunktionalität erprobt werden Nicht bekannt nicht kontrollierbar nicht kontrollierbar BMI/BKA OE22 OE22 AI Spielwiese Es wurden frei verfügbare Modelle verwendet, Training selbst findet nicht statt. Wie die frei verfügbaren Modelle traniert wurden wurde nicht geprüft. Es wurden frei verfügbare Modelle verwendet, Training selbst findet nicht statt. Wie die frei verfügbaren Modelle traniert wurden wurde nicht geprüft. Es wurden frei verfügbare Modelle verwendet, Training selbst findet nicht statt. Wie die frei verfügbaren Modelle traniert wurden wurde nicht geprüft. Es wurden frei verfügbare Modelle verwendet, Training selbst findet nicht statt. Wie die frei verfügbaren Modelle traniert wurden wurde nicht geprüft. BMI/BKA OE15-1 technische Auswerteunterstützung für digitale Textmassendaten in Asservaten Asservate triff nicht zu triff nicht zu entfällt Anlage 2 55 von 57 BMI/BKA OE15-2 technische Auswertunterstützung für digitale Bild- und Videomassendaten in Asservaten Asservate, sonst representative Forschungsdatensätze herstellerspezifisch trifft bei Asservaten nicht zu, sonst nur Verwendung geeignet lizensierter Daten entfällt BMI/BKA TE14 Free Captcha Solver Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. BMI/BKA TE14 AntiCaptcha Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Anlage 2 56 von 57 BMI/BKA TE14 CapMonster Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. Seitens TE14 wurden keine Daten zum Training der Systeme übergeben. Es ist nicht bekannt, welche Daten für das Training genutzt wurden. BMI/BAMF 7, 2 Assistenzsystem für Sicherheitsmeldungen (ASM) mehrfache Annotation der Trainingsdaten; Überwachung der Verteilung, bspw. von Unterthemen innerhalb der Trainingsdaten eines Modells Kein Training auf personenbezogenen Daten (Anonymisierung der Trainingsdaten) Kein Training auf urheberrechtlich geschützten Daten Basismodelle werden von staatlicher Stelle (Münchener Digitalisierungszentrum der Bayerischen Staatsbibliothek) zur Verfügung gestellt. BMI / ZITiS Digitale Forensik Stable Diffusion für die Anwendung nicht relevant kein Training unbekannt AW durch BReg BMI / ZITiS Digitale Forensik Eleven Labs für die Anwendung nicht relevant kein Training unbekannt AW durch BReg BMI / ZITiS Digitale Forensik Inseyets für die Anwendung nicht relevant kein Training unbekannt AW durch BReg BMI / ZITiS Zentraler Service Noxtua menschliche Prüfung kein Personenbezug Ja, mit Einwilligung AW durch BReg BMI/BPOL Abteilung 5 @rtus mobil/mobile Datenerfassung nicht bekannt nicht bekannt nicht bekannt nicht bekannt Anlage 2 57 von 57 BMI/BPOL Abteilung 5 @rtus mobil/Auslesen Ausweisdokuente nicht bekannt nicht bekannt nicht bekannt nicht bekannt Ressort / Behörde Abteilung KI-System Zahlung Lokaler Mindestlöhne und Arbeitsschutzmaßna hmen Kontrolle bei der Auswahl von KI- Systemen durch Bundesreg.? Schulung der Entscheiderinnen und Entscheider (Stichpunkte ) Welche Kompetenzen werden bei Entscheidenen voraussgesetzt? Schulung der Nutzerinnen und Nutzer (Stichpunkte ) Welche Kompetenzen werden bei Nutzenden voraussgesetzt? Welche Nachhaltigkeitskriterien wurden ggf. erfasst / berücksichtigt (z.B. Energieverbrauch)? Waren diese verpflichtend zu berücksichtigen? (FA erforderlich) BMJV / DPMA elekt. Klassifikator nach IPC amtsinternes Training nicht erfolgt im Rahmen eines IT-Projektes Kenntnisse der IPC keine direkten Nutzer/innen Kenntnisse der IPC Bei der ursprünglichen Ausschreibung wurden ökonomische, ökologische (Nutzungsdauer Hard- und Software) und soziale Nachhaltigkeitskriterien beachtet. BMJV / DPMA Kognitive Suche für das Patentprüfungsverfahr en amtsinternes Training nicht erfolgt im Rahmen eines IT-Projektes Kenntnisse der Patentrecherche Umfangreiche Schulungskonzepte Kenntnisse der Patentrecherche Bei der ursprünglichen Ausschreibung wurden ökonomische, ökologische (Nutzungsdauer Hard- und Software) und soziale Nachhaltigkeitskriterien beachtet. BMJV / DPMA Akten/Prüferkarteirech erche und Patentrecherche amtsinternes Training nicht erfolgt im Rahmen eines IT-Projektes Kenntnisse der Patentrecherche Umfangreiche Schulungskonzepte Kenntnisse der Patentrecherche Bei der ursprünglichen Ausschreibung wurden ökonomische, ökologische (Nutzungsdauer Hard- und Software) und soziale Nachhaltigkeitskriterien beachtet. BMJV / DPMA Checking-Claims amtsinternes Training nicht erfolgt im Rahmen einer IT-Arbeitsgruppe Kenntnisse der Patentprüfung Umfangreiche Schulungskonzepte Kenntnisse der Patentprüfung keine/nein BMJV / DPMA WIPO-Translate Training wurde von der WIPO mit eigenen Mitarbeitern vorgenommen. nicht erfolgt Das Projekt stellt eine Verbesserung der Qualität der bisherigen maschinellen Übersetzungen dar. Für die Bewertung maschineller Übersetzungen werden die Nutzer geschult. Kenntnisse der Patentrecherche keine direkten Nutzer/innen Kenntnisse der Patentrecherche keine/nein BMUKN Z KIRAS (MaKI-ID: BD20247483453) Für das genutzte offene LLM Llama 3.3 nicht bekannt Nein Das BMUKN-Datenlabor als hausinterne Kompetenzstelle sowie die weiteren an der Einführung beteiligten Stellen und Beauftrageten (z.B. IT-Sicherheit, Datenschutz, Urheberrecht) sind umfassend geschult. - Vertieftes Verständnis der Funktionsweise von LLMs - Verständnis der Chancen und Risiken des Einsatzes von LLMs Nutzungsleitlinien (inkl. Quiz zur Lernkontrolle), Basisschulung, Sprechstunden Ein umfassendes Projekt widmet sich dem Aufbau von Data Literacy in der obersten Umweltverwaltung, einschließlich im Handlungsfeld "Nutzung von KI" Die Anwendung wird auf interner Hardware betrieben und unterliegt damit den Green-IT Prinzipien des Ministeriums. BMUKN / Umweltbunde samt (UBA) Anwendungslab or für Künstliche Intelligenz und Big Data (KI- Lab) Intern entwickelte KI- Anwendungen werden von Menschen entwickelt, die nach TVÖD bezahlt werden. Es wurde kein Training von Modellen durch Dritte beauftragt. Bei der Nutzung von bereits trainierten Modellen Dritter ist die Zahlung von Löhnen nicht transparent. Bei der Nutzung von bereits trainierten Modellen Dritter ist die Zahlung von Löhnen nicht transparent und wird nicht kontrolliert. Entscheider:innen/Nutzer:innen der Fachseite werden in den Entwicklungsprozess eingebunden, dadurch bereits Wissenstransfer. Nach Projektabschluss Übergabe und Einführung durch Entwickler*innen zur Befähigung des eigenständigen Betriebs und Nutzung durch Entscheider:innen und Nutzer:innen. Die Entwickler*innen besitzen i.d.R. akademische Abschlüsse in den jeweiligen Fachdomänen Fachliche Kompetenzen, um die Ergebnisse der KI- Anwendung kritisch reflektieren zu können. Fortbildungen zu KI- Kompetenzen werden durch Dritte (z.B. BaKöV, externe Referent*innen) oder eigene Expert*innen (SmartLab) angeboten. siehe Frage 1o siehe Frage 1o Bei der Auswahl von KI-Projekten werden unterschiedliche qualitative Nachhaltigkeitskriterien herangezogen, bspw. werden die Auswirkungen auf die SDGs, Risiko von Diskriminierung oder die Wiederverwendbarkeit bewertet. Bedarfsorientiert erfolgt in Projekten ein Tracken von CPUh und GPUh und/oder eine Optimierung der Performance. BMUKN / Bundesamt für Naturschutz (BfN) Abteilung I 1 Digitalisierung, Naturschutzinfo rmation (zuständig: Fachgebiet I 1.1) Ja nein Fortbildungen, Selbststudium, Vernetzung, KEKS- Zertifiierung Technische und nichttechnische, organisatorische, gesellschaftliche und kommunikative KI- Kompetenzen Fallstudien, Themenlabs, Interaktive eLearning-Module Operative, persönliche und nicht-technische KI- Kompetenzen kA BMUKN / Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE) Abteilung T – Verwaltungstra nsformation und Öffentlichkeitsa rbeit (zuständig: Referat T4) Ein Training durch Menschen gilt als unwahrscheinlich. Bei potenziellen Ausschreibung werden die gängigen Anforderungen an Bietende gestellt. Alle Mitarbeitenden des BASE sind verpflichtet, bis Ende November 2025 den KI-Kompetenzschein (KEKS) der BAköV zu erwerben und den entsprechenden KI-Lernpfad zu absolvieren. Darüber hinaus ist das BASE dabei, zielgruppenspezifische Fortbildungs-angebote zu sichten und ein Kompetenz- und Implementierungs-konzept zu erarbeiten. Zudem nutzen Mitarbeitende des BASE regelmäßig die Angebote der Schulungsplattform "Smart Lab" zu Digitalisierung und KI im Umweltressort. Das BASE ist dabei, zielgruppen-spezifische Fortbildungs-angebote zu sichten und ein Kompetenz- und Implementierungskonzept zu erarbeiten. Alle Mitarbeitenden des BASE sind verpflichtet, bis Ende November 2025 den KI-Kompetenzschein (KEKS) der BAköV zu erwerben und den entsprechenden KI-Lernpfad zu absolvieren. Darüber hinaus ist das BASE dabei, zielgruppenspezifische Fortbildungs-angebote zu sichten und ein Kompetenz- und Implementierungskonzept zu erarbeiten. Zudem nutzen Mitarbeitende des BASE regelmäßig die Angebote der Schulungsplattform "Smart Lab" zu Digitalisierung und KI im Umweltressort. Das BASE ist dabei, zielgruppen-spezifische Fortbildungs-angebote zu sichten und ein Kompetenz- und Implementierungskonzept zu erarbeiten. Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI-System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Kriterien und Anforderungen an potenzielle Ausschreibungen sind in der derzeitigen Sichtungsphase noch nicht erarbeitet. Ausnahme ist das Projekt mit der ID: BD20247810459 im MAKI. Hier verweist das BASE auf den entsprechenden Projektsteckbrief und die aufgeführte „Nachhaltigkeitsbetrachtung“. Weiterhin ist zu berücksichtigen, dass im BASE ein Umweltmanagementsystem (UMS) nach der europäischen Verordnung EMAS betrieben wird. Energieverbräuche oder Treibhausgasemissionen aus den Tätigkeiten des BASE werden erhoben, Maßnahmen zur Verbesserung der Umweltleistung werden identifiziert und umgesetzt. Das UMS wird kontinuierlich auf Anpassungsbedarfe überprüft, bei Bedarf wird das UMS und seine Maßnahmen fortentwickelt. In regelmäßigen internen und einem jährlich durchgeführten externen Audit wird das System überwacht. m Juli 2024 wurde als Maßnahme aus dem UMS des BASE die IT-Suchmaschine auf einen Standard umgestellt, der u.A. einen günstigeren Ressourcenverbrauch bei Suchanfragen mit KI- Unterstützung als der vorherige Standard erwarten lässt. Im 2 Quartal 2025 wurde das Themenfeld KI zudem als neues Handlungsfeld im UMS aufgenommen. Als zugehöriges Risiko wurde z.B. ein erhöhter Energieverbrauch benannt. Durch die Aufnahme des Themas im UMS ist unabhängig von einzelnen Projekten eine übergeordnete Beachtung des Themas gewährleistet. Insofern ist das Thema KI auf der übergeordneten Perspektive des UMS bereits in der Berücksichtigung. BMUKN / Bundesamt für Strahlenschut z (BfS) Abteilung DO "Digitalisierung und Organisation" (zuständig: Referat DO4) Ja Ja Entscheidende erhalten i. d. R. eine Schulung - Grundlagenwissen über KI und KI-Anwendung - Grundkenntnisse zum Thema Datenschutz und IT- Sicherheit - Kompetenzen zur Risikobewertung - Nutzerinnen und Nutzer werden bei der Einführung der Anwendung geschult - Grundlagenwissen über KI - Grundkenntnisse zum Thema Datenschutz und IT- Sicherheit Nachhaltigkeitskriterien wie etwa der Energieverbrauch werden bei Beschaffungsvorgängen im BfS standardmäßig berücksichtigt. BMAS D (hier Fragen 1 und 2; konkret: Trend- und Themenscannin g („Horizon Scanning“ / denkfabrik.ai) Kein eigenes Training durchgeführt. Kontrolle erfolgt im Rahmen der Ausschreibung/Vergab e und während Projektumsetzung. 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 Grundlagen in Data Science und KI-Technologie. 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 keine besonderen Voraussetzungen Energieeffizienz (CO2-neutrale Rechenzentren) wurde berücksichtigt BMAS Z Kein eigenes Training durchgeführt. Es werden ausschließlich Open Source LLMs eingesetzt. Kontrolle erfolgt im Rahmen der Ausschreibung/Vergab e und während Projektumsetzung. Eigenes Personal hat entscheidungsrelevante Kriterien für Management-Ebene aufbereitet. Nutzerschulung erfolgt über Schulungsangebot der Anwenderbetreuung und Web-based Traingings. Pilotvorhaben der KI-Suche dient auch dem Aufbau von eigenen Kompetenzen in Schlüsseldisziplinen (Data Science, KI). Data Science, KI, IT-Projekt- und Risikomanagement, IT- Sicherheit Schulung des eigenen Personals im Vorfeld des Projektes durch externe Dienstleister. Grundlagen in Data Science und KI-Technologie. T-Verfahren berücksichtigt die grundlegenden Vorgaben (Green- IT) in der Bundesverwaltung. Aspekte der Energieeffizienz waren Bestandteil der europaweiten Ausschreibung und sind in die Bewertung eingeflossen. BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit KIEZ Information liegt von Modellanbieter nicht vor System wurde nicht durch uns trainiert. umfangreiches internes Schulungsangebot zu Daten- und KI-Kompetenz durch hauseigenes Datenlabor Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Verpflichtende Schulung vor der Nutzung, umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Grundlegendes Verständnis von KI, insbesondere große Sprachmodelle, Verständnis für geeignete Anwendungsfälle, interne Regeln für die Nutzung von KI Tools verpflichtende Beteiligung des Nachhaltigkeitsreferats des BMZ beim Roll-Out Prozess; Fokus lag und liegt auf Energieverbrauch BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit Experten-KI-RAGs Information liegt von Modellanbieter nicht vor System wurde nicht durch uns trainiert. umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Verpflichtende Schulung vor der Nutzung, umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Grundlegendes Verständnis von KI, insbesondere große Sprachmodelle, Verständnis für interne Regeln für die Nutzung von KI Tools verpflichtende Beteiligung des Nachhaltigkeitsreferats des BMZ beim Roll-Out Prozess; Fokus lag und liegt auf Energieverbrauch BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit Check-KI System wurde nicht durch uns trainiert. Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Schulungen zu ChecKI noch nicht durchgeführt Grundlegendes Verständnis von KI, insbesondere große Sprachmodelle, Verständnis für interne Regeln für die Nutzung von KI Tools FA BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit NegotiateCOP System wurde nicht durch uns trainiert. BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit PortfolioNavigator Information liegt von Modellanbieter nicht vor System wurde nicht durch uns trainiert. umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Da Anwendung noch nicht ausgerollt (POC Status) ist noch unklar, ob eine Schulung verpflichtend ist vor der Nutzung. Umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Grundlegendes Verständnis von KI, insbesondere große Sprachmodelle, Verständnis für interne Regeln für die Nutzung von KI Tools Produkt noch in der Entwicklung, verpflichtende Beteiligung des Nachhaltigkeitsreferats beim Roll-Out BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit SimplifAI Information liegt von Modellanbieter nicht vor System wurde nicht durch uns trainiert. umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Da Anwendung noch nicht ausgerollt, ist der Schulungsbedarf noch nicht geprüft worden. Vor der Nutzung. Umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Grundlegendes Verständnis von KI, insbesondere große Sprachmodelle, Verständnis für interne Regeln für die Nutzung von KI Tools Produkt noch in der Entwicklung, verpflichtende Beteiligung des Nachhaltigkeitsreferats beim Roll-Out BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit Evidenz-Chatbot Projekt in Planungsphase, Modell noch nicht ausgewählt System wurde nicht durch uns trainiert. umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Schulungen zur Anwendung geplant noch nicht festgelegt Projekt noch in Planung, Nachhaltigkeitsreferat wird beteiligt sollte es zum Roll-Out kommen BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit AutoRedact Information liegt von Modellanbieter nicht vor System wurde nicht durch uns trainiert. umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor Umgang mit KI-Ergebnissen bzw. KI gestützten Ergebnissen Da Anwendung noch nicht ausgerollt, ist der Schulungsbedarf noch nicht geprüft worden. Vor der Nutzung. Umfangreiches internes Schulungsangebot zu Daten und KI Kompetenz durch hauseigenes Datenlabor noch nicht festgelegt Projekt noch in Planung, Nachhaltigkeitsreferat wird beteiligt sollte es zum Roll-Out kommen AA AA weit KI Assistenz für die Aufgaben Chat, Zusammenfassung, Recherche; RAG System nicht einschlägig Fortbildung Erfahrung im KI Bereich Online und Offline Schulungen sowie Nutzungshinweise 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 AA AA weit Übersetzungen nicht einschlägig Fortbildung Erfahrung im KI Bereich Online und Offline Schulungen sowie Nutzungshinweise 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 AA AA weit Unterstützung bei Bürgeranfragen durch teilautomatische Klassifizierung, um möglichst zielgenaue Antworten aus den Internet-FAQ Bereich in der ersten Autoantwort zu versenden. nicht einschlägig Fortbildung Erfahrung im KI Bereich Online und Offline Schulungen sowie Nutzungshinweise 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 BMDS DS (Ref DS II 2 Beschaffungsco ntrolling) Bert-v2 Durch Vertragsbasis wurde Verpflichtung an Auftragnehmer ausgesprochen. Es wurde kein Training der KI durchgeführt. Die KI des POC läuft ausschließlich lokal. - - - - Die beim PoC zum Einsatz gekommene Lösung ist ein sog. Small-Language-Model, welches lokal auf einem Computer läuft. Ob eine Evaluierung hinsichtlich Nachhaltigkeitskriterien für den Aufbau eines Produktivsystems durchgeführt werden muss, wird geprüft. BMDS DS (Ref DS II 7) EMMA Durch Vertragsbasis wurde Verpflichtung an Auftragnehmer ausgesprochen. ausschließlich lokale Nutzung - - - keine, normale Bürgerinnen und Bürger Dies wird durch DL sichergestellt BMF/ BMF hausweit KIPITZ Das BMF hat keinen Einblick in die Arbeitsverhältnisse von Firmen die KI- Modelle trainieren. Das BMF hat keinen Einblick in die Arbeitsverhältnisse von Firmen die KI-Modelle trainieren. Beschäftigte, die an der Entwicklung von KIPITZ arbeiten, sind durch Ihre Erfahrung und Ausbildung mit KI-Systemen hinreichend vertraut. Lernmaterial und Schulungsangebote stehen diesen Beschäftigten zur Verfügung, um sich bei Bedarf weiterbilden zu können. Alle Kompetenzen, die den Nutzenden auch vorrausgesetzt werden. Zusätzlich werden u.a. ein vertieftes, technisches Verständnis von KI-Systemen und Kenntnisse zu gesetzlichen Rahmenbedingungen vorrausgesetzt. Die Dienstanweisung für den Einsatz Künstlicher Intelligenz durch Beschäftigte des BMF schreibt zur Erfüllung der Vorgaben von Artikel 4 der europäischen KI-Verordnung vor, dass Beschäftigte des BMF zur Einschätzung der eigenen KI-Kompetenz eigenständig einen vom BMF konzepierten Selbsttest zu absolvieren haben. Zudem wurden mehrere Vorträge, u.a. zum Thema Grundlagen KI sowie Tipps und Tricks zum Prompten, angeboten. Falls erforderlich, kann auf weiteres Lernmaterial und Schulungsangebot des Fortbildungsreferats zurückgegriffen werden. + Kompetenz über die Daten, die in KIPITZ eingegeben werden dürfen + Kompetenz, KI-generierte Inhalte auf deren Wahrhaftigkeit zu prüfen + Kompetenz, KI-generierte Inhalte mit nicht frei verfügbare personenbezogene Daten nicht weiterzuverwenden + Kompetenz, das KI- generierte Inhalte Verzerrungen (Bias) übernehmen oder verstärken können + Kompetenz, die eigene KI- Nutzung anderen Beschäftigten sowie Vorgesetzten risikobasiert zu kennzeichnen + Verständnis, bei Nutzung von KI-generierte Inhalte stets die Letztverantwortung für die Rechtmäßigkeit und Qualität bei dem Beschäftigten liegt. Betriebskosten (u.a. auch Energiekosten) von Anwendungen werden bereits vor der Entwicklung bei der Priorisierung der Bedarfe berücksichtigt. BMF ITZBund Chatbot BITZ ja Der Bot wird durch Personal der Bundesverwaltung im gehobenen Dienst trainiert und gepflegt. Die Arbeitsschutzmaßnah men werden eingehalten. Dienst ist im Bereich Dienstekonsolidierung des BMI unter direkter Kontrolle der Bundesverwaltung 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. Die Auswahl der Kompetenzanforderungen obliegt dem jeweiligen Fachbereich, der die Redaktion stellt. Das Personal des einsetzenden Fachbereichs wurde für den Einsatz des Systems entsprechend geschult. Die Auswahl der Kompetenzanforderungen obliegt dem jeweiligen Fachbereich, der die Redaktion stellt. Die Auswahl des Systems erfolgt nicht durch den Fachbereich. Der Fachbereich monitort den Energieverbrauch nicht, Nachhaltigkeitskriterien können daher nicht bewertet werden. BMF ITZBund Chatbot KIRA ja Schulung: Anwendersicht Funktion und Chatbottraining Statistik Die Auswahl der Kompetenzanforderungen obliegt dem jeweiligen Fachbereich, der die Redaktion stellt. Nutzer und Nutzerinnen wurden geschult im Bereich Chatbottraining und redaktionelle Tätigkeit Die Auswahl der Kompetenzanforderungen obliegt dem jeweiligen Fachbereich, der die Redaktion stellt. Berücksichtigt ja Erfasst nein BMF ITZBund Pilotierung - Show-Case für Beratung nicht bekannt nicht bekannt System dient der Beratung, d.h. Entscheider/-innen werden durch Beratungsservice direkt beraten Nach KI-VO System dient der Beratung, d.h. Nutzende werden durch Beratungsservice direkt beraten Nach KI-VO Nachhaltigkeit im Rahmen der Wirtschaftlichkeitsbetrachtung BMF ITZBund KIPITZ Das ITZBund hat keinen Einblick in die Arbeitsverhältnisse von Firmen die KI- Modelle trainieren. Change Management und Schulung im Rahmen des Einführungsprojekts; Beistellungen von KIPITZ: Nutzungseinweisung und FAQs; KI-Basisschulung zur Erfüllung der Vorgaben von Artikel 4 der europäischen KI-Verordnung; Erstellung einer Dienstvereinbarung Nach KI-VO Schulung der Nutzenden in zwei Modulen: KI-Basisinformationen, KIPITZ- Nutzungseinweisung + FAQs Nach KI-VO Bei der Entwicklung und für den Betrieb von KIPITZ wurde auf einen effizienten Ressourceneinsatz geachtet: - Geteilte KI-Infrastruktur - Passgenaue Auswahl von KI-Sprachmodellen (ressourceneffizient) - KIPITZ als Plattform für ganzheitlichen und zukunftsfähigen Einsatz von KI - EfA-Prinzip greift für alle neuen Funktionen (senkt Entwicklungsredundanzen) - Nutzung von Open-Source-basierten KI-Modellen - Monitoring: Tokenverbauch wird erfasst Darüber hinaus: 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 anderen Infrastrukturkomponenten wird im ITZBund grundsätzlich Ökostrom verwendet. BMF GZD siehe BT-Drs. 20/11648 Frage 1. k) siehe BT-Drs. 20/11648 Frage 1. k) siehe BT-Drs. 20/11648 Frage 1. g) siehe BT-Drs. 20/11648 Frage 1. g) siehe BT-Drs. 20/11648 Frage 1. h) siehe BT-Drs. 20/11648 Frage 1. h) siehe BT-Drs. 20/11648 Frage 1. i) BMF GZD eZoll-App Beim Training des benutzten Systems wurden mindestens lokal angemessene (Mindest-) Löhne gezahlt. Entswcheidende wurden frühzeitig an der (Software- ) Entwciklung beteiligt und geschult, um die Ergebnisse der Modelle verstehen und für ihre Entscheidungen nutzen zu können. Basiskenntnisse in den Bereichen IT und KI Die eZoll-App leistet Bürgerinnen und Bürgern sowie Wirtschaftsbeteiligten Unterstützung bei der Zollanmeldung. Eine Schulung ist für die App-Nutzung nicht erforderlich. Keine. Server und Datenspeicherprodukte unterliegen den Festlegungen der EU-Ökodesign-Richtlinie (Verordnung (EU) 2019/424). BMFTR Z HdP Chatbot nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) keine keine 1,5 stündige Anwendungsschulung KI Grundlagen, Aufbau des KI Chatbots, Funktonalitäten des Systems, Anwendungsbeispiele keine BMFTR 1 Emerging Technologies Radar (Prototyp) Ja Schulung durch persönliche Expertise der Entwickler, Einbindung des BMFTR-internen Datenlabors, öffentlich zugängliche Literatur zu Modellen/Implementationen/Tools Grundkenntnisse zu KI- Anwendungen, Kenntnisse zum datenbasierten Arbeiten. Schulung zur beispielhaften Nutzung für potenzielle Endnutzer + detaillierte und verständliche Darstellung der Methodik und ausgewählter Qualitätskriterien in methodischen Hinweisen Teilanhme an entsprechendem Schulungsangebot, um Möglichkeiten der Nutzung des Emerging Technologies Radar, aber auch die Limitationen zu verstehen. Grundkenntnisse im daten- und KI-gestützten Arbeiten. beim ML-Training wird darauf geachtet, dass die genutzten Ressourcen durch erneuerbare Energien betrieben werden BMFTR Z OpenWebUI nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) Projekt in Vorstudie Projekt in Vorstudie Projekt in Vorstudie Projekt in Vorstudie keine BMFTR Z Auto-Summarizer nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) keine keine keine KI Grundlagen keine BMFTR Z Fragewesen Nachtraining durch Angestellte des BMFTRs nicht zutreffend. keine keine keine KI Grundlagen keine BMFTR Z OpenRedact nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) keine keine Anwendungsschulung durch Datenlabor KI Grundlagen keine BMFTR Z EGO-Chatbot nicht zutreffend, vgl. Frage 1k) nicht zutreffend, vgl. Frage 1k) keine keine keine KI Grundlagen keine BMG|BfArM 1 Zulassung Dazu liegen uns keine Informationen vor. Schulungen wurden und werden mit den Mitarbeitenden des Fachgebiets regelmäßig durchgeführt. Da es sich um eine Fachanwendung handelt, besteht ein enger Austausch zwischen Fachgebiet und Entwicklung. Inhaltliches Verständis von Lieferengpässen und deren Problematik Da sich das Projekt aktuell noch in der Validierungsphase der Signale befindet, kann dies nicht abschließend beantwortet werden. Das System ist so entwickelt, dass nur bei Vorliegen neuer Inhalte Berechnungen durchgeführt werden. BMG|BfArM 7 Pharmakovigila nz Da die (mit)entwickelten Modelle durch BfArM- Mitarbeitende begleitet wurden bzw. werden, gelten hier die Regelungen für die Bundesverwaltung. Die Teilfragen o) und p) werden zusammen beantwortet. Für die ChatGPT-Enterprise- Pilotprojekte wurden ChatGPT Schulungen angeboten, die auch allen weiteren Interessierten offenstanden. Es werden umfangreiche ChatGPT Schulungsmöglichkeiten angeboten. BMG|BfArM 9 Medizinprodukt e Intern mit internen Daten trainierte Modelle - Entlohnung nach TVÖD Umsetung durch Beschäftigte der Bundesverwaltung Schulung durch interne Schulungen u.a. bei Einführung der Werkzeuge Grundlegendes Technologieverständnis Schulung durch interne Schulungen u.a. bei Einführung der Werkzeuge Grundlegendes Technologieverständnis Berücksichtigung des Energieaufwandes zum Training bei der Technologieauswahl (Classification Head anstelle von Causal LM) BMG|BfArM 10 Informationstec hnik, Klinische Prüfung Dazu liegen uns keine Informationen vor. siehe Antworten der Abteilung Z Die Nutzung von großen Sprachmodellen über den internen KI- Server erfolgt derzeit explorativ und außerhalb der Routineanwendung. Daher erfolgen derzeit keine gesonderten Nachhaltigkeitsbetrachtungen für die getesteten Modelle. BMG|BfArM Z Verwaltung Die Schulungen zu KI sind nicht nach Funktion (Entscheidende/Nutzende), sondern nach Vorkenntnissen und Anwendungsszenarien ausgerichtet. Demnach sind die Inhalte identisch. Grundlagen der KI: Funktionsweise, Anwendungsfelder, Chancen und Risiken Generative KI in der Praxis: Prompting, Grenzen, typische Tools Europäische KI-Regulierung (AI Act): Risikoklassen, Transparenz- und Compliance-Anforderungen Datenschutz, Datenqualität und Datensicherheit Ethik, Diskriminierungsfreiheit, Nachhaltigkeit und gesellschaftliche Verantwortung Urheberrechte bei KI-generierten Inhalten Verantwortungsvoller Einsatz von KI im Arbeitsalltag Grundverständnis für digitale Prozesse und Datenmanagement Fähigkeit, Chancen und Risiken von KI-Anwendungen zu bewerten Entscheidungs- und Kommunikationskompetenz in interdisziplinären Kontexten Sensibilität für Datenschutz, IT-Sicherheit, Diskriminierungsfreiheit und Ethik Grundlagen der KI: Funktionsweise, Anwendungsfelder, Chancen und Risiken Generative KI in der Praxis: Prompting, Grenzen, typische Tools Europäische KI-Regulierung (AI Act): Risikoklassen, Transparenz- und Compliance-Anforderungen Datenschutz, Datenqualität und Datensicherheit Ethik, Diskriminierungsfreiheit, Nachhaltigkeit und gesellschaftliche Verantwortung Urheberrechte bei KI-generierten Inhalten Verantwortungsvoller Einsatz von KI im Arbeitsalltag Die Schulungen zu KI sind nicht nach Funktion (Entscheidende/Nutzende), sondern nach Vorkenntnissen und Anwendungsszenarien ausgerichtet. Demnach sind die Inhalte identisch. Grundverständnis von digitalen Prozessen und datenbasierter Arbeit Fähigkeit, KI-gestützte Anwendungen sicher und regelkonform zu nutzen Bewusstsein für ethische und rechtliche Anforderungen (z. B. DSGVO, AI Act) Offenheit für Innovation und Bereitschaft, neue Technologien kritisch und reflektiert anzuwenden Verantwortungsbewusstsein im Umgang mit KI- generierten Ergebnissen und Diskriminierungsrisiken BMLEH/MRI Leitung KIDA AIChat im Rahmen von KIDA N.A. N.A. Computer Linguistik KI-Compliance Schulung KI und Datenschutz Qualitätssicherung in KI-Projekten KI Grundlagen Alle Schulungen, die in Zelle S4 vorausgesetzt werden, werden so auch für den zukünftigen Betrieb des Dienstes allen Interessierten angeboten. Kompetenzen, die laut Art. 4 KI-VO für die Nutzung des Dienstes notwendig sind (grundlegendes Wissen zu LLMs, Prompting, KI- Handreichung) Nur Energie aus Erneuerbaren Energien für Betrieb BMLEH/MRI Leitung ScrAIbe im Rahmen von KIDA N.A. N.A. Computer Linguistik KI-Compliance Schulung KI und Datenschutz Qualitätssicherung in KI-Projekten KI Grundlagen Alle Schulungen, die in Zelle S4 vorausgesetzt werden, werden so auch für den zukünftigen Betrieb des Dienstes allen Interessierten angeboten. Kompetenzen, die laut Art. 4 KI-VO für die Nutzung des Transkriptionsdienstes notwendig sind (Upload der Daten, Umgang mit pbD) Nur Energie aus Erneuerbaren Energien für Betrieb BMLEH/MRI Sicherheit und Qualität bei Getreide "Application of simulations and machine learning to detect edible oil adulteration" im Rahmen von KIDA Ja Nein Python Programmierkurse KI-Grundlagen Keine internen Nutzenden Keine internen Nutzenden Nur Energie aus Erneuerbaren Energien für Training BMLEH/MRI Nationales Referenzzentru m für authentische Lebensmittel Fish-ID Ja Nein rechtliche Rahmenbedingungen; KI-Kenntnisse KI-Kenntnisse; Web- Programmierung Schulung in Anwendung des Systems und Interpretation der KI-Vorhersagen Anwendung von Screening- Verfahren Verpflichtende Nachhaltigkeitsbewertung des Projekts durch potentiellen Fördergeber; Betrachtung der Ressourceneffizienz und Energieverbrauch BMLEH/BfR 66 molOCR nicht bekannt nein Handbuch und allgemeine Beschreibung der Anwendung in der Anwendung verfügbar mindestens grundlegende Kenntnisse für chemische Verbindungen (z.B. Bindungsvalenzen) nicht notwendig mindestens grundlegende Kenntnisse für chemische Verbindungen (z.B. Bindungsvalenzen) Da das System auch lokal betrieben werden kann, trifft dies hier nicht zu. BMLEH/BfR 63 Sarah Nexus trifft nicht zu trifft nicht zu Schulung der BfR Mitarbeiter durch Lhasa Limited findet regelmäßig statt Toxikologisches Grundverständnis zu in in- Silico-Systemen zur Mutagenitätsvorhersage, Teilnahme an Schulungen Toxikologisches Grundverständnis zu in in-Silico-Systemen zur Mutagenitätsvorhersage, Teilnahme an Schulungen Toxikologisches Grundverständnis zu in in- Silico-Systemen zur Mutagenitätsvorhersage, Teilnahme an Schulungen nicht zutreffend BMLEH/BfR FG 73/FG 94 DistillerSR Professional trifft nicht zu trifft nicht zu, da kein Entscheidungstool trifft nicht zu, da kein Entscheidungstool Ja, Schulungen wurden durchgeführt. Neue Nutzer werden eingewiesen. Gute wissenschaftlicher Arbeitsweise und fachliches Wissen zur Evaluierung der von der KI generierten Ergebnisse. BMLEH/BfR 23 DeepL Kein Training seitens des BfR erfolgt Kein Training seitens des BfR erfolgt Nein — Nein Kenntnis der Hausverfügung Zum Zeitpunkt der Ausschreibung waren Nachhaltigkeitskriterien nicht verpfichtend BMLEH/BfR 94 SMAFIRA SMAFIRA wurde durch eine festangestellte Mitarbeiterin des BfR trainiert. trifft nicht zu, da kein Entscheidungstool trifft nicht zu, da kein Entscheidungstool Regelmäßige Präsentationen von SMAFIRA bei den Anwendenden. Grundkenntnisse bei der Literaturrecherche, wissenschaftlicher Hintergrund Nachhaltigkeitskriterien wurden nicht berücksichtigt. BMLEH/BfR 33/8FZ Happy Chicken trifft nicht zu nein Stresskala veröffentlicht: https://doi.org/10.1016/j.psj.2024.103875 Bewertung anhand der Stressskala durchführen zu können nicht vorgesehen, da Stressskala veröffentlicht Die Stressskala zu verstehen und anwenden zu können Transfer learning wurde eingesetzt, was den Trainingsaufwand massiv reduziert und wird lokal betrieben BMLEH/BfR 1IZ/DSB GenAI Prompt / KI- basierte Textzusammenfassung Unbekannt Unbekannt Gemäß Schulungskonzept des BfR Gemäß Schulungskonzept des BfR Gemäß Schulungskonzept des BfR Gemäß Schulungskonzept des BfR Keine Beschaffung über Ausschreibung, da kostenfrei zugänglich. BMLEH/JKI JKI-ZR SelWineQ entsprechend Tarifvertrag nicht erforderlich ausgebildete Wissenschaftler mit KEKS- Zertifizierung ausgebildete Wissenschaftler mit KEKS-Zertifizierung ausgebildete Wissenschaftler mit KEKS- Zertifizierung ausgebildete Wissenschaftler mit KEKS-Zertifizierung Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR KI-iREPro entsprechend Tarifvertrag nicht erforderlich ausgebildete Wissenschaftler mit KEKS- Zertifizierung ausgebildete Wissenschaftler mit KEKS-Zertifizierung ausgebildete Wissenschaftler mit KEKS- Zertifizierung ausgebildete Wissenschaftler mit KEKS-Zertifizierung Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR KI-iREPro, DigiVine,PhytoMo entsprechend Tarifvertrag nicht erforderlich ausgebildete Wissenschaftler mit KEKS- Zertifizierung ausgebildete Wissenschaftler mit KEKS-Zertifizierung ausgebildete Wissenschaftler mit KEKS- Zertifizierung ausgebildete Wissenschaftler mit KEKS-Zertifizierung Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR Semantic Search Vitis- Vea entsprechend Tarifvertrag nicht erforderlich, Die Auswahl von KI- Systemen erfolgt eigenverantwortlich durch die jeweilige Einrichtung ausgebildete Wissenschaftler und technisches Personal mit KEKS-Zertifizierung ausgebildete Wissenschaftler und technisches Personal mit KEKS-Zertifizierung keine, freie Nutzung über Internet keine Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR DFG, MGGL, VITIFIT entsprechend Tarifvertrag nicht erforderlich ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR VITIFIT entsprechend Tarifvertrag nicht erforderlich ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR entsprechend Tarifvertrag nicht erforderlich ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz Zeit- und Ressourcenoptimierung im Script und kurze Analysezeiten solen berücksichtigt werden BMLEH/JKI JKI-ZR DFG Traubenarchitektur entsprechend Tarifvertrag nicht erforderlich ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz ausgebildetes Personal allgemeine Kompetenz der guten wissenschaftlichen Praxis Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR Studentische Abschlussarbeit ohne Drittmittelprojekt entsprechend Tarifvertrag nicht erforderlich Studierende der Informatik, Universität Bonn wissenschaftliche Grundkompetenz und Betreuung ausgebildetes wissenschaftliches Personal ausgebildete Wissenschaftler mit KEKS-Zertifizierung Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI JKI-ZR KliwiResse entsprechend Tarifvertrag nicht erforderlich ausgebildetes wissenschaftliches Personal wissenschaftliche Kompetenz ausgebildetes wissenschaftliches Personal ausgebildete Wissenschaftler mit KEKS-Zertifizierung Zeit- und Ressourcenoptimierung im Script; kurze Analysezeiten BMLEH/JKI Institut für Bienenschutz „BeesUp", MonViA und Bienenzähler In den Fällen, in denen Systeme innerhalb der Projekte trainiert werden, werden die im öffentlichen Dienst üblichen Rahmenbedingungen eingehalten. Dies entzieht sich unserer Kenntnis. Die Expertise der Projektleitungen wird über wissenschaftliche Recherchen im Rahmen der Projektentwicklung und über den Austausch in wissenschaftlichen Netzwerken (u.a. KI- und Datenakzelerator, KIDA) erworben, bzw. liegt die Entscheidung und Expertise bei den entsprechenden Projektpartnern vor. Für Projektleitungen wird grundsätzlich eine zur Beschäftigung als Wissenschaftler erforderliche Hochschulausbildung vorausgesetzt. Die Auswahl und Bewertung der Systeme erfolgt durch die Projektleitung (Entscheider). Die Nutzung erfolgt entweder durch die Projektleitung selbst oder nach einer Unterweisung durch die Projektleitung. Für Nutzende wird zum Teil eine zur Beschäftigung als Wissenschaftler im öffentlichen Dienst erforderliche Hochschulausbildung oder eine zur Beschäftigung als Technischer Assistent im öffentlichen Dienst erforderliche Ausbildung vorausgesetzt. In manchen Fällen ist eine Nutzung durch Imker oder technisches Personal möglich, und die Datenauswertung durch wissenschaftlich qualifiziertes Fachpersonal. Bei den Endnutzern einzelner Anwendungen werden keine Kompetenzen vorausgesetzt. Es werden keine Nachhaltigkeitskriterien erfasst/ berücksichtigt; diese waren nicht verpflichtend zu berücksichtigen. BMWE / BAFA IT-Steuerung Mailytica (E-Mail- Analyse und Textvorschlag) Abgedeckt durch EVB- IT Vertrag nein Interne Schulung "Secova" + KI Manager Fachkompetenz und Entscheidungskompetenz Handbuch, Erläuterung und Schulungstool Secova Entscheidungskompetenz - BMWE / BAFA IT-Steuerung Intrafind (Dokumentenanalyse und Vergleichen) Abgedeckt durch EVB- IT Vertrag nein Interne Schulung "Secova" + KI Manager Fachkompetenz und Entscheidungskompetenz Handbuch, Erläuterung und Schulungstool Secova Entscheidungskompetenz - BMWE / BAFA IT-Steuerung Cognigy AI (Chatbot im LkSG) Abgedeckt durch EVB- IT Vertrag nein Interne Schulung "Secova" + KI Manager Fachkompetenz und Entscheidungskompetenz Handbuch, Erläuterung und Schulungstool Secova Entscheidungskompetenz - BMWE / BAFA IT-Steuerung DeepL (Übersetzungshilfe) Abgedeckt durch EVB- IT Vertrag nein Interne Schulung "Secova" + KI Manager Fachkompetenz und Entscheidungskompetenz Handbuch, Erläuterung und Schulungstool Secova Entscheidungskompetenz - BMWE / BAFA IT-Steuerung Sympalog (Sprachbot) Abgedeckt durch EVB- IT Vertrag nein Interne Schulung "Secova" + KI Manager Fachkompetenz und Entscheidungskompetenz Handbuch, Erläuterung und Schulungstool Secova Entscheidungskompetenz - BMWE / BAM VP. BAM-interne IT- Infratruktur für wissenschaftliche LLM und KI-Workloads n/a n/a Schlungsangebot der Baköv KI wird nicht zur Entscheidungs-Findung genutzt Schlungsangebot der Baköv Schlungsangebot der Baköv Ergibt sich aus dem Bedarfs-gerechten Sizing gemäß der Anforderungen BMWE / BGR B1 Deep Learning für Gesteinsuntersuchung entfällt entfällt Nutzerhandbuch geowiss. Fachkompetenz Nutzerhandbuch geowiss. Fachkompetenz Nutzung bereits vorhandener Software und IT-Infrastruktur BMWE / BGR B2.2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandspro gnosen und bundesweite Quellschüttungsvorher sagen BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Erläuterungen online Bedienungsfähigkeit einfacher browsergestützter Anwendunegn keine/nein BMWE / BGR B2.2 Regionalisierung hydrogeologischer Information BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Anwendung nur durch Entwickler selbst Wissenschaftliches Niveau keine/nein BMWE / BGR B2.2 Abschätzung der Grundwasservulnerabil ität ggü. Pflanzenschutzmittelei ntrag BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Anwendung nur durch Entwickler selbst Wissenschaftliches Niveau keine/nein BMWE / BGR B2.2 KI-basiertes Monitoring- , Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigstä nden und -versalzung BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Anwendung nur durch Entwickler selbst Wissenschaftliches Niveau keine/nein BMWE / BGR B2.5 Klassifizierung verschiedener geologischer Bereiche Trifft nicht zu Trifft nicht zu Nur Anwendung durch wissenschaftliches Personal, welches das System erstellt hat. - - - Keine. Die Anwendungen laufen auf den Laptops des wissenschaftlichen Personals. Entsprechend ist der Energieverbrauch sehr gering. BMWE / BGR B2.2 Deep learning basierte Vorhersage von alpinen Karstquellschüttungen BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Anwendung nur durch Entwickler selbst Wissenschaftliches Niveau keine/nein BMWE / BGR B2.2 Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Anwendung nur durch Entwickler selbst Wissenschaftliches Niveau keine/nein BMWE / BGR B3.5 In Planung: Machbarkeitsstudie zu Wissensmanagement Training nicht Projektgegenstand Schulung bei Universität zu KI und Maschinellem Lernen entsprechend Art. 4 KI-VO intern entsprechend Art. 4 KI-VO nicht bekannt BMWE / BGR B4 Erdbebenlokalisierung und -charakterisierung eigenes Personal nein keine spezielle Schulung seismologische Fachkompetenz keine spezielle Schulung seismologische Fachkompetenz keine / nein BMWE / BGR B4 Identifikation, Bewertung und Monitoring von Geogefahren nicht zutreffend nicht zutreffend Vorgesehen nach erfolgreicher Fertigstellung und Evaluierung des Systems Expertensystem: Fachwissen in geologischer Kartierung Vorgesehen nach erfolgreicher Fertigstellung und Evaluierung des Systems Expertensystem: Fachwissen in geologischer Kartierung Energieverbrauch, Modularität, Nachnutzbarkeit BMWE / BGR B4 Geologische und Rohstoffwirtschaftliche Interpretation maßstabgsübergreifen der Erdbeobachtungsbzw. Fernerkundungsdaten trifft nicht zu trifft nicht zu trifft nicht zu trifft nicht zu Der Auftragnehmer hat den Auftraggeber im Rahmen des Auftrags geschult Fernerkundliche Fachkompetenz keine BMWE / BGR B2.2 Kurzfristige EU-weite Grundwasserstandspro gnosen BGR-intern ? Hier werden keine Entscheidungen getroffen. Hier werden keine Entscheidungen getroffen. Erläuterungen online Bedienungsfähigkeit einfacher browsergestützter Anwendunegn keine/nein BMWE / BNetzA Stab04 KI-Plattform (KIP) Prüfung obliegt dem ITZBund Prüfung obliegt dem ITZBund Das System befindet sich noch in Planung, sodass noch keine Schulungsmaßnahmen durchgeführt wurden. Es wird nix entschieden Das System befindet sich noch in Planung, sodass noch keine Schulungsmaßnahmen durchgeführt wurden. Das System befindet sich noch in Planung, sodass noch keine Schulungsmaßnahmen durchgeführt wurden. Antwort obliegt dem ITZBund BMWE / BNetzA Stab04 KI-Assistenzsystem Das System ist noch in Planung. Eine Festlegung ist noch nicht erfolgt. Das System ist noch in Planung. Eine Festlegung ist noch nicht erfolgt. Das System befindet sich noch in Planung, sodass noch keine Schulungsmaßnahmen durchgeführt wurden. Das System befindet sich noch in Planung, sodass noch keine Schulungsmaßnahmen durchgeführt wurden. Das System befindet sich noch in Planung, sodass noch keine Schulungsmaßnahmen durchgeführt wurden. Nicht relevant da keine direkte Nutzung der KI durch die Nutzenden Das System befindet sich noch in Planung BMWE / BNetzA Stab04 Chatbot Prüfung obliegt dem Hersteller, der dies bestätigt hat Prüfung obliegt dem Hersteller, der dies bestätigt hat Der Hersteller hat zu Begin Schulungen durchgeführt Es wird nix entschieden Der Hersteller hat zu Begin Schulungen durchgeführt Nicht relevant da keine direkte Nutzung der KI durch die Nutzenden Nein BMWE / BNetzA Stab04 PLAIN Prüfung obliegt dem AA Prüfung obliegt dem AA AA stellt Unterlagen zur Schulung bereit Es wird nix entschieden AA stellt Unterlagen zur Schulung bereit Bei Nutzung von KI sollen grundsätzliche Awareness Schulungen absolviert werden Prüfung obliegt dem AA BMWK/PTB FB 8.1 nicht zutreffend nicht zutreffend nicht zutreffend nicht zutreffend Hackathons, Vorlesungen wissenschaftliche Ausbildung Training auf möglichst wenigen Daten und damit verrinerter Energieverbrauch BMWK/PTB FB 9.53 keine Angabe nicht zutreffend nicht zutreffend nein keine Scheduling und asynchrone Verarbeitung sorgen für hohe Auslastung der GPU-/HW-Ressourcen und damit weniger HW- Einsatz. BMWK/PTB FB 7.2 nicht zutreffend nicht zutreffend nicht zutreffend nicht zutreffend Vortrag mit Demonstration über die Funktionsweise, Fähigkeiten und Grenzen des Systems wissenschaftliche Ausbildung BMWK/PTB FB 5.3 Wissenschaftliche Mitarbeiter werden nach TVöD bezahlt. Arbeitschutz wird durch PTB sichergestellt. nicht zutreffend Eigenentwicklung; keine Schulung nicht zutreffend persönlicher Austausch im Forschungsprojekt wissenschaftliche Ausbildung Energieverbrauch wurde nicht explizit erfasst; die Rechenzeit wurde optimiert. Keine verpflichtende Berücksichtigung. BMWE Z KI-Assistenzsystem Es werden keine Systeme trainiert. nicht zutreffend KI-System trifft weder Entscheidungen noch unterstützt es die Entscheidungsfindung. nicht zutreffend Es wird eine Schulung zu KI allen Mitarbeitenden angeboten. In Schulung enthalten. FA BMV/BMV Z KIPITZ siehe 1k) Bei der Auswahl von KI- System wurden Kritierien der Wirtschaftlichkeit, Souveränität, Barrierefreiheit, Diskriminierungsfreiheit sowie der IT-Sicherheit und des Datenschutzes vorgenommen. Im Rahmen eines KI-Befähigungskonzeptes ist geplant, dass Führungskräfte sowohl an einer für alle Mitarbeitenden verpflichtenden Weiterbildung zu Funktion von und Umgang mit KI-Anwendungen (wie in KIPITZ) als auch an einer Führungkräftespezifischen Weiterbildung teilnehmen. Für Führungskräfte für die Schulungen zur KI- Anwendungen werden keine gesonderten KI- Kompetenzen vorausgesetzt (sondern vermittelt), aber grundsätzliche Fach- und Leitungskompetenzen im eigenen Fachbereich. Dabei wird auf die bekannten Formen von Fehlern von KI- Systemen hingewiesen und zur Erkennung dieser befähigt. Im Rahmen eines KI- Befähigungskonzeptes wird zurzeit eine Pflichtweiterbildung für alle Mitarbeitenden vorbereitet, die Grundkenntnisse in KI und im sicheren Umgang im Rahmen der einer RDV KI für das Ressort vermittelt. Für Nutzende werden vor der Schulung keine KI- Kompetenzen vorausgesetzt, sondern im Rahmen der Schulung notwendige Grundkenntnisse (u.a. zu Risiken) vermittelt. FA bzw. Anbieter im Sinne der KI-VO ist ITZBund. Nähere Informationen sind bei ITZBund zu erfragen. BMV/BMV Z Virtueller Experte (Prototyp) kein Training im Rahmen des Projekts kein Training im Rahmen des Projekts System ist Prototyp. Keine spezifische Schulung. Im BMV besteht Pflicht für Schulung "KI-Führerschein" siehe 1o BMV/BMV Z Microsoft Copilot MS Copilot als EU-weit nutzbares, kommerzielles Angebot nach Maßgabe entsprechender EU- Rechtsgrundlagen. Keine Keine Interne Nutzungshinweise für alle Nutzenden. Interne Nutzungshinweise für alle Nutzenden. Keine Kriterien BMV/BAF Fehlanzeige BMV/BALM K3 IPKS - KONAU (Analytische KI) Sicherstellung im Rahmen der Auftragsvergabe Sicherstellung im Rahmen der Auftragsvergabe Behördenweite Qualifizierungsmaßnahme zur Nutzung von KI-Systemen sowie Projekbezogene Einweisung der Nutzenden. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungs-maßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Berücksichtigung im Rahmen der Projektplanung, respektive Evaluierung möglicher Lösungen/Alternativen BMV/BALM Stab Leitung Chatbot MILO (NLP) Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Behördenweite Qualifizierungsmaßnahme zur Nutzung von KI-Systemen sowie Projekbezogene Einweisung der Nutzenden. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungs-maßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Berücksichtigung im Rahmen der Projektplanung, respektive Evaluierung möglicher Lösungen/Alternativen BMV/BALM Z2 KIRA (Information Retrievel / Generische KI) Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Behördenweite Qualifizierungsmaßnahme zur Nutzung von KI-Systemen sowie Projekbezogene Einweisung der Nutzenden. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungs-maßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Berücksichtigung im Rahmen der Projektplanung, respektive Evaluierung möglicher Lösungen/Alternativen BMV/BALM Stab Leitung Lokales Assistenzsystem (Generische KI) Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Behördenweite Qualifizierungsmaßnahme zur Nutzung von KI-Systemen sowie Projekbezogene Einweisung der Nutzenden. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungs-maßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Berücksichtigung im Rahmen der Projektplanung, respektive Evaluierung möglicher Lösungen/Alternativen BMV/BALM Z6 Microsoft Copilot (Generische KI) Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Behördenweite Qualifizierungsmaßnahme zur Nutzung von KI-Systemen sowie Projekbezogene Einweisung der Nutzenden. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungs-maßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Berücksichtigung im Rahmen der Projektplanung, respektive Evaluierung möglicher Lösungen/Alternativen BMV/BALM K Webex Assistent (Generische KI) Entfällt. Siehe Frage 1k Entfällt. Siehe Frage 1k Behördenweite Qualifizierungsmaßnahme zur Nutzung von KI-Systemen sowie Projekbezogene Einweisung der Nutzenden. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungs-maßnahmen vermittelt. Notwendige Kompetenzen durch Qualifizierungsmaßnahmen vermittelt. Berücksichtigung im Rahmen der Projektplanung, respektive Evaluierung möglicher Lösungen/Alternativen BMV/EBA u. BEU Alle Chat-GPT keine Kosten durch BMV Ja Absolvierung des KI- Führerscheins Ja Absolvierung des KI- Führerscheins keine BMV/EBA u. BEU Alle Copilot keine Kosten durch BMV Ja Absolvierung des KI- Führerscheins Ja Absolvierung des KI- Führerscheins keine BMV/EBA u. BEU Alle KI-Tools der EU keine Kosten durch BMV Ja Absolvierung des KI- Führerscheins Ja Absolvierung des KI- Führerscheins keine BMV/BfG M2 Mittel- bis langfristige Wasserstandsvorhersa ge; momentan im präoperationellen Betrieb unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M2 Vorhersage des Wasserstandes und des Abflusses unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M5 / U3 Detektion von Plastik in Fließgewässern unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M5 / U3 Vegetationklassifikation unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M5 / U3 Ölerkennung auf dem Meer unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG U4 Fischerkennung unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M1, M3, U2 Integrierte Schwebstoffanalyse Tideems unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M1, Z2 Qualitätskontrolle von Messdaten unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M5 Qualitätskontrolle von Messdaten unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG G3,Z2 Prognose und Zusammenfassung molekularer Effekte von Umweltchemikalien und Mischungen unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG G2 Identifikation eines Non- Target-Screening- Features (unbekannt) anhand der Zusammensetzung (Retentionszeit, Messintensität und Masse-zu- Ladungsverhältnis) unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG M2 KI-gestützte Wasserhaushaltsmodel lierung unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BfG U4 Methodenentwicklung zur automatisierten Nachbearbeitung der Unterwasseraufnahme n und Klassifikation von Schweinswalpräsenz unzutreffend nein Selbststudium, Seminare, Abgleich mit KollegInnen Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/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 unzutreffend nein Selbststudium Ausreichende fachliche Sachkenntnis Selbststudium, ggf. KI-Führerschein, ggf. Einweisung Grundverständnis der Funktionsweise und Grenzen von KI-Systemen; Kompetenz zur kritischen Bewertung und verantwortungsvollen Nutzung der durch das KI- System bereitgestellten Informationen FA BMV/BSH MDZ KISS nicht relevant nicht relevant Selbststudium Technisches Verständnis, Datenschutz Einweisungen Grundsätzliches Verständnis von RAG-Anwendung Bewusstsein für Datenschutz und Nutzung der Anwendung keine BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren basierend auf meteorologischen und klimatologischen Datensätzen für KI- Anwendungen im gesamten DWD (Entwicklung des Softwareframeworks FRAIM - Framework for AI in Meteorology) KI-Verfahren werden derzeit im Hause entwickelt. Auswahl, Bewertung und Anwendung der Systeme erfolgen nach Regeln bester wissenschaftlicher Praxis in der Wetter- und Klimavorhersage durch Wissenschaftlerinnen und Wissenschaftler Kompetenzen durch Schulungen nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess, die im DWD regelmäßig durchgeführt werden. 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 Kompetenzen durch Schulungen nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess, die im DWD regelmäßig durchgeführt werden. 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. Kapizität der vorhandenen IT Infrastruktur (inkl. Energieverbrauch) mitberücksichtigt. BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren unter Verwendung von Sprach-KI und multimodalen Ansätzen zur Unterstützung basierend auf meteorologischen und klimatologischen Datensätzen sowie relevanten Textdokumenten für Klima- und Wetterservices im gesamten DWD (Entwicklung des Softwareframeworks DAWID - AI for DWD) KI-Verfahren werden derzeit im Hause entwickelt. Auswahl, Bewertung und Anwendung der Systeme erfolgen nach Regeln bester wissenschaftlicher Praxis in der Wetter- und Klimavorhersage durch Wissenschaftlerinnen und Wissenschaftler Kompetenzen durch Schulungen nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess, die im DWD regelmäßig durchgeführt werden. Nutzerinnen und Nutzer der KI- Anwendungen werden durch DWD organisierte Fortbildungen und Fortbildungspublikationen in die fachgemäße Nutzung eingeführt Kompetenzen durch Schulungen nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess, die im DWD regelmäßig durchgeführt werden. 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. Kapizität der vorhandenen IT Infrastruktur (inkl. Energieverbrauch) mitberücksichtigt. BMV/WSV U13 KI gestützte Verkehrserfassung der Freizeitschifffahrt ja - 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 - Es wurden keine Nachhaltigkeitskriterien erfasst. Diese waren nicht verpflichtend zu berücksichtigen. BMV/BASt SD BASTI Da die BASt kein eigenes Training von KI-Modellen durchführt oder in Auftrag gibt, fallen keine Tätigkeiten wie Datenannotation oder -klassifizierung an, die typischerweise mit den in der Frage genannten sozialen Risiken verbunden sind. Die Entwicklung der Anwendung erfolgt ausschließlich durch tariflich beschäftigtes Personal der BASt, bei dem die Einhaltung von Löhnen und Arbeitsschutzmaßnah men vollständig gewährleistet ist. Bei der Auswahl der genutzten vortrainierten Open- Source-Modelle wird auf etablierte und anerkannte Modelle aus transparenten Quellen gesetzt. Nicht erforderlich. Der Entscheidungsprozess für die Einführung und Konzeption des Systems wurde von Beginn an partizipativ gestaltet. Die Auswahl der Systemarchitektur und der technologischen Komponenten erfolgte durch internes Fachpersonal, welches über die notwendige Expertise in den Bereichen IT-Infrastruktur, Softwareentwicklung und KI-Technologien verfügt, in enger Abstimmung mit der Hausleitung und den zuständigen Interessenvertretungen. Ein zentrales Projektziel ist der gezielte Kompetenzaufbau. Dies geschieht nicht nur durch die praktische Entwicklungsarbeit, sondern auch durch die Konzeption und Erstellung umfassender Schulungsmaterialien und Regelwerke. Die Befähigung der Nutzenden zu einem verantwortungsvollen und kritischen Umgang mit dem KI- Assistenten ist ein zentraler Bestandteil des Projekts. Die Schulung erfolgt über ein mehrstufiges Konzept: • ◻Verpflichtender KI-Führerschein: Vor dem ersten Zugriff auf das System müssen alle Nutzenden einen verpflichtenden E-Learning-Kurs („KI- Führerschein“) über das interne Lernmanagementsystem absolvieren. Dieser schult nicht nur die Bedienung, sondern sensibilisiert insbesondere für die spezifischen Herausforderungen und Risiken von Sprachmodellen, wie Falschinformationen (Halluzinationen) und potenzielle Verzerrungen (Bias). • ◻K I - Handreichung: Allen Nutzenden steht eine umfassende Handreichung zur Verfügung. Diese definiert klare Regeln für die Nutzung und dient als Nachschlagewerk für den Umgang mit den Ergebnissen des Systems. • ◻Praktische Workshops: Das Schulungskonzept wird durch praxisorientierte Workshops ergänzt, in denen die Anwendung und die kritische Bewertung der Ergebnisse direkt im System erprobt werden können. Abgeschlossener KI- Führerschein, Kenntnis und Anwendbarkeit der KI- Handreichung der BASt Der gewählte On-Premises-Ansatz ist auch die strategische Grundlage für die volle Kontrolle und Optimierung des Energieverbrauchs. Nachhaltigkeitskriterien wurden bei der Auswahl des Systems wie folgt berücksichtigt: • ◻Effiziente KI-Modelle: Die technologische Souveränität ermöglicht den Einsatz von kleineren, auf den spezifischen Anwendungszweck zugeschnittenen Open-Source-Modellen. Diese arbeiten deutlich ressourcenschonender als die sehr großen Allzweck-Modelle („Frontier-Modelle“). • ◻Langlebigkeit und Unabhängigkeit: Der On-Premises-Ansatz gibt der BASt die volle Kontrolle über die Hardware- Lebenszyklen. • ◻Verzicht auf ressourcenintensives Training: Die BASt verzichtet bewusst auf ein eigenes Training und greift stattdessen auf bereits vortrainierte Open-Source-Modelle zurück. BMV/KBA Stabsstelle KI-Assistent z.B. KI-Führerschein BMV, Expertennetzwerk (KINet BMV) z.B. KI-Führerschein BMV, Expertennetzwerk (KINet BMV) BMV/KBA Stabsstelle NLU-Chatbot Schulung im Umgang mit dem Redaktionssystem BMV/KBA Abteilung 1 KI in der Softwareentwicklung z.B. KI-Führerschein BMV, Expertennetzwerk (KINet BMV) z.B. KI-Führerschein BMV, Expertennetzwerk (KINet BMV) BMI/BVA D KIPITZ Bitte ITZBund befragen. Bitte ITZBund befragen. Screencast mit Grundlagen zu KI sowie Test zur Erlangung des KI-KompetenzScheins (KEKS) der BAköV (Lernplattform Bund) sowie individuelle Schulungen. KEKS-Zertifikat oder alternativer Nachweis der KI- Kompetenz. Screencast mit Grundlagen zu KI sowie Test zur Erlangung des KI- KompetenzScheins (KEKS) der BAköV (Lernplattform Bund) sowie teils individuelle Schulungen. KEKS-Zertifikat oder alternativer Nachweis der KI- Kompetenz. FA, da Evaluationsphase. BMI/StBA C Verfahren des maschinellen Lernens in der amtlichen Statistik (Statistikproduktion) Ja, interne Entwicklung im StBA, Tarifbindung TVöD und Dienstrecht nicht zutreffend, da Entwicklung im StBA Entscheiderinnen und Entscheider sollen für Potenziale und Grenzen von KI-Verfahren sensibilisiert werden, über rechtliche und ethische Rahmenbedingungen informiert werden, in statistische Qualitätsanforderungen eingeführt und für die Bewertung von Modellrisiken und Verantwortlichkeiten befähigt werden. Von den entscheidenden Personen werden ein grundlegendes Verständnis für den Einsatzbereich von KI- Verfahren, die Fähigkeit zur Einschätzung von Chancen und Risiken sowie Kenntnisse zu rechtlichen Rahmenbedingungen, insbesondere Datenschutz und Diskriminierungsfreiheit, vorausgesetzt. Nutzerinnen und Nutzer wurden in die Funktionsweise und Anwendungsgrenzen des eingesetzten KI-Verfahrens eingeführt, mit der Bedienung der Benutzeroberfläche und der Interpretation der Ergebnisse vertraut gemacht, für mögliche Fehlerquellen und Unsicherheiten sensibilisiert, auf den verantwortungsvollen Umgang mit automatisierten Vorschlägen hingewiesen und über Ansprechpartner sowie Eskalationswege informiert. Von den Nutzenden werden ein grundlegendes Verständnis für den Anwendungszweck des KI- Verfahrens, die Fähigkeit zur kritischen Einordnung automatisierter Ergebnisse, Vertrautheit mit den eingesetzten fachlichen Prozessen sowie die Bereitschaft zum verantwortungsvollen Umgang mit den Systemvorschlägen vorausgesetzt. FA BMI/BPOL Abteilung 2 Videoanalyse auf Bahnhöfen nicht bekannt nein nein Forschung BMI/BPOL Abteilung 2 Sensorgestützte Tunnelmundüberwachu ng (Dynamic Vision Sensor) nicht bekannt nein nein Forschung BMI/BPOL Abteilung 6 QPS 201 P1+ und QPS 201 P2 nicht bekannt siehe 1j.) unbekannt, siehe 1i.) unbekannt, siehe 1i.) Nur in Bezug auf die Bedienung, nicht in Bezug auf die KI. Nur in Bezug auf die Bedienung, nicht in Bezug auf die KI. unbekannt, Teil des Ausschreibungsverfahrens BMI/BPOL Abteilung 5 ollama OS-Produkt entfällt System befindet sich noch in Konzeption System befindet sich noch in Konzeption System befindet sich noch in Konzeption System befindet sich noch in Konzeption System befindet sich noch in Konzeption. Dimensionierung noch nicht abgeschlossen. BMI/BPOL Abteilung 5 Open-WebUI OS-Produkt entfällt System befindet sich noch in Konzeption System befindet sich noch in Konzeption System befindet sich noch in Konzeption System befindet sich noch in Konzeption System befindet sich noch in Konzeption. Dimensionierung noch nicht abgeschlossen. BMI/BPOL Abteilung 5 Obsidian nicht bekannt BMI/BPOL Abteilung 5 Whisper nicht bekannt nicht bekannt nicht bekannt nicht bekannt In der Nutzung der Software keine Angabe nicht bekannt BMI/BPOL Abteilung 5 LibreTranslate nicht bekannt nicht bekannt nicht bekannt nicht bekannt In der Nutzung der Software keine Angabe nicht bekannt BMI/BPOL BPOLD FRA EnForce Air 2 nicht bekannt nicht bekannt nicht bekannt nicht bekannt In der Nutzung der Software nicht bekannt BMI/BPOL BPOLD FRA VisionFlex nicht bekannt nicht bekannt nicht bekannt nicht bekannt In der Nutzung der Software nicht bekannt BMI/BPOL Akademie Knowtion nicht bekannt nicht bekannt sehr kleiner Kreis, Schulung durch externe Firmen Kenntnisse europäische und nationale rechtl. Grundlagen; Verständnis KI- Datenverarbeitung; Reflexionsfähigkeiten Einweisung der Nutzenden nach Lizenzerhalt durch StSt E-L, Bereitstellung wesentlicher Dokumente Verständnis KI- Datenverarbeitung, Reflexionsfähigkeiten aufgrund geringen Umfangs nicht berücksichtigt. Grds. dient die Etablierung von E-Learning auch dem Ausbau der Nachhaltigkeit durch Reduktion von Präsenzfortbildungen BMI/BPOL Akademie Articulate 360 AI Assistant Add-on nicht bekannt nicht bekannt sehr kleiner Kreis, Schulung durch externe Firmen Kenntnisse europäische und nationale rechtl. Grundlagen; Verständnis KI- Datenverarbeitung; Reflexionsfähigkeiten; Prompting-Know-how Kreis Entscheidende/Nutzende ist gleich Verständnis KI- Datenverarbeitung, Reflexionsfähigkeiten, Prompting-Know-how aufgrund geringen Umfangs nicht berücksichtigt. Grds. dient die Etablierung von E-Learning auch dem Ausbau der Nachhaltigkeit durch Reduktion von Präsenzfortbildungen BMI/BPOL Akademie Synthesia nicht bekannt nicht bekannt sehr kleiner Kreis; Schulung im Sinne KI-VO noch vorgesehen. Kenntnisse europäische und nationale rechtl. Grundlagen; Verständnis KI- Datenverarbeitung; Reflexionsfähigkeiten; Prompting-Know-how Kreis Entscheidende/Nutzende ist gleich Verständnis KI- Datenverarbeitung, Reflexionsfähigkeiten, Prompting-Know-how aufgrund geringen Umfangs nicht berücksichtigt. Grds. dient die Etablierung von E-Learning auch dem Ausbau der Nachhaltigkeit durch Reduktion von Präsenzfortbildungen BMI/BPOL Akademie Adobe Creative Cloud All Apps nicht bekannt nicht bekannt sehr kleiner Kreis Nutzender, Schulung durch externe Firmen Kenntnisse europäische und nationale rechtl. Grundlagen; Verständnis KI- Datenverarbeitung; Reflexionsfähigkeiten; Prompting-Know-how Kreis Entscheidende/Nutzende ist gleich Verständnis KI- Datenverarbeitung, Reflexionsfähigkeiten, Prompting-Know-how aufgrund geringen Umfangs nicht berücksichtigt. Grds. dient die Etablierung von E-Learning auch dem Ausbau der Nachhaltigkeit durch Reduktion von Präsenzfortbildungen BMI/BPOL Akademie Synthesia nicht bekannt nicht bekannt sehr kleiner Kreis Nutzender, Schulung durch externe Firmen Kenntnisse europäische und nationale rechtl. Grundlagen; Verständnis KI- Datenverarbeitung; Reflexionsfähigkeiten; Prompting-Know-how Kreis Entscheidende/Nutzende ist gleich Verständnis KI- Datenverarbeitung, Reflexionsfähigkeiten, Prompting-Know-how aufgrund geringen Umfangs nicht berücksichtigt. Grds. dient die Etablierung von E-Learning auch dem Ausbau der Nachhaltigkeit durch Reduktion von Präsenzfortbildungen BMI/BPOL Abteilung 8 Chatbot der Bundespolizei Heilfürsorge Einhaltung Mindestlohngesetz, Einhaltung ILO Kernarbeitsnormen nicht bekannt Der Chatbot trifft keine Entscheidung und bereitet auch keine Entscheidung vor. Verbesserung der Energieeffizienz für Rechenzentrumsdienstleistungen kann in Bezug auf Einsparungen im Energieverbrauch eingesetzter Hardware angegeben werden (kg CO2). CO2 Footprint kann durch Nutzung von Ökostrom zusätzlich reduziert werden BMI/BPOL Abteilung 5 WhisperOPST nicht zutreffend (OS Comunity) Durch Fachaufsicht möglich unbekannt da externe Bereitstellung (BKA) unbekannt da externe Bereitstellung (BKA) Im Zuge der Anwenderbeschulung gegeben Beschulung für das polizeiliche Fachverfahren TKÜ nicht zutreffend, da externe Bereitstellung (BKA) BMI/BPOL Abteilung 6 Fahrerassistenzsystem e (FAS) aller gängigen Fahrzeughersteller siehe 1j.) siehe 1j.) unbekannt, siehe 1i.) unbekannt, siehe 1i.) Nur in Bezug auf die Bedienung, nicht in Bezug auf die KI. Nur in Bezug auf die Bedienung, nicht in Bezug auf die KI. unbekannt, Teil des Ausschreibungsverfahrens BMI/BPB Bundeszentrale für politische Bildung ChatGPT Team (8 Jahres-Lizenzen) siehe 1k siehe 1k Interne bereichsbezogene Schulungen und Workshops haben stattgefunden, Teilnahme an Veranstaltungen und Worskops zu AI Literacy, kontinuierliche Fortbildung Interne bereichsbezogene Schulungen und Workshops haben stattgefunden Teilnahme an Veranstaltungen und Worskops zu AI Literacy, kontinuierliche Fortbildung Kritische Prüfung und Abwägung in Einzelfällen (z.B. Bildgenerierung) beim Einsatz des Chatbots BMI/BBK Z KIPITZ Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann erst nach dem Testende zum 31.12.2025 beantwortet werden. Diese Frage kann erst nach dem Testende zum 31.12.2025 beantwortet werden. Diese Frage kann erst nach dem Testende zum 31.12.2025 beantwortet werden. Diese Frage kann erst nach dem Testende zum 31.12.2025 beantwortet werden. Diese Frage kann nur das ITZBund beantworten. BMI/BKA DI53-2 BLINK Nicht geprüft Nicht kontrolliert Alle Entscheider haben einen Hochschulabschluss (Master oder Promotion) im IT- bzw. KI-bezogenen Bereich und ebenso langjährige Berufserfahrung (mindestens 15 Jahre). Sie wurden nicht extra für die Aufgabe der Auswahl von KI-Modellen geschult, da hierfür bisher kein Schulungskonzept vorliegt. Vertiefte Kenntnisse im Training und in der Anwendung von KI-Modellen. Erfahrung im Umgang mit Open-Source-IT- Komponenten und den entsprechenden Lizenzen. Allgemeine KI-Schulungen auf LEOPOL Verständnis für die Gefahren von generativer KI (Falschinformationen, Halluzinationen etc.). Verpflichtung zur menschlichen Verantwortung für die Ergebnisse (--> Überprüfung) Es wurden keine Nachhaltigkeitskriterien erfasst. Derartige Kriterien werden nicht verpflichtend berücksichtigt. BMI/BKA DI53-2 KI-Model-Service KIMS Nicht geprüft Nicht kontrolliert Alle Entscheider haben einen Hochschulabschluss (Master oder Promotion) im IT- bzw. KI-bezogenen Bereich und ebenso langjährige Berufserfahrung (mindestens 15 Jahre). Sie wurden nicht extra für die Aufgabe der Auswahl von KI-Modellen geschult, da hierfür bisher kein Schulungskonzept vorliegt. Vertiefte Kenntnisse im Training und in der Anwendung von KI-Modellen. Erfahrung im Umgang mit Open-Source-IT- Komponenten und den entsprechenden Lizenzen. Allgemeine KI-Schulungen auf LEOPOL Verständnis für die Gefahren von generativer KI (Falschinformationen, Halluzinationen etc.). Verpflichtung zur menschlichen Verantwortung für die Ergebnisse (--> Überprüfung) Es wurden keine Nachhaltigkeitskriterien erfasst. Derartige Kriterien werden nicht verpflichtend berücksichtigt. BMI/BKA DI53-2 KIRA Nicht geprüft Nicht kontrolliert Alle Entscheider haben einen Hochschulabschluss (Master oder Promotion) im IT- bzw. KI-bezogenen Bereich und ebenso langjährige Berufserfahrung (mindestens 15 Jahre). Sie wurden nicht extra für die Aufgabe der Auswahl von KI-Modellen geschult, da hierfür bisher kein Schulungskonzept vorliegt. Vertiefte Kenntnisse im Training und in der Anwendung von KI-Modellen. Erfahrung im Umgang mit Open-Source-IT- Komponenten und den entsprechenden Lizenzen. Alle Nutzenden im BKA sind verpflichtet, eine KI- Grundlagenschulung zu absolvieren. Verständnis für die Gefahren von generativer KI (Falschinformationen, Halluzinationen etc.). Verpflichtung zur menschlichen Verantwortung für die Ergebnisse (--> Überprüfung) Es wurden keine Nachhaltigkeitskriterien erfasst. Derartige Kriterien werden nicht verpflichtend berücksichtigt. BMI/BKA DI53-2 BKA-Translate Nicht geprüft Nicht kontrolliert Alle Entscheider haben einen Hochschulabschluss (Master oder Promotion) im IT- bzw. KI-bezogenen Bereich und ebenso langjährige Berufserfahrung (mindestens 15 Jahre). Sie wurden nicht extra für die Aufgabe der Auswahl von KI-Modellen geschult, da hierfür bisher kein Schulungskonzept vorliegt. Vertiefte Kenntnisse im Training und in der Anwendung von KI-Modellen. Erfahrung im Umgang mit Open-Source-IT- Komponenten und den entsprechenden Lizenzen. Allgemeine KI-Schulungen auf LEOPOL Verständnis für die Gefahren von generativer KI (Falschinformationen, Halluzinationen etc.). Verpflichtung zur menschlichen Verantwortung für die Ergebnisse (--> Überprüfung) Es wurden keine Nachhaltigkeitskriterien erfasst. Derartige Kriterien werden nicht verpflichtend berücksichtigt. BMI/BKA DI53-2 Speech-to-Text Whisper Nicht geprüft Nicht kontrolliert Alle Entscheider haben einen Hochschulabschluss (Master oder Promotion) im IT- bzw. KI-bezogenen Bereich und ebenso langjährige Berufserfahrung (mindestens 15 Jahre). Sie wurden nicht extra für die Aufgabe der Auswahl von KI-Modellen geschult, da hierfür bisher kein Schulungskonzept vorliegt. Vertiefte Kenntnisse im Training und in der Anwendung von KI-Modellen. Erfahrung im Umgang mit Open-Source-IT- Komponenten und den entsprechenden Lizenzen. Allgemeine KI-Schulungen auf LEOPOL Verständnis für die Gefahren von generativer KI (Falschinformationen, Halluzinationen etc.). Verpflichtung zur menschlichen Verantwortung für die Ergebnisse (--> Überprüfung) Es wurden keine Nachhaltigkeitskriterien erfasst. Derartige Kriterien werden nicht verpflichtend berücksichtigt. BMI/BKA ZV11 Der intelligente Chatbot Trifft nicht zu, da kein Training Trifft nicht zu, da kein Training Schulung des Entscheiders nicht notwendig, da bereits Vorkenntnisse vorhanden.Einbindung der Fachbereichs erfolgt. Zur Verfügungstellung einer Kurzübersicht zur Anwendung des Chatbots. Verstehen und Anwenden der Hinweise aus Kurzübersicht. FA BMI/BKA KT34 Vocalise Unbekannt, da Korpusdaten durch Entwickler gestellt. nein Kenntnis über entsprechende Systeme über die wissenschaftliche Gemeinschaft (Konferenzen, Publikationen usw.) Hochschulstudium Phonetik, Linguistik, Ingenieurswesen oder vergleichbar Allgemeine KI-Schulungen auf LEOPOL Hochschulstudium Phonetik, Linguistik, Ingenieurswesen oder vergleichbar Etwaige von der Beschaffungsstelle geforderte Kriterien wurden eingehalten BMI/BKA KT34 Voice Inspector Unbekannt, da Korpusdaten durch Entwickler gestellt. nein Kenntnis über entsprechende Systeme über die wissenschaftliche Gemeinschaft (Konferenzen, Publikationen usw.) Hochschulstudium Phonetik, Linguistik, Ingenieurswesen oder vergleichbar Allgemeine KI-Schulungen auf LEOPOL Hochschulstudium Phonetik, Linguistik, Ingenieurswesen oder vergleichbar Etwaige von der Beschaffungsstelle geforderte Kriterien wurden eingehalten BMI/BKA KT43 NMR & IR & Raman Simulationen Alle Aspekte wurden berücksichtigt - keine Schulung bisher, da System noch in Entwicklung - keine Schulung bisher, da System noch in Entwicklung - bisher nicht bedacht, da genutzte Ressourcen minimal sind BMI/BKA KT43 Mass Spectral Interpreter Alle Aspekte wurden berücksichtigt - keine Schulung bisher, da System noch in Entwicklung - Allgemeine KI-Schulungen auf LEOPOL - bisher nicht bedacht, da genutzte Ressourcen minimal sind BMI/BKA KT43 METIS NPS AImEx (ChemInnovation GC- EI-MS Strukturaufklärung) Alle Aspekte wurden berücksichtigt - keine Schulung bisher, da System noch in Entwicklung - Allgemeine KI-Schulungen auf LEOPOL - bisher nicht bedacht, da genutzte Ressourcen minimal sind BMI/BKA KT53 DJ Es wurden OpenSource Modelle eingesetzt. nein Grundlagen des Informatikstudiums Grundlegene Kenntnisse über die Funktionsweise von KI Systemen Allgemeine KI-Schulungen auf LEOPOL Grundlegene Kenntnisse über die Funktionsweise von KI Systemen Wurden ausschließlich kleine, ressourcensparende, Modelle eingesetzt BMI/BKA KT31 STRmix entfällt (Da STRmix nicht auf der Methode des maschinellen Lernens basiert, findet kein Training des Systems statt.) entfällt Grundschulungen sind durch den Anbieter erfolgt Fachwissen im Bereich der forensischen DNA-Analytik sowie Grundverständnis für biostatistische Berechnungen Allgemeine KI-Schulungen auf LEOPOL Fachwissen im Bereich der forensischen DNA-Analytik sowie Grundverständnis für biostatistische Berechnungen keine, zum Zeitpunkt der Beschaffung bestand keine Notwendigkeit einer Nachhaltigkeitsprüfung BMI/BKA KT13-5 3D Visualisierung Gaussian Splatting/NeRFs nicht geprüft nein ja akademische Ausbildung/ Schulung Allgemeine KI-Schulungen auf LEOPOL akademische Ausbildung/ Schulung FA BMI/BKA DI21 Entitäten-Extraktions- Tool (EET) ja, Tariflöhne das TVÖD nein ja Kenntnisse bei Datenerfasnug aus Schriftverkehr Allgemeine KI-Schulungen auf LEOPOL Kenntnisse bei Datenerfasnug aus Schriftverkehr nicht relevant BMI/BKA TE14 2Captcha entfällt entfällt entfällt entfällt Allgemeine KI-Schulungen auf LEOPOL Die Anwendung wird ausschließlich durch ausgebildetes IT- Fachpersonal eingesetzt. TE14 hat bei der Nutzung bestehender Anwendungen keinen Einfluss auf die Berücksichtigung diverser Nachhaltigkeitskriterien. BMI/BKA DI23 Translation as a Service (TAAS) Allgemeine KI-Schulungen auf LEOPOL Keine Keine BMI/BKA CC15 Coding Assistant nicht geprüft nein Planung erfolgt nur durch Experten mit Hochschulabschluss im Bereich Informatik und Data Science Fachkenntnisse im Bereich KI/Data Science auf Expert Level Allgemeine KI-Schulungen auf LEOPOL Anwendungsentwickler mit entsprechender Ausbildung Zum Zeitpunkt der Entwicklung/Bereitstellung (06/2023) war kein Kaufsystem verfügbar; System für PoC BMI/BKA OE12-4 ID-Reader Entwicklung in Deutschlad. erfolgt Nutzerschulungen und Sensibilisierung zur KI findet Amtsweit verpflichtend statt. keine Allgemeine KI-Schulungen auf LEOPOL keine gemäße Beschaffungsvorschriften erfolgt. BMI/BKA OE12-4, DI33 SYSTRAN keinne Aussage möglich da extern Enwicklung in Frankreich. keinne Aussage möglich da extern Nutzerschulungen und Sensibilisierung zu KI findet Amtsweit verpflichtend statt. keine Allgemeine KI-Schulungen auf LEOPOL keine gemäße Beschaffungsvorschriften erfolgt. BMI/BKA OE12, OE13, OE14 Vergleichsgeräte (IoT) Allgemeine KI-Schulungen auf LEOPOL BMI/BKA OE12, OE13, OE14 Vergleichsgeräte (Smartphones) Allgemeine KI-Schulungen auf LEOPOL BMI/BKA OE 16-5 KI-gestützte Personenerkennungsfu nktion im Kamerasystem der Drohne AUTEL EVO Max 4T auf Basis von "OpenAI" nicht kontrollierbar nicht kontrollierbar Keine spezielle Schulung zur Beschaffung von Systemen mit KI Teilkomponenten Nicht festgelegt Allgemeine KI-Schulungen auf LEOPOL Befähigung zum Führen von UAS (Kompetenz-nachweis A1/A2/A3) Keine BMI/BKA OE22 OE22 AI Spielwiese Es wurden frei verfügbare Modelle verwendet, Training selbst findet nicht statt. Wie die frei verfügbaren Modelle traniert wurden wurde nicht geprüft. Es wurden frei verfügbare Modelle verwendet, Training selbst findet nicht statt. Wie die frei verfügbaren Modelle traniert wurden wurde nicht geprüft. Verpflichtende BKA interne Schulungen zur Nutzung von KI Systemen. Siehe Schulung Allgemeine KI-Schulungen auf LEOPOL Erfolgreicher Abschluss der entsprechenden Schulungen Die Nachhaltigkeit der Systeme ist Teil laufender Evaluation BMI/BKA OE24 Code Completion in PyCharm Allgemeine KI-Schulungen auf LEOPOL BMI/BKA OE24 IntelliSense Allgemeine KI-Schulungen auf LEOPOL BMI/BKA OE24 Microsoft Copilot Allgemeine KI-Schulungen auf LEOPOL BMI/BKA OE24-3 Robocop Allgemeine KI-Schulungen auf LEOPOL BMI/BKA OE15-1 technische Auswerteunterstützung für digitale Textmassendaten in Asservaten Behördenbeschäftigte Behörde ja studierte Analysten Allgemeine KI-Schulungen auf LEOPOL studierte Analysten Ermittlungserfordernis BMI/BKA OE15-2 technische Auswertunterstützung für digitale Bild- und Videomassendaten in Asservaten Behördenbeschäftigte bzw freie Wirtschaft Behörde ja studierte Ingenieure und wissenschaftliche Mitarbeiter Allgemeine KI-Schulungen auf LEOPOL studierte Ingenieure und wissenschaftliche Mitarbeiter und polizeiliche Sachbearbeiter Ermittlungserfordernis BMI/BKA TE14 Free Captcha Solver entfällt entfällt entfällt entfällt Allgemeine KI-Schulungen auf LEOPOL Die Anwendung wird ausschließlich durch ausgebildetes IT- Fachpersonal eingesetzt. TE14 hat bei der Nutzung bestehender Anwendungen keinen Einfluss auf die Berücksichtigung diverser Nachhaltigkeitskriterien. BMI/BKA TE14 AntiCaptcha entfällt entfällt entfällt entfällt Allgemeine KI-Schulungen auf LEOPOL Die Anwendung wird ausschließlich durch ausgebildetes IT- Fachpersonal eingesetzt. TE14 hat bei der Nutzung bestehender Anwendungen keinen Einfluss auf die Berücksichtigung diverser Nachhaltigkeitskriterien. BMI/BKA TE14 CapMonster entfällt entfällt entfällt entfällt Allgemeine KI-Schulungen auf LEOPOL Die Anwendung wird ausschließlich durch ausgebildetes IT- Fachpersonal eingesetzt. TE14 hat bei der Nutzung bestehender Anwendungen keinen Einfluss auf die Berücksichtigung diverser Nachhaltigkeitskriterien. BMI/BAMF 7, 2 Assistenzsystem für Sicherheitsmeldungen (ASM) 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. 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 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 den Nutzenden telefonisch, als auch über ein E-Mail- Funktionspostfach bei Fragen jederzeit zur Verfügung. Nutzung eines Webbrowsers; Erfahrungen mit der Bewertung der Sicherheitsrelevanz von Sachverhalten 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 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. 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. Nutzung eines Webbrowsers; Erfahrungen mit der Bewertung der Sicherheitsrelevanz von Sachverhalten 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, welche eine fehlerfreie Durchführung von Trainingsoperationen garantieren. BMI / ZITiS Digitale Forensik Stable Diffusion nicht bekannt AW durch BReg Ja, wurde bei Einführung der Anwendung innerhalb der Behörde durchgeführt keine spezifischen ja,grundlegende rechtliche Schulung zum Einsatz von KI Tools Grundkenntnisse im Umgang mit generativer KI keine BMI / ZITiS Digitale Forensik Eleven Labs nicht bekannt AW durch BReg Ja, wurde bei Einführung der Anwendung innerhalb der Behörde durchgeführt keine spezifischen ja,grundlegende rechtliche Schulung zum Einsatz von KI Tools Grundkenntnisse im Umgang mit generativer KI keine BMI / ZITiS Digitale Forensik Inseyets nicht bekannt AW durch BReg bei Bedarf keine spezifischen ja,grundlegende rechtliche Schulung zum Einsatz von KI Tools Kenntnisse im Bereich der digitalen Forensik und Datenauswertung keine BMI / ZITiS Zentraler Service Noxtua Deutsches Unternehmen AW durch BReg Ja, wurde bei Einführung der Anwendung innerhalb der Behörde durchgeführt juristische Expertise Ja, wurde bei Einführung durchgeführt Juristische Expertise keine BMI/BPOL Abteilung 5 @rtus mobil/mobile Datenerfassung nicht bekannt nicht bekannt nicht bekannt nicht bekannt nicht bekannt nicht bekannt nicht bekannt BMI/BPOL Abteilung 5 @rtus mobil/Auslesen Ausweisdokuente nicht bekannt nicht bekannt nicht bekannt nicht bekannt nicht bekannt nicht bekannt nicht bekannt Allgemeine Angaben Frage 2c) Frage 2d) Frage 2e) Frage 2f) Frage 2g) Frage 2h) Frage 2i) Frage 2j) Ressort / Behörde Abteilung KI-System Welche Risikoklasse gemäß des im KI-VO zugrunde gelegten Risikoklassenmodells: expl. Benennung und Beschreibung, sowie ggf. weitere Risikoklassenmodelle, die nicht in KI-VO erfasst sind Klassifizierung nach Risikoklassenmodell Falls andere Technikfolgenabschätzu ng bitte stichpunktartig erläutern Falls kein Risikoklassenmodell/ keine Klassifizierung und/oder keine Technikfolgenabschätzung vorgenommen wurde, bitte begründen Auswirkung auf geplanten KI- oder (Nicht-KI-)Einsatz durch Risikobewertung? wenn ja bitte beschreiben Dokumentation von Informationen und Daten zur Risikobewertung, um Erkenntnisse anderen zur Verfügung zu stellen Untersuchung und Bewertung des Risikos hinsichtlich Diskriminierung von einzelnen Maßnahmen zur Minimierung der Diskriminierungrisiken BMJV / DPMA elekt. Klassifikator nach IPC geringes/minimales Risiko KI mit Transparenzvorschriften ./. ./. nein MaKi nicht zutreffend, da kein Bezug zu Personen oder Gruppen nicht zutreffend, da kein Bezug zu Personen oder Gruppen BMJV / DPMA Kognitive Suche für das Patentprüfungsverfahre n geringes/minimales Risiko KI mit Transparenzvorschriften ./. ./. nein MaKi nicht zutreffend, da kein Bezug zu Personen oder Gruppen nicht zutreffend, da kein Bezug zu Personen oder Gruppen BMJV / DPMA Akten/Prüferkarteirecher che und Patentrecherche geringes/minimales Risiko KI mit Transparenzvorschriften ./. ./. nein intern nicht zutreffend, da kein Bezug zu Personen oder Gruppen nicht zutreffend, da kein Bezug zu Personen oder Gruppen BMJV / DPMA Checking-Claims geringes/minimales Risiko KI mit Transparenzvorschriften ./. ./. nein MaKi nicht zutreffend, da kein Bezug zu Personen oder Gruppen nicht zutreffend, da kein Bezug zu Personen oder Gruppen BMJV / DPMA WIPO-Translate nicht angewendet keine Risikoklasse nach KI-VO ./. System trifft weder Entscheidung, noch bereitet es Entscheidungen vor nein MaKi - geplant nicht zutreffend, da kein Bezug zu Personen oder Gruppen nicht zutreffend, da kein Bezug zu Personen oder Gruppen BMUKN Z KIRAS (MaKI-ID: BD20247483453) geringes/minimales Risiko geringes/minimales Risiko Die Risiken im Zusammenhang mit der Nutzung großer Sprachmodelle wurde anwendungsfallbezogen 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 Red teaming zur Untersuchung des Bias des genutzten Modells. Entwicklung von Nutzungs-Leitlinien, um die Risiken bei der Nutzung von großen Sprachmodellen zu minimieren. BMUKN / Umweltbundesa mt (UBA) Anwendungsl abor für Künstliche Intelligenz und Big Data (KI-Lab) geringes/minimales Risiko minimales Risiko Das KI-Labor am UBA bewertet Projekte nach 20 Kriterien (z.B. Datenschutz, Bias, ethische Schulungen der Beteiligten, Automatisierungsgrad, Datenqualität, Profiling,…) zusammen mit einer promovierten KI-Ethikerin - Keine Auswirkungen, da nur minimales Risiko Es gibt einen Kriterienkatalog zu Use Case Bewertung, den wir bei Anfrage bereitstellen. Zudem gibt es eine wissenschaftliche Veröffentlichung des KI- Lab zum Diskriminierenden Daten im Kontext von KI- Systemen. (Discriminatory data yields discriminatory systems: when AI biases harm human beings (Entschew, 2024)) Im Rahmen der Risikoanalyse neuer KI-Anwendungen erfolgt im KI-Lab am UBA eine systematische Prüfung potentieller Diskriminierungsfälle mittels strukturierter ethischer Ersteinschätzungsbögen. Diese dienen der frühzeitigen Identifikation möglicher negativer Auswirkungen auf marginalisierte Gruppen. Ergänzend setzen wir auf kontinuierliche Selbstreflexion, interne Schulungen zu KI-Ethik sowie ein Mehraugenprinzip zur Qualitätssicherung. Bei der Einführung zentraler Technologien in behördlichen Kontexten werden darüber hinaus umfassende ethische Analysen durchgeführt, um intersektional-reflexive Handlungsempfehlungen zu erarbeiten und diskriminierungssensible Implementierungen zu gewährleisten. Im Rahmen unserer Arbeit im KI-Lab am UBA haben wir ein Schulungskonzept zu KI-Ethik entwickelt, das sowohl intern als auch als Weiterbildungsangebot für Fachbereiche genutzt wird. Darüber hinaus achten wir bei der Auswahl neuer Use Cases gezielt darauf, Projekte auszuwählen, die zu einer verantwortungsvollen und diskriminierungssensiblen Gesellschaftsgestaltung beitragen. Werden im Entwicklungsprozess Risiken für marginalisierte Gruppen identifiziert, geben wir diese Erkenntnisse systematisch an die zuständigen Fachstellen zurück und sprechen konkrete Handlungsempfehlungen aus, um Anpassungen und Verbesserungen zu initiieren. BMUKN / Bundesamt für Naturschutz (BfN) Abteilung I 1 Digitalisierun g, Naturschutzi nformation (zuständig: Fachgebiet I 1.1) geringes/minimales Risiko Kein Risiko Erstellung von Datenschutzkonzepten bei DSGVO-relevanten KI- Projekten Nicht zutreffend BMUKN / Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE) Abteilung T – Verwaltungst ransformatio n und Öffentlichkeit sarbeit (zuständig: Referat T4) Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI-System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Deshalb können zu diesem Zeitpunkt noch keine verbindlichen Aussagen zu Risikoklasse etwaiger KI-Systeme getroffen werden. Ausnahme ist das Projekt mit der ID: BD20247810459 im MAKI. Hier verweist das BASE auf den entsprechenden Projektsteckbrief und die aufgeführte „Risikokategorie“. Voraussichtlich werden auch die anderen Projekte die Einstufung begrenztes Risiko haben. Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI-System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Deshalb können zu diesem Zeitpunkt noch keine verbindlichen Aussagen zu Risikomodellen getroffen werden. Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI- System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Deshalb können zu diesem Zeitpunkt noch keine verbindlichen Aussagen zu Risikomodellen getroffen werden. Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI- System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI-System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. Daher lassen sich dazu derzeit keine Angaben machen. Ausnahme: Die Evaluation von KI-Verfahren wird im Rahmen eines Forschungsvorhaben erfolgen. Üblicherweise werden die Abschlussberichte von Forschungsvorhaben des BASE veröffentlicht. Die Projekte befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung (z.T. mit dem UBA-KI LAB). Ein konkretes KI- System für die Projekte ist derzeit noch nicht ausgewählt oder im Einsatz. BMUKN / Bundesamt für Strahlenschutz (BfS) Abteilung DO "Digitalisierun g und Organisation" (zuständig: Referat DO4) geringes/minimales Risiko geringes/minimales Risiko Ethische Kriterien wurden in die Lizenzbedingungen von entwickelter Software aufgenommen. Über das Transparenzregister auf dem MaKI Gefahren wie Diskriminierungsrisiken werden bei der Auswahl von Anwendungen untersucht fließen in den Entscheidungsprozess mit ein. Ein Einsatz von KI im Personalwesen ist innerhalb des BfS augeschlossen. Innerhalb von Schulungen werden Mitarbeitende auf die Risiken hingewiesen und darüber informiert, dass KI-generierte Inhalte diesbezüglich kritisch geprüft werden müssen. Anwendungen werden stets vor der Einführung getestet, wo insbesondere auch Fälle von Diskriminierungen gemeldet und bei der Entscheidung über eine Einführung berücksichtigt werden. BMAS D (hier Fragen 1 und 2; konkret: Trend- und Themenscan ning („Horizon Scanning“ / denkfabrik.ai) geringes/minimales Risiko entfällt entfällt Beim Trend- und Themenscanning („Horizon Scanning“) werden Textquellen (wissenschaftliche Publikationen, Forschungsdatenbanken, Nachrichten, soziale Medien, Blogs, Statistiken, offizielle Stellen) durchsucht, um zukünftig potenziell relevante Themen zu identifizieren. Mithilfe von KI werden dafür zusammenfassende Beschreibungen erzeugt, welche kontinuierlich durch ein (menschliches) Redaktionsteam gefiltert werden und gemeinsam mit Mitarbeiterinnen und Mitarbeitern des BMAS hinsichtlich ihrer Relevanz und möglichen zukünftigen Auswirkungen diskutiert werden. nein entfällt entfällt entfällt BMAS Z geringes/minimales Risiko Kitikalitätspyramide und risikoadaptiertes Regulierungssystem der Datenehtikkommission = geringes Schädigungspotenzial. Schutzbedarfsfeststellung nach dem IT-Grundschutz (BSI Standard 2002-2) und Datenschutzfolgenabschät zung. 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. Dokumentation erfolgt unter Beachtung der jeweiligen Vorgaben und Standards zur Druchführung von Risikobewertungen. Datenschutzfolgenabschätzung und Betrachtung im IT- Sicherheitskonzept. Risiko ist im Projekt als niedrig bewertet, da überwiegend ein RAG Ansatz (Retrieval-Augmented Generation) zum Einsatz kommt. Die KI-Ergebisse werden mit Referenzen auf die Datenquellen erzeugt. Risikoanalysen werden durchgeführt und hieraus abgeleitete Maßnahmen umgesetzt. BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit KIEZ geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. nicht relevant BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit Experten-KI-RAGs geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. nicht relevant BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit Check-KI geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi FA nicht relevant BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit NegotiateCOP geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. Projektbegleitendes Qualitätsmanagement BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit PortfolioNavigator geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. nicht relevant BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit SimplifAI geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. nicht relevant BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit Evidenz-Chatbot geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. nicht relevant BMZ Globale Gesundheit; Chancengere chtigkeit; Digitalisierun g; Ernährungssi cherheit AutoRedact geringes/minimales Risiko FA N/A Für den Use Case nicht für relevant erachtet FA MaKi Das Risiko besteht durch bestehende Biases in vortrainierten Modellen, es wird explizit geschult und darauf hingewiesen, dass Modelloutput Biases reproduzieren kann und vom Nutzenden kritisch geprüft werden müssen. nicht relevant AA AA weit KI Assistenz für die Aufgaben Chat, Zusammenfassung, Recherche; RAG System Risikobewertungen werden auf der Basis der gesetzlichen Vorgaben sowie einschlägiger interner Richtlinien als Teil der lfd. Projektdokumentation nachgehalten. geringes/minimales Risiko entfällt entfällt nein Dokumentation in vorgesehenen Formate, z.B. Checkliste, Verwaltunsgintern nachnutzbar. wurde bei der Wahl des Modells mittel model card bewertet Testing und regelmäßige Modellüberprüfung AA AA weit Übersetzungen Risikobewertungen werden auf der Basis der gesetzlichen Vorgaben sowie einschlägiger interner Richtlinien als Teil der lfd. Projektdokumentation nachgehalten. geringes/minimales Risiko entfällt entfällt nein Dokumentation in vorgesehenen Formate, z.B. Checkliste, Verwaltunsgintern nachnutzbar. nicht einschlägig nicht einschlägig AA AA weit Unterstützung bei Bürgeranfragen durch teilautomatische Klassifizierung, um möglichst zielgenaue Antworten aus den Internet-FAQ Bereich in der ersten Autoantwort zu versenden. Risikobewertungen werden auf der Basis der gesetzlichen Vorgaben sowie einschlägiger interner Richtlinien als Teil der lfd. Projektdokumentation nachgehalten. geringes/minimales Risiko entfällt entfällt nein Dokumentation in vorgesehenen Formate, z.B. Checkliste, Verwaltunsgintern nachnutzbar. nicht einschlägig nicht einschlägig BMDS DS (Ref DS II 2 Beschaffung scontrolling) Bert-v2 nicht angewendet Verweis auf Antwort 2c) Verweis auf Antwort 2c) Die beim PoC zum Einsatz gekommene Lösung ist ein sog. Small-Language-Model, welches lokal auf einem Computer läuft. Eine Risikoklassenmodellierung wird beim Aufbau eines Produktivsystems durchgeführt. Verweis auf Antwort 2f) Verweis auf Antwort 2f) Verweis auf Antwort 1e) Verweis auf Antwort 1e) BMDS DS (Ref DS II 7) EMMA Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt Dies wird durch DL sichergestellt BMF/ BMF hausweit KIPITZ geringes/minimales Risiko nein Trifft nicht zu. Es gibt keinen abschließenden Test der jegliche Diskriminierung in KI-Modellen aufdecken kann. Durch die Maßnahmen (siehe Folgefrage) wird das Risiko von Diskriminierung minimiert. keine Automatisierung; Output der KI hängt vom Input der Nutzenden ab (Sensibilisierung im Rahmen des KI- Kompetenzaufbaus ist erfolgt); zusätzlich senken spezifische Systemprompts das genannte Risiko. BMF ITZBund Chatbot BITZ nicht angewendet Zum Release des Chatbots (2021) war der EU-AI-Act noch nicht verabschiedet. 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 allerdings von einer Klassifizierung „minimal risk“ ausgegangen werden. nein Durch den Fachbereich wurde keine Risikobewertung durchgeführt. Daher wurde auch nichts dokumentiert. Es erfolgt keine spezifische Risikountersuchung. Aufgrund der Technologieauswahl wird das Antwortverhalten maßgeblich durch die Eingaben der Redaktion bestimmt. Nicht erforderlich, siehe Antwort auf 1j). BMF ITZBund Chatbot KIRA geringes/minimales Risiko nein Es erfolgt keine spezifische Risikountersuchung. Aufgrund der Technologieauswahl wird das Antwortverhalten maßgeblich durch die Eingaben der Redaktion bestimmt. Nicht erforderlich, siehe Antwort auf 1j). BMF ITZBund Pilotierung - Show-Case für Beratung nicht angewendet nicht angewendet kein produktiver Einsatz; nicht angewendet da open Source Daten nein Modelle wurden hinsichtlich Verwenbarkeit (Lizenzen) im Rahmen der Projektdokumentation bewertet Es erfolgt keine spezifische Risikountersuchung. Aufgrund der Technologieauswahl und Use- Cases wird das Antwortverhalten durch die Kundendaten bestimmt. Nicht erforderlich, siehe Antwort auf 1j). BMF ITZBund KIPITZ geringes/minimales Risiko nein keine notwendig Es gibt keinen abschließenden Test der jegliche Diskriminierung aufdecken kann. Durch die Maßnahmen (siehe Folgefrage) wird das Risiko von Diskriminierung minimiert. keine Automatisierung; Output der KI hängt von Input der Nutzenden ab (Sensibilisierung im Rahmen des KI- Kompetenzaufbaus ist erfolgt); zusätzlich spezifische Systemprompt zur Senkung des genannten Risikos BMF GZD nicht angewendet Die Risikoklassifizierung der KI-Anwendungen befindet sich gegenwärtig in der Erstellung. Daher kann bzgl. Fragen 2. a) bis e) und g) zum jetzigen Zeitpunkt noch keine Auskunft erteilt werden. Eine Risikoklassifizierung befindet sich gegenwärtig in der Erstellung und wurde aufgrund mangelnder Personalressource sowie entsprechender Kompetenz noch nicht fertiggestellt. Die KI-Modelle sowie Informationen und Daten zur jeweiligen Risikobewertung werden zeitnah in den Marktplatz der KI-Möglichkeiten (MaKi) eingetragen. Ein Zugang wurde beantragt. Derzeit wird auf die Freischaltung durch einen Administrator gewartet. Diesbezüglich wird auf die Antwort des IT-Dienstleisters der Zollverwaltung (ITZBund) als Anbieter der KI-Anwendung, verwiesen. BMF GZD eZoll-App nicht angewendet Die Risikoklassifizierung der KI-Anwendungen befindet sich gegenwärtig in der Erstellung. Daher kann bzgl. Fragen 2. a) bis e) und g) zum jetzigen Zeitpunkt noch keine Auskunft erteilt werden. Eine Risikoklassifizierung befindet sich gegenwärtig in der Erstellung und wurde aufgrund mangelnder Personalressource sowie entsprechender Kompetenz noch nicht fertiggestellt. Die KI-Modelle sowie Informationen und Daten zur jeweiligen Risikobewertung werden zeitnah in den Marktplatz der KI-Möglichkeiten (MaKi) eingetragen. Ein Zugang wurde beantragt. Derzeit wird auf die Freischaltung durch einen Administrator des BMDS gewartet. Diesbezüglich wird auf die Antwort des IT-Dienstleisters der Zollverwaltung (ITZBund) verwiesen. BMFTR Z HdP Chatbot nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMFTR 1 Emerging Technologies Radar (Prototyp) nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Das EU-KI-Gesetz erlegt dem Emerging Technology Radar mit hoher Wahrscheinlichkeit keine rechtlichen Verpflichtungen auf (s. Compliance Check auf Artificialintelligenceact.eu). Gründe sind: 1) es wurde kein Allzweck-AI- Modell nach Artikel 3 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 Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMFTR Z OpenWebUI nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMFTR Z Auto-Summarizer nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMFTR Z Fragewesen nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMFTR Z OpenRedact nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMFTR Z EGO-Chatbot nicht angewendet Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI- VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. Nicht zutreffen, da begrenztes Risiko nach KI-VO. BMG|BfArM 1 Zulassung Die Risikoklassifizierung würde nach erfolgreicher Validierung des Frühwarnsystems vorgenommen werden würde voraussichtlich in die Klasse „Minimales Risiko“ fallen. Eine vollständige Automatisierung der Kritikalitätsbewertung ist nicht vorgesehen. BMG|BfArM 7 Pharmakovig ilanz Nach positiver Pilotierungsphase von ChatGPT würde die zugrunde zu legende Risikoklasse determiniert werden. BMG|BfArM 9 Medizinprodu kte geringes/minimales Risiko Nein Bisher aufgrund der starken Spezialisierung nicht vorgesehen BMLEH/MRI Leitung KIDA AIChat im Rahmen von KIDA geringes/minimales Risiko begrenztes Risiko N.A. N.A. Entsprechende Transparenzvorgaben durch KI- VO werden umgesetzt werden, Sensibilisierung aller Nutzenden zur Anwendung an sich sowie zu einer allgemeinen KI- Handreichung sind Voraussetzungen für den Betrieb des Dienstes Interne Dokumentation N.A. N.A. BMLEH/MRI Leitung ScrAIbe im Rahmen von KIDA geringes/minimales Risiko minimales Risiko N.A. N.A. Entsprechende Transparenzvorgaben durch KI- VO werden umgesetzt werden, Sensibilisierung aller Nutzenden zur Anwendung an sich sind Voraussetzungen für den Betrieb des Dienstes Interne Dokumentation N.A. N.A. BMLEH/MRI Sicherheit und Qualität bei Getreide "Application of simulations and machine learning to detect edible oil adulteration" im Rahmen von KIDA geringes/minimales Risiko minimales Risiko - fällt nicht unter KI-VO, da reines Forschungsprojekt sowie Open Source Veröffentlichung N.A. N.A. Keine Interne Dokumentation N.A. N.A. BMLEH/MRI Nationales Referenzzent rum für authentische Lebensmittel Fish-ID geringes/minimales Risiko begrenztes Risiko N.A. N.A. Vorgaben der KI-VO werden umgesetzt Interne Dokumentation N.A. N.A. BMLEH/BfR 66 molOCR geringes/minimales Risiko Es handelt sich um ein unterstützendes System ohne Autonomie und immer verbunden mit Expert Judgement, daher trifft hier kein Risikomodell zu. Unterstützend bei der Erfassung und Digitalisierung von chemischn Strukturen für die Bewertung unter dem Dogma der "One Substance, One Assassment". Veröffentlichungen als Bewertungen im jeweligen Geltungsbereich. BMLEH/BfR 63 Sarah Nexus nicht angewendet Prüfung der Risikoklasse nach KI-Verordnung erfolgt. SarahNexus fällt in keine Risikoklasse. Sarah Nexus ein kommerzielles Tool, das keinen personengebunden Daten verwendet und einzig zur Mutagenitätsvorhersage von chemischen Stoffen genutzt wird. nicht zutreffend nicht zutreffend nicht zutreffend nicht zutreffend BMLEH/BfR FG 73/FG 94 DistillerSR Professional nicht angewendet Prüfung der Risikoklasse nach KI-Verordnung erfolgt. DisitllerSR fällt in keine Risikoklasse. Keine zeitnahe Beantwortung von Fragestellungen möglich, da personell der Arbeitsaufwand nicht ohne KI zu bewältigen ist. Beantwortung von deutlich umfassenderen Fragen möglich. interne Dokumentation BMLEH/BfR 23 DeepL geringes/minimales Risiko Begrenztes Risiko (Anbieter ist DeepL), BfR ist nur Nutzer — — BfR ist nur Nutzer, hat zur Anwendung eine Hausverfügung erstellt Hausverfügung wurde im Intranet veröffentlicht Hausverfügung wurde im Intranet veröffentlicht Hausverfügung wurde im Intranet veröffentlicht BMLEH/BfR 94 SMAFIRA nicht angewendet Es handelt sich nicht um eine generative KI, sondern nur um ein Klassifikationssystem. Die Ergebnisse sollen durch die Nutzenden überprüft werden. Ohne den KI-Einsatz kann SMAFIRA nicht in dieser Qualität angeboten werden BMLEH/BfR 33/8FZ Happy Chicken geringes/minimales Risiko Forschungsprojekt. Es handelt sich um ein unterstützendes System ohne Autonomie und immer verbunden mit Expert Judgement, daher trifft hier kein Risikomodell zu. Dieses Forschungsprojekt soll die Grundlage für ein mögliche zukünftige automatiserte Überwachung von Hühnerherden dienen, z.B. für die Verbesserungs des Tierwohls, oder der automatiserten Tierbeobachtung über die Zeit Veröffentlichungen als Bewertungen im jeweligen Geltungsbereich. Veröffentlichungen als Bewertungen im jeweligen Geltungsbereich. Veröffentlichungen als Bewertungen im jeweligen Geltungsbereich. BMLEH/BfR 1IZ/DSB GenAI Prompt / KI- basierte Textzusammenfassung andere(s) Risikomodell/Technikfolgenabschätz ung KI‑Modell mit allgemeinem Verwendungszweck Es handelt sich um ein KI- Modell mit allgemeinem Verwendungszweck nach der KI-VO. Innerhalb des BfR wird dieses jedoch nur für Anwendungszwecke mit minimalem Risiko zugelassen. ./. Nur für Anwendungszwecke mit minimalem Risiko zugelassen. Innerhalb des definierten Freigabeprozesses Innerhalb des definierten Freigabeprozesses Innerhalb des definierten Freigabeprozesses BMLEH/JKI JKI-ZR SelWineQ nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation BMLEH/JKI JKI-ZR KI-iREPro nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation BMLEH/JKI JKI-ZR KI-iREPro, DigiVine,PhytoMo nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation BMLEH/JKI JKI-ZR Semantic Search Vitis- Vea nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Vor der Produktivsetzung werden Maßnahmen umgesetzt, um Risiken zu minimieren: Transparenzhinweise über KI- basierte Ergebnisse, sowie Prüfung der datenschutz- und urheberrechtlichen Rahmenbedingungen. Unter diesen Bedingungen ist der Einsatz des Systems möglich. Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation BMLEH/JKI JKI-ZR DFG, MGGL, VITIFIT nicht angewendet GLP von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen nein Wissenschaftliche Dokumentation die Anwendung bezieht sich auf Blattscheiben von Weinreben und ist nicht auf Menschen anwendbar trifft nicht zu: die Anwendung bezieht sich auf Blattscheiben von Weinreben, eine Diskriminierung von Menschen ist nicht möglich BMLEH/JKI JKI-ZR VITIFIT nicht angewendet GLP von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen nein Wissenschaftliche Dokumentation die Anwendung bezieht sich auf Blattscheiben von Weinreben und ist nicht auf Menschen anwendbar trifft nicht zu: die Anwendung bezieht sich auf Blattscheiben von Weinreben, eine Diskriminierung von Menschen ist nicht möglich BMLEH/JKI JKI-ZR nicht angewendet GLP von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation die Anwendung wird sich auf Blattscheiben von Weinreben beziehen und ist nicht auf Menschen anwendbar trifft nicht zu: die Anwendung wird sich auf Blattscheiben von Weinreben beziehen, eine Diskriminierung von Menschen ist nicht möglich BMLEH/JKI JKI-ZR DFG Traubenarchitektur nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation, Anwendung analysiert Trauben Wissenschaftliche Dokumentation BMLEH/JKI JKI-ZR Studentische Abschlussarbeit ohne Drittmittelprojekt nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation, Anwendung analysiert Blütenstände Wissenschaftliche Dokumentation BMLEH/JKI JKI-ZR KliwiResse nicht angewendet von KI-VO ausgenommen , da KI- Verfahren lediglich der Forschung dienen Wissenschaftliche Dokumentation Wissenschaftliche Dokumentation, Anwendung analysiert Beeren Wissenschaftliche Dokumentation BMLEH/JKI Institut für Bienenschutz „BeesUp", MonViA und Bienenzähler nicht angewendet Dies entzieht sich unserer Kenntnis. Dies entzieht sich unserer Kenntnis. Es handelt sich um KI- Anwendungen, die für die Auswertung von Forschungsdaten im Bereich der wissenschaftlichen Bienenforschung verwendet werden. Daher wird ein geringes Risiko angenommen. Nein. Forschungsdaten und Forschungsergebnisse werden im Rahmen der guten wissenschaftlichen Praxis anderen Wissenschaftlern zugängig gemacht, z.B. durch Open- Access-Veröffentlichungen und über Datenrepositorien. [Antwort auf die Frage: Wie wurde das Risiko untersucht und bewertet, dass die jeweilige KI- Anwendung zur Diskriminierung von einzelnen Gruppen, wie z.B. Frauen, Schwarzen Menschen, Menschen mit Beeinträchtigung, armen Menschen und anderen beitragen könnte?] KI- Anwendungen werden innerhalb von Projekten im Bereich der Bienenforschung verwendet. Folglich werden keine personenbezogenen Daten verarbeitet, und Fragen zu Diskriminierungsrisiken sind irrelevant. [Es wird folgende Frage beantwortet: Welche Maßnahmen ergreift die Bundesregierung jeweils konkret, um die Risiken der Diskriminierung soweit möglich zu minimieren?] Dies entzieht sich unserer Kenntnis. BMWE / BAFA IT-Steuerung Mailytica (E-Mail- Analyse und Textvorschlag) geringes/minimales Risiko - KI mit Transparenzvorschriften gemäß Art. 50 KI-VO nein zentrale Excel-Liste nicht notwendig nicht notwendig BMWE / BAFA IT-Steuerung Intrafind (Dokumentenanalyse und Vergleichen) geringes/minimales Risiko - KI mit Transparenzvorschriften gemäß Art. 50 KI-VO nein zentrale Excel-Liste nicht notwendig nicht notwendig BMWE / BAFA IT-Steuerung Cognigy AI (Chatbot im LkSG) geringes/minimales Risiko - KI mit Transparenzvorschriften gemäß Art. 50 KI-VO nein zentrale Excel-Liste nicht notwendig nicht notwendig BMWE / BAFA IT-Steuerung DeepL (Übersetzungshilfe) geringes/minimales Risiko - KI mit Transparenzvorschriften gemäß Art. 50 KI-VO nein zentrale Excel-Liste nicht notwendig nicht notwendig BMWE / BAFA IT-Steuerung Sympalog (Sprachbot) geringes/minimales Risiko - KI mit Transparenzvorschriften gemäß Art. 50 KI-VO nein zentrale Excel-Liste nicht notwendig nicht notwendig BMWE / BAM VP. BAM-interne IT- Infratruktur für wissenschaftliche LLM und KI-Workloads geringes/minimales Risiko Keine weitere Klassifizierung n/a Nicht nötig, weil Einsatz als unkritisch bewertet wurde. n/a Wissenschaftliche Ergebnisse unterliegen den Transparentzregeln der GWP und werden im Rahmen etablierter Peer- Review-Verfahren publiziert. Es werden keine personenbezogenen Daten verarbeitet. Es werden keine personenbezogenen Daten verarbeitet. BMWE / BGR B1 Deep Learning für Gesteinsuntersuchung geringes Risiko entfällt Laborhandbücher entfällt entfällt BMWE / BGR B2.2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandsprog nosen und bundesweite Quellschüttungsvorhersa gen KI-VO gilt nicht für dieses KI- Verfahren. --- --- Modellierung von GW-Ständen ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BGR B2.2 Regionalisierung hydrogeologischer Information KI-VO gilt nicht für dieses KI- Verfahren. --- --- Modellierung von chem. GW- Parametern ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BGR B2.2 Abschätzung der Grundwasservulnerabilit ät ggü. Pflanzenschutzmitteleint rag KI-VO gilt nicht für dieses KI- Verfahren. --- --- Modellierung von chem. GW- Parametern ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BGR B2.2 KI-basiertes Monitoring-, Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigstän den und -versalzung KI-VO gilt nicht für dieses KI- Verfahren. --- --- Modellierung von GW-Ständen und chem. GW-Parametern ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BGR B2.5 Klassifizierung verschiedener geologischer Bereiche keine Risikoklasse - - Es wurden nur geowissenschaftliche Daten verwendet. Die Anwendung findet nur durch wissenschaftliches Personal statt. - - - - BMWE / BGR B2.2 Deep learning basierte Vorhersage von alpinen Karstquellschüttungen KI-VO gilt nicht für dieses KI- Verfahren. --- --- Modellierung von Schüttungen ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BGR B2.2 Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos KI-VO gilt nicht für dieses KI- Verfahren. --- --- Qualitätssicherung von Daten der Bodenkartierung ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BGR B3.5 In Planung: Machbarkeitsstudie zu Wissensmanagement Wird im Rahmen der Machbarkeitsstudie geprüft, wahrscheinlich "Begrenztes Risiko (Art. 50 KI-VO)" Auswirkungen werden im Rahmen der Machbarkeitsstudie geprüft Wird im Rahmen der Machbarkeitsstudie ermittelt Wird im Rahmen der Machbarkeitsstudie geprüft Wird im Rahmen der Machbarkeitsstudie geprüft BMWE / BGR B4 Erdbebenlokalisierung und -charakterisierung keine keine die Lokalisierung und Bewertung von Erdbeben durch KI dient der Verbesserung der Erdbebenstatistik, die ohne KI so nicht möglich wäre. Bei relevanten Beben erfolgt immer eine manuelle Kontrolle der Ergebnisse. nein nicht zutreffend nicht zutreffend nicht zutreffend BMWE / BGR B4 Identifikation, Bewertung und Monitoring von Geogefahren Minimales Risiko: Das Model dient der geologischen Bildanalyse ohne Einfluss auf sicherheitsrelevante oder grundrechtsbezogene Entscheidungen. Minimales Risiko Nein nicht zutreffend nicht zutreffend nicht zutreffend BMWE / BGR B4 Geologische und Rohstoffwirtschaftliche Interpretation maßstabgsübergreifend er Erdbeobachtungsbzw. Fernerkundungsdaten keine keine Die Mustererkennung von Bodenbewegungsdaten durch KI dient der Unterstützung der Nutzung der Bodenbewegungs- Massendaten. Eine visuelle Interpretation, ohne KI Unterstützung ist so nicht möglich. Eine visuelle Kontrolle der Bodenbewegungsdaten findet bei relevanten Bodenbewegungsgebieten statt nein trifft nicht zu trifft nicht zu trifft nicht zu BMWE / BGR B2.2 Kurzfristige EU-weite Grundwasserstandsprog nosen KI-VO gilt nicht für dieses KI- Verfahren. --- --- Modellierung von GW-Ständen ist u.E. keine kritische Anwendung. nein entfällt entfällt Es gibt keine Diskriminierungsrisiken BMWE / BNetzA Stab04 KI-Plattform (KIP) geringes/minimales Risiko - Das System befindet sich noch in Planung Das System befindet sich noch in Planung BMWE / BNetzA Stab04 KI-Assistenzsystem geringes/minimales Risiko - Das System befindet sich noch in Planung Das System befindet sich noch in Planung BMWE / BNetzA Stab04 Chatbot geringes/minimales Risiko - Nicht relevant, weil nur informativ Nicht relevant, weil nur informativ BMWE / BNetzA Stab04 PLAIN geringes/minimales Risiko - Das System wird erst eingeführt Das System wird erst eingeführt BMWK/PTB FB 8.1 geringes/minimales Risiko keine Codebasis frei zugänglich nicht zutreffend nicht zutreffend BMWK/PTB FB 9.53 geringes/minimales Risiko Nicht relevant keine Codebasis frei zugänglich Nicht relevant Nicht relevant BMWK/PTB FB 7.2 geringes/minimales Risiko keine Codebasis frei zugänglich Das System (Chatbot) darf nicht zur Verarbeitung personenbezogner Daten verwendet werden, sondern nur für allgemine Anfragen und technische Diskussionen nicht relevant BMWK/PTB FB 5.3 geringes/minimales Risiko keine Nennung im Projektbericht Beschränkung auf Messobjekte in der industriellen Messtechnik nicht zutreffend BMWE Z KI-Assistenzsystem geringes/minimales Risiko nicht zutreffend nicht zutreffend BMV/BMV Z KIPITZ geringes/minimales Risiko - - - - - - - BMV/BMV Z Virtueller Experte (Prototyp) geringes/minimales Risiko nur offene Daten ohne personenbezug werden verwendet keine Auswirkungen Interne Dokumentation mit zuständigen Stellen für Datenschutz und IT- Sicherheit Keine separate Betrachtung, da keine Verarbeitung von personenbezogenen Daten siehe 2i) BMV/BMV Z Microsoft Copilot nicht angewendet KI-VO erst nach der Einführung der KI-Anwendung in Kraft getreten. Austausch auf Ressortebene (KI Netressort) Interne Nutzungshinweise sensibilisieren alle Nutzenden hinsichtlich etwaiger Risiken. Interne Nutzungshinweise sensibilisieren alle Nutzenden hinsichtlich etwaiger Risiken. BMV/BAF Fehlanzeige BMV/BALM K3 IPKS - KONAU (Analytische KI) geringes/minimales Risiko Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Fehlanzeige Fehlanzeige Projektbegleitendes Qualitätsmanagement Projektbegleitendes Qualitätsmanagement BMV/BALM Stab Leitung Chatbot MILO (NLP) geringes/minimales Risiko Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Fehlanzeige Fehlanzeige Projektbegleitendes Qualitätsmanagement Projektbegleitendes Qualitätsmanagement BMV/BALM Z2 KIRA (Information Retrievel / Generische KI) geringes/minimales Risiko Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Fehlanzeige Fehlanzeige Projektbegleitendes Qualitätsmanagement Projektbegleitendes Qualitätsmanagement BMV/BALM Stab Leitung Lokales Assistenzsystem (Generische KI) geringes/minimales Risiko Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Fehlanzeige Fehlanzeige Projektbegleitendes Qualitätsmanagement Projektbegleitendes Qualitätsmanagement BMV/BALM Z6 Microsoft Copilot (Generische KI) geringes/minimales Risiko Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Fehlanzeige Fehlanzeige Projektbegleitendes Qualitätsmanagement Projektbegleitendes Qualitätsmanagement BMV/BALM K Webex Assistent (Generische KI) geringes/minimales Risiko Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Entfällt. Siehe Frage 2c. Fehlanzeige Fehlanzeige Projektbegleitendes Qualitätsmanagement Projektbegleitendes Qualitätsmanagement BMV/EBA u. BEU Alle Chat-GPT nicht angewendet BMV/EBA u. BEU Alle Copilot nicht angewendet BMV/EBA u. BEU Alle KI-Tools der EU nicht angewendet BMV/BfG M2 Mittel- bis langfristige Wasserstandsvorhersag e; momentan im präoperationellen Betrieb nicht angewendet Anwendung prädiktive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M2 Vorhersage des Wasserstandes und des Abflusses nicht angewendet Anwendung prädiktive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M5 / U3 Detektion von Plastik in Fließgewässern nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M5 / U3 Vegetationklassifikation nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M5 / U3 Ölerkennung auf dem Meer nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG U4 Fischerkennung nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M1, M3, U2 Integrierte Schwebstoffanalyse Tideems nicht angewendet Anwendung prädiktive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M1, Z2 Qualitätskontrolle von Messdaten nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M5 Qualitätskontrolle von Messdaten nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG G3,Z2 Prognose und Zusammenfassung molekularer Effekte von Umweltchemikalien und Mischungen nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG G2 Identifikation eines Non- Target-Screening- Features (unbekannt) anhand der Zusammensetzung (Retentionszeit, Messintensität und Masse-zu- Ladungsverhältnis) nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG M2 KI-gestützte Wasserhaushaltsmodelli erung nicht angewendet Anwendung deskriptiver / prädiktiver KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BfG U4 Methodenentwicklung zur automatisierten Nachbearbeitung der Unterwasseraufnahmen und Klassifikation von Schweinswalpräsenz nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/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 nicht angewendet Anwendung deskriptive KI, daher geringes Risiko nicht anwendbar nicht anwendbar BMV/BSH MDZ KISS geringes/minimales Risiko EU-KI-VO keine internere Confluence- Seiten, bei Bedarf kann das veröffentlicht werden nicht vorhanden Rückmeldungen der Nutzenden BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren basierend auf meteorologischen und klimatologischen Datensätzen für KI- Anwendungen im gesamten DWD (Entwicklung des Softwareframeworks FRAIM - Framework for AI in Meteorology) 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, die nach qualitätsgesicherten Prozessen im DWD im Einsatz sind und kontinuierlich evaluiert werden. eingebunden in qualitätsgesicherte Prozesse im DWD Mit den Verfahren sind keine erkennbaren Diskriminierungsrisiken verbunden BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren unter Verwendung von Sprach-KI und multimodalen Ansätzen zur Unterstützung basierend auf meteorologischen und klimatologischen Datensätzen sowie relevanten Textdokumenten für Klima- und Wetterservices im gesamten DWD (Entwicklung des Softwareframeworks DAWID - AI for DWD) 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, die nach qualitätsgesicherten Prozessen im DWD im Einsatz sind und kontinuierlich evaluiert werden, dezidierte Sprach-KI- Anwendungnen werden nicht vollautomatisiert, sondern zur Unterstützung der Mitarbeitenden im Warn- und Beratungsprozess eingesetzt eingebunden in qualitätsgesicherte Prozesse im DWD Mit den Verfahren sind keine erkennbaren Diskriminierungsrisiken verbunden BMV/WSV U13 KI gestützte Verkehrserfassung der Freizeitschifffahrt nicht angewendet nicht angewendet - Projekt / Entwicklung noch nicht abgeschlossen - - - - BMV/BASt SD BASTI geringes/minimales Risiko Der grundsätzliche Rahmen für die Risikobewertung von KI-Anwendungen ist die KI-Verordnung der EU. Gemäß dieser Klassifizierung fällt der KI- Assistent BASTI als internes Wissensmanagement-Werkzeug in die Kategorie der Systeme mit minimalem oder keinem Risiko, da er weder in einem Hochrisikobereich eingesetzt wird noch (teil-) automatisierte Entscheidungen trifft. Aufgrund dieser eindeutigen Einordnung war die Anwendung eines weiteren, formalisierten Risikoklassenmodells nicht erforderlich. Die Risikobewertung für BASTI erfolgte stattdessen im Rahmen der Konzeption und Architekturentscheidung. Hierbei wurden potenzielle Risiken proaktiv durch grundlegende Design-Entscheidungen systemarchitektonisch ausgeschlossen: • ◻Risiko der Diskriminierung: Ausgeschlossen durch die Konzeption als reines Assistenzsystem, das keine Bewertungen von oder Entscheidungen über Personen vornimmt. • ◻Risiko des Datenmissbrauchs/Datenschutzverletzungen: Minimiert durch den On-Premises-Betrieb, die Nutzung interner Wissensdatenbanken ohne externes Training und die Umsetzung technischer Maßnahmen wie getrennter Wissensräume und minimalem Logging. • ◻Risiko der Intransparenz: Minimiert durch Funktionen wie die Anzeige von Quellen und die explizite Kennzeichnung von KI-generierten Inhalten. BASTI trifft keine (teil-)automatisierten Entscheidungen, führt keine Bewertungen von Personen durch und wird nicht in sensiblen Bereichen wie der Personalauswahl oder der Leistungsgewährung eingesetzt. Durch eine klare Zweckbindung (Wissensmanagement) wird das Risiko einer direkten oder indirekten Diskriminierung einzelner Gruppen durch das System systemarchitektonisch minimiert. Es wurde eine integrierte Technikfolgenabschätzung vorgenommen, die als fester Bestandteil des gesamten Projektprozesses angelegt war. Sie umfasste: die proaktive Risikovermeidung durch das Systemdesign (On- Premises, reines Assistenzsystem), den partizipativen Ansatz unter Einbeziehung der Interessenvertretungen, die Erarbeitung von verbindlichen Nutzungsregeln in einer KI- Handreichung. Das Ergebnis ist ein gezielt auf Datensouveränität und Risikominimierung ausgelegtes System, dessen verantwortungsvoller Einsatz durch ein klares Regel- und Schulungswerk sichergestellt wird. Im Rahmen von KINET wurde eine Riskobewertung von BASTI ebenfalls durchgeführt. Ja. Im Fall des KI-Assistenten BASTI hat die Risikobewertung den geplanten Einsatz von Beginn an grundlegend geformt. Anstatt einen Plan nachträglich anzupassen, wurden folgende grundlegende Design- Entscheidungen getroffen: Architektur: Wahl einer On- Premises-Eigenentwicklung statt einer externen Cloud-Anwendung, um Risiken für die Datensouveränität und Datenschutz zu minimieren. Funktionsumfang: Bewusste Beschränkung auf ein reines Assistenzsystem, um Diskriminierungsrisiken durch automatisierte Entscheidungen von vornherein zu vermeiden. Der Einsatz wurde somit nicht korrigiert, sondern von Grund auf risikominimierend konzipiert. Dokumente zur Risikobewertung von BASTI werden aktuell nicht offen zur Verfügung gestellt. Ein Austausch zu aktuellen KI-Verfahren findet aber u.a. über das Format KINET des BMV statt. s. Antwort 2d Im Rahmen des Projekts BASTI werden zur Minimierung von Diskriminierungsrisiken konkrete Maßnahmen auf drei Ebenen ergriffen: Technische Ebene (Systemdesign): Die wirksamste Maßnahme ist die bewusste Beschränkung des Einsatzzwecks. Das System wurde von vornherein als reines Assistenzwerkzeug konzipiert, das keine Bewertungen von oder Entscheidungen über Personen vornimmt. Dadurch wird das Risiko algorithmischer Diskriminierung systemarchitektonisch ausgeschlossen. Organisatorische Ebene (Regelwerk): Durch die Erstellung einer verbindlichen „KI-Handreichung“ werden klare Nutzungsregeln definiert. Anwenderebene (Befähigung): Ein verpflichtender „KI-Führerschein“ und gezielte Schulungen sensibilisieren alle Nutzenden explizit für die systemimmanenten Risiken von KI, wie zum Beispiel Voreingenommenheit (Bias). Die Mitarbeitenden werden so befähigt, die Ergebnisse der KI stets kritisch zu hinterfragen und die finale Verantwortung zu behalten. BMV/KBA Stabsstelle KI-Assistent geringes/minimales Risiko Pilotphase nein BMV/KBA Stabsstelle NLU-Chatbot geringes/minimales Risiko Pilotphase nein BMV/KBA Abteilung 1 KI in der Softwareentwicklung geringes/minimales Risiko Pilotphase nein BMI/BVA D KIPITZ geringes/minimales Risiko Begrenztes Risiko, da in KIPITZ im Wesentlichen Texte mit Hilfe von generativer KI erzeugt und bearbeitet werden. n/a n/a Risikobewertung hat keine Auswirkung auf geplanten Einsatz. Bitte ITZBund befragen. Bitte ITZBund befragen. Bitte ITZBund befragen. BMI/StBA C Verfahren des maschinellen Lernens in der amtlichen Statistik (Statistikproduktion) geringes/minimales Risiko Risikoklasse: Minimales oder kein Risiko, Beschreibung: Die eingesetzten Verfahren unterstützen interne fachliche Prozesse (z. B. Plausibilisierung, Prognose oder Erkennung von Mustern) ohne direkte Auswirkungen auf individuelle Rechte, Pflichten oder Entscheidungen gegenüber Bürgerinnen und Bürgern. Die Nutzung erfolgt transparent, nachvollziehbar und unter menschlicher Kontrolle, typischerweise zur Effizienzsteigerung oder Qualitätssicherung in der Statistikproduktion.Das System wird nicht für automatisierte Einzelentscheidungen mit rechtlichen oder ähnlich erheblichen Wirkungen eingesetzt und ist daher kein Hochrisiko System. - - - - Das Risiko einer Diskriminierung einzelner Personen oder Gruppen ist bereits in der konzeptionellen Phase berücksichtigt. Da als Ergebnis hauptsächlich aggregierte Werte interessant sind und anonymisierten Daten im Trainingsprozess verwendet werden und keine personenbezogenen Entscheidungen mit Rückwirkung auf den Einzelfall getroffen werden, ist das unmittelbare Risiko einer Diskriminierung gering. Eine Bewertung potenzieller Verzerrungen in den aggegierten Daten oder Modellergebnissen erfolgt im Rahmen interner Qualitätsprüfungen sowie durch methodische Validierung, insbesondere zur Sicherstellung der statistischen Neutralität und Objektivität. Sicherstellung der Verwendung geeigneter und ausreichend repräsentativer Trainings‑ und Validierungsdaten. BMI/BPOL Abteilung 2 Videoanalyse auf Bahnhöfen KI-System mit Transparenzpflichten ja nein nein ja ja BMI/BPOL Abteilung 2 Sensorgestützte Tunnelmundüberwachun g (Dynamic Vision Sensor) KI-System mit Transparenzpflichten nein Grundlagenforschung nein nein nein nein BMI/BPOL Abteilung 6 QPS 201 P1+ und QPS 201 P2 geringes/minimales Risiko externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes BMI/BPOL Abteilung 5 ollama KI-System mit minimalem Risiko Reines Wissensmanagement Keine personenbezogenen Daten Keine personenbezogenen Daten BMI/BPOL Abteilung 5 Open-WebUI KI-System mit Transparenzpflichten Reines Wissensmanagement Keine personenbezogenen Daten Keine personenbezogenen Daten BMI/BPOL Abteilung 5 Obsidian KI-System mit Transparenzpflichten BMI/BPOL Abteilung 5 Whisper KI-System mit minimalem Risiko KI-System mit minimalem Risiko entfällt entfällt keine entfällt entfällt entfällt BMI/BPOL Abteilung 5 LibreTranslate KI-System mit minimalem Risiko KI-System mit minimalem Risiko entfällt entfällt keine entfällt entfällt entfällt BMI/BPOL BPOLD FRA EnForce Air 2 KI-System mit minimalem Risiko BMI/BPOL BPOLD FRA VisionFlex KI-System mit minimalem Risiko BMI/BPOL Akademie Knowtion KI-System mit Transparenzpflichten KI-System mit limitiertem Risiko - - nein Weitergabe an PG KI-VO, BPOLP zur zentralen Koordinierung Bewertung erfolgt individuell im Rahmen der Qualitätssicherung durch Nutzende/Entscheidende/fachlich e Ansprechpartner Sensibilisierung der Nutzenden/Entscheidenden BMI/BPOL Akademie Articulate 360 AI Assistant Add-on KI-System mit Transparenzpflichten KI-System mit limitiertem Risiko - - nein Weitergabe an PG KI-VO, BPOLP zur zentralen Koordinierung Bewertung erfolgt individuell im Rahmen der Qualitätssicherung durch Nutzende/Entscheidende/fachlich e Ansprechpartner Sensibilisierung der Nutzenden/Entscheidenden BMI/BPOL Akademie Synthesia KI-System mit Transparenzpflichten KI-System mit limitiertem Risiko - - nein Weitergabe an PG KI-VO, BPOLP zur zentralen Koordinierung Bewertung erfolgt individuell im Rahmen der Qualitätssicherung durch Nutzende/Entscheidende/fachli che Ansprechpartner Sensibilisierung der Nutzenden/Entscheidenden BMI/BPOL Akademie Adobe Creative Cloud All Apps KI-System mit Transparenzpflichten KI-System mit limitiertem Risiko - - nein Weitergabe an PG KI-VO, BPOLP zur zentralen Koordinierung Bewertung erfolgt individuell im Rahmen der Qualitätssicherung durch Nutzende/Entscheidende/fachlich e Ansprechpartner Sensibilisierung der Nutzenden/Entscheidenden BMI/BPOL Akademie Synthesia KI-System mit Transparenzpflichten KI-System mit limitiertem Risiko - - nein Weitergabe an PG KI-VO, BPOLP zur zentralen Koordinierung Bewertung erfolgt individuell im Rahmen der Qualitätssicherung durch Nutzende/Entscheidende/fachlich e Ansprechpartner Sensibilisierung der Nutzenden/Entscheidenden BMI/BPOL Abteilung 8 Chatbot der Bundespolizei Heilfürsorge KI-System mit Transparenzpflichten Klassifizierung nach KI-VO BMI/BPOL Forschungs- und Erprobungsst elle HS 6040 CTiX, XCT KI-System mit Transparenzpflichten BMI/BPOL Abteilung 5 WhisperOPST KI-System mit Transparenzpflichten KI-System mit limitiertem Risiko nicht zutreffend Ohne KI- Einsatz erhöhter Bearbeitungsaufwand und höhere Kosten (Dolmetscher) Interne Dokumentation. Austausch mit anderen Sicherheitsbehörden im Zuge der Gremienarbeit möglich. Kein Risiko der Diskriminierung zu erwarten. nicht zutreffend BMI/BPOL Abteilung 6 Fahrerassistenzsysteme (FAS) aller gängigen Fahrzeughersteller geringes/minimales Risiko externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes BMI/BPB Bundeszentr ale für politische Bildung ChatGPT Team (8 Jahres-Lizenzen) Alle Inhalte, an denen mit ChatGPT gearbeitet wird, unterliegen menschlicher Überprüfung und redaktioneller Kontrolle, für die eine juristische Person inhaltliche Verantwortung übernimmt. Alle Texte werden vor Veröffentlichung überprüft, überarbeitet und freigegeben. siehe 2c siehe 2c siehe 2c siehe 2c siehe 2c siehe 2c siehe 2c BMI/BBK Z KIPITZ Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. BMI/BKA DI53-2 BLINK Es handelt sich um ein KI-System mit allgemeinem Verwendungszweck (GPAI). Da für diesen Bereich noch einige Details in der Rechtssprechung ungeklärt sind, wurde eine entsprechende Risikoklassifizierung bisher nicht vorgenommen. Es bestehen jedoch Transparenzpflichten. Nein Nicht auskunftsfähig (-->KI-KoSt) Das Risiko wurde nicht untersucht. Es kann jedoch als sehr unwahrscheinlich angesehen werden, da es sich um ein KI- System handelt, das auf generativer KI beruht und weder Klassifizierungen vornimmt noch eigenständige Entscheidungen fällt. keine BMI/BKA DI53-2 KI-Model-Service KIMS Es handelt sich um ein KI-System mit allgemeinem Verwendungszweck (GPAI). Da für diesen Bereich noch einige Details in der Rechtssprechung ungeklärt sind, wurde eine entsprechende Risikoklassifizierung bisher nicht vorgenommen. Es bestehen jedoch Transparenzpflichten. Nein Nicht auskunftsfähig (-->KI-KoSt) Das Risiko wurde nicht untersucht. Es kann jedoch als sehr unwahrscheinlich angesehen werden, da es sich um ein KI- System handelt, das auf generativer KI beruht und weder Klassifizierungen vornimmt noch eigenständige Entscheidungen fällt. keine BMI/BKA DI53-2 KIRA Es handelt sich um ein KI-System mit allgemeinem Verwendungszweck (GPAI). Da für diesen Bereich noch einige Details in der Rechtssprechung ungeklärt sind, wurde eine entsprechende Risikoklassifizierung bisher nicht vorgenommen. Es bestehen jedoch Transparenzpflichten. Nein Nicht auskunftsfähig (-->KI-KoSt) Das Risiko wurde nicht untersucht. Es kann jedoch als sehr unwahrscheinlich angesehen werden, da es sich um ein KI- System handelt, das auf generativer KI beruht und weder Klassifizierungen vornimmt noch eigenständige Entscheidungen fällt. keine BMI/BKA DI53-2 BKA-Translate geringes/minimales Risiko Nein Nicht auskunftsfähig (-->KI-KoSt) Das Risiko wurde nicht untersucht. Es kann jedoch als sehr unwahrscheinlich angesehen werden, da es sich um ein KI- System handelt, das Text von einer Sprache in eine andere übersetzt. keine BMI/BKA DI53-2 Speech-to-Text Whisper geringes/minimales Risiko Nein Nicht auskunftsfähig (-->KI-KoSt) Das Risiko wurde nicht untersucht. Es kann jedoch als sehr unwahrscheinlich angesehen werden, da es sich um ein KI- System handelt, das lediglich Audio-Aufnahmen transkribiert. keine BMI/BKA ZV11 Der intelligente Chatbot Aktuell in Prüfung (Hochrisikosystem wurde bereits ausgeschlossen) Aktuell in Prüfung IT-Siko nach BSI Grundschutz Nein Erfolgt über zentrale Stelle im BKA Risiko wurde nicht untersucht. Allerdings dient das System nicht der Entscheidungsfindung oder Mustererkennnung sondern lediglich der Befragung von Wissen zu Verwaltungsleistungen. Das zu Grunde liegende Informationswissen basiert auf rechtlichen Normierungen. Keine Verwendung personenbezogener Daten BMI/BKA KT34 Vocalise minimales Risiko minimales Risiko nein Frage ist u. E. durch KI- Koord zu beantworten, da allgemeiner Bezug. Für unser System ist ein Teilen der Einschätzung mit Fachkollegen denkbar, aber noch nicht erfolgt für dieses Produkt keine konkret keine BMI/BKA KT34 Voice Inspector Prüfung steht noch aus; bisher nur für vergleichbares Produkt (Vocalise) vorgenommen nein Frage ist u. E. durch KI- Koord zu beantworten, da allgemeiner Bezug für dieses Produkt keine konkret keine BMI/BKA KT43 NMR & IR & Raman Simulationen minimales Risiko - - System noch in Entwicklung keine Auswirkungen - - - BMI/BKA KT43 Mass Spectral Interpreter minimales Risiko - - System noch in Entwicklung keine Auswirkungen - - - BMI/BKA KT43 METIS NPS AImEx (ChemInnovation GC-EI- MS Strukturaufklärung) minimales Risiko - - System noch in Entwicklung keine Auswirkungen - - - BMI/BKA KT53 DJ Bewertung ausstehend; vorraussichtlich minimales Risiko Bewertung ausstehend; vorraussichtlich minimales Risiko Fehlanzeige Nein nicht zutreffend nicht zutreffend BMI/BKA KT31 STRmix nicht angewendet (Risikoeinstufung derzeit in Prüfung) siehe Kommentar in Spalte V siehe Kommentar in Spalte V derzeit in Prüfung derzeit in Prüfung bisher nicht erfolgt bisher nicht erfolgt bisher nicht erfolgt BMI/BKA KT13-5 3D Visualisierung Gaussian Splatting/NeRFs geringes/minimales Risiko - - - nicht zutreffend nicht zutreffend nicht zutreffend nicht zutreffend BMI/BKA DI21 Entitäten-Extraktions- Tool (EET) minimales Risiko BMI/BKA TE14 2Captcha minimales Risiko minimales Risiko entfällt entfällt nein entfällt Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. BMI/BKA CC15 Coding Assistant KI-System mit Transparenzpflichten KI-System mit Transparenzpflichten Aufbau von PoC bis zur Bereitstellung zentraler Dienste durch DI (IT) Deutlich höherer Entwicklungsaufwand nicht anwendbar nicht anwendbar, da zur Generierung von Sotwarecode nicht anwendbar BMI/BKA OE12-4 ID-Reader minimales Risiko minimales Risiko - - BMI/BKA OE12-4, DI33 SYSTRAN minimales Risiko minimales Risiko nicht erfolgt muss durch dem Nutzer bewertet werden BMI/BKA OE 16-5 KI-gestützte Personenerkennungsfun ktion im Kamerasystem der Drohne AUTEL EVO Max 4T auf Basis von "OpenAI" Muss von Bundesregierung beantwortet werden Muss von Bundesregierung beantwortet werden Muss von Bundesregierung beantwortet werden Muss von Bundesregierung beantwortet werden Nein Unbekannt Wurde nicht untersucht Muss von Bundesregierung beantwortet werden BMI/BKA OE22 OE22 AI Spielwiese Klassifizierung noch offen da Evaluation noch läuft. Klassifizierung noch offen da Evaluation noch läuft. Klassifizierung noch offen, da das System den Einsatz von KI im Referat evaluiert und daher die genaue Ausgestaltung noch offen ist. Das System unterstützt bei der Softwareentwicklung eine Diskrminierungspotential wird nicht gesehen. BMI/BKA OE24 Code Completion in PyCharm minimales Risiko trifft nicht zu BMI/BKA OE24 IntelliSense minimales Risiko trifft nicht zu BMI/BKA OE24 Microsoft Copilot minimales Risiko trifft nicht zu BMI/BKA OE24-3 Robocop minimales Risiko trifft nicht zu BMI/BKA OE15-1 technische Auswerteunterstützung für digitale Textmassendaten in Asservaten minimales Risiko trifft nicht zu trifft nicht zu trifft nicht zu keine trifft nicht zu trifft nicht zu entfällt BMI/BKA OE15-2 technische Auswertunterstützung für digitale Bild- und Videomassendaten in Asservaten minimales Risiko trifft nicht zu trifft nicht zu trifft nicht zu keine amtsinterne Risikoeinstufung trifft nicht zu entfällt BMI/BKA TE14 Free Captcha Solver minimales Risiko minimales Risiko entfällt entfällt nein entfällt Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. BMI/BKA TE14 AntiCaptcha minimales Risiko minimales Risiko entfällt entfällt nein entfällt Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. BMI/BKA TE14 CapMonster minimales Risiko minimales Risiko entfällt entfällt nein entfällt Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. Im Rahmen des Lösens von Captchas bestehen keine Diskrimierungsrisiken. BMI/BAMF 7, 2 Assistenzsystem für Sicherheitsmeldungen (ASM) nicht angewendet Datenschutzfolgeabschätz ung Aufgrund der Übergangsfrist für Bestandssysteme haben wir für die Bewertung gemäß KI-VO Zeit bis 2028. Die ML-Modelle verarbeiten nur kleine Textausschnitte aus Anhörungsprotokollen, personenbezogene Daten fließen nicht mit ein Die ML-Modelle verarbeiten nur kleine Textausschnitte aus Anhörungsprotokollen, personenbezogene Daten fließen nicht mit ein BMI / ZITiS Digitale Forensik Stable Diffusion nicht angewendet nicht zutreffend nicht zutreffend Opensource-Anwendnung bzw. keine Eigenentwicklung nein nicht zutreffend nicht zutreffend keine BMI / ZITiS Digitale Forensik Eleven Labs nicht angewendet nicht zutreffend nicht zutreffend Opensource-Anwendnung bzw. keine Eigenentwicklung nein nicht zutreffend nicht zutreffend keine BMI / ZITiS Digitale Forensik Inseyets nicht angewendet nicht zutreffend nicht zutreffend keine Eigenentwicklung nein nicht zutreffend nicht zutreffend keine BMI / ZITiS Zentraler Service Noxtua nicht angewendet nicht zutreffend nicht zutreffend keine Eigenentwicklung nein nicht zutreffend nicht zutreffend keine BMI/BPOL Abteilung 5 @rtus mobil/mobile Datenerfassung minimales Risiko externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes Interne Dokumentation externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes nicht zutreffend BMI/BPOL Abteilung 5 @rtus mobil/Auslesen Ausweisdokuente minimales Risiko externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes Interne Dokumentation externer Hersteller / keine Fortentwicklung der KI während des Wirkbetriebes nicht zutreffend BPA geringes/minimales Risiko geringes Risiko keine k.A. keine Dokumentation über das Transparenzregister "MaKI" Das Risiko wurde nicht bewertet, da es für die konkreten Anwendungsfälle das Ergebnis nicht (negativ) tangiert und somit irrelevant ist. Der Aspekt möglicher Diskriminierung fließt als Teil von Bias in die Bewertung bzw. Auswahl der Lösung mit ein. Oberste Bundesbehörde Abteilung Dokument AA ressortweit KI-Charta für das Auswärtige Amt (öff. verfügbar unter https://www.auswaertiges-amt.de/de/aussenpolitik/sicherheitspolitik/cyber- aussenpolitik/ki-charta-2698666) AA ressortweit https://www.auswaertiges-amt.de/de/aussenpolitik/sicherheitspolitik/cyber- aussenpolitik/ki-charta-2698666 AA ressortweit https://www.auswaertiges-amt.de/de/aussenpolitik/sicherheitspolitik/cyber- aussenpolitik/ki-charta-2698666 BMF ressortweit Ja, eine Dienstanweisung existiert im BMF. Sie beinhaltet u.a. Folgendes: - Regelung, welche KI-Systeme erlaubt und welche verboten sind. - Regelungen, welche Daten auf welchen KI-Systemen eigegeben werden dürfen. - Regelungen, anhand welcher Kriterien KI-generierte Inhalte zu überprüfen sind, bevor sie weitergenutzt werden dürfen. - Meldewege werden beschrieben BMVg BMVg IC Im GB BMVg befinden sich entsprechende Regelungen derzeit in der Erarbeitung. Dies sind im Einzelnen: Konzeption K1100/3 "KI in der Bundeswehr" (strategische Steuerung KI) BMI Ressortweit Leitlinien für den Einsatz Künstlicher Intelligenz in der Bundesverwaltung des BMI (https://www.bmi.bund.de/SharedDocs/downloads/DE/publikationen/themen/m oderne-verwaltung/ki/BMI25020-leitlinien-ki-bundesverwaltung.html) Sicherstellung eines verantwortungsvollen und sicheren KI-Einsatzes für dienstliche Zwecke BMAS D Handreichung: "Selbstverpflichtende Leitlinien für den KI-Einsatz in der behördlichen Praxis der Arbeits- und Sozialverwaltung" Die Leitlinien betonen die Bedeutung zuverlässiger, menschenzentrierter und diskriminierungsfreier KI-Systeme und geben den Behörden Orientierung. Sie definieren grundlegende Prinzipien und Werte und beleuchten Themen wie „Einführungsprozesse menschenzentriert gestalten & Ziele definieren“, „Folgen abschätzen & Risiken bewerten“, „Datenqualität sicherstellen & Bias vermeiden“ sowie „Transparenz schaffen & Erklärbarkeit herstellen“. https://www.bmas.de/SharedDocs/Downloads/DE/Publikationen/a862-01- leitlinien-ki-einsatz-behoerdliche-praxis-arbeits- sozialverwaltung.pdf? _ blob=publicationFile&v=2 BMAS D Handreichung: "Arbeitshilfe für die praktische Anwendung der selbstverpflichtenden KI-Leitlinien in der Arbeits- und Sozialverwaltung" Die Arbeitshilfe erleichtert die Umsetzung von KI-Projekten, indem sie für sechs typische Projektphasen eines kompletten KI-Lebenszyklus – von der Ideenbewertung über die Planung, Entwicklung (bzw. Beschaffung), Inbetriebnahme und den laufenden Betrieb bis hin zur Deaktivierung der Anwendung – 82 konkrete Aufgaben für verschiedene Rollen in KI-Projekten definiert. Die Arbeitshilfe ergänzt die 2022 vom BMAS veröffentlichten „Selbstverpflichtenden Leitlinien für den KI-Einsatz in der behördlichen Praxis der Arbeits- und Sozialverwaltung“. https://www.denkfabrik- bmas.de/fileadmin/Downloads/Publikationen/Arbeitshilfe_fuer_die_praktische_ Anwendung_der_KI-Leitlinien.pdf BMAS Z Beachtung der Arbeitshilfe für die praktische Anwendung der selbstverpflichtenden KI-Leitlinien in der Arbeits- und Sozialverwaltung, Sensibilisierung auf KI-Einsatzrisiken, Kritische Prüfung der KI-Ergebnisse vor Verwendung, Letztverantwortung verbleibt immer beim jeweiligen Beschäftigten. BMFTR Ja. ISM Sicherheitsrichtlinie zum Einsatz Generativer KI im BMFTR. Informationsmaterial und Handreichungen zum Umgang mit KI, bspw. "How to Prompt" BMLEH KI-Handreichung (Empfehlungen für den Umgang mit lokal gehosteten, publiccloud basierten und eigenentwickelten KI-Systemen und -Modellen) BMUKN Z Nutzungsleitlinien auf Basis der übergreifenden Leitlinien des BeKI (BMI). BMV ressortweit Es besteht seit dem 01.10.2025 eine Rahmendienstvereinbarung zur Einführung, Nutzung, Betrieb und Entwicklung von KI-Systemen im Ressort BMV (kurz: RDV KI). Die RDV KI legt fest, wie KI im Ressort BMV sicher und verantwortungsvoll eingesetzt werden darf sowie welche Rechte und Pflichten Beschäftigte dabei haben; sie orientiert sich dabei an den Vorgaben der EU KI- VO. Zentraler Regelungsgehalt / Ziele: Mehrwert für Verwaltung und Beschäftigte, Effiziente Nutzung von KI bei gleichzeitiger Risikominimierung, Sicherer und nachvollziehbarer Umgang mit KI-Systemen BMV ressortweit Nutzungshinweise für alle Copilot-Nutzenden des BMV: Allg. Nutzungshinweise (Ergebnissen nicht blind vertrauen, Aktualität der ergebnisse etc.), Vorurteile/ Diskriminierung bei KI-Ergebnissen beachten, IT- Sicherheit, Datenschutz, Urheberrecht, Kennzeichnung BMWE Dienstanweisung/Handreichung des BMWE in Abstimmung BMZ Globale Gesundheit; Chancengerech tigkeit; Digitalisierung; Ernährungssich erheit BMZ hat engmaschiges Training für alle Mitarbeitende aufgebaut. Leitfäden. HR und Handreichung zur KI-Nutzung existieren und sind im Haus bekannt Allgemeine Angaben Frage 5 Frage 5a) Frage 5b) Frage 5c) Frage 5d) Evaluierung Ressort / Behörde Abteilung KI-System Fand/ Findet Evaluierung statt? (ja/nein) in welchen Anwendungen finden Evaluierung statt Angabe zum Evaluationsergebnis in wesentlichen Punkten Wer hat die Evaluierung durchgeführt? Welche Aspekte wurden evaluiert und welche Kriterien wurden dabei angelegt? Veröffentlichung des Ergebnisses falls nicht durchgeführt, warum? BMJV / DPMA elekt. Klassifikator nach IPC ja Qualitätssicherung durch explizite Vergleiche mit manueller Klassifikation Für den Einsatzzweck geeignet interne, qualifizierte DPMA- Mitarbeiter/innen Genauigkeit der Klassifikation hausintern BMJV / DPMA Kognitive Suche für das Patentprüfungsverfahre n ja im Rahmen der Patentrecherche Für den Einsatzzweck geeignet interne, qualifizierte DPMA- Mitarbeiter/innen Qualität der Suchergebnisse (Recall) hausintern BMJV / DPMA Akten/Prüferkarteireche rche und Patentrecherche ja im Rahmen der Patentrecherche Für den Einsatzzweck geeignet interne, qualifizierte DPMA- Mitarbeiter/innen Qualität der Suchergebnisse (Recall) hausintern BMJV / DPMA Checking-Claims ja explizite Qualitätssicherung, sowie im Rahmen der Patentprüfung Für den Einsatzzweck geeignet interne, qualifizierte DPMA- Mitarbeiter/innen Qualität und Vollständigkeit der gefundenen formellen Fehler hausintern BMJV / DPMA WIPO-Translate ja im Rahmen der Patentprüfung Für den Einsatzzweck geeignet interne, qualifizierte DPMA- Mitarbeiter/innen Qualität der Übersetzung hausintern BMUKN Z KIRAS (MaKI-ID: BD20247483453) nein Die Anwendung wurde erst im April 2025 eingeführt. BMUKN / Umweltbundesam t (UBA) Anwendungslabo r für Künstliche Intelligenz und Big Data (KI-Lab) ja Im Entwicklungsprozess aller im KI- Lab entwickelten Anwendungen findet eine Evaluierung statt. Abhängig vom KI-Projekt, z.B. Nutzung von crossvalidation und blind test, Erhebung üblicher Kennzahlen wie z.B. Pression oder Recall. Je nach KI-Projekt entweder Expertenteam KI-Lab am UBA oder Externer Dienstleister. Fachliche Evaluation durch die Fachseite. Evaluationen erfolgten methodisch angepasst an den jeweiligen Use Case und auf unterschiedlichen Ebenen. Die evaluierten Dimensionen reichen von Nutzendenakzeptanz über Leistungsfähigkeit, bis hin zu ethischen Überlegungen. In vielen KI-Projekten ist das Ergebnis der Evaluation Bestandteil einer wissenschaftlichen Veröffentlichung. _ BMUKN / Bundesamt für Naturschutz (BfN) Abteilung I 1 Digitalisierung, Naturschutzinfor mation (zuständig: Fachgebiet I 1.1) nein Nur relevant bei im operativen Einsatz befindlichen Anwendungen BMUKN / Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE) Abteilung T – Verwaltungstrans formation und Öffentlichkeitsarb eit (zuständig: Referat T4) ja KI-Projekte des BASE befinden sich noch im Stadium der Ideenentwicklung bzw. Planung oder Prototypisierung. In den derzeitigen Projektphasen lassen sich noch keine Angaben zu Projektabschluss und Evaluierung machen. Ausnahme ist Maki ID: BD20242554313. Das Projekt plant die Anwendbarkeit verschiedener KI- Verfahren der Metadaten-Erzeugung und Such-unterstützung anhand von Prototypen zu evaluieren. BMUKN / Bundesamt für Strahlenschutz (BfS) Abteilung DO "Digitalisierung und Organisation" (zuständig: Referat DO4) ja In allen Anwendungen, die getestet oder eingesetzt werden. Anwendung wird weiter eingesetzt/Anwendung muss weiterentwickelt oder ersetzt werden Die Vorhabensverantwortliche OE - Qualität der Ergebnisse (inhaltlich/fachliche Kriterien) - Fairness und Unpartelichkeit (Diskriminierung von einzelnen Personengruppen, wo werden Nutzende beeinflusst) - Transparenz und Erklärbarkeit (Funktionsweise und Prozesse nachvollziehbar) - Datenschutz und Sicherheit (Gesetzliche und Behördeninterne Vorgaben) - Benutzerfreundlichkeit und Barrierefreiheit (intuitive Bedienbarkeit, Dokumentation, Konformität nach BITV 2.0) - Rechtliche und ethische Compliance (Gesetzliche und ethische Standards) - Stabilität (Abstürze/Ausfälle, mögliche Konsequenzen) - Wartbarkeit und Aktualisierung (Pflege- und Modernisierungsaufwand) - Nachhaltigkeit und soziale Auswirkungen (Energieverbrauch, Auswirkungen auf die Umwelt, Auswirkungen auf Mitarbeitende/Nutzende wie z.B. Wandel/Verlust des Tätigkeitbereichs) - Kosten-Nutzen-Verhältnis - Interoperabilität (Schnittstellen zu anderen Systemen, Transferaufwände) nein BMAS D (hier Fragen 1 und 2; konkret: Trend- und Themenscanning („Horizon Scanning“ / denkfabrik.ai) nein entfällt entfällt 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. BMAS Z ja KI basierte Suche - Digitaler Suchassistent CAI Evaluierung der Leistungsfähigkeit und Funktionalität. Ergebnisse dienen der Weiterentwicklung der KI- Suche. Ergebnis: System funktioniert gut, Überführung in den Wirkbetrieb wird empfohlen, Weiterentwicklungsmöglich keiten insbesonder aufgrund von Fortschritten bei LLMs sollten untersucht werden. Interne Evaluierung mit Unterstützung eines Dienstleisters. Leistungsfähigkeit der KI-Modelle, Verbesserungs- und Weiterentwicklungspotentiale. nein Ergebnisse primär von interner Relevanz (z.B. Fortentwicklung, Verbesserungspotentiale). BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit Experten-KI-RAGs ja teilweise RAGs werden aktuell basierend auf Evaluationsergebnissen weiterentwickelt Datenlabor mit Fachreferat Antwortqualität, Antwortvollständigkeit, Richtigkeit der Antworten nein BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit Check-KI nein ChecKI befindet sich noch im Testbetrieb. Evaluierung war bisher noch nicht notwendig. BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit NegotiateCOP ja RAG-Anwendung & Informationsextraktion Vergleich von menschlichen Ergebnissen mit KI-generierten Ergebnissen. KI-generierte Ergebnisse haben im Blind- Test meistens die besseren Bewertung erhalten. Externer Dienstleister Antwortähnlichkeit, Fragenrelevanz, Faktentreue nein BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit PortfolioNavigator nein Projekt noch in der Entwicklung, Evaluation steht noch an BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit SimplifAI nein Projekt noch in der Entwicklung, Evaluation steht noch an BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit Evidenz-Chatbot nein Projekt noch in der Entwicklung, Evaluation steht noch an BMZ Globale Gesundheit; Chancengerechti gkeit; Digitalisierung; Ernährungssiche rheit AutoRedact ja Eigenes domänenspezifisches Evaluierungsskript. work in progress Datenlabor mit Fachreferat Vollständigkeit der Schwärzung (recall, precision, F1-score) ja Entwicklung und Evaluierung laufen noch. Veröffentlichung unklar. AA AA weit KI Assistenz für die Aufgaben Chat, Zusammenfassung, Recherche; RAG System nein n.n. entfällt nein n.n. entfällt zu kurze Nutzungsdauer AA AA weit Übersetzungen nein n.n. entfällt nein n.n. entfällt System noch nicht produktiv AA AA weit Unterstützung bei Bürgeranfragen durch teilautomatische Klassifizierung, um möglichst zielgenaue Antworten aus den Internet-FAQ Bereich in der ersten Autoantwort zu versenden. ja n.n. n.n. AA n.n. nein n.n. BMDS DS (Ref DS II 2 Beschaffungscon trolling) Bert-v2 nein siehe Antwort zur ersten Frage unter 5. siehe Antwort zur ersten Frage unter 5. siehe Antwort zur ersten Frage unter 5. siehe Antwort zur ersten Frage unter 5. siehe Antwort zur ersten Frage unter 5. Es handelt sich um ein PoC. Ob und in welchem Umfang eine solche Evaluierung für den Aufbau eines Produktivsystems durchgeführt wird, wird im weiteren Projektverlauf eruiert. BMDS DS (Ref DS II 7) EMMA nein - - wird durch DL durchgeführt - - ist erst seit 13.10. im Betrieb BMF/BMF hausweit KIPITZ ja keine algorithmen-basierten Entscheidungen und keine automatisierten Mustererkennungen. Evaluierung der KI: Neben dem ITZBund führt das BMF zu allen KIPITZ-Anwendungen vor einer Freischaltung eine eigene Evaluierung durch. Ziel ist es, dass die Anwendungen die Anforderungen und Bedürfnisse der Beschäftigten zufriendenstellend abdecken. In einem agilen Prozess werden Evaluierungsergebnisse in die Weiterentwicklung dieser Anwendungen berücksichtigt, um den Zielzustand fortlaufend zu erreichen. BMF und ITZBund Ziel ist es, dass die Anwendungen die Anforderungen und Bedürfnisse der Beschäftigten zufriendenstellend abdecken. nein. BMF ITZBund Chatbot BITZ nein Der Chatbot ist eine Maßnahme aus der Dienstekonsolidierung des Bundes. Hauptverantwortlich ist das BMI. Eine Evaluierung der algorithmenbasierten Entscheidungen ist im Falle eines FAQ-Chatbots mit mutmaßlich minimaler Risikoklasse aus Sicht des Fachbereich nicht notwendig, da möglicherweise falsch interpretierte Intents (Interpretation der Eingabe zu einem Kontext) im Rahmen des Trainings lediglich den Antworten zugeordnet werden. BMF ITZBund Chatbot KIRA nein bisher noch keine Evaluation erfolgt BMF ITZBund Pilotierung - Show-Case für Beratung nein keine produktive Nutzung, für den Einsatzzweck nicht relevant BMF ITZBund KIPITZ ja keine algorithmen-basierten Entscheidungen und keine automatisierten Mustererkennungen. Evaluierung der KI: Online- Evaluierung durch Nutzende läuft gerade Evaluierung läuft noch BMDS/DigitalService Wahrgenommener Nutzen, Anwendungsfälle, Nutzendenerlebnis, Funktionalität nein, Evaluierung läuft noch BMF ITZBund BMF ITZBund BMF ITZBund BMF GZD siehe BT-Drs. 20/11648 Frage 5. siehe BT-Drs. 20/11648 Frage 5. siehe BT-Drs. 20/11648 Frage 5. Bzgl. Fragen 5. a), c) und d) siehe Drucksache 20/11648 Frage 5. a) bis c); bzgl. Frage 5. c) wird auf die Antwort unseres IT- Dienstleisters (ITZBund) als Anbieter der KI-Anwendung verwiesen. Diesbezüglich wird auf die Antwort unseres IT- Dienstleisters (ITZBund) als Anbieter der KI- Anwendung verwiesen. BMF GZD eZoll-App Es findet keine Evaluierung statt, da es sich bei der KI-gestützten Entscheidung lediglich um einen Vorschlag handelt. BMFTR Frage 3 BMFTR Z HdP Chatbot ja In Planung Intern BMFTR Nutzungshäufigkeit, Gebrauchstauglichkeit, Nutzererlebnis, Effizienzsteigerung aktuell nicht geplant BMFTR 1 Emerging Technologies Radar (Prototyp) ja In Planung Intern BMFTR Valididität und Relevanz der Ergebnisse, Nutzerfreundlichkeit aktuell nicht geplant BMFTR Z OpenWebUI ja In Planung Intern BMFTR Nutzungshäufigkeit, Gebrauchstauglichkeit, Nutzererlebnis, Effizienzsteigerung aktuell nicht geplant BMFTR Z Auto-Summarizer Nein Einfache, selbst entwickelte KI Anwendung zur Arbeitserleichterung BMFTR Z Fragewesen Nein Einfache, selbst entwickelte KI Anwendung zur Arbeitserleichterung BMFTR Z OpenRedact Nein Einfache KI Anwendung zur Arbeitserleichterung BMFTR Z EGO-Chatbot Nein Einfache, selbst entwickelte KI Anwendung zur Arbeitserleichterung BMG|BfArM 9 Medizinprodukte ja Medizinproduktevigilanz Kontinuierliche Evaluation, Vergleich mit manueller Kodierung Intern Übereinstimmung mit manueller Kodierung nein Aufgrund der starken Spezialisierung wurden Ergebnisse nur mit anderen Competent Authorities innerhalb der EU und der Schweiz geteilt und nicht veröffentlicht. BMLEH/MRI Leitung KIDA AIChat im Rahmen von KIDA nein nein nein nein nein nein nein BMLEH/MRI Leitung ScrAIbe im Rahmen von KIDA nein nein nein nein nein nein nein BMLEH/MRI Sicherheit und Qualität bei Getreide "Application of simulations and machine learning to detect edible oil adulteration" im Rahmen von KIDA nein nein nein nein nein nein nein BMLEH/MRI Nationales Referenzzentrum für authentische Lebensmittel Fish-ID ja Klassifikation von Fischbildern Noch nicht verfügbar Noch nicht verfügbar Noch nicht verfügbar Noch nicht verfügbar Projekt noch in Planungsphase BMLEH/BfR 66 molOCR ja ja nein nein nein nein BMLEH/BfR 63 Sarah Nexus ja ja ja Mitarbeiter des BfR Vorhersage von bakterieller Mutagenität (Statistisches Model) ja BMLEH/BfR FG 73/FG 94 DistillerSR Profession ja DistillerSR laufend Mitarbeiter des BfR Review von Literatur ja BMLEH/BfR 23 DeepL Nein Nein Nein Nein Nein Nein Keine Notwendigkeit. Übersetzungen sind in sehr guter Qualität werden kontrolliert und veröffentlicht. BMLEH/BfR 94 SMAFIRA ja SMAFIRA laufend Mitarbeitende der FG Qualität der Rechercheergebnisse von SMAFIRA geplant BMLEH/BfR 33/8FZ Happy Chicken ja Happy Chicken Tool laufend Projektmitarbeiter Vorhersagefähigkeit ob ein Bild eines Huhns korrekt als gestresst/ungetsresst bewertet wird ja BMLEH/BfR 1IZ/DSB GenAI Prompt / KI- basierte Textzusammenfassu ng ja ja laufend KI-Prüfteam (IT, ISB, DSB, Justiziariat) ja nein ./. BMLEH/JKI JKI-ZR SelWineQ nein BMLEH/JKI JKI-ZR KI-iREPro nein BMLEH/JKI JKI-ZR KI-iREPro, DigiVine,PhytoMo nein BMLEH/JKI JKI-ZR Semantic Search Vitis- Vea nein BMLEH/JKI JKI-ZR DFG, MGGL, VITIFIT nein BMLEH/JKI JKI-ZR VITIFIT nein BMLEH/JKI JKI-ZR nein BMLEH/JKI JKI-ZR DFG Traubenarchitektur nein BMLEH/JKI JKI-ZR Studentische Abschlussarbeit ohne Drittmittelprojekt nein BMLEH/JKI JKI-ZR KliwiResse nein BMLEH/JKI Institut für Bienenschutz „BeesUp", MonViA und Bienenzähler ja Evaluierungen finden in Bezug auf Anwendungen in den Projekten „BeesUp“ (BeesUp Wildbienenbestimmung, BD20244228539; BeesUp Planungswerkzeug zur bienenfreundlichen Stadt, BD20246640028; BeesUp Verhaltensbeobachtung von Wildbienenm BD20247538608), MonViA (Insekten-Monitoring, BD20241725548) und Bienenzähler (BD20246416807) statt. Die Evaluierungen sind aktuell noch nicht erfolgt. Da die Evaluierung noch nicht erfolgt ist, kann diese Frage aktuell nicht beantwortet werden. Da die Evaluierung noch nicht erfolgt ist, kann diese Frage aktuell nicht beantwortet werden. Da die Evaluierung noch nicht erfolgt ist, kann diese Frage aktuell nicht beantwortet werden. Da die Evaluierung noch nicht erfolgt ist, kann diese Frage aktuell nicht beantwortet werden. BMWE / BAFA IT-Steuerung Mailytica (E-Mail- Analyse und Textvorschlag) ja ja Verdreifachung der Abarbeitung von ungelesenen E-Mails Fachbereich Abarbeitungszahlen von ungelesenen E-Mails bei gleichem Personaleinsatz nein BMWE / BAFA IT-Steuerung Intrafind (Dokumentenanalyse und Vergleichen) nein BMWE / BAFA IT-Steuerung Cognigy AI (Chatbot im LkSG) nein BMWE / BAFA IT-Steuerung DeepL (Übersetzungshilfe) nein BMWE / BAFA IT-Steuerung Sympalog (Sprachbot) nein BMWE / BAM VP. BAM-interne IT- Infratruktur für wissenschaftliche LLM und KI-Workloads nein n/a n/a n/a n/a n/a Ergebnisse werden im Rahmen von Publikationen veröffentlicht und sind daher frei überprüfbar. BMWE / BGR B1 Deep Learning für Gesteinsuntersuchung ja Kernscanner-untersuchungen in Planung in Planung Plausibilitätsprüfung der geologischen Ergebnisse geplant BMWE / BGR B2.2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandspro gnosen und bundesweite Quellschüttungsvorhers agen Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Modellgüte unter Zuhilfenahme statistischer Parameter bei Hindcastanalysen online und wissenschaftliche Paper BMWE / BGR B2.2 Regionalisierung hydrogeologischer Information Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Eignung für wissenschaftliche Fragestellung wissenschaftliche Paper BMWE / BGR B2.2 Abschätzung der Grundwasservulnerabilit ät ggü. Pflanzenschutzmittelein trag Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Eignung für wissenschaftliche Fragestellung wissenschaftliche Paper BMWE / BGR B2.2 KI-basiertes Monitoring- , Datenmanagement- und Informationssystem zur gekoppelten Vorhersage und Frühwarnung vor Grundwasserniedrigstä nden und -versalzung Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Modellgüte unter Zuhilfenahme statistischer Parameter bei Hindcastanalysen wissenschaftliche Paper BMWE / BGR B2.5 Klassifizierung verschiedener geologischer Bereiche Ja Wissenschaftliche Anwendung Die generierten Cluster konnten geologisch unterschiedliche Gebiete voneinander abgrenzen. Wissenschaftliches Personal Es kann nur eingeschätzt werden, ob die generierten Cluster geologisch interpretierbar sind oder nicht. Wissenschaftliche Publikation wird vorbereitet - BMWE / BGR B2.2 Deep learning basierte Vorhersage von alpinen Karstquellschüttungen Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Modellgüte unter Zuhilfenahme statistischer Parameter bei Hindcastanalysen erfolgt nach Abschluss der Entwicklungsarbeiten erfolgt nach Abschluss der Entwicklungsarbeiten BMWE / BGR B2.2 Automatisiertes Auslesen von Bodenhorizonten aus Bodenprofilfotos Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Modellgüte, Match mit best educated guesses Als wissenschaftliche Paper in Arbeit BMWE / BGR B3.5 In Planung: Machbarkeitsstudie zu Wissensmanagement Ja, findet statt im Rahmen der Machbarkeitsstu die Sprachmodelle, Retriaval Augmented Generation nicht abgeschlossen intern Wird im Rahmen der Machbarkeitsstudie geprüft, Fokus auf wissenschaftliche Relevanz, Transparenz, Korrektheit, sowie Stabilität und Geschwindigkeit voraussichtlich in wissenschaftlicher Community BMWE / BGR B4 Erdbebenlokalisierung und -charakterisierung ja tägliche mauelle Auswertung von Erdbeben es liegen noch keine Ergebnisse vor BMWE / BGR B4 Identifikation, Bewertung und Monitoring von Geogefahren ja Einsatz in der geologischen Kartierung von Steilküsten Evaluiert wird technische Funktionalität und Zuverlässigkeit. Das System ist noch nicht fertig. Zwischenevaluierung ergab sehr gute Performanz auf synthetischen Datensätzen. Evaluierung auf Realdaten steht noch aus. BGR und Landesamt für Umwelt und Naturschutz Mecklenburg-Vorpommern Güte der Erreichten Segmentierung von Bildern mit Intersect over Union hinsichtlich der Unterscheidung trainierter Materialklassen. Eine wissenschaftliche Publikation sowie ein technischer Bericht sind in Arbeit. BMWE / BGR B4 Geologische und Rohstoffwirtschaftliche Interpretation maßstabgsübergreifend er Erdbeobachtungsbzw. Fernerkundungsdaten ja, hinsichtlich technischer Funktionsfähigkei t Bodenbewegungsgebiete Software funktioniert technisch wie erwartet BGR B4.4 Technische Funktionsfähigkeit trifft nicht zu BMWE / BGR B2.2 Kurz-, mittel- und langfristige bundesweite/EU-weite Grundwasserstandspro gnosen und bundesweite Quellschüttungsvorhers agen Als Teil der fachlichen Qualitätssicherun g entfällt Verfahren geeignet BGR Modellgüte unter Zuhilfenahme statistischer Parameter bei Hindcastanalysen online und wissenschaftliche Paper BMWE / BKartA D Fehlanzeige nein BMWE / BNetzA Stab04 KI-Plattform (KIP) nein Das System befindet sich noch in Planung BMWE / BNetzA Stab04 KI-Assistenzsystem nein Das System befindet sich noch in Planung BMWE / BNetzA Stab04 Chatbot nein Nicht relevant, weil nur informativ BMWE / BNetzA Stab04 PLAIN nein Das System wird erst eingeführt BMWK/PTB FB 8.1 ja ja ja BMWK/PTB FB 9.53 ja ja ja ja ja BMWK/PTB FB 7.2 nein nein BMWK/PTB FB 5.3 ja BMWE Z KI-Assistenzsystem noch nicht noch nicht festgelegt nicht zutreffend noch nicht festgelegt nicht zutreffend nicht zutreffend nicht zutreffend BMV/BMV Z KIPITZ nein BMV/BMV Z Virtueller Experte (Prototyp) nein BMV/BMV Z Microsoft Copilot nein BMV/BAF Fehlanzeige BMV/BALM K3 IPKS - KONAU (Analytische KI) nein nein nein nein nein nein nein BMV/BALM Stab Leitung Chatbot MILO (NLP) nein nein nein nein nein nein nein BMV/BALM Z2 KIRA (Information Retrievel / Generische KI) nein nein nein nein nein nein nein BMV/BALM Stab Leitung Lokales Assistenzsystem (Generische KI) nein nein nein nein nein nein nein BMV/BALM Z6 Microsoft Copilot (Generische KI) nein nein nein nein nein nein nein BMV/BALM K Webex Assistent (Generische KI) nein nein nein nein nein nein nein BMV/EBA u. BEU Alle Chat-GPT nein BMV/EBA u. BEU Alle Copilot nein BMV/EBA u. BEU Alle KI-Tools der EU nein BMV/BfG M2 Mittel- bis langfristige Wasserstandsvorhersa ge; momentan im präoperationellen Betrieb ja Vergleich der Ergebnisse mit denen des dynamischen Modells; Schnelligkeit? Generierung neues Vorhersageprodukt M2 nein BMV/BfG M2 Vorhersage des Wasserstandes und des Abflusses ja Vergleich der Vorhersagegüte mit physikalisch-basierten Modell Verbesserung Vorhersagegüte durch Nutzung ML-Methoden M2 nein BMV/BfG M5 / U3 Detektion von Plastik in Fließgewässern ja Genauigkeit der Methode wird überprüft Genauigkeit der Methoden anhand von Mean Average Precision M5 / U3 nein BMV/BfG M5 / U3 Vegetationklassifikation ja Genauigkeit der Methode wird überprüft und mit Random Forest verglichen hinsichtlich Genauigkeit Mean Intersection over Union M5 / U3 nein BMV/BfG M5 / U3 Ölerkennung auf dem Meer ja Genauigkeit der Methode wird überprüft noch kein Ergebnis M5 / U3 nein BMV/BfG U4 Fischerkennung ja Genauigkeit der Methoden wird überprüft fish / no fish: sehr gut size estimation: sehr gut swarm recognition: sehr gut species + behavoiur: noch kein Ergebnis U4 / Uni Tallin nein BMV/BfG M1, M3, U2 Integrierte Schwebstoffanalyse Tideems ja M3, U2 nein BMV/BfG M1, Z2 Qualitätskontrolle von Messdaten ja Methoden werden hinsichtlich Genauigkeit unter einander verglichen noch kein Ergebnis Z2 nein BMV/BfG M5 Qualitätskontrolle von Messdaten ja Vergleich der Ergebnisse der KI- Methode mit den manuell qualitätsgesicherten Daten noch kein Ergebnis M5 / ICGRWC nein BMV/BfG G3,Z2 Prognose und Zusammenfassung molekularer Effekte von Umweltchemikalien und Mischungen ja Vergleich mit experimentellen Ergebnissen noch kein Ergebnis G3 nein BMV/BfG G2 Identifikation eines Non- Target-Screening- Features (unbekannt) anhand der Zusammensetzung (Retentionszeit, Messintensität und Masse-zu- Ladungsverhältnis) nein BMV/BfG M2 KI-gestützte Wasserhaushaltsmodell ierung ja Vergleich Vorhersagegüte mit deterministischen Modellen noch ausstehend M2 nein BMV/BfG U4 Methodenentwicklung zur automatisierten Nachbearbeitung der Unterwasseraufnahmen und Klassifikation von Schweinswalpräsenz ja manuelle Validierung der zugrundeliegenden Daten visuelle Prüfung durch Experten U4 nein BMV/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 ja Vergleich angewandter Methoden untereinander bezüglich Schnelligkeit / Rechenleistung und Genauigkeit der Ergebnisse Klassifikationsgenauigkeit um 88% je klassifi-zierter Einheit (z.B. Uferpioniere, Schilfröhricht, Kies, Wasserbausteine) U3 https://www.mdpi.com /2072-4292/14/4/954 BMV/BSH MDZ KISS ja BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren basierend auf meteorologischen und klimatologischen Datensätzen für KI- Anwendungen im gesamten DWD (Entwicklung des Softwareframeworks FRAIM - Framework for AI in Meteorology) ja alle Anwendungen werden in Verifikationsstudien wissenschafltich evaluiert und im operationellen Betrieb kontinuierlich gemonitored (kontinuierliche Verifikation und Bewertung der operationellen Vorhersagen mit Berichtswesen) • Ergebnisse werden intern regelmässig in Verifkationsberichten festgehalten • Forschungsergebnisse werden in begutachteten wissenschaftlichen Zeitschriften veröffentlicht • Ergebnisse werden ggf. im Internet der Öffentlichkeit zur Verfügung gestellt • eingesetze KI und ML Verfahren werden fortlaufend intern evaluiert • Prozesse unterliegen einer extrem aufwendigen Qualitätsüberwachung zur stetigen 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 • Prozesse unterliegen einer extrem aufwendigen Qualitätsüberwachung zur stetigen Verbesserung der operationellen Vorhersagesysteme nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess • Ergebnisse werden intern regelmässig in Verifkationsberichten festgehalten • Forschungsergebniss e werden in begutachteten wissenschaftlichen Zeitschriften veröffentlicht • Ergebnisse werden ggf. im Internet der Öffentlichkeit zur Verfügung gestellt BMV/DWD KI-Zentrum Entwicklungen im KI- Zentrum des DWD: KI Verfahren unter Verwendung von Sprach-KI und multimodalen Ansätzen zur Unterstützung basierend auf meteorologischen und klimatologischen Datensätzen sowie relevanten Textdokumenten für Klima- und Wetterservices im gesamten DWD (Entwicklung des Softwareframeworks DAWID - AI for DWD) ja alle Anwendungen werden in Verifikationsstudien wissenschafltich evaluiert, im Testbetrieb umfassend evaluiert und im operationellen Betrieb kontinuierlich gemonitored (kontinuierliche Verifikation und Bewertung der operationellen Vorhersagen mit Berichtswesen) • Ergebnisse werden intern regelmässig in Verifkations- und Evaluationsberichten festgehalten • Forschungsergebnisse werden in begutachteten wissenschaftlichen Zeitschriften veröffentlicht • Ergebnisse werden ggf. im Internet der Öffentlichkeit zur Verfügung gestellt • eingesetze KI und ML Verfahren werden fortlaufend intern evaluiert • Prozesse unterliegen einer extrem aufwendigen Qualitätsüberwachung zur stetigen 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 • Prozesse unterliegen einer extrem aufwendigen Qualitätsüberwachung zur stetigen Verbesserung der operationellen Vorhersagesysteme nach bester wissenschaftlicher Praxis für den Wettervorhersage- und Warnprozess • Ergebnisse werden intern regelmässig in Verifkationsberichten festgehalten • Forschungsergebniss e werden in begutachteten wissenschaftlichen Zeitschriften veröffentlicht • Ergebnisse werden ggf. im Internet der Öffentlichkeit zur Verfügung gestellt BMV/WSV U13 KI gestützte Verkehrserfassung der Freizeitschifffahrt nein nein nein nein nein nein Projekt / Entwicklung noch nicht abgeschlossen BMV/BASt SD BASTI ja Eine Evaluation ist am Ende der Pilotphase vorgesehen Noch nicht stattgefunden Die laufende Evaluierung wird durch das interne Entwicklerteam der BASt in Zusammenarbeit und im direkten Austausch mit den Teilnehmenden der Pilotphase (den Pilotnutzenden) durchgeführt. Der Plan sieht vor: Die Evaluierung in der Pilotphase konzentriert sich auf folgende Aspekte: • ◻Technische Stabilität und Performanz: Zuverlässigkeit und Antwortgeschwindigkeit des Systems. • ◻Funktionalität und Nutzen: Praktischer Mehrwert im Arbeitsalltag, Qualität Ergebnisse. • ◻Nutzerakzeptanz und Usability: Bedienfreundlichkeit der Benutzeroberfläche und allgemeine Akzeptanz bei den Mitarbeitenden. • ◻Einhaltung der Sicherheits- und Datenschutzkonzepte: Praktische Überprüfung der etablierten Sicherheitsarchitektur im Realbetrieb. Eine externe Veröffentlichung der internen Evaluationsergebnisse ist nicht vorgesehen. Die Erkenntnisse dienen als interne Entscheidungsgrundla ge für die Weiterentwicklung und den potenziellen Produktivbetrieb. Es wird eine Evaluierung im Rahmen der beschriebenen Pilotphase durchgeführt (siehe oben). Diese ist noch nicht abgeschlossen. BMV/KBA Stabsstelle KI-Assistent ja BMV/KBA Stabsstelle NLU-Chatbot ja BMV/KBA Abteilung 1 KI in der Softwareentwicklung ja BMI/BVA D KIPITZ ja KIPITZ Der Einsatz von KIPITZ wird bisher grundsätzlich befürwortet; aufgrund der Nutzung von KIPITZ in der Public Cloud müssen aktuell Einschränkungen der Eingaben (keine personenbezogenen oder anderweitig sensiblen Daten) berücksichtigt werden. Bei einer Nutzung von KIPITZ On-Premises (inkl. VS-NfD-Freigabe) fallen diese Einschränkungen weg. Team KI im Referat D I 3 mit den bisher zum Test ausgewählten Nutzern Häufigkeit der Nutzung, Zufriedenheit, Zeitersparnis/Effizienz, Veränderungs- /Verbesserungswünsche. Evaluation dauert an; Veröffentlichung der Ergebnisse lediglich intern. n/a BMI/StBA C Verfahren des maschinellen Lernens in der amtlichen Statistik (Statistikproduktion) ja Es erfolgen Evaluierungen im Rahmen der Modellvalidierung, der Prüfung der Datenqualität, durch den Vergleich mit klassischen Verfahren, in Testszenarien sowie durch fachliche Plausibilitätsprüfungen, um Verlässlichkeit und statistische Eignung sicherzustellen. Die bisherigen Evaluationen zeigen, dass das eingesetzte Verfahren für den betrachteten Anwendungsfall methodisch geeignet ist, stabile Ergebnisse liefert und mit klassischen Verfahren vergleichbare bis leicht verbesserte Resultate erzielt. Hinweise auf systematische Verzerrungen oder diskriminierende Effekte ergaben sich nicht. Die Evaluierung wurde je betroffener Statistik immer durch das fachliche Team durchgeführt, in enger Abstimmung mit methodischen Expertinnen und Experten sowie gegebenenfalls unter Einbeziehung interner Qualitätssicherungsstellen. Evaluiert wurden insbesondere die methodische Eignung des eingesetzten Verfahrens, die Qualität und Repräsentativität der Eingangsdaten, die Nachvollziehbarkeit der Ergebnisse sowie deren Vergleichbarkeit mit etablierten Verfahren; als Kriterien dienten statistische Gütekriterien, fachliche Plausibilität, Stabilität der Ergebnisse und potenzielle Verzerrungseffekte. Ergebnisse des wurden – soweit auf einzelne Statistiken bezogen – in Fachartikeln, unter anderem im WISTA – Wirtschaft und Statistik, veröffentlicht sowie im Rahmen von Fachkonferenzen wie der Statistischen Woche vorgestellt. - BMI/BPOL Abteilung 2 Videoanalyse auf Bahnhöfen ja nein nein nein nein nein nein BMI/BPOL Abteilung 2 Sensorgestützte Tunnelmundüberwachu ng (Dynamic Vision Sensor) ja nein nein nein nein ja nein BMI/BPOL Abteilung 6 QPS 201 P1+ und QPS 201 P2 nein nein nein nein nein nein nein BMI/BPOL Abteilung 5 ollama nein BMI/BPOL Abteilung 5 Open-WebUI nein BMI/BPOL Abteilung 5 Obsidian nein nein nein nein nein nein nein BMI/BPOL Abteilung 5 Whisper nein nein nein nein nein nein nein BMI/BPOL Abteilung 5 LibreTranslate nein nein nein nein nein nein nein BMI/BPOL BPOLD FRA EnForce Air 2 nein nein nein nein nein nein nein BMI/BPOL BPOLD FRA VisionFlex nein nein nein nein nein nein nein BMI/BPOL Akademie Knowtion nein nein nein nein nein nein befindet sich noch in Testbetrieb BMI/BPOL Akademie Articulate 360 AI Assistant Add-on nein nein nein nein nein nein lediglich geringfügiges Add-on in führendem Autoren-Tool BMI/BPOL Akademie Synthesia nein nein nein nein nein nein Umfang und Nutzerkreis zu gering BMI/BPOL Akademie Adobe Creative Cloud All Apps nein nein nein nein nein nein lediglich zwei Anwendungen in umfangreichem Software-Paket BMI/BPOL Akademie Synthesia nein nein nein nein nein nein Umfang und Nutzerkreis zu gering BMI/BPOL Abteilung 8 Chatbot der Bundespolizei Heilfürsorge nein nein nein nein nein nein nein BMI/BPOL Forschungs- und Erprobungsstelle HS 6040 CTiX, XCT nein nein nein nein nein nein nein BMI/BPOL Abteilung 5 WhisperOPST nein nein nein nein nein nein nein BMI/BPOL Abteilung 6 Fahrerassistenzsystem e (FAS) aller gängigen Fahrzeughersteller nein nein nein nein nein nein nein BMI/BPB Bundeszentrale für politische Bildung ChatGPT Team (8 Jahres-Lizenzen) ja BMI/BBK Z KIPITZ Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. Diese Frage kann nur das ITZBund beantworten. BMI/BKA DI53-2 BLINK ja Bildbeschreibung Interne Bilddatenbestände wurden zur Evaluation herangezogen. Die Bildbeschreibungen entsprachen ca. zu 80% den Erwartungen der Bedarfsträger. 2 Data Scientists (intern) Vermögen visueller Sprachmodelle zur akkuraten Beschreibung interner Bilddaten. nein Es werden hier KI-Modelle mit allgemeinem Verwendungszweck eingesetzt. Diese wurden bereits vielfach in öffentlichen Evaluationsverfahren auf eine große Anzahl an Aufgaben getestet. Diese Benchmarks sind öffentlich einsehbar (s. Open LLM Leaderboard). Grundsätzlich werden nur KI-Modelle verwendet, die - unter Einhaltung gewisser Größenbeschränkungen (ca. 70 Milliarden Parameter) - in den öffentlichen Benchmarks die besten Ergebnisse erzielen. BMI/BKA DI53-2 KI-Model-Service KIMS nein Es werden hier KI-Modelle mit allgemeinem Verwendungszweck eingesetzt. Diese wurden bereits vielfach in öffentlichen Evaluationsverfahren auf eine große Anzahl an Aufgaben getestet. Diese Benchmarks sind öffentlich einsehbar (s. Open LLM Leaderboard). Grundsätzlich werden nur KI-Modelle verwendet, die - unter Einhaltung gewisser Größenbeschränkungen (ca. 70 Milliarden Parameter) - in den öffentlichen Benchmarks die besten Ergebnisse erzielen. BMI/BKA DI53-2 KIRA nein Es werden hier KI-Modelle mit allgemeinem Verwendungszweck eingesetzt. Diese wurden bereits vielfach in öffentlichen Evaluationsverfahren auf eine große Anzahl an Aufgaben getestet. Diese Benchmarks sind öffentlich einsehbar (s. Open LLM Leaderboard). Grundsätzlich werden nur KI-Modelle verwendet, die - unter Einhaltung gewisser Größenbeschränkungen (ca. 70 Milliarden Parameter) - in den öffentlichen Benchmarks die besten Ergebnisse erzielen. BMI/BKA DI53-2 BKA-Translate ja Maschinelle Übersetzung Es werden für jedes Sprachpaar (ca. 200) verschiedene Evaluationsmaße (z.B. BLEU) erhoben, so dass eine Qualitätsabschätzung der maschinellen Übersetzung pro Sprachpaar ermöglicht wird. Data Scientist (intern) Übersetzungsqualität (in Bezug auf eine Referenzübersetzung) nein BMI/BKA DI53-2 Speech-to-Text Whisper ja Transkription (Speech-to-Text) Für manche Sprachen (z.B. Englisch oder Deutsch) können Fehlerraten erzielt werden, die denen von Menschen bei der Transkription gleichen. Data Scientist (intern) Word Error Rate (Wortfehlerrate bei der automatischen Transkription in Bezug auf ein Referenzdokument) nein BMI/BKA ZV11 Der intelligente Chatbot nein BMI/BKA KT34 Vocalise ja Das System ist für den Einsatz als ein Bestandteil bei Stimmenvergleichsuntersu chungen geeignet; Performanzwerte, übliche Fehlerraten etc. sind bekannt Das System (die Richtigkeit der Entscheidungen) wird validiert durch Korpusdaten, die den Fallbedingungen entsprechen. Eignung für den Einsatz bei Stimmenvergleichsuntersuchungen; korrekte Ergebnisse hinsichtlich der Identität bzw. Nichtidentitä der Sprecherzwei Sprachproben teilweise interne archiviert; einige der Testergebnisse u. a. öffentlich verfügbare Publikationen über Testergebnisse nicht zutreffend BMI/BKA KT34 Voice Inspector ja Das System ist für den Einsatz als ein Bestandteil bei Stimmenvergleichsuntersu chungen geeignet; Performanzwerte, übliche Fehlerraten etc. sind bekannt Das System (die Richtigkeit der Entscheidungen) wird validiert durch Korpusdaten, die den Fallbedingungen entsprechen. Eignung für den Einsatz bei Stimmenvergleichsuntersuchungen; korrekte Ergebnisse hinsichtlich der Identität bzw. Nichtidentitä der Sprecherzwei Sprachproben teilweise interne archiviert; einige der Testergebnisse u. a. öffentlich verfügbare Publikationen über Testergebnisse nicht zutreffend BMI/BKA KT43 NMR & IR & Raman Simulationen - - - - - - - BMI/BKA KT43 Mass Spectral Interpreter - - - - - - - BMI/BKA KT43 METIS NPS AImEx (ChemInnovation GC-EI- MS Strukturaufklärung) - - - - - - - BMI/BKA KT53 DJ ja DJ kein Risiko, da Prüfung durch nicht KI-basierten Algorithmus während Anwendung Entwickelnde/Anwendende siehe Spalte AG nein BMI/BKA KT31 STRmix nein Die Software befindet sich derzeit in der Validierung und wird noch nicht in der Praxis eingesetzt. Eine Evaluierung ist erst nach erfolgtem Einsatz in der Praxis der Fallarbeit und durch hierbei gewonnene Erfahrungen möglich. BMI/BKA KT13-5 3D Visualisierung Gaussian Splatting/NeRFs nein nein nein nein nein nein nein BMI/BKA DI21 Entitäten-Extraktions- Tool (EET) ja BMI/BKA TE14 2Captcha ja BMI/BKA CC15 Coding Assistant nein nein nein nein nein nein nein BMI/BKA OE12-4 ID-Reader ja nein BMI/BKA OE 16-5 KI-gestützte Personenerkennungsfu nktion im Kamerasystem der Drohne AUTEL EVO Max 4T auf Basis von "OpenAI" nein nein nein nein nein nein nein BMI/BKA OE22 OE22 AI Spielwiese ja nein BMI/BKA OE15-1 technische Auswerteunterstützung für digitale Textmassendaten in Asservaten ja ja nein studierte Analysten Güte der Ergebnisse nein entfällt BMI/BKA OE15-2 technische Auswertunterstützung für digitale Bild- und Videomassendaten in Asservaten ja ja nein studierte Ingenieure und wissenschaftliche Mitarbeiter Güte der Ergebnisse nein entfällt BMI/BKA TE14 Free Captcha Solver ja BMI/BKA TE14 AntiCaptcha ja BMI/BKA TE14 CapMonster ja BMI/BAMF 7, 2 Assistenzsystem für Sicherheitsmeldungen (ASM) ja ASM Abschätzung von Genauigkeit (precision) und Vollständigkeit (recall) der eingesetzten Klassifikationsmodelle Durchgängiges automatisches Monitoring im Betrieb; manuelle Evaluationen durch das Betriebsteam Genauigkeit (precision) und Vollständigkeit (recall) der eingesetzten Klassifikationsmodelle auf Basis von Testdatensätzen und Stichproben aus dem Produktivbetrieb nein BMI / ZITiS Digitale Forensik Stable Diffusion nein --- --- --- --- --- KI-Anwendung befindet sich noch im Testbetrieb BMI / ZITiS Digitale Forensik Eleven Labs nein --- --- --- --- --- KI-Anwendung befindet sich noch im Testbetrieb BMI / ZITiS Digitale Forensik Inseyets nein --- --- --- --- --- KI-Anwendung befindet sich noch im Testbetrieb BMI / ZITiS Zentraler Service Noxtua nein --- --- --- --- --- KI-Anwendung befindet sich noch im Testbetrieb BMI/BPOL Abteilung 5 @rtus mobil/mobile Datenerfassung nein nein nein nein nein nein nein BMI/BPOL Abteilung 5 @rtus mobil/Auslesen Ausweisdokuente nein nein nein nein nein nein nein Allgemeine Angaben Frage 7 Frage 8) Frage 9) Beteiligung, Unterstützung, Initiierung zur Thematik (teil-)automatisierter Entscheidungsprozesse - Mustererkennungen und KI verfügbare Haushaltsmittel in 2025 seit 01.01.2025 abgeflossene Haushaltsmittel Ressort / Behörde Abteilung Forschungsvorhaben/ Pilotprojekt/ Reallabor Kosten Gesamtkosten Jahr (Beginn und Ende) Nachhaltigkeits kriterien/ Informationen eine verbindliche Förderbedingun g? Gesamtsumme verfügbarer Mittel für KI-Einsatz Gesamtsumme verfügbarer Fördermittel für KI-Einsatz Gesamtsumme seit 01.01.2025 abgeflossener Mittel für KI-Einsatz Gesamtsumm e seit 01.01.2025 abgeflossene r Fördermittel für KI-Einsatz BMJV Pilotierung KIPITZ Cloudbasiert 60 T€ 60 T€ 2024 - 2025 nein 120 T€ 4870 T€ (DARP-Mittel) 0 T€ (Derzeit erfolgt die Vorbereitung der Beschaffung und Implementierung von KIPITZ für BMJV und GB) 52 T€ (DARP-Mittel) BMJV / BFH hausinternes Pilotprojekt des BFH zu textgenerativer KI 2300 EUR Beginn: 04/2024 Ende: nocht nicht abgeschlossen Nachhaltigkeitskriteri en wurden im Rahmen des Pilotprojekts zunächst nicht betrachtet k.A. k.A. k.A. k.A. BMJV / BfJ Das BfJ prüft derzeit, ob ein möglicher künftiger Einsatz einer fachbezogenen KI-Anwendung im Bereich der Schlichtungsstelle Luftverkehr gewinnbringend in Betracht kommt. Ein Einsatz einer allgemeinen offenen KI-Anwendung, wie z.B. ChatGPT, steht dabei nicht im Raum. Für die Schlichtungsstelle Luftverkehr soll ein Vorprojekt durchgeführt werden. Ziel des Vorprojekts ist es, die Grundlagen für ein Umsetzungsprojekt zu schaffen. 42 T€ 42 T€ 2025/2026 nein k.A. k.A. k.A. k.A. BMUKN Z keine Für die Arbeiten an "KIRAS" stehen in 2025 keine Haushaltsmittel zur Verfügung. Die Arbeiten werden über Ausgabereste aus den vorherigen Jahren finanziert. keine Ca. 350.000 € (aus Ausgaberesten) keine Umweltbundesamt (UBA) Anwendungslabor für Künstliche Intelligenz und Big Data (KI-Lab) keine s. Frage 7.1 s. Frage 7.1 s. Frage 7.1 s. Frage 7.1 6.900.000 € . 0 € 2015887,47 €, ein zusätzlicher Betrag i. H. v. ca. 1,1 Mio. € ist für geschlossene Verträge gebunden und wird 2025 noch abfließen 0 € Bundesamt für Naturschutz (BfN) Abteilung I 1 Digitalisierung, Naturschutzinformati on (zuständig: Fachgebiet I 1.1) Projektauflistung siehe MaKI 947752,31 623393,88 Bundesamt für die Sicherheit der nuklearen Entsorgung (BASE) Abteilung T – Verwaltungstransfor mation und Öffentlichkeitsarbeit (zuständig: Referat T4) nein Für das Haushaltsjahr 2025 hat das BASE keine gesonderten Mittel für KI- Einsatz beantragt Keine Bundesamt für Strahlenschutz (BfS) Abteilung DO "Digitalisierung und Organisation" (zuständig: Referat DO4) KI-Anwendungslabor im UBA s. Angaben UBA/BMUKN s. Angaben UBA/BMUKN s. Angaben UBA/BMUKN s. Angaben UBA/BMUKN 0 0 1.600 € 0 BMAS D (hier nur Frage 7) Implementierung von Praxisbeispielen von "Human in Command" (KI Cockpit) 3,5 Mio. EUR 3,5 Mio. EUR 2023-2025 keine Förderbedingung BMAS D (hier nur Frage 7) Experimentelle Studien zu KI in Unternehmen (ai:conomics) 2,9 Mio. EUR 2,9 Mio. EUR 2025-2026 keine Förderbedingung BMAS D (hier nur Frage 7) Sensibilisierung und Befähigung zur KI-Nutzung (KI-Studios) 6,5 Mio. EUR 6,5 Mio. EUR 2023-2026 keine Förderbedingung BMAS D (hier nur Frage 7) Analyse, Entwicklung und Evaluation von AI Systemen und AI Literacy in Arbeitskontexten (AIL AT WORK) 1,2 Mio. EUR 1,2 Mio. EUR 2021-2026 keine Förderbedingung BMAS D (hier nur Frage 7) Menschenzentrierte Nutzung generativer KI im Unternehmen (MenschKI!) 1,7 Mio. EUR 1,7 Mio. EUR 2025-2027 keine Förderbedingung BMAS D (hier nur Frage 7) Betriebliche Nachfrage nach KI-Kompetenzen und Beschäftigungsentwicklung 0,5 Mio. EUR 0,5 Mio. EUR 2025-2027 keine Förderbedingung BMAS D (hier nur Frage 7) Meinungsmonitor KI (MeMoKI:3.0) 0,5 Mio. EUR 0,5 Mio. EUR 2024-2026 keine Förderbedingung BMAS D (hier nur Frage 7) Generative KI in der Arbeitswelt: Anwendung, Auswirkungen und Gestaltung (GENKIA) 1,2 Mio. EUR 1,2 Mio. EUR 2024-2026 keine Förderbedingung BMAS D (hier nur Frage 7) Unternehmenslabore für Transformation und Change im Zusammenhang mit KI (KI-ULTRA) 2,4 Mio. EUR 2,4 Mio. EUR 2021-2025 keine Förderbedingung BMAS D (hier nur Frage 7) OECD Programme Artifical Intelligence in Work, Innovation, Productivity and Skills (AI-WIPS Phase 3) 2 Mio. EUR 2 Mio. EUR 2025-2026 keine Förderbedingung BMAS D (hier nur Frage 7) Gestaltung der digitalen Transformation im Betrieb und Veränderungen der Arbeitsmarktpolarisierung 0,4 Mio. EUR 0,4 Mio. EUR 2023-2025 keine Förderbedingung BMAS D (hier nur Frage 7) Gig-Ökonomie: Beschäftigungsentwicklung, Arbeitsbedingungen und Auswirkungen auf betroffene Sektoren 0,5 Mio. EUR 0,5 Mio. EUR 2025-2027 keine Förderbedingung BMAS D (hier nur Frage 7) Innovationen in der digitalen Arbeitsgesellschaft 1,2 Mio. EUR 1,2 Mio. EUR 2024-2027 keine Förderbedingung BMAS D (hier nur Frage 7) Algorithmisches Management und betriebliche Interessenvertretung in der deutschen Plattformökonomie. Eine Fairwork-Studie 0,8 Mio. EUR 0,8 Mio. EUR 2024-2026 keine Förderbedingung BMAS (mit BMUKN, BMBFSFJ und BMDS) D (hier nur Frage 7) Civic Coding – Innovationsnetz KI für das Gemeinwohl 8,8 Mio. EUR 10,9 Mio. EUR 2021-2026 Projektziel BMAS D (hier nur Frage 7) Civic Innovation Platform 10 Mio. EUR 10,9 Mio. EUR 2021-2026 Förderkriterium BMAS D (hier nur Frage 7) KI-Leuchtturm DRV Bund: "KI für risikoorientierte Arbeitgeberprüfungen (KIRA)" unterstützt Beschäftigte bei der Vorauswahl der Prüfschwerpunkte 1,8 Mio EUR 1,8 Mio EUR 2024-2024 keine Förderbedingung BMAS D (hier nur Frage 7) "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 3,5 Mio. EUR 3,5 Mio. EUR 2023-2024 keine Förderbedingung BMAS D (hier nur Frage 7) Pilotentwicklung "LLM für verständliche Behördensprache" bei der VBG 0,8 Mio. EUR 0,8 Mio. EUR 2025-2025 keine Förderbedingung BMAS Z Pilotprojekt 1,5 Mio Euro 2021-2026 257.000,51 € 0 BMAS V (nur Frage 7) Pilotprojekt: KI-Kompass inklusiv Im Projekt wird ein Kompetenzzentrum für KI- gestützte Assistenztechnologien und Inklusion im Arbeitsleben aufgebaut. Menschen mit Behinderungen, Leistungserbringer*innen, Unternehmen und weitere Stakeholder sollen niedrigschwellig, bedarfsorientiert und praxisnah bei der Erprobung und Einführung KI-gestützter Assistenztechnologien informiert, beraten und unterstützt werden. 1.750.759,48 € 1.945.288,31 € 01.10.2022-30.09.2027 Nachhaltigkeitskriteri en sind bereits bei der Antragsprüfung eine wichtige Fördervoraussetzung . Während der Projektlaufzeit wird die Nachhaltigkeit weiterhin durch eine begleitende Erfolgskontrolle sichergestellt. Explizite Kriterien hinsichtlich möglicher schädlicher Klimawirkungen durch den Einsatz von KI sind nicht Bestandteil der Förderbedingungen. BMAS V (nur Frage 7) Pilotprojekt: TOP-KI Im Projekt TOP.KI wird ein Kl- Übersetzungswerkzeug für Prüfungsaufgaben in Einfache Sprache entwickelt, erprobt und evaluiert. Es wird ein Service geschaffen, der (dem Übersetzungstool DeepL ähnlich) Text in ausformulierter Form entgegennimmt, diesen verarbeitet und in Einfacher Sprache zurückgibt. Dabei werden verschiedene Aspekte und Probleme im Bereich Bildungssprache in Text-, Satz- und Wortebene einbezogen. Basierend auf dem Tool lassen sich wesentliche Erfahrungen und Erkenntnisse sammeln, um weitere berufliche Leminhalte an die Bedürfnisse von Menschen mit Beeinträchtigungen anzupassen. 506.717,65 € 533.387,00 € 01.03.2023-28.02.2026 Nachhaltigkeitskriteri en sind bereits bei der Antragsprüfung eine wichtige Fördervoraussetzung . Während der Projektlaufzeit wird die Nachhaltigkeit weiterhin durch eine begleitende Erfolgskontrolle sichergestellt. Explizite Kriterien hinsichtlich möglicher schädlicher Klimawirkungen durch den Einsatz von KI sind nicht Bestandteil der Förderbedingungen. BMAS V (nur Frage 7) Pilotprojekt: VisualGPT VisualGPT zielt darauf ab, die Bildungsherausforderungen gehörloser Menschen zu bewältigen, indem es eine KI-basierte Anwendung entwickelt, die schriftsprachliche Texte in gebärdensprachliche, visuelle Lernmaterialien transformiert. Aufgrund der unterschiedlichen kognitiven Verarbeitungsprozesse von Laut- und Gebärdensprachen ist eine deafdidaktische Aufbereitung notwendig. VisualGPT soll visuelle Elemente wie Bilder, Piktogramme und Videos in Deutsche Gebärdensprache (DGS) integrieren und Inhalte strukturell anpassen, um eine barrierefreie Lernumgebung zu schaffen, die den visuellen und szenischen kognitiven Prozessen Gehörloser entspricht. 4.470.934,72 € 4.777.505 € 01.04.2025-31.03.2029 Nachhaltigkeitskriteri en sind bereits bei der Antragsprüfung eine wichtige Fördervoraussetzung . Während der Projektlaufzeit wird die Nachhaltigkeit weiterhin durch eine begleitende Erfolgskontrolle sichergestellt. Explizite Kriterien hinsichtlich möglicher schädlicher Klimawirkungen durch den Einsatz von KI sind nicht Bestandteil der Förderbedingungen. BMAS G (nur Frage 7) Pilotprojekt: Automatische Auswertung von Stellungnahmen 127.761,38 € 239.009,90 € 01.06.2023 - 30.11.2024 nein BMAS G (nur Frage 7) KI-basierter RAG-Chatbot für das Wissensmanagement von Studien, Forschungsberichten oder sonstigen Veröffentlichungen zu bestimmten Themenfeldern 65.214,98 € 162.542,10 € 01.07.2024 - 31.08.2025 nein BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: KI- Nachwuchsforschungsgruppe (Verwaltungsvereinbarung BAuA - BMAS) Künstliche Intelligenz (KI) in einer sicheren und gesunden Arbeitswelt 1.283.670,58 € 7.116.500,00 € 2022-2026 Die Forschungsvorhaben der BAuA sind eigene Forschungstätigkeite n, die nicht Gegenstand von Ausschreibungen mit Förderbedingungen sind. Zudem werden wissenschaftliche Dienstleistungen eingekauft. Die BAuA verfügt über ein zertifiziertes Umweltmanagement system (EMAS) und stellt Nachhaltigkeitsanfor derungen an Lieferanten und Dienstleister. BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: KI- Nachwuchsforschungsgruppe Sondermittel Schwerpunkt KI-Daten (Erweiterung Verwaltungsvereinbarung BAuA - BMAS) 1.581.367,00 € 2.080.000,00 € 2023-2024 BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: F 2536 - Potentiale Künstlicher Intelligenz zur Risikoanalyse im betrieblichen Arbeitsschutz 29.040,00 € 155.240,00 € 2021-2024 BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: F 2601 - Den digitalen Wandel der Arbeitswelt verstehen – Wissenschaftliche Verwertung der DiWaBe 2.0- Erhebung 236.320,00 € 1.025.028,00 € 2024-2029 BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: F 2602 - Metriken zur Messung von Dateneigenschaften beim Training von Hochrisiko KI-Systemen: Grundrechtsgefährdende Verzerrungen in Softwareprodukten verstehen, vorhersagen und vermeiden 136.600,00 € 790.300,00 € 2025-2029 BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: F 2603 - „Digital Smart Regulations“ für den Arbeitsschutz – Entwicklung und Erprobung von Ansätzen für den Einsatz digitalisierter Vorschriften und Regeln im Arbeitsschutz 158.620,00 € 1.401.340,00 € 2025-2029 BAuA Fachbereich 2 (nur Frage 7) Forschungsvorhaben: F 2604 - KI- Softwareprodukte im Algorithmic Management: Digitale Souveränität von Beschäftigten verstehen 75.700,00 € 174.300,00 € 2025-2026 BAuA Fachbereich 3 (nur Frage 7) Forschungsvorhaben: F 2574 - KI-basierte Systeme im Gesundheitswesen – Werkstattgespräche zur Entwicklung eines multidisziplinären und gemeinwohlorientierten Gestaltungsansatzes aus Perspektive des Arbeitsschutzes 49.060,00 € 157.050,00 € 2023-2024 BAuA Fachbereich 4 (nur Frage 7) Forschungsvorhaben: F 2566 - Konzeption und Implementierung einer Datenbank zu stofflichmorphologischen Charakteristika toxikologisch relevanter Faseraerosole 108.400,00 € 239.600,00 € 2022-2024 BAuA Fachbereich 4 (nur Frage 7) Forschungsvorhaben: F 2529 - Entwicklung und Evaluation eines Analysesystems zur automatisierten, rasterelektronen-mikroskopischen Bestimmung von Asbestfaserkonzentrationen am Arbeitsplatz (AsbestDetect) 60.080,00 € 150.200,00 € 2021-2026 BAuA Fachbereich 4 (nur Frage 7) Forschungsvorhaben: F 2595 - Asbest- Identifizierbarkeit: Durchmesserabhängigkeit und arbeitsplatztypische Durchmesserverteilungen (AIDA) 285.750,00 € 1.043.500,00 € 2024-2030 IAB Forschungsvorhaben: Förderung innovativer Ansätze zur Stärkung von Dateninfrastruktur und Methoden" mit den Teilprojekten: „Erschließung von (unstrukturierten) Daten aus operativen BA-Systemen: Qualitätsverbesserung von Kurzarbeitergeld-Daten“, „Kompetenz-Kompass: Bereitstellung von Stellentext-Daten als strukturierter Datensatz“ und „Etablieren eines Standardbaukastens für Text Mining“ 273.778,81 € 1.437.359,79 € 01.10.2022 – 31.12.2024 nein Bundesagentur für Arbeit (BA) Pilotprojekt: Erprobung neuer Methoden der Mustererkennung bei der Statistik der Bundesagentur für Arbeit im Kontext des BMAS- Datenlabors 1.177.705,19 € 2.368.311,87 € 01.11.2022 - 31.12.2024 nein Bundesagentur für Arbeit (BA) Pilotprojekt: BerufeBot Dialogbasierter Gen AI Bot zur Beantwortung von Fragen rund um das Thema Berufe, Aus- und Weiterbildung durch dialogbasierte Erschließung des Lexikons BERUFENET. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: Anonymisierung von Trainingsdaten Dient zur Sicherstellung des Datenschutzes. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: ISM - Wissensmanagement Assistent Dialogfähiges System zur Bündelung von Wissen im Bereich Informationssicherheit. Dialogbasierte Wissenserschließung auf Basis von Sicherheitsrichtlinien, Anwenderhilfen etc. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: Voice-Bot für das Service Center Verbesserung der Erreichbarkeit bzw. der Servicelevel für Kundinnen und Kunden innerhalb der Service-Center-Telefonie im Rechtskreis SGB III. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: Digitaler Assistent (Chatbot) Über die Startseite von www.arbeitsagentur.de und weitere Portalseiten kann der digitale Assistent gestartet und ihm können Freitextfragen zu verschiedenen Themenbereichen gestellt werden. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: Wirtschaftszweige (WZ) - Suchassistent Ermittlung des Wirtschaftszweigs von Betrieben anhand einer Kurzbeschreibung des Betriebszwecks durch ein großes Sprachmodell. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: Veranstaltungsbot Teilnehmer von Veranstaltungen können spielerisch Informationen über verschiedene Veranstaltungsformate erlangen. Kommunikation erfolgt über einen Chatbot mit generativer KI und einem RAG-System in dem die veranstaltungsspezifischen Informationen hinterlegt sind. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: VLT-CONTACT: Antwortvorschläge Intelligente Formulierungshilfe für Freitextkommunikation. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: Feedbackkomponente Textauswertungen (PoC) Proof of Concept (PoC), um Kundenfeedback- Texte zu clustern 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: Social Intranet - Toxische Sprache (PoC) Für das Intranet der Bundesagentur für Arbeit wird Machine Learning zur automatisierten Erkennung von unzulässigen Inhalten (toxische Sprache) eingesetzt. (Proof of Concept) 2026 Bundesagentur für Arbeit (BA) Pilotprojekt: InNuPoB - Integrierte Nutzerreisen- Portal für Berufseinsteigende Mit einem zentralen Selbstinformationsangebot soll jungen Menschen frühzeitig, niederschwellig und prozessorientiert zu einem guten Start ins Berufsleben verholfen werden. Hierzu werden die Angebote zu Schule und Beruf unter www.arbeitsagentur.de gebündelt. Der dort neu entstehende zielgruppengerechte Portalbereich meinBERUF soll jungen Menschen am Berufseinstieg ein einheitliches, zeitgemäßes Nutzendenerlebnis ermöglichen. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: Ideas4BA Identifikation und Hebung von KI- und Automatisierungspotenzialen der IDEENBOX und künftig mit der Möglichkeit, sich mit Externen (z. B. Kundinnen und Kunden) zu Themenfeldern im Rahmen von Kampagnen auszutauschen. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: Tool Mitarbeiterfeedback Das Tool soll Freitextkommentare aus Umfragen automatisch auswerten, kategorisieren und in Berichten zusammenfassen. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: IntWeb Projekt Internationaler Webauftritt - intelligenter Bot (mehrsprachig und interagierend mit BewerberInnen aus dem Ausland) 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: BAKIRA Umfangreiche GenAI-Lösung zur Textgenerierung, Interaktion mit Dokumenten und Übersetzungsfunktion in andere Sprachen bzw. aus anderen Sprachen. Einbindung von internen Wissensdatenbanken zur Unterstützung bei den fachlichen Aufgaben. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: AutomatiK Ein rund rund um die Uhr Verfügbarkeit der Service-Telefonie sowie die Entlastung der Service- Center durch eine eine Voice-Bot-Lösung und Realisierung einer „Human Friendly Mail Automation“-Lösung fürdie E-Mail bearbeitung in den Service Centern im SGB III. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: PINK III - RIO PINK hat das Ziel einen einfachen Kommunikationskanal zwischen Unternehmen und der Bundesagentur für Arbeit zu realisieren. Teil 3 des Gesamtvorhabens PINK umfasst das Rollen und Rechtekonzept, Ablösung des Konstrukts der Internetbetriebe, Erweiterung Stellenangebote 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: OPTIMAL Optimierung Meldeprozesse, Annahme und Verarbeitung betrieblicher Daten: Schaffung eines Dialogverfahrens zwischen Beschäftigungsbetrieben und der BA zur Verbesserung des Datenaustausches mit anderen Sozialversicherungsträgern. 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: 3A-Bemessung Automatisierte Errechnung des Bemessungsentgelts im Arbeitslosengeld 2024 Bundesagentur für Arbeit (BA) Pilotprojekt: PEPPER I PEPPER I hat das Ziel, attraktive Online-Angebote für Personen im Online-Portal der BA insbesondere im Vermittlungskontext zur Verfügung zu stellen. Die Online-Angebote werden noch stärker an den Nutzerbedarfen ausgerichtete. Veraltete Online-Angebote werden ersetzt und bestehende Online-Angebote optimiert. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: DDP Aufbau eines digitalen Dienstleistungsportal für unsere internen Kunden (MA, FK) zur Bündelung aller Beschäftigtenanliegen im Erstkontakt zu Personal, Infrastruktur und IT. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: TMS Kernziel des Projektes Talentmanagement-Suite ist die Einführung (ggf. Pilotierung) und der Flächenrollout einer geeigneten IT-Lösung im Bereich Talentmanagement die die Ablösung der bislang genutzten Altverfahren ermöglicht. Managementprozesse (mit Fokus der Führungskräfte als Software-Nutzende)- und Supportprozesse (mit Fokus im Internen Service Personal und der Bildungsorganisation) des Talentmanagements werden im Rahmen des Projektes digitalisiert und automatisiert. 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: Neue.Infra Neuaufstellung des Bereichs Infrastruktur; Neuaufstellung und Ausgestaltung des Bereichs Infrastruktur sowie die Fusionierung des Immobilienservice mit der eigenständigen BA- Gebäude-, Bau- und Immobilienmanagement GmbH (GBI). 2025 Bundesagentur für Arbeit (BA) Pilotprojekt: EDA 2.0 Elektronische Datenaustausch Leistungsverfahren SGBIII; Umsetzung weitere wesentliche elektronische Datenaustausche zwischen Sozialversicherungsträgern: -Mit berufsständischen Versorgungseinrichtungen zur Übernahme der privaten Altersvorsorgebeiträge bei Alg- und Übg-Bezug -Mit Krankenkassen für Aussteuerungsfällen nach § 145 SGB III 2025 BMZ Globale Gesundheit; Chancengerechtigkei t; Digitalisierung; Ernährungssicherhei t keine, wir verstehen EZ-Vorhaben nicht als „Pilotprojekte“ o.ä. Einsatz von KI von bzw. für BMZ finanziert die Projektgruppe Datenlabor aus ihrem Titel, der für verschiedene Ziele verwendet wird. Eine Aufschlüsselung für KI- Betrieb findet nicht statt. Die für das Jahr 2025 verfügbare Gesamtsumme für das Datenlabor des BMZ, darunter anteilig auch Betrieb von KI, beträgt 1000 T€, zuzüglich einer Verstärkung von 350 T€. Für Förderung meldet BMZ Fehlanzeige Die bisherigen Ausgaben aus dem Titel des BMZ Datenlabors, darunter auch anteilig Betrieb von KI, belaufen sich auf 205.304,10€ Für Förderung meldet BMZ Fehlanzeige AA AA weit entfällt entfällt entfällt entfällt entfällt 4497 3251 1959 1959 AA AA weit entfällt entfällt entfällt entfällt entfällt Teil der laufenden Betriebskosten entfällt Teil der laufenden Betriebskosten entfällt BKAmt / / / / / / 800 TEUR 0 BND BKG DatKI4BKG - Operational - 2 191 Teuro 191 Teuro 04/2025 - 12/2025 Gefördert durch IF Bund 191 Teuro 191 Teuro 191 Teuro 191 Teuro BKG EO4ConStat 573 Teuro 573 Teuro 2024-2026 - extern 573 Teuro extern gefördert 221 Teuro BKG Aufbau KI Ökosystem keine Kosten keine Kosten laufend - keine Kosten keine Kosten keine Kosten keine Kosten BKG KI-Projekt zum Digitalen Zwilling Deutschlands 4 Mio Euro 2022-2025 - 4 Mio Euro - 842 Teuro - BKG Pilotprojekt des IERS zu Machine Learning bei der Vorhersage der Erdrotation k.A. k.A. Beginn 2024, laufend, Ende offen Teilnahme beruht auf Freiwilligkeit keine keine keine keine BMBFSFJ G Code of Conduct Demokratische KI (CCDKI) 422.497,27 € 494.948,05 € 2024 - 2025 Nein 300.160,40 € 3.973.300,66 € 127.871,76 € 2.403.185,34 € BMBFSFJ G Chancen von KI zur Stärkung unserer deliberativen Kultur (KIDEKU) 151.397,60 € 203.104,44 € 2024 - 2025 Nein BMBFSFJ G LICHT-BOT - Licht im Zuständigkeits-Dschungel: KI-Chatbot-Lotse für entkoppelte Jugendliche 250.000,00 € 500.000,00 € 2024 - 2025 Nein BMBFSFJ G KIsu - Kinderleicht KI-basiert suchen und finden - inklusiv und selbstbestimmt 298.004,50 € 413.487,49 € 2024 - 2025 Nein BMBFSFJ G Pilotprojekt: Digitales Deutschland - Monitoring zur Digitalkompetenz der Bevölkerung - Modul 5 359.690,36 € 359.690,36 € 2024 Nein BMBFSFJ G Forschungsvorhaben: Digitales Deutschland - Monitoring zur Digitalkompetenz der Bevölkerung - Modul 6 330.652,82 € 450.077,93 € 2025 Nein BMDS DS Aus Sicht Projekts Beschaffungscontrolling keine Befüllung möglich. Keine Beteiligung an weiteren Forschungsvorhaben, Pilotprojekt oder Reallaboren. Aus Sicht Projekts Beschaffungscontrolling keine Befüllung möglich. Keine Beteiligung an weiteren Forschungsvorhaben, Pilotprojekt oder Reallaboren. Aus Sicht Projekts Beschaffungscontrolling keine Befüllung möglich. Keine Beteiligung an weiteren Forschungsvorhaben, Pilotprojekt oder Reallaboren. Aus Sicht Projekts Beschaffungscontrolling keine Befüllung möglich. Keine Beteiligung an weiteren Forschungsvorhaben, Pilotprojekt oder Reallaboren. Aus Sicht Projekts Beschaffungscontrolli ng keine Befüllung möglich. Keine Beteiligung an weiteren Forschungsvorhaben , Pilotprojekt oder Reallaboren. Aus Sicht Projekts Beschaffungscontrolling wurden ca. 5 PT (ca. 6.140,40 EUR brutto) für die Implementierung und Training der KI Bert-v2 eingesetzt (siehe bspw. Antwort 1k)). Es besteht keine fachliche Zuständigkeit für die Fördermittel für KI-Einsatz. Aus Sicht Projekts Beschaffungscontrolling wurden ca. 5 PT (ca. 6.140,40 EUR brutto) für die Implementierung und Training der KI Bert-v2 eingesetzt (siehe bspw. Antwort 1k)). Es besteht keine fachliche Zuständigkeit für die Fördermittel für KI-Einsatz. BMDS DS - Teil der Gesamtbeauftragung FLS Teil der Gesamtbeauftragung FLS 15.08.2025 irrelevant irrelevant, da nicht explizit für KI irrelevant, da nicht explizit für KI Teil der Gesamtbeauftragung FLS irrelevant BMDS Digitale Wirtschaft Mission KI 3.472.555,82 € 3.656.374,55 € 2023 - 2025 nein 56.978.849 27.866.028 BMDS CRAI 1.794.596,96 € 1.794.596,96 € 2024 - 2027 nein BMDS SKALA 4.005.259,53 € 4.005.259,53 € 2024 - 2025 nein BMDS AIAMO 452.890,00 € 452.890,00 € 2024 - 2026 nein BMDS S5 FA BMF / BMF 3787947,35 1065590,67 BMF ITZBund Pilotprojekt Risiko Containerkontrolle 1,326 Beginn 2023 Ende: noch laufend nicht berücksichtigt BMF ITZBund Pilotprojekt KIRA (ehemals AIServiceHub) Beginn: 2024 Ende: 2025 nicht berücksichtigt BMF ITZBund 27 Mio. 16,6 Mio. 29 Mio. 11,2 Mio. BMF GZD Derzeit befinden sich mehrere Pilotprojekte in Ausarbeitung zur Risikoanalyse bei Zollvorgängen. Zudem wird in der Zollverwaltung die Plattform KIPITZ unter dem Namen "ZollGPT" im Rahmen eines Proof of Concept (PoC) verwendet. Über die potentiellen Kosten kann derzeit noch keine Auskunft erteilt werden. Über die potentiellen Gesamtkosten kann derzeit noch keine Auskunft erteilt werden. Durch die Zollverwaltung selbst entstehen keinerlei schädliche Klimawirkungen, da sämtliche IT durch den IT-Dienstleister (ITZBund) betrieben wird. siehe BT-Drs. 20/11648 Frage 7. Hinweis: Für die spezifische Förderung und den Einsatz von KI stehen innerhalb der Zollverwaltung keinerlei zugeordneten Haushaltsmittel zur Verfügung. Bislang kann hier nur von einem allgemeinen "IT-Haushalt" gesprochen werden. Für die spezifische Förderung und den Einsatz von KI stehen innerhalb der Zollverwaltung keinerlei zugeordneten Haushaltsmittel zur Verfügung. Bislang kann hier nur von einem allgemeinen "IT-Haushalt" gesprochen werden. Keine, siehe Frage 8. Keine, siehe Frage 8. BMFTR 548.500,00 255.684.464,94 364.414,20 173.545.573,64 BMFTR Z WarmWorld - Exascale-Erdsystemmodelle zur Antizipation von Veränderungen in einer wärmeren Welt 15.256.854,28 2022 - 2026 nein BMFTR 1 KI-Chatbot für Portal "Leando" 200.000,00 2025 - 2025 nein BMFTR Z MIKA-OER - Lernortübergreifende Erweiterung des Konzepts "Medien- und IT-Kompetenz für Ausbildungspersonal (MIKA)" inkl. Weiterentwicklung des Instruments "MIKA-Do" im Rahmen der OER-Strategie 2.299.580,76 2025 - 2027 nein BMFTR Z Verbundprojekt: E365 Maverick - Erforschung von Algorithmen zur automatischen Generierung von Lernpfaden (Forschungsvorhaben) 477.344,18 2022 - 2024 nein BMFTR Z Verbundprojekt: IT´s JOINTLY - Skalierfähige KI- basierte Verwaltung von Inhalten im Nationalen Digitalen Bildungsraum für bereitstellende, kuratierende und verwendende Akteure (Forschungsvorhaben) 3.335.032,75 2022 - 2025 nein BMFTR Z Einzelvorhaben: SCB2 - Navigationsangebot für Bildungsmedien (Forschungsvorhaben) 239.611,20 2022 - 2024 nein BMFTR Z Verbundprojekt: ALFA2 - Passgenaue Lese- und Sprachförderung durch maschinelles Lernen (Forschungsvorhaben) 230.884,02 2022 - 2024 nein BMFTR Z Verbundprojekt: GINI2 - Intelligente Musiklehre im Interaktiven Lernraum mittels Smartphone (Forschungsvorhaben) 427.627,33 2022 - 2024 nein BMFTR Verbundprojekt: TrainSpot2 - Angebote der digitalen Erwachsenenbildung zusammenbringen (Forschungsvorhaben) 1.153.326,43 2022 - 2025 nein BMFTR Einzelvorhaben: EDUvision-2021-2 - Integration von kostenpflichtigen Bildungsangeboten in die Nationale Bildungsplattform (Forschungsvorhaben) 155.283,85 2022 - 2024 nein BMFTR Verbundprojekt: FSJ2 - Zukunftskompetenzen in vernetzten Bildungsräumen (Forschungsvorhaben) 933.374,71 2022 - 2025 nein BMFTR Verbundprojekt: LO-AK2 - Digitale Kompetenzvermittlung für Lehrkräfte (Forschungsvorhaben) 200.113,40 2022 - 2024 nein BMFTR Einzelvorhaben: TOERN2 - Freie Bildungsressourcen für alle nutzbar machen (Forschungsvorhaben) 119.918,32 2022 - 2024 nein BMFTR Verbundprojekt: OpenJupyter2 - Neue Möglichkeiten im E-Learning für den Bereich Data Science (Forschungsvorhaben) 384.970,41 2022 - 2025 nein BMFTR Einzelvorhaben: ICDL-Port2 - International zertifizierte Bildungsnachweise (Forschungsvorhaben) 123.045,40 2022 - 2024 nein BMFTR Innovationswettbewerb INVITE – digitale Plattform berufliche Weiterbildung (Projektförderung F&E); https://www.bibb.de/de/120851.php 69.814.866,43 2021 - 2024 ja BMFTR Zukunft der Wertschöpfung / Industrie 4.0 – GAIA- X-Anwendungen in Wertschöpfungsnetzwerken (InGAIA-X) [Förderrichtlinie; 5 Projekte] 17.071.507,10 2022-2024 nein BMFTR Zukunft der Wertschöpfung / Regionale Kompetenzzentren der Arbeitsforschung - KI [Förderrichtlinie; 8 Kompetenzzentren + 2 wissenschaftliche Projekte] 130.250.193,94 2020-2026 nein BMFTR Zukunft der Wertschöpfung / Demonstrations- und Transfernetzwerk KI in der Produktion (ProKI-Netz) [Förderrichtline; 8 Projekte ] 16.712.733,02 2022-2024 nein BMFTR Zukunft der Wertschöpfung / Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern) [Förderrichtlinie; 14 Projekte] 50.897.628,43 2021-2025 nein BMFTR Verbundprojekt: WR-AI-TING (Forschungsvorhaben zur kulturellen Bildung in gesellschaftlichen Transformationen) 915.819,95 2024-2026 nein BMFTR Verbundprojekt: AI4ArtsED (Forschungsvorhaben zur kulturellen Bildung in gesellschaftlichen Transformationen) 1.067.930,38 2024-2026 nein BMFTR Verbundprojekt: KI-unterstützte Elektroniksysteme für die nachhaltige Produktion - AIMS5.0 - 7.404.314,60 2023 - 2026 ja BMFTR Verbundprojekt: Open-Source KI-Plattform für Edge-Computing in Europa - NEUROKIT2E - 1.161.770,80 2023 - 2026 ja BMFTR Verbundprojekt: Open-Source RISC-V-Ökosystem für Prozessoren in hoch-performanten und sicherheitskritischen Anwendungen - ISOLDE - 3.523.547,20 2023 - 2026 ja BMFTR Entwicklung eines Chips mit dreidimensional integrierten kapazitiven Bauelementen sowie neuartigen KI-Algorithmen - 3D-KI Chip- 785.980,00 2023 - 2025 nein BMFTR Forschungsvorhaben: Secret Service: Frauen in der Naturforschung (FKZ: 01FP24089) in der Förderrichtlinie "Innovative Frauen im Fokus": Erstellen von 12 KI-Portraits 33.530,00 2025 Nein BMFTR DATIPilot - Sprint - ADRET: Automatisierte Drohnenbildanalyse und -verarbeitung für Einsatzkräfte des THW; TP A 145.677,28 2024-2026 nein BMFTR DATIPilot - Sprint - ADRET: Automatisierte Drohnenbildanalyse und -verarbeitung für Einsatzkräfte des THW; TP B 149.976,00 2024-2026 nein BMFTR DATIPilot - Sprint - AI-in-ACCTION: Einfache und zugängliche KI-basierte Katastrophenhilfe für stark gefährdete Regionen; TP A : KI-Modelle für Katastrophenrisikobewertung und Reaktionsplanung 149.925,33 2024-2026 nein BMFTR DATIPilot - Sprint - AI-in-ACCTION: Einfache und zugängliche KI-basierte Katastrophenhilfe für stark gefährdete Regionen; TP B : KI-basiertes interaktives Softwaresystem für den Katastrophenschutz 143.480,00 2024-2026 nein BMFTR DATIPilot - Sprint - AI-Robotic Building Safety Check: KI-gestützte Kontroll- & Sicherheitsaufgaben von Servicerobotern; TP A 149.999,25 2024-2026 nein BMFTR DATIPilot - Sprint - AI-Robotic Building Safety Check: KI-gestützte Kontroll- & Sicherheitsaufgaben von Servicerobotern; TP B 98.629,25 2024-2026 nein BMFTR DATIPilot - Sprint - AKICO: Automatisierungsgrade KI-getriebener Compliance; TP A 177.911,87 2024-2026 nein BMFTR DATIPilot - Sprint - AKICO: Automatisierungsgrade KI-getriebener Compliance; TP B 148.416,00 2024-2026 nein BMFTR DATIPilot - Sprint - ANDREA: Androide Roboter in der externen Anwendung; EP 178.506,55 2024-2026 nein BMFTR DATIPilot - Sprint - ARAI: Analyse- und Recherche- Software zur KI-gestützten Analyse antidemokratischer Bewegungen online; TP A 157.052,03 2024 - 2025 nein BMFTR DATIPilot - Sprint - ARAI: Analyse- und Recherche- Software zur KI-gestützten Analyse antidemokratischer Bewegungen online; TP B 133.615,08 2024 - 2025 nein BMFTR DATIPilot - Sprint - AuRo: Autonomer Rollstuhl mit Rangier- und Navigationsasisstenz auf Basis von Robotikforschung; EP 131.366,56 2024-2026 nein BMFTR DATIPilot - Sprint - BIKO-UA: Bilderkennung zur Identifikation von Kriegsopfern in der Ukraine; EP 179.928,79 2024-2026 nein BMFTR DATIPilot - Sprint - BIOMetrix: Biodiversitätsmessung und Bewertung mittels KI für optimierten Artenschutz- und Risikomanagementmaßnahmen 164.437,21 2024 - 2025 nein BMFTR DATIPilot - Sprint - BOOTSTRAP : KI-basiertes nicht-invasives Glukosemonitoring mittels handelsüblicher Smartwatch zur Prävention metabolischer Erkrankungen durch personalisierte Ernährung; TP A 177.352,09 2024 - 2025 nein BMFTR DATIPilot - Sprint - BOOTSTRAP : KI-basiertes nicht-invasives Glukosemonitoring mittels handelsüblicher Smartwatch zur Prävention metabolischer Erkrankungen durch personalisierte Ernährung; TP B 110.250,00 2024 - 2025 nein BMFTR DATIPilot - Sprint - C2AI: CogniCodeAI: Maßgeschneiderte Intelligenz ohne Programmierung; TP A 148.776,01 2024-2026 nein BMFTR DATIPilot - Sprint - C2AI: CogniCodeAI: Maßgeschneiderte Intelligenz ohne Programmierung; TP B 81.018,00 2024-2026 nein BMFTR DATIPilot - Sprint - DANA-Trial: Development of an Assay for the diagnosis of Neuralgic Amyotrophy; TP A 149.790,15 2024 - 2025 nein BMFTR DATIPilot - Sprint - DEEPECO-Watertreat: Ökologischere Betriebsführung von Klärwerken durch Früherkennung kritischer Betriebszustände mittels Bilderkennung und Deep-Learning- Algorithmen; TP A 179.990,36 2024-2026 nein BMFTR DATIPilot - Sprint - DEEPECO-Watertreat: Ökologischere Betriebsführung von Klärwerken durch Früherkennung kritischer Betriebszustände mittels Bilderkennung und Deep-Learning- Algorithmen; TP B 150.000,00 2024-2026 nein BMFTR DATIPilot - Sprint - DRhN-Booster: Digital Recruiting hoch Nachhaltigkeit - ein web-basiertes, teilnehmenden-spezifisches, nicht-lineares, KI- gestütztes Bildungsmodul mit interaktivem Wissensmanagement als Transferbooster 178.457,31 2024-2026 nein BMFTR DATIPilot - Sprint - EIBA-TS: Automatisierte Erfassung, Identifikation und Befundung von Altteilen - Transfer und Skalierung von KI- Technologie für die Kreislaufwirtschaft 149.993,21 2024-2026 nein BMFTR DATIPilot - Sprint - EKiKo-KI: Entscheidungsunterstützung kinderkardiologischer Konferenzen durch KI-basierte und leitlinienbezogene Aufbereitung vergleichbarer Fälle; TP 179.931,79 2024-2026 nein BMFTR DATIPilot - Sprint - FACTSBot: Ein System zur KI- gestützten Detektion, Validierung und Bewertung maschinell generierter Inhalte für die Identifikation von Fehlinformationen; TP A 148.851,36 2024 - 2025 nein BMFTR DATIPilot - Sprint - FACTSBot: Ein System zur KI- gestützten Detektion, Validierung und Bewertung maschinell generierter Inhalte für die Identifikation von Fehlinformationen; TP B 150.032,57 2024 - 2025 nein BMFTR DATIPilot - Sprint - FastAIr: Fast product development in aviation supported by AI; EP 175.254,60 2024-2026 nein BMFTR DATIPilot - Sprint - FLAKE: Flächendeckende Abgrenzung von kleinräumigen Eignungsgebieten für die Wärmeplanung; TP A 179.166,05 2024-2026 nein BMFTR DATIPilot - Sprint - FLAKE: Flächendeckende Abgrenzung von kleinräumigen Eignungsgebieten für die Wärmeplanung; TP B 148.714,70 2024-2026 nein BMFTR DATIPilot - Sprint - GenAI-Med: Effizien-tere Prozesse mit generativer KI in der Medizintechnik- Branche; TP A 149.983,63 2024 - 2025 nein BMFTR DATIPilot - Sprint - GenAI-Med: Effizientere Prozesse mit generativer KI in der Medizintechnik- Branche; TP B 62.968,48 2024 - 2025 nein BMFTR DATIPilot - Sprint - GeoBOD²: GeoBOD²: From Waste to WOW oder nachhaltige 3D gedruckte Bauwerke aus Recyclingstoffen für die Zukunft des Bauens; TP A 179.864,62 2024-2026 nein BMFTR DATIPilot - Sprint - GeoBOD²: GeoBOD²: From Waste to WOW oder nachhaltige 3D gedruckte Bauwerke aus Recyclingstoffen für die Zukunft des Bauens; TP B 149.929,00 2024-2026 nein BMFTR DATIPilot - Sprint - InnoTwin: Entwicklung digitaler Zwillinge der Gesellschaft zur Unterstützung politischer Entscheidungen und Innovationen; TP A 179.934,34 2024 - 2025 nein BMFTR DATIPilot - Sprint - InnoTwin: Entwicklung digitaler Zwillinge der Gesellschaft zur Unterstützung politischer Entscheidungen und Innovationen; TP B 149.890,00 2024 - 2025 nein BMFTR DATIPilot - Sprint - JUDGE-KI: Juristische Unterstützung durch Generative Künstliche Intelligenz; TP B 150.000,00 2024 - 2025 nein BMFTR DATIPilot - Sprint - JUDGE-KI: Juristische Unterstützung durch Generative Künstliche Intelligenz; TP A 180.000,00 2024 - 2025 nein BMFTR DATIPilot - Sprint - KIDS-SM-ASS: KI-gestützte Differenzialdiagnose im Screening für Selektiven Mutismus und Autismus-Spektrum-Störung; TP A 101.724,11 2024-2026 nein BMFTR DATIPilot - Sprint - KIDS-SM-ASS: KI-gestützte Differenzialdiagnose im Screening für Selektiven Mutismus und Autismus-Spektrum-Störung; TP B 178.571,23 2024-2026 nein BMFTR DATIPilot - Sprint - KigG: KI-basierte Diagnostik und Therapie von Autoimmunerkrankungen inkl. Long COVID & ME/CFS; TP A 155.245,23 2024-2026 nein BMFTR DATIPilot - Sprint - KigG: KI-basierte Diagnostik und Therapie von Autoimmunerkrankungen inkl. Long COVID & ME/CFS; TP B 149.994,00 2024-2026 nein BMFTR DATIPilot - Sprint - KIMODE: KI-Methodik zur Optimierung von Konstruktions-Design-of- Experiments; TP A: KI-Methodenentwicklung 178.183,94 2024-2026 nein BMFTR DATIPilot - Sprint - KIMODE: KI-Methodik zur Optimierung von Konstruktions-Design-of- Experiments; TP B: Umsetzung und Erprobung KI- Konstruktionshelfer 110.303,94 2024-2026 nein BMFTR DATIPilot - Sprint - KIP: KI in der Pflegeberatung - Einsatzmöglichkeiten von generativen KI-Tools in Beratungssettings; EP 179.276,51 2024-2026 nein BMFTR DATIPilot - Sprint - KI-S: Künstliche Intelligenz für Sonar; TP A 179.991,59 2024-2026 nein BMFTR DATIPilot - Sprint - KI-S: Künstliche Intelligenz für Sonar; TP B 135.633,07 2024-2026 nein BMFTR DATIPilot - Sprint - KIWI: KI-gestützte Vorhersage von Wundverläufen und deren Individuelle Kosten; TP A 149.240,00 2024 - 2025 nein BMFTR DATIPilot - Sprint - KIWI: KI-gestützte Vorhersage von Wundverläufen und deren Individuelle Kosten; TP B 179.821,24 2024 - 2025 nein BMFTR DATIPilot - Sprint - LAVA: Lösungen für die Automatisierte Verbesserung und Anreicherung von Wissensgraphen; TP A 158.210,13 2024-2026 nein BMFTR DATIPilot - Sprint - LAVA: Lösungen für die Automatisierte Verbesserung und Anreicherung von Wissensgraphen; TP B 128.910,00 2024-2026 nein BMFTR DATIPilot - Sprint - Lector4Teachers: KI-basierte Übertragung, Analyse und Prüfung handgeschriebener Dokumente zur Entlastung von Lehrer:innen; TP A 178.989,30 2024-2026 nein BMFTR DATIPilot - Sprint - MarKI: Markenanalyse mit Künstlicher Intelligenz; EP 149.953,54 2024-2026 nein BMFTR DATIPilot - Sprint - MarrowMind: MarrowMind: Die KI-basierte App für die Analyse von Knochenmarkausstrichen in der Leukämiediagnostik; EP 148.862,12 2024-2026 nein BMFTR DATIPilot - Sprint - MIKE: Mehr Inklusion durch smarte KI auf Endgeräten; EP 178.481,45 2024-2026 nein BMFTR DATIPilot - Sprint - MISATO: Bindungen stärken, Wissenschaft fördern: Eine von der Forschungsgemeinschaft getragene Initiative zur Kombination von Molekulardynamik-Simulationen und Quantenmechanik in der KI-gesteuerten Arzneimittelentwicklung; EP 145.839,84 2024-2026 nein BMFTR DATIPilot - Sprint - NAVA: Niederschwelliges Automatisierungstool für Verwaltungsaufgaben; TP A 149.991,98 2024 - 2025 nein BMFTR DATIPilot - Sprint - NAVA: Niederschwelliges Automatisierungstool für Verwaltungsaufgaben; TP B 49.997,00 2024 - 2025 nein BMFTR DATIPilot - Sprint - N-Desktop: Entwicklungsumgebung für Machine Learning mit SNNs; EP 174.829,93 2024-2026 nein BMFTR DATIPilot - Sprint - OptiCoil: KI-gestützte Prozessoptimierung für nachhaltige Stahlfederproduktion 166.368,45 2024-2026 nein BMFTR DATIPilot - Sprint - PhaceSpace: Erstellen von fotorealistischen Phantombildern mit künstlicher Intelligenz; EP 178.421,71 2024-2026 nein BMFTR DATIPilot - Sprint - PULSE: Einen Pulsschlag voraus: Datengetriebenes Frühwarnsystem in der Kardiologie; TP A 175.989,84 2024 - 2025 nein BMFTR DATIPilot - Sprint - PULSE: Einen Pulsschlag voraus: Datengetriebenes Frühwarnsystem in der Kardiologie; TP B 148.853,40 2024 - 2025 nein BMFTR DATIPilot - Sprint - RoSen-JunKer: Humanoide Robotik mit Senioren, Jugendlichen und Kindern; EP 179.125,63 2024-2026 nein BMFTR DATIPilot - Sprint - TelemonKI: Entwicklung eines KI-gestützten prädiktiven Modells zur frühzeitigen Erkennung und Prävention von Krankheitsverschlechterungen; TP A 178.703,40 2024-2026 nein BMFTR DATIPilot - Sprint - TelemonKI: Entwicklung eines KI-gestützten prädiktiven Modells zur frühzeitigen Erkennung und Prävention von Krankheitsverschlechterungen; TP B 148.324,67 2024-2026 nein BMFTR DATIPilot - Sprint - TIMEA: Transferbeschleunigung von Innovationen durch webbasierte Mehrebenenanalyse (MEA); EP 179.075,90 2024-2026 nein BMFTR DATIPilot - Sprint - TRACES: Trash Recognition and Ai-Controlled Evaluation of waste Surfaces; TP A 179.999,65 2024-2026 nein BMFTR DATIPilot - Sprint - TRACES: Trash Recognition and Ai-Controlled Evaluation of waste Surfaces; TP B 50.116,05 2024-2026 nein BMFTR RUBIN – Feldschwarm ÖkoSystem1: Autonomie Steuerungssystem; TP1.6: Künstliche Intelligenz; Umfelderkennung 1.285.539,86 2023 - 2026 nein BMFTR RUBIN - EdgeVision - EdgeVision-Plattform; TP1.10: Offline KI-Signalverarbeitung auf ultra-low power Prozessoren für Edge-Anwendungen 362.539,65 2023 - 2026 nein BMFTR RUBIN - news-polygraph - Verbundvorhaben: MOVERA - Multimodal Orchestration for Media- Content Verification 9.673.830,19 2023 - 2026 nein BMFTR WIR! - KOI – IMAGE based data mining for LOW back pain with NAKO data 394.039,35 2024 - 2025 nein BMFTR WIR! - KOI -Intellilnfo2 - Intelligente Informationsverarbeitung 859.991,23 2024 - 2025 nein BMFTR WIR! - region 4.0 - KI-gestützte Schwarmrobotik für die Unkrautregulierung im Zuckerrübenanbau 308.032,32 2023 - 2025 nein BMFTR WIR! – H2-Well – H2SysPlan - Plattform für eine dezentrale integrierte Wasserstoff- Energiesystemplanung in Industrie- und Gewerbegebieten 290.846,15 2025 - 2026 nein BMFTR WIR! - rECOmine – DigiFloat 650.251,69 2023 - 2025 nein BMFTR WIR!-Holz-21-regio – Verbundvorhaben: Der Walddoktor – Entwicklung eines KI gestützten Waldschadenmonitorings 817.812,71 2024 - 2026 nein BMFTR WIR! – LASER.region.AACHEN – Start KI 325.212,00 2025 - 2028 nein BMFTR WIR! - ArtIFARM – AMBROSIA: Automatisches Monitoring von landwirtschaftlichen Beständen zur Ressourcenoptimierung mittels operativer Satellitendaten und intelligenter Auswertemethoden 962.725,00 2023 - 2025 nein BMFTR WIR! - ArtIFARM – ARD-AI: Autonomous Roe Deer and Ground Breeder Detection – explainable Artificial Intelligence 538.092,63 2025 - 2028 nein BMFTR WIR! - HEALTH.AI - AI4KOnCo - AI for Kids Oncology Consent 460.928,49 2025 - 2027 nein BMFTR WIR! - HEALTH.AI - DEMKAPPS1; Automatisiertes kognitives Früherkennungsverfahren 612.013,28 2025 - 2026 nein BMFTR WIR! - WeCaRe – ENKOS; Entwicklung und Erprobung eines LCS-Algorithmus’ zur Früherkennung und Behandlungsunterstützung von Krankheiten 509.531,40 2025 - 2027 nein BMFTR WIR! – CAPTN Energy – H2-Smart - Automatisierter Energietransport auf Binnenwasserstraßen am Beispiel Nord-Ostsee- Kanal; KI-basierte Zustandsmodellierung und Situationsbewertung 657.752,05 2025 - 2028 nein BMFTR Aktionsplan ErUM-Data - Im Rahmenprogramm „Erforschung von Universum und Materie“ fördert das BMFTR über den Aktionsplan ErUM-Data die Transformation der nat.-wiss. Grundlagenforschung von Big-Data zu Smart- Data. Eine der drei Säulen von ErUM-Data zielt auf die effiziente Auswertung großer Datenmengen auf Basis von KI und Maschinellem Lernen ab. Die Kampagne umfasst in der Förderperiode 2023- 2026 10 Verbünde, in der Förderperiode 2025- 2028 23 Verbünde. . 120.000.000,00 2020 - 2030 vorhanden, keine Zungangsvoraussetz ung BMFTR Research Project Augmented Science Journalism 504.076,12 08/24-07/27 nein BMFTR Wiss-KKI "Wissenschaftskommunikation über und mit kommunikativer künstlicher Intelligenz: Emotionen, Engagement, Effekt" 947.213,59 11/23-03/27 nein BMFTR Kopernikus-Projekt SynErgie (Phase 3), Arbeiten zur Flexibilitätsprognose, Lastprognose und automatisierten Flexibilitätserbringung durch Unternehmen 29.000.000,00 2023-2026 nein BMFTR Forschungscampus Mobility2Grid, Teilvorhaben TU-Berlin, Hubject, inno2grid, Siemens, BLG, WZB, nexus-Institut 8.800.000,00 2022-2027 nein BMFTR H2Giga_QT5.1_HyPLANT100: Entwicklung optimierter und automatisierter Abläufe und Standards für den Aufbau großskaliger Wasserelektrolyseure, Teilvorhaben Flexibilisierung des Automatisierungs- und Roboterprogrammierungsprozesses bei Hybriden Montagesystemen 8.900.000,00 2021-2025 nein BMFTR Verbundvorhaben EIZ: Energie- Innovationszentrum der Brandenburgischen Technischen Universität Cottbus-Senftenberg 27.600.000,00 2022-2026 nein BMFTR Verbundvorhaben HTEL Module 15.600.000,00 2021-2025 nein BMFTR Forschungsvorhaben: Wertorientierte 6G- Kommunikationssysteme für die vernetzte digitale Industrie in Produktion, Logistik, Rettung, Mobilität und Energie - 6GEM+ - 15.932.827,33 01.01.2026 - 30.06.2028 Nein BMFTR Forschungsvorhaben: Digitale Transformation und Souveränität zukünftiger Kommunikationsnetze - 6G-life2 - 15.593.135,17 01.01.2026 - 30.06.2028 Nein BMFTR Forschungsvorhaben: Offenes 6G Transferzentrum für Wirtschaft, Wissenschaft und Gesellschaft - Open6GHub+ - 15.631.632,88 01.01.2026 - 30.06.2028 Nein BMFTR Forschungsvorhaben: Technologie-Transfer-Hub für die Medizin und Mobilität der Zukunft - xG-RIC - 15.578.198,98 01.01.2026 - 30.06.2028 Nein BMFTR Forschungsvorhaben: Sustainable Technologies for Advanced Resilient and Energy-Efficient Networks - SUSTAINET- 29.720.328,56 01.01.2025 - 31.12.2027 Nein BMFTR Forschungsvorhaben: KI-gestützte, automatisierte Aufdeckung und Immunisierung inhärent verwundbarer Internet-Dienste - AI-Auto-Immune - 3.032.803,49 01.03.2025 - 29.02.2028 Nein BMFTR Forschungsvorhaben: Cybersecurity Assessment Framework - CySAF - 1.868.486,07 01.06.2025 - 31.05.2028 Nein BMFTR Forschungsvorhaben: IntelliGEnte Lösungen für Echtzeit Sicherheit: Methoden der Künstlichen Intelligenz zur Steigerung der Vertrauenswürdigkeit in mobilen Netzen - IGEL-AI 4.402.468,24 01.06.2025 - 31.05.2028 Nein BMFTR Forschungsvorhaben: Sicherung industrieller KI gegen IP- und Datendiebstahl durch Zero-Trust-KI- Architektur - KI FOGGER - 2.150.213,19 01.06.2025 - 31.05.2028 Nein BMFTR Forschungsvorhaben: Potential und Grenzen von Large Language Modellen für Anwendungen im Watermarking von Text und gesprochener Sprache - Lantmark - 1.066.470,64 01.04.2025 - 31.03.2028 Nein BMFTR Forschungsvorhaben: Fortgeschrittener Sicherheitsrahmen für KI-gestützte multimodale Echtzeiterkennung von medizinischen Anfallereignissen - SecureNeuroAI - 2.493.212,97 01.07.2025 - 36.06.2028 Nein BMFTR Forschungsvorhaben: Sichere Sprachmodelle für das Wissensmanagement - SisWiss - 1.858.338,88 01.06.2025 - 31.05.2028 Nein BMFTR Forschungsvorhaben: Security Retrieval Augmented Generation-basierte KI-Assistenz für den Umgang mit Security Advisories für die Automatisierungstechnik - SRAG - 2.244.857,33 01.06.2025 - 31.05.2028 Nein BMFTR Forschungsvorhaben: Public Private Broker für eine sichere KI-unterstützte Verwaltung in Kommunen - P2Broker- 1.894.813,07 01.05.2024 - 30.04.2027 Nein BMFTR Forschungsvorhaben: Große Sprachmodelle zur Automatisierung behördlicher Entscheidungsprozesse unter Realisierung eines starken Datenschutzes - SMARD-GOV - 1.392.287,93 01.01.2025 - 31.12.2027 Nein BMFTR Forschungsvorhaben: Multi-Sensor- Realitätserfassung für den Einsatz radiokompatibler digitaler Zwillinge bei der Planung und Optimierung von 6G-Mobilfunknetzen - 6G-MIND - 660.205,43 01.01.2025 - 31.12.2026 Nein BMFTR Forschungsvorhaben: Ressourcenoptimiertes Training für große Sprachmodelle in 6G-Netzen für AI on Device: Anwendung im Bereich sensibler medizinischer Daten - 6G-ROTAM - 791.575,89 01.02.2025 - 31.01.2026 Nein BMFTR Forschungsvorhaben: Entwicklung einer Plattform zur Echtzeit-Analyse von Funkkanaldaten mittels KI und Edge-Vorverarbeitung - AIkjiu - 463.148,68 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Integriertes Sensing, Kommunikation und physikalische KI für zukünftige 6G Hyperkonnektivität - AISAC - 403.741,36 01.11.2025 - 31.10.2026 Nein BMFTR Forschungsvorhaben: Optimierung von 6G-Netzen mit semantischen digitalen Zwillingen unter Berücksichtigung der Materialeigenschaften der Umgebung - DTConnect - 360.584,69 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Entwicklung einer echtzeitfähigen und dezentralen Steuerungsarchitektur für Multi-Robotik-Systeme - EVASIVE-G - 487.166,00 01.11.2025 - 31.10.2026 Nein BMFTR Forschungsvorhaben: Innovative Testverfahren für Funksysteme basierend auf Augmented Technologien - ITAR - 735.662,60 01.01.2024 - 30.06.2025 Nein BMFTR Forschungsvorhaben: Entwicklung einer KI- gesteuerten adaptiven verlustfreien Kompression für 6G-Netzwerke für hocheffiziente IoT- Datenübertragung und -speicherung -NeuroBit - 799.853,52 01.01.2025 - 31.12.2026 Nein BMFTR Forschungsvorhaben: PANGOLIN-Networks: Nachhaltige Wertschöpfung bei hoher Leistung und Verfügbarkeit aktueller und zukünftiger Mobilfunknetze für private Betreiber - PANGOLIN - 744.602,26 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Cloud-basiertes GPU- Computing für autonome Robotiksysteme auf Basis moderner Kommunikationstechnologien - RoboCloud - 408.280,84 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Validierungsphase zur Entwicklung eines hybriden Halbleiter-Chips (analog/digital) für effiziente Matrixberechnungen zur Beschleunigung von KI für 6G-Technologien - VEHHC - 793.356,12 01.02.2025 - 31.01.2026 Nein BMFTR Forschungsvorhaben: Interpretierbare Deepfake- Erkennung - Aletheia - 843.246,22 01.10.2024 - 31.12.2025 Nein BMFTR Forschungsvorhaben: Semantischer Wissensgraph für Cybersicherheit und Compliance - ATHENYX - 795.604,63 01.01.2026 - 31.12.2026 Nein BMFTR Forschungsvorhaben: Kontinuierliche und automatisierte Qualitätssicherung für generative KI - CA3- 767.585,70 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Eine Cloud-basierte Lösung für den Entwurf sicherer Cyber-physikalischer Systeme durchLogik-basierte KI - CyberBelle - 392.797,92 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Entwicklung von Verfahren zur sicheren Nutzung generativer KI für Unternehmen - CyberLinguaGuard - 799.829,60 01.09.2024 - 31.10.2025 Nein BMFTR Forschungsvorhaben: KI-basierte Verhinderung von Datenlecks - DataAnchor - 763.695,00 01.02.2025 - 31.01.2026 Nein BMFTR Forschungsvorhaben: Entwicklung eines KI- basierten Systems zur autonomen Erkennung von Angriffen und Fehlersituationen in IoT-Netzwerken - DIoT - 702.463,70 01.01.2024 - 30.06.2025 Nein BMFTR Forschungsvorhaben: Der Virtuelle, Vertrauenswürdige und Bedienungsfreundliche Cybersicherheitsassistent für Klein- und Kleinstunternehmen - EasySafeIT - 798.509,51 01.11.2025 - 31.10.2026 Nein BMFTR Forschungsvorhaben: Überprüfung und Absicherung von generativer Künstlicher Intelligenz - GENS(AI)FE - 771.453,99 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Der Schutzschild für die sichere Nutzung Künstlicher Intelligenz - KI- Guardian - 788.261,08 01.06.2025 - 31.08.2026 Nein BMFTR Forschungsvorhaben: Generative Polymorphic Deception Environments against Advanced Threats - Morphosis AI - 737.034,35 01.11.2025 - 31.10.2026 Nein BMFTR Forschungsvorhaben: Sicherung des Open Source Ökosystems – OSS-AGCI - 785.028,56 01.09.2024 - 30.11.2025 Nein BMFTR Forschungsvorhaben: Plattform zur Absicherung von Large-Language-Model-Anwendungen - PALLM - 754.011,76 01.11.2025 - 31.10.2026 Nein BMFTR Forschungsvorhaben: Sichere und Privatsphäre erhaltende ML-Operations - PriMFlow - 799.999,97 01.01.2025 - 31.03.2026 Nein BMFTR Forschungsvorhaben: Adaptive Sicherheit für souveräne KI und große Sprachmodelle - sequiSAS - 765.659,16 01.06.2025 - 31.05.2026 Nein BMFTR Forschungsvorhaben: Bedrohungsorientierte Überwachung der Angriffsfläche - TI.ASM - 728.798,03 01.02.2025 - 31.01.2026 Nein BMFTR FRL: KI-basierte Assistenzsysteme für prozessbegleitende Gesundheitsanwendungen 13.100.000,00 2022-2026 Nein BMFTR FRL: Optimale Therapien durch datengetriebene Entscheidungs- und Unterstützungssysteme 15.500.000,00 2025-2028 Nein BMFTR Datennutzung und Datenteilen in der Krebsforschung: Verbund FAIrPaCT2 - Föderierte multimodale künstliche Intelligenz für die Vorhersage des Ergebnisses von Bauchspeicheldrüsenkrebs 1.000.000,00 2024-2026 Nein BMFTR Forschungsvorhaben aus der Fördermaßnahme Computationale Life Sciences 3.820.000,00 2024-2028 Nein BMFTR Forschungsvorhaben der Fördermaßnahme BiodivKI - Methoden der künstlichen Intelligenz als Instrument der Biodiversitätsforschung 5.003.782,87 2024 - 2027 Förderkriterium BMFTR Forschungsvorhaben Künstliche Intelligenz in der finanziellen Bildung und Überschuldungsprävention 309.373,52 01.04.2025-31.08.2028 Nein BMFTR Verbundprojekt: Sicherheitsbewertung von Infrastrukturbauwerken mit digitalen Technologien – Takeoff für die Praxis (AISTEC-PRO) 2.979.998,00 2024 - 2026 nein BMFTR Verbundprojekt: Automatisches Adaptives Krisenmonitoring und -managementsystem (AKRIMA) - 2.309.120,00 2022 - 2025 nein BMFTR Verbundprojekt: Agile Netzsteuerung zur Erhöhung der Resilienz der Kritischen Infrastruktur Wasserversorgung (aKtIv) 2.998.264,00 2022 - 2025 nein BMFTR Verbundprojekt: Automatisches Linking inkriminierter Accounts durch Stilometrie (ALiAS) 710.450,00 2025 - 2027 nein BMFTR Verbundprojekt: Aufklärungsdrohne mit autonomer Lokalisation, Erkennung und Abwehr (AMALEA) 1.109.944,00 2025 - 2028 nein BMFTR Verbundprojekt: Augmented Reality Assistenztechnologien für die Sicherheits- und Effizienzoptimierung in der Kampfmittel-Sondierung (ARES) 1.141.090,00 2022 - 2025 nein BMFTR Verbundprojekt: Bemessungsbrandsimulationen in Schienenfahrzeugen mittels KI-basierter Daten (BESKID) 2.084.472,00 2022 - 2026 nein BMFTR Verbundprojekt: Brandvermeidung in Recyclinganlagen durch sensorgestützte Entfernung von Lithium-Ionen-Akkumulatoren (BREATHE) 547.056,60 2023 - 2025 nein BMFTR Verbundprojekt: KI in der digitalen Forensik (Carve- DL) 1.668.799,00 2022 - 2025 nein BMFTR Verbundprojekt: Besucherstromsimulationen bei parallelen Großveranstaltungen; performant & anwenderorientiert (ESCAPE-PRO) 998.254,42 2023 - 2025 nein BMFTR Verbundprojekt: Videoanalyse mit Hilfe künstlicher Intelligenz zur Detektion von falschen und manipulierten Identitäten (FAKE-ID) 2.543.081,00 2021 - 2024 nein BMFTR Verbundprojekt: Innovative Methoden der Niederschlagsmessung und -vorhersage im Einsatz für die Hochwasserfrühwarnung in kleinen Einzugsgebieten (HoWa-PRO) 1.423.600,00 2022 - 2025 nein BMFTR Verbundprojekt: Industrielle Künstliche Intelligenz für Sicherheit in Gasnetzen (IKIGas) 1.416.885,00 2022 - 2025 nein BMFTR Verbundprojekt: Künstliche-Intelligenz-basierte Anwendung zur Individuellen, Sequenzbasierten Erstellung von Fallchronologien für Risikoanalysen (KAISER) 550.203,00 2025 - 2027 nein BMFTR Verbundprojekt: KI-Assistenz zur roboterunterstützten Aufklärung und Abwehr akuter radiologischer Gefahrenlagen (KIARA) 1.469.931,87 2022 - 2024 nein BMFTR Verbundprojekt: KI-basierte Auswertung von Wärmebildern für ein schnelleres Auffinden vermisster Personen (KIResQ) 862.415,00 2023 - 2025 nein BMFTR Verbundprojekt: Künstliche Intelligenz bei Rettungseinsätzen zur Verbesserung der Erstversorgung (KIRETT) 1.062.252,16 2021 - 2024 nein BMFTR KI-PaaS - Sicherheitsforschung und Praxiserprobung im Reallabor für effektiven Praxistransfer (KISPER) 3.696.511,00 2024 - 2028 nein BMFTR Verbundprojekt: KI-unterstützter Telenotarzt (KIT2) 2.269.700,00 2022 - 2025 nein BMFTR Verbundprojekt: KI-unterstütztes VR-Taktiktraining für polizeiliche Einsatzkräfte (KITE) 1.219.009,85 2021 - 2024 nein BMFTR Verbundprojekt: Künstliche Intelligenz für die Hochwasserwarnung (KIWA) 1.419.440,24 2021 - 2024 nein BMFTR Verbundprojekt: KI-basiertes Warnsystem für Starkregen und urbane Sturzfluten (KIWaSuS) 1.430.046,71 2021 - 2024 nein BMFTR Verbundprojekt: Bekämpfung von Abrechnungsbetrug und Korruption im Gesundheitswesen (KriminelleNetzwerke) 1.131.052,44 2021 - 2024 nein BMFTR Verbundprojekt: Nutzerzentrierte KI-basierte Erkennung von Fake News und Fehlinformationen (NEBULA) 1.706.138,00 2022 - 2025 nein BMFTR Verbundprojekt: Pumpwerkswarnung für Starkregen und Hochwasser im urbanen Raum (PuwaSTAR) 512.358,00 2023 - 2025 nein BMFTR Verbundprojekt: (Re-)identifikation videographisch erfasster tatbeteiligter Personen durch den Einsatz transparenter KI-Modelle auf Grundlage personenspezifischer Bewegungsmerkmale (REGAiT) 810.578,00 2025 - 2027 nein BMFTR Verbundprojekt: Dynamische Lageerstellung und Unterstützung für Rettungskräfte in komplexen Krisensituationen (RESCUE-MATE) 8.404.905,00 2023 - 2027 nein BMFTR Kompetenzzentrum: Robotersysteme für die Dekontamination in menschenfeindlichen Umgebungen Phase II (ROBDEKON II) 9.226.243,00 2022 - 2026 nein BMFTR Verbundprojekt: Bewertung von Sicherheitsvorfällen in kritischer Infrastruktur und Generierung von Handlungsempfehlungen für das Personal durch KI-basiertes Text-Mining (SILK) 773.737,27 2021 - 2024 nein BMFTR Verbundprojekt: Suche und Identifikation von Waldbrandquellen aus der Luft durch virtuell überwachte automatische Fluggeräte (SILVA) 749.786,00 2025 - 2028 nein BMFTR Verbundprojekt: Erkennung KI-basierter Sprachsynthese und Stimmverfremdung (SpeechTrust+) 989.001,00 2022 - 2024 nein BMFTR Verbundprojekt: Digitaler Zwilling für die Tragwerkssicherheit geschädigter Bauwerke (TIGER) 778.160,00 2023 - 2026 nein BMFTR Verbundprojekt: Vertrauenswürdige Künstliche Intelligenz für polizeiliche Anwendungen (VIKING) 2.984.678,00 2022 - 2025 nein BMFTR Verbundprojekt: Kontaktloses Screening von virusbedingten Atemwegserkrankungen (VI- Screen) 1.257.065,58 2021 - 2024 nein BMFTR Verbundprojekt: Integriertes neurotechnologisches Kamerasystem zum kontaktlosen Screening von virusbedingten Atemwegserkrankungen (VI-Screen- PRO) 1.753.194,00 2025 - 2027 nein BMFTR 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 599.977,76 2023-2026 nein BMFTR Ein intelligenter, vollautomatischer Mechanismus zur Molekülreinigung mit präparativer Dünnschichtchromatographie 71.549,71 2023-2025 nein BMFTR KI-Anwendungshub Kunststoffverpackungen 28.137.000,00 2022 - 2025 ja BMFTR REGULUS - TreeDigitalTwins: KI-basierte Verfahren zur Analyse von 4D-Punktwolken zum Aufbau Digitaler Zwillinge am Beispiel von Vegetationsbeständen 2.284.000,00 2023 - 2026 ja BMFTR Fördermaßnahme Digital GreenTech - Umwelttechnik trifft Digitalisierung, Stichtag 1 3 laufende Verbundvorhaben in 2024 (i-Sewer, MOVE, DiKueRec) 2.059.000,00 2021-2025 ja BMFTR Fördermaßnahme Digital GreenTech - Umwelttechnik trifft Digitalisierung, Stichtag 2 14 laufende Verbundvorhaben in 2024 (agents42watermarkets, DigitDeichläufer, DigiWaVe, DIWA, iOLE, LiveSewer, sofTSense, Digi-Kompost, KIMBA, REDUCE, SoRec, Aimon 5.0, LALWevo, TReeMon) 12.850.000,00 2021-2025 ja BMFTR Fördermaßnahme KMU-innovativ 3 laufende Verbundvorhaben in 2024 (KKAOnline, KAbit, KiesVision) 1.798.837,00 2022 - 2024 ja BMFTR Fördermaßnahme Wasser-Extremereignisse - WaX 2 laufende Verbundvorhaben in 2024 (InSchuKa4.0, ZwillE) 4.447.705,00 2022 - 2025 ja BMFTR Fördermaßnahme Globale Ressource Wasser - GRoW 1 laufendes Verbundvorhaben in 2024 (SPS-Blue Nile) 998.898,00 2022 - 2025 ja BMFTR Fördermaßnahme Nachhaltige Grundwasserbewirtschaftung - LURCH 1 laufendes Verbundvorhaben in 2024 (KIMoDIs) 2.678.326,00 2023 - 2026 ja BMFTR Fördermaßnahme Wassersicherheit in Afrika - WASA 2 laufende Verbundvorhaben in 2024 (Co-HYDIM- SA, WaMiSAR) 3.829.094,00 2024 - 2028 ja BMFTR Fördermaßnahme Wasserversorgung der Zukunft - WaZ 6 laufende Verbundvorhaben in 2024 (BioStabil, OPTALS, SAFERWATER, SOWEKI, SUBmarIne, Wasserresilienz) 9.430.395,00 2025 - 2028 ja BMFTR KI-basierte Adaptive Lernunterstützung zur Diagnostik und Förderung der mathematischen Basiskompetenzen im inklusiven Kontext 553.625,00 2021-2024 nein BMFTR ActGPT: Adaptive Robotersteuerung mit generativen vortrainierten Transformern 1.759.573 2025-2028 nein BMFTR Albatross - Methoden für lebenslange Algorithmen, die auf eine robuste Optimierung in nachhaltigen Umgebungen ausgerichtet sind. 1.852.862 2024-2027 nein BMFTR CoEx: Entwicklung von Methoden zur Co- Adaptation für die Ermöglichung und Verbesserung von Exoskelett-basiertee (Tele-) Rehabilitation 2.810.644 2024-2027 nein BMFTR COPPER: Kontinuierliche Optische Wahrnehmung für Dynamische Umgebungen in und um Fahrzeuge 1.835.136 2025-2028 nein BMFTR Cross-Act: Domänenübergreifende, Sensoreninvariante Dense-Vector-Darstellung für bewegungsbezogene menschliche Aktivitäten 1.743.210 2025-2028 nein BMFTR DiTAq - Entwicklung von Digitalen Zwillingen für aquatische Umgebungen 522.077 2024-2027 nein BMFTR ECXLplus - Erweiterung der ECXL Cross-Level RISC-V Verifikationsplattform zur Unterstützung von hardwarebasierten Sicherheitsmechanismen und abhängigen Komponenten 593.411 2024-2026 nein BMFTR ExaVErse: Skalierbare Verifikation von RISC-V- basierten Systemen mit Hilfe großer Sprachmodelle 1.648.389 2025-2028 nein BMFTR LIEREx - Sprach-Bild-Embeddings für Robotische Erkundung 563.348 2024-2026 nein BMFTR MAC-MERlin - Multi-Level Abstraktionen und kausales Modellieren für verbessertes Reinforcement Learning 1.814.406 2024-2027 nein BMFTR NoIDLEChatGPT - Verbesserung der interaktiven Deep Learning-Enterprise (No-IDLE) durch Integration großer Sprachmodelle 653.940 2024-2027 nein BMFTR TRAILS - Vertrauenswürdige und Inklusive Programme 1.627.534 2024-2027 nein BMFTR GenKI-IR: Generative KI – Innovation und Recht in Arbeitsprozessen 780.471 2024-2026 nein BMFTR SERI: Systemische und existentielle Risiken von KI 953.549 2024-2025 nein BMFTR VeraXtract: Verifikation und Extraktion von Desinformationsnarrativen mit individualisierten Erklärungen 1.403.742 2024-2027 nein BMFTR Verbundprojekt Ethyde: Ethische Implikationen hybrider Teams aus Mensch und KI-System 810.929 2024-2026 nein BMFTR Verbundprojekt KiMeKo: Aufbau einer norddeutschen KI-Med-Kollaborationsplattform 5.882.051 2024-2027 nein BMFTR Verbundprojekt KI-OWL: KI-Akademie OWL 7.344.592 2024-2028 nein BMFTR Verbundprojekt TrADeMaS: Transparenz von Algorithmic Decision Making Systems 1.574.673 2024-2026 nein BMFTR Verbundprojekt: TransfAIr - Transfer-Ansätze für Künstliche Intelligenz in der Industrie 1.655.704 2024-2026 nein BMFTR KI4KMU – Verbundprojekt Qua2ntum: Qualitätsmanagementsystem für KI-Systeme in regulierten Märkten mit datengetriebener Interpretierbarkeit und Robustheit durch reale und synthetische Daten 772.926 2024-2027 nein BMFTR Verbundprojekt ADAPTIV: Durch KI-gestützte Adaptivität zu einem sicheren Miteinander auf gemischten Verkehrsflächen 1.111.357 2024-2027 nein BMFTR Verbundprojekt AssistVC: KI-basiertes Assistenzsystem zur Kompensation fehlender Komponenten in der industriellen Simulation 1.015.252 2024-2027 nein BMFTR Verbundprojekt BotanyKI: Entwicklung eines filterbasierten Navigationssystems für einen Agrarroboter mit Wasserstoffantrieb zur sensorischen Erkennung der Umgebung zum Zwecke der automatisierten und präzisen Bewegung im Feld 861.665 2024-2027 nein BMFTR Verbundprojekt CoFILL: Container- Füllstandsanalyse unter Einsatz von Physical Informed Neural Networks und kontinuierlichem Lernen 848.040 2024-2027 nein BMFTR Verbundprojekt CORINNE: Cobots' relationale Schnittstelle mit neuromorphen Netzen und Ereignissen 575.953 2024-2026 nein BMFTR Verbundprojekt DEMoPro: Dateneffiziente Entwicklung von KI-Modellen für die Produktion 723.760 2024-2026 nein BMFTR Verbundprojekt FewTuRe: Few-Shot-Anpassung für die Informationsextraktion aus Rechnungen und Belegen 599.568 2024-2027 nein BMFTR Verbundprojekt Flow-Lens: Transparenz und Anomalieerkennung in IP-basierten Netzwerken durch Machine Learning 500.147 2024-2026 nein BMFTR Verbundprojekt GENIAL4KMU: Generative und Information-Retrieval-augmentierte Lösungen für unstrukturierte Datenbestände in KMUs 697.734 2024-2027 nein BMFTR Verbundprojekt GenKIES: Generative KI-Modelle zur Unterstützung des Requirements Engineerings für elektronische Systeme 943.547 2024-2026 nein BMFTR Verbundprojekt INTO-ACTION: Industrialisierung von Tool-basierten Active-Learning-Ansätzen 467.542 2024-2027 nein BMFTR Verbundprojekt KI4ELM: Erfolgreiche Erstzustellung durch KI auf der Letzten Meile 781.042 2024-2026 nein BMFTR Verbundprojekt KIEEP: Künstliche Intelligenz für eine effiziente Erneuerbare-Energien-Projektierung - Automatisiertes Monitoring regulatorischer Rahmenbedingungen für Wind- und Solarparks 359.929 2024-2026 nein BMFTR Verbundprojekt KIHelpSys: KI basiertes Wissensmanagementsystem für die zukunftssichere unternehmensinterne Wissenssicherung 1.071.231 2024-2027 nein BMFTR Verbundprojekt KI-PrOT: KI gestützte Produktionsplanung und -steuerung für die Oberflächentechnik 887.000 2024-2027 nein BMFTR Verbundprojekt MUCADIS AI: Multi Carrier Dispatch Planning - KI-gestützte Versandplanung 604.185 2024-2027 nein BMFTR Verbundprojekt RELiABEL: Vertrauenswürdige KI durch vertrauenswürdige Daten 732.960 2024-2027 nein BMFTR Verbundprojekt SAFECAR-ML: Semantische Änderungsbeschreibung für die Fahrzeugentwicklung mit ML-basierter automatischer Klassifizierung 328.874 2024-2027 nein BMFTR Verbundprojekt SODAH: Smart Object Detection And Handling 764.566 2024-2027 nein BMFTR Verbundprojekt VaStNet: Optimierung von Wertströmen mit neuronalen Netzen 481.802 2024-2026 nein BMFTR Verbundprojekt WindKI: Detektion und Quantifizierung von Leistungspotenzialen von Windturbinen mittels KI-gestützer Diagnoseverfahren 647.964 2024-2026 nein BMFTR Verbundprojekt XAIaaS: Erforschung und Entwicklung nutzerorientierter eXplainability für KI als No-code-Softwarelösung als Hebel für AI Adoption und AI Literacy in KMU. 670.599 2024-2027 nein BMFTR Verbundprojekt X-Loop: eXplainability als Hebel für den gezielten Human-in-the-Loop Einsatz von KI in der Metallindustrie 1.059.169 2024-2027 nein BMFTR Verbundprojekt Act-i-ML: Methoden für das aktive informierte maschinelle Lernen 606.725 2024-2027 nein BMFTR Verbundprojekt AutoMD-AI: Surrogatmodelle und Auto-Tuning-Verfahren für molekulare Fluidsimulation 648.060 2024-2027 nein BMFTR Verbundprojekt CausalNet: Ein Framework für Integration von Kausalität für flexible, robuste, und effiziente Machine-Learning-Modelle 1.946.332 2024-2027 nein BMFTR Verbundprojekt COMFORT: Komprimierungsmethoden für Robustheit und Transfer 1.978.373 2024-2027 nein BMFTR Verbundprojekt CORAL: Fundierte Sprachmodelle auf der Grundlage proprietärer Daten 1.951.216 2024-2027 nein BMFTR Verbundprojekt DIALOKIA: Integration dialektischer Logik in KI-Architekturen 717.017 2024-2027 nein BMFTR Verbundprojekt FAIME: Flexible, effiziente AI- getriebene molekulare Simulation 1.962.636 2024-2027 nein BMFTR Verbundprojekt GeniusRobot: Interpretierbare multimodale generative KI-Modelle für robuste Manipulation in der Robotik 1.995.215 2024-2027 nein BMFTR Verbundprojekt HybridSolver: Hybridisierung numerischer Löser und physik-informierter neuronaler Netze für die flexible, resiliente und effiziente MultiskalensimuIation 926.355 2024-2027 nein BMFTR Verbundprojekt KI-HopE-De: KI-gestützte Hochwasserprognose für kleine Einzugsgebiete in Deutschland 1.727.007 2024-2027 nein BMFTR Verbundprojekt OPENHAFM: Evaluierung und Verbesserung offener Basismodelle durch einen systematischen Vergleich mit menschlichem Verhalten und Kuratierung von Datensätzen 1.719.873 2024-2027 nein BMFTR Verbundprojekt PIAD: Physik-informierte Anomalieerkennung 1.940.769 2024-2027 nein BMFTR Verbundprojekt RAINA: Ein statistisch robustes KI- Grundlagenmodell der Atmosphäre für bessere Kurzfristvorhersagen von Extremereignissen 1.779.549 2024-2027 nein BMFTR Verbundprojekt REFRAME: Erforschung und Erweiterung von Computer Vision Foundation Models 1.391.895 2024-2027 nein BMFTR Verbundprojekt RIESIQ: Erforschung und Erprobung neuer KI-Verfahren für robuste, intelligente und effiziente Systeme in Industriequalität 1.804.698 2024-2027 nein BMFTR Verbundprojekt TrackOpt: Optimierung von dünn und dicht besetzten Systemen unter physikalischen Randbedingungen mittels maschinellen Lernens 1.635.518 2024-2027 nein BMFTR Verbundprojekt XEI: Effiziente Inferenz für extrem große Kontext-Längen 1.806.085 2024-2027 nein BMFTR chAI: Korrigierbare hybride Künstliche Intelligenz 1.436.219 2024-2027 nein BMFTR EMuLe: Verbesserung der Daten- und Modelleffizienz beim multimodalen Lernen 1.296.334 2024-2027 nein BMFTR MuMoL: Multimodales Lernen mit Ton-, Bild- und Textdaten 1.485.073 2024-2027 nein BMFTR OIDLITDSM: Operator-basiertes Training rekurrenter neuronaler Netze zur Zeitreihenanalyse und Modellierung komplexer dynamischer Systeme 1.310.542 2024-2027 nein BMFTR PBML-HM: Physikbasiertes Maschinelles Lernen für hierarchische Monitoringsysteme 1.583.366 2024-2027 nein BMFTR TimeXAI: Erklärbare Künstliche Intelligenz für Zeitreihen 1.089.284 2024-2027 nein BMFTR UDance: Dynamische Aktivitäten und Verhaltensweisen aus dem egozentrischen Blickwinkel verstehen 1.564.383 2024-2027 nein BMFTR Institutionelle Förderung KI-Kompetenzzentren 50.000.000 p.a. b.a.w. nein BMG 5 4.542.786 4.542.786 BMG 1 KI für personalisierte Medizin bei Depressionen 200.874 228.417 2022-2025 BMG 5 BLOODVIR - Integrated Network for Monitoring and Identification of Infectious Disease Risks 1.248.229 4.146.528 2021-2024 BMG 5 ELISEplus 147.006 147.006 2024 BMG 5 ETAP - Evaluation von teilautomatisierten Pflegeprozessen in der Langzeitpflege am Beispiel von KI-basiertem Bewegungsmonitoring 730.448 236.459 2022-2024 BMG 5 IMS-RKI - Erregerübergreifende Konzeption, Etablierung und Evaluation der Komponenten einer integrierte molekularen Surveillance bis zur Genomrekonstruktion am RKI unter Einbeziehung der Nationalen Referenzzentren und Konsiliarlabore 2.649.518 7.821.261 2021-2025 BMG 5 KI FDZ - Künstliche Intelligenz am FDZ im BfArM zur Erforschung von Anonymisierungsmöglichkeiten und AI-Readiness 1.221.140 5.605.618 2021-2024 BMG 5 AI-DAVis-PANDEMICS - KI-gestützte Analyse und Visualisierung pandemischer Lagen 695.578 1.717.868 2022-2025 BMG 5 KIMERBA - Regulatorische Nutzung KI-gestützter Methoden zur effizienten Bewertung und Regulation von Impfstoffen und biomedizinischen Arzneimitteln 1.166.526 3.493.813 2022-2025 BMG 5 Saturn - Smartes Arztportal für Betroffene mit unklarer Erkrankung - Vertrauenswürdigkeit von KI im Gesundheitswesen 911.148 2.894.631 2021-2024 BMG 5 Unite 260.098 260.098 2024 BMG 1 SuchtGPT (Entwicklung und Erprobung eines KI- basierten Chatbots zur Unterstützung der Suchtberatung) 359.982 359.982 2024-2026 BMLEH/MRI Leitung KIDA AIChat im Rahmen von KIDA 0 0 0 0 BMLEH/MRI Leitung ScrAIbe im Rahmen von KIDA 0 0 0 0 BMLEH/MRI Sicherheit und Qualität bei Getreide "Application of simulations and machine learning to detect edible oil adulteration" im Rahmen von KIDA 0 0 0 0 BMLEH/MRI Nationales Referenzzentrum für authentische Lebensmittel Fish-ID ca. 19.000 € ca. 95.000 € 2026 - 2029 Ja 0 0 0 0 BMLEH/BfR 66 Unterstützung bei der Datenerfassung - - Mitte 2021 nein keine keine BMLEH/BfR 63 Forschungsvorhaben jährliches Lizenzgebühr SarahNexus + Membership Fee ~5000€ ~18000€ (im Paket mit anderen in-silico Tools) 21.12.24-20.12.25 BMLEH/BfR FG 73/FG 94 Forschungsvorhaben ~40000 € BMLEH/BfR 23 Nein — — — — 4498,2 — 4498,2 — BMLEH/BfR 94 Forschungsvorhaben BMLEH/BfR 33/8FZ Forschungsvorhaben — ~10000 € Start Mitte 2020; End voraussichtlich Mitte 2026 nein — — keine keine BMLEH/BfR 1IZ/DSB ./. keine keine ./. ./. ./. ./. ./. ./. BMLEH/JKI JKI-ZR SelWineQ keine KI-spezifischen BMLEH/JKI JKI-ZR KI-iREPro keine KI-spezifischen BMLEH/JKI JKI-ZR KI-iREPro, DigiVine,PhytoMo keine KI-spezifischen BMLEH/JKI JKI-ZR Semantic Search Vitis-Vea keine KI-spezifischen BMLEH/JKI JKI-ZR DFG, MGGL, VITIFIT keine KI-spezifischen 2019-2021 BMLEH/JKI JKI-ZR VITIFIT keine KI-spezifischen 2021-2024 BMLEH/JKI JKI-ZR noch in Planungsphase noch in Planungsphase noch in Planungsphase noch in Planungsphase BMLEH/JKI JKI-ZR DFG Traubenarchitektur keine KI-spezifischen 2017-2020 BMLEH/JKI JKI-ZR Studentische Abschlussarbeit ohne Drittmittelprojekt keine 2018-2018 BMLEH/JKI JKI-ZR KliwiResse keine KI-spezifischen 2022-2025 BMLEH/JKI Institut für Bienenschutz Es erfolgt keine Beteiligung, Unterstützung oder Initiierung weiterer derartiger Vorhaben. Nicht zutreffend. Nicht zutreffend. Nicht zutreffend. Nicht zutreffend. Dies entzieht sich unserer Kenntnis. Dies entzieht sich unserer Kenntnis. Dies entzieht sich unserer Kenntnis. Dies entzieht sich unserer Kenntnis. BMWE / BAFA IT-Steuerung Pilotprojekt: Mailytica (E-Mail-Analyse und Textvorschlag) 87.337,78 87.337,78 01.01.-03.06.2021 - 1.000.000 - 9.272,48 - BMWE / BAFA IT-Steuerung Pilotprojekt: Intrafind (Dokumentenanalyse und Vergleichen) 520.195,18 520.195,18 01.01.-26.04.2020 - 1.000.000 - 45.000 - BMWE / BAFA IT-Steuerung Pilotprojekt: Cognigy AI (Chatbot im LkSG) 123.403 123.403 01.10.2022-.01.01.2023 - 1.000.000 - 40.000 - BMWE / BAFA IT-Steuerung Pilotprojekt: DeepL (Übersetzungshilfe) 1200 1200 01.09.2024 - 1.000.000 - 600 - BMWE / BAFA IT-Steuerung Pilotprojekt: Sympalog (Sprachbot) nicht teilbar 492.000 01.01.2022 - 15.06.2022 - 1.000.000 - 0 - BMWE / BAM VP. BAM-interne IT-Infratruktur für wissenschaftliche LLM und KI-Workloads Ohne direkten Projektbezug, KI-Invest wird BAM-weit für verschiedenste interne wie externe Forschungsaufträge genutzt. Ohne direkten Projektbezug, KI-Invest wird BAM-weit für verschiedenste interne wie externe Forschungsaufträge genutzt. Jahresplanung 2025 n/a 297 k€ 0 249 k€ 0 BMWE / BGR B1 Projekt FutOre 6128,5 10256,31 2024-2028 4127,81 4127,81 BMWE / BGR B2.2 Reallabor 738400 738400 Daueraufgabe nein 91000 91000 0 0 BMWE / BGR B2.2 Forschungsvorhaben 517000 517000 2019-2024 nein - - - - BMWE / BGR B2.2 Forschungsvorhaben 620000 620000 2021-2025 nein 103.473,09 103.473,09 46.960,03 46.960,03 BMWE / BGR B2.2 Forschungsvorhaben 504000 504000 2023-2026 nein 143.751,66 143.751,66 117.449,86 117.449,86 BMWE / BGR B2.5 FINA 30000 352.567 2022 - 2025 Nein - - 4400 - BMWE / BGR B2 Fehlanzeige BMWE / BGR B2.2 Forschungsvorhaben 224663 224663 2025-2027 nein nur Gesamt. Es gibt keine jährlich Bereitstellung: 224.663 nur Gesamt. Es gibt keine jährlich Bereitstellung: 224.663 39.960,61 39.960,61 BMWE / BGR B2.2 Forschungsvorhaben 249000 249000 2024-2026 nein 80000 80000 65748,33 65748,33 BMWE / BGR B3.5 283 T€ für Hardware 09/2024 - 09/2029 nicht im Rahmen einer Fördermaßnahme BMWE / BGR B4 0 € 0 (Eigenentwicklung) ab 2025 0 € 0 € 0 € 0 € BMWE / BGR B4 Foschungsvorhaben 56.759 € 56.759 € 01.2022-12.2025 KH-Mittel, keine externe Förderung 33.000 € 0 € 11.377 € 0 € BMWE / BGR B4 Foschungsvorhaben 38.400 € 38.400 € 05.2022-12.2022 KH-Mittel, keine externe Förderung 0 € 0 € 0 € 0 € BMWE / BGR B2.2 Forschungsvorhaben 382000 382000 2022-2027 nein 0 60603,35 0 50103,35 BMWE / BKartA D Fehlanzeige BMWE / BNetzA Stab04 Liegt nicht vor - - - - 390000 - 16362,5 - BMWE / BNetzA Stab04 Liegt nicht vor - - - - 0 - - BMWE / BNetzA Stab04 Liegt nicht vor - - - - 4141,2 - 0 - BMWE / BNetzA Stab04 Liegt nicht vor - - - - 0 - 0 - BMWK/PTB FB 8.1 BMWK/PTB FB 9.53 - - - - - - - - - BMWK/PTB FB 7.2 BMWK/PTB FB 5.3 trifft nicht zu BMWE Z BMV/BMV Z BMV/KIPITZ 1,7 Mio € für 2026 geplant Ab 2026 Keine verbindliche Förderbedingungen ca. 2,6 Mio. € - 0 - BMV/BMV Z BMV/Virtueller Experte ca. 100.000 € Projekt läuft noch 2024-2026 ca. 20.000 € BMV/BMV Z BMV-WS 21 - 19D24005 DigitalesKV-Terminal - Errichtung eines digitalen Testfeldes am trimodalen KV-Terminal Standort Hafen Köln-Niehl 1.196.749,16 € 1.495.936,45 € 01.10.2024 - 31.03.2026 nein 0 € 0 € 0 € 0 € BMV/BAF BMV-WS 21 - 19D24009 TEDIMO - Testfeld für Digitale MOdalmix-Optimierung 1.218.361,92 € 1.522.952,40 € 01.11.2024 - 31.10.2026 nein 0 € 0 € 0 € 0 € BMV/BALM K3 BMV-WS 21 - 19H24001 Verbundprojekt: port:Evolution – Datamining von Infrastrukturbestands-daten, Prozessautomation und Verbesserung von 3D Scans für den vollautomatischen digitalen Zwilling von Hafenbauwerken 2.682.842,15 € 3.770.105,55 € 01.12.2024 - 31.11.2027 nein 0 € 0 € 159.274,12 € 124.852,69 € BMV/BALM Stab Leitung BMV-WS 21 - 19H24002 Verbundprojekt: KILOG - Künstliche Intelligenz für Logistikoptimierungen in deutschen Häfen 816.266,00 € 1.164.424,40 € 01.03.2025 - 28.02.2027 nein 0 € 0 € 385.004,60 € 304.854,56 € BMV/BALM Z2 BMV-WS 21 - 19H24004 Verbundprojekt: DigiTank - Digitaler Tanklagerbetrieb – Sicher, Umweltfreundlich und Menschenzentriert 3.001.397,13 € 3.982.791,53 € 01.01.2025 - 31.12.2028 nein 0 € 0 € 238.126,87 € 124.852,69 € BMV/BALM Stab Leitung BMV/BALM - Nicht zutreffend Nicht zutreffend Nicht zutreffend Nicht zutreffend Nicht zutreffend ca. 330 TEUR Fehlanzeige ca. 56 TEUR Nicht zutreffend BMV/BALM Z6 BMV/BSH - Nicht zutreffend 280.000 2024 20 000 10.000 BMV/BALM K BMV/WSV - KI gestützte Verkehrserfassung der Freizeitschifffahrt Abrechnung über Rahmenvertrag über Personentage; insgesamt 650 PT - 2022-2025 - - - - - BMV/EBA u. BEU Alle BMV/BfG - MALPROG: Verleich tradioneller Methoden mit KI-Methoden für vershiedene Fachaufgaben (Plastikerkennung in Fließgewässern, Vegetationserkenung, Ölerkennung auf dem Meer, Qualitätskontrolle von Messdaten und Wasserstandsvorherasge) 1,16 2023-2025 BMV/EBA u. BEU Alle BMV/BfG - Integrierte Schwebstoffanalyse Tide- Ems: Reproduktion und Vorhersage der Flüssigschlickdynamik und der damit verbundenen Sauerstoffdefizite 1,12 2023-2026 BMV/EBA u. BEU Alle BMV/BfG - Identifizierung von Schadstoffquellen in Bundeswasserstraßen (SOURCE) 0,825 2023-2025 BMV/BfG M2 BMV/BfG - Projekt zusammen mit BGR, KIT, LfU BB, TUM, DWD, LBEG, LBGR, Mapular; Teilprojektziel BfG: KI-gestützte Wasserhaushaltsmodellierung 0,256 2023-2026 BMV/BfG M2 BMV/BfG - Methodenentwicklung zur Erfassung von Schweinswalen mittels akustischer Verfahren in Ästuaren (MESMAV) 0,346 2023-2025 BKG DatKI4BKG - Operational - 2 191 Teuro 191 Teuro 04/2025 - 12/2025 Gefördert durch IF Bund 191 Teuro 191 Teuro 191 Teuro 191 Teuro BKG EO4ConStat 573 Teuro 573 Teuro 2024-2026 - extern 573 Teuro extern gefördert 221 Teuro BKG Aufbau KI Ökosystem keine Kosten keine Kosten laufend - keine Kosten keine Kosten keine Kosten keine Kosten BKG KI-Projekt zum Digitalen Zwilling Deutschlands 4 Mio Euro 2022-2025 - 4 Mio Euro - 842 Teuro - BKG Pilotprojekt des IERS zu Machine Learning bei der Vorhersage der Erdrotation k.A. k.A. Beginn 2024, laufend, Ende offen Teilnahme beruht auf Freiwilligkeit keine keine keine keine BMI/BVA D DatKI4BKG - Operational - 2 191 Teuro 191 Teuro 04/2025 - 12/2025 Gefördert durch IF Bund 191 Teuro 191 Teuro 191 Teuro 191 Teuro BMI/StBA C EO4ConStat 573 Teuro 573 Teuro 2024-2026 - extern 573 Teuro extern gefördert 221 Teuro BMI/BPOL Abteilung 2 Aufbau KI Ökosystem keine Kosten keine Kosten laufend - keine Kosten keine Kosten keine Kosten keine Kosten BMI/BPOL Abteilung 2 KI-Projekt zum Digitalen Zwilling Deutschlands 4 Mio Euro 2022-2025 - 4 Mio Euro - 842 Teuro - BMI/BPOL Abteilung 6 Pilotprojekt des IERS zu Machine Learning bei der Vorhersage der Erdrotation k.A. k.A. Beginn 2024, laufend, Ende offen Teilnahme beruht auf Freiwilligkeit keine keine keine keine BMI/BPOL Abteilung 5 n/a n/a n/a n/a n/a 359600 n/a 0 €; Abrechnung mit ITZBund (ggf. genauere Informationen durch D I 1 und/oder D II 2) n/a BMI/BPOL Abteilung 5 BABELFISCH 2 Mio. € 2 Mio. € 2025-2027 Nein 1,2 Mio. € 1,2 Mio. € 0 0 BMI/BPOL Abteilung 5 KISTRA F&E-Förderprojekt 3.180.000,00 € 2020 - 2023 nein BMI/BPOL Abteilung 5 VIKING F&E-Förderprojekt keine Angabe 2022 - 2024 nein BMI/BPOL Abteilung 5 KIForPol 164.666,00€ p. a. siehe Kosten p. a. Seit 2021 nein BMI/BPOL BPOLD FRA 2,5 Mio. € 2,1 Mio. € BMI / ZITiS 400.000,00 € --- 7.689,00 € --- Anlage 8 Frage 12 c Zuständigkeit / Ressort Art: Betrieb, Entwicklung, verfügbare Ressourcen geplante Art Res. 2025 Internes Personal 2026 Schätzung aktuell internes Personal inkl. Aufwuchs ITZ KIPITZ Applikationsbetrieb Betrieb 1,5 VZÄ KIPITZ Applikationsbetrieb Betrieb 4 VZÄ* *Interne Personen beziehen sich nur auf aktuellen Bestand durch z. B. Umpriorisierung - KEIN STELLENAUFWUCHS ITZ KIPITZ Container-Tech. Betrieb 2 VZÄ KIPITZ Container-Tech. Betrieb 4 VZÄ* ITZ KIPITZ - Apps + Projektierung Entwicklung 5 VZÄ KIPITZ - Apps + Projektierung Entwicklung 5 VZÄ* ITZ KIPITZ - Tech.Infra & Plattform Betrieb 5 VZÄ KIPITZ - Tech.Infra & Plattform Betrieb 5 VZÄ* 2025 Titel 532 2026 Schätzung und Planung BMF / ITZBund (KIPITZ) ITZ KIPITZ Applikationsbetrieb Betrieb 1 Mio € für 2025 KIPITZ Applikationsbetrieb Betrieb 1,5 Mio € für 2026 ITZ KIPITZ Container-Tech. Betrieb 1 Mio € für 2025 KIPITZ Container-Tech. Betrieb 1,5 Mio € für 2026 ITZ KIPITZ - Apps + Projektierung Entwicklung 5 Mio € für 2025 KIPITZ - Apps + Projektierung Entwicklung 5 Mio € für 2026 ITZ KIPITZ - Tech.Infra & Plattform Betrieb 1 Mio € für 2025 KIPITZ - Tech.Infra & Plattform Betrieb 1,5 Mio € für 2026 2025 Titel 812 BMF / ITZBund (KIPITZ) Infrastruktur / GPU Systeme ca. 40 Mio (inkl. CaaS) 1 von 1