Forschung und Entwicklung
Literatur sichten, Versuche auswerten, Patente recherchieren: wo KI in F&E trägt und warum jede Quellenangabe geprüft werden muss.
Worum es geht
| Vorgang | Nutzen | Bedingung |
|---|---|---|
| Fachliteratur sichten und zusammenfassen | hoch | nur mit echter Datenbank |
| Versuchsprotokolle strukturieren | hoch | keine |
| Messdaten auf Auffälligkeiten prüfen | hoch | eigene Datenbasis |
| Patentschriften vergleichen | mittel | Datenbank und Fachprüfung |
| Hypothesen vorschlagen | mittel | als Anregung, nicht als Befund |
| Ergebnisse interpretieren | gering | bleibt bei der Fachperson |
Einführung
- 01
Recherche nur mit Erdung
Ein Werkzeug, das gegen eine echte Datenbank sucht und Treffer zitiert, ist brauchbar. Ein Modell, das aus dem Gedächtnis antwortet, nicht.
- 02
Bei den eigenen Unterlagen beginnen
Versuchsprotokolle, Berichte und Messreihen liegen im Haus, sind strukturierbar und werfen keine Rechtsfragen auf.
- 03
Statistik nicht ersetzen
Ein gefundenes Muster ist eine Hypothese. Sie wird an neuen Daten geprüft, nicht am selben Datensatz bestätigt.
- 04
Alles festhalten
Modell, Version, Parameter, Datenstand. Ohne das ist die Auswertung nicht reproduzierbar und damit nicht veröffentlichungsfähig.
- Jede Fundstelle gegen die Primärquelle prüfen, auch die plausiblen.
- Mehrfachtestung beachten: Wer zwanzig Hypothesen prüft, findet zufällig eine signifikante.
- Ein zurückgehaltener Datensatz für die Bestätigung, der genau einmal berührt wird.
- Bei Veröffentlichung offenlegen, wo KI eingesetzt wurde. Die meisten Verlage verlangen das inzwischen.
Text- und Data-Mining, rechtlich
Art. 3 und 4 der DSM-Richtlinie unterscheiden zwei Fälle, national umgesetzt in § 60d und § 44b UrhG in Deutschland sowie § 42h UrhG in Österreich:
| Fall | Voraussetzung | Vorbehalt möglich |
|---|---|---|
| Wissenschaftliche Forschung | Forschungsorganisation, rechtmäßiger Zugang | nein |
| Sonstige Zwecke | rechtmäßiger Zugang | ja, maschinenlesbar |
Der erste Fall ist weit gefasst, verlangt aber Nichtkommerzialität in der Zielsetzung und die sichere Aufbewahrung der Vervielfältigungen. Der zweite ist der Regelfall für Unternehmen und steht unter dem Vorbehalt des Rechteinhabers.
Reproduzierbarkeit
- Modellname und exakte Version, nicht nur die Familie. Anbieter aktualisieren hinter derselben Bezeichnung.
- Alle Parameter: Temperatur, Systemprompt, Kontextlänge, Startwert wenn vorhanden.
- Datenstand mit Prüfsumme.
- Die Anzahl der geprüften Varianten, bevor das berichtete Ergebnis entstand.
- Rohausgaben aufbewahren, nicht nur die aufbereitete Fassung.
Der vierte Punkt ist der, der in Veröffentlichungen am häufigsten fehlt und der über die Belastbarkeit entscheidet. Siehe Statistik für KI und Benchmarks lesen.
Auswertung von Messreihen
Ein Modell, das in Messdaten Muster findet, findet auch in Rauschen Muster. Drei Absicherungen sind Mindeststandard:
- Die Hypothese vor dem Blick in die Daten formulieren, oder ausdrücklich als explorativ kennzeichnen.
- Korrektur für Mehrfachtestung, etwa nach Benjamini-Hochberg.
- Bestätigung an einem unabhängigen Datensatz, nicht an einer anderen Auswertung desselben.
Vorgangsauswahl für Forschung und Entwicklung
KOSTENLOSES KONTO
Auswahlbogen und Vorlagen: Forschung und Entwicklung
Ein Bogen, der aus den Vorgängen in Forschung und Entwicklung den ersten auswählt, mit zwei geprüften Vorlagen und den Prüfschritten dazu.
Arbeitsblatt3 Elemente