Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme: zum Regulierungsbedürfnis von Innovationshemmnissen durch Datennetzwerkeffekte
Objektkategorie:
Hochschulschriften
Person/Institution:
Verlag:
Nomos Verlagsgesellschaft
Ort:
Baden-Baden
Entstehungszeit:
2021
Sprache:
Deutsch
Weitere Objektinformationen
Abstract:
Datenzugangsrechte sind nach geltendem Recht nur unter engen Voraussetzungen gegeben. Mit der steigenden Verbreitung „datenhungriger“ KI-Systeme gehen Forderungen nach Datenteilungspflichten in weiteren Konstellationen einher und richten sich insbesondere gegen Unternehmen der Digitalwirtschaft. Diese Untersuchung hinterfragt, ob es zur Förderung von Innovationsmöglichkeiten und -anreizen ratsam wäre, den Zugang zu exklusiven Daten aus der Privatwirtschaft für das Training selbstlernender Systeme zu eröffnen. Es wird der Frage nachgegangen, ob Korrekturen im Einzelfall oder sektorspezifische Reaktionen eine bessere Lösung sind. Zu diesem Zweck werden Änderungsvorschläge aus Politik und Wissenschaft untersucht und eigene Ansätze entwickelt.
The current German law mandates data sharing only under narrow conditions. The increasing spread of "data-hungry" AI systems is prompting demands for data sharing obligations in other circumstances, directed in particular towards companies in the digital economy. This study questions whether it would be advisable to open up access to exclusive data from the private sector for training self-learning AI systems in order to promote innovation opportunities and incentives. It explores the question of whether case-by-case solutions or sector-specific regulatory responses are a better solution. For this purpose, proposals for change from politics and science are examined and own ideas are developed.
The current German law mandates data sharing only under narrow conditions. The increasing spread of "data-hungry" AI systems is prompting demands for data sharing obligations in other circumstances, directed in particular towards companies in the digital economy. This study questions whether it would be advisable to open up access to exclusive data from the private sector for training self-learning AI systems in order to promote innovation opportunities and incentives. It explores the question of whether case-by-case solutions or sector-specific regulatory responses are a better solution. For this purpose, proposals for change from politics and science are examined and own ideas are developed.
Objekttext:
Katharina Hillmer
Dissertation Universität zu Köln 2021
Dissertation Universität zu Köln 2021
Zugriff und Nutzungsmöglichkeiten
Administrative Angaben
Datensatz angelegt am:
2023-04-13
Zuletzt geändert am:
2022-03-24
In Portal übernommen am:
2023-04-13
Feedback
Unsere Datensätze befinden sich in stetiger Weiterentwicklung. Wenn Sie zusätzliche Informationen zu diesem Objekt oder einen Fehler entdeckt haben, dann schreiben Sie uns. Informationen zum Datenschutz
Ähnliche Objekte
Entdecken Sie ähnliche Objekte. Über die Datenfelder können Sie die Objekte auswählen, die Sie interessieren. Sie können Ihre Suchfilter beibehalten oder deaktivieren.
Suchfilter berücksichtigen
-
Objektkategorie:
- 34709
-
Sprache:
- 412532