Page History
Übersicht der Bedarfe dieser Kleingruppe
Direkt einzahlende Bedarfe und indirekt einzahlende Bedarfe
Grundlagen | Safety & | Prüfung & | Soziotechn. | Industrielle | Mobilität | Medizin |
Finanzdienst-leitungen | Energie & | ||
01-01 |
| 01-16 |
|
|
|
1. Konsolidierung der Bedarfe
Welche Bedarfe passen inhaltlich zusammen und sollten gemeinsam als Cluster innerhalb eines Projekts bearbeitet werden und wie relevant sind diese Cluster aus deutscher Sicht? Überschneidungen/inhaltliche Dopplungen mit anderen Kleingruppen sind zu vermeiden.
...
Cluster
(C-KLG-A bis X,
Bsp.: C-1-A)
...
Bedarfe des Clusters
(Bedarfs-Code)
...
Relevanz aus deutscher Sicht
(gering, hoch)
05-06 | 06-05 | 07-02 | 08-03 | 08-17 | 09-02 |
1. Konsolidierung der Bedarfe
Es wurden keine Bedarfe zu Clustern zusammengefasst.
...
C-1-A: Titel
...
2. Umfeld- und Expertiseanalyse
a. In welche laufenden Projekte passen die einzelnen Bedarfe bzw. Bedarfs-Cluster?
Vollständig | Teilweise | Projektnummer und Titel |
(Haupttitel - Nebentitel/
Teile-Titel etc.
) | Fehlende Expertise für Bedarfsumsetzung | Name von Experten | Notizen | ||
06-05 | ASAM (laufende Aktivitäten) → Open Szenario / Stichwort: szenariobasierter Test (21448 und ODD im Bereich Automobil) OpenDataHub (Analyse Ampelschaltung etc. Hamburg) | ggf. Mitglieder des Forschungsprojekts SafetrAIn Dieter Wegener (Bezug zum Zug), Christian Kolf (Kontakt von Jacques Olaf Kruse Brandao) | ggf. aus "Hochrisiko", horizontales Thema (zumindest nicht nur vertikal) Hinweis: Entkopplung von Simulation und Testmethoden | ||
05-11 | erledigt Sieh Hinweise KGL2: nicht KI-relevant | ||||
05-09 | ISO/IEC DIS 5259-2 - Artificial intelligence — Data quality for analytics and machine learning (ML) — Part 2: Data quality measures | Zukunftsthema/ Georg Rehm,... | Wichtig, noch in Grundlagenforschung, zu früh für Normung, auch Thema im JTC21 (leider auch hier nur Verweis auf 5259-2) → daher Potential für ISO-Projekt Zusammenhang zu IT-Security/Datenqualität (weiter Bedarfe) | ||
05-07 + 08 | Andreas Müller, | Aktion für Q4 2023/Q1 2024 (WS zur Konkretisierung möglicher Standardisierungsinhalte) Setzt den Bedarf 05-06 (dessen Aktivitäten) fort | |||
05-06 | Georg Rehm, Christoph Legat, Andreas Müller, | Erledigt: Spezifizierung in Bezug auf GenAI Geplante Aktion siehe links (W3C) – Keine KI-Standardisierung auf EN oder nationaler Ebene erforderlich | |||
08-07 | ISO/IEC DIS 5259 - Artificial intelligence — Data quality for analytics and machine learning (ML) | Banken, Versicherungen BAFIN? | Sektorales Thema FinDL-Gruppe "abklopfen", zwar nicht Fairness aber vlt dennoch von Interesse | ||
08-05 | |||||
08-01 bis 04 | Martin Haimerl, | (Keine AI-Act-Relevanz, Notizen für FinDL-Fairness-Gruppe) | |||
07-02 | Für AA KI-Medizin, Ansprechpartner ergänzen | ||||
01-22 | DIN SPEC 13288 - Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen in der Medizin DIN SPEC 13266 - Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen | Wissen zu Metriken/ Bildverarbeitung, (Anwender, Entwickler), Anbieter von Medizingeräten (Phillips, Olympus) | Martin Haimerl, | ML-SPEC Fortsetzung geplant? | |
01-16 | Forschungsbedarf, Normung folgt. NLP Projekt aus Frankreich | ||||
01-11 | ISO/IEC 27701:2019 - Security techniques — Extension to ISO/IEC 27001 and ISO/IEC 27002 for privacy information management — Requirements and guidelines ISO/IEC 23053:2022 - Framework for Artificial Intelligence (AI) Systems Using Machine Learning (ML) ISO/IEC 20889:2018 - Privacy enhancing data de-identification terminology and classification of techniques ISO/IEC TR 27563:2023 - Security and privacy in artificial intelligence use cases — Best practices | erledigt DSGVO Abgleich mit Dokumenten notwendig SC/27 WG 5 (NA AK 5) | |||
ISO/IEC AWI 42102 Information technology — Artificial intelligence — Taxonomy of AI system methods and capabilities | |||||
01-02 | ISO/IEC DIS 5259 - Artificial intelligence — Data quality for analytics and machine learning (ML) | ||||
| 01-01 | ISO/IEC 22989:2022 - Information technology — Artificial intelligence — Artificial intelligence concepts and terminology |
|
|
|
b. Welche Bedarfe bzw. Bedarfs-Cluster können nicht vollständig in laufende Projekte zugeordnet werden und erfordern daher die Initiierung eines neuen Normungs-/Standardisierungsdokumentes?
Bedarfs-Code/ Bedarfs-Cluster (AB-XY oder C-KLG-X) | Bedarfsinhalte die noch nicht in Projekten umgesetzt werden In Stichpunkten | Zielebene (national, europäisch, international) | Möglicher Initiator (Land, NSB, Chair/ Convenor) | Expertise, die es zur Umsetzung braucht | Vorschlag für Projektleitung |
01-16 | - Metriken (siehe auch hier) | ||||
01-23 | Siehe auch Ergebnisse von KLG 5 (aktuell nicht Normungsthema, zu schnelllebig) | ||||
07-02 | Analyse im AA Medizin, | ||||
08-05 | (noch) kein Normungsthema, → Themenspeicher |
c. Für welche der unter 2.b. ermittelten Bedarfe (Cluster) fehlt Expertise im Gremium, um NEUE Projekte zur Bedarfsumsetzung zu starten?
...
Bedarfs-Code/
Bedarfs-Cluster
(AB-XY oder C-KLG-X)
...
Fehlende Expertise zur Umsetzung der Bedarfe (Stakeholderkreis: bspw. Prüfindustrie, Juristen, Anwender, Entwickler, KMU etc.)
...
Gremium für Projekt
(national, europäisch, international)
...
Namen möglicher Expert*innen
(mit Normungserfahrung)
...
Relevanz aus dt. Sicht hoch, daher dt. Leitung gewünscht
...
Vorschlag für dt. Leitung
(Name des Experten)
...
...
...
...
...
...
entfällt