Das zuständige nationale Normungsgremium ist der DIN/DKE Gemeinschaftsarbeitsausschuss NA 043-01-42 GA "Künstliche Intelligenz" im DIN-Normenausschuss Informationstechnik und Anwendungen (NIA).

Dieses Dokument ist anwendbar für Organisationen aller Arten (zum Beispiel gewerbliche Unternehmen, Behörden, gemeinnützige Organisationen). Die Norm vermittel Grundlagen zur Terminologie im Kontext von künstlicher Intelligenz (KI).

Inhaltsverzeichnis

Nationales Vorwort
Europäisches Vorwort
Anerkennungsnotiz
Vorwort
Einleitung

1 Anwendungsbereich

2 Normative Verweisungen

3 Begriffe

3.1 Begriffe im Zusammenhang mit KI

3.1.1 KI-Agent
3.1.2 KI-Komponente
3.1.3 künstliche Intelligenz (KI)
3.1.4 System der künstlichen Intelligenz KI-System
3.1.5 Autonomieautonom
3.1.6 anwendungsspezifische integrierte Schaltung (ASIC), en: application specific integrated circuit
3.1.7 automatisch bzw. Automatisierung bzw. automatisiert
3.1.8 kognitive Datenverarbeitung
3.1.9 kontinuierliches Lernen bzw. fortlaufendes Lernen bzw. lebenslanges Lernen
3.1.10 Konnektionismus bzw. konnektionistisches Paradigma bzw. konnektionistisches Modellkonnektionistischer Ansatz
3.1.11 Data-Mining
3.1.12 deklaratives Wissen
3.1.13 Expertensystem
3.1.14 allgemeine KIAKI
3.1.15 genetischer Algorithmus (GA)
3.1.16 Heteronomieheteronom
3.1.17 RückschlussInferenz
3.1.18 Internet der Dinge (IoT), en: Internet of Things
3.1.19 IoT-Gerät
3.1.20 IoT-System
3.1.21 Wissen
3.1.22 Lebenszyklus
3.1.23 Modell
3.1.24 schwache KI
3.1.25 Leistung
3.1.26 Planung
3.1.27 Vorhersage
3.1.28 prozedurales Wissen
3.1.29 Roboter
3.1.30 Robotik
3.1.31 semantische Datenverarbeitung
3.1.32 Soft Computing
3.1.33 symbolische KI
3.1.34 subsymbolische KI
3.1.35 Aufgabe

3.2 Begriffe im Zusammenhang mit Daten

3.2.1 Datenannotation
3.2.2 Datenqualitätsüberprüfung
3.2.3 Datenerweiterung
3.2.4 Data-Sampling bzw. Datenabtastung
3.2.5 Datensatz
3.2.6 explorative Datenanalyse (EDA)
3.2.7 Groundtruth bzw. Grundwahrheit
3.2.8 Imputation
3.2.9 Eingabedaten
3.2.10 AnnotationLabel
3.2.11 personenbezogene Daten (pbD)
3.2.12 Produktionsdaten
3.2.13 Sample
3.2.14 Testdaten bzw. Bewertungsdaten
3.2.15 Validierungsdaten

3.3 Begriffe mit Bezug auf maschinelles Lernen

3.3.1 Bayes’sches Netz
3.3.2 Entscheidungsbaum
3.3.3 Mensch-Maschine-Teaming
3.3.4 Hyperparameter
3.3.5 maschinelles Lernen (ML)
3.3.6 maschineller Lernalgorithmus
3.3.7 maschinelles Lernmodell
3.3.8 Parameter bzw. Modellparameter
3.3.9 bestärkendes Lernen (RL), en: reinforcement learning
3.3.10 Nachtrainieren
3.3.11 teilüberwachtes maschinelles Lernen
3.3.12 überwachtes maschinelles Lernen
3.3.13 Stützvektormaschine (SVM), en: support vector machine
3.3.14 trainiertes Modell
3.3.15 Training
3.3.16 Trainingsdaten
3.3.17 unüberwachtes maschinelles Lernen

3.4 Begriffe mit Bezug auf neuronale Netze

3.4.1 Aktivierungsfunktion
3.4.2 neuronales Netz (CNN), en: Convolutional Neural Networkfaltendes
3.4.3 Faltung
3.4.4 Deep Learning bzw. tiefes Lernen
3.4.5 explodierender Gradient
3.4.6 neuronales Vorwärtsnetz (FFNN), en: feed forward neural network
3.4.7 langes Kurzzeitgedächtnis (LSTM), en: long short-term memory
3.4.8 neuronales Netz (NN)
3.4.9 Neuron
3.4.10 rekurrentes neuronales Netz (RNN)

3.5 Begriffe im Zusammenhang mit der Vertrauenswürdigkeit

3.5.1 rechenschaftspflichtig
3.5.2 Rechenschaft
3.5.3 Verfügbarkeit
3.5.4 Biassystematische Abweichung
3.5.5 Maßnahme
3.5.6 Kontrollierbarkeit bzw. kontrollierbar
3.5.7 Erklärbarkeit
3.5.8 Vorhersagbarkeit
3.5.9 Zuverlässigkeit
3.5.10 Widerstandsfähigkeit
3.5.11 Risiko
3.5.12 Robustheit
3.5.13 interessierte Partei
3.5.14 Transparenz
3.5.15 Vertrauenswürdigkeit
3.5.16 Verifizierung
3.5.17 Validierung

3.6 Begriffe mit Bezug auf die Verarbeitung natürlicher Sprache

6.6.1 automatische Zusammenfassung
6.6.2 Dialogmanagement
6.6.3 Erkennung von Gefühlen
6.6.4 Information-Retrieval (IR)
6.6.5 maschinelle Übersetzung (MÜ)
6.6.6 Eigennamenerkennung (NER), en: named entity recognition
6.6.7 natürliche Sprache
6.6.8 Natural Language Generation bzw. Generierung natürlicher Sprache (NLG)
6.6.9 Natural Language Processing bzw. Verarbeitung natürlicher Sprache (NLP)
6.6.10 natürliches Sprachverstehen (NLU), en: natural language understanding
6.6.11 optische Zeichenerkennung (OCR), en: optical character recognition
6.6.12 Part-of-Speech-Tagging (POS-Tagging)
6.6.13 Beantwortung von Fragen
6.6.14 Extraktion von Beziehungen
6.6.15 Sentimentanalyse
6.6.16 Spracherkennung
6.6.17 Sprachsynthese

3.7 Begriffe mit Bezug auf computerbasiertes Sehen

3.7.1 computerbasiertes Sehen
3.7.2 Gesichtserkennung
3.7.3 Bild
3.7.4 Bilderkennung

4 Abkürzungen

5 KI-Konzepte

5.1 Allgemeines

5.2 Von starker und schwacher KI zu allgemeiner und konkreter KI

5.3 Agent

5.4 Wissen

5.5 Kognition und kognitive Datenverarbeitung

5.6 Semantische Datenverarbeitung

5.7 Soft Computing

5.8 Genetische Algorithmen

5.9 Symbolische und subsymbolische Ansätze für KI

5.10 Daten

5.11 Maschinelle Lernkonzepte

5.11.1 Überwachtes maschinelles Lernen
5.11.2 Unüberwachtes maschinelles Lernen
5.11.3 Teilüberwachtes Lernen
5.11.4 Bestärkendes Lernen
5.11.5 Transfer-Learning
5.11.6 Trainingsdaten
5.11.7 Trainiertes Modell
5.11.8 Validierung und Testdaten
5.11.9 Nachtrainieren

5.12 Beispiele für maschinelle Lernalgorithmen

5.12.1 Neuronale Netze

• Allgemeines
• Neuronales Vorwärtsnetz
• Rekurrentes neuronales Netz
  • Allgemeines
  • Netz mit langem Kurzzeitgedächtnis
• Convolutional Neural Network (faltendes neuronales Netz)

5.12.2 Bayes’sche Netze

5.12.3 Entscheidungsbäume

5.12.4 Stützvektormaschine

5.13 Autonomie, Heteronomie und Automatisierung

5.14 Internet der Dinge und cyber-physische Systeme

5.14.1 Allgemeines
5.14.2 Internet der Dinge
5.14.3 Cyber-physische Systeme

5.15 Vertrauenswürdigkeit

5.15.1 Allgemeines
5.15.2 KI-Robustheit
5.15.3 KI-Zuverlässigkeit
5.15.4 KI-Widerstandsfähigkeit
5.15.5 KI-Kontrollierbarkeit
5.15.6 KI-Erklärbarkeit
5.15.7 KI-Vorhersagbarkeit
5.15.8 KI-Transparenz
5.15.9 KI-Bias und -Fairness

5.16 KI-Verifizierung und -Validierung

5.17 Fragen der Rechtsprechung

5.18 Auswirkungen auf die Gesellschaft

5.19 Rollen der interessierten Parteien im Bereich KI

5.19.1 Allgemeines

5.19.2 KI-Anbieter

• Allgemeines
• Anbieter von KI-Plattformen
• Anbieter von KI-Diensten oder -Produkten

5.19.3 KI-Hersteller

• Allgemeines
• KI-Entwickler

5.19.4 KI-Kunde

• Allgemeines
• KI-Benutzer

5.19.5 KI-Partner

• Allgemeines
• KI-Systemintegrator
• Datenlieferant
• KI-Auditor
• KI-Bewerter

5.19.6 KI-Subjekt

• Allgemeines
• Datensubjekt
• Andere Subjekte

5.19.7 Zuständige Stellen

• Allgemeines
• Politische Entscheidungsträger
• Regulierungsbehörden

6 Lebenszyklus des KI-Systems

6.1 Lebenszyklusmodell des KI-Systems

6.2 Phasen und Prozesse des Lebenszyklus eines KI-Systems

6.3.1 Allgemeines
6.3.2 Aufnahme
6.3.3 Gestaltung und Entwicklung
6.3.4 Verifizierung und Validierung
6.3.5 Einsatz
6.3.6 Betrieb und Überwachung
6.3.7 Kontinuierliche Validierung
6.3.8 Neubewertung
6.3.9 Ausmusterung

7 Überblick über die Funktionsweise des KI-Systems

7.1 Allgemeines
7.2 Daten und Informationen
7.3 Wissen und Lernen
7.4 Von Vorhersagen zu Aktionen

8 KI-Ökosystem

8.1 Allgemeines

8.2 KI-Systeme

8.3 KI-Funktion

8.4 Maschinelles Lernen

8.5 Technik

8.5.1 Allgemeines
8.5.2 Expertensysteme
8.5.3 Logikprogrammierung

8.6 Massendaten und Datenquellen — Cloud-Computing und Edge-Computing

8.6.1 Massendaten und Datenquellen
8.6.2 Cloud-Computing und Edge-Computing

8.7 Ressourcenpools

8.7.1 Allgemeines
8.7.2 Anwendungsspezifische integrierte Schaltung

9 Bereiche der KI

9.1 Computerbasiertes Sehen und Bilderkennung
9.2 Verarbeitung natürlicher Sprache
9.3 Data-Mining
9.4 Planung

10 Anwendungen von KI-Systemen

10.1 Allgemeines
10.2 Betrugserkennung
10.3 Automatisierte Fahrzeuge
10.4 Vorausschauende Wartung

Anhang A - Zuordnung des Lebenszyklus von KI-Systemen mit der OECD-Definition des Lebenszyklus von KI-Systemen (informativ)

Literaturhinweise (informativ)