Llms
Nachnutzung generativer KI-Systeme
Mit dem Einzug großer Sprachmodelle sind verschiedene generative KI-Systeme auf allen Ebenen der Verwaltung im Einsatz. Welche Unterschiede und Gemeinsamkeiten bestehen zwischen diesen Systemen – und wie kann Redundanz verringert und Nachnutzung gestärkt werden? Die Vorstudie vergleicht KI-Systeme in der deutschen Verwaltung. Sie identifiziert technische Gemeinsamkeiten und Unterschiede sowie Nachnutzungspotenziale.
Digitale Souveränität bei LLMs - Folge 45
Große Sprachmodelle (LLMs) kommen auch in der Bundesverwaltung zunehmend zum Einsatz. Ihr Training erfordert immense Daten- und Rechenkapazitäten, die nur wenigen Unternehmen zur Verfügung stehen. Droht eine technologische Abhängigkeit des Staates? Basierend auf der Analyse von 33 LLM-Projekten des Bundes diskutieren Dorian Wachsmann und Nicole Opiela, was bereits getan wird, um die digitale Souveränität zu stärken.
Digitale Souveränität und grosse Sprachmodelle in der Bundesverwaltung
Wie souverän ist der Staat bei der Nutzung von großen Sprachmodellen (LLMs)? Die Bundesverwaltung setzt an immer mehr Stellen auf Anwendungen, die auf Basis von LLMs funktionieren. In der Studie wird sich empirisch damit auseinandergesetzt, ob in diesem Technologiefeld neue Abhängigkeiten zu entstehen drohen. Basis sind eine LLM-Marktanalyse und Maßnahmenanalyse zu KI in Deutschland sowie ausgewählten Ländern – mit abschließenden konkreten, umsetzbaren Handlungsempfehlungen.
Auf dem Weg zur evidenzbasierten Politik - Eine Analyse der Datenlabore der Deutschen Bundesregierung
Entsprechend der Empfehlung der Datenstrategie 2021 wurden in allen Bundesressorts Datenlabore eingerichtet mit dem Ziel, die Evidenzbasierung zu stärken und die Datenkompetenz zu erhöhen. Über die Datenlabore, ihre Arbeitsweisen und Aktivitäten ist bislang allerdings wenig bekannt. Die vorliegende Studie von neuland21 und ÖFIT macht es sich zur Aufgabe, basierend auf Expert:inneninterviews mit Leitenden der Datenlabore erste beobachtbare und geplante Wirkungen aufzuzeigen und zu analysieren. Im Zentrum steht hierbei die Frage, auf welche Weise die Datenlabore die oben skizzierten Aufträge zu erfüllen versuchen und wie sie sich in ihrem Vorgehen unterscheiden.