http://dl.gi.de/handle/20.500.12116/16416 2026-07-23T11:51:40Z http://dl.gi.de/handle/20.500.12116/16425 Smart Government: Die Verwaltung und den Staat der Zukunft denken Demaj, Labinot Smart Government ist keine Neuauflage von E-Government. Es geht nicht um die Überführung analoger Strukturen, Prozesse und Akten in die digitale Welt. Smart Government – so wie in diesem Thesenpapier verwendet – beschreibt die Auswirkungen bzw. das Ergebnis dreier technologischer Entwicklungen auf den Staat und die Verwaltung von morgen. Erstens: Digitale Koordinations- und Transaktionsplattformen ersetzen zusehends öffentliche Intermediäre als Trusted Third Parties und prägen die neue Organisationslogik kollektiven Handelns. Zweitens: Erkenntnisse aus der Forschung zum menschlichen Entscheidungsverhalten und die zunehmende Verfügbarkeit von Echtzeitinformationen fördern die Definition öffentlicher Programme und Massnahmen basierend auf dem realen statt dem vermuteten Verhalten der gesellschaftlichen Akteure. Drittens: Systeme der künstlichen Intelligenz unterstützen immer deutlicher den professionellen und unparteiischen Umgang von öffentlichen Entscheidungsträgern mit Ermessensfragen. Zusammengenommen können diese Entwicklungen den Aufbau, die Organisation und die Führung eines öffentlichen Gemeinwesens positiv transformieren, wenn frühzeitig eine öffentliche Diskussion über die gesellschaftlichen Implikationen und Herausforderungen der neuen Technologien begonnen wird. 2018-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/16427 Forum 2018-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/16426 Explainable AI (ex-AI) Holzinger, Andreas ,,Explainable AI“ ist kein neues Gebiet. Vielmehr ist das Problem der Erklärbarkeit so alt wie die AI selbst, ja vielmehr das Resultat ihrer selbst. Während regelbasierte Lösungen der frühen AI nachvollziehbare ,,Glass-Box“-Ansätze darstellten, lag deren Schwäche im Umgang mit Unsicherheiten der realen Welt. Durch die Einführung probabilistischer Modellierung und statistischer Lernmethoden wurden die Anwendungen zunehmend erfolgreicher – aber immer komplexer und opak. Beispielsweise werden Wörter natürlicher Sprache auf hochdimensionale Vektoren abgebildet und dadurch für Menschen nicht mehr verstehbar. In Zukunft werden kontextadaptive Verfahren notwendig werden, die eine Verknüpfung zwischen statistischen Lernmethoden und großen Wissensrepräsentationen (Ontologien) herstellen und Nachvollziehbarkeit, Verständlichkeit und Erklärbarkeit erlauben – dem Ziel von ,,explainable AI“. 2018-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/16423 Natural Language Processing for Industrial Applications Quarteroni, Silvia Recently, natural language processing applications have become very popular in the industry. Examples of such applications include “semantic” enterprise search engines, document categorizers, speech recognizers and – last but not least – conversational agents, also known as virtual assistants or “chatbots”. The latter in particular are very sought-after in the customer care domain, where the aim is to complement the live agent experience with an artificial intelligence able to help users fulfil a task. In this paper, we discuss the challenges and limitations of industrial chatbot applications, with a particular focus on the “human-in-the-loop” aspect, whereby a cooperation between human and machine takes place in mutual interest. Furthermore, we analyse how the same aspect intervenes in other industrial natural language processing applications. 2018-01-01T00:00:00Z