Anwenden

Anwenden
© ipopba /istockhoto.com

Ihre Vorteile

Normen und Standards können  dabei unterstützen, dass Künstliche Intelligenz sicher und verlässlich für uns arbeitet. Das betrifft insbesondere die Qualität, Sicherheit, Nachvollziehbarkeit, Robustheit, Transparenz und Verlässlichkeit von KI-Anwendungen. Durch Normen und Standards haben insbesondere auch deutsche Mittelständler die Chance, über offene Schnittstellen und einheitliche Anforderungen Zugang zum globalen Markt zu erhalten.

Sowohl national als auch international wurden bereits erste Normen und Standards zur Künstlichen Intelligenz erarbeitet. 

Ihr Ansprechpartner

DIN e. V.
Frau

Filiz Elmas

Saatwinkler Damm 42/43
13627 Berlin

Ansprechpartner kontaktieren  

Weitere Informationen

Aktuelle Normen und Standards im Kontext der Künstlichen Intelligenz

Nationale Standards Einblenden

Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen

Die DIN SPEC 13266 vermittelt grundlegende Kenntnisse zu den Anwendungsmöglichkeiten und der Struktur von Deep-Learning-Systemen und nennt Voraussetzungen, unter denen sich Bilderkennungsprobleme mithilfe eines Deep-Learnings-Systems bearbeiten lassen. Weiterhin gibt das Dokument Leitlinien zur praktischen Umsetzung an die Hand – angefangen beim Sammeln von Daten über ihre Strukturierung bis hin zur Ablaufstruktur von Lernexperimenten und zur Fehleranalyse.

Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen in der Medizin

Die DIN SPEC 13288 soll in Anlehnung an die DIN SPEC 13266:2020 die erhöhten KI-spezifischen Qualitätsanforderungen und regulativen Vorgaben in der Anwendung medizinischer Bildererkennungssysteme durch einen Leitfaden gewährleisten. Angefangen von einem repräsentativen Datensatz über die Einbettung in den medizinischen Workflow und der angewandten  Methodik bis hin zur Erklärbarkeit und dem Nutzervertrauen. Die DIN SPEC 13288 enthält ebenfalls Aspekte der technischen Umsetzung: zum Beispiel zur Formalisierung/Problemdefinition, zur Software-Entwicklung oder zur kontinuierlichen Verbesserung und Validierung.

Künstliche Intelligenz — Life Cycle Prozesse und Qualitätsanforderungen — Teil 1: Qualitäts-Meta-Modell

Teil 1 der DIN SPEC 92001-Reihe bietet ein allgemeines Qualitätsmetamodell für Künstliche Intelligenz (KI), das in erster Linie die wichtigsten Aspekte der KI-Qualität beschreibt. Das KI-Qualitätsmetamodell enthält unter anderem die drei wesentlichen Qualitätsmerkmale - Leistung & Funktionalität, Robustheit und Verständlichkeit.

Künstliche Intelligenz - Life Cycle Prozesse und Qualitätsanforderungen - Teil 2: Robustheit

Teil 2 der DIN SPEC 92001-Reihe stellt KI-spezifische Robustheitsanforderungen dar. Diese Qualitätsanforderungen werden mit Hilfe des vorgegebenen KI-Qualitätsmetamodells (DIN SPEC 92001-1) strukturiert.

Qualitätsanforderungen für video-basierte Methoden der Personalauswahl

Die DIN SPEC 91426 steckt einen praxisbezogenen personaldiagnostischen und rechtlichen Anforderungsrahmen für video-basierte Methoden der Personalauswahl.

Übertragung von sprachbasierten Daten zwischen Künstlichen Intelligenzen - Universal Namespace Protokoll - Festlegung von Parametern und Format

Die DIN SPEC 2343 soll eine universelle Grammatik für Sprach-Interfaces definieren, die es ermöglicht verschiedene KI-Ökosysteme innerhalb eines gemeinsamen Sprachrahmens zusammenzuführen und eine Interoperabilität zu gewährleisten.

Veröffentlichte internationale Normen und technische Reports Einblenden

Informationstechnik - Big Data - Überblick und Begriffe

Die  ISO/IEC 20546 enthält eine Reihe von Begriffen und Definitionen, die zur Förderung einer besseren Kommunikation und eines besseren Verständnisses dieses Bereichs erforderlich sind. Sie bietet eine terminologische Grundlage für Big Data bezogenen Standards und einen konzeptionellen Überblick über den Bereich Big Data, seine Beziehung zu anderen technischen Bereichen und Standardisierungsbemühungen sowie die Konzepte, die Big Data zugeschrieben werden und die für Big Data nicht neu sind.

Informationstechnik - Big-Data-Referenzarchitektur - Teil 3: Referenzarchitektur

Die ISO/IEC 20547-3 spezifiziert die große Datenreferenzarchitektur (BDRA). Die Referenzarchitektur umfasst Konzepte und architektonische Sichten. Die in diesem Dokument angegebene Referenzarchitektur definiert hierbei zwei architektonische Sichten: Die Benutzersicht und die funktionale Sicht. Es werden Aspekte wie eine gemeinsame Sprache, die Einhaltung gemeinsamer Standards, die Förderung von Spezifikationen und Muster und die Analyse von Kandidatenstandards für Interoperabilität, Portabilität, Wiederverwendbarkeit und Erweiterbarkeit zu erleichtern.

Information technology - Big data reference architecture - Part 1: Framework and application process

Die ISO/IEC TR 20547-1 beschreibt den Rahmen der Big Data Referenzarchitektur und den Prozess, wie ein Benutzer des Dokuments diese auf seine spezielle Problemdomäne anwenden kann.

Informationstechnik - Big Data Referenzarchitektur - Teil 2: Anwendungsfälle und abgeleitete Anforderungen

Die ISO/IEC TR 20547-2 bietet Beispiele für Big Data-Anwendungsfälle mit Anwendungsdomänen und technischen Überlegungen, die aus den beigesteuerten Anwendungsfällen abgeleitet wurden.

Informationstechnik - Big Data Referenzarchitektur - Teil 5: Normungsroadmap

Die ISO/IEC TR 20547-5 beschreibt die bestehenden und in der Entwicklung befindlichen Standards für Big Data sowie die Prioritäten für die künftige Entwicklung von Standards für Big Data auf der Grundlage einer Lückenanalyse.

Information technology - Artificial intelligence - Overview of trustworthiness in artificial intelligence

Die ISO/IEC TR 24028 untersucht Themen im Zusammenhang mit der Vertrauenswürdigkeit von KI-Systemen. Darunter beispielsweise Ansätze zur Schaffung von Vertrauen in KI-Systeme durch Transparenz, Erklärbarkeit, Kontrollierbarkeit, technische Fallstricke und typische damit verbundene Bedrohungen und Risiken für KI-Systeme sowie mögliche Techniken und Methoden zur Risikominderung sowie Ansätze zur Bewertung und Erreichung von Verfügbarkeit, Belastbarkeit, Zuverlässigkeit, Genauigkeit, Sicherheit, Schutz und Privatsphäre von KI-Systemen.

Laufende Normungsprojekte Einblenden

Eine Übersicht laufender Normungsprojekte finden Sie auf diesen Seiten.