Anwenden
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.
Aktuelle Normen und Standards im Kontext der Künstlichen Intelligenz
Eine Übersicht der veröffentlichten nationalen Standards finden Sie auf diesen Seiten unter der Rubrik "KI".
Eine Übersicht der veröffentlichten internationalen Normen des DIN/DKE Gemeinschaftsarbeitsausschusses Künstliche Intelligenz finden Sie auf diesen Seiten.
Laufende Normungsprojekte
Eine Übersicht laufender Normungsprojekte des DIN/DKE Gemeinschaftsarbeitsausschusses Künstliche Intelligenz finden Sie auf diesen Seiten.
Laufende Standardisierungsprojekte
Terminologie – KI in Bahnanwendungen
Die DIN DKE SPEC 99002 definiert Begriffe aus den Querschnittsthemen Künstliche Intelligenz und Eisenbahnen mit dem Ziel, das gemeinsame Verständnis für KI-Anwendungen im Schienenverkehr zu verbessern. Die entwickelte Terminologie dient als Werkzeug zur Verbesserung der Kommunikation, sie richtet sich zum Beispiel sowohl an Schienenfahrzeughersteller und Komponentenlieferanten als auch an Verkehrsunternehmen/Schienenfahrzeugbetreiber, Zertifizierer/Begutachter/Zulassungsstellen und wissenschaftliche Einrichtungen (z.B. Universitäten, Hochschulen, Institute).
Künstliche Intelligenz — Qualitätsanforderungen und -prozesse — Risikoanalyse für die Entwicklung und den Betrieb von KI-Systemen
Die DIN/TS 92004 enthält Anforderungen an die Risikoanalyse und -behandlung für die Entwicklung und den Betrieb von Systemen der künstlichen Intelligenz (KI), die Komponenten des maschinellen Lernens (ML) enthalten. Sie spezifiziert die Bewertung der für KI relevanten sicherheitsrelevanten Risiken für diese Systeme und berücksichtigt anwendungsspezifische Risiken im Hinblick auf Fairness, Autonomie, Transparenz und Privatsphäre.
Vermeidung von Lebensmittelverschwendung – digitale Meldung von Lebensmittelüberschüssen in der Lieferkette - Teil 1: Definition der Semantik und eines Datenprotokolls zur digitalen Übermittlung
Die DIN SPEC 91550-1 verfolgt das Ziel, Lebensmittelverschwendung in der Lieferkette durch eine rasche und datengestützte Distribution von Produktüberhängen in relevante Abnahmekanäle zu vermeiden. Für eine technologiegetriebene Eliminierung der Lebensmittelverschwendung in der Lieferkette können mittels einer zunehmend KI-getriebenen Distributionsplattform die Überschüsse der Lieferkettenpartner allokiert werden. Hierzu bedarf es eines standardisierten Meldeprotokolls mit ebenso standardisierter Semantik, um zwischen der Plattform und den genannten Akteuren die Daten der Überschüsse austauschen zu können.
Künstliche Intelligenz - Quantifizierung von Unsicherheiten im Maschinellen Lernen
Die DIN SPEC 92005 legt allgemeine Leitfäden und Anforderungen für die Entwicklung und Nutzung von Methoden zur Quantifizierung von Unsicherheiten im Maschinellen Lernen (ML) fest. definiert Dieser Standard definiert grundlegende Begriffe für die Quantifizierung der Unsicherheit für ML und spezifiziert den Zweck, die Verwendung und die Notwendigkeit dieser Analysen. Ebenso gibt dieses Dokument eine Übersicht über vorhandene technische Methoden der Unsicherheitsquantifizierung für ML und deren Eigenschaften und beschreibt ausgewählte Anwendungen.
