iusNet Digitales Recht und Datenrecht

Schulthess Logo

Algorithmen

Das 101 der rechtlichen Aspekte im Zeitalter der Künstlichen Intelligenz

Fachbeitrag
Künstliche Intelligenz
Künstliche Intelligenz durchdringt nahezu alle Bereiche des modernen Lebens, von Musik und Medien über Unternehmen und Behörden bis hin zu Cyberangriffen. Derzeit erleben wir einen Boom in generativen KI-Technologien, während weltweit Diskussionen über die Regulierung von KI stattfinden. Dieser Artikel bietet einen Überblick über die grundlegenden rechtlichen Konzepte und Prinzipien zur Regulierung von KI. Es werden die grundlegenden Mechaniken der Künstlichen Intelligenz dargestellt, gefolgt von einem Überblick über die derzeitige weltweite Regulierungslandschaft für KI und abschliessend die allgemein anerkannten rechtlichen Grundsätze für KI.
Olivier Heuberger
iusNet DigR 28.09.2023

E-Persönlichkeit für Algorithmen?

Fachbeitrag
Künstlich intelligente Algorithmen prägen in zuvor nie da gewesener Weise unser Leben. Sie treffen Entscheidungen und führen Handlungen aus, die bislang den Menschen vorbehalten waren. Dies wirft unter anderem die Frage auf, ob die entstehende Verantwortungslücke mit einem speziellen rechtlichen Status für diese künstlich intelligenten Algorithmen, die E-Persönlichkeit, geschlossen werden kann und soll.
digma 1/2019

Ist auf unsere digitalen Assistenten Verlass?

Fachbeitrag

Sind intelligente Programme angreifbar? Sicherheitsbedenken beim maschinellen Lernen

Maschinelles Lernen hat in den letzten Jahren eine unglaubliche Popularität erlangt. Neben spektakulären Siegen im Schach, Jeopardy! und Go gibt es zahlreiche erfolgreiche Anwendungen in der Bild- und Spracherkennung, die immer öfter menschliche Fähigkeiten übertreffen. Anlass genug, um diese Technologie in kritische Felder wie medizinische Bildgebung und selbstfahrende Autos zu integrieren. Die meisten Systeme werden aber nicht mit Blick auf Sicherheit und Resilienz entworfen und können von jedem motivierten Angreifer mit einem guten Verständnis des Systems getäuscht werden. Die Wirksamkeit von Anwendungen mit maschinellem Lernen sollte daher nicht nur an ihrer Präzision gemessen werden, sondern auch an ihrer Widerstandskraft in einer feindlichen Umgebung.
digma 2/2017