Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
cset19. Juli 2023 · Q004432

Tracking Industry in Government Contracts

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht wertet kuratierte US-Bundesvertragsdaten aus, um die Nachfrage nach KI, maschinellem Lernen und Cloud-Technologien sowie die beteiligten Anbieter zu beleuchten. Er zählt 806 ausdrücklich KI-/ML-bezogene Verträge mit rund 536 Millionen US-Dollar, weist aber darauf hin, dass Beschaffungen ohne entsprechende Begriffe in den erfassten Feldern fehlen können. Beispiele zu Azure und DataRobot zeigen die Beteiligung großer und spezialisierter Anbieter; fehlende Zahlungsangaben schränken Vergleiche ein.

Mittel

Der Bericht zeigt anhand kuratierter US-Bundesvertragsdaten aus Govinis Ark.ai, wie sich die Nachfrage von Behörden nach neuen Technologien und die beteiligten Anbieter untersuchen lassen. Die Auswertung zählt seit 2005 insgesamt 806 Verträge, die KI oder maschinelles Lernen ausdrücklich erwähnen, mit einer erfassten Summe von rund 536 Millionen US-Dollar. Mehr als die Hälfte davon entfiel laut Bericht auf 2022. ECS Federal erhielt den höchsten ausgewiesenen Betrag. Die Zahlen unterschätzen wahrscheinlich die tatsächliche Beschaffung, weil Verträge mit KI als Teil einer Leistung oder ohne ausdrückliche Erwähnung in den erfassten Textfeldern fehlen können.

Als Beispiele behandelt der Bericht Microsoft Azure und DataRobot. Azure wird in 827 Vertragstiteln oder -beschreibungen genannt und kann auch von anderen Auftragnehmern genutzt werden. Zu DataRobot erfasst die Auswahl 54 Verträge mit dem Verteidigungs- und dem Heimatschutzministerium. Letzteres weist die siebenfache Auftragssumme aus, während das Verteidigungsministerium doppelt so viele Verträge hat; dort fehlen häufiger Zahlungsangaben.

Der Bericht sieht öffentliche Aufträge als Einblick in die Technologieadoption und die Rolle der Industrie. Die Aussagekraft bleibt durch die kuratierte Auswahl und lückenhafte Vertragsfelder begrenzt.

Ausführlich lesen

Der Bericht von Christian Schoeberl untersucht, wie Daten zu US-Bundesaufträgen Einblicke in die Nutzung neuer Technologien durch Behörden und in die beteiligten Unternehmen geben können. Grundlage ist eine gemeinsam mit Govini erstellte, kuratierte Auswahl von Vertragsdaten aus der Plattform Ark.ai. Die Analyse betrachtet ausdrücklich erwähnte KI- und Machine-Learning-Verträge sowie Beispiele zu Microsoft Azure und DataRobot. Der Bericht betont, dass relevante Technologien oft nicht eindeutig über Branchenklassifikationen zu finden sind und die Auswahl fachliche Prüfung erfordert.

Für KI und maschinelles Lernen findet die Datenauswertung seit 2005 insgesamt 806 Verträge, in denen diese Begriffe ausdrücklich vorkommen. Die ausgewiesene Auftragssumme beträgt rund 536 Millionen US-Dollar. Laut Bericht entfiel 2022 mehr als die Hälfte dieser Summe auf solche Verträge; die Daten für 2023 waren zum Zeitpunkt der Auswertung unvollständig. ECS Federal erhielt demnach mit mehr als 78 Millionen US-Dollar über vier Verträge den höchsten erfassten Auftragswert für KI-/ML-Leistungen. Diese Zahlen bilden die tatsächlichen Beschaffungen wahrscheinlich nicht vollständig ab: Analytikaufträge, in denen KI nur ein Teil der Leistung ist oder in den erfassten Textfeldern nicht ausdrücklich genannt wird, bleiben möglicherweise unerkannt.

Der Bericht beschreibt öffentliche Aufträge als Möglichkeit, zu beobachten, welche Technologien Behörden nachfragen und welche Anbieter sie bereitstellen. Er verweist darauf, dass Verträge in neuen Technologiefeldern auch als Vertrauenssignal wirken können. Als Beispiel nennt er den Cloud-Auftrag des US-Verteidigungsministeriums im Umfang von neun Milliarden US-Dollar, der Google, Oracle, Microsoft und Amazon zugeteilt wurde. Der Beitrag stellt anschließend zwei unterschiedlich große Anbieter vor.

Microsoft Azure steht für eine etablierte Plattform, die Cloud-Speicherung mit KI-/ML-Werkzeugen verbindet und Entwicklung, Bereitstellung und Überwachung unterstützt. Behörden können laut Bericht auf eine bestehende Plattform zurückgreifen, statt Anwendungen vollständig selbst zu entwickeln. Azure kann außerdem von Auftragnehmern eingesetzt werden, die öffentliche Aufträge ausführen; Microsoft muss also nicht selbst der Hauptauftragnehmer sein. In den Vertragsdaten erwähnen 827 Verträge Azure in Titel oder Beschreibung. Der Bericht weist darauf hin, dass diese Textfelder oft lückenhaft sind.

DataRobot dient als Beispiel für einen kleineren, spezialisierten Anbieter mit einer Plattform für den gesamten KI-/ML-Lebenszyklus. Der Bericht hebt deren angebotene Funktionen für Prüfung, Dokumentation, Überwachung und Governance hervor und ordnet sie dem wachsenden Interesse an verantwortungsvoller KI zu. Die Daten enthalten 54 DataRobot-Verträge, ausschließlich mit dem Verteidigungsministerium und dem Heimatschutzministerium. Das Heimatschutzministerium weist laut Bericht eine siebenmal höhere Auftragssumme aus; das Verteidigungsministerium hat jedoch doppelt so viele Verträge. Bei dessen Verträgen fehlt häufiger eine ausgewiesene Zahlungssumme.

Die zentrale Schlussfolgerung lautet, dass Vertragsdaten eine Perspektive auf die technologische Ausstattung des Bundes und die Rolle von Unternehmen bieten. Die Aussagekraft hängt jedoch von der kuratierten Auswahl und davon ab, was in Vertragstiteln und -beschreibungen erfasst ist. Eine vertiefte Auswertung von Begriffen und Formulierungen könnte laut Bericht detailliertere Erkenntnisse liefern. Die Veröffentlichung erklärt außerdem, dass für die Forschungsvereinbarung mit Govini kein Geld geflossen sei und die Zusammenarbeit keine Empfehlung oder Werbung für dessen Dienste darstelle.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht selbst ist intern uneinheitlich: Er nennt die KI-Ausgaben einmal mit rund 536 Millionen US-Dollar und einmal als 500 Millionen, ohne den Unterschied zu erklären. Luna übernimmt die Zahl 536 Millionen korrekt, ohne auf die Abweichung hinzuweisen. Der Bericht betrifft ausschließlich Beschaffungsdaten und ist für die drei Sammelfragen nur mittelbar relevant.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Bericht nennt den 9-Milliarden-Dollar-Cloud-Auftrag (Joint Warfighter Cloud Capability) an Google, Oracle, Microsoft und Amazon als Beispiel und erklärt, dass er als staatliches Gütesiegel für Datensicherheit wirkt.
  • Die Executive Order 13960 von 2020, die Behörden zur Offenlegung ihrer KI-Anwendungsfälle verpflichtet, wird als Begründung für die Beobachtung genannt.
  • Der Bericht stellt die Zusammenarbeit mit Govini als Explorationsprojekt dar und hält fest, dass keine Gelder flossen und keine Werbung betrieben wird.
  • Die Daten für 2023 sind unvollständig; bisher wurden nur fünf KI-/ML-Verträge für dieses Jahr erfasst.
  • Der Bericht stellt Microsoft als Beispiel für große Anbieter und DataRobot als Beispiel für kleinere, spezialisierte Anbieter gegenüber, und DataRobot wird als Anbieter mit eingebauten Tools für verantwortungsvolle KI beschrieben.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 45 %gleiches Oberthema, hilft nicht
    • Luna 71 %Hintergrund, keine Belege
    • JEV 37 %Hintergrund, keine Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 82 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 66 %Hintergrund, keine Belege
    • JEV 47 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
  1. SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 52 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 51 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 45 %gleiches Oberthema, hilft nicht
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 61 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
  4. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
  1. SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 53 %Hintergrund, keine Belege
    • JEV 46 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 29 %Hintergrund, keine Belege
    • d3-ultra 33 %Hintergrund, keine Belege
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →