Measuring AI RC Growth
Zusammenfassung
Kurz
Der Bericht vergleicht historisches und für drei Jahre prognostiziertes Extremwachstum von Forschungsclustern, wobei mindestens acht Prozent als Schwelle gelten. In der KI-Auswertung sind die Verteilungen über Forschungsbereiche meist ähnlich; Mathematik ist in der Prognosegruppe stärker vertreten, und für die Geisteswissenschaften wird dort kein KI-Cluster mit Extremwachstum ausgewiesen.
Mittel
Der Bericht vergleicht Forschungscluster (RCs) mit starkem historischem und prognostiziertem Wachstum in der CSET Map of Science. Historisches Wachstum bezeichnet die durchschnittliche jährliche Entwicklung der letzten drei Jahre; die Prognose betrachtet ebenfalls einen Dreijahreszeitraum und nutzt unter anderem Angaben zum Spitzenjahr, zu Publikationsorten und zum Alter zitierter Arbeiten. Ab acht Prozent Wachstum gilt ein Cluster als extrem wachsend.
Laut Bericht gibt es 50.076 Cluster mit extremem historischem Wachstum und 4.187 mit extremem prognostiziertem Wachstum. Bei den breiten Forschungsbereichen sind die Anteile in mehreren Disziplinen ähnlich. Computer- und Materialwissenschaften sind in der Prognosegruppe stärker, Medizin und Sozialwissenschaften schwächer vertreten.
Für die KI-Auswertung zählen Cluster mit mehr als zehn Prozent KI-bezogenen Arbeiten. Die Autorin findet insgesamt ähnliche Verteilungen zwischen den beiden Gruppen. Mathematik ist in der Prognosegruppe stärker vertreten; für die Geisteswissenschaften gibt es dort keine KI-Cluster mit Extremwachstum, während ihr Anteil in der historischen Gruppe höher ist. Die Prognosegruppe wird als selektivere Auswahl möglicher besonders aktiver Forschungsfelder beschrieben. Konkrete Prozentwerte für die Bereiche nennt der Text nicht.
Ausführlich lesen
Der Bericht untersucht das Wachstum von Forschungsclustern (RCs) in der CSET Map of Science und ordnet KI-bezogene Cluster in die breitere Forschungslandschaft ein. Er unterscheidet zwei Messweisen: Das historische Wachstum ist die durchschnittliche jährliche Veränderung über die vorangegangenen drei Jahre. Das prognostizierte Wachstum wird mit einem dreijährigen Prognoseverfahren geschätzt, das laut Bericht unter anderem das Spitzenjahr eines Clusters, die Rangfolge der Publikationsorte und das durchschnittliche Alter der zitierten Veröffentlichungen berücksichtigt.
Als extremes Wachstum gelten mindestens acht Prozent – sowohl rückblickend als auch in der Prognose. Diese Schwelle orientiert sich laut Fußnote an einer Methode aus der Portfolioanalyse, in der zehn Prozent tatsächliches Umsatzwachstum herangezogen werden. Die beiden Gruppen unterscheiden sich deutlich in ihrer Größe: Der Bericht zählt 50.076 Cluster mit extremem historischem Wachstum und 4.187 mit extremem prognostiziertem Wachstum.
Beim Vergleich der breiten Forschungsbereiche berichtet die Autorin von ähnlichen Anteilen in Biologie, Chemie, Geowissenschaften, Ingenieurwissenschaften, Geisteswissenschaften, Mathematik und Physik. In den prognostizierten Extremwachstums-Clustern seien Computer- und Materialwissenschaften anteilig stärker vertreten, Medizin und Sozialwissenschaften dagegen schwächer als unter den Clustern mit extremem historischem Wachstum.
Für die Analyse der KI-Forschung werden aus beiden Gruppen Cluster ausgewählt, in denen mehr als zehn Prozent der Arbeiten KI-bezogen sind. Dazu zählen drei im Bericht genannte Kategorien: interdisziplinäre KI-/ML-Forschung, interdisziplinäre Forschung mit bedeutenden KI-/ML-Beiträgen sowie fortgeschrittene KI-/ML-Forschung. So entstehen 4.124 KI-Cluster mit extremem historischem Wachstum und 597 mit extremem prognostiziertem Wachstum. Über die breiten Forschungsbereiche hinweg sei ihre Verteilung in beiden Gruppen überwiegend ähnlich. Eine Ausnahme bildet Mathematik: Dort ist der Anteil in der Prognosegruppe laut Bericht deutlich höher. In den Geisteswissenschaften ist der Anteil unter den historisch stark wachsenden KI-Clustern höher; für diesen Bereich weist der Bericht keine KI-Cluster mit prognostiziertem Extremwachstum aus. Bei allen anderen Bereichen liegen die Anteile laut Fußnote höchstens vier Prozentpunkte auseinander.
Die Autorin deutet prognostizierte Extremwachstums-Cluster als stärker ausgewählte Teilmenge: Die Prognose berücksichtigt mehr als bloße Zunahmen der Publikationszahl. Sie könnten deshalb zur Untersuchung von Forschungsfeldern dienen, die voraussichtlich besonders aktiv sind und sich rasch entwickeln. Die Ergebnisse beschreiben jedoch die verwendeten Cluster, Schwellenwerte und Forschungsbereiche; der Bericht macht in diesem Text keine Aussagen über Ursachen des Wachstums. Die Abbildungen werden erwähnt, doch konkrete Prozentwerte je Forschungsbereich sind im Text nicht aufgeführt.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Alle drei Sammelfragen betreffen KI-Governance, der Bericht behandelt dagegen Wachstumsmessung in der KI-Forschung. Deshalb liegen die Einstufungen niedrig, auch wenn Lunas Stufen höher ausfallen.
Im Bericht, aber nicht in der Zusammenfassung
- Anzahl der KI-Cluster: 4.124 mit historischem und 597 mit prognostiziertem Extremwachstum
- Die drei Kategorien für KI-Cluster (Cross-disciplinary AI/ML research, Cross-disciplinary research with significant AI/ML contributions, Advanced AI/ML research)
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 51 %Hintergrund, keine Belege
- JEV 39 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 30 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 36 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 66 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv