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
cset20. Oktober 2021 · Q005843

AI-Supported COVID-19 Research

cset.georgetown.edu · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt 307 COVID-19-Forschungscluster und meldet, dass die meisten nur einen kleinen Anteil KI-bezogener Arbeiten enthielten. Zwei größere Cluster betrafen KI-gestützte Bildanalyse sowie Anwendungen des Internets der Dinge; die Analyse zeigt Literaturmuster, belegt aber keine kausale Wirkung von KI.

Mittel

Der Bericht wertet CSET-Forschungscluster aus, um die Überschneidung von KI- und COVID-19-Forschung zu beschreiben. Die Cluster wurden über Erwähnungen von „coronavirus“ oder „covid“ im Hauptthemenbereich ermittelt; insgesamt fanden sich 307, verteilt auf sieben Forschungsgebiete. Sozialwissenschaften (231) und Medizin (60) stellten die meisten.

Laut Auswertung enthielten 292 Cluster höchstens fünf Prozent KI-bezogene Arbeiten; acht hatten einen Anteil von mehr als zehn Prozent, bei zwei war kein Anteil zugeordnet. Der Bericht hebt zwei größere Cluster hervor: Cluster 14353 untersuchte KI-gestützte Bildanalyse von CT- und Röntgenaufnahmen und hatte demnach einen KI-Anteil von 74 Prozent. Cluster 60903 befasste sich mit dem Internet der Dinge für Diagnose und Behandlung und wies 11 Prozent KI-bezogene Arbeiten auf. Beide Cluster seien zwischen 2020 und 2021 stark gewachsen und von Indien angeführt worden.

Die Analyse beschreibt Verteilungen in der Forschungsliteratur. Sie belegt nicht, dass KI die Forschung oder Versorgung kausal verbessert hat. Erfasst wurden Cluster anhand bestimmter Suchbegriffe; für die beiden Beispiele galt außerdem eine Mindestgröße von 50 Arbeiten.

Ausführlich lesen

Der Bericht untersucht anhand von CSETs „Map of Science“, wie sich KI- und Machine-Learning-Forschung in der COVID-19-Forschungsliteratur verteilt. Er ordnet die Arbeit als erste einer Reihe von Erkundungen mithilfe der Karte ein. Als Hintergrund nennt er das Interesse von Forschenden und Gesundheitsfachleuten an KI und ML für Erkennung, Diagnose, Prognose und Kontaktverfolgung sowie Investitionen von Behörden und Unternehmen. Laut Bericht bewilligten die US National Institutes of Health im Dezember 2020 mehr als 107 Millionen US-Dollar für unkonventionelle COVID-19-Forschung, darunter ausdrücklich auch KI.

Für die Auswertung suchten die Autorinnen und Autoren in den Hauptthemenbereichen nach Erwähnungen von „coronavirus“ oder „covid“. So identifizierten sie 307 Forschungscluster (RCs). Diese verteilten sich auf sieben von elf übergeordneten Forschungsgebieten: 231 Cluster entfielen auf Sozialwissenschaften, 60 auf Medizin, 10 auf Biologie, je zwei auf Informatik und Geisteswissenschaften sowie je einer auf Chemie und Materialwissenschaften.

Der Bericht ordnet die Cluster außerdem nach dem Anteil KI-bezogener Arbeiten. Für 292 der 307 Cluster lag dieser Anteil bei höchstens fünf Prozent; fünf weitere hatten einen Anteil über fünf bis höchstens zehn Prozent. Acht Cluster wiesen mehr als zehn Prozent auf, und bei zwei war kein KI-Anteil zugeordnet. Daraus folgert der Bericht, dass die große Mehrheit der erfassten COVID-19-Cluster nur wenige KI-bezogene Arbeiten enthielt.

Als Beispiele stellt er die beiden Cluster mit dem höchsten KI-Anteil vor, die zugleich mindestens 50 Arbeiten aus den letzten fünf Jahren aufwiesen. Cluster 14353 behandelte die computergestützte Analyse von CT- und Röntgenbildern von COVID-19-Patientinnen und -Patienten. Der Bericht gibt an, dass 74 Prozent seiner 2.026 Arbeiten aus den Jahren 2016 bis 2021 KI-bezogen waren. Das Cluster sei zwischen 2020 und 2021 um ungefähr 11.000 Prozent gewachsen, der Informatik zugeordnet und von Indien angeführt worden; die USA und China lägen auf den nächsten Plätzen.

Cluster 60903 befasste sich mit dem Internet der Dinge und COVID-19, insbesondere mit möglichen Anwendungen für Diagnose und Behandlung. Laut Bericht waren 11 Prozent seiner 614 Arbeiten aus den Jahren 2016 bis 2021 KI-bezogen. Das sozialwissenschaftlich eingeordnete Cluster sei von 2020 bis 2021 um etwa 300 Prozent gewachsen. Indien habe die Publikationszahlen angeführt, gefolgt mit deutlichem Abstand von den USA und China.

Die Aussagen beruhen auf einer thematischen Clusteranalyse und den im Bericht beschriebenen Zuordnungen. Die Suche erfasst COVID-19-Cluster anhand bestimmter Begriffe im Hauptthemenbereich; die ausgewählten Beispiele mussten mindestens 50 Arbeiten haben. Der Bericht zeigt damit Verteilungen und Beispiele in der Forschungsliteratur. Er belegt weder, dass KI COVID-19-Forschung kausal vorangebracht hat, noch bewertet er die Wirksamkeit der beschriebenen Anwendungen. Die Auswertung bezieht sich auf die dargestellten Daten und den Zeitraum bis 2021.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Stufen- und Anteilangaben (Stufe 3, Anteile 45 % und 31 %) wurden bewusst nicht übernommen; die Bewertungen stützen sich allein auf den Bericht. Die beiden Zusammenfassungen (kurz und mittel) wurden gemeinsam bewertet, da das Schema eine Gesamtbeurteilung verlangt. Teilfragen waren nicht angegeben.

Im Bericht, aber nicht in der Zusammenfassung

  • Die NIH-Förderung von über 107 Millionen Dollar für nicht-traditionelle COVID-19-Forschung mit ausdrücklichem KI-Bezug
  • Die Paperzahlen der Beispiel-Cluster (2.026 bzw. 614 Arbeiten)
  • Die Forschungskategorien der Beispiel-Cluster (Informatik für 14353, Sozialwissenschaften für 60903)
  • Die Kurzfassung nennt weder die Anteile (292, 8, 2 Cluster) noch das Wachstum der Cluster oder die Dominanz Indiens

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, die Analyse belege keine kausale Wirkung von KI, steht so nicht im Bericht. Der Bericht trifft dazu keine Feststellung, sondern beschreibt nur die Verteilung von Literatur.

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
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV offen
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV offen
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
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 →