Locating AI Research in the Map of Science
Zusammenfassung
Kurz
Der Bericht ordnet Forschungscluster nach dem Anteil KI-bezogener Veröffentlichungen und berichtet, dass der Informatikanteil mit höheren KI-Anteilen stark steigt: von 2 % bei null KI-Arbeiten auf 99 % in der höchsten Stufe. Zugleich bleiben bis in mittlere Stufen Cluster aus anderen Disziplinen vertreten; die vorgeschlagenen Kategorien sollen je nach Forschungsfrage als Filter dienen. Die Cluster-IDs sind nach einer Aktualisierung der Wissenschaftskarte 2021 veraltet.
Mittel
Der Bericht untersucht den Anteil KI-bezogener Veröffentlichungen in Forschungsclustern aus elf Forschungsbereichen. Berücksichtigt werden Cluster, bei denen mindestens die Hälfte der Arbeiten als KI-bezogen oder nicht KI-bezogen klassifiziert werden konnte und die höchstens 20 Jahre alt sind. Laut Auswertung enthält knapp die Hälfte der gefilterten Cluster mindestens eine KI-bezogene Arbeit; 72 % davon liegen bei höchstens 5 % KI-Anteil.
Mit höheren KI-Anteilen wächst der Informatikanteil: Er steigt über die sieben Stufen von 2 % bei Clustern ohne KI-Arbeiten bis auf 99 % bei Clustern mit über 75 % KI-Arbeiten. Ab der Stufe über 10 bis 25 % stellen Informatikcluster erstmals die Mehrheit, während dort noch 41 % aus anderen Forschungsbereichen kommen. Der Bericht illustriert interdisziplinäre Cluster unter anderem mit Beispielen aus Sozialwissenschaft, Ingenieurwesen, Medizin und Mathematik und schlägt Kategorien von „keine KI-Forschung“ bis „fortgeschrittene KI-Forschung“ vor.
Die Auswahl der Schwellenwerte hängt laut Bericht von der Forschungsfrage ab. Die Cluster-IDs sind inzwischen veraltet, da CSET die Wissenschaftskarte 2021 aktualisiert hat. Die Auswertung gilt zudem für die beschriebenen Filter und Klassifizierungen.
Ausführlich lesen
Der Bericht untersucht, wie stark KI-bezogene Veröffentlichungen in wissenschaftlichen Forschungsclustern (RCs) aus elf großen Forschungsbereichen vertreten sind. Dafür ordnet er die Cluster anhand des Anteils ihrer als KI-bezogen eingestuften Veröffentlichungen sieben Stufen zu: 0 %, über 0 bis 5 %, über 5 bis 10 %, über 10 bis 25 %, über 25 bis 50 %, über 50 bis 75 % und über 75 bis 100 %. Die Auswertung betrachtet gefilterte Cluster: Mindestens die Hälfte ihrer Veröffentlichungen musste erfolgreich als KI-bezogen oder nicht KI-bezogen klassifiziert sein; außerdem durften die Cluster höchstens 20 Jahre alt sein.
Laut Bericht enthält knapp die Hälfte der gefilterten Cluster mindestens eine KI-bezogene Veröffentlichung. Unter diesen Clustern liegen 72 % in der niedrigsten Stufe, also bei höchstens 5 % KI-bezogenen Arbeiten. Der Zusammenhang mit der Informatik wird bei höheren Anteilen deutlicher: In der Stufe über 75 bis 100 % sind 99 % der Cluster Informatikcluster. Der Informatikanteil steigt über die Stufen hinweg von 2 % bei Clustern ohne KI-bezogene Arbeiten auf 10 %, 40 %, 59 %, 82 %, 95 % und schließlich 99 %. Die Stufe über 10 bis 25 % ist demnach die erste, in der Informatikcluster die Mehrheit stellen; zugleich stammen dort noch 41 % der Cluster aus anderen Forschungsbereichen.
Bei Anteilen von über 25 bis 50 % dominiert die Informatik, doch sind laut Bericht noch alle Forschungsbereiche außer Chemie vertreten. In der Stufe über 50 bis 75 % kommen neben der Informatik noch Erd-, Ingenieur- und Mathematikwissenschaften, Medizin und Sozialwissenschaften vor. In der höchsten Stufe finden sich neben Informatik nur noch vier Mathematikcluster. Auf dieser Grundlage schlägt der Bericht Bezeichnungen vor: keine KI-Forschung bei 0 %, begrenzter KI-Beitrag bis 10 %, interdisziplinäre KI-Forschung bei über 10 bis 25 %, interdisziplinäre Forschung mit bedeutendem KI-Beitrag bei über 25 bis 50 % und fortgeschrittene KI-Forschung oberhalb von 50 %.
Zur Veranschaulichung nennt der Bericht je ein nicht-informatisches Beispiel aus den vier höheren Stufen. Dazu gehören ein sozialwissenschaftlicher Cluster zu Marketing und Verbraucherentscheidungen, ein ingenieurwissenschaftlicher Cluster zu adaptivem Lernen mit KI im Unterricht, ein medizinischer Cluster zur Erkennung von Hautkrebs anhand von Bildern sowie ein Mathematikcluster zu robusten Schätzern für algorithmische Optimierung. Ausgewählt wurden jeweils Beispiele mit dem höchsten durchschnittlichen Dreijahreswachstum zwischen 2017 und 2020 innerhalb der betreffenden Stufe und eines nicht-informatischen Forschungsbereichs. Der Bericht nennt für diese Cluster unterschiedliche Alter, Publikationszahlen und Wachstumsraten.
Die Ergebnisse sollen helfen, die Verteilung KI-bezogener Arbeiten einzuordnen und Schwellenwerte je nach Forschungsfrage auszuwählen. Die angegebenen Cluster-IDs sind jedoch überholt: CSET aktualisierte die Wissenschaftskarte im August 2021, änderte dabei die Cluster-IDs und führte eine stabilere Clusterungsmethode ein. Außerdem bezieht sich die Auswertung auf die beschriebenen Filter und Klassifizierungen; die zugrunde liegende Methode zur Zuordnung von KI-Bezug wird im Bericht selbst nicht ausführlich erläutert, sondern in einer anderen Veröffentlichung behandelt.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Einordnung der Sammelfragen mit Stufe 3 ist zu hoch angesetzt. Der Bericht ist eine bibliometrische Auswertung zur Verteilung von KI-Publikationen und beantwortet keine Governance-Fragen. Die Prozentanteile in Lunas Einordnung (91 %, 69 %, 45 %) stehen nicht im Bericht und sind daher nicht zu belegen. Die Zusammenfassungen sind inhaltlich weitgehend korrekt.
Im Bericht, aber nicht in der Zusammenfassung
- Die Filterkriterien (mindestens 50 % der Arbeiten klassifiziert, Alter höchstens 20 Jahre) und der Anteil von 47 % der Cluster mit mindestens einer KI-Arbeit fehlen in der Kurzfassung.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 45 %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
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 69 %Hintergrund, keine Belege
- JEV 44 %gleiches Oberthema, hilft nicht
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 91 %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
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug