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
oecd8. Juli 2020 · Q006674

HAI Institute’s latest AI Index Report covers 3 times as many data sets

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag beschreibt den AI Index 2019 als ausgeweitete Datensammlung zu technischen, wirtschaftlichen und gesellschaftlichen Entwicklungen der KI und nennt unter anderem steigende Forschung, Investitionen und Unternehmensnutzung. Zugleich berichtet er von anhaltenden Lücken bei anspruchsvollen KI-Aufgaben und bei der Geschlechtervielfalt; Messungen komplexer Entwicklungen seien schwierig, und die Methoden der Kennzahlen werden hier nicht ausführlich dargestellt.

Mittel

Der Beitrag stellt den AI Index 2019 des Stanford Human-Centered AI Institute vor. Der Index soll anhand von Daten die weltweiten Entwicklungen und Auswirkungen von KI in Bereichen wie Forschung, Wirtschaft, Beschäftigung und Gesellschaft erfassen. Laut Bericht umfasst die Ausgabe dreimal so viele Datensätze wie 2018 und enthält neue sowie aktualisierte Messgrößen in neun Kapiteln. Interaktive Länderansichten, ein arXiv-Suchdienst und öffentlich verfügbare Rohdaten sollen den Zugang erleichtern.

Als ausgewählte Befunde nennt der Text stark gestiegene KI-Forschung und Konferenzteilnahme, Chinas Publikationsvolumen auf dem Niveau Europas sowie erheblich schnellere und günstigere Trainingsläufe für Bildklassifikationssysteme. Auch KI-Stellen, Start-up-Investitionen und die Nutzung von KI in großen Unternehmen hätten zugenommen. Fortschritte bei manchen Sprachverarbeitungsaufgaben stünden weiterhin schwächeren Ergebnissen bei anspruchsvollem Schlussfolgern gegenüber. Bei der Geschlechtervielfalt sieht der Bericht kaum Fortschritt in der KI-Lehre und unter Promovierten, obwohl einzelne Förderprogramme mehr Teilnehmerinnen und Angehörige unterrepräsentierter Gruppen erreichten. Fairness, Interpretierbarkeit und Erklärbarkeit seien häufig genannte ethische Themen.

Der Beitrag warnt allgemein vor Schwierigkeiten und möglichen Verzerrungen bei der Messung komplexer Entwicklungen. Er präsentiert nur ausgewählte Ergebnisse und erläutert die Methoden der Kennzahlen hier nicht ausführlich; die nachträglich angefügten Abbildungen sind im Text nicht inhaltlich zugänglich.

Ausführlich lesen

Der Bericht stellt den AI Index 2019 vor, eine breit angelegte Bestandsaufnahme zu künstlicher Intelligenz. Das Stanford Human-Centered Artificial Intelligence Institute führt das Projekt laut Text im dritten Jahr als unabhängige Initiative durch. Ein interdisziplinärer Lenkungsausschuss arbeitet dafür mit mehr als 35 Förderern und Datenbeitragenden zusammen. Ziel sei, die öffentliche und politische Diskussion über KI stärker auf Daten zu stützen und deren Auswirkungen unter anderem auf Wirtschaft, Beschäftigung, Forschung und gesellschaftliche Wahrnehmung zu erfassen.

Gegenüber der Ausgabe von 2018 decke der Index dreimal so viele Datensätze ab. Er ergänze neue Messgrößen und aktualisiere frühere; neun Kapitel behandelten technische Leistungsfähigkeit, Wirtschaft und gesellschaftliche Fragen. Für den Zugang zu den Daten nennt der Beitrag zwei Werkzeuge: ein interaktives Instrument zum Vergleich der KI-Aktivitäten verschiedener Länder mit Detailansichten einzelner Staaten sowie einen arXiv-Suchdienst für aktuelle Daten zum technischen Fortschritt. Rohdaten und hochauflösende Diagramme seien öffentlich verfügbar.

Die im Beitrag ausgewählten Befunde zeichnen ein Bild rascher Ausweitung und ungleicher Entwicklung. Zwischen 1998 und 2018 sei die Zahl begutachteter KI-Fachartikel um mehr als 300 Prozent gestiegen. China veröffentliche inzwischen jährlich ähnlich viele KI-Zeitschriften- und Konferenzbeiträge wie Europa und habe die USA 2006 überholt; bei der zitationsgewichteten Wirkung lägen US-Veröffentlichungen jedoch weiterhin etwa 50 Prozent höher. Der Beitrag berichtet außerdem von stark wachsender Konferenzteilnahme und zunehmender Beteiligung von Frauen und unterrepräsentierten Gruppen an einzelnen Initiativen. Zugleich sei der Frauenanteil unter neuen KI-Lehrkräften 2018 unter 20 Prozent geblieben; auch der Anteil der US-amerikanischen KI-Promovierten, die Frauen sind, habe seit 2010 bei ungefähr 20 Prozent stagniert.

Bei technischen Entwicklungen nennt der Bericht deutlich kürzere Trainingszeiten für große Bildklassifikationssysteme: auf Cloud-Infrastruktur seien sie von rund drei Stunden im Oktober 2017 auf etwa 88 Sekunden im Juli 2019 gesunken, während die Trainingskosten ähnlich stark zurückgegangen seien. Fortschritte bei einigen NLP-Benchmarks seien schnell gewesen, doch bei Aufgaben mit höherem Schlussfolgerungsbedarf oder menschlichem Konzeptlernen lägen die Leistungen weiterhin niedriger. In den USA sei der Anteil von KI-Stellen an allen Jobs von 0,3 Prozent 2012 auf 0,8 Prozent 2019 gestiegen. Die weltweite Finanzierung von KI-Start-ups habe stark zugenommen; für 2019 nennt der Text 37,4 Milliarden US-Dollar bis zum 4. November. Autonome Fahrzeuge hätten im betrachteten vergangenen Jahr den größten Anteil der globalen Investitionen erhalten. Zudem berichteten 58 Prozent der befragten großen Unternehmen 2019 von KI-Einsatz in mindestens einer Funktion, gegenüber 47 Prozent im Vorjahr.

Weitere berichtete Trends sind die große Beliebtheit von KI als Spezialisierung unter nordamerikanischen Informatik-Promovierenden, mehr KI-bezogene Gesetzgebung und die häufige Nennung von Fairness, Interpretierbarkeit und Erklärbarkeit in 59 Dokumenten zu ethischen KI-Grundsätzen. Der Beitrag betont zugleich, dass Messung und Bewertung in komplexen Bereichen mit Schwierigkeiten und möglichen Verzerrungen verbunden seien. Ein Workshop mit mehr als 150 Fachleuten aus Wissenschaft und Industrie sollte diese Fragen diskutieren. Die Angaben sind eine Auswahl von Ergebnissen des Index, keine vollständige Darstellung seiner neun Kapitel. Der Text liefert hier keine ausführlichen Methodenbeschreibungen oder Belege zu den einzelnen Kennzahlen. Die nachträglich angefügten Abbildungsüberschriften sind sichtbar, die Abbildungen selbst lassen sich aus dem bereitgestellten Text nicht inhaltlich auswerten.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung bezieht sich auf den Bericht allein. Die Zusammenfassung wurde als mittlere Fassung geprüft, weil sie die vollständigste ist; die kurze Fassung ist ebenfalls treu, lässt aber mehr Befunde weg. Teilfragen gab es nicht.

Im Bericht, aber nicht in der Zusammenfassung

  • Konkrete Kennzahlen zur Unternehmensnutzung (58 % der großen Firmen 2019 gegenüber 47 % 2018) werden nicht genannt.
  • Die Investitionszahlen für KI-Start-ups (von 1,3 Mrd. $ 2010 auf über 40 Mrd. $ 2018) fehlen.
  • Der Workshop vom 30. Oktober 2019 mit über 150 Fachleuten zur Messung in der KI-Politik wird nicht erwähnt.
  • Die Aussage zum Kampf gegen Verzerrungen bei der Messung ist nur knapp wiedergegeben; der Bericht betont, dass man aktiv Verzerrungen vermeiden will.

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
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 27 %Hintergrund, keine Belege
    • amos 56 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 88 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 40 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 29 %nur am Rande erwähnt
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 82 %gleiches Oberthema, hilft nicht
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 77 %gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 31 %gleiches Oberthema, hilft nicht
    • Luna 65 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 81 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 78 %gleiches Oberthema, hilft nicht
    • d3-ultra 81 %gleiches Oberthema, hilft nicht
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 75 %gleiches Oberthema, hilft nicht
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 69 %gleiches Oberthema, hilft nicht
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 37 %gleiches Oberthema, hilft nicht
    • Luna 33 %einzelne zitierbare Belege
    • JEV 43 %Hintergrund, keine Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 71 %gleiches Oberthema, hilft nicht
    • drex 76 %gleiches Oberthema, hilft nicht
    • d3-ultra 84 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV 39 %nur am Rande erwähnt
    • amos 31 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 30 %Hintergrund, keine Belege
    • d3-ultra 66 %gleiches Oberthema, hilft nicht
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 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 73 %gleiches Oberthema, hilft nicht
    • d3-ultra 78 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 40 %gleiches Oberthema, hilft nicht
    • Luna 54 %Hintergrund, keine Belege
    • JEV 64 %gleiches Oberthema, hilft nicht
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra 81 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 77 %gleiches Oberthema, hilft nicht
    • drex 76 %gleiches Oberthema, hilft nicht
    • d3-ultra 82 %gleiches Oberthema, hilft nicht
Frieden und Sicherheit
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 57 %Hintergrund, keine Belege
    • JEV 32 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 81 %gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 44 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 71 %gleiches Oberthema, hilft nicht
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 49 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
  3. 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 37 %Hintergrund, keine Belege
    • JEV 38 %nur am Rande erwähnt
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 80 %gleiches Oberthema, hilft nicht
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 52 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 75 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  5. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 35 %gleiches Oberthema, hilft nicht
    • Luna 52 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 36 %nur am Rande erwähnt
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 71 %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 →