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
oecd5. Juli 2021 · Q006877

A new approach to measuring government investment in AI-related R&D

oecd.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Die OECD beschreibt eine Pilotmethode, die KI-bezogene staatliche F&E-Projekte anhand von Schlüsselbegriffen in Projektabstracts erfasst und auf 13 Förderprogramme aus acht Ländern sowie der EU anwendet. Die geschätzte Förderung stieg deutlich, doch wegen Datenlücken ist der Gesamtanstieg möglicherweise überschätzt; zudem beschränkt sich die Auswertung auf ausgewählte Programme und eine Schlüsselwortklassifikation.

Mittel

Der OECD-Beitrag stellt eine Pilotmethode vor, mit der öffentliche Förderung für KI-bezogene Forschung und Entwicklung (F&E) anhand von Projektabstracts erfasst werden soll. Projekte gelten als KI-bezogen, wenn sie KI entwickeln oder KI-Werkzeuge für neue Beiträge in anderen Fachgebieten einsetzen. Eine erweiterte Liste von Schlüsselbegriffen unterscheidet eindeutige Kernbegriffe von mehrdeutigen Begriffen, die mindestens zweimal im Abstract vorkommen müssen. Bei vertraulichen Förderdaten können Behörden Skripte selbst ausführen und Ergebnisse weitergeben.

Untersucht wurden 13 Förderprogramme und -stellen aus acht Ländern sowie der EU. Die OECD schätzt, dass die erfasste Förderung von 207 Millionen US-Dollar 2001 auf knapp 3,6 Milliarden 2019 stieg. Wegen unvollständiger Zeitreihen könne dieser Zuwachs etwas überschätzt sein; bei vergleichbaren Daten stieg die Summe von 525 Millionen 2008 auf 2,2 Milliarden 2018. Zuletzt waren EU-CORDIS-Programme die größte einzelne Quelle; NIH und NSF stellten zusammen mehr als drei Viertel der dokumentierten kumulierten Förderung. Bei den Förderanteilen am jeweiligen F&E-Haushalt lagen 2019 vier Stellen mit 10 bis 15 Prozent vorn. Die Themenanalyse zeigt unterschiedliche Schwerpunkte zwischen KI-Techniken und konkreten Anwendungen. Die Studie ist ein Pilot: Schlüsselwortlisten können veralten, Abstracts bilden Projekte nur über ihre Beschreibungen ab, und die Ergebnisse umfassen ausgewählte Förderstellen. Private Investitionen könnten die öffentlichen Summen übersteigen.

Ausführlich lesen

Der OECD-Beitrag beschreibt einen Pilotansatz, um öffentliche Investitionen in KI-bezogene Forschung und Entwicklung (F&E) zwischen Ländern und Förderstellen besser zu erfassen. Anlass ist eine Lücke: Laut Beitrag gab es bislang keine umfassende Methode für solche Vergleiche. Veröffentlichungen und Patente dienten als Ersatzindikatoren, beruhen aber auf der Annahme, dass sich F&E-Ausgaben direkt in solchen Ergebnissen niederschlagen. Die OECD verweist zudem auf ihre Empfehlung von 2019, langfristige öffentliche und private Investitionen in vertrauenswürdige KI-Forschung zu fördern.

Die vorgestellte Studie klassifiziert Förderprojekte anhand ihrer Abstracts als KI-bezogen oder nicht KI-bezogen. Als KI-bezogen gelten Projekte, die KI-Werkzeuge entwickeln oder mit vorhandenen KI-Werkzeugen neue Beiträge in anderen Fachgebieten leisten. Grundlage ist eine Liste von Schlüsselbegriffen: Begriffe, die eindeutig mit KI verbunden sind, zählen als Kernbegriffe; mehrdeutige Begriffe werden nur berücksichtigt, wenn mindestens zwei im Abstract vorkommen. Die OECD erweiterte eine Ausgangsliste aus medizinischen Schlagworten und einer Forschungsarbeit mithilfe von Wortvektoren und Begriffen aus KI-Fachzeitschriften sowie Förderdatenbanken. Mehrdeutige Begriffe wurden aussortiert. Bei nicht öffentlichen Datenbanken können Förderstellen bereitgestellte Skripte selbst ausführen und Ergebnisse teilen, ohne vertrauliche Einzeldaten offenzulegen.

Untersucht wurden 13 Förderprogramme oder -stellen aus acht Ländern und der Europäischen Kommission, darunter unter anderem NIH und NSF in den USA sowie CORDIS auf EU-Ebene. Für die einbezogenen Förderströme schätzt die Studie einen Anstieg der erfassten KI-bezogenen F&E-Förderung von 207 Millionen US-Dollar 2001 auf knapp 3,6 Milliarden 2019. Der Beitrag schränkt ein, dass dieser Zuwachs wegen fehlender Daten für manche Programme über den gesamten Zeitraum etwas überschätzt sein dürfte. Bei einer Gruppe von Stellen mit ausreichend langen, vergleichbaren Daten stieg die Summe demnach von 525 Millionen Dollar 2008 auf 2,2 Milliarden 2018. Förderkürzungen in den Jahren 2006–2007 und 2014 führt der Beitrag auf Rückgänge bei EU-Mitteln beziehungsweise NIH-Förderung zurück; 2019 habe sich die EU-Förderung gegenüber dem Vorjahr verdoppelt.

Nach den erfassten Gesamtbeträgen waren EU-CORDIS-Programme zuletzt die größte einzelne Quelle, gefolgt von NIH und NSF. Zusammen entfielen auf NIH und NSF mehr als drei Viertel der in dieser Untersuchung dokumentierten kumulierten KI-F&E-Förderung. Betrachtet man stattdessen den Anteil am jeweiligen F&E-Haushalt, lagen NSF, die britischen Research Councils, die niederländische NWO und Innovate UK 2019 mit jeweils 10 bis 15 Prozent vorn. Eine Themenanalyse ordnete Projekte 21 Themen zu, zusammengefasst in fünf Bereiche: allgemeine KI-Techniken, Voraussetzungen und Auswirkungen von KI, KI-Fachgebiete, medizinische Anwendungen sowie andere Anwendungen. Sechs Förderströme unterstützten besonders häufig bestimmte KI-Felder oder Techniken; andere konzentrierten sich eher auf Anwendungen.

Der Beitrag betont die Grenzen des Ansatzes: feste Definitionen und Befragungen könnten mit dem raschen Wandel des Forschungsfeldes nicht Schritt halten, während die Schlüsselwortklassifikation von Abstracts abhängt und mehrdeutige Begriffe sorgfältig behandelt werden müssen. Die Ergebnisse betreffen ausgewählte Förderstellen und Programme; zudem könnten private F&E-Ausgaben deutlich höher sein als die öffentlichen. Die OECD versteht die Pilotstudie daher als Ausgangspunkt, um die Methode auf weitere Länder, Stellen und Forschungsfelder auszuweiten.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es liegen zwei Fassungen von Lunas Zusammenfassung vor. Bewertet wurde die mittlere Fassung. Die kurze Fassung ist treu, wirkt aber knapp und enthält keine Zahlen. Die Einordnung stützt sich nur auf den Berichtstext; Teilfragen gab es keine.

Im Bericht, aber nicht in der Zusammenfassung

  • Die OECD-Empfehlung zu KI von 2019 als Auftrag zur Beobachtung der Investitionen
  • Die Feststellung, dass es bisher keine umfassende Methode zum Vergleich der KI-F&E-Förderung gibt und man sich mit Proxy-Indikatoren wie Publikationen und Patenten behilft
  • Das Ziel, Teil der OECD-Initiative Fundstat zu sein
  • Der Anstieg verteilt sich ungleich: EU-Förderung verdoppelte sich 2019, NIH-Förderung sank 2014
  • Die Themenanalyse mit 21 Themen in fünf Oberthemen und die Unterscheidung von Techniken und Anwendungen (sechs von 13 Stellen fördern eher Techniken)
  • Der Vergleich mit privaten Ausgaben, etwa der geschätzten Unternehmensausgaben für KI-F&E in den USA

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, dass Schlüsselwortlisten veralten können, steht so nicht im Bericht; dort geht es um veraltende Umfragedefinitionen.
  • Die Einschränkung, dass Abstracts Projekte nur über ihre Beschreibungen abbilden, wird im Bericht nicht als Grenze benannt.

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 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
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 49 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
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 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 43 %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 45 %Hintergrund, keine Belege
    • JEV 47 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 88 %Hintergrund, keine Belege
    • JEV 38 %Hintergrund, keine Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  3. 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 67 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

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 →