Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme
The current German law mandates data sharing only under narrow conditions. The increasing spread of "data-hungry" AI systems is prompting demands for data sharing obligations in other circumstances, directed in particular towards companies in the digital economy. This study questions whether it w...
Saved in:
| Main Author: | |
|---|---|
| Format: | Online |
| Language: | German |
| Published: |
Nomos Verlagsgesellschaft mbH & Co. KG
2021
|
| Subjects: | |
| Online Access: | https://directory.doabooks.org/handle/20.500.12854/70810 |
| Tags: |
No Tags, Be the first to tag this record!
|
| _version_ | 1869526537801302016 |
|---|---|
| author | Hillmer, Katharina |
| author_browse | Hillmer, Katharina |
| author_facet | Hillmer, Katharina |
| author_sort | Hillmer, Katharina |
| collection | Directory of Open Access Books |
| description | The current German law mandates data sharing only under narrow conditions. The increasing spread of "data-hungry" AI systems is prompting demands for data sharing obligations in other circumstances, directed in particular towards companies in the digital economy.
This study questions whether it would be advisable to open up access to exclusive data from the private sector for training self-learning AI systems in order to promote innovation opportunities and incentives. It explores the question of whether case-by-case solutions or sector-specific regulatory responses are a better solution. For this purpose, proposals for change from politics and science are examined and own ideas are developed. |
| format | Online |
| id | doab-20.500.12854ir-70810 |
| institution | Directory of Open Access Books |
| language | ger |
| publishDate | 2021 |
| publishDateRange | 2021 |
| publishDateSort | 2021 |
| publisher | Nomos Verlagsgesellschaft mbH & Co. KG |
| publisherStr | Nomos Verlagsgesellschaft mbH & Co. KG |
| record_format | ojs |
| spelling | doab-20.500.12854ir-708102022-01-31T15:21:27Z Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme Hillmer, Katharina LNCH,LND The current German law mandates data sharing only under narrow conditions. The increasing spread of "data-hungry" AI systems is prompting demands for data sharing obligations in other circumstances, directed in particular towards companies in the digital economy. This study questions whether it would be advisable to open up access to exclusive data from the private sector for training self-learning AI systems in order to promote innovation opportunities and incentives. It explores the question of whether case-by-case solutions or sector-specific regulatory responses are a better solution. For this purpose, proposals for change from politics and science are examined and own ideas are developed. Published Datenzugangsrechte sind nach geltendem Recht nur unter engen Voraussetzungen gegeben. Mit der steigenden Verbreitung „datenhungriger“ KI-Systeme gehen Forderungen nach Datenteilungspflichten in weiteren Konstellationen einher und richten sich insbesondere gegen Unternehmen der Digitalwirtschaft. Diese Untersuchung hinterfragt, ob es zur Förderung von Innovationsmöglichkeiten und -anreizen ratsam wäre, den Zugang zu exklusiven Daten aus der Privatwirtschaft für das Training selbstlernender Systeme zu eröffnen. Es wird der Frage nachgegangen, ob Korrekturen im Einzelfall oder sektorspezifische Reaktionen eine bessere Lösung sind. Zu diesem Zweck werden Änderungsvorschläge aus Politik und Wissenschaft untersucht und eigene Ansätze entwickelt. 2021-06-16T11:27:17Z 2021-06-16T11:27:17Z 2021-06-14 book 978-3-7489-2571-2 https://directory.doabooks.org/handle/20.500.12854/70810 ger Kartell- und Regulierungsrecht image/png Attribution-NonCommercial-NoDerivatives 4.0 International https://www.nomos-shop.de/nomos/titel/daten-als-rohstoffe-und-entwicklungstreiber-fuer-selbstlernende-systeme-id-99477/ https://doi.org/10.5771/9783748925712 Nomos Verlagsgesellschaft mbH & Co. KG doi.org/10.5771/9783748925712 Datenzugangsrechte sind nach geltendem Recht nur unter engen Voraussetzungen gegeben. Mit der steigenden Verbreitung „datenhungriger“ KI-Systeme gehen Forderungen nach Datenteilungspflichten in weiteren Konstellationen einher und richten sich insbesondere gegen Unternehmen der Digitalwirtschaft. Diese Untersuchung hinterfragt, ob es zur Förderung von Innovationsmöglichkeiten und -anreizen ratsam wäre, den Zugang zu exklusiven Daten aus der Privatwirtschaft für das Training selbstlernender Systeme zu eröffnen. Es wird der Frage nachgegangen, ob Korrekturen im Einzelfall oder sektorspezifische Reaktionen eine bessere Lösung sind. Zu diesem Zweck werden Änderungsvorschläge aus Politik und Wissenschaft untersucht und eigene Ansätze entwickelt. doi.org/10.5771/9783748925712 20c8b06d-3b2b-4af2-acda-fbcfdfea5744 978-3-7489-2571-2 Band 40 458 Baden-Baden open access |
| spellingShingle | LNCH,LND Hillmer, Katharina Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme |
| title | Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme |
| title_full | Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme |
| title_fullStr | Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme |
| title_full_unstemmed | Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme |
| title_short | Daten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme |
| title_sort | daten als rohstoffe und entwicklungstreiber fur selbstlernende systeme |
| topic | LNCH,LND |
| topic_facet | LNCH,LND |
| url | https://directory.doabooks.org/handle/20.500.12854/70810 |
| work_keys_str_mv | AT hillmerkatharina datenalsrohstoffeundentwicklungstreiberfurselbstlernendesysteme |