← Zur Karte

Organisationstyp · Wissenschaft und Forschung

KI-Forschungsinstitute

Welche Daten bei dieser Organisationsform entstehen — und wie offen sie sein könnten. 3 Aktivitäten, 69 Datentypen.

  • 87,0 % sofort publizierbar
  • 11,6 % nach Aufbereitung
  • 1,4 % nur Metadaten

Auf der interaktiven Karte öffnen →

KI-Projekte & Förderung

26 Datentypen

BMBF KI-Förderprojektdatenbank

BMBF-Datenbank aller geförderten KI-Forschungsprojekte inkl. Projektträger, Laufzeit, Fördersumme und Forschungsschwerpunkt. Quelle: Förderkatalog des BMBF (foerderdatenbank.de).

Sofort publizierbar — Förderdaten sind öffentlich im Bundesförderkatalog abrufbar und unterliegen keinen Schutzregelungen.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Projektregister-Abfrage Maschineller Abruf aus dem BMBF-Förderkatalog via API oder Dateiexport; Filterung nach Förderprogramm und Themenfeld KI.
  • Datenpflege und Qualitätskontrolle Regelmäßige Prüfung der Registerdaten zu BMBF KI-Förderprojektdatenbank auf Aktualität, Vollständigkeit und formale Korrektheit.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu BMBF KI-Förderprojektdatenbank gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus BMBF KI-Förderprojektdatenbank über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus BMBF KI-Förderprojektdatenbank nach FAIR-Prinzipien.

DFG KI-Forschungsprojekte & Förderentscheidungen

DFG-Projektinformationssystem GEPRIS: alle bewilligten Projekte mit KI-Bezug, Antragstellende Institution, Bewilligungssumme, Abstract. Quelle: DFG GEPRIS (gepris.dfg.de).

Sofort publizierbar — GEPRIS ist öffentlich zugänglich; Projektdaten werden von der DFG aktiv veröffentlicht.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0XMLJSON

Verwendung in 5 Prozessen
  • GEPRIS-API-Extraktion Automatisierter Abruf aus der DFG GEPRIS-API; Keyword-Filterung auf KI-relevante Fachgebiete (Maschinelles Lernen, NLP, Robotik).
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu DFG KI-Forschungsprojekte & Förderentscheidungen auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu DFG KI-Forschungsprojekte & Förderentscheidungen für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus DFG KI-Forschungsprojekte & Förderentscheidungen über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus DFG KI-Forschungsprojekte & Förderentscheidungen nach FAIR-Prinzipien.

Helmholtz AI Projektportfolio

Übersicht aller durch Helmholtz AI geförderten Verbundprojekte: Projektbeschreibung, beteiligte Zentren, Finanzvolumen und Laufzeit. Quelle: Helmholtz AI (helmholtz.ai/projects).

Sofort publizierbar — Helmholtz AI veröffentlicht sein Projektportfolio aktiv auf der eigenen Website unter offener Lizenz.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Portfolioanalyse Strukturierte Erfassung und Kategorisierung der Helmholtz-AI-Projekte nach Anwendungsdomäne und Förderinstrument.
  • Berichterstattung und Veröffentlichung Aufbereitung der Analyseergebnisse zu Helmholtz AI Projektportfolio für Jahresberichte, Fachpublikationen und Entscheidungsträger.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu Helmholtz AI Projektportfolio gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Finanzkontrolle und Wirtschaftlichkeitsprüfung Revisionssichere Überprüfung der Finanzströme und Wirtschaftlichkeitsbewertung auf Basis der Daten zu Helmholtz AI Projektportfolio.
  • Maschinelle Prüfroutinen Automatisierte Plausibilitäts- und Konsistenzprüfungen der Finanzdaten in Helmholtz AI Projektportfolio nach HGB/IPSAS-Konventionen.

EU Horizon KI-Projekte (deutsche Beteiligung)

Aus CORDIS extrahierte EU-Horizon-Projekte mit deutscher Koordination oder Partnerschaft im KI-Bereich: Projektdaten, Fördersummen, Konsortien. Quelle: EU CORDIS (cordis.europa.eu).

Sofort publizierbar — CORDIS-Daten sind öffentlich und unter offener Lizenz frei zugänglich.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainCSVXML

Verwendung in 5 Prozessen
  • CORDIS-Filterextraktion Abfrage der CORDIS-Datenbank mit Länderfilter Deutschland und Themenfilter KI/ML; Export und Aufbereitung als strukturierter Datensatz.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu EU Horizon KI-Projekte (deutsche Beteiligung) auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu EU Horizon KI-Projekte (deutsche Beteiligung) gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu EU Horizon KI-Projekte (deutsche Beteiligung) für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu EU Horizon KI-Projekte (deutsche Beteiligung) als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

Fraunhofer KI-Projektregister

Intern geführtes Register aller KI-bezogenen Industriekooperations- und Förderprojekte an Fraunhofer-Instituten (IAIS, IESE, IML u. a.). Quelle: Fraunhofer-Gesellschaft Jahresbericht & IAIS-Projektseiten.

Nach Aufbereitung publizierbar — Projektdaten enthalten teils vertrauliche Industriekooperationsdetails; eine anonymisierte Aggregatform ist publizierbar.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)Datenlizenz DeutschlandCSV

Verwendung in 5 Prozessen
  • Anonymisierung & Aggregation Entfernung vertraulicher Projektpartner-Details; Zusammenfassung nach Themenfeld und Fördertyp für öffentliche Berichterstattung.
  • Qualitätssicherung und Datenschutzprüfung Prüfung der anonymisierten Daten zu Fraunhofer KI-Projektregister auf Reidentifikationsrisiken und Konformität mit DSGVO-Anforderungen.
  • Registeraktualisierung und Pflege Regelmäßige Aktualisierung des Registers zu Fraunhofer KI-Projektregister durch Abgleich mit behördlichen Meldungen und Revisionen.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu Fraunhofer KI-Projektregister für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu Fraunhofer KI-Projektregister als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

DFKI Forschungsprojektdaten

Projektdaten des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI): laufende und abgeschlossene Projekte, beteiligte Forschungsbereiche, Drittmittelgeber. Quelle: DFKI Projektdatenbank (dfki.de/web/forschung/projekte).

Sofort publizierbar — DFKI veröffentlicht seine Projekte öffentlich auf der Website; keine personenbezogenen oder vertraulichen Daten enthalten.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Web-Scraping & Strukturierung Automatisierter Abruf der DFKI-Projektseiten; Extraktion von Metadaten zu Projektlaufzeit, Partnern und Themenfeldern.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu DFKI Forschungsprojektdaten auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu DFKI Forschungsprojektdaten für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus DFKI Forschungsprojektdaten über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus DFKI Forschungsprojektdaten nach FAIR-Prinzipien.

KI-Fördervolumen Zeitreihe (Bund/Länder)

Aggregierte Zeitreihe der öffentlichen KI-Förderausgaben durch Bund und Länder seit 2015: jährliches Fördervolumen, Anzahl Projekte, Trägerstruktur. Quelle: BMBF Bundesbericht Forschung & Innovation.

Sofort publizierbar — Budgetdaten aus Bundesberichten sind öffentliche Haushaltsinformationen ohne Schutzrestriktionen.

Wissenschaft/TechnikFinanzdatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Längsschnittanalyse Zusammenführung von Jahresberichten und Haushaltsdaten zu konsistenter Zeitreihe; Inflationsbereinigung und Normierung auf Vergleichsbasis.
  • Berichterstattung und Veröffentlichung Aufbereitung der Analyseergebnisse zu KI-Fördervolumen Zeitreihe (Bund/Länder) für Jahresberichte, Fachpublikationen und Entscheidungsträger.
  • Zeitreihenanalyse und Prognose Auswertung von Zeitreihenverläufen zu KI-Fördervolumen Zeitreihe (Bund/Länder) zur Erkennung von Trends und Erstellung von Kurzfristprognosen.
  • Finanzkontrolle und Wirtschaftlichkeitsprüfung Revisionssichere Überprüfung der Finanzströme und Wirtschaftlichkeitsbewertung auf Basis der Daten zu KI-Fördervolumen Zeitreihe (Bund/Länder).
  • Maschinelle Prüfroutinen Automatisierte Plausibilitäts- und Konsistenzprüfungen der Finanzdaten in KI-Fördervolumen Zeitreihe (Bund/Länder) nach HGB/IPSAS-Konventionen.

OECD AI Policy Observatory – Deutschlanddaten

Deutschlandspezifische Datenauszüge aus dem OECD AI Policy Observatory: nationale KI-Strategiemaßnahmen, Förderprogrammübersicht, internationaler Vergleichsindex. Quelle: OECD AIPO (oecd.ai).

Sofort publizierbar — OECD AIPO-Daten sind öffentlich und kostenfrei zugänglich; Deutschland-Daten können extrahiert und publiziert werden.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0JSONCSV

Verwendung in 5 Prozessen
  • Internationaler Benchmarkvergleich Extraktion der Deutschland-Einträge aus dem OECD AIPO; Vergleich mit EU-Durchschnitt nach Fördertypen und strategischen Schwerpunkten.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu OECD AI Policy Observatory – Deutschlanddaten auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu OECD AI Policy Observatory – Deutschlanddaten gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Metadaten-Anreicherung und Katalogisierung Systematische Ergänzung beschreibender Metadaten zu OECD AI Policy Observatory – Deutschlanddaten für verbesserte Auffindbarkeit und Nachnutzbarkeit in Datenportalen.
  • Zuwendungsdatenbank-Eintrag Erfassung aller Fördermaßnahmen aus OECD AI Policy Observatory – Deutschlanddaten in der Zuwendungsdatenbank des Bundes (subventionsbericht.de) nach Transparenzrichtlinien.

KI-Förderprogramm-Wirkungsevaluation

Evaluationsdaten zu Output- und Outcome-Indikatoren geförderter KI-Projekte: Publikationsoutput, Patentanmeldungen, Spin-off-Gründungen und Beschäftigungseffekte gemessen 2–5 Jahre nach Projektabschluss. Vergleich zwischen BMBF-, BMWK- und EU-geförderten Projekten. Grundlage für evidenzbasierte Förderpolitik.

Sofort publizierbar — Aggregierte Evaluationsergebnisse auf Projektebene ohne Personenbezug sind für Rechenschaftslegung gegenüber Öffentlichkeit und Parlament publizierbar.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Counterfactual Impact Evaluation Schätzung kausaler Fördereffekte durch Vergleich mit Kontrollgruppe nicht-geförderter Projekte via Propensity-Score-Matching.
  • Theory-of-Change-Mapping Qualitative Rekonstruktion der Wirkungskette von Förderinput bis zu gesellschaftlichem Impact.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Förderprogramm-Wirkungsevaluation gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Datenschutzkonformes HR-Reporting Anonymisiertes Berichtswesen zu Personaldaten aus KI-Förderprogramm-Wirkungsevaluation unter Einhaltung datenschutzrechtlicher Anforderungen.
  • Anonymisierte Mikrodata-Bereitstellung Bereitstellung anonymisierter Mikrodaten zu KI-Förderprogramm-Wirkungsevaluation für Forschungszwecke über Scientific-Use-Files an akkreditierte Einrichtungen.

KI-Recheninfrastruktur-Kapazitätsdaten

Inventar öffentlich geförderter KI-Recheninfrastruktur in Deutschland: GPU-Kapazitäten an Hochleistungsrechenzentren (HLRN, LRZ, JÜLICH), Auslastungsraten, Zugangskontingente für Forschung und Nutzungsstatistiken nach wissenschaftlichem Bereich. Grundlage für Engpassanalysen und Investitionsplanung.

Sofort publizierbar — Kapazitäts- und Nutzungsdaten öffentlich finanzierter Infrastruktur sind für Transparenz und Bedarfsplanung publizierbar.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)Datenlizenz DeutschlandCSVJSON

Verwendung in 5 Prozessen
  • Kapazitätsplanung Modellierung zukünftiger Rechenbedarf auf Basis historischer Wachstumsraten und geplanter Forschungsprojekte.
  • Auslastungsoptimierung Analyse von Lastprofilen zur effizienten Scheduling-Planung und Vermeidung von Engpässen.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu KI-Recheninfrastruktur-Kapazitätsdaten als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Recheninfrastruktur-Kapazitätsdaten über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Recheninfrastruktur-Kapazitätsdaten nach FAIR-Prinzipien.

Batch-Compute-Auslastungsstatistik für KI-Trainingsjobs

KI-Forschungsinstitute (DFKI, Helmholtz AI, LAION) erfassen Auslastungsstatistiken ihrer GPU-Cluster für KI-Trainingsjobs. Kennzahlen wie GPU-Stunden je Projekt, Wartezeiten und Energie-pro-Training-Run informieren Infrastrukturinvestitionen. BMBF fördert diese Infrastrukturen im Rahmen des KI-in-Medizin-Programms.

Nach Aufbereitung publizierbar — Einzelprojekt-Compute-Daten können sensible Forschungsprioritäten enthalten; aggregierte Clusterauslastungsstatistiken publizierbar.

Wissenschaft/TechnikMessungen / SensordatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • SLURM-Monitoring Batch-Scheduling-Systeme (SLURM) protokollieren alle Job-Starts, -Laufzeiten und GPU-Ressourcen automatisch.
  • Kapazitätsplanung Quartalsberichte zu GPU-Auslastung und Wartezeiten informieren Ausbauanträge an BMBF und DFG.
  • Statistische Qualitätssicherung Plausibilitätsprüfung der Statistiken zu Batch-Compute-Auslastungsstatistik für KI-Trainingsjobs auf Ausreißer, Revisionsbedarf und methodische Konsistenz.
  • Epidemiologische Netzwerkanalyse Untersuchung epidemiologischer Zusammenhänge und Ausbreitungsmuster auf Basis der Daten zu Batch-Compute-Auslastungsstatistik für KI-Trainingsjobs.
  • Sekundärnutzung im Forschungsdatenzentrum Pseudonymisierte Weitergabe der Daten aus Batch-Compute-Auslastungsstatistik für KI-Trainingsjobs an das Forschungsdatenzentrum Gesundheit für bevölkerungsweite Analysen.

KI-Benchmark-Leaderboard-Daten für deutsche Forschungsmodelle

Forschungsgruppen an DFKI, TU München und Hessian.AI veröffentlichen Benchmark-Ergebnisse ihrer KI-Modelle auf Leaderboards (HELM, BIG-bench, GLUE). Systematische Erfassung dieser Ergebnisse ermöglicht Fortschritts-Tracking. Papers with Code aggregiert solche Benchmarks international.

Sofort publizierbar — Benchmark-Ergebnisse sind explizit für öffentliche Vergleichbarkeit veröffentlicht; kein Personenbezug.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0JSON

Verwendung in 5 Prozessen
  • Leaderboard-Extraktion Automatisierte Skripte erfassen Benchmark-Ergebnisse von Papers with Code nach Institution und Modelltyp.
  • Fortschritts-Tracking Zeitreihen von Benchmark-Scores messen KI-Fortschritt deutscher Einrichtungen im internationalen Vergleich.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu KI-Benchmark-Leaderboard-Daten für deutsche Forschungsmodelle für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Benchmark-Leaderboard-Daten für deutsche Forschungsmodelle über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Benchmark-Leaderboard-Daten für deutsche Forschungsmodelle nach FAIR-Prinzipien.

Benchmark-Datensätze-Register

Katalog standardisierter KI-Benchmark-Datensätze inkl. Aufgabentyp, Größe und Nutzungslizenzen. Basis für Modellvergleiche.

Sofort publizierbar — Metadatenkatalog zu öffentlichen Benchmark-Datensätzen ohne Personenbezug, sofort zugänglich.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Datensatz-Charakterisierung Strukturierte Beschreibung von Datensatzeigenschaften inkl. Größe, Domäne, Aufgabentyp und bekannten Limitationen.
  • Lizenz-Klassifikation Einordnung der Nutzungsbedingungen in offene, eingeschränkte und proprietäre Kategorien für Forschungseignung.
  • Registeraktualisierung und Pflege Regelmäßige Aktualisierung des Registers zu Benchmark-Datensätze-Register durch Abgleich mit behördlichen Meldungen und Revisionen.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu Benchmark-Datensätze-Register für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu Benchmark-Datensätze-Register als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

KI-Modell-Leakage-Statistiken

Daten zu identifizierten Datenleck-Fällen bei KI-Trainings- und Testdaten. Zeigt Häufigkeit und Auswirkungen auf Evaluationsergebnisse.

Sofort publizierbar — Aggregierte Statistiken zu Data Leakage ohne sensitive Modelldetails, für die KI-Forschungsgemeinschaft frei zugänglich.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Leakage-Detektion Systematische Prüfung von Trainings-Test-Überschneidungen mittels N-Gram-Matching und Embedding-Ähnlichkeitsanalyse.
  • Performance-Impact-Messung Quantifizierung der Leistungsüberschätzung durch Datenlecks im Vergleich zu bereinigten Testmengen.
  • Statistische Qualitätssicherung Plausibilitätsprüfung der Statistiken zu KI-Modell-Leakage-Statistiken auf Ausreißer, Revisionsbedarf und methodische Konsistenz.
  • Interoperabilitäts- und Schnittstellentesting Technische Überprüfung von Datenschnittstellen und Kompatibilität mit bestehenden IT-Systemen für KI-Modell-Leakage-Statistiken.
  • Automatisierte Datenqualitätsprüfung Kontinuierliche Validierung der Datenqualität in KI-Modell-Leakage-Statistiken durch regelbasierte Prüfroutinen und Anomalieerkennung im CI/CD-Prozess.

Erklärbarkeits-Audit-Protokolle

Dokumentation von XAI-Audits für eingesetzte KI-Systeme inkl. Methodik und Ergebnisbewertung. Basis für Transparenzberichte.

Sofort publizierbar — XAI-Auditprotokolle ohne Geschäftsgeheimnisse sind im Sinne der KI-Act-Transparenzanforderungen öffentlich zugänglich.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • XAI-Methoden-Auswahl Begründete Auswahl geeigneter Erklärbarkeitsverfahren (SHAP, LIME, Attention Maps) für den jeweiligen Systemtyp.
  • Verständlichkeitsevaluation Nutzerstudie zur Bewertung der verständlichen Kommunikation von KI-Entscheidungsgründen an Endnutzer.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu Erklärbarkeits-Audit-Protokolle als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Interoperabilitäts- und Schnittstellentesting Technische Überprüfung von Datenschnittstellen und Kompatibilität mit bestehenden IT-Systemen für Erklärbarkeits-Audit-Protokolle.
  • Automatisierte Datenqualitätsprüfung Kontinuierliche Validierung der Datenqualität in Erklärbarkeits-Audit-Protokolle durch regelbasierte Prüfroutinen und Anomalieerkennung im CI/CD-Prozess.

KI-Bias-Assessments-Publikationen

Wissenschaftliche Publikationen zu Bias-Messungen in KI-Systemen nach Datenquelle und Anwendungsbereich.

Sofort publizierbar — Eine Bias-Messung ist nur überprüfbar, wenn Methode und Ergebnis nachvollziehbar sind. Gegenstand sind Systeme und Datensätze; die getesteten Modelle enthalten keine Angaben über einzelne Menschen.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Bias-Metrik-Katalogisierung Systematische Erfassung verwendeter Bias-Metriken (demographische Parität, Equalized Odds etc.) und ihrer Anwendungskontexte.
  • Reproduzierbarkeitsanalyse Prüfung der Reproduzierbarkeit publizierter Bias-Assessments durch Nachbildung der Messungen mit öffentlichen Datensätzen.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Bias-Assessments-Publikationen gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Anomalieerkennung und Qualitätskontrolle Automatisierte Erkennung von Ausreißern, Fehlmessungen und Datenanomalien in den Daten zu KI-Bias-Assessments-Publikationen.
  • Langzeitarchivierung nach OAIS Dauerhafter Erhalt der Messdaten aus KI-Bias-Assessments-Publikationen nach dem OAIS-Referenzmodell in einem zertifizierten digitalen Langzeitarchiv.

Open-Source-KI-Nutzungsstatistiken

Download- und Nutzungsstatistiken zu Open-Source-KI-Modellen und -Frameworks aus Forschungseinrichtungen.

Sofort publizierbar — Aggregierte Nutzungsstatistiken ohne personenbezogene Daten, über Plattformen wie HuggingFace und GitHub öffentlich einsehbar.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Download-Trend-Analyse Zeitreihenanalyse von Modell-Downloads zur Identifikation von Adoptionstrends und verdrängenden Innovationen.
  • Institutions-Attribution Zuordnung der Nutzungsstatistiken zu Institutionstypen (Universität, außeruniversitäre Forschung, Industrie) über IP-Geolokation.
  • Statistische Qualitätssicherung Plausibilitätsprüfung der Statistiken zu Open-Source-KI-Nutzungsstatistiken auf Ausreißer, Revisionsbedarf und methodische Konsistenz.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus Open-Source-KI-Nutzungsstatistiken über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus Open-Source-KI-Nutzungsstatistiken nach FAIR-Prinzipien.

KI-Governance-Framework-Vergleiche

Komparative Analysen nationaler und internationaler KI-Regulierungsrahmen und -Governance-Strukturen.

Sofort publizierbar — Vergleichende Regulierungsanalysen sind öffentliche Politikforschung ohne Einschränkungen.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Regulierungsmatrix-Erstellung Systematischer Vergleich von KI-Regulierungsmerkmalen (Risikoklassen, Pflichten, Sanktionen) nach standardisiertem Schema.
  • Policy-Gap-Analyse Identifikation von Regulierungslücken durch Vergleich bestehender Rechtsrahmen mit KI-Systemfähigkeiten.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Governance-Framework-Vergleiche gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Metadaten-Anreicherung und Katalogisierung Systematische Ergänzung beschreibender Metadaten zu KI-Governance-Framework-Vergleiche für verbesserte Auffindbarkeit und Nachnutzbarkeit in Datenportalen.
  • Datenportfolio-Management Strukturierte Verwaltung und Versionierung der Datensätze aus KI-Governance-Framework-Vergleiche in einem zentralen Datenportfolio mit Lifecycle-Management.

KI-Förderprojektdaten

Metadaten zu geförderten KI-Forschungsprojekten (BMBF, DFG, EU Horizon); enthält Laufzeit, Fördervolumen, Konsortiumstruktur und Forschungsschwerpunkte.

Sofort publizierbar — Laufzeit, Fördervolumen, Konsortium und Schwerpunkt betreffen die Verwendung öffentlicher Forschungsmittel. Wer gefördert wird, unterliegt der Rechenschaft; die beteiligten Personen erscheinen nur als Einrichtungen.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC0 / Public DomainJSONCSV

Verwendung in 5 Prozessen
  • Taxonomie-Mapping Projekte werden einer KI-Taxonomie (ML, NLP, Computer Vision, Robotik etc.) zugeordnet; Mehrfachzuordnung möglich.
  • Netzwerkanalyse Kollaborationsnetzwerke zwischen Institutionen werden aus Konsortiumdaten extrahiert; Zentralitätsmaße identifizieren Schlüsselakteure.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Förderprojektdaten gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Förderprojektdaten über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Förderprojektdaten nach FAIR-Prinzipien.

Förderprogramm-Evaluationsdaten

Daten aus ex-post Evaluationen von KI-Förderprogrammen; enthält Outputindikatoren (Publikationen, Patente, Spin-offs) und Wirkungsketten.

Nach Aufbereitung publizierbar — Unternehmens- und Institutionsdaten aus Surveys erfordern Einwilligung der Teilnehmer vor Veröffentlichung.

Wissenschaft/TechnikTextdokumenteAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Wirkungsmodell Theory of Change wird als logisches Modell entwickelt; Indikatoren auf Output-, Outcome- und Impact-Ebene werden differenziert.
  • Kontrafaktische Analyse Differenz-in-Differenzen-Design wird verwendet, um Förderwirkung gegenüber nicht-geförderter Kontrollgruppe zu schätzen.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu Förderprogramm-Evaluationsdaten gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus Förderprogramm-Evaluationsdaten über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus Förderprogramm-Evaluationsdaten nach FAIR-Prinzipien.

KI-Forschungsfördermonitoring

Strukturierte Daten zu nationalen und europäischen KI-Förderprojekten: Fördersummen, Laufzeiten, Einrichtungen, Projektziele und Programmlinienzuordnung (BMBF KI, Horizon Europe, DFKI).

Sofort publizierbar — Fördersummen, Laufzeiten, Einrichtungen und Programmlinien machen sichtbar, wo eine Forschungspolitik ihre Schwerpunkte setzt. Bezugsgröße sind Projekte und Institutionen, keine natürlichen Personen.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainJSONCSV

Verwendung in 5 Prozessen
  • Förderdatenextraktion Automatisiertes Harvesting aus BMBF-Förderkatalog, DFG-GEPRIS und EU-CORDIS via API.
  • Thematische Klassifikation Maschinelle Kategorisierung von Projekttiteln nach KI-Teilgebieten (ML, NLP, Robotik) mit OECD-FOS-Taxonomie.
  • Impact-Tracking Verlinkung von Förderprojekten mit Publikations- und Patentoutputs zur Wirkungsmessung öffentlicher KI-Förderinvestitionen.
  • Anomalieerkennung und Qualitätskontrolle Automatisierte Erkennung von Ausreißern, Fehlmessungen und Datenanomalien in den Daten zu KI-Forschungsfördermonitoring.
  • Langzeitarchivierung nach OAIS Dauerhafter Erhalt der Messdaten aus KI-Forschungsfördermonitoring nach dem OAIS-Referenzmodell in einem zertifizierten digitalen Langzeitarchiv.

KI-Forschungsnetzwerk und Kooperationsgraph

Koauthorschafts- und Projektpartnernetzwerke der deutschen KI-Forschungslandschaft. Identifiziert zentrale Einrichtungen, Cluster und internationale Kooperationsmuster.

Sofort publizierbar — Koauthorschaftsdaten aus öffentlichen Quellen können als Open Data aggregiert bereitgestellt werden.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0JSON

Verwendung in 5 Prozessen
  • Graphkonstruktion Aufbau bipartiter Kooperationsnetzwerke mit Disambiguierung von Einrichtungsnamen via ROR-ID.
  • Zentralitätsanalyse Berechnung von Betweenness- und Eigenvector-Zentralitätsmaßen zur Identifikation von Brückeneinrichtungen.
  • Cluster-Detektion Community-Detection-Algorithmen (Louvain, Leiden) zur Identifikation thematischer Forschungscluster.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Forschungsnetzwerk und Kooperationsgraph über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Forschungsnetzwerk und Kooperationsgraph nach FAIR-Prinzipien.

KI-Transferprojekte Anwendungsreporte

Dokumentierte Use Cases und Wirkungsberichte aus KI-Transferprojekten zwischen Forschung und Wirtschaft.

Sofort publizierbar — Anonymisierte Projektberichte enthalten keine sensitiven Unternehmensdaten.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC BY 4.0JSONCSV

Verwendung in 5 Prozessen
  • Use-Case-Dokumentation Strukturierte Beschreibung nach KI-Bundesverband-Template.
  • Wirkungsmessung ROI- und Effizienzindikatoren aus Begleitforschung.
  • Peer-Review Qualitätsprüfung durch KI-Transferzentrum-Netzwerk.
  • Portal-Publikation Veröffentlichung auf KI-Transferatlas des BMWK.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Transferprojekte Anwendungsreporte nach FAIR-Prinzipien.

Geförderte KI-Forschungsprojekte

Zahl und Volumen öffentlich geförderter KI-Projekte.

Sofort publizierbar — Gezählt werden bewilligte Vorhaben und Fördervolumen je Themenfeld. Empfänger sind Hochschulen und Unternehmen; die Verwendung öffentlicher Mittel nachvollziehbar zu machen, ist der Zweck der Angabe.

Wissenschaft/TechnikFinanzdatenAggregiert (zeitlich oder räumlich)Datenlizenz DeutschlandCSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu Geförderte KI-Forschungsprojekte im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu Geförderte KI-Forschungsprojekte.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der Geförderte KI-Forschungsprojekte.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der Geförderte KI-Forschungsprojekte über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der Geförderte KI-Forschungsprojekte.

KI-Kompetenzzentren

Standorte und Schwerpunkte der nationalen KI-Kompetenzzentren.

Sofort publizierbar — Verzeichnet werden Zentren mit Standort, Fachschwerpunkt und Trägerinstitution. Ein Zentrum ist eine öffentlich geförderte Einrichtung, die gefunden werden soll; Beschäftigte erscheinen nicht namentlich.

Wissenschaft/TechnikMetadatenKleinräumig (Stadtteil / Gemeinde)Datenlizenz DeutschlandCSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Kompetenzzentren im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Kompetenzzentren.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Kompetenzzentren.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Kompetenzzentren über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Kompetenzzentren.

KI-Rechenressourcen

Für KI-Training bereitgestellte GPU-/Rechenkapazitäten.

Sofort publizierbar — Gezählt werden bereitgestellte Beschleuniger und ihre Belegung je Standort. Bezugseinheit ist die Maschine; welche Modelle darauf trainiert werden, ist eine gesonderte Angabe.

Wissenschaft/TechnikMessungen / SensordatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Rechenressourcen im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Rechenressourcen.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Rechenressourcen.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Rechenressourcen über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Rechenressourcen.

KI-Publikationen & Patente

21 Datentypen

KI-Publikationsdaten DFKI & Fraunhofer IAIS

Bibliographische Metadaten aller peer-reviewten Publikationen des DFKI und Fraunhofer IAIS: Autoren, Venue, Jahr, Zitationscount, Open-Access-Status. Quellen: DFKI Publications Server, Fraunhofer-Publica.

Sofort publizierbar — Bibliographische Metadaten wissenschaftlicher Publikationen sind öffentlich und ohne Schutzrestriktionen verfügbar.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC BY 4.0XMLJSON

Verwendung in 5 Prozessen
  • Bibliometrische Analyse Automatisierte Abfrage der Publikationsserver; Zitationsanreicherung via OpenCitations; Klassifikation nach KI-Subfeldern.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Publikationsdaten DFKI & Fraunhofer IAIS auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Publikationsdaten DFKI & Fraunhofer IAIS gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Datenschutzkonformes HR-Reporting Anonymisiertes Berichtswesen zu Personaldaten aus KI-Publikationsdaten DFKI & Fraunhofer IAIS unter Einhaltung datenschutzrechtlicher Anforderungen.
  • Anonymisierte Mikrodata-Bereitstellung Bereitstellung anonymisierter Mikrodaten zu KI-Publikationsdaten DFKI & Fraunhofer IAIS für Forschungszwecke über Scientific-Use-Files an akkreditierte Einrichtungen.

KI-Patentanmeldungen (EPO Deutschland)

Alle beim Europäischen Patentamt eingereichten KI-bezogenen Patentanmeldungen mit deutschem Anmelder: IPC-Klassifikation, Anmeldedatum, Erfinder, Rechtsstatus. Quelle: EPO PATSTAT, DPMA e-Register.

Sofort publizierbar — Patentdaten sind gesetzlich öffentlich zugänglich; EPO PATSTAT ist für Forschungszwecke frei nutzbar.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainXMLCSV

Verwendung in 5 Prozessen
  • CPC-Klassifikationsfilterung Abfrage von PATSTAT mit CPC-Codes G06N (KI/ML); Filterung auf deutsche Anmelder; Zeitreihenanalyse der Patentaktivität.
  • Statistische Auswertung und Trendanalyse Auswertung der klassifizierten Daten zu KI-Patentanmeldungen (EPO Deutschland) auf Häufigkeitsverteilungen und zeitliche Entwicklungen.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Patentanmeldungen (EPO Deutschland) gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu KI-Patentanmeldungen (EPO Deutschland) für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu KI-Patentanmeldungen (EPO Deutschland) als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

arXiv KI-Preprints deutscher Forschungseinrichtungen

Preprint-Metadaten von arXiv (cs.AI, cs.LG, cs.CL, cs.CV) mit Affiliationsfilter auf deutsche Forschungseinrichtungen: Titel, Abstracts, Autorenliste, Einreichungsdatum. Quelle: arXiv API.

Sofort publizierbar — arXiv-Inhalte sind Open Access; Metadaten stehen über die öffentliche API frei zur Verfügung.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC0 / Public DomainXMLJSON

Verwendung in 5 Prozessen
  • Affiliations-Matching Abfrage der arXiv-API mit Kategorie- und Zeitraumfilter; Affiliationsabgleich mit Liste deutscher KI-Forschungseinrichtungen via Named-Entity-Recognition.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu arXiv KI-Preprints deutscher Forschungseinrichtungen auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu arXiv KI-Preprints deutscher Forschungseinrichtungen für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus arXiv KI-Preprints deutscher Forschungseinrichtungen über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus arXiv KI-Preprints deutscher Forschungseinrichtungen nach FAIR-Prinzipien.

KI-Zitationsmetriken deutschsprachige Forschung

Aggregierte Zitationsindikatoren (H-Index, Impact Factor, Field-Weighted Citation Impact) für KI-Publikationen deutscher Einrichtungen. Quelle: Scopus/Web of Science (Nationallizenz Destatis/GESIS).

Nach Aufbereitung publizierbar — Rohdaten unterliegen Lizenzbeschränkungen von Scopus/WoS; aggregierte Metriken können nach Aufbereitung veröffentlicht werden.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Bibliometrische Aggregation Berechnung von Feldzitationsindizes aus lizenzierten Datenbanken; Normierung auf internationale Vergleichsgruppe; Ausgabe als institutionelle Rangfolge.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Zitationsmetriken deutschsprachige Forschung auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu KI-Zitationsmetriken deutschsprachige Forschung für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Zitationsmetriken deutschsprachige Forschung über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Zitationsmetriken deutschsprachige Forschung nach FAIR-Prinzipien.

Open-Access-Quote KI-Publikationen je Einrichtung

Open-Access-Anteil an KI-Publikationen je Forschungseinrichtung (DFKI, Helmholtz-Zentren, Max-Planck-Institute): Gold/Green/Hybrid OA, Jahr. Quelle: Unpaywall, OpenAIRE.

Sofort publizierbar — Unpaywall und OpenAIRE stellen aggregierte OA-Metadaten öffentlich bereit; keine personenbezogenen Daten enthalten.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC0 / Public DomainCSVJSON

Verwendung in 5 Prozessen
  • OA-Klassifikation DOI-basierter Abgleich mit Unpaywall-API zur Bestimmung des OA-Status; Aggregation nach Einrichtung und Jahr.
  • Statistische Auswertung und Trendanalyse Auswertung der klassifizierten Daten zu Open-Access-Quote KI-Publikationen je Einrichtung auf Häufigkeitsverteilungen und zeitliche Entwicklungen.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu Open-Access-Quote KI-Publikationen je Einrichtung gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Datenschutzkonformes HR-Reporting Anonymisiertes Berichtswesen zu Personaldaten aus Open-Access-Quote KI-Publikationen je Einrichtung unter Einhaltung datenschutzrechtlicher Anforderungen.
  • Anonymisierte Mikrodata-Bereitstellung Bereitstellung anonymisierter Mikrodaten zu Open-Access-Quote KI-Publikationen je Einrichtung für Forschungszwecke über Scientific-Use-Files an akkreditierte Einrichtungen.

Deutsche Beiträge auf KI-Top-Konferenzen (NeurIPS, ICML, ICLR)

Anzahl und Anteil angenommener Papiere von deutschen Institutionen auf den führenden KI-Konferenzen NeurIPS, ICML, ICLR, CVPR: Jahresvergleich 2018–2025. Quelle: Semantic Scholar, ACL Anthology, Papers With Code.

Sofort publizierbar — Konferenzpublikationsdaten sind öffentlich; Semantic Scholar API ermöglicht freie Abfrage von Affiliationsdaten.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC0 / Public DomainCSV

Verwendung in 5 Prozessen
  • Affiliationsextraktion & Ranking Abfrage von Semantic Scholar API für gelistete Konferenzen; Affiliations-Parsing; Länderklassifikation; Zeitreihenanalyse.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu Deutsche Beiträge auf KI-Top-Konferenzen (NeurIPS, ICML, ICLR) auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu Deutsche Beiträge auf KI-Top-Konferenzen (NeurIPS, ICML, ICLR) als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Interoperabilitäts- und Schnittstellentesting Technische Überprüfung von Datenschnittstellen und Kompatibilität mit bestehenden IT-Systemen für Deutsche Beiträge auf KI-Top-Konferenzen (NeurIPS, ICML, ICLR).
  • Automatisierte Datenqualitätsprüfung Kontinuierliche Validierung der Datenqualität in Deutsche Beiträge auf KI-Top-Konferenzen (NeurIPS, ICML, ICLR) durch regelbasierte Prüfroutinen und Anomalieerkennung im CI/CD-Prozess.

KI-bezogene Softwarepatente beim DPMA

Beim Deutschen Patent- und Markenamt angemeldete Schutzrechte mit KI/ML-Bezug: Anmeldedatum, Anmelder (Unternehmen vs. Hochschule), technisches Feld, Rechtsstatus. Quelle: DPMA DPMAregister.

Sofort publizierbar — DPMA-Registerdaten sind per Gesetz öffentlich zugänglich und können frei abgefragt werden.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainXML

Verwendung in 5 Prozessen
  • IPC-G06N-Filterabfrage Systematische Abfrage des DPMA-eRegisters nach IPC-Klasse G06N; Klassifikation nach Anmeldertyp (Hochschule/KMU/Konzern).
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-bezogene Softwarepatente beim DPMA auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-bezogene Softwarepatente beim DPMA gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu KI-bezogene Softwarepatente beim DPMA für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu KI-bezogene Softwarepatente beim DPMA als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

KI-Forschungsoutput-Ranking deutscher Hochschulen

Institutionelles Ranking deutscher Universitäten und Fachhochschulen nach KI-Forschungsoutput (Publikationen + Patente + Drittmittel): TU München, KIT, TU Berlin u. a. Quelle: CHE-Ranking, Times Higher Education, BMBF BuFI.

Sofort publizierbar — Aggregierte Ranking-Indikatoren basieren auf öffentlichen Quellen und werden von Ranking-Institutionen zur Weiterverwendung freigegeben.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Composite-Scoring Gewichtete Aggregation von Publikations-, Patent- und Drittmittelindikatoren zu einem KI-Forschungsindex je Hochschule.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Forschungsoutput-Ranking deutscher Hochschulen auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu KI-Forschungsoutput-Ranking deutscher Hochschulen für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Kompetenz- und Outcome-Messung Evaluierung von Bildungsergebnissen und Kompetenzzuwachs anhand der Daten zu KI-Forschungsoutput-Ranking deutscher Hochschulen.
  • Länderübergreifendes Bildungsmonitoring Integration der Daten aus KI-Forschungsoutput-Ranking deutscher Hochschulen in das nationale Bildungsmonitoring der KMK für bundesweite Vergleichsberichte.

KI-Open-Source-Code-Repositorien und Software-Nutzung

Analyse öffentlicher KI-Code-Repositorien (GitHub, HuggingFace) deutscher Forschungsinstitute: Zahl veröffentlichter Modelle, Download-Raten, Sterne und Fork-Aktivitäten. Messung von Open-Source-Aktivität als Proxy für Wissenstransfer. Zeitreihe ab 2015 nach Institution und Forschungsfeld.

Sofort publizierbar — Öffentlich verfügbare Repositorium-Metadaten ohne Personenbezug; Nutzungsstatistiken über APIs abrufbar.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC0 / Public DomainJSONCSV

Verwendung in 5 Prozessen
  • GitHub-API-Harvesting Automatisierte Extraktion von Repository-Metadaten und Aktivitätsmetriken über GitHub REST-API und GraphQL.
  • Institutionszuordnung Entity-Resolution zur Verknüpfung von GitHub-Accounts mit Forschungsinstitutionen über Affiliationsdaten.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu KI-Open-Source-Code-Repositorien und Software-Nutzung als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Anomalieerkennung und Qualitätskontrolle Automatisierte Erkennung von Ausreißern, Fehlmessungen und Datenanomalien in den Daten zu KI-Open-Source-Code-Repositorien und Software-Nutzung.
  • Langzeitarchivierung nach OAIS Dauerhafter Erhalt der Messdaten aus KI-Open-Source-Code-Repositorien und Software-Nutzung nach dem OAIS-Referenzmodell in einem zertifizierten digitalen Langzeitarchiv.

KI-Patentanmeldungen und Technologiefeld-Analyse

Analyse von Patentanmeldungen im Bereich künstliche Intelligenz (CPC-Klasse G06N) beim DPMA und EPA durch deutsche Erfinder und Anmelder. Enthält Technologiefeld-Klassifikation, Anmelder-Typen (Universität, Industrie, KMU) und internationale Vergleichskennzahlen. Grundlage für Innovationspolitik-Bewertung.

Sofort publizierbar — Patentdaten sind nach Offenlegung öffentlich zugänglich; aggregierte Analysen ohne Erfinderpersonenbezug.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVXML

Verwendung in 5 Prozessen
  • CPC-Klassifikations-Analyse Filterung und Auswertung von KI-relevanten Patentfamilien anhand Cooperative Patent Classification Sub-Klassen.
  • Anmelder-Sektorzuordnung Klassifikation von Patentanmeldern nach Institutionstyp (Hochschule, Großunternehmen, KMU, Einzelerfinder).
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu KI-Patentanmeldungen und Technologiefeld-Analyse für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Metadaten-Anreicherung und Katalogisierung Systematische Ergänzung beschreibender Metadaten zu KI-Patentanmeldungen und Technologiefeld-Analyse für verbesserte Auffindbarkeit und Nachnutzbarkeit in Datenportalen.
  • Europäische Statistikharmonisierung Angleichung der Wirtschaftsdaten aus KI-Patentanmeldungen und Technologiefeld-Analyse an Eurostat-Definitionen für grenzüberschreitende Vergleichsanalysen.

Modellkarten-Dokumentation (Model Cards) für publizierte KI-Modelle

KI-Forschungsinstitute publizieren Model Cards für ihre öffentlich zugänglichen Modelle (z.B. auf Hugging Face). Model Cards dokumentieren Trainingsdaten, beabsichtigte Verwendung, bekannte Limitierungen und Bias-Evaluierungen. Diese Transparenz-Standards werden vom NIST AI Risk Management Framework empfohlen.

Sofort publizierbar — Model Cards sind explizit als öffentliche Transparenzdokumente konzipiert; kein Personenbezug.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Model-Card-Erstellung Forschungsteams erstellen Model Cards nach Google/Hugging Face-Schema bei Modellveröffentlichung.
  • Bias-Evaluierung Standardisierte Bias-Testsuiten (Winogender, BBQ) werden vor Publikation auf Modellen ausgeführt und dokumentiert.
  • Räumliche Analyse und Visualisierung GIS-gestützte Auswertung der Geodaten zu Modellkarten-Dokumentation (Model Cards) für publizierte KI-Modelle für Planungsentscheidungen und kartografische Darstellungen.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu Modellkarten-Dokumentation (Model Cards) für publizierte KI-Modelle für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu Modellkarten-Dokumentation (Model Cards) für publizierte KI-Modelle als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

Reproduzierbarkeitsrate bei KI-Publikationen aus deutschen Instituten

Initiativen wie ML Reproducibility Challenge und ReproducedPapers.org tracken Reproduzierbarkeit von KI-Publikationen. DFKI und Universitätsinstitute melden Code-Availability und Reproduktionserfolge. Diese Metriken zeigen den Reifegrad wissenschaftlicher KI-Praxis.

Sofort publizierbar — Reproduzierbarkeitsstatistiken sind öffentliche Qualitätsmetriken ohne Personenbezug.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Code-Availability-Check Automatisierte Prüfungen testen ob GitHub/GitLab-Links in Publikationen erreichbar sind.
  • Reproduktionsexperiment ML-Reproducibility-Challenge-Teilnehmer dokumentieren Reproduktionsversuche mit Abweichungsberichten.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu Reproduzierbarkeitsrate bei KI-Publikationen aus deutschen Instituten als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus Reproduzierbarkeitsrate bei KI-Publikationen aus deutschen Instituten über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus Reproduzierbarkeitsrate bei KI-Publikationen aus deutschen Instituten nach FAIR-Prinzipien.

KI-Publikationskorpus

Maschinenlesbares Corpus von KI-Forschungspublikationen aus arXiv, Semantic Scholar und DBLP; mit bibliometrischen Metadaten und Abstract-Embeddings.

Sofort publizierbar — Bibliometrische Metadaten und Abstracts aus offenen Repositorien; direkt frei verfügbar.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC0 / Public DomainJSON

Verwendung in 5 Prozessen
  • NLP-Klassifikation Papers werden mit Few-Shot-Klassifikator KI-Teilfeldern zugeordnet; Vektorraummodell (SPECTER-Embeddings) ermöglicht Ähnlichkeitssuche.
  • Zitationsnetzwerk Zitationsbeziehungen werden als gerichteter Graph modelliert; PageRank identifiziert einflussreiche Grundlagenpaper.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Publikationskorpus gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Publikationskorpus über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Publikationskorpus nach FAIR-Prinzipien.

KI-Patentanmeldungen

Strukturierte Metadaten zu KI-bezogenen Patentanmeldungen (EPO, DPMA, USPTO); enthält IPC-Codes, Anmelder, Anmeldjahr und Abstract.

Sofort publizierbar — Patentschriften sind amtliche Dokumente; öffentlich nach Patentrecht (18 Monate nach Anmeldetag).

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC0 / Public DomainJSONXML

Verwendung in 5 Prozessen
  • CPC-Mapping Patente werden KI-Technologiebereichen über CPC-Codes (G06N, G06V etc.) gemäß OECD-KI-Patentdefinition zugeordnet.
  • Zeitreihenanalyse Anmeldevolumen-Trends werden nach Technologiefeld, Anmeldertyp (Unternehmen/Hochschule) und Region analysiert.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Patentanmeldungen gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Datenschutzkonformes HR-Reporting Anonymisiertes Berichtswesen zu Personaldaten aus KI-Patentanmeldungen unter Einhaltung datenschutzrechtlicher Anforderungen.
  • Anonymisierte Mikrodata-Bereitstellung Bereitstellung anonymisierter Mikrodaten zu KI-Patentanmeldungen für Forschungszwecke über Scientific-Use-Files an akkreditierte Einrichtungen.

KI-Publikationskorpus und Zitationsanalyse

Bibliometrische Daten zu deutschen KI-Publikationen aus Konferenzen (NeurIPS, ICML, ICLR) und Journals: Autorenschaft, Institutionszugehörigkeit, Zitationsimpact und Themenentwicklung.

Sofort publizierbar — Bibliometrische Metadaten aus OpenAlex und Semantic Scholar stehen als Open Data zur Verfügung.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainJSONCSV

Verwendung in 5 Prozessen
  • OpenAlex-Harvesting Systematische API-Abfragen von OpenAlex für alle deutschen KI-Affiliation-Records.
  • Topic-Modeling BERTopic-basierte Themenextraktion aus Abstracts zur Analyse von Forschungstrends in der deutschen KI-Community.
  • h-Index-Berechnung Kalkulation von Zitationsmetriken (h-Index, Impact Factor, Field-Weighted Citation Impact) für Einrichtungen.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Publikationskorpus und Zitationsanalyse über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Publikationskorpus und Zitationsanalyse nach FAIR-Prinzipien.

KI-Patentanmeldungen und Schutzrechtsdaten

Strukturierte Daten zu KI-bezogenen Patentanmeldungen deutscher Einrichtungen beim DPMA und EPO: IPC-Klassifikation, Erfinderaffiliation, Anmeldetrends und Technologiebereiche.

Sofort publizierbar — Patentdaten sind öffentliche Rechtsdokumente und über DPMA-DEPATISnet als Open Data zugänglich.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainXMLJSON

Verwendung in 5 Prozessen
  • IPC-Klassifikationsanalyse Filterung von Patentanmeldungen nach KI-relevanten IPC-Codes (G06N) für eine vollständige KI-Patentlandkarte.
  • Erfinder-Disambiguierung Zuordnung von Erfindern zu Einrichtungen via ROR-Matching und Disambiguierung durch ORCID.
  • Technologie-Benchmarking Vergleich deutscher KI-Patentaktivitäten mit US, China und EU-Ländern anhand von OECD-Patent-Indicators.
  • Risikobewertung und Präventionstransfer Evidenzbasierte Ableitung von Präventions- und Schutzmaßnahmen aus den Daten zu KI-Patentanmeldungen und Schutzrechtsdaten.
  • Verwendungszweckbindung und Zugriffskontrolle Technisch-organisatorische Maßnahmen zur Sicherstellung der Zweckbindung bei der Nutzung sensibler Daten aus KI-Patentanmeldungen und Schutzrechtsdaten.

KI-Förderprojekte Datenbank

Strukturierte Daten zu geförderten KI-Forschungsprojekten mit Fördersummen, Laufzeiten und Institutionsangaben.

Sofort publizierbar — Förderdaten sind nach Transparenzgebot öffentlich zugänglich.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC0 / Public DomainCSVJSON

Verwendung in 5 Prozessen
  • GEPRIS-Abgleich Synchronisation mit DFG-Förderdatenbank GEPRIS.
  • Klassifikation Zuordnung zu KI-Technologiefeldern nach EU-AI-Act-Taxonomie.
  • Netzwerkanalyse Ko-Autorenschaft und Institutionenkooperationen in Graphform.
  • Open-Data-Bereitstellung Maschinenlesbare Veröffentlichung auf govdata.de.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Förderprojekte Datenbank nach FAIR-Prinzipien.

KI-Patente und Publikationsanalyse

Bibliometrische Analyse von KI-Patentanmeldungen und wissenschaftlichen Publikationen nach Technologiefeld und Institution.

Sofort publizierbar — Patentdaten aus DPMA und Publikationsdaten aus OpenAlex sind öffentlich.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC0 / Public DomainCSVJSON

Verwendung in 5 Prozessen
  • DPMA-Register-Abfrage Automatisiertes Harvesting aus DEPATISnet nach CPC-Klassen.
  • Institutionsdesambiguierung OpenAlex-basierte Institutionserkennung und -bereinigung.
  • Technologieklassifikation Maschinelle Klassifikation in KI-Teilbereiche nach OECD-Taxonomie.
  • Zeitreihenanalyse Trendberechnung für Patentaktivität und Zitationsimpact.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Patente und Publikationsanalyse nach FAIR-Prinzipien.

KI-Publikationsoutput

Zahl und Zitation deutscher KI-Publikationen im internationalen Vergleich.

Sofort publizierbar — Gezählt werden Publikationen und Zitationen je Land und Teilgebiet. Grundlage sind veröffentlichte Arbeiten und ihre Referenzen; Autorenprofile werden nicht gesondert ausgewertet.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Publikationsoutput im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Publikationsoutput.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Publikationsoutput.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Publikationsoutput über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Publikationsoutput.

KI-Patentanmeldungen

Patentanmeldungen mit KI-Bezug nach Anmelder und Feld.

Sofort publizierbar — Gezählt werden Anmeldungen je Anmelderart und Technologiefeld. Mit der Offenlegung wird eine Anmeldung ein öffentliches Dokument; die Statistik zählt Anmeldungen, nicht Erfinder.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)Datenlizenz DeutschlandCSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Patentanmeldungen im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Patentanmeldungen.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Patentanmeldungen.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Patentanmeldungen über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Patentanmeldungen.

KI-Benchmark-Datensätze

Bereitgestellte offene Benchmark- und Trainingsdatensätze.

Sofort publizierbar — Verzeichnet werden Datensätze mit Umfang, Aufgabe und Lizenz. Ein Benchmark nützt nur, wenn alle denselben verwenden; personenbezogene Trainingsdaten sind gesondert zu prüfen.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC0 / Public DomainJSON

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Benchmark-Datensätze im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Benchmark-Datensätze.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Benchmark-Datensätze.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Benchmark-Datensätze über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Benchmark-Datensätze.

KI-Anwendungsfelder & Transfer

22 Datentypen

KI-Anwendungsfälle Industrie (Fraunhofer-Transferberichte)

Dokumentierte KI-Transferprojekte zwischen Fraunhofer-Instituten und Industriepartnern: Branche, KI-Methode, Umsetzungsgrad, wirtschaftlicher Impact. Quelle: Fraunhofer-Jahresbericht, Fraunhofer IAIS Transferbericht.

Sofort publizierbar — Fraunhofer-Jahresberichte mit aggregierten Transferdaten sind öffentlich; keine vertraulichen Einzelvertragsdetails enthalten.

WirtschaftMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Fallstudien-Kodierung Strukturierte Extraktion aus Fraunhofer-Transferberichten; Kategorisierung nach Branche (NACE), KI-Methode und Reifegrad (TRL).
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Anwendungsfälle Industrie (Fraunhofer-Transferberichte) auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Anwendungsfälle Industrie (Fraunhofer-Transferberichte) gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Branchenvergleich und Benchmarking Sektorübergreifender Vergleich und Benchmarking von Wirtschaftsindikatoren aus KI-Anwendungsfälle Industrie (Fraunhofer-Transferberichte).
  • Europäische Statistikharmonisierung Angleichung der Wirtschaftsdaten aus KI-Anwendungsfälle Industrie (Fraunhofer-Transferberichte) an Eurostat-Definitionen für grenzüberschreitende Vergleichsanalysen.

KI-Anwendungsfelder Gesundheitsversorgung

Systematische Erfassung klinischer KI-Anwendungen: Diagnostik, Bildauswertung, Medikamentenentwicklung, Pflegeassistenz. Quelle: DFKI Gesundheitsprojekte, BfArM KI-Zulassungen, Bundesärztekammer KI-Report.

Sofort publizierbar — Aggregierte Beschreibungen klinischer KI-Anwendungen ohne Patientendaten sind öffentlich publizierbar.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0JSON

Verwendung in 5 Prozessen
  • Literatur-Screening & Taxonomisierung Systematisches Review veröffentlichter Zulassungsdokumente und Forschungsberichte; Einordnung nach Anwendungsfeld und Reifegrad.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Anwendungsfelder Gesundheitsversorgung auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Epidemiologische Auswertung Analyse der Gesundheitsdaten zu KI-Anwendungsfelder Gesundheitsversorgung für Risikomodellierung und Public-Health-Empfehlungen.
  • Epidemiologische Netzwerkanalyse Untersuchung epidemiologischer Zusammenhänge und Ausbreitungsmuster auf Basis der Daten zu KI-Anwendungsfelder Gesundheitsversorgung.
  • Sekundärnutzung im Forschungsdatenzentrum Pseudonymisierte Weitergabe der Daten aus KI-Anwendungsfelder Gesundheitsversorgung an das Forschungsdatenzentrum Gesundheit für bevölkerungsweite Analysen.

KI-Startups & Ausgründungen aus Forschungseinrichtungen

Register der aus deutschen Universitäten und Forschungsinstituten (DFKI, Max Planck) ausgegründeten KI-Unternehmen: Gründungsjahr, Mutterinstitution, Branchenfokus, Finanzierungsrunde. Quelle: Exist-Förderung BMBF, High-Tech Gründerfonds, Startupdetector.

Sofort publizierbar — Gründungsjahr, Mutterinstitution und Branchenfokus beschreiben Unternehmen, die aus öffentlich finanzierter Forschung hervorgegangen sind. Genau dieser Übergang ist das erklärte Ziel der Transferförderung und deshalb nachweispflichtig.

WirtschaftMetadatenEinzelereignis / RohdatenCC BY 4.0CSV

Verwendung in 5 Prozessen
  • Gründungsdaten-Triangulation Abgleich von EXIST-Förderregister, Handelsregisterdaten und Startup-Datenbanken; Zuordnung zur Mutterinstitution.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Startups & Ausgründungen aus Forschungseinrichtungen auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu KI-Startups & Ausgründungen aus Forschungseinrichtungen für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu KI-Startups & Ausgründungen aus Forschungseinrichtungen für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu KI-Startups & Ausgründungen aus Forschungseinrichtungen als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

KI-Adoptionsgrad im deutschen Mittelstand

Befragungsdaten zum KI-Einsatz in KMU: Adoptionsrate nach Branche und Unternehmensgröße, Hürden, Investitionsvolumen. Quelle: Bitkom KI-Studie, Fraunhofer-IAO Digitalisierungsbarometer, ZEW IKT-Erhebung.

Sofort publizierbar — Aggregierte Umfrageergebnisse ohne Einzelunternehmens-Identifikation werden von den Erhebungsinstituten publiziert.

WirtschaftMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Surveydaten-Harmonisierung Zusammenführung verschiedener KMU-Befragungen; Harmonisierung von Kategoriensystemen; Trendanalyse über mehrere Erhebungswellen.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Adoptionsgrad im deutschen Mittelstand auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu KI-Adoptionsgrad im deutschen Mittelstand als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Anomalieerkennung und Qualitätskontrolle Automatisierte Erkennung von Ausreißern, Fehlmessungen und Datenanomalien in den Daten zu KI-Adoptionsgrad im deutschen Mittelstand.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Adoptionsgrad im deutschen Mittelstand nach FAIR-Prinzipien.

KI-Anwendungen in der öffentlichen Verwaltung

Kataster der bei Bundes- und Landesbehörden eingesetzten KI-Systeme: Behörde, Anwendungsfall, eingesetzte Methode, Rechtsgrundlage, Transparenzstatus. Quelle: Algorithmwatch AI Register DE, BMI KI-Leitfaden.

Sofort publizierbar — Algorithmwatch führt ein öffentliches Register; Behörden sind zur Transparenz über KI-Einsatz verpflichtet.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainJSONCSV

Verwendung in 5 Prozessen
  • AI-Register-Auswertung Strukturierte Auswertung des Algorithmwatch-Registers; Ergänzung durch parlamentarische Anfragen und Behördenveröffentlichungen.
  • Datenpflege und Qualitätskontrolle Regelmäßige Prüfung der Registerdaten zu KI-Anwendungen in der öffentlichen Verwaltung auf Aktualität, Vollständigkeit und formale Korrektheit.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Anwendungen in der öffentlichen Verwaltung gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Georeferenzierung und Kartierung Räumliche Aufbereitung und GIS-gestützte Visualisierung der Daten zu KI-Anwendungen in der öffentlichen Verwaltung für kartografische Auswertungen und Standortanalysen.
  • Open-Data-Publikation auf GovData Bereitstellung der Geodaten zu KI-Anwendungen in der öffentlichen Verwaltung als offener Datensatz auf dem nationalen Datenportal GovData.de nach DCAT-AP.de-Standard.

Technologietransfer-Kennzahlen KI (Lizenzeinnahmen & Kooperationsverträge)

Finanzielle Kennzahlen des Wissenstransfers: Lizenzeinnahmen, Anzahl Kooperationsverträge, Spin-off-Bewertungen für KI-Technologien aus Hochschulen und Helmholtz-Zentren. Quelle: BMBF Bundesbericht Forschung & Innovation, Helmholtz-Jahresbericht.

Nach Aufbereitung publizierbar — Einzel-Lizenzvertragsdetails sind vertraulich; aggregierte Transferkennzahlen auf Einrichtungsebene können publiziert werden.

WirtschaftFinanzdatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSV

Verwendung in 5 Prozessen
  • Transferbilanz-Berechnung Aggregation institutioneller Transferkennzahlen; Normierung auf Forschungsausgaben; Darstellung als Transfereffizienzkennzahl.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu Technologietransfer-Kennzahlen KI (Lizenzeinnahmen & Kooperationsverträge) auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Statistische Qualitätssicherung Plausibilitätsprüfung der Statistiken zu Technologietransfer-Kennzahlen KI (Lizenzeinnahmen & Kooperationsverträge) auf Ausreißer, Revisionsbedarf und methodische Konsistenz.
  • Finanzkontrolle und Wirtschaftlichkeitsprüfung Revisionssichere Überprüfung der Finanzströme und Wirtschaftlichkeitsbewertung auf Basis der Daten zu Technologietransfer-Kennzahlen KI (Lizenzeinnahmen & Kooperationsverträge).
  • Maschinelle Prüfroutinen Automatisierte Plausibilitäts- und Konsistenzprüfungen der Finanzdaten in Technologietransfer-Kennzahlen KI (Lizenzeinnahmen & Kooperationsverträge) nach HGB/IPSAS-Konventionen.

KI-Anwendungen in Mobilität & Energie

Forschungs- und Pilotprojekte zu KI in autonomem Fahren, Energienetzoptimierung und Smart Grids an deutschen Instituten: Projektstatus, beteiligte Institutionen, eingesetzte KI-Methoden. Quelle: BMBF NOW-Projekte, Fraunhofer IEE, DFKI Robotics Innovation Center.

Sofort publizierbar — Projektbeschreibungen und Statusberichte öffentlich geförderter Vorhaben sind ohne Einschränkungen publizierbar.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Domänen-Taxonomisierung Kategorisierung von KI-Projekten nach Anwendungsdomäne (Mobilität, Energie, Logistik); Zuordnung zu TRL-Stufen.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Anwendungen in Mobilität & Energie auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Mobilitätsplanung Nutzung der Verkehrsdaten zu KI-Anwendungen in Mobilität & Energie für Infrastrukturplanung und Mobilitätskonzepte.
  • Verkehrssimulation und Optimierungsmodellierung Simulation von Verkehrsszenarien und Ableitung von Optimierungspotenzialen aus den Daten zu KI-Anwendungen in Mobilität & Energie.
  • Echtzeit-Schnittstelle GTFS/NeTEx Veröffentlichung der Mobilitätsdaten aus KI-Anwendungen in Mobilität & Energie als Echtzeit-Feed im GTFS- oder NeTEx-Format für Routenplaner-Apps.

KI-Ethik & Regulierungsforschung – Publikationsstand

Systematisches Mapping der deutschen KI-Ethik- und Regulierungsforschung: Publikationen, Leitfäden, Policy Papers von Einrichtungen wie AlgorithmWatch, HIIG, acatech, Sachverständigenrat für Verbraucherfragen.

Sofort publizierbar — Policy Papers und Publikationen der genannten Institutionen sind frei zugänglich und zur Weiterverwendung freigegeben.

Wissenschaft/TechnikTextdokumenteAggregiert (zeitlich oder räumlich)CC0 / Public DomainCSVJSON

Verwendung in 5 Prozessen
  • Scoping Review Systematisches Mapping von KI-Ethikpublikationen nach Themenfeld (Fairness, Transparenz, Haftung); Institutionszuordnung und Zeitreihenanalyse.
  • Qualitätssicherung und Veröffentlichung Prüfung der Daten zu KI-Ethik & Regulierungsforschung – Publikationsstand auf Qualität, Vollständigkeit und Aktualität sowie Aufbereitung für periodische Berichte.
  • Wissenschaftliche Nachnutzung Bereitstellung der Daten zu KI-Ethik & Regulierungsforschung – Publikationsstand für wissenschaftliche Sekundäranalysen über Forschungsdatenzentren.
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Ethik & Regulierungsforschung – Publikationsstand über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Ethik & Regulierungsforschung – Publikationsstand nach FAIR-Prinzipien.

KI-Regulierungs-Compliance-Monitoring (EU AI Act)

Bestandsaufnahme von KI-Systemen in deutschen Forschungseinrichtungen nach Risikoklassen des EU AI Acts. Erfasst High-Risk-Anwendungen, Konformitätsbewertungen und technische Dokumentationspflichten. Grundlage für Hochschul-Compliance-Programme und Beratung durch nationale KI-Kontaktstellen.

Nach Aufbereitung publizierbar — Detaillierte Systeminventare enthalten vertrauliche Technologieinformationen; aggregierte Compliance-Statistiken nach Risikoklasse publizierbar.

RechtMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Risikoklassifizierung Systematische Einordnung von KI-Systemen in EU-AI-Act-Risikoklassen (minimal, begrenzt, hoch, inakzeptabel) nach Anwendungsdomäne.
  • Compliance-Gap-Analyse Vergleich vorhandener Dokumentation und Prozesse mit EU-AI-Act-Anforderungen zur Identifikation von Handlungsbedarf.
  • Behördliche Berichterstattung Erstellung von Lageberichten zu KI-Regulierungs-Compliance-Monitoring (EU AI Act) für übergeordnete Behörden und parlamentarische Gremien.
  • Anomalieerkennung und Qualitätskontrolle Automatisierte Erkennung von Ausreißern, Fehlmessungen und Datenanomalien in den Daten zu KI-Regulierungs-Compliance-Monitoring (EU AI Act).
  • Langzeitarchivierung nach OAIS Dauerhafter Erhalt der Messdaten aus KI-Regulierungs-Compliance-Monitoring (EU AI Act) nach dem OAIS-Referenzmodell in einem zertifizierten digitalen Langzeitarchiv.

KI-Ethik-Review-Daten und Algorithmen-Audits

Systematische Erfassung von Ethik-Review-Verfahren für KI-Forschungsprojekte an deutschen Hochschulen: Antragsvolumen, Bearbeitungszeiten, Einschätzungen nach Fairness/Transparenz/Sicherheit und Empfehlungsarten. Enthält anonymisierte Case-Summaries abgeschlossener Audits.

Nach Aufbereitung publizierbar — Projektbezogene Reviewdetails erfordern Anonymisierung; aggregierte Statistiken und anonymisierte Fallstudien publizierbar für KI-Governance-Forschung.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Ethik-Framework-Anwendung Strukturierte Bewertung von KI-Projekten anhand standardisierter Kriterien (ALTAI, IEEE EAD) durch interdisziplinäre Ethikkommissionen.
  • Bias-Audit Technische Prüfung von Trainingsdaten und Modellausgaben auf diskriminierende Muster nach definierten Fairness-Metriken.
  • Digitale Weiterverarbeitung Bereitstellung der Daten zu KI-Ethik-Review-Daten und Algorithmen-Audits als maschinenlesbare Schnittstelle für digitale Anwendungen.
  • Kompetenz- und Outcome-Messung Evaluierung von Bildungsergebnissen und Kompetenzzuwachs anhand der Daten zu KI-Ethik-Review-Daten und Algorithmen-Audits.
  • Länderübergreifendes Bildungsmonitoring Integration der Daten aus KI-Ethik-Review-Daten und Algorithmen-Audits in das nationale Bildungsmonitoring der KMK für bundesweite Vergleichsberichte.

Benchmark-Datensatz-Metadaten für Autonomes Fahren aus deutschen Labors

Forschungslabore (FZI Karlsruhe, TU Braunschweig, DLR) publizieren annotierte Sensordatensätze (Lidar, Kamera, Radar) für autonomes Fahren. Datensatz-Metadaten (Szenarien, Annotationsklassen, Sensorkonfiguration) werden in openDRIVE und ASAM-Formaten publiziert.

Sofort publizierbar — Anonymisierte Sensordatensätze für autonomes Fahren werden explizit für die Forschungsgemeinschaft als Open Data publiziert.

Wissenschaft/TechnikMessungen / SensordatenEinzelereignis / RohdatenCC BY 4.0JSON

Verwendung in 5 Prozessen
  • Annotationsworkflow Spezialisierte Annotationstools (Scale AI, CVAT) erzeugen standardisierte Ground-Truth-Labels für Sensordaten.
  • Datensatz-Veröffentlichung Datensätze werden mit FAIR-konformen Metadaten auf institutionellen Repositorien oder im KITTI-Ökosystem publiziert.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu Benchmark-Datensatz-Metadaten für Autonomes Fahren aus deutschen Labors gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Anomalieerkennung und Qualitätskontrolle Automatisierte Erkennung von Ausreißern, Fehlmessungen und Datenanomalien in den Daten zu Benchmark-Datensatz-Metadaten für Autonomes Fahren aus deutschen Labors.
  • Langzeitarchivierung nach OAIS Dauerhafter Erhalt der Messdaten aus Benchmark-Datensatz-Metadaten für Autonomes Fahren aus deutschen Labors nach dem OAIS-Referenzmodell in einem zertifizierten digitalen Langzeitarchiv.

Wirkdaten von KI-Anwendungen in der klinischen Gesundheitsversorgung

Klinische KI-Systeme (Radiologie-Assistenz, Sepsis-Prediktion) werden nach Implementierung auf klinische Wirksamkeit evaluiert. BMBF-geförderte Projekte (DIFUTURE, SMITH, HiGHmed) erheben strukturiert Implementierungserfahrungen und Patientenoutcome-Daten in NFDI4Health.

Nur Metadaten publizierbar — Patientenoutcome-Daten sind hochsensibel; nur Metadaten und aggregierte Wirksamkeitsstatistiken publizierbar.

GesundheitMetadatenAggregiert (zeitlich oder räumlich)Proprietär / RestriktivJSON

Verwendung in 5 Prozessen
  • Klinische Evaluation Prä-/Post-Implementierungsvergleiche messen klinische Endpunkte vor und nach KI-Systemeinführung.
  • MII-Datenaustausch Medizininformatik-Initiative-Kerndatensatz ermöglicht einrichtungsübergreifende Wirksamkeitsanalysen.
  • Epidemiologische Auswertung Analyse der Gesundheitsdaten zu Wirkdaten von KI-Anwendungen in der klinischen Gesundheitsversorgung für Risikomodellierung und Public-Health-Empfehlungen.
  • Epidemiologische Netzwerkanalyse Untersuchung epidemiologischer Zusammenhänge und Ausbreitungsmuster auf Basis der Daten zu Wirkdaten von KI-Anwendungen in der klinischen Gesundheitsversorgung.
  • Sekundärnutzung im Forschungsdatenzentrum Pseudonymisierte Weitergabe der Daten aus Wirkdaten von KI-Anwendungen in der klinischen Gesundheitsversorgung an das Forschungsdatenzentrum Gesundheit für bevölkerungsweite Analysen.

KI-Anwendungsatlas

Systematische Übersicht über KI-Anwendungen in verschiedenen Sektoren (Gesundheit, Mobilität, Fertigung) mit Reifegrad, Regulierungskontext und Marktakteuren.

Sofort publizierbar — Desk-Research-basierte Übersicht ohne Personendaten; direkt publizierbar.

Wissenschaft/TechnikTextdokumenteAggregiert (zeitlich oder räumlich)CC BY 4.0JSONCSV

Verwendung in 5 Prozessen
  • Technology-Readiness-Level Anwendungen werden auf TRL-Skala 1–9 eingestuft; Einstufung basiert auf standardisiertem Bewertungsraster.
  • Gap-Analyse Sektoren mit hohem KI-Potenzial aber geringer Adoptionsrate werden identifiziert; Hemmnisanalyse (regulatorisch, technisch, kulturell) schließt an.
  • Archivierung und Langzeitverfügbarkeit Langfristige Archivierung der Daten zu KI-Anwendungsatlas gemäß gesetzlicher Aufbewahrungspflichten und Zugänglichmachung für die Nachwelt.
  • Epidemiologische Netzwerkanalyse Untersuchung epidemiologischer Zusammenhänge und Ausbreitungsmuster auf Basis der Daten zu KI-Anwendungsatlas.
  • Sekundärnutzung im Forschungsdatenzentrum Pseudonymisierte Weitergabe der Daten aus KI-Anwendungsatlas an das Forschungsdatenzentrum Gesundheit für bevölkerungsweite Analysen.

KI-Spin-off-Datenbank

Daten zu KI-Spin-offs aus deutschen Hochschulen und Forschungseinrichtungen; enthält Gründungsjahr, Ursprungsinstitution, Technologiefeld und Finanzierungsrunden.

Nach Aufbereitung publizierbar — Unternehmensfinanzdaten sind teilweise proprietär; Grunddaten (Gründung, Technologiefeld) nach Einwilligung publizierbar.

Wissenschaft/TechnikTransaktionsdatenEinzelereignis / RohdatenCC BY 4.0CSV

Verwendung in 5 Prozessen
  • Registerabgleich Unternehmensdaten werden mit Handelsregister und Crunchbase abgeglichen; Datenqualität durch Mehrquellenverifizierung gesichert.
  • Survival-Analyse Unternehmenssterblichkeit wird mit Kaplan-Meier-Schätzer und Cox-Proportional-Hazards-Modell analysiert.
  • Registeraktualisierung und Pflege Regelmäßige Aktualisierung des Registers zu KI-Spin-off-Datenbank durch Abgleich mit behördlichen Meldungen und Revisionen.
  • Datenschutzkonformes HR-Reporting Anonymisiertes Berichtswesen zu Personaldaten aus KI-Spin-off-Datenbank unter Einhaltung datenschutzrechtlicher Anforderungen.
  • Anonymisierte Mikrodata-Bereitstellung Bereitstellung anonymisierter Mikrodaten zu KI-Spin-off-Datenbank für Forschungszwecke über Scientific-Use-Files an akkreditierte Einrichtungen.

KI-Transferprojekte und Ausgründungsdaten

Daten zu KI-Spin-offs, Technologietransfer-Projekten und Industrie-Forschungs-Kooperationen aus deutschen KI-Zentren (DFKI, Helmholtz AI, LAMARR). Umfasst Ausgründungsstatistiken und Lizenzierungsaktivitäten.

Sofort publizierbar — Ausgründungs- und Transferstatistiken öffentlich geförderter Einrichtungen werden in Jahresberichten öffentlich gemacht.

WirtschaftMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0CSVJSON

Verwendung in 5 Prozessen
  • Ausgründungserfassung Jährliche Erhebung von Spin-off-Statistiken aus KI-Einrichtungen nach EFI-Methodologie.
  • Lizenzierungsmonitoring Tracking von Technologielizenzierungen aus Hochschulen und Forschungseinrichtungen an Unternehmen.
  • Sektorale Anwendungsanalyse Klassifikation von KI-Transferprojekten nach Anwendungsfeldern und Technologie-Readiness-Level (TRL).
  • Open-Access-Dissemination Veröffentlichung der Ergebnisse aus KI-Transferprojekte und Ausgründungsdaten über Open-Access-Repositorien und wissenschaftliche Fachzeitschriften.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Transferprojekte und Ausgründungsdaten nach FAIR-Prinzipien.

KI-Benchmark- und Evaluierungsdatensätze

Deutsche und mehrsprachige Benchmark-Datensätze für KI-Systemleistungsvergleiche: NLP-Benchmarks (GermanBenchmark), Computer-Vision-Testsets und Evaluierungsrahmen für KI-Sicherheit und Fairness.

Sofort publizierbar — Benchmark-Datensätze werden von Forschungseinrichtungen für die Gemeinschaft entwickelt und als Open Data veröffentlicht.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC BY 4.0JSONCSV

Verwendung in 5 Prozessen
  • Benchmark-Design Entwicklung repräsentativer Testaufgaben und Metriken für robuste und reproduzierbare KI-Systemvergleiche.
  • Leaderboard-Management Betrieb öffentlicher Leaderboards mit Blind-Test-Sets zur Verhinderung von Overfitting auf Evaluierungsdaten.
  • Bias-Analyse Systematische Überprüfung von Benchmark-Datensätzen auf demographische Verzerrungen und Repräsentationslücken.
  • Risikobewertung und Präventionstransfer Evidenzbasierte Ableitung von Präventions- und Schutzmaßnahmen aus den Daten zu KI-Benchmark- und Evaluierungsdatensätze.
  • Verwendungszweckbindung und Zugriffskontrolle Technisch-organisatorische Maßnahmen zur Sicherstellung der Zweckbindung bei der Nutzung sensibler Daten aus KI-Benchmark- und Evaluierungsdatensätze.

KI-Modell Leistungs-Benchmarks

Standardisierte Evaluierungsergebnisse KI-Modelle auf deutschen und mehrsprachigen Benchmark-Datensätzen.

Sofort publizierbar — Benchmarkergebnisse auf öffentlichen Datensätzen haben keinen Personenbezug.

Wissenschaft/TechnikMetadatenEinzelereignis / RohdatenCC0 / Public DomainJSONCSV

Verwendung in 5 Prozessen
  • Standardisierte Evaluation Reproduzierbare Testpipeline auf fixierten Benchmark-Splits.
  • Modellkartenerstellung Model Card nach Huggingface-Standard mit Limitationen.
  • Leaderboard-Tracking Versionierte Ergebnistabelle auf Open-LLM-Leaderboard.
  • Bias-Audit Demographische Performanzunterschiede nach HELM-Methodik.
  • Datenportfolio-Management Strukturierte Verwaltung und Versionierung der Datensätze aus KI-Modell Leistungs-Benchmarks in einem zentralen Datenportfolio mit Lifecycle-Management.

KI-Ethik Governance-Tracking

Monitoring von KI-Governance-Initiativen, Ethikrichtlinien und regulatorischen Entwicklungen weltweit.

Sofort publizierbar — Governance-Dokumente sind öffentlich; kein Personenbezug.

Wissenschaft/TechnikTextdokumenteEinzelereignis / RohdatenCC0 / Public DomainCSVJSON

Verwendung in 5 Prozessen
  • Policy-Monitoring Wöchentliches Screening neuer KI-Governance-Dokumente.
  • Klassifikation Einordnung nach OECD-AI-Policy-Principles-Framework.
  • Komparativanalyse Ländervergleich nach Governance-Dimensionen.
  • Visualisierung Interaktive Policy-Landkarte auf AI-Governance-Database.
  • Langzeitarchivierung nach OAIS Dauerhafter Erhalt der Messdaten aus KI-Ethik Governance-Tracking nach dem OAIS-Referenzmodell in einem zertifizierten digitalen Langzeitarchiv.

KI-Normungs- und Standardisierungsdaten

Daten zu laufenden KI-Normierungsvorhaben bei DIN, ISO und IEEE sowie Beteiligung deutscher Forschungseinrichtungen an internationalen KI-Standardisierungsgremien.

Sofort publizierbar — Aggregierte Gremienstruktur ohne personenbezogene Daten.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0JSON

Verwendung in 5 Prozessen
  • Analyse Auswertung aktiver Normungsvorhaben nach Themenschwerpunkt und Reifegrad.
  • Netzwerkanalyse Mapping der Beteiligung deutscher Institute an ISO/IEC JTC 1/SC 42.
  • Benchmark Vergleich mit EU- und US-amerikanischer KI-Normungsaktivität.
  • Veröffentlichung Daten über DIN-Informationszentrum und Open-Data-Portal bereitgestellt.
  • FAIR-Daten-Zertifizierung Überprüfung und Zertifizierung der Findability, Accessibility, Interoperability und Reusability der Daten aus KI-Normungs- und Standardisierungsdaten nach FAIR-Prinzipien.

KI-Anwendungen nach Branche

Verbreitung und Reifegrad von KI-Anwendungen in Branchen.

Sofort publizierbar — Erhoben wird die Verbreitung in einer Unternehmensbefragung, ausgewiesen als Anteil je Branche und Größenklasse. Welches Unternehmen was einsetzt, ist nicht Gegenstand der Veröffentlichung.

WirtschaftMetadatenAggregiert (zeitlich oder räumlich)Datenlizenz DeutschlandCSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Anwendungen nach Branche im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Anwendungen nach Branche.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Anwendungen nach Branche.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Anwendungen nach Branche über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Anwendungen nach Branche.

KI-Ausgründungen

Aus KI-Forschung hervorgegangene Startups und ihre Felder.

Sofort publizierbar — Gezählt werden Startups je Anwendungsfeld und Gründungsjahr. Eine Ausgründung ist ein eingetragenes Unternehmen; Gründungspersonen und Finanzierungsverträge sind nicht Teil der Zählung.

WirtschaftTransaktionsdatenAggregiert (zeitlich oder räumlich)Datenlizenz DeutschlandCSV

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu KI-Ausgründungen im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu KI-Ausgründungen.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der KI-Ausgründungen.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der KI-Ausgründungen über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der KI-Ausgründungen.

Register offener KI-Modelle

Verzeichnis veröffentlichter Forschungsmodelle und Modellkarten.

Sofort publizierbar — Verzeichnet werden veröffentlichte Modelle mit Architektur, Trainingsdatenbeschreibung und Lizenz. Ein Modellregister ist auf Auffindbarkeit angelegt; die Trainingsdaten selbst sind gesondert zu bewerten.

Wissenschaft/TechnikMetadatenAggregiert (zeitlich oder räumlich)CC BY 4.0JSON

Verwendung in 5 Prozessen
  • Datenerhebung Erhebung der Primärdaten zu Register offener KI-Modelle im wissenschaftlichen Erhebungs- bzw. Forschungsprozess.
  • Aufbereitung Strukturierung, Kodierung und Qualitätsaufbereitung der Daten zu Register offener KI-Modelle.
  • Qualitätssicherung Validierung, Peer-Review und Konsistenzprüfung der Register offener KI-Modelle.
  • Archivierung und Bereitstellung Langzeitarchivierung und FAIR-konforme Bereitstellung der Register offener KI-Modelle über Repositorien.
  • Analyse und Auswertung Wissenschaftliche Auswertung und Sekundäranalyse auf Basis der Register offener KI-Modelle.

Weitere Organisationstypen im Sektor Wissenschaft und Forschung