{"id":21508,"date":"2023-10-19T08:04:00","date_gmt":"2023-10-19T12:04:00","guid":{"rendered":"https:\/\/intosaijournal.org\/?post_type=journal-entry&p=21508"},"modified":"2023-10-29T22:28:53","modified_gmt":"2023-10-30T02:28:53","slug":"evolution-and-applications-of-artificial-intelligence-in-sais","status":"publish","type":"journal-entry","link":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","title":{"rendered":"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB"},"content":{"rendered":"\n

Autoren: <\/strong>Diego Oliveira Farias (oliveiraf@tcu.gov.br<\/a>); Eric Hans Messias da Silva (erichm@tcu.gov.br<\/a>);  Erick Muzart Fonseca dos Santo (erickmf@tcu.gov.br<\/a>); Monique Louise de Barros Monteiro (moniquebm@tcu.gov.br<\/a>); Tib\u00e9rio Cesar Jocundo Loureiro (tiberio.loureiro@tcu.gov.br<\/a>)<\/p>\n\n\n\n

Was ist k\u00fcnstliche Intelligenz?<\/strong><\/h2>\n\n\n\n

Im Laufe der Zeit wurden verschiedene Definitionen des Begriffs k\u00fcnstliche Intelligenz (KI) gegeben und seine Assoziation mit anderen Begriffen, zum Beispiel maschinellem Lernen und Deep Learning, hat zu Schwierigkeiten gef\u00fchrt, das Thema besser zu verstehen.<\/p>\n\n\n\n

Worauf sich das \u201ek\u00fcnstlich\u201c in KI bezieht, ist relativ simpel. Es bezieht sich auf jede nicht nat\u00fcrliche Sache, die von Menschen geschaffen wurde. Auch die Verwendung von Begriffen wie Maschine, Computer oder System kann dies widerspiegeln. Intelligenz ist jedoch ein viel breiteres, st\u00e4rker infrage gestelltes Konzept, weshalb man sich bisher noch auf keine Definition von KI einigen konnte (Miaihle und Hodes, 2017).<\/p>\n\n\n\n

KI kann folgenderma\u00dfen definiert werden: die Verwendung einer digitalen Technologie zur Erstellung von Systemen, die in der Lage sind, Aufgaben zu erf\u00fcllen, von denen normalerweise angenommen wird, dass sie Intelligenz erfordern.<\/p>\n\n\n\n

In diesem Zusammenhang k\u00f6nnen wir die Definition der Organisation f\u00fcr wirtschaftliche Zusammenarbeit und Entwicklung (Organization for Economic Cooperation and Development; OECD) erw\u00e4hnen, laut der KI ein auf einer Maschine beruhendes System ist, das f\u00fcr bestimmte von Menschen definierte Ziele Voraussagen t\u00e4tigen, Empfehlungen aussprechen oder Entscheidungen treffen kann, die Auswirkungen auf echte oder virtuelle Umfelder haben.<\/p>\n\n\n\n

Bei der heutigen KI handelt es sich haupts\u00e4chlich um Maschinen, die sich der Statistik bedienen, um Muster in gro\u00dfen Datenmengen zu ermitteln und repetitive Aufgaben auszuf\u00fchren, ohne dabei st\u00e4ndig auf menschliche Anleitung angewiesen zu sein. KI hat also nichts mit einer technologischen L\u00f6sung f\u00fcr alle Anwendungsf\u00e4lle zu tun, da sie in der Regel nur mit aussagekr\u00e4ftigen, einschl\u00e4gigen und qualitativ hochwertigen Daten gute Ergebnisse liefert.<\/p>\n\n\n\n

K\u00fcnstliche neuronale Netzwerke<\/strong><\/h2>\n\n\n\n

Herk\u00f6mmliche Maschinenlernalgorithmen st\u00fctzen sich stark auf Datendarstellung, um Beziehungen zwischen den Daten und den daraus resultierenden Vorhersagen herzustellen. Ziehen Sie beispielsweise den Unterschied zwischen einem Diagnosesystem, das auf von einer \u00c4rztin bzw. einem Arzt bereitgestellte Patienteninformationen angewiesen ist (zum Beispiel ein Brain-Machine-Interface \u2013 BMI, die Blutgruppe, den Blutzuckerspiegel), um eine Diagnose zu stellen, und einem System, das Tumore anhand eines R\u00f6ntgenbilds erkennen kann. W\u00e4hrend herk\u00f6mmliche Algorithmen in der Lage sind, Korrelationen zwischen der ersten Gruppe von Informationen, die von der \u00c4rztin bzw. dem Arzt bereitgestellt wurden, sogenannte Merkmale oder Attribute, und einer m\u00f6glichen Diagnose zu extrahieren, sto\u00dfen die im zweiten Beispiel genannten Systeme bei der Analyse von unstrukturierten Daten wie Bildern an ihre Grenzen, da sie nicht in der Lage sind, aus einer Reihe von Pixeln Bedeutung zu gewinnen.<\/p>\n\n\n\n

Eine L\u00f6sung f\u00fcr dieses Problem ist der Einsatz von Techniken zum Erlernen der Beziehungen zwischen Attributen, der Ausgabe (Vorhersage) und der besten Darstellungsart der Eingabedaten.<\/p>\n\n\n\n

In diesem Zusammenhang ist das Transferlernen hervorzuheben. Es kommt immer \u00f6fter zum Einsatz, insbesondere in den Bereichen Computer Vision und Computerlinguistik (CL), in denen das Wissen eines in einem bestimmten Gebiet\/f\u00fcr eine bestimmte Aufgabe vortrainierten Modells auf ein anderes Gebiet\/eine andere Aufgabe \u201e\u00fcbertragen\u201c wird. Es erm\u00f6glicht die \u201eDemokratisierung\u201c des Einsatzes von KI-Modellen, da neue Modelle mit nur einem Bruchteil der Daten und Rechenleistung, die notwendig gewesen w\u00e4ren, um ein Modell \u201evon Grund auf\u201c einzulernen, trainiert werden k\u00f6nnen. Transferlernen orientiert sich an der Art, wie Menschen lernen, da wir nur selten bei Null anfangen, sondern oft durch Analogie lernen, indem wir zuvor erworbene Erfahrungen in neue Kontexte einbinden.<\/p>\n\n\n\n

Zweifelsohne f\u00fchrten die in den letzten Jahren verwendeten Architekturen und Trainingsstrategien der neuronalen Netzwerke zu erheblichen Fortschritten bei Aufgaben wie Text\u00fcbersetzung, Fragenbeantwortung und Chatbots, auch bei von Null an antrainierten Aufgaben. Erhebliche Ver\u00e4nderungen in der Stichprobenverteilung der Daten f\u00fchrten jedoch zu einer Leistungsverschlechterung, was darauf hindeutet, dass die Modelle Spezialisierungen ausbildeten, die nur bei bestimmten Eingaben (zum Beispiel bestimmten Sprachen oder Textsorten) gut funktionieren.<\/p>\n\n\n\n

Bei weniger verbreiteten Sprachen als Englisch oder gar spezifischeren oder unerforschten Aufgaben bestehen weiterhin Herausforderungen. Bei Sprachen gibt es ein Problem mit weniger gesprochenen Sprachen, f\u00fcr die nur begrenzt gekennzeichnete Korpora f\u00fcr das Training von CL-Modellen zur Verf\u00fcgung stehen.<\/p>\n\n\n\n

In den 1960ern wurden in einem ersten Schritt in Richtung Transferlernen Vektorr\u00e4ume verwendet, um W\u00f6rter als numerische Vektoren darzustellen. Mitte der 2010er wurden Modelle wie word2vec, sent2vec und doc2vec eingef\u00fchrt. Diese Modelle wurden darauf trainiert, W\u00f6rter, S\u00e4tze und Dokumente in Vektorr\u00e4umen auszudr\u00fccken, um den Abstand zwischen den Vektoren in Beziehung mit dem Bedeutungsunterschied zwischen den entsprechenden Einheiten zu setzen. Das Training zielte auf die Assoziation der Bedeutung eines Worts mit dessen Kontext, also angrenzenden W\u00f6rtern im Text, ab und stellt ein Beispiel f\u00fcr un\u00fcberwachtes Lernen dar.<\/p>\n\n\n\n

Sobald W\u00f6rter, S\u00e4tze oder Abs\u00e4tze als Vektoren vorliegen, ist es m\u00f6glich, mittels Algorithmen Klassifizierungsverfahren oder Clusteranalysen, bei denen die Eingabedaten als Punkte in einem Vektorraum dargestellt werden, anzuwenden. Bei der Klassifizierung handelt es sich beispielsweise um einen halb\u00fcberwachten Ansatz, da die Klassifizierungsaufgabe \u00fcberwacht ist, die Darstellung der Eingabedaten jedoch auf nicht \u00fcberwachte Weise gewonnen wurde, wobei die textuelle Semantik weiterhin eingebettet ist.<\/p>\n\n\n\n

Dann folgte die Vektorisierung auf Zeichenebene, um mit nicht im urspr\u00fcnglichen Wortschatz enthaltenen W\u00f6rtern umzugehen (zum Beispiel neuen W\u00f6rtern, Slang, Emojis, Fremdw\u00f6rtern oder Personennamen).<\/p>\n\n\n\n

Diese Beschreibung kann als fr\u00fche Form des Transferlernens angesehen werden, da das vortrainierte Vektorisierungsmodell die Semantik bzw. die Bedeutung von W\u00f6rtern, S\u00e4tzen etc. bereits zu einem bestimmten Grad einbauen kann.<\/p>\n\n\n\n

Im Jahr 2018 gab es eine echte Revolution im CL-Bereich, als Forscherinnen und Forscher begannen, Transferlernen auf einer abstrakteren Ebene einzusetzen. Dabei stellten sie nicht nur vortrainierte Vektorisierungsmodelle, sondern ganze neuronale Netzwerke, die auf einer h\u00f6heren Ebene mit generischen, un\u00fcberwachten Aufgaben vortrainiert wurden, bereit. Beispiele daf\u00fcr sind neuronale Netzwerke, die Sprachmodelle zur Anwendung bringen, oder statistische Modelle, die darauf trainiert wurden, das n\u00e4chste Wort oder die n\u00e4chste Wortgruppe anhand der vorherigen Begriffe vorherzusagen. Mithilfe der sogenannten Feineinstellung kann man mit einem dieser vortrainierten Modelle ein kurzes zus\u00e4tzliches Training, das sich auf die Optimierung des Modells f\u00fcr eine bestimmte zu trainierende Aufgabe konzentriert, durchf\u00fchren, wobei die Gewichtung des Netzwerks angepasst wird. Diese Entwicklung wird sogar als \u201eImageNet\u201c-Moment bezeichnet \u2013 in Anlehnung an die weitverbreitete Anwendung von vortrainierten neuronalen Netzwerken auf die ImageNet-Datenbank f\u00fcr verschiedenste Anwendungen in der Computer Vision.<\/p>\n\n\n\n

Beim Transferlernen in der CL ist der generative vortrainierte Transformer (generative pre-trained transformer; GPT) von OpenAI unter den bahnbrechenden Innovationen hervorzuheben. Es basiert auf dem Neuronalen-Netzwerk-Modell Transformer (Vaswani et al., 2017), das besseren Parallelismus und bessere Leistung erm\u00f6glicht. Vorherige Architekturen hatten nicht das gleiche Ma\u00df an Parallelismus sowie Schwierigkeiten bei der Verarbeitung langer Texte. Seine neueste Auflage \u2013 GPT-4 \u2013 ist in der Lage, realistische Texte, die jenen von Menschen gleichen, automatisch zu generieren.<\/p>\n\n\n\n

ChatGPT, gro\u00dfe Sprachmodelle und generative KI<\/strong><\/h2>\n\n\n\n

Im November 2022 lies OpenAI ChatGPT vom Stapel und f\u00fchrte k\u00fcnstliche Intelligenz auf eine neue Stufe: Innerhalb weniger Tage wurde der Chatbot aufgrund seiner beeindruckenden F\u00e4higkeiten, Texte zu verstehen und zu generieren, zur ber\u00fchmtesten Errungenschaft der j\u00fcngeren Technologiegeschichte.<\/p>\n\n\n\n

Trotz seiner \u201eIntelligenz\u201c und Beliebtheit beruht ChatGPT im Grunde auf einer alten Methode: der Sprachmodellierung. Einfach definiert geht es bei der Sprachmodellierung um die Verwendung statistischer Modelle zur Vorhersage der h\u00e4ufigsten Wortfolgen einer Sprache. Es handelt sich also um Modelle, die anhand einer gegebenen Wortfolge in der Lage sind, das n\u00e4chstwahrscheinliche Wort vorherzusagen. Jedes von dem Modell vorhergesagte Element kann wiederverwendet werden, um ein weiteres Wort vorherzusagen. Dieser Vorgang wird weitergesponnen, bis wir zu ganzen Abs\u00e4tzen und Texten gelangen.<\/p>\n\n\n\n

In den letzten Jahren begannen Forscherinnen und Forscher damit, neuronale Sprachmodelle zu verwenden. Einfach ausgedr\u00fcckt handelt es sich dabei um Sprachmodelle, die als neuronale Netzwerke ausgef\u00fchrt werden. Nehmen wir an, wir haben einen riesigen Datensatz bestehend aus Texten. In diesem Fall k\u00f6nnen wir ihn verwenden, um ein neuronales Netzwerk zu trainieren, dessen Optimierungsziel darin besteht, das wahrscheinlichste Wort anhand einer Wortfolge, die ihm bis zur aktuellen Iteration gegeben wurde, zu generieren. Diese Idee wurde urspr\u00fcnglich bei rekurrenten neuronalen Netzwerken angewendet. Dennoch wies die Transformerachitektur \u2013 eine neue Modellfamilie, die auf Aufmerksamkeitsmodellen und neuronalen Feedforward-Netzwerken beruht \u2013 im Jahr 2018 sogar noch bessere Ergebnisse auf.<\/p>\n\n\n\n

Als die Anzahl der Parameter in diesen neuronalen Sprachmodellen von Millionen auf Milliarden oder Billiarden stieg, wurden sie in weiterer Folge gro\u00dfe Sprachmodelle genannt.<\/p>\n\n\n\n

Ein wesentlicher Vorteil beim Training von Sprachmodellen liegt im Datensatz: Er erfordert keine Kennzeichnung durch Menschen. Denn ein Textkorpus ist bereits in dem Sinne \u201eannotiert\u201c, dass wir das n\u00e4chste Wort stets kennen. Die Kennzeichnungen sind bereits vorhanden, auch in Situationen mit etwas anderen Optimierungszielen (zum Beispiel: W\u00f6rter ausblenden und das Modell darauf trainieren, die ausgeblendeten W\u00f6rter vorherzusagen). Diese Technik hei\u00dft Selbst\u00fcberwachung, kann jedoch auch als eine Art un\u00fcberwachtes Lernen angesehen werden (zumindest aus der Perspektive der menschlichen Annotation).<\/p>\n\n\n\n

Uns sind derzeit nicht viele Einzelheiten \u00fcber das Innenleben von ChatGPT bekannt. Wir wissen nur, dass es sich neben der herk\u00f6mmlichen Sprachmodellierung noch zus\u00e4tzlicher Techniken aus dem Bereich des best\u00e4rkenden Lernens bedient. Dank seiner Einf\u00fchrung wurden jedoch bereits mehrere leistungsf\u00e4hige Open-Source-Sprachmodelle auf den Markt gebracht. Diese Modelle sind f\u00fcr Forscherinnen und Forscher sowie staatliche Einrichtungen von besonderem Interesse, da sie eine kosteng\u00fcnstige Alternative zu den OpenAI-Modellen darstellen. Dar\u00fcber hinaus haben wir die komplette Kontrolle \u00fcber das Modell und k\u00f6nnen es an unsere Anforderungen anpassen (zum Beispiel auf das Verstehen von Rechtstexten).<\/p>\n\n\n\n

Letztendlich haben wir in der ORKB Brasilien (TCU) eine auf ChatGPT beruhende Software mit dem Namen ChatTCU eingef\u00fchrt. Die aktuelle Version funktioniert wie eine \u201eSicherheitsh\u00fclle\u201c \u00fcber dem zugrunde liegenden OpenAI-Modell, da es den Pr\u00fcferinnen und Pr\u00fcfern einen sicheren Nachrichtenverkehr ohne die Weiterleitung vertraulicher Daten an OpenAI erm\u00f6glicht. In k\u00fcnftigen Versionen werden wir die Funktionen von ChatTCU mit Daten \u00fcber die Rechtsprechung des TCU sowie einigen anderen \u00f6ffentlichen und nicht \u00f6ffentlichen Daten im Eigentum der Institution erweitern.<\/p>\n\n\n\n

Fazit<\/strong><\/h2>\n\n\n\n

Die Einbindung von KI in die Pr\u00fcft\u00e4tigkeit bietet ORKB eine einzigartige Gelegenheit, die Leistungsf\u00e4higkeit und Effizienz ihres Betriebs zu steigern. Durch die automatisierte Analyse gro\u00dfer Datenmengen kann KI komplexe Muster, Anomalien sowie Trends in Echtzeit ermitteln, wodurch Pr\u00fcferinnen und Pr\u00fcfer wertvolle Einblicke erhalten. Dar\u00fcber hinaus kann KI Kontroll- und Analyseverfahren gl\u00e4tten und somit die f\u00fcr eine vollst\u00e4ndige Pr\u00fcfung ben\u00f6tigte Zeit wesentlich verk\u00fcrzen. KI befreit Pr\u00fcfungsfachleute von Routine- und repetitiven Aufgaben und erm\u00f6glicht ihnen, ihr Fachwissen auf Spitzenanalysen sowie strategische Entscheidungen zu fokussieren. Schlussendlich sind ORKB durch den Einsatz von KI in der Lage, die Treffsicherheit, Vollst\u00e4ndigkeit sowie Verl\u00e4sslichkeit ihrer Pr\u00fcfungst\u00e4tigkeiten zu steigern, wodurch das Vertrauen der \u00d6ffentlichkeit in Finanzinstitutionen und gepr\u00fcfte Stellen gest\u00e4rkt wird.<\/p>\n","protected":false},"excerpt":{"rendered":"

Im Laufe der Zeit wurden verschiedene Definitionen des Begriffs k\u00fcnstliche Intelligenz (KI) gegeben und seine Assoziation mit anderen Begriffen, zum Beispiel maschinellem Lernen und Deep Learning, hat zu Schwierigkeiten gef\u00fchrt, das Thema besser zu verstehen.<\/p>\n","protected":false},"author":172,"featured_media":21495,"template":"","meta":{"_acf_changed":false,"footnotes":""},"journal-categories":[3588],"content-tags":[2459,2268,2267],"country":[2898],"region":[2871],"section":[2603],"coauthors":[3570,3571,3572,3574,3573],"class_list":["post-21508","journal-entry","type-journal-entry","status-publish","has-post-thumbnail","hentry","journal-categories-q2-2023-de","content-tags-it-prufung","content-tags-kunstliche-intelligenz","content-tags-wissenschaft-und-technik","country-brazil-5-de","region-olacefs-de-de","section-fachartikel"],"acf":[],"yoast_head":"\nEntwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB - INTOSAI Journal<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB - INTOSAI Journal\" \/>\n<meta property=\"og:description\" content=\"Im Laufe der Zeit wurden verschiedene Definitionen des Begriffs k\u00fcnstliche Intelligenz (KI) gegeben und seine Assoziation mit anderen Begriffen, zum Beispiel maschinellem Lernen und Deep Learning, hat zu Schwierigkeiten gef\u00fchrt, das Thema besser zu verstehen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\" \/>\n<meta property=\"og:site_name\" content=\"INTOSAI Journal\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T02:28:53+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\" \/>\n\t<meta property=\"og:image:width\" content=\"663\" \/>\n\t<meta property=\"og:image:height\" content=\"440\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@intosaijournal\" \/>\n<meta name=\"twitter:label1\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data1\" content=\"8 minutes\" \/>\n\t<meta name=\"twitter:label2\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data2\" content=\"Diego Oliveira Farias, Eric Hans Messias da Silva, Erick Muzart Fonseca dos Santo, Monique Louise de Barros Monteiro, Tib\u00e9rio Cesar Jocundo Loureiro\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\",\"url\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\",\"name\":\"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB - INTOSAI Journal\",\"isPartOf\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\",\"datePublished\":\"2023-10-19T12:04:00+00:00\",\"dateModified\":\"2023-10-30T02:28:53+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage\",\"url\":\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\",\"contentUrl\":\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\",\"width\":663,\"height\":440,\"caption\":\"Source: Adobe Stock Images,\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/intosaijournal.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#website\",\"url\":\"https:\/\/intosaijournal.org\/fr\/\",\"name\":\"INTOSAI Journal\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/intosaijournal.org\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#organization\",\"name\":\"INTOSAI Journal\",\"url\":\"https:\/\/intosaijournal.org\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png\",\"contentUrl\":\"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png\",\"width\":736,\"height\":122,\"caption\":\"INTOSAI Journal\"},\"image\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/x.com\/intosaijournal\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB - INTOSAI Journal","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","og_locale":"de_DE","og_type":"article","og_title":"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB - INTOSAI Journal","og_description":"Im Laufe der Zeit wurden verschiedene Definitionen des Begriffs k\u00fcnstliche Intelligenz (KI) gegeben und seine Assoziation mit anderen Begriffen, zum Beispiel maschinellem Lernen und Deep Learning, hat zu Schwierigkeiten gef\u00fchrt, das Thema besser zu verstehen.","og_url":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","og_site_name":"INTOSAI Journal","article_modified_time":"2023-10-30T02:28:53+00:00","og_image":[{"width":663,"height":440,"url":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_site":"@intosaijournal","twitter_misc":{"Est. reading time":"8 minutes","Written by":"Diego Oliveira Farias, Eric Hans Messias da Silva, Erick Muzart Fonseca dos Santo, Monique Louise de Barros Monteiro, Tib\u00e9rio Cesar Jocundo Loureiro"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","url":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","name":"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB - INTOSAI Journal","isPartOf":{"@id":"https:\/\/intosaijournal.org\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage"},"image":{"@id":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage"},"thumbnailUrl":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","datePublished":"2023-10-19T12:04:00+00:00","dateModified":"2023-10-30T02:28:53+00:00","breadcrumb":{"@id":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/"]}]},{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage","url":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","contentUrl":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","width":663,"height":440,"caption":"Source: Adobe Stock Images,"},{"@type":"BreadcrumbList","@id":"https:\/\/intosaijournal.org\/de\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/intosaijournal.org\/de\/"},{"@type":"ListItem","position":2,"name":"Entwicklung und Anwendungen k\u00fcnstlicher Intelligenz in ORKB"}]},{"@type":"WebSite","@id":"https:\/\/intosaijournal.org\/fr\/#website","url":"https:\/\/intosaijournal.org\/fr\/","name":"INTOSAI Journal","description":"","publisher":{"@id":"https:\/\/intosaijournal.org\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/intosaijournal.org\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de-DE"},{"@type":"Organization","@id":"https:\/\/intosaijournal.org\/fr\/#organization","name":"INTOSAI Journal","url":"https:\/\/intosaijournal.org\/fr\/","logo":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png","contentUrl":"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png","width":736,"height":122,"caption":"INTOSAI Journal"},"image":{"@id":"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/intosaijournal"]}]}},"_links":{"self":[{"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/journal-entry\/21508","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/journal-entry"}],"about":[{"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/types\/journal-entry"}],"author":[{"embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/users\/172"}],"version-history":[{"count":2,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/journal-entry\/21508\/revisions"}],"predecessor-version":[{"id":22344,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/journal-entry\/21508\/revisions\/22344"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/media\/21495"}],"wp:attachment":[{"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/media?parent=21508"}],"wp:term":[{"taxonomy":"journal-categories","embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/journal-categories?post=21508"},{"taxonomy":"content-tags","embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/content-tags?post=21508"},{"taxonomy":"country","embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/country?post=21508"},{"taxonomy":"region","embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/region?post=21508"},{"taxonomy":"section","embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/section?post=21508"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/intosaijournal.org\/de\/wp-json\/wp\/v2\/coauthors?post=21508"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}