KIVI – KI + vigilare

KIVI ist ein KI-Tool, das von der Medienanstalt NRW entwickelt wurde, um die automatische Recherche nach potenziellen Rechtsverletzungen im Internet zu unterstützen. Es verarbeitet automatisch generierte und vorkategorisierte Ergebnisse und schützt Mitarbeitende vor der direkten Konfrontation mit belastenden Inhalten.

Ähnliche Projekte

vera.ai VERification Assisted by Artificial Intelligence

AutomatisierungDatenanalyseDatenmanagementDatenmanagementDatenmanagement ist der systematische Prozess der Verwaltung, Organisation und Sicherung von Daten. Es umfasst die Planung und Implementierung von Strategien und Verfahren zur Verwaltung des gesamten Daten Lebenszyklus. Datenmanagement ist entscheidend für Effizienz, Sicherheit, Qualität und Transparenz der Datennutzung..Künstliche Intelligenz
vera.ai entwickelt vertrauenswürdige KI-Lösungen gegen fortgeschrittene Desinformationstechniken für Medienprofis und Forscher. Das Projekt zielt darauf ab, die Grundlagen für zukünftige Forschung im Bereich KI gegen Desinformation zu legen…
von Information Technologies Institute of Centre for Research and Technology-Hellas (CERTH-ITI)
Mehr erfahren

Zentrum für vertrauenswürdige Künstliche Intelligenz

DatenanalyseDatenanwendung für ÖffentlichkeitDatenmanagementUnterstützungstools
Das Zentrum für vertrauenswürdige Künstliche Intelligenz (ZVKI) informiert die Öffentlichkeit über konsumentenrelevante KI-Themen, fördert die öffentliche Debatte und entwickelt Anforderungen sowie Werkzeuge für vertrauenswürdige KI. Es forscht an…
von Think Tank iRights.Lab, Fraunhofer AISEC, Fraunhofer IAIS, Freie Universität Berlin
Mehr erfahren

Consequences of AI for Urban Societies

AutomatisierungDatenanalyseKünstliche IntelligenzWirkungsmessung
Das Projekt CAIUS untersucht die potenziellen negativen Auswirkungen von Künstlicher Intelligenz in Smart-City-Anwendungen auf urbane Gesellschaften. Es konzentriert sich auf soziale und ökonomische Faktoren sowie die Frage, wie…
von University of Mannheim, Stuttgart Media University, LMU Munich
Mehr erfahren

Beziehungsgraph