Diese Masterarbeit untersucht die Entwicklung des Ansatzes der Europäischen Union („EU“) zur Regulierung von Künstlicher Intelligenz („KI“). Von ethischen Überlegungen hin zu verbindlicher Regulierung der EU. Dabei untersucht diese Arbeit die Geschichte der KI, wie die EU die zentralen Herausforderungen im Zusammenhang mit KI anging und wie die EU das weltweit erste umfassende Gesetz für KI entwickelte. Die zentrale Forschungsfrage lautet, ob es der EU dabei gelungen ist, mehr Klarheit als Hindernisse für die Innovation von KI zu schaffen.Methodisch verbindet diese Masterarbeit historische und empirische Analyse. Sie untersucht historische Dokumente zur KI, führende technische Fachartikel zu maschinellem Lernen und KI, politische Dokumente der EU, zahlreiche europäische Gesetzgebungsakte sowie wissenschaftliche Kommentare aus dem Zeitraum zwischen 1840 und 2025. Insbesondere erfolgt eine systematische Untersuchung der KI-Verordnung („AI Act“), wobei insbesondere dessen Struktur, dessen risikobasierter Ansatz und Verpflichtungen für KI-Systeme im Detail analysiert werden.Die Arbeit kommt zu dem Ergebnis, dass der AI Act einen Meilenstein der europäischen Gesetzgebung darstellt. Der AI Act verbindet grundlegende Menschenrechte mit innovativer technologischer Regulierung. Doch ist die Stärkedes AI Acts (die Regulierung einer (fast) unregierbaren Vielzahl von technischen Details) zugleich seine größte Schwäche. Der AI Act ist insbesondere durch eine erhebliche strukturelle Komplexität gekennzeichnet. Dies birgt ein deutliches Risiko für seine Zugänglichkeit und damit auch für seinen Erfolg.Die Arbeit schließt mit dem Ergebnis, dass der AI Act das europäische Modell einer wertebasierten technologischen Regulierung verkörpert: die Welt zu innovieren und zugleich die Grundrechte aller zu schützen. Sein Erfolg wird jedoch maßgeblich davon abhängen, ob es der EU gelingt, einen Rechtsrahmen zu schaffen, der leicht zugänglich und verständlich ist. Die Arbeit kommt zu dem Schluss, dass nicht die Existenz von Regulierung, sondern das Fehlen von Klarheit die Innovation verlangsamt.
Building similarity graph...
Analyzing shared references across papers
Loading...
Dominik Loidl (Mon,) studied this question.
synapsesocial.com/papers/696c776ceb60fb80d1395a4a — DOI: https://doi.org/10.34726/hss.2025.138770
Dominik Loidl
TU Wien
Building similarity graph...
Analyzing shared references across papers
Loading...