TOPML untersucht die Wechselwirkungen zentraler ML-Eigenschaften wie Transparenz, Fairness, Datenschutz und Ressourceneffi zienz. Ziel ist die Entwicklung von Lösungen, die ethische und rechtliche Anforderungen berücksichtigen. Die folgenden Exponate zeigen, wie diese Eigenschaften in Spannung zueinander stehen und sich in unterschiedlichen Anwendungskontexten auswirken.

Unser Stand richtet sich an Fachanwender:innen und Forschende.

Die Erweiterung von Sprachmodellen auf Sprachinteraktion verspricht mehr Barrierefreiheit, bringt jedoch neue Risiken mit sich. Wir zeigen, dass audiofähige Modelle aus Stimmmerkmalen Attribute wie Geschlecht inferieren und dadurch systematisch stereotype Antworten erzeugen. Die Ergebnisse verdeutlichen eine kritische Wechselwirkung zwischen Effizienz und Fairness: Je präziser ein Modell Geschlecht erkennt, desto stärker manifestiert sich Gender-Bias in den generierten Ausgaben.

Weitere Informationen finden Sie hier: https://tai-hamburg.github.io/papers/diversevoices

Digitale Tatortrekonstruktionen erzeugen große Mengen heterogener Daten, die häufig fragmentiert und nur eingeschränkt miteinander verknüpft sind. Gleichzeitig handelt es sich um sensible Daten, die nicht mit externen KI-Systemen verarbeitet werden dürfen. Das Exponat greift diese Herausforderungen auf und zeigt einen prototypischen Ansatz: eine multimodale VR-Anwendung zur Tatortanalyse. Durch die Verknüpfung räumlicher und semantischer Informationen entsteht ein digitaler Zwilling, der natürliche effi ziente Interaktionen über Sprache und Blickrichtung ermöglicht und Transparenz im Analyseprozess schafft.