KI und Machine Learning, Workshop: Forschung & Entwicklung

Zielbild „GenAI in Forschung & Entwicklung“

Einsatzfelder entlang des R&D-Zyklus: Ideation, Analyse, Dokumentation

Erfolgskriterien: Qualität, Produktivität, Nachvollziehbarkeit

Leitplanken & rechtlicher Kontext

Rechtliche Grundlagen, Haftung, Datensicherheit, IP-Schutz

EU-Leitlinien für genAI-Einsatz in Forschung

Ideation, Requirements & Spezifikationen

Hypothesen & Ideen strukturieren; Alternativen & Trade-offs ausarbeiten

Requirements/Spezifikationen konsolidieren & Lücken finden (ohne neue Inhalte zu erfinden)

Design-Optionen als Entscheidungsnotiz (Decision Record) dokumentieren

Literatur-/Stand-der-Technik- & Patent-Assistenz

Suchstrings, Screening-Raster und thematische Cluster

Strukturierte Zusammenfassungen (inkl. Claims/Limitations), offene Fragen, Quellen sauber dokumentieren (z. B. DOI/Patentnummer, Versionen)

genAI-Tools zur wissenschaftlichen Recherche inkl. Mindmapping-Tools (z. B. consensus.app) (optional / Ausblick)

Experiment-/Testplanung & Datenarbeit

Versuchs-/Testplan, Variablen- und Konfounder-Checks

Auswertungsplan (Tabellen) und Ergebnisnarrative

Code-Assist (optional / Ausblick): Reviews, Unit Tests, Doku-Unterstützung

Dokumentation & Wissenstransfer

Protokolle/Reports und technische Dokumentation (README/SOP)

Release Notes/Change Logs: klare Struktur & Zielgruppen-Varianten

Meeting-Zusammenfassungen (Teams/OneNote)

KI und Machine Learning