Thinking Machines: Automatisches Schlussfolgern mittels eines Foundation Models in der Forensik

Johannes Fähndrich () and Roman Povalej ()
Additional contact information
Johannes Fähndrich: Hochschule für Polizei Baden-Württemberg, Fachgruppe für digitale Spuren und forensische Künstliche Intelligenz
Roman Povalej: Polizeiakademie Niedersachsen

A chapter in Auswirkungen von Künstlicher Intelligenz auf die zukünftige Polizeiarbeit, 2025, pp 205-224 from Springer

Abstract: Zusammenfassung Die Fähigkeit zu denken erlaubt uns Menschen die Nutzung vieler Fähigkeiten wie Sprache, Planung, Schlussfolgern, abstrakte Wissensrepräsentation und wahrscheinlich auch abstraktere Eigenschaften wie Bewusstsein und Autonomie. Vielen der aktuellen Modelle in der Forschung zum Thema „Künstliche Intelligenz“ (KI) fehlen diese Eigenschaften noch. Diese werden im Forschungsfeld „Starke KI“ zusammengefasst betrachtet. Für die Verwendung von Methoden der KI in komplexen Änderungsfällen, wie der digitalen Forensik, kann zwar mithilfe von Automatisierung vieles vereinfacht werden, einige der Aufgaben brauchen jedoch genau jene Fähigkeiten und Eigenschaften einer starken KI. Diese Eigenschaften sind jedoch für eine Anwendung bisher unzureichend beforscht. Die Untersuchung von Foundation Models erlaubt einen Einblick in die Komplexität der betrachteten Aufgaben. Das hier vorgeschlagene Foundation Model hat die forensische Auswertung von digitalen Spuren als Aufgabe. Die grundlegende Fragestellung hierbei ist, welche Fähigkeit des Modells für welche Aufgabe verwendet werden kann. Forensische Analysen nutzen und kombinieren nämlich mehrere verschiedene Fähigkeiten. Daraus ergibt sich auch für das Modell die Frage nach aller Kombinationsmöglichkeiten seiner Fähigkeiten. Als Ergebnis wird hier eine Architektur vorgeschlagen, die einem Foundation Model zugrunde liegen kann. Diese Architektur wird analysiert und deren Anwendung diskutiert.

Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-48425-5_12

Ordering information: This item can be ordered from
http://www.springer.com/9783658484255

DOI: 10.1007/978-3-658-48425-5_12

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().