Das Dänisch-Deutsche Forschungszentrum besteht aus den drei Arbeitsgruppen E-Verwaltung (E-Government), Sicherheit und Datenschutz sowie Künstliche Intelligenz, die sich mit verschiedenen Themen aus ihrem jeweiligen Bereich befassen. Die Gruppen arbeiten intensiv zusammen, um zukunftsweisende Lösungen zu finden.

Die Arbeitsgruppe Künstliche Intelligenz befasst sich mit Forschungs- und Anwendungsfragen der Intelligenz in verteilten Informationssystemen, die die technische Grundlage praktisch aller modernen eGovernment-Systeme bildet. Die folgenden Stichworte beschreiben die zu behandelnden Fragestellungen: 

• Integration und Austausch von Daten, die mit heterogenen Schemata modelliert wurden
• Beantwortung von Anfragen in virtuellen Wissensgraphen (modellgestützte Anfragebeantwortung über föderierten Datenbanken)
• Integration von unvollständigen und unsicheren verteilten Daten
• Verteiltes und föderiertes maschinelles Lernen in Kombination mit z.B. Prinzipien des differentiellen Datenschutzes
• Kommunikationsprotokolle für sichere intelligente verteilte Systeme
• Zielgerichtetes und menschengerechtes Argumentieren über Kunden-Support-Aktionen

Um eGovernment-Dienste zu realisieren, müssen verschiedene Arten von Datenbanken integriert werden, entweder in materialisierter Form (Teile der Daten werden kopiert) oder virtuell (Anfragen werden an Datenquellen verteilt, und nur die Ergebnisse werden auf das Ziel kopiert). In beiden Fällen müssen zumindest Teile der Quelldaten sicher ausgetauscht werden, um die Vollständigkeit der Anfragebeantwortung in einer verteilten Umgebung zu gewährleisten. 

Daten, die in eGovernment-Diensten verarbeitet werden sollen, sind oft unvollständig (fehlende Informationen darüber, ob sich jemand im Ausland aufgehalten hat, bedeuten nicht, dass die Person tatsächlich die ganze Zeit in Deutschland geblieben ist) und unsicher (jemand gibt an, lange genug in Monaco gelebt zu haben, aber es gibt Hinweise auf das Gegenteil). Weitere Beispiele finden sich im Smart-City-Kontext und Data-Driven Governance, wo aus verschiedenen Gründen (z.B. Datenschutz oder organisatorische bzw. technische Zugänglichkeit) nicht alle relevanten Daten zur Verfügung stehen. Unvollständige und unsichere Daten stellen die Beantwortung von Anfragen vor neue Herausforderungen. Es werden Modelle benötigt, um fehlende oder unsichere Informationen auszugleichen. Die Nutzung von Modellen erfordert jedoch Lernen, so dass die Modelle mit der Realität Schritt halten. Wenn Daten in verschiedenen Arten von Datenbanken verteilt sind (und aus Sicherheits- und Datenschutzgründen nur eingeschränkt kopiert werden können), müssen wir Algorithmen des maschinellen Lernens über föderierte Datenbanken implementieren. Zu beachten ist jedoch, dass föderiertes Lernen zumindest für Teile der Daten die Integration (und den Austausch) von Informationen erfordert, weshalb neue sichere und die Privatsphäre wahrende Kommunikationsprotokolle entwickelt werden müssen. 

Auf der Grundlage der vorgesehenen Technologie können neuartige eGovernment-Dienste realisiert werden. Ein eGovernment-Dienst könnte mit einem bestimmten Ziel verbunden sein, z.B. einen Kunden (d.h. Bürger oder Unternehmen) bei der Verwaltung bestimmter Antragsformulare zu unterstützen, und der Dienst sammelt Informationen aus verschiedenen Quellen, um optimal mit dem Kunden zu interagieren. Der Dienst nimmt das/die Ziel(e) des Kunden vorweg, versucht, seine eigenen Ziele mit den Zielen des Kunden zu synchronisieren, während er Informationsquellen auswählt, die für die Erfüllung der Ziele am besten geeignet sind, und interagiert mit dem Kunden, um ihn optimal zu unterstützen, wobei er sich auf die für die jeweilige Aufgabe relevanten Informationen konzentriert. Ein intelligenter eGovernment-Dienst wählt optimale Aktionen für die Interaktion mit dem Kunden aus, um seine eigenen Ziele und die Ziele des Kunden so schnell wie möglich zu erreichen, während er Hintergrundinformationen als Erklärungen möglicherweise auch für Aktionen menschlicher Interessenvertreter, die an einem bestimmten eGovernment-Dienst beteiligt sind, bereitstellt. 

Die folgenden Lübecker Wissenschaftler*innen sind an dieser Arbeitsgruppe beteiligt:

• Prof. Dr. Stefan Fischer, Universität zu Lübeck
• Prof. Dr. Ralf Möller, Universität zu Lübeck

Fördergeber: Land Schleswig-Holstein

Laufzeit: 01.07.2021 - 30.06.2023