Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
„KI“ in der Rechtsmedizin – von der Forschung in die Praxis: Welche Herausforderungen ergeben sich?
1
Zitationen
5
Autoren
2025
Jahr
Abstract
Abstract Hintergrund Die zunehmende Einführung von künstlicher Intelligenz (KI) in die Rechtsmedizin, ähnlich wie in anderen Bereichen der Medizin, ist absehbar. Vor dem Hintergrund dieser Entwicklung stellt sich die Frage nach den Herausforderungen, die mit dem Einsatz von KI in der Rechtsmedizin verbunden sind – eine Thematik, die bisher kaum behandelt wurde. Ziel der Arbeit Der Text untersucht zentrale Fragestellungen sowie die daraus resultierenden rechtlichen und ethischen Herausforderungen bei der Implementierung von KI in die forensische Praxis. Zudem werden Lösungsansätze vorgestellt. Material und Methoden Die Publikation basiert auf einer systematischen Literaturanalyse zu KI-Anwendungen in der Rechtsmedizin, aber auch der verwandten Bereiche, wie der medizinischen Diagnostik und digitalen Forensik. Berücksichtigt werden auch rechtliche Rahmenbedingungen, insbesondere die europäische KI-Verordnung sowie Perspektiven der KI-Ethik. Ergebnisse und Diskussion Für KI-Anwendungen in der Rechtsmedizin werden 6 zentrale Herausforderungen identifiziert: Zuverlässigkeit, Transparenz und Nachvollziehbarkeit („Blackbox“-Problematik), Verantwortlichkeit für Fehler, Datenquantität und -qualität, Datenbias und Fairness sowie die Akzeptanz KI-generierter Diagnosen. Zur Bewältigung der identifizierten Herausforderungen werden verschiedene Ansätze vorgeschlagen. Dazu zählen der Einsatz von „explainable AI“ (XAI) in Verbindung mit KI-Sachverständigen, die Entwicklung von Standardprotokollen sowie multizentrisches Arbeiten zur Sicherung der Datenqualität und Systemzuverlässigkeit. Zudem wird eine verstärkte transdisziplinäre Zusammenarbeit zwischen Informatikern, Rechtsmedizinern, Juristen und Ethikern empfohlen, um die Akzeptanz und Integration von KI-Systemen in die Praxis zu fördern.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.245 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.102 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.468 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.429 Zit.