Cover des Buchs: Künstliche Intelligenz und Diskriminierung
Im Shop erwerben
, um zu prüfen, ob Sie einen Vollzugriff auf diese Publikation haben.
Monographie Kein Zugriff

Künstliche Intelligenz und Diskriminierung

Zur Regulierung algorithmischer Entscheidungssysteme zum Zwecke der Verhinderung gruppenbezogener Benachteiligungen
Autor:innen:
Verlag:
 04.12.2023

Zusammenfassung

Die Charakteristika der algorithmischen Entscheidungsfindung begründen interdisziplinäre Herausforderungen, welche bei der datenbasierten Bewertung von Personen etwa im Rahmen der Bewerberauswahl im Beschäftigungskontext insbesondere in neuen Formen der Ungleichbehandlung zu sehen sind. Der bestehenden Rechtsordnung gelingt es dabei nur bedingt, unerwünschten Ungleichbehandlungen Einhalt zu gebieten. Die Arbeit befasst sich mit dem Zusammenspiel zwischen dem Antidiskriminierungs- und Datenschutzrecht sowie dem in Entstehung begriffenen Recht über Künstliche Intelligenz und entwirft dabei ein Konzept zur regulatorischen Einhegung von Diskriminierungseffekten beim Einsatz von Systemen der Künstlichen Intelligenz.

Schlagworte

Publikation durchsuchen

Bibliographische Angaben

Erscheinungsjahr
2023
Erscheinungsdatum
04.12.2023
ISBN-Print
978-3-7560-1280-0
ISBN-Online
978-3-7489-4030-2
Verlag
Nomos, Baden-Baden
Reihe
Schriften zum Daten-, Informations- und Medienrecht
Band
74
Sprache
Deutsch
Seiten
616
Produkttyp
Monographie

Inhaltsverzeichnis

KapitelSeiten
  1. Titelei/Inhaltsverzeichnis Kein Zugriff 1 - 36
    1. A. Einführung Kein Zugriff
    2. B. Gegenstand und Ziel der Untersuchung Kein Zugriff
    3. C. Gang der Untersuchung Kein Zugriff
    4. D. Thematische Eingrenzung Kein Zugriff
    1. A. Entwicklung von KI Kein Zugriff
    2. B. Definitionsansätze – Starke und schwache KI Kein Zugriff
    3. C. Algorithmen Kein Zugriff
      1. I. Regelbasierte KI-Systeme Kein Zugriff
          1. a) Datenerhebung und -aufbereitung Kein Zugriff
            1. aa) Klassifizierung – Definition von Ziel- und Eingabevariablen Kein Zugriff
            2. bb) Modellierung – Ableitung eines prädiktiven Modells Kein Zugriff
            3. cc) Optimierung / Performanzkontrolle Kein Zugriff
          3. c) Anwendungsphase Kein Zugriff
        2. 2. Künstliche Neuronale Netz und Deep Learning Kein Zugriff
      3. III. Zwischenergebnis: Von KI zur algorithmischen Entscheidungsfindung Kein Zugriff
      1. I. Begriff des algorithmischen Entscheidungssystems Kein Zugriff
        1. 1. Vollautomatisierte AES Kein Zugriff
        2. 2. Teilautomatisierte AES Kein Zugriff
        1. 1. Ebenen der Transparenz Kein Zugriff
          1. a) Transparenz regelbasierter AES – „White-Box-Systeme“ Kein Zugriff
          2. b) Intransparenz selbstlernender AES – „Black-Box-Systeme“ Kein Zugriff
        3. 3. Ursachen der Intransparenz von AES Kein Zugriff
        4. 4. Nachvollziehbarkeit menschlicher Entscheidungsfindung als Vergleichsmaßstab Kein Zugriff
        1. 1. Korrelationsableitung und Fehleranfälligkeit von AES Kein Zugriff
        2. 2. Datenqualität und Performanz Kein Zugriff
      1. I. Scoring Kein Zugriff
        1. 1. Einsatzbereiche des Bonitätsscorings Kein Zugriff
        2. 2. Zielvariable: Kreditwürdigkeit Kein Zugriff
        3. 3. Prädiktive Eingabevariablen Kein Zugriff
        1. 1. Einsatz von Arbeitnehmer-Scores Kein Zugriff
        2. 2. Zielvariable: Leistungsfähigkeit und -bereitschaft Kein Zugriff
        3. 3. Prädiktive Eingabevariablen Kein Zugriff
      4. IV. Zwischenergebnis Kein Zugriff
      1. I. Vorteile und Chancen Kein Zugriff
      2. II. Gefahrenpotenziale Kein Zugriff
    8. H. Zusammenfassung Kapitel 2 Kein Zugriff
        1. 1. Individuelle Gerechtigkeit (formales Gleichheitsverständnis) Kein Zugriff
        2. 2. Gruppengerechtigkeit als Zielvorstellung – Strukturelle Diskriminierungen als Status quo (materielles Gleichheitsverständnis) Kein Zugriff
      2. II. (Juristisch-)Normativer Diskriminierungsbegriff Kein Zugriff
      3. III. Technische Verzerrungseffekte („Bias“) und gruppenbezogenen Benachteiligungen Kein Zugriff
      4. IV. Statistische Diskriminierungen aus ökonomischer Perspektive Kein Zugriff
      5. V. Zwischenergebnis Kein Zugriff
        1. 1. Daten als Ausdruck menschlicher Diskriminierungen Kein Zugriff
        2. 2. Proxy-Diskriminierungen und redundant encodings Kein Zugriff
        1. 1. Prolog – AES als soziotechnische Systeme Kein Zugriff
          1. a) Historischer Bias Kein Zugriff
            1. aa) Fehlende Repräsentation von Bevölkerungsgruppen in Datensätzen Kein Zugriff
            2. bb) Umstände der Datenerhebung: Präferenzbedingte Benachteiligungen und Microtargeting Kein Zugriff
          3. c) Systematisierung abweichender Einsatzbedingungen und mangelhafter Datenqualität Kein Zugriff
          1. a) Bestimmung der Zielvariablen Kein Zugriff
          2. b) Verstärkung von Unausgewogenheiten Kein Zugriff
          3. c) Fehlerquotenallokation (Modellanpassung durch Ausgleich mathematischer Zielkonflikte) Kein Zugriff
          1. a) Automatisierungsbias Kein Zugriff
          2. b) Bestätigungsverzerrungen durch Feedback-Schleifen Kein Zugriff
          3. c) Asymmetrisches Feedback bei stetigem Lernprozess Kein Zugriff
      3. III. Zwischenergebnis Kein Zugriff
      1. I. Intransparenz und mangelnde Nachvollziehbarkeit von AES im Diskriminierungskontext Kein Zugriff
        1. 1. Fairness als kontrafaktische Messgröße? Zur algorithmischen Moral Kein Zugriff
          1. a) Quantitative Fairnessmaßstäbe und ihre Unvereinbarkeit Kein Zugriff
          2. b) Erfordernis normativer Abwägungen Kein Zugriff
          3. c) Einzelfallbezogene Aushandlung von Fairness-Maßstäbe Kein Zugriff
        3. 3. Realitätsabbildung als Dilemma – Spannungsverhältnis zwischen Score-Qualität und Diskriminierungsverhinderung Kein Zugriff
        4. 4. Generalisierungsunrecht – Methodische Risiken der Mathematisierung von Entscheidungsfindung Kein Zugriff
        5. 5. Fairness um jeden Preis? Neue Fairness-Fragen im digitalen Raum Kein Zugriff
        1. 1. Intersektionalität von Benachteiligungen Kein Zugriff
        2. 2. Sonstige unerwünschte Benachteiligungen Kein Zugriff
      4. IV. Entscheidungshoheit und Verantwortungsstrukturen Kein Zugriff
        1. 1. (Un-)Zulässigkeit positiv diskriminierender Maßnahmen Kein Zugriff
        2. 2. Datenschutzrecht als Hürde – Erhebung sensibler Daten als Dilemma Kein Zugriff
      6. VI. Technische Maßnahmen zur Lösung gesellschaftlicher Herausforderungen? Kein Zugriff
      7. VII. Zwischenergebnis Kein Zugriff
        1. 1. Analyse von Codeformel und Trainingsdaten Kein Zugriff
        2. 2. Testing und Auditing (Black-Box-Analysen ohne Code-Offenlegung) Kein Zugriff
        3. 3. Dokumentationen und Begründungen der Entscheidungsfindung Kein Zugriff
        4. 4. Zwischenergebnis Kein Zugriff
          1. a) Bereinigung des Datensatzes durch Entfernung von Proxy-Variablen (Algorithmic Blindness) Kein Zugriff
          2. b) Modellierung des Datensatzes durch Anpassung und Ausgleich (Fairness Adjustment) Kein Zugriff
          3. c) Nutzung normierter oder synthetischer Datensätze Kein Zugriff
        2. 2. Lernvorgang (In-Processing approaches) Kein Zugriff
        3. 3. Nachverarbeitungsansätze (Post-Processing approaches) Kein Zugriff
      3. III. Organisatorische Maßnahmen: Einbindung in ein Ökosystem, Bildung und Schärfung der (allgemeinen) Aufmerksamkeit Kein Zugriff
      4. IV. Zwischenergebnis Kein Zugriff
      1. I. Visualisierbarkeit von Entscheidungsstrukturen und Nachweisbarkeit von Benachteiligungen Kein Zugriff
      2. II. Erhebung entscheidungsrelevanter Daten als Chance Kein Zugriff
      3. III. Faire KI als ökonomischer Gewinn Kein Zugriff
    6. F. Zusammenfassung Kapitel 3 Kein Zugriff
      1. I. Diskriminierungen als Herausforderung rechtsstaatlicher und demokratischer Grundsätze Kein Zugriff
      2. II. Einschränkung der Privatautonomie und Machtasymmetrien Kein Zugriff
      1. I. Europäische Menschenrechtskonvention Kein Zugriff
      2. II. Unionsrecht Kein Zugriff
      1. I. Verfassungsrechtliches Diskriminierungsverbot im Zivilrechtsverkehr nach Art. 3 GG Kein Zugriff
      2. II. Allgemeines Persönlichkeitsrecht nach Art. 2 Abs. 1 i.V.m. Art. 1 Abs. 1 GG Kein Zugriff
        1. 1. Ziel des Gesetzes: Geschützte Merkmale nach § 1 AGG Kein Zugriff
          1. a) Beschäftigungskontext, §§ 2 Abs. 1 Nr. 1 – 4, 6 ff. AGG Kein Zugriff
            1. aa) Anwendungsbereich des § 19 Abs. 1 i.V.m. § 2 Abs. 1 Nr. 8 AGG Kein Zugriff
            2. bb) Scoring im Rahmen von Massengeschäften gem. § 19 Abs. 1 AGG Kein Zugriff
            3. cc) Sonstige zivilrechtliche Schuldverhältnisse nach § 19 Abs. 2 AGG Kein Zugriff
            1. aa) Nachteilhafte Behandlung – Menschliches Tun oder Unterlassen erforderlich? Kein Zugriff
            2. bb) Einfließen des algorithmischen Scores in die konkrete Entscheidungsfindung Kein Zugriff
            3. cc) Benachteiligungsgefahr und individuelle Betroffenheit – Opferlose Diskriminierungen Kein Zugriff
            1. aa) Verdeckte (unmittelbare) Diskriminierung Kein Zugriff
            2. bb) Kausalitätsnachweis Kein Zugriff
            3. cc) Unmittelbare Benachteiligungen beim Einsatz von AES Kein Zugriff
            1. aa) Charakteristika der mittelbaren Diskriminierung Kein Zugriff
            2. bb) Festlegung von Untersuchungs- und Vergleichsgruppen Kein Zugriff
            3. cc) Benachteiligung „in besonderer Weise“: Fairness-Metriken und statistische Nachweise Kein Zugriff
            4. dd) Mittelbare Benachteiligungen beim Einsatz von AES Kein Zugriff
          4. d) Anweisung zur Benachteiligung gem. § 3 Abs. 5 AGG Kein Zugriff
          5. e) Intersektionale Ungleichbehandlungen Kein Zugriff
          1. a) Legitimes Ziel bzw. sachlicher Grund Kein Zugriff
          2. b) Geeignetheit Kein Zugriff
          3. c) Erforderlichkeit Kein Zugriff
            1. aa) Widerstreitende Interessen Kein Zugriff
            2. bb) Differenzierung zwischen verschiedenen Diskriminierungsursachen Kein Zugriff
          5. e) Zwischenergebnis Rechtfertigung Kein Zugriff
        5. 5. Rechtfertigung positiver Maßnahmen, § 5 AGG Kein Zugriff
      2. II. Organisationspflichten mit KI-Bezug Kein Zugriff
          1. a) Erschwerung der Indizienerbringung im digitalen Raum Kein Zugriff
          2. b) Überwindung des Informationsdefizits – konzeptionelle Gestaltungsversuche der Rechtsprechung Kein Zugriff
          3. c) Überdehnung der Beweiserleichterung nach der Literatur Kein Zugriff
        2. 2. Erbringung des Gegenbeweises Kein Zugriff
        3. 3. Zwischenergebnis Beweislast Kein Zugriff
          1. a) Verschuldensnachweis und -zurechnung Kein Zugriff
          2. b) Exkulpationsmöglichkeit Kein Zugriff
          3. c) Schaden und haftungsausfüllende Kausalität Kein Zugriff
        2. 2. Verschuldensunabhängiger Entschädigungsanspruch Kein Zugriff
        3. 3. Kontrahierungszwang Kein Zugriff
        4. 4. Anspruchsgegner (Passivlegitimation) und Zurechnung Kein Zugriff
        5. 5. Anspruchsinhaber (Aktivlegitimation) Kein Zugriff
          1. a) (Diskriminierungsrechtliche) Individual- und Kollektivrechtsdurchsetzung im Lichte algorithmischer Entscheidungsfindung Kein Zugriff
          2. b) Prozessbeistand und Unterstützung durch Betriebsrat, Antidiskriminierungsverbände und Antidiskriminierungsstellen Kein Zugriff
            1. aa) Unechte Sammelklage (Zessionsmodell) Kein Zugriff
            2. bb) Musterfeststellungsklage Kein Zugriff
            3. cc) Verbandsklage nach Verbraucherschutz- (UKlaG) und Wettbewerbsrecht (UWG) Kein Zugriff
            4. dd) Verbandsklage nach dem Verbraucherrechtedurchsetzungsgesetz (VDuG) Kein Zugriff
          4. d) Beurteilung der kollektiven Rechtsdurchsetzung Kein Zugriff
            1. aa) Konzeption des AGG: Negative Prozessvorgaben statt positiver statistischer Ergebnisvorgaben Kein Zugriff
            2. bb) Festlegung von Fairness-Maßstäben nach dem AGG? Kein Zugriff
            1. aa) Regelungskonzepte eines postkategorialen Antidiskriminierungsrecht Kein Zugriff
            2. bb) Erweiterung des Kriterienkataloges durch Gerichte und Begleitung durch zivilgesellschaftlichen Diskurs Kein Zugriff
            3. cc) Algorithmische Gruppen als Fremdkörper im Antidiskriminierungsrecht Kein Zugriff
            4. dd) Mehrfachdiskriminierung und Intersektionalität Kein Zugriff
            1. aa) Ausweitung des Anwendungsbereichs auf algorithmische Entscheidungsfindung Kein Zugriff
            2. bb) Ausweitung des Anwendungsbereichs auf Verbrauchergeschäfte in teilhaberelevanten Entscheidungskontexten Kein Zugriff
            1. aa) Bedeutungsgewinn der mittelbaren Benachteiligung und ihre dogmatische Einordnung im Kontext der algorithmenbasierten Entscheidungsfindung Kein Zugriff
            2. bb) Auswirkungen auf den Rechtfertigungsmaßstab – Mit der Technik kommt die Quote? Kein Zugriff
        2. 2. Erweiterung von Organisationspflichten Kein Zugriff
        3. 3. Transparenz Kein Zugriff
          1. a) (Ex-Post) Justiziabilität der Behandlung im Einzelfall Kein Zugriff
          2. b) Institutionelle Antworten und kollektive Rechtsdurchsetzung Kein Zugriff
          3. c) Beweisrechtliche Implikationen: Normative Einzelfall- und Kontextabhängigkeit von Tatbestandsvoraussetzungen und Kontrollhoheit über statistisches Wissen Kein Zugriff
      6. VI. Zwischenergebnis Antidiskriminierungsrecht Kein Zugriff
      1. I. Konzeption und Schutzgut des Datenschutzrechts Kein Zugriff
          1. a) (Chronologische) Differenzierung zwischen den Regelungsgegenständen Kein Zugriff
          2. b) Grenzen des datenschutzrechtlichen Regelungsanspruches Kein Zugriff
        2. 2. Datenschutzrecht als Diskriminierungsbeschleuniger und Hindernis von Antidiskriminierungsbemühungen Kein Zugriff
            1. aa) Anonymisierung und Re-Identifikationstechniken Kein Zugriff
            2. bb) Bedeutungsverlust des Personenbezuges bei der Auswertung von Big Data Kein Zugriff
          2. b) Verantwortlichkeit Kein Zugriff
            1. aa) Rechtmäßigkeit, Treu und Glauben und Transparenz, Art. 5 Abs. 1 lit. a DS-GVO Kein Zugriff
            2. bb) Zweckbindung, Datenminimierung und Speicherbegrenzung, Art. 5 Abs. 1 lit. b, c, e DS-GVO Kein Zugriff
            3. cc) Richtigkeit und Vertraulichkeit, Art. 5 Abs. 1 lit. d, f DS-GVO Kein Zugriff
            4. dd) Zwischenergebnis: Verarbeitungsgrundsätze und algorithmenbasierte Diskriminierung Kein Zugriff
            1. aa) Einwilligung, Art. 6 Abs. 1 lit. a DS-GVO Kein Zugriff
            2. bb) Vertragserfüllung, Art. 6 Abs. 1 lit. b DS-GVO Kein Zugriff
            3. cc) Berechtigte Interessen, Art. 6 Abs. 1 lit. f DS-GVO Kein Zugriff
            4. dd) Interessenabwägung als Methodikgebot? Kein Zugriff
            5. ee) Datenschutzrechtliche Erforderlichkeitsprüfung als mittelbares Diskriminierungsverbot? Zum Einfluss von Diskriminierungseffekten auf die Verhältnismäßigkeit als Rechtfertigungsvoraussetzung Kein Zugriff
            1. aa) Charakteristika sensibler Daten: Konzept des sensiblen Datums und Verhältnis zur Diskriminierungssensibilität Kein Zugriff
            2. bb) Reichweite der Datenkategorien nach Art. 9 Abs. 1 DS-GVO Kein Zugriff
            3. cc) Verarbeitungsvoraussetzungen nach Art. 9 Abs. 2 DS-GVO Kein Zugriff
            4. dd) Regelungsregime der DS-GVO zu sensiblen Daten Kein Zugriff
            5. ee) Sensible Daten im Kontext von Diskriminierungen durch AES Kein Zugriff
            6. ff) Zwischenergebnis: Schutz sensibler Daten und Diskriminierungsverhinderung Kein Zugriff
          4. d) Zwischenergebnis: (Normative) Einhegung von Diskriminierungsursachen und -ergebnissen durch das Datenschutzrecht Kein Zugriff
            1. aa) Begriff der automatisierten Einzelfallentscheidung, Art. 22 Abs. 1 DS-GVO Kein Zugriff
            2. bb) Erlaubnistatbestände nach Art. 22 Abs. 2 DS-GVO Kein Zugriff
            3. cc) Angemessene Schutzmaßnahmen gem. Art. 22 Abs. 3 DS-GVO Kein Zugriff
            1. aa) Allgemeine Informationen, Art. 13 Abs. 1, Art. 14 Abs. 1 DS-GVO Kein Zugriff
            2. bb) Informationen über die Tatsache der Einbindung eines AES in den Entscheidungsprozess („ob“) Kein Zugriff
            3. cc) Informationen über Funktionsweise des involvierten AES und dessen Diskriminierungsgeneigtheit („wie“) Kein Zugriff
            4. dd) Auskunftsrecht, Art. 15 Abs. 1 DS-GVO als Recht auf Einblick in die Datengrundlage? Kein Zugriff
            5. ee) Einzelfallspezifische nachträgliche Erklärungspflicht nach Art. 22 Abs. 3 i.V.m. Erw.Gr. 71 S. 4 DS-GVO? Kein Zugriff
            6. ff) Weitere Betroffenenrechte nach Art. 16 – 21 DS-GVO Kein Zugriff
            7. gg) Zwischenergebnis: Betroffenenrechte und Diskriminierungsindizien Kein Zugriff
            1. aa) Datenschutzfreundliche Technikgestaltung, Art. 25 DS-GVO Kein Zugriff
            2. bb) Technischer Datenschutz, Art. 32 DS-GVO Kein Zugriff
            3. cc) Datenschutzfolgeabschätzungen, Art. 35 DS-GVO Kein Zugriff
            4. dd) Konsultationsverfahren, Art. 36 DS-GVO Kein Zugriff
            5. ee) Verhaltensregeln und Zertifizierung, Art. 40 ff. DS-GVO Kein Zugriff
            6. ff) Zwischenergebnis: Technischer Datenschutz und Diskriminierungsverhinderung Kein Zugriff
          1. a) Behördliche Rechtsdurchsetzung, insbes. Kontrollbefugnisse nach Art. 58 DS-GVO und Geldbußen gem. Art. 83 DS-GVO Kein Zugriff
            1. aa) Schadensersatz nach Art. 82 DS-GVO Kein Zugriff
            2. bb) Schwächen des datenschutzrechtlichen Individualrechtsschutzes in Ansehung von Big Data-Analytik Kein Zugriff
            1. aa) Zessionsmodelle und Musterfeststellungsklagen de lege lata Kein Zugriff
            2. bb) Verbandsklage de lege lata Kein Zugriff
            3. cc) Umsetzung der Verbandsklage-Richtlinie: Abhilfe Schadensersatz Kein Zugriff
          4. d) Zwischenergebnis Rechtsdurchsetzung: Insbesondere vergleichende Betrachtung der Entschädigungsansprüche nach DS-GVO und AGG Kein Zugriff
        5. 5. Datenschutzrecht als Grundlage vertrauenswürdiger KI und Innovationsförderung Kein Zugriff
        1. 1. Potenziale des Datenschutzrechts Kein Zugriff
        2. 2. Defizite des Datenschutzrechts Kein Zugriff
          1. a) Drohende Aushöhlung des Diskriminierungsrechts Kein Zugriff
          2. b) Diskriminierungsrechtskonforme Auslegung der DS-GVO als Lösungsansatz Kein Zugriff
      1. I. Allgemeines Vertragsrecht Kein Zugriff
      2. II. Deliktsrecht Kein Zugriff
    7. G. Selbstregulierung und Ausblick Kein Zugriff
        1. 1. Regulierungsziele Kein Zugriff
          1. a) Definition des KI-Systems Kein Zugriff
          2. b) KI als Regelungsgegenstand Kein Zugriff
            1. aa) Vier Risikogruppen Kein Zugriff
            2. bb) Scoring-Systeme als verbotene Praktiken, Art. 5 Abs. 1 lit. c KI-VO-E Kein Zugriff
            3. cc) Scoring-Systeme als Hochrisiko-Anwendungen, Art. 6 II i.V.m. Anhang III KI-VO-E Kein Zugriff
            1. aa) Systematik unterschiedlicher Konformitätsbewertungsverfahren, Art. 19, 43 KI-VO-E Kein Zugriff
            2. bb) Technische Standards durch harmonisierte Normen und gemeinsame Spezifikationen, Art. 40, 41 KI-VO-E Kein Zugriff
            3. cc) Notifizierende Stellen und Behörden, Art. 30 ff. KI-VO-E Kein Zugriff
            4. dd) Kritische Würdigung der Regulierungsarchitektur interner Konformitätsprüfungen anhand von Standardisierungen im Diskriminierungskontext Kein Zugriff
          3. c) Innovationsoffene Gesetzesgestaltung Kein Zugriff
          1. a) Anbieter, Art. 3 Nr. 2, Art. 16 ff. KI-VO-E Kein Zugriff
          2. b) Nutzer, Art. 3 Nr. 4, 29 KI-VO-E Kein Zugriff
          3. c) Händler, Einführer und sonstige Akteure, Art. 24 – 28 KI-VO-E Kein Zugriff
          4. d) Betroffene Kein Zugriff
          5. e) Bewertung der Regelungsadressaten im Diskriminierungskontext Kein Zugriff
        5. 5. Räumlicher Anwendungsbereich, Art. 2 Abs. 1 KI-VO-E: Das Marktortprinzip als Wegbereiter eines Brussels-Effectes? Kein Zugriff
        1. 1. Risikomanagementsysteme, Art. 9 KI-VO-E Kein Zugriff
          1. a) Daten-Governanceverfahren, Art. 10 Abs. 2 KI-VO-E Kein Zugriff
            1. aa) Repräsentativität, Richtigkeit und Vollständigkeit Kein Zugriff
            2. bb) Relevanz Kein Zugriff
            3. cc) Aktualität und Ausgewogenheit Kein Zugriff
            4. dd) Zwischenergebnis Kein Zugriff
          3. c) Ergebnisregulierung als indirekte Datenregulierung, Art. 15 Abs. 1, 2 KI-VO-E Kein Zugriff
          4. d) Daten-Governance als heiliger Gral? Kein Zugriff
          1. a) Technische Dokumentationen, Art. 11 KI-VO-E Kein Zugriff
          2. b) Protokollierung, Art. 12 KI-VO-E Kein Zugriff
          3. c) Transparenz als Systemanforderung, Art. 13 Abs. 1 KI-VO-E Kein Zugriff
          4. d) Menschliche Aufsicht, Art. 14 KI-VO-E Kein Zugriff
        4. 4. Genauigkeit, Robustheit und Cybersicherheit Art. 15 KI-VO-E Kein Zugriff
        5. 5. Zwischenergebnis: Tauglichkeit der technisch-organisatorischen Organisationspflichten zur Verhinderung von Diskriminierungen Kein Zugriff
        1. 1. Transparenz gegenüber Nutzern, Art. 13 KI-VO-E Kein Zugriff
        2. 2. Transparenz gegenüber Betroffenen, Art. 52 KI-VO-E Kein Zugriff
        3. 3. Transparenz gegenüber Behörden, Art. 64 KI-VO-E Kein Zugriff
        4. 4. Transparenz gegenüber der Öffentlichkeit, Art. 51, 60 KI-VO-E Kein Zugriff
        5. 5. Zwischenergebnis: Informationspflichten Kein Zugriff
      4. IV. Materielle-normative Vorgaben zu Entscheidungsgründen Kein Zugriff
          1. a) Europäischer Ausschuss für Künstliche Intelligenz, Art. 56 ff. KI-VO-E Kein Zugriff
          2. b) Nationale Behörden und Marktüberwachungsbehörden, Art. 59, 63 KI-VO-E Kein Zugriff
        2. 2. Behördliche Kontrollbefugnisse, Art. 63 ff. KI-VO-E Kein Zugriff
        3. 3. Sanktionen, Art. 71 f. KI-VO-E Kein Zugriff
        4. 4. Private Rechtsdurchsetzung Kein Zugriff
        1. 1. Verhältnis zwischen dem KI-VO-E und mitgliedsstaatlichem Recht Kein Zugriff
            1. aa) Dokumentationen und Datenschutz, Art. 11, 12, 20 KI-VO-E Kein Zugriff
            2. bb) Daten-Governance und Datenschutz, Art. 10 Abs. 5 KI-VO-E Kein Zugriff
            3. cc) Innovationsförderung und Datenschutz, Art. 54 Abs. 1 KI-VO-E Kein Zugriff
            1. aa) Recht auf eine menschliche Entscheidung, Art. 22 DS-GVO Kein Zugriff
            2. bb) Haupt-Regelungsadressaten und Risiko-Folgeabschätzungen Kein Zugriff
            3. cc) Zertifizierungen Kein Zugriff
            4. dd) Rechtsdurchsetzung und Sanktionen Kein Zugriff
          1. a) Ergänzungsfunktion des KI-VO-E in technisch-organisatorischer Hinsicht Kein Zugriff
            1. aa) Wissensasymmetrie und Indizienerbringung Kein Zugriff
            2. bb) Gegenbeweis durch Entscheidungsträger Kein Zugriff
            1. aa) Normierung von Organisationspflichten im allgemeinen Teil des AGG Kein Zugriff
            2. bb) Indizwirkung der Dokumentation organisatorischer Maßnahmen Kein Zugriff
      7. VII. Bewertung der KI-Verordnung als taugliches Regulierungsinstrument zur Verhinderung von Diskriminierungen durch algorithmenbasierte Entscheidungssysteme Kein Zugriff
      1. I. Produkthaftungs-Richtlinie Kein Zugriff
        1. 1. Anwendungsbereich und Kohärenz zum KI-VO-E und Prod-Haft-RL-E Kein Zugriff
          1. a) Allgemeines Persönlichkeitsrecht bzw. Nicht-Diskriminierung als Schutzgut Kein Zugriff
          2. b) Anspruchsgrundlagen des AGG als Schadensersatzansprüche im Sinne des KI-Haft-RL-E? Kein Zugriff
          1. a) Voraussetzungen der Offenlegung von Beweismitteln, Art. 3 Abs. 1 – 4 KI-Haft-RL-E Kein Zugriff
          2. b) Vermutung für das Vorliegen eines Sorgfaltspflichtverstoßes, Art. 3 Abs. 5 KI-Haft-RL-E Kein Zugriff
          3. c) Bedeutung der Offenlegung von Beweismitteln im Diskriminierungskontext Kein Zugriff
          4. d) Bedeutung der Vermutung für das Vorliegen eines Sorgfaltspflichtverstoßes im Diskriminierungskontext Kein Zugriff
          1. a) Reichweite der Vermutungswirkung, Art. 4 Abs. 1 KI-Haft-RL-E Kein Zugriff
          2. b) Privilegierung von Anbietern und Nutzer, Art. 4 Abs. 2, Abs. 3 KI-Haft-RL-E Kein Zugriff
          3. c) Bedeutung der Vermutungswirkung im Diskriminierungskontext Kein Zugriff
        5. 5. Kollektive Rechtsdurchsetzung, Art. 6 KI-Haft-RL-E Kein Zugriff
        1. 1. Grundsätzliche Konzeption und Umsetzung Kein Zugriff
          1. a) Abstrakte Vermutungsregel bei Verstoß gegen Organisationspflichten Kein Zugriff
          2. b) Offenlegungspflicht und konkrete Vermutungsregel bei Indizienvortrag Kein Zugriff
    3. C. Zusammenfassung Kapitel 5 Kein Zugriff
    1. A. Resümee und Ausblick Kein Zugriff
    2. B. Zusammenfassung in 60 Thesen Kein Zugriff
  8. Literatur- und Quellenverzeichnis Kein Zugriff 577 - 616

Literaturverzeichnis (699)

  1. Adler, Rasmus/ Becker, Nikolas/Borges, Georg/ Hauer, Marc/Heidrich, Jens/Hilpisch, Sven/Hoffmann, Robert/Junginger, Pauline/Jöckel, Lisa/Kläs, Michael/Krupka, Daniel/Martinez, Lukas/Sesing, Andreas/Zweig, Katharina, Gesellschaft für Informatik (Hrsg.), Abschlussbericht ExamAI – KI Testing und Auditing – Herausforderungen, Lösungsansätze und Handlungsempfehlungen für das Testen, Auditieren und Zertifizieren von KI, Novermber 2021, abrufbar unter gi.de/fileadmin/PR/Testing-AI/Abschlussbericht_ExamAI_-_KI_Testing_und_Auditing.pdf. Google Scholar öffnen
  2. Albrecht, Jan Philipp/Jotzo, Florian, Das neue Datenschutzrecht der EU, Grundlagen – Gesetzgebungsverfahren – Synpose, Baden-Baden 2017. Google Scholar öffnen
  3. AlgorithmWatch, Atlas der Automatisierung - Automatisierte Entscheidungen und Teilhabe in Deutschland, April 2019, abrufbar unter atlas.algorithmwatch.org/wp-content/uploads/2019/07/Atlas_der_Automatisierung_von_AlgorithmWatch.pdf. Google Scholar öffnen
  4. Ali, Muhammad/ Sapiezynski, Piotr/ Bogen, Miranda/Korolova, Aleksandra/Mislove, Alan/Rieke, Aaron, Discrimination through optimization: How Facebook’s ad delivery can lead to skewed outcomes, PACMHCI, 3/2019, Article 199, abrufbar unter doi.org/10.1145/3359301. Google Scholar öffnen
  5. Allport, Gordon W., The nature of prejudice, Boston 1954. Google Scholar öffnen
  6. Antidiskriminierungsstelle des Bundes, Handbuch Rechtlicher Diskriminierungsschutz, Berlin 2016. Google Scholar öffnen
  7. Apel, Simon/Kaulartz, Markus, Rechtlicher Schutz von Machine Learning-Modellen, RDi 2020, 24 – 34. Google Scholar öffnen
  8. Arel, Itamar/Rose, Derek C./Karnowski, Thomas P., Deep Machine Learning – A New Frontier in Artificial Intelligence Research, in CIM (5) 2010, 13 – 18. Google Scholar öffnen
  9. Arendt, Hannah, Über das Böse: Eine Vorlesung zu Fragen der Ethik, München/Zürich 2007, [Erstveröfentlichung 1965] Google Scholar öffnen
  10. Armbrüster, Christian, Kontrahierungszwang im Allgemeinen Gleichbehandlungsgesetz?, NJW 2007, 1494 – 1498. Google Scholar öffnen
  11. Arrieta, Alejandro Barredo/Díaz-Rodríguez, Natalia/Ser, Javier Del/Bennetot, Adrien/Tabik, Siham/Barbado, Alberto/Garcia, Salvador/Gil-Lopez, Sergio/Molina, Daniel/Benjamins, Richard/Chatila, Raja/Herrera, Francisco, Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI, 58 Information Fusion 2020, S. 82 – 115. Google Scholar öffnen
  12. Art. 29-Datenschutzgruppe, WP 136, Stellungnahme 4/2007 zum Begriff „personenbezogene Daten“, 20.06.2007. Google Scholar öffnen
  13. Art. 29-Datenschutzgruppe, WP 216, Stellungnahme 5/2014 zu Anonymisierungstechniken, 10.04.2014. Google Scholar öffnen
  14. Art. 29-Datenschutzgruppe, WP 217, Stellungnahme 06/2014 zum Begriff des berechtigten Interesses des für die Verarbeitung Verantwortlichen gemäß Artikel 7 der Richtlinie 95/46/EG, 09.04.2014. Google Scholar öffnen
  15. Art. 29-Datenschutzgruppe, WP 248, Leitlinien zur Datenschutz-Folgenabschätzung (DSFA) und Beantwortung der Frage, ob eine Verarbeitung im Sinne der Verordnung 2016/679 „wahrscheinlich ein hohes Risiko mit sich bringt“, 04.04.2017. Google Scholar öffnen
  16. Art. 29-Datenschutzgruppe, WP 251, Leitlinien zu automatisierten Entscheidungen im Einzelfall einschließlich Profiling für die Zwecke der Verordnung 2016/679, 3.10.2017. Google Scholar öffnen
  17. Art. 29-Datenschutzgruppe, WP 259, Leitlinien in Bezug auf die Einwilligung gemäß Verordnung 2016/679, 10.4.2018. Google Scholar öffnen
  18. Art. 29-Datenschutzgruppe, WP 260, Leitlinien für Transparenz gemäß der Verordnung 2016/679, 11.04.2018. Google Scholar öffnen
  19. Art. 29-Datenschutzgruppe, Advice paper on special categories of data (“sensitive data”), Ref. Ares (2011) 444105, 4.04.2011. Google Scholar öffnen
  20. Athey, Susan/Catalini, Christian/Tucker, Catherine, The Digital Privacy Paradox: Small Money, Small Costs, Small Talk, Stanford Business Working Paper No. 3498, 2017, abrufbar unter www.gsb.stanford.edu/faculty-research/working-papers/digital-privacy-paradox-small-money-small-costs-small-talk. Google Scholar öffnen
  21. Atrey, Shreya, Comparison in intersectional discrimination, Leg. Stud., 38(3), (2018), 379 – 395. Google Scholar öffnen
  22. Auer-Reinsdorff, Astrid/Conrad, Isabell (Hrsg.), Handbuch IT- und Datenschutzrecht, 3. Aufl., München 2019. Google Scholar öffnen
  23. Auernhammer, Herbert/Eßer, Martin/Kramer, Philipp/Lewinski, Kai von (Hrsg.), DSGVO, BDSG: Datenschutz-Grundverordnung, Bundesdatenschutzgesetz und Nebengesetze: Kommentar, 7. Auflage, Köln 2020, zitiert als Bearbeiter, in: Auernhammer. Google Scholar öffnen
  24. Baars, Grietje, New German Intersex Law: Third Gender but not as we wanted it, Verfassungsblog, 24. August 2018, abrufbar unter verfassungsblog.de/new-german-intersex-law-third-gender-but-not-as-we-want-it. Google Scholar öffnen
  25. Baer, Susanne, Dignity, Liberty, Equality: A Fundamental Rights Triangle Of Constitutionalism, U. of Toronto L. J. 59 (2009) 4, S. 417 – 468. Google Scholar öffnen
  26. Baer, Susanne, Würde oder Gleichheit, Baden-Baden 1995. Google Scholar öffnen
  27. Barnard, Catherine/Hepple, Bob, Substantive Equality, 59 CLJ (2000), 562 – 585. Google Scholar öffnen
  28. Barocas, Solon/Hardt, Moritz/Narayanan, Arvind, Fairness and Machine Learning - Limitations and Opportunities, Cambridge 2019. Google Scholar öffnen
  29. Barocas, Solon/Nissenbaum, Helen, Big Data´s End Run around Anonymity and Consent, in: Lane, Julia/Stodden, Victoria/Bender, Stefan/Nissenbaum, Helen (Hrsg.), Privacy, Big Data and the Public Good – Framework for Engagements, 2014, S. 44 – 75. Google Scholar öffnen
  30. Barocas, Solon/Selbst, Andrew D., Big Data’s Disparate Impact, 104 Calif. L. Rev., 2016, S. 671 – 732. Google Scholar öffnen
  31. Barth, Armin P., Algorithmen für Einsteiger, 2. Auflage, Wiesbaden 2013. Google Scholar öffnen
  32. Bauckhage, Christian/Fürnkranz, Johannes/Paaß, Gerhard, Vertrauenswürdiges, transparentes und robustes Maschinelles Lernen, in: Görz, Günther/Schmid, Ute/Braun, Tanya (Hrsg.), Handbuch der Künstlichen Intelligenz, 6. Aufl. 2021, S. 571 ff., 6. Aufl. 2021, S. 571 – 600. Google Scholar öffnen
  33. Bauer, Matthias, Das Recht des technischen Produkts, Wiesbaden 2018. Google Scholar öffnen
  34. Bauer, Jobst-Hubertus/Evers, Malte, Schadensersatz und Entschädigung bei Diskriminierung - Ein Fass ohne Boden?, NZA 2006, 893 – 898. Google Scholar öffnen
  35. Bauer, Jobst-Hubertus/Krieger, Steffen/Günther, Jens, Allgemeines Gleichbehandlungsgesetz und Entgelttransparenzgesetz, 5. Auflage, München 2018. Google Scholar öffnen
  36. Baumgärtel, Gottfried/Laumen, Hans-Willi/Prütting, Hans, Handbuch der Beweislast, Band 1. – Grundlagen, 4. Auflage, Köln 2019. Google Scholar öffnen
  37. Bayreuther, Frank, „Quotenbeweis” im Diskriminierungsrecht?, NJW 2009, 806 – 810. Google Scholar öffnen
  38. Bayreuther, Frank, Drittbezogene und hypothetische Diskriminierungen, NZA 2008, 986 – 990. Google Scholar öffnen
  39. Beck, Susanne, Grundwald, Armin, Jacob, Kai, Matzner, Tobias, Künstliche Intelligenz und Diskriminierung, Herausforderungen und Lösungsansätze, Lernende Systeme – Die Plattform für Künstliche Intelligenz, München 2019, zitiert als Beck et al., Künstliche Intelligenz und Diskriminierung. Google Scholar öffnen
  40. Becker, Gary Stanley, The Economics of Discrimination, 2. Auflage, Chicago 1971. Google Scholar öffnen
  41. Beigang, Steffen/ Boll, Friederike/ Egenberger, Vera/ Hahn, Lisa/ Leidinger, Andreas/Tischbirek, Alexander/ Tuner, Defne, Möglichkeiten der Rechtsdurchsetzung des Diskriminierungsschutzes bei der Begründung, Durchführung und Beendigung zivilrechtlicher Schuldverhältnisse – Bestandsaufnahme, Alternativen und Weiterentwicklung, Antidiskriminierungsstelle des Bundes, Februar 2021, zitiert als Beigang et al., Rechtsdurchsetzung des Diskriminierungsschutzes. Google Scholar öffnen
  42. Bendiek, Annegret/Stuerzer, Isabella, The Brussels Effect, European Regulatory Power and Political Capital: Evidence for Mutually Reinforcing Internal and External Dimensions of the Brussels Effect from the European Digital Policy Debate, Digital Society, (2) 2023, No. 5. Google Scholar öffnen
  43. Benkard, Georg, Patentgesetz, 11. Auflage, München 2015. Google Scholar öffnen
  44. Bent, Jason R., Is Algorithmic Affirmative Action Legal? 108 GLJ (2020), 803 – 853. Google Scholar öffnen
  45. Berendt, Bettina, The AI Act Proposal: Towards the next transparency fallacy? in: BMUV/Rostalski, Frauke (Hrsg.), Künstliche Intelligenz, Tübingen 2022, S. 31 – 51. Google Scholar öffnen
  46. Berghahn, Sabine/Egenberger, Vera/Klapp, Micha/Klose, Alexander/Liebscher, Doris/Supik, Lindav/Tischbirek, Alexander, Evaluation des Allgemeinen Gleichbehandlungsgesetzes, Antidiskriminierungsstelle des Bundes, Berlin 2016, zitiert als: Berghahn et al., Evaluation des AGG. Google Scholar öffnen
  47. Berk, Richard/Heidari, Hoda/Jabbari, Shahin/Kearns, Michael/Roth, Aaron, Fairness in Criminal Justice Risk Assessments: The State of the Art, 50 SMR 2021, 3 – 44. Google Scholar öffnen
  48. Bielefeld, Heiner, Das Diskriminierungsverbot als Menschenrechtsprinzip, in: Hormel, Ulrike/Scherr, Albert (Hrsg.), Diskriminierung – Grundlagen und Forschungsergebnisse, Wiesbaden 2010, S. 21 – 34. Google Scholar öffnen
  49. Binns, Ruben, Fairness in machine learning: Lessons from political philosophy, In Conference on Fairness, Accountability and Transparency, Proceedings of Machine Learning Research 2018, S. 149 – 159, abrufbar unter proceedings.mlr.press/v81/binns18a/binns18a.pdf. Google Scholar öffnen
  50. Binns, Reuben, On the Apparent Conflict Between Individual and Group Fairness, In Conference on Fairness, Accountability, and Transparency, Proceedings of Machine Learning Research, 2020, S. 514 – 524, abrufbar unter doi.org/10.1145/3351095.3372864. Google Scholar öffnen
  51. Bitkom/DFKI, Künstliche Intelligenz: Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung, 2017, abrufbar unter www.dfki.de/fileadmin/user_upload/import/9744_171012-KI-Gipfelpapier-online.pdf, zitiert als: Bitkom/DFKI, Künstliche Intelligenz. Google Scholar öffnen
  52. Bitter, Till/Buchmüller, Christoph/Uecker, Philip, Datenschutzrecht, in: Hoeren (Hrsg.), Big Data und Recht, München 2014, S. 58 – 93. Google Scholar öffnen
  53. Blasek, Katrin, Auskunfteiwesen und Kreditscoring in unruhigem Fahrwasser. Ein Spagat zwischen Individualschutz und Rechtssicherheit, ZD 2022, 433 – 438. Google Scholar öffnen
  54. Blum, Benjamin, People Analytics: eine datenschutzrechtliche Betrachtung moderner Einsatzszenarien für automatisierte, datenbasierte Entscheidungen, Baden-Baden 2021. Google Scholar öffnen
  55. Blumenwitz, Dieter/Gornig, Gilbert H./Murswiek, Dietrich, Die Europäische Union als Wertegemeinschaft, Berlin 2005. Google Scholar öffnen
  56. Boehme-Neßler, Volker, Das Ende der Anonymität – Wie Big Data das Datenschutzrecht verändert, DuD, 2016, 419 – 423. Google Scholar öffnen
  57. Bogen, Miranda/Rieke, Aaron, Help wanted – An examination of hiring algorithms, equity, and bias, Washington 2018, abrufbar unter apo.org.au/node/210071. Google Scholar öffnen
  58. Bomhard, David/Merkle, Marieke, Europäische KI-Verordnung – Der aktuelle Kommissionsentwurf und praktische Auswirkungen, RDi 2021, 276 – 283. Google Scholar öffnen
  59. Bomhard, David/Siglmüller, Jonas, Europäische KI-Haftungsrichtlinie, der aktuelle Kommissionsentwurf und seine praktischen Auswirkungen, RDi 2022, 506 – 513. Google Scholar öffnen
  60. Borges, Georg, Potenziale von Künstlicher Intelligenz mit Blick auf das Datenschutzrecht, Stiftung Datenschutz, 2021, abrufbar unter stiftungdatenschutz.org/fileadmin/Redaktion/Dokumente/Gutachten-Studien/Stiftung-Datenschutz_Gutachten-Georg-Borges-Potenziale-Kuenstliche-Intelligenz-Datenschutzrecht-2021-12.pdf. Google Scholar öffnen
  61. Borges, Georg/Grabmair, Matthias/Krupka, Daniel/Schäfer, Burkhard/Schweighofer, Erich/Sorge, Christoph/Waltl, Bernhard (Gesellschaft für Informatik), Technische und rechtliche Betrachtung algorithmischer Entscheidungsverfahren, Studien und Gutachten im Auftrag des Sachverständigenrats für Verbraucherfragen, Berlin 2018, zitiert als: Gesellschaft für Informatik, Algorithmische Entscheidungsverfahren. Google Scholar öffnen
  62. Borges, Georg/Hilber, Marc (Hrsg.), BeckOK IT-Recht, 9. Edition Stand: 01.01.2023, München 2023, zitiert als BeckOK IT-Recht. Google Scholar öffnen
  63. Borgesius, Frederik Zuiderveen, Discrimination, artificial intelligence, and algorithmic decision-making, Council of Europe, Directorate General of Democracy, 2018, abrufbar unter rm.coe.int/discrimination-artificial-intelligence-and-algorithmic-decision- making/1680925d73. Google Scholar öffnen
  64. Borgesius, Frederik Zuiderveen, Strengthening legal protection against discrimination by algorithms and artificial intelligence, 24 Int. J. Hum. Rights, 2020, 1572 – 1593. Google Scholar öffnen
  65. Borgesius, Frederik Zuiderveen/Möller, Judith/Kruikemeier, Sanne/Fathaigh, Ronan Ó./Irion, Kristin/ Dobber, Tom/Bodo, Balazs /De Vreese, Claes, Online political microtargeting: promises and threats for democracy, Utr. L. Rev. 14 (2018), 82 – 96. Google Scholar öffnen
  66. Born, Tobias, Bonitätsprüfungen im Online-Handel - Scorewert-basierte automatisierte Entscheidung über das Angebot von Zahlungsmöglichkeiten, ZD 2015, 66 – 72. Google Scholar öffnen
  67. Botta, Jonas, Die Förderung innovativer KI-Systeme in der EU, ZfDR 2022, 391 – 412. Google Scholar öffnen
  68. Boyd, Danah/Crawford, Kate, Critical questions for big data, ICS 15 (2012), 662 – 679. Google Scholar öffnen
  69. Bradford, Anu, The Brussels Effect, 107 Nw. U. L. Rev. (1), 2012, Columbia Law and Economics Working Paper No. 533. Google Scholar öffnen
  70. Bradford, Anu, The Brussels Effect – How Europe Rules the World, Oxford 2020. Google Scholar öffnen
  71. Braegelmann, Tom, Datenmangel, Jura und XAI: Produziert das Rechtssystem genug Daten für die Entwicklung juristischer und erklärbarer künstlicher Intelligenz?, Rethinking Law 1/2019, 22 – 23. Google Scholar öffnen
  72. Brand, Oliver, Zulässigkeit und Ausgestaltung von Telematiktarifen, VersR 2019, 725 – 736. Google Scholar öffnen
  73. Braunroth, Anna, Die zivilprozessuale Musterfeststellungsklage – ein Instrument zur kollektiven Durchsetzung des AGG?, VuR 2018, 455 – 461. Google Scholar öffnen
  74. Bräutigam, Peter/Kraul, Thorsten, Internet of Things, München 2021. Google Scholar öffnen
  75. Breiman, Leo, Classification and regression trees, New York 1984. Google Scholar öffnen
  76. Britz, Gabriele, Einzelfallgerechtigkeit versus Generalisierung – Verfassungsrechtliche Grenzen statistischer Diskriminierung, Tübingen 2008. Google Scholar öffnen
  77. Bronner, Pascal/Ziegler, Nicolas, Der Entwurf einer neuen Produkthaftungsrichtlinie: Schub in die digitale Zeit!, jurisPR-ITR 1/2023 Anm. 2. Google Scholar öffnen
  78. BSA – The Software Alliance, Confronting Bias: BSA’s Framework to Build Trust in AI, 2021, abrufbar unter ai.bsa.org/wp-content/uploads/2021/06/2021bsaaibias.pdf. Google Scholar öffnen
  79. Buchner, Benedikt, Auskunfteien – alte Herausforderungen, neue Lösungsansätze?, in: Specht-Riemenschneider, Louisa/Buchner, Benedikt/Heinze, Christian/Thomsen, Oliver (Hrsg.), IT-Recht in Wissenschaft und Praxis, Festschrift für Jürgen Taeger, Frankfurt am Main 2020, S. 95 – 109. Google Scholar öffnen
  80. Bundesregierung, Zweiter Gleichstellungsbericht der Bundesregierung, 2017, BT-Ds. 18/12840. Google Scholar öffnen
  81. Bundesregierung, Dritter Gleichstellungsbericht der Bundesregierung, 2021, BT-Drs. 19/30750. Google Scholar öffnen
  82. Bundesregierung, Strategie Künstliche Intelligenz der Bundesregierung, Stand November 2018, abrufbar unter Google Scholar öffnen
  83. www.bundesregierung.de/breg-de/service/publikationen/strategie-kuenstliche-intelligenz-der-bundesregierung-2018-1551264. Google Scholar öffnen
  84. Buolamwini, Joy/Gebru, Timnit, Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification, 81 PMLR 2018, 1 – 15. Google Scholar öffnen
  85. Burghin, Jacques/Seong, Jeongmin/Manyika, James/Chui, Michael/Joshil, Raoul, McKinsey Global Institute, Notes from the AI frontier: Modeling the impact of AI on the world economy, 2018, abrufbar unter www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy#/. Google Scholar öffnen
  86. Burtscher, Bernhard, DSGVO und immaterielle Schäden: erste internationale Entwicklungen, ZEuP 2021, 698 – 711. Google Scholar öffnen
  87. Busch, Christoph, Algorithmic Accountability, ABIDA – Assessing Big Data, 2018, abrufbar unter www.abida.de/sites/default/files/ABIDA%20Gutachten%20Algorithmic%20Accountability.pdf. Google Scholar öffnen
  88. Buxmann, Peter/Schmidt, Holger, Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens, in: dies (Hrsg.), Künstliche Intelligenz, Berlin 2019, S. 3 – 19. Google Scholar öffnen
  89. Buxmann, Peter/Schmidt, Holger, Ökonomische Effekte der Künstlichen Intelligenz, in: dies (Hrsg.), Künstliche Intelligenz, Berlin 2019, S. 27 – 39. Google Scholar öffnen
  90. Calders, Toon/Verwer, Sicco, Three Naïve Bayes Approaches for Discrimination-Free Classification, 21 DMKD 2010, 277 – 292. Google Scholar öffnen
  91. Calders, Toon/Zliobaite, Indree, Why unbiased computional processes can lead to discriminative decision procedures, 2013, in: Custers, Bart/Calders, Toon/Schermer, Bart, Discrimination and Privacy in the Information Society: Data Mining and Profiling in Large Databases, Berlin 2013, S. 43 – 57. Google Scholar öffnen
  92. Calliess, Christian/Ruffert, Mathias, EUV/AEUV – Das Verfassungsrecht der Europäischen Union, mit Europäischer Grundrechtecharta, 6. Auflage, München 2022. Google Scholar öffnen
  93. Canaris, Claus-Wilhelm, Die Bedeutung der iustitia distributiva im deutschen Vertragsrecht, München 1997. Google Scholar öffnen
  94. Chouldechova, Alexandra, Fair prediction with disparate impact: A study of bias in recidivism prediction instruments, FATML 2016, abrufbar unter doi.org/10.48550/arXiv.1610.07524. Google Scholar öffnen
  95. Christen, Markus/Mader, Clemens/Čas, Johann/Abou-Chadi, Tarik/Bernstein, Abraham/ Braun Binder, Nadja/Dell’ Aglio, Daniele/Fábián, Luca/Geroge, Damian/Gohdes, Anita/Hilty, Lorenz/Kneer, Markus/Krieger-Lamina, Jaro/Licht, Hauke/Scherer, Anne/Som, Claudia/Sutter, Pascal/Thouvenin, Flaurent, Wenn Algorithmen für uns entscheiden: Chancen und Risiken der künstlichen Intelligenz, TA-SWISS Publikationsreihe, Zürich 2020. Google Scholar öffnen
  96. Cobbe, Jennifer/Lee, Michelle Seng Ah/Singh, Jatinder, Reviewable Automated Decision-Making: A Framework for Accountable Algorithmic Systems, FAccT 2021, 598 – 609. Google Scholar öffnen
  97. Collins, Hugh/Khaitan, Tarunabh, Indirect discrimination law: controversies and critical questions, in: dies., Foundations of Indirect Discrimination Law, 2018. Google Scholar öffnen
  98. Conrad, Sebastian Conrad, Künstliche Intelligenz – Die Risiken für den Datenschutz, DuD 2017, 740 – 744. Google Scholar öffnen
  99. Conrad, Sebastian Conrad, Künstliche Intelligenz und die DSGVO – Ausgewählte Problemstellungen K&R 2018, 741 – 746. Google Scholar öffnen
  100. Corbett-Davies, Sam/Pierson, Emma/Feller, Avi/Goel, Sharad/Huq, Aziz, Algorithmic decision making and the cost of fairness, KDD 2017, S. 797 – 806. Google Scholar öffnen
  101. Crawford, Kate/Whittaker, Meredith, The AI Now Report. The Social and Economic Implications of Artificial Intelligence Technologies in the Near-Term, 2016, abrufbar unter artificialintelligencenow.com/media/documents/AINowSummaryReport_3.pdf. Google Scholar öffnen
  102. Crenshaw, Kimberle, Demarginalizing the Intersection of Race and Sex: A Black Feminist Critique of Antidiscrimination Doctrine, Feminist Theory and Antiracist Politics, 140 The University of Chicago Legal Forum, 1989, S. 139 – 167. Google Scholar öffnen
  103. Culik, Nicolai/Döpke, Christian, Zweckbindungsgrundsatz gegen unkontrollierten Einsatz von Big Data-Anwendungen, ZD 2017, 226 – 229. Google Scholar öffnen
  104. Custers, Bart, Data Dilemmas in the Information Society: Introduction and Overview, in: Custers/Calders/Schermer, Discrimination and Privacy in the Information Society, Berlin 2013, S. 3 – 26. Google Scholar öffnen
  105. Custers, Bart/Calders Toon/Zarsky, Tal/Schermer, Bart, The Way Forward, in: Custers/Calders/Schermer, Discrimination and Privacy in the Information Society, Berlin 2013, S. 341 – 357. Google Scholar öffnen
  106. Czeszak, Lukas, Kein Bonus-Hopping mehr wegen Schufa-Eintrag – neues Geschäftsfeld für Auskunfteien?, ZD-Aktuell 2020, 07410. Google Scholar öffnen
  107. Dahlmann, Anja/Dickow, Marcel, Präventive Regulierung autonomer Waffensysteme, Stiftung Wissenschaft und Politik, Deutsches Institut für Internationale Politik und Sicherheit, Berlin 2019, abrufbar unter www.swp-berlin.org/fileadmin/contents/products/studien/2019S01_dkw_dnn.pdf. Google Scholar öffnen
  108. Danziger, Shai/Levav, Jonathan/Avnaim-Pesso, Liora, Extraneous factors in judicial decisions, 108 PNAS (2011), 6889 – 6892. Google Scholar öffnen
  109. Datenethikkommission, Gutachten der Datenethikkommission, 23.10.2019, abrufbar unter www.bmi.bund.de/SharedDocs/downloads/DE/publikationen/themen/it-digitalpolitik/gutachten-datenethikkommission.html. Google Scholar öffnen
  110. Datenschutzkonferenz, Hambacher Erklärung zur Künstlichen Intelligenz, Entschließung der 97. Konferenz der unabhängigen Datenschutzaufsichtsbehörden des Bundes und der Länder, Hambacher Schloss, 3. April 2019, abrufbar unter www.datenschutzkonferenz-online.de/media/en/20190405_hambacher_erklaerung.pdf. Google Scholar öffnen
  111. Datenschutzkonferenz, Positionspapier der DSK zu empfohlenen technischen und organisatorischen Maßnahmen bei der Entwicklung und dem Betrieb von KI-Systemen, Stand: 06.11.2019, abrufbar unter www.datenschutzkonferenz-online.de/media/en/20191106_positionspapier_kuenstliche_intelligenz.pdf. Google Scholar öffnen
  112. Datenschutzkonferenz, Kurzpapier 18 – Risiko für die Rechte und Freiheiten natürlicher Personen, abrufbar unter www.datenschutzkonferenz-online.de/media/kp/dsk_kpnr_18.pdf. Google Scholar öffnen
  113. Datenschutzkonferenz, Beschl. v. 23.03.2018, Einmeldung offener und unbestrittener Forderungen in eine Wirtschaftsauskunftei unter Geltung der DS-GVO, datenschutzkonferenz-online.de/media/dskb/20180323_dskb_einmeldungen.pdf. Google Scholar öffnen
  114. Datenschutzkonferenz, Orientierungshilfe der Aufsichtsbehörden für Anbieter von Telemedien, 01. Dezember 2021, abrufbar unter www.datenschutzkonferenz-online.de/media/oh/20221205_oh_Telemedien_2021_Version_1_1_Vorlage_104_DSK_final.pdf Google Scholar öffnen
  115. Datenschutzkonferenz, Beschluss der DSK vom 15.03.2021, Energieversorgerpool darf nicht zu gläsernen Verbraucher*innen führen, abrufbar unter www.datenschutz.saarland.de/fileadmin/user_upload/uds/datenschutz/dsk_beschluesse/2021/Beschluss-Energieversorgerpool_final.pdf. Google Scholar öffnen
  116. Datenschutzkonferenz, Liste der Verarbeitungstätigkeiten, für die eine DSFA durchzuführen ist, www.datenschutzkonferenz-online.de/media/ah/20181017_ah_DSK_DSFA_Muss-Liste_Version_1.1_Deutsch.pdf. Google Scholar öffnen
  117. Datta, Amit/Tschantz, Michael Carl/Datta, Anupam, Automated experiments on ad privacy settings: A tale of opacity, choice, and discrimination, PoPETs 2015(1), 92 – 112. Google Scholar öffnen
  118. Däubler, Wolfgang/Beck, Thorsten, Allgemeines Gleichbehandlungsgesetz, 5. Auflage 2022. Google Scholar öffnen
  119. Däubler, Wolfgang/Wedde, Peter/Weichert, Thilo/Sommer, Imke, EU-Datenschutz-Grundverordnung und BDSG-neu, 2. aktualisierte Auflage, Frankfurt am Main 2020. Google Scholar öffnen
  120. Dauner-Lieb, Barbara/Langen, Werner, BGB – Schuldrecht, Band 2, §§ 241 – 853, 4. Auflage, Baden-Baden 2021, zitiert als NK-BGB. Google Scholar öffnen
  121. De Gregorio, Giovanni, The rise of digital constitutionalism in the European Union, 19(1) Int. J. Const. L. (2021), 41 – 70. Google Scholar öffnen
  122. De Vos, Marc, The European Court of Justice and the March Towards Substantive Equality in European Union Anti-discrimination Law, 20 Int. J. of Discr. & L. 2020, 62 – 87. Google Scholar öffnen
  123. Deutscher Ethikrat, Mensch und Maschine – Herausforderungen durch Künstliche Intelligenz, 2023, abrufbar unter www.ethikrat.org/fileadmin/Publikationen/Stellungnahmen/deutsch/stellungnahme-mensch-und-maschine.pdf. Google Scholar öffnen
  124. Diakopoulos, Nicholas, Accountability in Algorithmic Decision Making, Communications of the ACM, February 2016, Vol. 59 No. 2, Pages 56 – 62. Google Scholar öffnen
  125. Diller, Martin, Einstellungsdiskriminierung durch Dritte Im Irrgarten von Entschädigung, Auskunft, einstweiliger Verfügung, Ausschlussfrist und Rechtsweg, NZA 2007, 649 – 653. Google Scholar öffnen
  126. Djeffal, Christian, Art. 22 DSGVO als sozio-technische Gestaltungsnorm – Eine Neuinterpretation der Regelung von automatisierten Entscheidungen, DuD 2021, 529 – 533. Google Scholar öffnen
  127. Drechsler, Jörg/Jentzsch, Nicola, Synthetische Daten – Innovationspotential und gesellschaftliche Herausforderungen, Stiftung neue Verantwortung, 2018, abrufbar unter www.stiftung-nv.de/sites/default/files/synthetische_daten.pdf. Google Scholar öffnen
  128. Dreier, Thomas/Schulze, Gernot (Hrsg.), Urheberrechtsgesetz, 7. Auflage, München 2022. Google Scholar öffnen
  129. Dreyer, Stephan, Predictive Analytics aus der Perspektive von Menschenwürde und Autonomie, in: Hofmann-Riem, Wolfgang (Hrsg.), Big Data – Regulative Herausforderungen, Baden-Baden 2018, S. 135 – 144. Google Scholar öffnen
  130. Dürig, Günter/Herzog, Roman/Scholz, Rupert, Grundgesetz Kommentar, 99. EL September, München 2022. Google Scholar öffnen
  131. Dutta, Anatol/Fornasier, Matteo, Jenseits von männlich und weiblich – Menschen mit Varianten der Geschlechtsentwicklung im Arbeitsrecht und öffentlichen Dienstrecht des Bundes, Studie im Auftrag der Antidiskriminierungsstelle des Bundes, 2020, abrufbar unter www.antidiskriminierungsstelle.de/SharedDocs/downloads/DE/publikationen/Rechtsgutachten/jenseits_von_maennlich_und_weiblich.html. Google Scholar öffnen
  132. Dwork, Cynthia/Hardt, Moritz/Pitassi, Toniann/ Reingold, Omer/Zemel, Rich, Fairness through awareness, ITCS 2012, 214 – 226. Google Scholar öffnen
  133. Dwork, Cynthia/Roth, Aaron, The Algorithmic Foundations of Differential Privacy, 9(3) Found. Trends Theor. Comput. Sci. 2014, 211 – 407. Google Scholar öffnen
  134. Dzida, Boris/Groh, Naemi, Diskriminierung nach dem AGG beim Einsatz von Algorithmen im Bewerbungsverfahren, NJW 2018, 1917 – 1922. Google Scholar öffnen
  135. Ebers, Martin, Standardisierung Künstlicher Intelligenz und KI-Verordnungsvorschlag, RDi 2021, 588 – 597. Google Scholar öffnen
  136. Ebers, Martin, Regulierung von KI und Robotik, in: Ebers, Martin/Heinze, Christian/Krügel, Tina/Steinrötter, Björn (Hrsg), Rechtshandbuch Künstliche Intelligenz und Robotik, 1. Auflage, München 2020, S. 75 – 137. Google Scholar öffnen
  137. Ebers, Martin/Hoch, Veronica/Rosenkranz, Frank/Ruschemeier Hannah/Steinrötter, Björn, Der Entwurf für eine EU-KI Verordnung: Richtige Richtung mit Optimierungsbedarf, RDi 2021, 528 – 537. Google Scholar öffnen
  138. Ebers, Martin/Hoch, Veronica/Rosenkranz, Frank/Ruschemeier Hannah/Steinrötter, Björn, The European Commission’s Proposal for an Artificial Intelligence Act—A Critical Assessment by Members of the Robotics and AI Law Society (RAILS), 4(4) MSJ 2021, 589 – 603. Google Scholar öffnen
  139. Ebert, Andreas/Spiecker gen. Döhmann, Indra, Der Kommissionsentwurf für eine KI-Verordnung der EU – Die EU als Trendsetter weltweiter KI-Regulierung, NVwZ 2021, 1188 – 1193. Google Scholar öffnen
  140. Edwards, Lilian/Veale, Michael, Slave to the Algorithm? Why a 'Right to an Explanation' is probably not the remedy you are looking for; 16 Duke L. & Tech. Rev. 2017, 18 – 84. Google Scholar öffnen
  141. Ehmann, Eugen/Selmayr, Martin (Hrsg.), Datenschutzgrundverordnung, 2. Auflage 2018. Google Scholar öffnen
  142. Eichelberger, Jan, Zivilrechtliche Haftung für KI und smarte Robotik, in: Ebers, Martin/Heinze, Christian/Krügel, Tina/Steinrötter, Björn (Hrsg.), Rechtshandbuch Künstliche Intelligenz und Robotik, 1. Auflage, München 2020, S. 172 – 201. Google Scholar öffnen
  143. Eichelberger, Jan, Der Vorschlag einer „Richtlinie über KI-Haftung“, DB 2022, 2783 – 2789. Google Scholar öffnen
  144. Eichler, Carolyn, Zulässigkeit der Tätigkeit von Auskunfteien nach der DS-GVO, RDV 2017, 10 – 12. Google Scholar öffnen
  145. Ellis, Evelyn/Watson, Phillipa, EU Anti-Discrimination Law, Oxford 2012. Google Scholar öffnen
  146. Enders, Peter, Einsatz künstlicher Intelligenz bei juristischer Entscheidungsfindung, JA 2018, 721 – 727. Google Scholar öffnen
  147. Engeler, Malte, Das überschätzte Kopplungsverbot – Die Bedeutung des Art. 7 Abs. 4 DS-GVO in Vertragsverhältnissen, ZD 2018, 55 – 62. Google Scholar öffnen
  148. Engelmann, Christoph/Brunotte, Nico/Lütkens, Hanna, Regulierung von Legal Tech durch die KI-Verordnung, RDi 2021, 317 – 323. Google Scholar öffnen
  149. Enquete-Kommission Künstliche Intelligenz des deutschen Bundestages, Gesellschaftliche Verantwortung und wirtschaftliche, soziale und ökologische Potenziale, Abschlussbericht BT-Drs. 19/23700, Unterrichtung der Enquete-Kommission Künstliche Intelligenz. Google Scholar öffnen
  150. Epping, Volker/Hillgruber, Christian, BeckOK Grundgesetz, 54. Edition Stand: 15.02.2023, München 2023, zitiert als BeckOKGG. Google Scholar öffnen
  151. Erman, Bürgerliches Gesetzbuch, Handkommentar, Westermann, Harm Peter/Grunewald, Barbara/Maier-Reimer, Georg, 16. Auflage, Köln 2020. Google Scholar öffnen
  152. Ertel, Wolfgang, Grundkurs Künstliche Intelligenz, 4. Auflage, Wiesbaden 2016. Google Scholar öffnen
  153. Ernst, Christian, Algorithmische Entscheidungsfindung und personenbezogene Daten, JZ 2017, S. 1026 – 1036. Google Scholar öffnen
  154. Eschenbach, Warren J. von, Transparency and the Black Box Problem: Why We Do Not Trust AI, Philosophy and Technology P&T 34 (2021), 1607 – 1622. Google Scholar öffnen
  155. Eschholz, Stefanie, Big Data-Scoring unter dem Einfluss der Datenschutz-Grundverordnung, DuD 2017, S. 180 – 185. Google Scholar öffnen
  156. Eubanks, Virginia, Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor, New York 2018. Google Scholar öffnen
  157. Europäischer Datenschutzausschuss, Leitlinien 2/2019 für die Verarbeitung personenbezogener Daten gemäß Artikel 6 Absatz 1 Buchstabe b DSGVO im Zusammenhang mit der Erbringung von Online-Diensten für betroffene Personen, Version 2.0, 08.10.2019. Google Scholar öffnen
  158. Europäischer Datenschutzausschuss, Leitlinien 4/2019 zu Artikel 25 Datenschutz durch Technikgestaltung und durch datenschutzfreundliche Voreinstellungen, Version 2.0, 20.10.2020. Google Scholar öffnen
  159. Europäischer Datenschutzausschuss, Leitlinien 05/2020 zur Einwilligung gemäß Verordnung 2016/679, Version 1.1, 04.05.2020. Google Scholar öffnen
  160. Europäischer Datenschutzausschuss, Leitlinien 07/2020 zu den Begriffen „Verantwortlicher“ und „Auftragsverarbeiter“ in der DSGVO, Version 2.0, 07.07.2021. Google Scholar öffnen
  161. Europäischer Datenschutzausschuss, Guidelines 04/2022 on the calculation of administrative fines under the GDPR, 12.05.2022. Google Scholar öffnen
  162. Europäischer Datenschutzausschuss, Stellungnahme 28/2022 zu den Europrivacy-Zertifizierungskriterien in Bezug auf ihre Genehmigung als Europäisches Datenschutzsiegel durch den Ausschuss gemäß Artikel 42 Absatz 5 (DSGVO), 10.10.2022. Google Scholar öffnen
  163. Europäischer Datenschutzausschuss/Europäischer Datenschutzbeauftragter, Gemeinsame Stellungnahme 5/2021 zum Vorschlag für eine Verordnung des Europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Gesetz über künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union. Google Scholar öffnen
  164. Europäischer Datenschutzbeauftragter, Stellungnahme 4/2020 – Stellungnahme des EDSB zum Weißbuch der Europäischen Kommission „Zur Künstlichen Intelligenz – ein europäisches Konzept für Exzellenz und Vertrauen“, 2020. Google Scholar öffnen
  165. Europäische Kommission, Directorate-General for Justice and Consumers, Liability for artificial intelligence and other emerging digital technologies, Publications Office, 2019, data.europa.eu/doi/10.2838/573689. Google Scholar öffnen
  166. Europäische Kommission, Weissbuch – Zur Künstlichen Intelligenz – ein europäisches Konzept für Exzellenz und Vertrauen, COM(2020) 65 final, 19.2.2020. Google Scholar öffnen
  167. Europäische Kommission, Mitteilung der Kommission, Künstliche Intelligenz für Europa, COM/2018/237 final. Google Scholar öffnen
  168. Europäische Kommission, Accompanying the Proposal for a Regulation of the European Parliament and of the Council Laying down Harmonized Rules on Artificial Intelligence (Artificial Intelligence Act) and amending certain Union Legislative Acts, SWD(2021) 84, final. Google Scholar öffnen
  169. Europäisches Parlament, Voss, Axel, Draft Report on artificial intelligence in a digital age (2020/2266(INI)), Special Committee on Artificial Intelligence in a Digital Age, 2.11.2021. Google Scholar öffnen
  170. European Union Agency for Fundamental Rights and Council of Europe, Handbook on European non-discrimination law, Luxembourg 2018. Google Scholar öffnen
  171. European Union Agency for Network and Information Security, Privacy by design in big data, An overview of privacy enhancing technologies in the era of big data analytics, Iraklio, Griechenland 2015. Google Scholar öffnen
  172. Farkas, Lilla/O’Farrell, Orlagh, Reversing the burden of proof: Practical dilemmas at the European and national level, European Commission, Directorate-General for Justice and Consumers, 2014, abrufbar unter dx.publications.europa.eu/10.2838/05358. Google Scholar öffnen
  173. Fehling, Michael/Schliesky, Utz, Neue Macht- und Verantwortungsstrukturen in der digitalen Welt, München 2016. Google Scholar öffnen
  174. Feldmann, Doris/Hoffmann, Jochen/Keilhauer, Annette/Liebold, Renate, „Rasse“ und „ethnische Herkunft“ als Merkmale des AGG, RW 1 (2018), 23 – 46. Google Scholar öffnen
  175. Feldhusen, Claire, Kreditwürdigkeitsprüfung: Wieviel Würdigung erlaubt die Prüfung nach Erlass der Immobiliar-Kreditwürdigkeitsprüfleitlinien-Verordnung?, WM 2019, 97 – 107. Google Scholar öffnen
  176. Fischer, Thomas, Diskriminierung durch Dritte bei der Bewerberauswahl, NJW 2009, 3547 – 3550. Google Scholar öffnen
  177. Fiss, Owen M., Groups and the equal protection clause, 5 Phil. Pub. Aff. (1976), 107 – 177. Google Scholar öffnen
  178. Floridi, Luciano, The European Legislation on AI: a Brief Analysis of its Philosophical Approach, P&T 34 (2021), 215 – 222. Google Scholar öffnen
  179. Flume, Werner, Allgemeiner Teil des Bürgerlichen Rechts. Zweiter Band: Das Rechtsgeschäft, Berlin, Heidelberg 1965. Google Scholar öffnen
  180. Franken, Swetlana, Personal: Diversity Management, Berlin 2015. Google Scholar öffnen
  181. Franzen, Martin/Gallner, Inken/Oetker Hartmut, Kommentar zum europäischen Arbeitsrecht, 4. Auflage, München 2022. Google Scholar öffnen
  182. Fredman, Sandra, Substantive Equality Revisited, 14 Int. J. Const. L. (2016), 712 – 738. Google Scholar öffnen
  183. Freyler, Carmen, Robot-Recruiting, Künstliche Intelligenz und das Antidiskriminierungsrecht, NZA 2020, 284 – 290. Google Scholar öffnen
  184. Friedler, Sorelle/Scheidegger, Carlos/Venkatasubramanian, Suresh, The (Im)possibility of Fairness: Different Value Systems Require Different Mechanisms For Fair Decision Making, 64 ACM (2021), 136 – 143. Google Scholar öffnen
  185. Friedman, Batya/Nissenbaum Helen, Bias in Computer Systems, 14 TOIS 1996, 330 – 347. Google Scholar öffnen
  186. Fries, Martin, Verbraucherrechtsdurchsetzung, München 2016. Google Scholar öffnen
  187. Fritsche, Karl Peter, Zur Begründung des Diskriminierungsverbots, in Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 3 – 24. Google Scholar öffnen
  188. Fröhlich, Wiebke/Spiecker gen. Döhmann, Indra, Können Algorithmen diskriminieren?, VerfBlog, 26.12.2018, abrufbar unter verfassungsblog.de/koennen-algorithmen-diskriminieren/. Google Scholar öffnen
  189. Fry, Hannah/Schmid, Sigrid, Hello World: Was Algorithmen können und wie sie unser Leben verändern, München 2020. Google Scholar öffnen
  190. Fuster, Andreas/Goldsmith-Pinkham, Paul/Ramadorai, Tarun/ Walther, Ansgar, Predictably Unequal? The Effects of Machine Learning on Credit Markets, 77 JoF (2022), 5 – 47. Google Scholar öffnen
  191. Gandy, Oscar H., Engaging rational discrimination: Exploring reasons for placing regulatory constraints on decision support systems, 12 Ethics Inf. Technol. (2010), 29 – 42. Google Scholar öffnen
  192. Gassner, Kathi/Seith, Sebastian, Ordnungswidrigkeitengesetz, 2. Auflage, München 2020. Google Scholar öffnen
  193. Gausling, Tina, Künstliche Intelligenz und DSGVO, DSRITB 2018, 519 – 543. Google Scholar öffnen
  194. Gausling, Tina, Künstliche Intelligenz im Anwendungsbereich der Datenschutz-Grundverordnung, PinG 2019, 61 – 70. Google Scholar öffnen
  195. Geber, Frederic, Die Regulierung künstlicher Intelligenz im internationalen Vergleich, ZdiW 2023, 26 – 31. Google Scholar öffnen
  196. Geissler, Dennis/Ströbel, Lukas, Datenschutzrechtliche Schadensersatzansprüche im Musterfeststellungsverfahren, NJW 2019, 3414 – 3418. Google Scholar öffnen
  197. Gellert, Raphaël/de Vries, Katja/de Hert, Paul/Gutwirth, Serge, A Comparative Analysis of Anti-Discrimination and Data Protection Legislations, in: Custers Bart/Calders, Toon/Schermer, Bart/Zarskyl, Tal, Discrimination and Privacy in the Information Society, S. 61 – 89. Google Scholar öffnen
  198. Geminn, Christian, Die Regulierung Künstlicher Intelligenz – Anmerkungen zum Entwurf eines Artificial Intelligence Act, ZD 2021, 354 – 359. Google Scholar öffnen
  199. Gerards, Janneke, General principles of the European convention on human rights, Utrecht 2019. Google Scholar öffnen
  200. Gerards, Janneke, The Discrimination Grounds of Article 14 of the European Convention on Human Rights, 13 Hum. Rts. L. Rev. (2013), 99 – 124. Google Scholar öffnen
  201. Gerards, Janneke/Borgesius, Frederik Zuiderveen, Protected Grounds and the System of Non-Discrimination Law in the Context of Algorithmic Decision-Making and Artificial Intelligence, 20 Colo. Tech. L.J. (2022), S. 1 – 56. Google Scholar öffnen
  202. Gerards, Janneke/Xenidis, Raphaële, Algorithmic discrimination in Europe, Challenges and opportunities for gender equality and non-discrimination law, Special report for the European Commission, Brüssel 2021, abrufbar unter op.europa.eu/en/publication-detail/-/publication/082f1dbc-821d-11eb-9ac9-01aa75ed71a1/language-en. Google Scholar öffnen
  203. Gerberdinger, Johannes/Wagner, Gert, Qualitätssicherung für „Predictive Analytics“ durch digitale Algorithmen, ZRP 2019, S. 116 – 119. Google Scholar öffnen
  204. Giegerich, Thomas, The European Union as protector and promotor of equality, Berlin 2020. Google Scholar öffnen
  205. Giesberts, Ludger, Verbandsklagen für Kollektivinteressen – Die EU-Richtlinie und der Entwurf des deutschen Umsetzungsgesetzes, ZfPC 2023, 7 – 9. Google Scholar öffnen
  206. Gitelman, Lisa, Raw data is an oxymoron, Cambridge 2013. Google Scholar öffnen
  207. Gilchrist, Alasdair, Industry 4.0: The Industrial Internet of Things, New York 2016. Google Scholar öffnen
  208. Glöckner, Andreas, The irrational hungry judge effect revisited: Simulations reveal that the magnitude of the effect is overestimated, 11(6) JDM 2016, 601 – 610. Google Scholar öffnen
  209. Glöckner, Andreas/Towfigh, Emanuel/Traxler, Christian, Empirische Untersuchung zur Benotung in der staatlichen Pflichtfachprüfung und in der zweiten juristischen Staatsprüfung in Nordrhein-Westfalen von 2006 bis 2016, 7.12.2017, abrufbar unter www.justiz.nrw.de/JM/schwerpunkte/juristenausbildung/archiv/benotung_staatliche_juristische_pruefungen/180331-v_fin-Abschlussbericht-korr1.pdf. Google Scholar öffnen
  210. Gloy, Wolfgang/Loschelder, Michael/Danckwerts, Rolf, Handbuch des Wettbewerbsrecht, 5. Auflage, München 2019. Google Scholar öffnen
  211. Gola, Peter, Handbuch Beschäftigtendatenschutz, 8. Auflage, 2019. Google Scholar öffnen
  212. Gola, Peter/Heckmann, Dirk, Datenschutz-Grundverordnung – Bundesdatenschutzgesetz, 3. Auflage, München 2022. Google Scholar öffnen
  213. Goldberg, Suzanne B., Discrimination by Comparison, 120 Yale L. J. (2011), 728 – 812. Google Scholar öffnen
  214. Golla, Sebastian, In Würde vor Ampel und Algorithmus – Verfassungsrecht im technologischen Wandel Google Scholar öffnen
  215. in: Donath, Philipp B./Bretthauer, Sebastian/Dickel-Görig, Marie/Drehwald, Jennifer/Gourdet, Sascha/Heger, Alexander/Henrich, Christina/Hoffmann, Julia/Kirchbach, Cornelia/Kring, Jennifer/Lang, Lea Isabelle/Neumann, Theresa/Plicht, Sandra/Stix, Carolin/Völzmann, Berit/Wolckenhaar, Leonard/Zimmermann, Sören (Hrsg.), Verfassungen – ihre Rolle im Wandel der Zeit, 59. Assistententagung Öffentliches Recht, Frankfurt am Main 2019, S. 183 – 202. Google Scholar öffnen
  216. Golla, Sebastian J., Mehr als die Summe der einzelnen Teile? Kollektiver Datenschutz, in: Taeger, Jürgen (Hrsg.), Recht 4.0, Edewecht 2017, S. 199 – 210. Google Scholar öffnen
  217. Gomolla, Mechthild, Direkte und indirekte, institutionelle und strukturelle Diskriminierung. In: Albert Scherr, Aladin El-Mafaalani, Gökçen Yüksel (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 133 – 152. Google Scholar öffnen
  218. Goncalo, Jack A./Chatman, Jennifer A./Duguid, Michelle M./Kennedy, Jessica A., Creativity from Constraint? How the Political Correctness Norm Influences Creativity in Mixed­Sex Work Groups, 60 ASQ (2015), S. 1 – 30. Google Scholar öffnen
  219. Good, Irving John, Speculations Concerning the First Ultraintelligent Maschine, 6 Adv. In Comp., 1966, 31 – 88. Google Scholar öffnen
  220. Goodfellow, Ian/Bengio, Yoshua/Courville, Aaron, Deep learning (Adaptive Computation and Machine Learning series), Cambridge 2016. Google Scholar öffnen
  221. Gössl, Susanne Lilian/Yakar, Selen, Geschlechterneutrale KI, Eine Handreichung, Januar 2023, abrufbar unter www.schleswig-holstein.de/DE/fachinhalte/G/gleichstellung/Downloads/handreichung_geschlechterneutrale_ki_lang.pdf?__blob=publicationFile&v=1. Google Scholar öffnen
  222. Grabitz, Eberhard/Hilf, Meinhard/Nettesheim, Martin, Das Recht der Europäischen Union, EUV/AEUV, 78. EL Januar 2023. Google Scholar öffnen
  223. Greene, Daniel/Hoffman, Anna Lauren/Stark, Luke, Better, Nicer, Clearer, Fairer: A Critical Assessment of the Movement for Ethical Artificial Intelligence and Machine Learning, 52 HICSS, 2019, 2122 – 2131. Google Scholar öffnen
  224. Groeben, Hans von der/Schwarze, Jürgen/Hatje, Armin, Europäisches Unionsrecht, 7. Auflage, Baden-Baden 2015. Google Scholar öffnen
  225. Groß, Johannes, Braucht Künstliche Intelligenz Ethik?, CB, 2020, S. 155 – 159. Google Scholar öffnen
  226. Grünberger, Michael, Personale Gleichheit, Der Grundsatz der Gleichbehandlung im Zivilrecht, Baden-Baden, 2013. Google Scholar öffnen
  227. Grünberger, Michael, Reformbedarf im AGG: Beweislastverteilung beim Einsatz von KI, ZRP 2021, 232 – 235. Google Scholar öffnen
  228. Grünberger, Michael/Mangold, Anna Katharina/Markard, Nora/Payandeh, Mehrdad/Towfigh, Emanuel Vahid, Diversität in der Rechtswissenschaft und Rechtspraxis, Baden-Baden 2021. Google Scholar öffnen
  229. Grützmacher, Malte, Die zivilrechtliche Haftung für KI nach dem Entwurf der geplanten KI-VO, Potentielle zivilrechtliche Auswirkungen des geplanten KI-Sicherheitsrechts: ein neues Schutzgesetz i.S.v. § 823 Abs. 2 BGB am Horizont, CR 2021, 433 – 444. Google Scholar öffnen
  230. Grützmacher, Malte/Füllsack, Anna Lena, Der Entwurf einer EU-KI-Verordnung – Ein erster Überblick über den Vorschlag der Kommission v. 21.4.2021, ITRB 2021, 159 – 163. Google Scholar öffnen
  231. Gsell, Beate/Wolfgang, Krüger/Stefan, Lorenz/Christoph, Reymann (Gesamt Hrsg. Zivilrecht), Loschelders, Dirk (Hrsg.), Beck-online Großkommentar – AGG, Stand: 01.03.2023, München 2023, zitiert als BeckOGKBGB. Google Scholar öffnen
  232. Guidotti, Riccardo/ Monreale, Anna/ Ruggieri, Salvatore/Turini, Franco/Giannotti, Fosca/Pedreschi, Dino, A Survey of Methods for Explaining Black Box Models, 51 ACM Computing Surveys (2019), S. 1 – 42. Google Scholar öffnen
  233. Guggenberger, Nikolas, KI und Recht: Neue Methodik, billige Entscheidungen und Ergebnisvorgaben, MMR 2019, 777 – 778. Google Scholar öffnen
  234. Guijarro Santos, Victoria, Nicht besser als nichts, ZfDR 2023, 23 – 42. Google Scholar öffnen
  235. Günther, Jens/Böglmüller, Mathias, Künstliche Intelligenz und Roboter in der Arbeitswelt, BB 2017, 53 – 58. Google Scholar öffnen
  236. Hacker, Philipp, Ein Rechtsrahmen für KI-Trainingsdaten, ZGE 2020, 239 – 271. Google Scholar öffnen
  237. Hacker, Philipp, Europäische und nationale Regulierung von Künstlicher Intelligenz NJW 2020, 2142 – 2147. Google Scholar öffnen
  238. Hacker, Philipp, A legal Framework for AI Training Data – From first principles to the artificial intelligence act, 13 Law Inn. Tech 2021, 257 – 302. Google Scholar öffnen
  239. Hacker, Philipp, Immaterialgüterrechtlicher Schutz von KI-Trainingsdaten, GRUR 2020, 1025 – 1033. Google Scholar öffnen
  240. Hacker, Philipp, Teaching Fairness to Artificial Intelligence: Existing and Novel Strategies Against Algorithmic Discrimination Under EU Law, 55 CMLR 2018, 1143 – 1186. Google Scholar öffnen
  241. Hacker, Philipp, Verhaltens- und Wissenszurechnung beim Einsatz von Künstlicher Intelligenz, RW 2018, 243 – 288. Google Scholar öffnen
  242. Hacker, Philipp, UberPop, UberBlack, and the Regulation of Digital Platforms after the Asociación Profesional Elite Taxi Judgment of the CJEU, 14 ERCL (2018), 80 – 96. Google Scholar öffnen
  243. Hacker, Philipp/Krestel, Ralf/Grundmann, Stefan/Naumann, Felix, Explainable AI under contract and tort law: Legal incentives and technical challenges, 28 AIL 2020, 414 – 439. Google Scholar öffnen
  244. Hacker, Philipp/Engel, Andreas/Mauer, Marco, Regulating ChatGPT and other Large Generative AI Models, Working Paper, Version vom 10.02.2023, abrufbar unter arxiv.org/pdf/2302.02337.pdf. Google Scholar öffnen
  245. Hacker, Philipp/Wessel, Lauri, KI-Trainingsdaten nach dem Verordnungsentwurf für Künstliche Intelligenz – Qualität und Performanz im Zusammenspiel von Recht und Informatik, in: BMUV/Rostalski, Frauke, Künstliche Intelligenz, Tübingen 2022, S. 53 – 70. Google Scholar öffnen
  246. Hacker, Philipp/Wiedemann, Emil/Zehlike, Maike, Towards a Flexible Framework for Algorithmic Fairness, in: Reussner, R. H., Koziolek, A. & Heinrich, R. (Hrsg.), Informatik, Gesellschaft für Informatik, Bonn 2020, S. 99 – 108. Google Scholar öffnen
  247. Häder, Michael, Empirische Sozialforschung, 4. Auflage, Wiesbaden 2019. Google Scholar öffnen
  248. Hagendorff, Thilo, Maschinelles Lernen und Diskriminierung: Probleme und Lösungsansätze, ÖZS 44 (2019), 53 – 66. Google Scholar öffnen
  249. Hallinan, Dara/Borgesius, Frederik Zuiderveen, Opinions can be incorrect (in our opinion)! On data protection law’s accuracy principle, 10 Int. Data Priv. Law (2020), 1 – 10. Google Scholar öffnen
  250. Hammermann, Andrea/Thiele, Christopfer, People Analytics, Evidenzbasierte Entscheidungsfindung im Personalmanagement, Institut der Deutschen Wirtschaft, IW-Report 35/19. Google Scholar öffnen
  251. Hardt, Moritz/Price, Eric/Srebro, Nathan, Equality of Opportunity in Supervised Learning, 29 NIPS 2016, abrufbar unter papers.nips.cc/paper_files/paper/2016/file/9d2682367c3935defcb1f9e247a97c0d-Paper.pdf. Google Scholar öffnen
  252. Härtel, Ines, Digitalisierung im Lichte des Verfassungsrechts – Algorithmen, Predictive Policing, autonomes Fahren, LKV 2019, 49 – 60. Google Scholar öffnen
  253. Härting, Niko, Profiling: Vorschläge für eine intelligente Regulierung, Was aus der Zweistufigkeit des Profiling für die Regelung des nicht-öffentlichen Datenschutzbereichs folgt, CR 2014, 528 – 536. Google Scholar öffnen
  254. Hartmann, Felix, Diskriminierung durch Antidiskriminierungsrecht? Möglichkeiten und Grenzen eines postkategorialen Diskriminierungsschutzes in der Europäischen Union, EuZA 2019, 24 – 44. Google Scholar öffnen
  255. Hashem, Ibrahim Abaker Targio, Yaqoob, Ibrar, Anuar, Nor Badrul, Mokhtar, Salimah, Gani, Abdullah, Khan, Samee Ullah, The Rise of Big Data on Cloud Computing: Review and Open Research Issues, Information Systems 47 (2015), 98 – 115. Google Scholar öffnen
  256. Hau, Wolfgang/Poseck, Roman (Hrsg.), Beck-Online Kommentar Bürgerliches Gesetzbuch, 65. Edition, Stand: 01.02.2023, München 2023, zitiert als BeckOKBGB. Google Scholar öffnen
  257. Hauer, Marc P./Adler, Rasmus/Zweig, Katharina, Assuring Fairness of Algorithmic Decision Making, 2021 IEEE International Conference on Software Testing, Verification and Validation Workshops (ICSTW), S. 110 – 113. Google Scholar öffnen
  258. Hauer, Marc P./Kevekordes, Johannes/Haeri Maryam Amir, Legal perspective on possible fairness measures –A legal discussion using the example of hiring decisions, CLSR 42 (2021), 105583. Google Scholar öffnen
  259. Haugeland, John, Artificial Intelligence: The very ideas, Cambridge 1985. Google Scholar öffnen
  260. Haverkamp, Rita/Lukas, Tim, Diskriminierung im Strafrecht, in: Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 286 – 300. Google Scholar öffnen
  261. Hecker, Dirk/Döbel, Inga/Rüping, Stefan/Schmitz, Velina, Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie, WI. & Man. 9 (2017), S. 26 – 35. Google Scholar öffnen
  262. Heckmann, Dirk/Paschke, Anne, Der Umgang mit Vollzugsdefiziten im Datenschutzrecht, in: Stern/Sodan/Möstl, Das Staatsrecht der Bundesrepublik Deutschland im europäischen Staatenverbund, 2. Auflage 2022, § 103 Datenschutz Rn. 128 – 131. Google Scholar öffnen
  263. Heesen, Jessica/Reinhardt, Karoline/Schelenz, Laura, Diskriminierung durch Algorithmen vermeiden: Analysen und Instrumente für eine demokratische digitale Gesellschaft, in: Bauer, Gero/Kechaja, Maria/Engelmann, Sebastian/Haug, Lean, Diskriminierung und Antidiskriminierung – Beiträge aus Wissenschaft und Praxis, 2021, S. 129 – 147. Google Scholar öffnen
  264. Heidtke, Aron, Meinungsbildung und Medienintermediäre. Vielfaltssichernde Regulierung zur Gewährleistung der Funktionsbedingungen freier Meinungsbildung im Zeitalter der Digitalisierung, Baden-Baden 2020. Google Scholar öffnen
  265. Heinemeyer, Dennis, Datenverarbeitungs-Crashtests ohne Daten-Dummys – Zur Zulässigkeit der Nutzung von (echten) personenbezogenen Daten zu Testzwecken nach DSGVO, CR 2019, 147 – 151. Google Scholar öffnen
  266. Heinrich, Bernd/Klier, Mathias, Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement, in Hildebrand, Knut/Gebauer, Marcus/Mielke, Michael, Daten- und Informationsqualität, 4. Auflage, Wiesbaden 2018, S. 49 – 67. Google Scholar öffnen
  267. Heinzke, Philippe/Storkenmaier, Julia, Die kollektive Rechtsdurchsetzung bei Verletzungen des Datenschutzrechts – Durchsetzungsmöglichkeiten nach heutigem und zukünftigem Recht, CR 2021, 299 – 307. Google Scholar öffnen
  268. Heinzke, Philippe/Storkenmaier, Julia, Die kollektive Rechtsdurchsetzung bei Verletzungen des Datenschutzrechts – Teil 2 – Durchsetzungsmöglichkeiten nach heutigem und zukünftigem Recht, CR 2021, 582 – 588. Google Scholar öffnen
  269. Helbing, Thomas, Big Data und der datenschutzrechtliche Grundsatz der Zweckbindung, K&R 2015, 145–150. Google Scholar öffnen
  270. Helfrich, Marcus, Kreditscoring und Scorewertbildung der SCHUFA, Baden-Baden 2010. Google Scholar öffnen
  271. Hennemann, Moritz, Künstliche Intelligenz und Wettbewerbsrecht, ZWeR 2018, 161 – 184. Google Scholar öffnen
  272. Hennemann, Moritz, Wettbewerb der Datenschutzrechtsordnungen, RabelsZ Zeitschrift für ausländisches und internationales Privatrecht 84 (2020), 864 – 895. Google Scholar öffnen
  273. Hennemann, Moritz/Kumkar, Lea Katharina, Robo Advice und automatisierte Entscheidung im Einzelfall, in Linardatos, Dimitros (Hrsg.), Rechtshandbuch Robo Advice, 2020, S. 324 – 338. Google Scholar öffnen
  274. Herberger, Maximilian, „Künstliche Intelligenz“ und Recht – Ein Orientierungsversuch, NJW 2018, 2825 – 2829. Google Scholar öffnen
  275. Herberger, Marie, Verbandsklageverfahren für diskriminierungsrechtliche Ansprüche, RdA 2022, 220 – 228. Google Scholar öffnen
  276. Hermstrüwer, Yoan, Die Regulierung der prädiktiven Analytik: eine juristisch-verhaltenswissenschaftliche Skizze, in: Hoffmann-Riem, Wolfgang (Hrsg.), Big Data – Regulative Herausforderungen, 2018, S. 99 – 116. Google Scholar öffnen
  277. Hildebrandt, Mireille, Smart Technologies and the End(s) of Law, Northampton (Massachusetts, USA) 2015. Google Scholar öffnen
  278. Hildebrandt, Mireille, Profiling: From data to knowledge. The challenges of a crucial technology, DuD (30) 2006, 548 – 552. Google Scholar öffnen
  279. Hildesheim, Wolfgang /Michelsen Dirk, Künstliche Intelligenz im Jahr 2018 – Aktueller Stand von branchenübergreifenden KI-Lösungen: Was ist möglich? Was nicht? Beispiele und Empfehlungen, in: Buxmann, Peter/Schmidt, Holger (Hrsg.), Künstlichen Intelligenz, Berlin 2019, S. 119 – 142. Google Scholar öffnen
  280. Hill, Robin K., What an algorithm is, P&T, 2016, 35 – 59. Google Scholar öffnen
  281. Hinz, Katja, Arbeitsrecht, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 539 – 558. Google Scholar öffnen
  282. Hipp, Lena, Ungleichheit und Diskriminierung auf dem Arbeitsmarkt, APuZ 09/2016, S. 42 – 48. Google Scholar öffnen
  283. Hochrangigen Expertengruppe für künstliche Intelligenz, Ethik-Leitlinien für eine vertrauenswürdige KI, Gutachten für EU-Kommission, 08. April 2019, abrufbar unter digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai. Google Scholar öffnen
  284. Hoeren, Thomas, Big Data und Datenqualität – ein Blick auf die DS-GVO, Annäherungen an Qualitätsstandards und deren Harmonisierung, ZD 2016, 459 – 463. Google Scholar öffnen
  285. Hoeren, Thomas, Rechtliche Grundlagen des SCHUFA-Scoring-Verfahrens, RDV 2007, 93 – 99. Google Scholar öffnen
  286. Hoeren, Thomas/Niehoff, Maurice, KI und Datenschutz – Begründungserfordernisse automatisierter Entscheidungen, RW 1/2018, S. 47 – 66. Google Scholar öffnen
  287. Hoffmann, Hanna, Regulierung der Künstlichen Intelligenz – Fundamentalkritik am Verordnungsentwurf zur Regulierung der Künstlichen Intelligenz der EU-Kommission vom 21.4.2021, K&R 2021, 369 – 374. Google Scholar öffnen
  288. Hoffmann, Hanna/Kevekordes, Johannes, Das Right to Explanation, DuD 2021, 609 – 615. Google Scholar öffnen
  289. Hoffmann, Jochen, Die Feststellung mittelbarer Diskriminierungen, AcP 214 (2014), 822 – 852. Google Scholar öffnen
  290. Hoffmann-Riem, Wolfgang, Rechtliche Rahmenbedingungen und regulative Herausforderungen durch Big Data, in: Hoffmann-Riem, Wolfgang (Hrsg.), Big Data – Regulative Herausforderungen, Baden-Baden 2018, S. 11 – 76. Google Scholar öffnen
  291. Hoffmann-Riem, Wolfgang, Verhaltenssteuerung durch Algorithmen, AöR 2017, S. 1 – 42. Google Scholar öffnen
  292. Höhne, Marina Marie-Claire, Nachvollziehbare Künstliche Intelligenz: Methoden, Chancen und Risiken – Black Box zu White Box, DuD 2021, 453 – 456. Google Scholar öffnen
  293. Holl, Jürgen/Kernbeiß, Günter/Wagner-Pinter, Michael, Das AMS-Arbeitsmarktchancen-Modell - Dokumentation zur Methode, 2018, abrufbar unter www.ams-forschungsnetzwerk.at/downloadpub/arbeitsmarktchancen_methode_%20dokumentation.pdf. Google Scholar öffnen
  294. Holthausen, Joachim, Big Data, People Analytics, KI und Gestaltung von Betriebsvereinbarungen – Grund-, arbeits- und datenschutzrechtliche Herausforderungen, RdA 2021, 19 – 32. Google Scholar öffnen
  295. Holzleithner, Elisabeth, Intersektionale (mehrdimensionale) Diskriminierung, in: Mangold, Anna Katharina/Payandeh, Mehrdad (Hrsg.), Handbuch Antidiskriminierungsrecht – Strukturen, Rechtsfiguren und Konzepte, Tübingen 2022, S. 543 – 594. Google Scholar öffnen
  296. Hong, Mathias, Grundwerte des Antidiskriminierungsrechts: Würde, Freiheit, Gleichheit und Demokratie, in: Mangold, Anna Katharina/Payandeh, Mehrdad (Hrsg.), Handbuch Antidiskriminierungsrecht – Strukturen, Rechtsfiguren und Konzepte, Tübingen 2022, S. 67 – 123. Google Scholar öffnen
  297. Höpfner, Clemens/Daum, Jan Alexander, Der „Robo-Boss“ – Künstliche Intelligenz im Arbeitsverhältnis, ZfA 2021, 467 – 501. Google Scholar öffnen
  298. Hörmann, Florian, Teilzeitdiskriminierung in Kollektivverträgen, Wien 2019. Google Scholar öffnen
  299. Horn, Christoph, Zum Begriff der Gerechtigkeit, PM409/2003, Konrad-Adenauer-Stiftung, S. 25 – 36, abrufbar unter www.kas.de/c/document_library/get_file?uuid=a5fd3183-b479-f548-3d33-90a652454716&groupId=252038. Google Scholar öffnen
  300. Horner, Susanne/Kaulartz, Markus, Haftung 4.0 CR 2016, 7 – 14. Google Scholar öffnen
  301. Hornung, Gerrit, Trainingsdaten und die Rechte von Betroffenen Personen, in: BMUV/Rostalski, Frauke (Hrsg.), Künstliche Intelligenz, Tübingen 2022, S. 91 – 120. Google Scholar öffnen
  302. Hornung, Gerrit, KI-Regulierung im Mehrebenensystem, DuD 2022, 561 – 566. Google Scholar öffnen
  303. Hornung, Gerrit/Wagner, Bernd, Der schleichende Personenbezug, CR 2019, 565 – 574. Google Scholar öffnen
  304. Hornung, Gerrit, Erosion traditioneller Prinzipien des Datenschutzrechts durch Big Data, in: Hoffmann-Riem, Wolfgang (Hrsg.), Big Data - Regulative Herausforderungen, 2018, S. 81 – 98. Google Scholar öffnen
  305. Huff, Julian/Götz, Thomas, Evidenz statt Bauchgefühl? – Möglichkeiten und rechtliche Grenzen von Big Data im HR-Bereich, NZA-Beilage 2019, S. 73 – 78. Google Scholar öffnen
  306. Hüning, Felix, Embedded Systems für IoT, Berlin 2019. Google Scholar öffnen
  307. Hutchinson, Ben/Mitchell, Marget, 50 years of test (un) fairness: Lessons for machine learning, FAccT 2019, S. 49 – 58. Google Scholar öffnen
  308. Imdorf, Christian, Diskriminierung in der beruflichen Bildung, in: Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 353 – 366. Google Scholar öffnen
  309. Janal, Ruth, Konfliktlinien: Geheimhaltungsinteressen vs. Transparenz von ADM-Systemen, in: BMUV/Rostalski, Frauke, Künstliche Intelligenz, Tübingen 2022, S. 121 – 142. Google Scholar öffnen
  310. Jarass, Hans D./Pieroth, Bodo, Grundgesetz für die Bundesrepublik Deutschland, 17. Auflage, München 2022. Google Scholar öffnen
  311. Jarass, Hans D., Charta der Grundrechte der Europäischen Union, 4. Auflage, München 2021. Google Scholar öffnen
  312. Jauernig, Othmar/Stürner, Rolf (Hrsg.), Bürgerliches Gesetzbuch, 18. Auflage, München 2021. Google Scholar öffnen
  313. Jellinek, Georg, Allgemeine Staatslehre, Berlin 1900. Google Scholar öffnen
  314. Johannes, Paul/Richter, Philipp, Privilegierte Verarbeitung im BDSG-E – Regeln für Archivierung, Forschung und Statistik, DuD 2017, 300 – 305. Google Scholar öffnen
  315. Jolls, Christine, Antidiscrimination and accommodation, 115 Harv. L. Rev. (2001), 642 – 699. Google Scholar öffnen
  316. Joos, Daniel, Einsatz von künstlicher Intelligenz im Personalwesen unter Beachtung der DS-GVO und des BDSG, NZA 2020, 1216 – 1221. Google Scholar öffnen
  317. Joos, Daniel/Meding, Kristoph, Anforderungen bei der Einführung und Entwicklung von KI zur Gewährleistung von Fairness und Diskriminierungsfreiheit, DuD 2022, 376 – 380. Google Scholar öffnen
  318. Käde, Lisa/von Maltzan, Stephanie, Die Erklärbarkeit von Künstlicher Intelligenz (KI) – Entmystifizierung der Black Box und Chancen für das Recht, CR 2020, 66 – 72. Google Scholar öffnen
  319. Kalbhenn, Jan Christopher, Designvorgaben für Chatbots, Deepfakes und Emotionserkennungssysteme: Der Vorschlag der Europäischen Kommission zu einer KI-VO als Erweiterung der medienrechtlichen Plattformregulierung, ZUM 2021, 663 – 674. Google Scholar öffnen
  320. Kaminski, Margot E., The Right to Explanation, Explained, 34 BTLJ (2019), S. 189 – 218. Google Scholar öffnen
  321. Kamiran, Faisal/Calders, Toon/Pechenizkiy, Mykola, Techniques for Discrimination-Free Predictive Models, in Custers et al., Discrimination and Privacy in the Information Society, S. 223 – 239. Google Scholar öffnen
  322. Kamiran, Faisal/Calders, Toon, Data preprocessing techniques for classification without discrimination, 33 KAIS (2012), 1 – 33. Google Scholar öffnen
  323. Kamiran, Faisal/Žliobaitė, Indrė/Calders, Toon, Quantifying explainable discrimination and removing illegal discrimination in automated decision making, 35 KAIS (2013), 613 – 644. Google Scholar öffnen
  324. Kamlah, Wulf, Das SCHUFA-Verfahren und seine datenschutzrechtliche Zulässigkeit, MMR 1999, 395 – 404. Google Scholar öffnen
  325. Kaulartz, Markus, Terminologie, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 32 – 36. Google Scholar öffnen
  326. Kartheuser, Ingemar/Nabulsi, Selma, Abgrenzungsfragen bei gemeinsam Verantwortlichen, MMR 2018, 717 – 721. Google Scholar öffnen
  327. Kastrop, Christian/ Ponattu, Dominic, Künstliche Intelligenz muss dem Gemeinwohl dienen – Eine verbraucherzentrierte KI verbindet Interessen der Zivilgesellschaft mit mehr Innovationskraft, DuD 2021, 434 – 437. Google Scholar öffnen
  328. Kersting, Wolfgang, Theorien der sozialen Gerechtigkeit, Stuttgart 2000. Google Scholar öffnen
  329. Kienle, Thomas, EuGH: Vorlage zur Vorabentscheidung – Schutz natürlicher Personen bei der Verarbeitung personenbezogener Daten, LTZ 2023, 50 – 67. Google Scholar öffnen
  330. Kim, Pauline T., Auditing Algorithms for Discrimination, 166 U. Pa. L. Rev. (2017), 189 – 204. Google Scholar öffnen
  331. Kim, Pauline T., Data-Driven Discrimination at Work, 58 Wm. & Mary L. Rev. (2017), 857 – 936. Google Scholar öffnen
  332. Kirn, Stefan/Müller-Hengstenberg, Claus D., Intelligente (Software-)Agenten: Von der Automatisierung zur Autonomie? - Verselbstständigung technischer Systeme, MMR 2014, 225 – 232. Google Scholar öffnen
  333. Klar, Manuel, Künstliche Intelligenz und Big Data – algorithmenbasierte Systeme und Datenschutz im Geschäft mit Kunden, BB 2019, S. 2243 – 2252. Google Scholar öffnen
  334. Kleinberg, Jon/Mullainathan, Sendhil/Manish, Raghavan, Inherent Trade-Offs in the Fair Determination of Risk Scores, 67 ITCS 2017, S. 1 - 23. Google Scholar öffnen
  335. Kleinberg, Jon/Ludwig, Jens/Mullainathan, Sendhil/Sunstein, Cass R., Discrimination in the age of Algorithms, 10 JLA (2018), 1 - 62. Google Scholar öffnen
  336. Klonschinski, Andrea, Einleitung: Was ist Diskriminierung und was genau ist daran moralisch falsch, ZfPP 2020, 133 – 154. Google Scholar öffnen
  337. Klose, Alexander/Kühn, Kerstin, Die Anwendbarkeit von Testing-Verfahren im Rahmen der Beweislast, § 22 Allgemeines Gleichbehandlungsgesetz, im Auftrag der Antidiskriminierungsstelle des Bundes, Berlin 2010, abrufbar unter www.antidiskriminierungsstelle.de/SharedDocs/downloads/DE/publikationen/Expertisen/expertise_anwendbarkeit_testingverfahren_20110704.pdf?__blob=publicationFile&v=3. Google Scholar öffnen
  338. Kment, Martin/Borchert, Sophie, Künstliche Intelligenz und Algorithmen in der Rechtsanwendung, München 2022. Google Scholar öffnen
  339. Knobloch/Hustedt, Der maschinelle Weg zum passenden Personal, Berlin 2019, abrufbar unter www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/SNV_Robo_Recruiting_final.pdf. Google Scholar öffnen
  340. Koch, Heiner, Intransparente Diskriminierung durch maschinelles Lernen, ZfPP 2020, 265 – 300. Google Scholar öffnen
  341. Koch, Christian, Scoring-Systeme in der Kreditwirtschaft, MMR 1998, 458 – 462. Google Scholar öffnen
  342. Kocher, Eva, Zehn Jahre AGG – brachliegende Potenziale, ZRP 2017, 112 – 114. Google Scholar öffnen
  343. Köhler, Helmut/Bornkamm, Joachim/Feddersen, Jörg, Gesetz gegen den unlauteren Wettbewerb, UWG, 40. Auflage, München 2022. Google Scholar öffnen
  344. Koopmans, Ruud/Veit, Susanne/Yemane, Ruta, Ethnische Hierarchien in der Bewerberauswahl: Ein Feldexperiment zu den Ursachen von Arbeitsmarktdiskriminierung, Wissenschaftszentrum Berlin für Sozialforschung, Discussion Paper SP VI 2018–104, 2018, abrufbar unter bibliothek.wzb.eu/pdf/2018/vi18-104.pdf. Google Scholar öffnen
  345. Kolany-Raiser, Barbara/Heil, Reinhard/Orwat, Carsten/Hoeren, Thomas, Big Data – Gesellschaftliche Herausforderungen und rechtliche Lösungen, 1. Auflage, München 2019. Google Scholar öffnen
  346. Kolleck, Alma/Orwat, Carsten, Mögliche Diskriminierung durch algorithmische Entscheidungssysteme und maschinelles Lernen – ein Überblick, Büro für Technikfolgen-Abschätzung beim Deutschen Bundestag, 2020, abrufbar unter www.tab-beim-bundestag.de/projekte_diskriminierung-durch-algorithmische-entscheidungssysteme-und-maschinelles-lernen.php. Google Scholar öffnen
  347. Kosinski, Michael/Stilwell, David/Graepel, Thore, Private traits and attributes are predictable from digital records of human behaviour, 110 PNAS 2013, 5802 – 5805. Google Scholar öffnen
  348. Krämer, Walter, Die Rechtmäßigkeit der Nutzung von Scorewerten, NJW 2020, 497 – 502. Google Scholar öffnen
  349. Kraus, Tom/Ganschow, Lene/Eisenträger, Marlene/Wischmann, Steffen, Erklärbare KI, Studie im Auftrag des BMWi, 2021, abrufbar unter https://www.digitale-technologien.de/DT/Redaktion/DE/Downloads/Publikation/KI-Inno/2021/Studie_Erklaerbare_KI.pdf?__blob=publicationFile&v=1. Google Scholar öffnen
  350. Krause, Rüdiger, Arbeitsmarktchance per Algorithmus?, in: BMUV/Rostalski, Frauke, Künstliche Intelligenz, Tübingen 2022, S. 143 – 164. Google Scholar öffnen
  351. Kremer, Sascha, Künstliche Intelligenz als (gemeinsam) Verantwortlicher oder Auftragsverarbeiter unter der DSGVO? in: IT-Recht in Wissenschaft und Praxis – Festschrift für Jürgen Taeger, Frankfurt am Main 2020, S. 251 – 269. Google Scholar öffnen
  352. Kremer, Michael/Conrady, Jan/Penners, Anja, Data Privacy Litigation – Prozessuale Implikationen des datenschutzrechtlichen Schadensersatzanspruchs nach Art. 82 DS-GVO, ZD 2021, 128 – 134. Google Scholar öffnen
  353. Kroll, Joshua A./Huey, Joanna/Barocas, Solon/Felten, Edward W./Reidenberg, Joel R./Robinson, David G./Yu, Harlan, Accountable Algorithms, 165 U. Pa. L. Rev. (2017), 633 – 705. Google Scholar öffnen
  354. Krüger, Julia/Likscha, Konrad, Damit Maschinen den Menschen dienen. Lösungsansätze, um algorithmische Entscheidungen in den Dienst der Gesellschaft zu stellen, 2018, abrufbar unter doi.org/10.11586/2018019. Google Scholar öffnen
  355. Krügel, Tina/Pfeiffenbring, Julia, Datenschutzrechtliche Herausforderungen von KI, in: Ebers, Martin/Heinze, Christian/Krügel, Tina/Steinrötter, Björn [Hrsg], 1. Auflage, München 2020, S. 412 – 440. Google Scholar öffnen
  356. Kübler, Dorothea/Schmid, Julia/Stüber, Robert, Be a Man or Become a Nurse: Comparing Gender Discrimination by Employers across a Wide Variety of Professions, Wissenschaftszentrum Berlin für Sozialforschung, Discussion Paper SP II 2017–201, Berlin 2017. Google Scholar öffnen
  357. Kühling, Jürgen/Buchner, Benedikt, Datenschutzgrundverordnung, 3. Auflage, München 2020. Google Scholar öffnen
  358. Kullmann, Miriam, Diskriminierung durch algorithmische Entscheidungen: „Equality Trough Algorithmic Design“, in: Beyer, Elena/Erler, Katharina/Hartmann, Christoph/Kramme, Malte/Müller, Michael/Pertot, Tereza/Tuna, Elif/Wilke, Felix M. (Hrsg.), Privatrecht 2050, Blick in die digitale Zukunft, Jahrbuch Junge Zivilrechtswissenschaftler 2019, S. 227 – 253. Google Scholar öffnen
  359. Kullmann, Miriam, Platform Work, Algorithmic Decision-Making, and EU Gender Equality Law, 34 Int. J. Comp. Labour Law Ind. Relat. 2018 (1), 1 – 22. Google Scholar öffnen
  360. Kumkar, Lea Katharina/Roth-Isigkeit, David, Erklärungspflichten bei automatisierten Datenverarbeitungen nach der DSGVO, JZ 2020, 277 – 268. Google Scholar öffnen
  361. Kung, Tiffany H./Cheatham, Morgan/Medenilla, Arielle/Sillos, Czarina/De Leon, Lorie/Elepano, Camille/Madriaga, Maria/Aggabao, Rimel/Diaz-Candido, Giezel/Maningo, James/Tseng, Victor, Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models, 9. Februar 2023, doi.org/10.1371/journal.pdig.0000198. Google Scholar öffnen
  362. Kusner Matt J./Loftus Joshua/Russell Chris/Silva Ricardo, Counterfactual fairness – 31 NIPS 2017, 4066 – 4076. Google Scholar öffnen
  363. Küster, Michelle, Strafschadensersatz als Rechtsfolge nach § 15 AGG, Würzburg 2010. Google Scholar öffnen
  364. Kutting, Isabelle/Amin, Naziar, Mit 'Rasse' gegen Rassismus? Zur Notwendigkeit einer Verfassungsänderung, DÖV 2020, 612 – 617. Google Scholar öffnen
  365. Laney, Doug, 3D Data Management – Controlling Data Volume, Velocity, and Variety – Current business conditions and mediums are pushing traditional data management principles to their limits, giving rise to novel, more formalized approaches, 2001. Google Scholar öffnen
  366. Langenbucher, Katja, Zur Regulierung des Kreditscoring, EuZW 2021, 961 – 962. Google Scholar öffnen
  367. Langer, Markus/Oster, Daniel/Speith, Timo/Hermanns, Holger/Kästner, Lena/Schmidt, Eva/Sesing, Andreas/Baum, Kevin, What do we want from Explainable Artificial Intelligence (XAI)? – A stakeholder perspective on XAI and a conceptual model guiding interdisciplinary XAI research, AI 296 (2021), 103473. Google Scholar öffnen
  368. Langer, Paul F./Weyerer, Jan C. Diskriminierungen und Verzerrungen durch Künstliche Intelligenz. Entstehung und Wirkung im gesellschaftlichen Kontext, in: Oswald, Michael/Borucki, Isabelle (Hrsg.), Demokratietheorie im Zeitalter der Frühdigitalisierung, S. 219 – 240. Google Scholar öffnen
  369. Lapuschkin, Sebastian/Wäldchen, Stephan/Binder, Alexander/Montavon,Grégoire/Samek, Wojciech/Müller, Klaus-Robert, Unmasking Clever Hans predictors and assessing what machines really learn, 10 Nature Com. (2019), 1 – 8. Google Scholar öffnen
  370. Lauber, Anna Verena, Paritätische Vertragsfreiheit durch reflexiven Diskriminierungsschutz, Baden-Baden 2010. Google Scholar öffnen
  371. Lauber-Rönsberg, Anne, ‘Im Gespräch: Künstliche Intelligenz und Immaterialgüterrecht’ GRUR Newsletter 2/2017, 17. Google Scholar öffnen
  372. Lauscher, Anne/Legner, Sarah: Künstliche Intelligenz und Diskriminierung, ZfDR 2022, 367 – 390. Google Scholar öffnen
  373. Lee, W. Yang/Strong, Diane M./Kahn, Beverly K./Wang, Richard Y., AIMQ: A methodology for information quality assessment, 40 Inf. & Man 2002, 133 – 146. Google Scholar öffnen
  374. Legg, Shane/Hutter, Marcus, Universal Intelligence: A Definition of Machine Intelligence, Minds & Machines, 17:4 (2007), 391 – 444. Google Scholar öffnen
  375. Lehner, Roman, Diskriminierungen im allgemeinen Privatrecht als Grundrechtsproblem, JuS 2013, 410 – 414. Google Scholar öffnen
  376. Lehr, David/Ohm, Paul, Playing with the Data: What Legal Scholars Should Learn About Machine Learning, 51 UCDL Rev. 2017, 653 – 671. Google Scholar öffnen
  377. Lenzen, Manuela, Künstliche Intelligenz – Fakten, Chancen, Risiken, München 2020. Google Scholar öffnen
  378. Leupold, Andreas/Wiebe, Andreas/Glossner, Silke, Münchener Anwaltshandbuch IT-Recht, 4. Auflage 2021, zitiert als MAH IT-R. Google Scholar öffnen
  379. Lerman, Jonas, Big Data and Its Exclusions, 66 Stan. L. Rev. Online (2013) 55 – 63. Google Scholar öffnen
  380. Lessmann, Stefan/Baesens, Bart/Hsin-Vonn, Seow/Thomas, Lyn, Benchmarking state-of-the-art classification algorithms for credit scoring, 247 Eur. J. Oper. Res. (2015), 124 – 136. Google Scholar öffnen
  381. Lewinski, Kai von, Regulierungsbedarf und Regulierungsfelder von algorithmischen Systemen, InTeR 2018, 168 – 175. Google Scholar öffnen
  382. Lewinski, Kai von/Pohl, Dirk, Auskunfteien nach der europäischen Datenschutzreform - Brüche und Kontinuitäten der Rechtslage, ZD 2018, 17 – 23. Google Scholar öffnen
  383. Lewinski, Kai/de Barros Fritz, Raphael, Arbeitgeberhaftung nach dem AGG infolge des Einsatzes von Algorithmen bei Personalentscheidungen, NZA 2018, 620 – 625. Google Scholar öffnen
  384. Lewinski, Kai von/Herrmann, Christoph, Vorrang des europäischen Datenschutzrechts gegenüber Verbraucherschutz- und AGB-Recht Teil 1: Materielles Recht, PinG 2017, 165 – 172. Google Scholar öffnen
  385. Liebl, Andreas/Klein, Till, AI-Act: Risikoklassifizierung von KI-Anwendungen aus der Praxisperspektive, März 2023, abrufbar unter aai.frb.io/assets/files/Studie-Risiskoklassifizierung_appliedAI_Final_März-27-2023.pdf. Google Scholar öffnen
  386. Liebscher, Doris/Naguib, Tarek/Plümecke, Tino/Remus, Joana, Wege aus der Essentialismusfalle: Überlegungen zu einem postkategorialen Antidiskriminierungsrecht, KJ 2012, 204 – 218. Google Scholar öffnen
  387. Lindinger, Elisa, Wenn die Maschine zum Bewerbungsgespräch bittet, in: Gesellschaft für Informatik, ExamAI – Diskriminierende KI, S. 7 – 9. Google Scholar öffnen
  388. Lins, Sebastian/Pandl, Konstantin/Teigeler, Heiner/Thiebes, Scott/Bayer, Calvin/Sunyaev, Ali, Artificial Intelligence as a Service, 63 Bus. Inf. Syst. Eng. (2021), 441 – 456. Google Scholar öffnen
  389. Lippert-Rasmussen, Kasper, Born Free and Equal? A Philosophical Inquiry into the Nature of Discrimination, 2013. Google Scholar öffnen
  390. Lippert-Rasmussen, Casper, "We Are All Different": Statistical Discrimination and the Right to Be Treated as an Individual, 15 J. Ethics (2011) 47 – 59. Google Scholar öffnen
  391. Lischka, Conrad/Kingel, Anita, Wenn Maschinen Menschen bewerten – Internationale Fallbeispiele für Prozesse algorithmischer Entscheidungsfindung, Impuls Algorithmenethik #1, Gütersloh 2017, abrufbar unter www.bertelsmann-stiftung.de/de/publikationen/publikation/did/wenn-maschinen-menschen-bewerten. Google Scholar öffnen
  392. Lloyd, Kerstin, Bias Amplification in Artificial Intelligence Systems, Presented at AAAI FSS-18: Artificial Intelligence in Government and Public Sector, Arlington, Virginia, USA, abrufbar unter doi.org/10.48550/arXiv.1809.07842. Google Scholar öffnen
  393. Lohse, Eva Julia, Regulierung von Künstlicher Intelligenz, in: Chibanguza, Kuuya/Kuß, Christian/Steege, Hans, Künstliche Intelligenz, 1. Auflage, Bade-Baden 2022, 1. Teil, § 2 B. Google Scholar öffnen
  394. Looschelders, Dirk, Diskriminierung und Schutz vor Diskriminierung im Privatrecht, JZ 67 (2012), 105 – 110. Google Scholar öffnen
  395. Lowry, Stella/Macpherson, Gordon, A blot on the profession 296 Br. Med. J. (1988), 657 – 658. Google Scholar öffnen
  396. LPB Baden-Württemberg, Deutschland & Europa 2021, Heft 82, Soziale Gerechtigkeit durch eine Politik der Chancengleichheit. Google Scholar öffnen
  397. Lücking, Phillip, Automatisierte Ungleichheit – Wie algorithmische Entscheidungssysteme gesellschaftliche Machtverhältnisse (re)produzieren in: Netzforma, Wenn KI dann feministisch, Berlin 2020, S. 65 – 76. Google Scholar öffnen
  398. Lühmann, Tobias/Stegemann, Lea, Voraussetzungen für Verbandsklagen bei Verstößen gegen die Datenschutz-Grundverordnung, NJW 2022, 1715 – 1718. Google Scholar öffnen
  399. Lühmann, Tobias/Schumacher, Pascal/Stegemann, Lea, Gegenwart und Zukunft kollektiver Rechtsdurchsetzung im Datenschutzrecht, ZD 2023, 131 – 136. Google Scholar öffnen
  400. Maamar, Niklas, Social Scoring – Eine europäische Perspektive auf Verbraucher-Scores zwischen Big Data und Big Brother, CR 2018, 820 – 828. Google Scholar öffnen
  401. Macnish, Kevin, Unblinking eyes, Ethics and Information Technology, 14:2 (2012), 151 – 167. Google Scholar öffnen
  402. Makhlouf, Karima/Zhioua, Sami/Palamidessi, Catuscia, On the Applicability of Machine Learning Fairness Notions, ACM SIGKDD Explorations Newsletter 23/1 (2021), S. 14 – 23. Google Scholar öffnen
  403. Malcher, Arno, Künstliche Intelligenz-Anwendung im Wege des Software as a Service (KIaaS), MMR 2022, 617 – 622. Google Scholar öffnen
  404. Malgieri, Gianclaudio/Comande, Giovanni, Why a Right to Legibility of Automated Decision-Making Exists in the General Data Protection Regulation, International Data Privacy Law, 7(4) 2017, 243 – 265. Google Scholar öffnen
  405. Malorny, Friederike, Auswahlentscheidungen durch künstlich intelligente Systeme – Datenschutzrechtliche Grenzen im Arbeitsrecht, JuS 2022, 289 – 296. Google Scholar öffnen
  406. Makkonen, Timo, Measuring Discrimination data collection and EU-Equality law, European Commission, Directorate-General for Employment, Social Affairs and Inclusion, Luxemburg 2007. Google Scholar öffnen
  407. Mangold, Anna Katharina, Demokratische Inklusion durch Recht - Antidiskriminierungsrecht als Ermöglichungsbedingung der demokratischen Begegnung von Freien und Gleichen, Tübingen 2021. Google Scholar öffnen
  408. Markert, Karla/Böttinger Konstantin, Robuste Lernverfahren, DuD 2021, 457 – 461. Google Scholar öffnen
  409. Martini, Mario, Algorithmen als Herausforderung, JZ 2017, S. 1017 – 1025. Google Scholar öffnen
  410. Martini, Mario, Big Data als Herausforderung für den Persönlichkeitsschutz und das Datenschutzrecht, DVBl. 2014, S. 1481 – 1489. Google Scholar öffnen
  411. Martini, Mario, Blackbox Algorithmus – Grundfragen der Regulierung Künstlicher Intelligenz, Berlin 2019. Google Scholar öffnen
  412. Martini, Mario/Botta, Jonas/Nink, David/Kolain, Michael, Automatisch erlaubt? Fünf Anwendungsfälle algorithmischer Systeme auf dem juristischen Prüfstand, Impuls Algorithmenethik #11, Gütersloh 2020. Google Scholar öffnen
  413. Martini, Mario, Nink David, Wenn Maschinen entscheiden … - vollautomatisierte Verwaltungsverfahren und der Persönlichkeitsschutz, NVwZ-Extra 10/2017, S. 1 – 14. Google Scholar öffnen
  414. Martini, Mario/Ruschemeier, Hannah, Künstliche Intelligenz als Instrument des Umweltschutzes, ZUR 2021, 515 – 531. Google Scholar öffnen
  415. Marsch, Nikolaus, Das europäische Datenschutzgrundrecht, Tübingen 2018. Google Scholar öffnen
  416. Marsland, Stephen, Machine learning: An algorithmic perspective, 2. Auflage, Boca Raton 2015. Google Scholar öffnen
  417. Marten, Eike/Walgenbach, Katharina, Intersektionale Diskriminierung, in: Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 157 – 173. Google Scholar öffnen
  418. Matejek, Michael/Mäusezahl, Steffen, Gewöhnliche vs. sensible personenbezogene Daten, ZD 2019, 551 – 556. Google Scholar öffnen
  419. Matthias, Andreas, The responsibility gap: Ascribing responsibility for the actions of learning automata, 6(3) Ethics Inf. Technol. (2004) 175 – 183. Google Scholar öffnen
  420. Matzner, Tobias, Beyond data as representation: The performativity of Big Data in surveillance, 14/2 Surveillance & Society (2016), 197 – 210. Google Scholar öffnen
  421. Mau, Steffen, Das metrische Wir – Über die Quantifizierung des Sozialen, Berlin 2017. Google Scholar öffnen
  422. Mau, Steffen, Auf dem Weg in die Scoringgesellschaft? Über den Umgang mit digitalen Statusdaten, in: Baule, Bernward/Hohnsträter, Dirk/Krankenhagen, Stefan/Lamla Jörn (Hrsg.), Transformationen des Konsums, Baden-Baden 2019, S. 25 – 32. Google Scholar öffnen
  423. Maxwell, Winston J., Principles-based regulation of personal data: The case of ‘fair processing’, 5 Int. Data Priv. Law (2015), 205 – 216. Google Scholar öffnen
  424. Mayer-Schönberger, Viktor/Cukier, Kenneth, Big Data: Die Revolution, die unser Leben verändern wird, Boston 2013. Google Scholar öffnen
  425. McCarthy, John/Minsky, Marvin L./Rochester, Nathaniel/Shannon, Claude E., A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955, 27 AI (2006), 12 – 14. Google Scholar öffnen
  426. McCrudden, Christopher/Prechal, Sacha, The Concepts of Equality and Non-discrimination in Europe: A practical approach, European Commission Directorate-General for Employment, Social Affairs and Equal Opportunities, Luxembourg 2009. Google Scholar öffnen
  427. McNamara, Daniel, Equalized odds implies partially equalized outcomes under realistic assumptions, AIES 2019, 313 – 320. Google Scholar öffnen
  428. Meents, Geert, Datenschutz durch KI, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 445 – 461. Google Scholar öffnen
  429. Mehrabi, Ninareh/Morstatter, Fred/ Saxena, Nripsuta/Lerman, Kristina/Galstyan, Aram, A survey on bias and fairness in machine learning, ACM Computing Surveys 54(6) 2021, Art-No.: 115, doi.org/10.1145/3457607. Google Scholar öffnen
  430. Meißner, Stefan, Effects of Quantified Self Beyond Self-Optimization, in: Selke, Stefan, Lifelogging. Digital self-tracking and Lifelogging – between disruptive technology and cultural transformation, Wiesbaden 2016, S. 235 – 248. Google Scholar öffnen
  431. Meller-Hannich, Caroline/Hundertmark, Lukas, Rechtsschutz gegen diskriminierende „KI“, in: BMUV/Rostalski, Frauke, Künstliche Intelligenz, Tübingen 2022, 189 – 204. Google Scholar öffnen
  432. Meyer, Stephan, Rechtliche Herausforderungen der Künstlichen Intelligenz und ihre Bewältigung, in: Barton, Thomas/Müller, Christian (Hrsg.), Künstliche Intelligenz in der Anwendung, Wiesbaden 2021, S. 25 – 48. Google Scholar öffnen
  433. Minsky, Marvin, Semantic Information Processing, Massachusetts 1968. Google Scholar öffnen
  434. Mitchell, Margaret/Wu, Simone/Zaldivar, Andrew/Barnes, Parker/Vasserman, Lucy/Hutchinson, Ben/Spitzer, Elena/Deborah Raji, Inioluwa/Gebru, Timnit, Model Cards for Model Reporting, FAccT 2019, S. 220 – 229. Google Scholar öffnen
  435. Mittelstadt, Brent Daniel/Allo, Patrick/Taddeo, Mariarosaria/Wachter, Sandra/Floridi, Luciano, The ethics of algorithms: Mapping the debate, BD&S 2016, S. 1 – 21. Google Scholar öffnen
  436. Molavi, Ramak/Erbguth, Jörn, Künstliche Intelligenz und Deep Learning: Technische Grundlagen und ethische Einordnung, ITRB 2019, 120 – 121. Google Scholar öffnen
  437. Moos, Flemming/Rothkegel, Tobias, Nutzung von Scoring-Diensten im Online-Versandhandel ZD 2016, 561 – 568. Google Scholar öffnen
  438. Montavon, Gregoire/Samek, Wojciech/Müller, Klaus-Robert, Methods for interpreting and understanding deep neural networks, 73 DSP (2018), 1 – 15. Google Scholar öffnen
  439. Möschel, Mathias, The Ban on the Use of Ethnic and Racial Statistics in France, 5 EuConst. Rev. (2009), 197 – 217. Google Scholar öffnen
  440. Müller, Angela, Algorithmwatch, Bundestag, Anhörung des Ausschusses für Digitales: "EU-Verordnung zu Künstlicher Intelligenz unter Einbeziehung von Wettbewerbsfähigkeit im Bereich Künstliche Intelligenz und Blockchain-Technologie", 26. September 2022, Ausschussdrucksache 20(23)81. Google Scholar öffnen
  441. Möslein, Florian, Die normative Kraft des Ethischen - Ein Fallbeispiel zur Effektivität von Leitlinien für Künstliche Intelligenz, RDi 2020, 34 – 41. Google Scholar öffnen
  442. Müller, Ferdinand/Kirchner, Elsa/Schüßler, Martin, Ein „KI-TÜV“ für Europa? Eckpunkte einer horizontalen Regulierung algorithmischer Entscheidungssysteme, in Kuschel/Asmussen/Golla, Intelligente Systeme – Intelligentes Recht, 2020/2021, S. 85 – 106. Google Scholar öffnen
  443. Müller, Jan-Laurin, Algorithmische Systeme im Nichtdiskriminierungsrecht, in: BMUV/Rostalski, Frauke, Künstliche Intelligenz, Tübingen 2022, S. 205 – 250. Google Scholar öffnen
  444. Müller-Glöge, Rudi/Preis, Ulrich/Schmidt, Ingid (Hrsg.), Erfurter Kommentar zum Arbeitsrecht, 23. Auflage 2023, zitiert als: ErfK. Google Scholar öffnen
  445. Müller-Hengstenberg, Claus/Kirn, Stefan, Haftung des Betreibers von autonomen Softwareagents, MMR 2021, 376 – 380. Google Scholar öffnen
  446. Müller-Hengstenberg, Claus/Kirn, Stefan, Intelligente (Software-)Agenten: Eine neue Herausforderung unseres Rechtssystems Rechtliche Konsequenzen der "Verselbstständigung" technischer Systeme, MMR 2014, 307 – 313. Google Scholar öffnen
  447. Musielak, Hans-Joachim/Voit, Wolfgang, Zivilprozessordnung, 20. Auflage, München 2023. Google Scholar öffnen
  448. Naumann, Felix, Datenqualität. Informatik-Spektrum 30 (2007), 27 – 31 Google Scholar öffnen
  449. Nativi, Stefano/De Nigris, Sarah, AI Standardisation Landscape: state of play and link to the EC proposal for an AI regulatory framework, Publications Office of the European Union, 2021, abrufbar unter publications.jrc.ec.europa.eu/repository/handle/JRC125952. Google Scholar öffnen
  450. Neuhäuser, Christian, Relative Poverty as a Threat to Human Dignity: On the Structural Injustice of Welfare States, in Gaisbauer, Helmut P./Schweiger, Gottfried/Sedmak, Clemens, Ethical issues in poverty alleviation, S. 151 – 161. Google Scholar öffnen
  451. Neuner, Jörg, Diskriminierungsschutz durch Privatrecht, JZ 2003, 57 – 66. Google Scholar öffnen
  452. Neutatz, Felix/Abedjan, Ziawasch, What is “Good” Training Data?, in: BMUV/Rostalski, Frauke, Künstliche Intelligenz, Tübingen 2022, S. 1 – 21. Google Scholar öffnen
  453. Niemann, Fabian/Kevekordes, Johannes, Machine Learning und Datenschutz (Teil 1) - Grundsätzliche datenschutzrechtliche Zulässigkeit, CR 2020, 17 – 25. Google Scholar öffnen
  454. Niemann, Fabian/Kevekordes, Johannes, Machine Learning und Datenschutz (Teil 2) – Sensitive Daten und Betroffenenrechte CR 2020, 179 – 184. Google Scholar öffnen
  455. Niederee, Claudia/Nejdl, Wolfgang, Technische Grundlagen der KI, in: Ebers, Martin/Heinze, Christian/Krügel, Tina/Steinrötter, Björn (Hrsg.), Rechtshandbuch Künstliche Intelligenz und Robotik, 1. Auflage, München 2020, S. 38 – 74. Google Scholar öffnen
  456. Ntoutsi, Eirini/Fafalios, Pavlos/Gadiraju, Ujwal/Iosifidis, Vasileios/Nejdl, Wolfgang/Vidal, Maria-Esther/Ruggieri, Salvatore/Turini, Franco/Papadopoulos, Symeon/Krasanakis, Emmanouil/Kompatsiaris, Ioannis/Kinder-Kurlanda, Katharina/Wagner, Claudia/Karimi, Fariba/Fernandez, Miriam/Alani, Harith/Berendt, Bettina/Kruegel, Tina/Heinze, Christian/Broelemann, Klaus/Kasneci, Gjergji/Tiropanis, Thanassis/Staab, Steffen, Bias in data-driven artificial intelligence systems—An introductory survey, 10(3) DMKD 2020, 1 – 14, (doi.org/10.1002/widm.1356). Google Scholar öffnen
  457. OECD, Recommendation of the Council on Artificial Intelligence, OECD-Legal-449, 22.5.2019, abrufbar unter legalinstruments.oecd.org/en/instruments/oecd-legal-0449. Google Scholar öffnen
  458. Oganesian, Christian/Heermann, Thorsten, China: Der durchleuchtete Mensch – Das chinesische Social-Credit-System, ZD-Aktuell 2018, 06124. Google Scholar öffnen
  459. Ohly, Ansgar, Die ab 28.5.2022 geltenden Änderungen des UWG im Überblick, GRUR 2022, 763 – 772. Google Scholar öffnen
  460. Ohly, Ansgar/Sosnitza, Olaf, Gesetz gegen den unlauteren Wettbewerb, 7. Auflage, München 2016. Google Scholar öffnen
  461. Ohm, Paul, Broken promises of privacy: Responding to the surprising failure of anonymization, 57 UCLA Law Review (2009), 1701 – 1777. Google Scholar öffnen
  462. Olbrich, Hanna/Krois, Christopfer, Das Verhältnis von „Frauenquote“ und AGG, NZA 2015, 1288 – 1293. Google Scholar öffnen
  463. O’Neil, Cathy, Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy, New York 2016. Google Scholar öffnen
  464. Orssich, Irina, Das europäische Konzept für vertrauenswürdige Künstliche Intelligenz, EuZW 2022, 254 – 261. Google Scholar öffnen
  465. Orwat, Carsten, Diskriminierungsrisiken durch Verwendung von Algorithmen, im Auftrag der Antidiskriminierungsstelle des Bundes, Berlin 2019. Google Scholar öffnen
  466. Paal, Boris, Art. 22 DS-GVO: Kreditscoring vor dem EuGH, ZfDR 2023, 114 – 141. Google Scholar öffnen
  467. Paal, Boris, Artificial Intelligence as a Challenge for Data Protection Law: And Vice Versa, in: Voeneky, Silja/Kellmeyer, Philipp/Mueller, Oliver/Burgard, Wolfram, The Cambridge Handbook of Responsible Artificial Intelligence – Interdisciplinary Perspectives, Cambridge 2022, S. 290 – 308. Google Scholar öffnen
  468. Paal, Boris, Auskunftsanspruch Betroffener bei Bonitätsprüfung durch Wirtschaftsauskunfteien (Urteilsbesprechung), JZ 2014, 1002 – 1009. Google Scholar öffnen
  469. Paal, Boris, Gesundheitsdatenverarbeitung und private Krankenversicherungen, ZD 2022, 471 – 476. Google Scholar öffnen
  470. Paal, Boris, Missbrauchstatbestand und Algorithmic Pricing, GRUR 2019, 43 – 53. Google Scholar öffnen
  471. Paal, Boris, Schadensersatzansprüche bei Datenschutzverstößen, MMR 2020, 14 – 19. Google Scholar öffnen
  472. Paal, Boris, Scoring im Spannungsfeld von DS-GVO und BDSG, in: in: Specht-Riemenschneider, Louisa/Buchner, Benedikt/Heinze, Christian/Thomsen, Oliver (Hrsg.), IT-Recht in Wissenschaft und Praxis, Festschrift für Jürgen Taeger, Frankfurt am Main 2020, S. 331 – 349. Google Scholar öffnen
  473. Paal, Boris, Spannungsverhältnis von KI und Datenschutzrecht, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 427 – 444. Google Scholar öffnen
  474. Paal, Boris/Hennemann, Moritz, Big Data und Recht, NJW 2017, 1697 – 1701. Google Scholar öffnen
  475. Paal, Boris/Hennemann, Moritz, Meinungsbildung im digitalen Zeitalter: Regulierungsinstrumente für einen gefährdungsadäquaten Rechtsrahmen, JZ 2017, 641 – 652. Google Scholar öffnen
  476. Paal, Boris/Kritzer, Ina, Geltendmachung von DS-GVO-Ansprüchen als Geschäftsmodell, NJW 2022, 2433 – 2438. Google Scholar öffnen
  477. Paal, Boris/Pauly, Daniel, Datenschutzgrundverordnung, Bundesdatenschutzgesetz, 3. Auflage, München 2021. Google Scholar öffnen
  478. Paaß, Gerhard/Hecker, Dirk, Künstliche Intelligenz: Was steckt hinter der Technologie, Wiesbaden 2020. Google Scholar öffnen
  479. Papadimitriou, Christos H., Computational Complexity, Boston 1993. Google Scholar öffnen
  480. Pärli, Kurt, Rechtswissenschaftliche Diskriminierungsforschung, in: Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 101 – 116. Google Scholar öffnen
  481. Pasquale, Frank, The black box society: The Secret Algorithms That Control Money and Information, Cambridge 2015. Google Scholar öffnen
  482. Pedreschi, Dino/Ruggieri, Salvatore/Turini, Franco, Discrimination-aware data mining, 14 KDD 2008, 560 – 568. Google Scholar öffnen
  483. Petersohn, Helge, Data Mining: Verfahren, Prozesse, Anwendungsarchitektur, München 2005. Google Scholar öffnen
  484. Perez, Caroline Criado, Invisible Women: Exposing Data Bias in a World Designed for Men, London 2019. Google Scholar öffnen
  485. Pfarr, Heide M., Quoten und Grundgesetz, Baden-Baden 1988. Google Scholar öffnen
  486. Pfarr, Heide/Kocher, Eva, Kollektivverfahren im Arbeitsrecht: Arbeitnehmerschutz und Gleichberechtigung durch Verfahren, Baden-Baden 1998. Google Scholar öffnen
  487. Phelps, Edmund S., The Statistical Theory of Racism and Sexism, 62 AER (1972), 659 – 661. Google Scholar öffnen
  488. Plath, Kai-Uwe, DSGVO/BDSG – Kommentar zu DSGVO, BDSG und den Datenschutzbestimmungen des TMG und TKG, 3. Auflage, Köln 2018. Google Scholar öffnen
  489. Podszun, Rupprecht/de Toma Michael, Die Durchsetzung des Datenschutzes durch Verbraucherrecht, Lauterkeitsrecht und Kartellrecht, NJW 2016, 2987 – 2994. Google Scholar öffnen
  490. Pohl, Dirk, Durchsetzungsdefizite der DSGVO? – Der schmale Grat zwischen Flexibilität und Unbestimmtheit, PinG 2017, 85 – 91. Google Scholar öffnen
  491. Polanyi, Michael, Implizites Wissen, Berlin 1985. Google Scholar öffnen
  492. Ponti, Sarah/Tuchtfeld, Erik, Zur Notwendigkeit einer Verbandsklage im AGG, ZRP 2018, 139 – 141. Google Scholar öffnen
  493. Portmess, Lisa/Tower Sara, Data barns, ambient intelligence and cloud computing: The tacit epistemology and linguistic representation of Big Data, 17(1) Ethics Inf. Technol. 2015, 1 – 19. Google Scholar öffnen
  494. Prietzel, Fabian, Big Data is watching you: Persönlichkeitsanalyse und Microtargeting auf Social Media, in: Appel, Markus (Hrsg.): Die Psychologie des Postfaktischen, Berlin 2019, S. 81 – 89. Google Scholar öffnen
  495. Prince, Anya/Schwarcz, Daniel, Proxy Discrimination in the Age of Artificial Intelligence and Big Data, Iowa Law Review 2020, 1257 – 1318. Google Scholar öffnen
  496. Puhl, Rebecca M./Andreyeva, Tatiana, Perceptions of Weight Discrimination: Prevalence and Comparison to Race and Gender Discrimination in America, 32(6) Int. J. Obes., 2008, 992 – 1000. Google Scholar öffnen
  497. Purtova, Nadezhda, The Law of Everything – Broad Concept of Personal Data and Future of EU Data Protection Law, 10 Law Inn. & Tech (2018), 40 – 81. Google Scholar öffnen
  498. Rademacher, Timo, Predictive Policing im deutschen Polizeirecht, 142 AöR (2017), 367 – 415. Google Scholar öffnen
  499. Radtke, Tristan, Gemeinsame Verantwortlichkeit unter der DS-GVO, Baden-Baden 2021. Google Scholar öffnen
  500. Rahwan, Iyad, Society‑in‑the‑loop: programming the algorithmic social contract, 20 Ethics Inf. Technol (2018), 5 – 14. Google Scholar öffnen
  501. Raji, Behrang, Rechtliche Bewertung synthetischer Daten für KI-Systeme, DuD 2021, 303 – 309. Google Scholar öffnen
  502. Rammos, Thanos/Lange, Karolina/Clausen, Johanna Charlotte, Medizin, in: Ebers, Martin/Heinze, Christian/Krügel, Tina/Steinrötter, Björn (Hrsg.), Rechtshandbuch Künstliche Intelligenz und Robotik, 1. Auflage, München 2020, S. 874 – 902. Google Scholar öffnen
  503. Rao, Anand/Verweij, Gerard, Sizing the prize – What’s the real value of AI for your business and how can you capitalise?, 2020, abrufbar unter www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf. Google Scholar öffnen
  504. Rauscher, Thomas/Krüger, Wolfgang (Hrgs.), Münchner Kommentar zur Zivilprozessordnung, 6. Auflage, München 2020, zitiert als MüKoZPO Google Scholar öffnen
  505. Rebhahn, Robert/Kietaibl, Christoph, Mittelbare Diskriminierung und Kausalität, RW 1 (2010), 373 – 396. Google Scholar öffnen
  506. Reichwald, Julian/Pfisterer, Dennis, Autonomie und Intelligenz im Internet der Dinge – Möglichkeiten und Grenzen autonomer Handlungen, CR 2016, 208 – 212. Google Scholar öffnen
  507. Reichmann, Werner, Die Banalität des Algorithmus, in: Rath, Mathias; Krotz, Friedrich; Karmasin, Mathias (Hrsg.), Maschinenethik: Normative Grenzen autonomer Systeme, Wiesbaden 2019, S. 135 –153. Google Scholar öffnen
  508. Reimann, Felix, „Social-Scoring“ nach dem Kompromissvorschlag für eine KI-Verordnung, in Chan, Chen-Jung/Jörg, Ennuschat/Lee, Chien-Liang/Lin, Yuh-May/Storr, Stefan (Hrsg.), Künstliche Intelligenz und Öffentliches Wirtschaftsrecht, 2022, S. 66 – 85. Google Scholar öffnen
  509. Reindl, Cornelia/Krügl, Stefanie, People Analytics in der Praxis, Freiburg 2017. Google Scholar öffnen
  510. Ribeiro, Marco Tulio/Singh, Sameer/Guestrin, Carlos, "Why Should I Trust You?": Explaining the Predictions of Any Classifier, 16 KDD 2016, 1135 – 1144. Google Scholar öffnen
  511. Rich, Alexander S./Gureckis, Todd M., Lessons for artificial intelligence from the study of natural stupidity, 1(4) Nat. Mach. Intell. (2019), S. 174 – 180. Google Scholar öffnen
  512. Richter, Philipp, Big Data, Statistik und die Datenschutz-Grundverordnung, DuD 2016, 581 – 586. Google Scholar öffnen
  513. Rieke, Aaron/Bogen, Miranda/Robinson, David, Public Scrutiny of Automated Decisions, Early Lessons and Emerging Methods – An Upturn and Omidyar Network Report, 2018, abrufbar unter luminategroup.com/storage/231/Public-Scrutiny-of-Automated-Decisions.pdf Google Scholar öffnen
  514. Riehm, Thomas, Nein zur ePerson - Gegen die Anerkennung einer digitalen Rechtspersönlichkeit, RDi 2020, 42 – 48. Google Scholar öffnen
  515. Ringelheim, Julie, The Burden of Proof in Antidiscrimination Proceedings; A Focus on Belgium, France and Ireland, 49 EuR. Equal. L. Rev. 2019, 49 – 64. Google Scholar öffnen
  516. Roberts, Huw/Cowls, Josh/Hine, Emmie/Morley, Jessica/Taddeo, Mariarosaria/Wang, Vincent/Floridi, Luciano, Governing Artificial Intelligence in China and the European Union: Comparing Aims and Promoting Ethical Outcomes, 39(2) The Information Society 2023, 79 – 97. Google Scholar öffnen
  517. Roberts, Huw/Cowls, Josh/Morley, Jessica/Taddeo, Mariarosaria/Wang, Vincent/Floridi, Luciano, The Chinese approach to artificial intelligence: An analysis of policy, ethics, and regulation, 36(1) AI & Society 2021, 59 – 77. Google Scholar öffnen
  518. Roberts, Huw/Cowls, Josh/Hine, Emmie/Mazzi, Francesca/Tsamados, Andreas/Taddeo, Mariarosaria/Floridi, Luciano, Achieving a ‘Good AI Society’: Comparing the aims and progress of the EU and the US, 27 Science and Engineering Ethics 2021, Nr. 68. Google Scholar öffnen
  519. Robinson, David/Harlan Yu, Knowing the Score: New Data, Underwriting, and Marketing in the Consumer Credit Marketplace, abrufbar unter www.teamupturn.com/static/files/Knowing_the_Score_Oct_2014_v1_1.pdf. Google Scholar öffnen
  520. Robinette Paul/Li, Wenchen/Allen, Robert/Howard, Ayanna/Wagner, Alan R., Overtrust of robots in emergency evacuation scenarios, in: 11 HRI 2016, S. 101 – 108. Google Scholar öffnen
  521. Rocher, Luc/Hendrickx, Julien M./de Montjoye, Yves-Alexandre, Estimating the success of re-identifications in incomplete datasets using generative models, 10 Nat. Commun 2019, 3069, S. 1 – 10. Google Scholar öffnen
  522. Rogers, Anna, Changing the World by Changing the Data, 11 IJCNLP, 2021 (1), 2182 – 2194. Google Scholar öffnen
  523. Rolff, Hans-Güter, Chancengleichheit oder Chancengerechtigkeit, NDS 4/16, S. 14. Google Scholar öffnen
  524. Rolfs, Christian/Giesen, Richard/Meßling, Miriam/Udsching, Peter (Hrsg.), Beck-Online Kommentar Arbeitsrecht, 67. Edition Stand 01.03.2023, München 2023, zitiert als: BeckOKArbR. Google Scholar öffnen
  525. Romei, Andrea/Ruggieri, Salvatore, A multidisciplinary survey on discrimination analysis, 29 Knowl. Eng. Rev. (2014), 582 – 638. Google Scholar öffnen
  526. Rommerskirchen, Jan, Das Gute und das Gerechte, Eine Einführung in die praktische Philosophie, 2. Auflage, Wiesbaden 2019. Google Scholar öffnen
  527. Roos, Phillip/Weitz, Caspar, Alexander: Hochrisiko-KI-Systeme im Kommissionsentwurf für eine KI-Verordnung, MMR 2021, 844 – 851. Google Scholar öffnen
  528. Rose, Edgar, Zähmt Smart Law allgegenwärtige Bilderfassung?, DSRITB 2016, 75 – 91. Google Scholar öffnen
  529. Rosenthal, Simone, DSGVO vs. Künstliche Intelligenz – Chance oder Hindernis für den Einsatz von KI?, LR 2018, 173 – 178. Google Scholar öffnen
  530. Rösmann, Peter, Kontrahierungspflichten der Kreditwirtschaft aufgrund von Selbstverpflichtungen und § 21 AGG, Frankfurt am Main 2011. Google Scholar öffnen
  531. Roßnagel, Alexander, Das neue Datenschutzrecht: Europäische Datenschutz-Grundverordnung und deutsche Datenschutzgesetze, 1. Auflage, Baden-Baden 2018. Google Scholar öffnen
  532. Roßnagel, Alexander, Quantifizierung der Persönlichkeit – aus grundrechtlicher und datenschutzrechtlicher Sicht, in: Baule, Bernward/Hohnsträter, Dirk/Krankenhagen, Stefan/Lamla Jörn (Hrsg.), Transformationen des Konsums, Baden-Baden 2019, S. 33 – 53. Google Scholar öffnen
  533. Roßnagel, Alexander, Big Data – Small Privacy? Konzeptionelle Herausforderungen für das Datenschutzrecht, ZD 2013, 562–567. Google Scholar öffnen
  534. Rostalski, Frauke/Weiß, Erik, Der KI-Verordnungsentwurf der Europäischen Kommission, ZfDR 2021, 329 – 357. Google Scholar öffnen
  535. Roth, Gerhard, Fühlen, Denken, Handeln – Wie das Gehirn unser Verhalten steuert, Frankfurt am Main 2003. Google Scholar öffnen
  536. Roth-Isigkeit, David, Grundstrukturen der geplanten KI-Aufsichtsbehörden – KI-Bürokratie? ZRP 2022, 187 – 190. Google Scholar öffnen
  537. Rudin, Cynthia, Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead, Nat. Mach. Intell. 1(5) 2019, 206 – 215. Google Scholar öffnen
  538. Rudkowski, Lena, „Predictive policing“ am Arbeitsplatz, NZA 2019, 72 – 77. Google Scholar öffnen
  539. Russell, Chris/Kusner, Matt J./Loftus, Joshua/Silva, Ricardo, When Worlds Collide: Integrating Different Counterfactual Assumptions in Fairness, in: NIPS 2017, 396 – 405. Google Scholar öffnen
  540. Russell, Stuart J./Norvig, Peter, Artificial Intelligence – A Modern Approach, Fourth Edition, Upper Saddle River (New Jersey, United States) 2021. Google Scholar öffnen
  541. Sachverständigenrat für Verbraucherfragen, Gutachten Verbrauchergerechtes Scoring, 2018, abrufbar unter www.svr-verbraucherfragen.de/dokumente/verbrauchergerechtes-scoring/. Google Scholar öffnen
  542. Sachs, Michael, Grundrechte: Ausstrahlungswirkung von Art. 3 I GG auf das Privatrecht, Bedeutung des allgemeinen Gleichheitssatzes für das Verhalten Privater in Sonderkonstellationen (bundesweites Stadionverbot), JuS 2019, 89 – 92. Google Scholar öffnen
  543. Sachverständigenrat für Verbraucherfragen, Gutachten Verbrauchergerechtes Scoring, Berlin Oktober 2018. Google Scholar öffnen
  544. Säcker, Franz Jürgen/Rixecker, Roland/Oetker, Hartmut/Limperg, Bettina (Hrsg.), Münchner Kommentar zum Bürgerlichen Gesetzbuch, 9. Auflage, München 2021, zitiert als MüKoBGB. Google Scholar öffnen
  545. Sacksofsky, Ute, Das Grundrecht auf Gleichberechtigung, Eine rechtsdogmatische Untersuchung zu Artikel 3 Absatz 2 des Grundgesetzes, 2. erweiterte Auflage, Baden-Baden 1996. Google Scholar öffnen
  546. Sacksofsky, Ute, Unmittelbare und mittelbare Diskriminierung, in: Mangold, Anna Katharina/Payandeh, Mehrdad (Hrsg.), Handbuch Antidiskriminierungsrecht – Strukturen, Rechtsfiguren und Konzepte, Tübingen 2022, S. 597 – 643. Google Scholar öffnen
  547. Sacksofsky, Ute, Mittelbare Diskriminierung und das Allgemeine Gleichbehandlungsgesetz, Expertise für die Antidiskriminierungsstelle des Bundes, 2010, abrufbar unter www.antidiskriminierungsstelle.de/SharedDocs/downloads/DE/publikationen/Expertisen/expertise_mittelbare_diskriminierung.pdf?__blob=publicationFile&v=2. Google Scholar öffnen
  548. Saetnan, Ann Rudinow /Schneider, Ingrid /Green, Nicola, The politics of big data, 2018. Google Scholar öffnen
  549. Salzborn, Nadja, Regulierung künstlicher Intelligenz – klima- und umweltschutzrelevant! ZUR 2021, 513 – 515. Google Scholar öffnen
  550. Samek, Wojciech/Müller, Klaus-Robert, Towards Explainable Artificial Intelligence, in: Samek, Wojciech/Montavon, Grégoire/Vedaldi, Andrea/Hansen, Lars Kai/Müller, Klaus-Robert, Explainable AI: Interpreting, Explaining and Visualizing Deep Learning, 2019, S. 5 – 22. Google Scholar öffnen
  551. Sandel, Michael J./Reuter, Helmut, Gerechtigkeit – Wie wir das Richtige tun, 7. Auflage, Berlin 2021. Google Scholar öffnen
  552. Sandvig, Christian/Hamilton, Kevin/Karahalios, Karrie/Longboard, Cedric, Auditing Algorithms – Research Methods for Detecting Discrimination on Internet Platforms, 2014, Proceedings of the 64th Annual Meeting of the International Communication Association. Google Scholar öffnen
  553. Schallbruch, Martin, EU-Regulierung der Künstlichen Intelligenz – Informationstechnische Systeme im Fokus neuer rechtlicher Anforderungen, DuD 2021, 438 – 443. Google Scholar öffnen
  554. Schantz, Peter, Die Datenschutz-Grundverordnung – Beginn einer neuen Zeitrechnung im Datenschutzrecht, NJW 2016, 1841 – 1847. Google Scholar öffnen
  555. Schantz, Peter/Wolff, Heinrich Amadeus, Das neue Datenschutzrecht – Datenschutz-Grundverordnung und das neue Bundesdatenschutzgesetz in der Praxis, 1. Auflage, München 2017. Google Scholar öffnen
  556. Schaub, Günter, Arbeitsrechts-Handbuch, 19. Auflage, München 2021. Google Scholar öffnen
  557. Schauer, Frederick, Statistical (And Non-)Statistical Discrimination, in: Lippert-Rasmussen, K. (Hrsg.), The Routledge Handbook of the Ethics of Discrimination, London 2018, S. 42–53. Google Scholar öffnen
  558. Schefzig, Jens, Big Data = Personal Data? Der Personenbezug von Daten bei Big-Data-Analysen, DSRITB 2014, 103 – 119. Google Scholar öffnen
  559. Scheja, Katharina, Schutz von Algorithmen in Big Data Anwendungen, CR 2018, 485 – 552. Google Scholar öffnen
  560. Scherer, Matthew, Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and Strategies, 29(2) Harv. J. L. & Tech. 2016, 353 – 400. Google Scholar öffnen
  561. Schermer, Bart, The limits of privacy in automated profiling and data mining, 27 CLSR (2011), 45 – 52. Google Scholar öffnen
  562. Scherr, Albert, Diskriminierung/Antidiskriminierung – Begriffe und Grundlagen, APuZ 9/2016, S. 3 – 10. Google Scholar öffnen
  563. Scherr, Albert, Soziologische Diskriminierungsforschung in: Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 39 – 58. Google Scholar öffnen
  564. Scherr, Albert, Was meint Diskriminierung, Sozial Extra 2011 (11), S. 34 – 38. Google Scholar öffnen
  565. Schiek, Dagmar, Allgemeines Gleichbehandlungsgesetz. Ein Kommentar aus europäischer Perspektive, München 2007. Google Scholar öffnen
  566. Schinzel, Britta, Algorithmen sind nicht schuld, aber wer oder was ist es dann?, FifF-Kommunikation 2/17, S. 5 – 9. Google Scholar öffnen
  567. Schleusener, Aino/ Suckow, Jens/Plum, Martin, AGG: Allgemeines Gleichbehandlungsgesetz, Taschenkommentar, 6. Auflage, Köln 2022. Google Scholar öffnen
  568. Schmidhuber, Juergen, Deep Learning in Neuronal Networks: An Overview, 61 Neural Networks, 2015, S. 85 – 117. Google Scholar öffnen
  569. Schmitz-Scholemann, Christoph/Brune, Ulrike, Die Rechtsprechung des Bundesarbeitsgerichts zum Allgemeinen Gleichbehandlungsgesetz – Eine Zwischenbilanz, RdA 2011, 129 – 142. Google Scholar öffnen
  570. Schneider, Jochen, Schließt Art. 9 DS-GVO die Zulässigkeit der Verarbeitung bei Big Data aus? ZD 2017, 303 – 308. Google Scholar öffnen
  571. Schneider, Jana/Schindler, Stephan, Videoüberwachung als Verarbeitung besonderer Kategorien personenbezogener Daten - Datenschutzrechtliche Anforderungen beim Erheben von Videodaten, ZD 2018, 463 – 469. Google Scholar öffnen
  572. Schneider, Jan/Yemane, Ruta/Weinmann, Martin, Diskriminierung am Ausbildungsmarkt – Ausmaß, Ursachen und Handlungsperspektiven, Sachverständigenrat für Integration und Migration, 2014, abrufbar unter www.svr-migration.de/publikationen/diskriminierung-am-ausbildungsmarkt/. Google Scholar öffnen
  573. Schölkopf, Bernhard, Causality for Machine Learning, in: Geffner, Hector/Dechter, Rina/Halpern, Joseph, Probabilistic and Causal Inference: The Works of Judea Pearl, New York, 2022, S. 765 - 804. Google Scholar öffnen
  574. Schröder, Markus, Der risikobasierte Ansatz in der DS-GVO ZD 2019, 503 – 506. Google Scholar öffnen
  575. Schröder, Michael/Lang, Gunnar/Lerbs, Oliver/Radev, Deyan, Ökonomische Bedeutung und Funktionsweise von Credit Scoring, in: Schröder, Michael/Taeger, Jürgen (Hrsg.), Scoring im Fokus: Ökonomische Bedeutung und rechtliche Rahmenbedingungen im internationalen Vergleich, Oldenburg 2014, S. 8 – 90. Google Scholar öffnen
  576. Schuhmacher, Elmar/Fatalin, Markus, Compliance-Anforderungen an Hersteller autonomer Software-Agenten, CR 2019, 200 – 208. Google Scholar öffnen
  577. Schultze-Moderow, Lukas/Steinle, Christian/Muchow, Laurette, BB 2023, Die neue Sammelklage – Ein Balanceakt zwischen Verbraucher- und Unternehmensinteressen, 72 – 78. Google Scholar öffnen
  578. Schürmann, Katrin, Datenschutz-Folgenabschätzung beim Einsatz Künstlicher Intelligenz, ZD 2022, 316 – 321. Google Scholar öffnen
  579. Schwab, Klaus, Die vierte Industrielle Revolution, München 2016 Google Scholar öffnen
  580. Schwenke, Thomas, Zulässigkeit der Nutzung von Smartcams und biometrischen Daten nach der DS-GVO, NJW 2018, 823 – 827. Google Scholar öffnen
  581. Seiwerth, Stephan, Anmerkung zur Vorlage an den EuGH vom 31.7.2017, Rs. C-457-17, ZESAR 2018, S. 124 – 127. Google Scholar öffnen
  582. Sesing, Andreas/Tschech, Angela, AGG und KI-VO-Entwurf beim Einsatz von Künstlicher Intelligenz, MMR 2022, 24 – 30. Google Scholar öffnen
  583. Siegmann, Charlotte/Anderljung, Markus, The Brussels Effect and Artificial Intelligence: How EU regulation will impact the global AI market, Centre for the Governance of AI, August 2022. Google Scholar öffnen
  584. Siemen, Birte, Datenschutz als europäisches Grundrecht, Berlin 2006. Google Scholar öffnen
  585. Simitis, Spiros, Sensitive Daten - Zur Geschichte und Wirkung einer Fiktion, in: Brem, Ernst/ Druey, Jean Nicolas/ Kramer, Ernst A./ Schwander, Ivo (Hrsg.) Festschrift zum 65. Geburtstag von Mario M. Pedrazzini, 1990, S. 469 – 494. Google Scholar öffnen
  586. Simitis, Spiros/Hornung, Gerrit/Spiecker gen. Döhmann, Indra, Datenschutzrecht, DSGVO mit BDSG, 1. Auflage 2019. Google Scholar öffnen
  587. Simon, Herbert, The Shape of Automation for Men and Management, New York 1965. Google Scholar öffnen
  588. Sisson, Melanie, Artificial Intelligence, Geopolitics, and the US-China Relationship, in: Lammert, Norbert/Koch, Wolfgang, Bundeswehr der Zukunft, Verantwortung und Künstliche Intelligenz, 2023, S. 286 – 300. Google Scholar öffnen
  589. Söbbing, Thomas, Fundamentale Rechtsfragen zur künstlichen Intelligenz (AI Law), Frankfurt am Main, 2019. Google Scholar öffnen
  590. Söbbing, Rechtsfragen künstlicher Intelligenz im Hochfrequenzhandel, InTeR 2/19, S. 64 – 70. Google Scholar öffnen
  591. Söbbing, Thomas, EU: Rechtsrahmen für die Regulierung künstlicher Intelligenz, ITRB 2021, 125 – 126. Google Scholar öffnen
  592. Sommerer, Lucia, Personenbezogenes Predictive Policing, Kriminalwissenschaftliche Untersuchung über die Automatisierung der Kriminalprognose, Baden-Baden 2019. Google Scholar öffnen
  593. Specht-Riemenschneider, Louisa/Blankertz, Aline/Sierek, Pascal/Schneider, Ruben/Knapp, Jakob/Henne, Theresa: Die Datentreuhand, Ein Beitrag zur Modellbildung und rechtlichen Strukturierung zwecks Identifizierung der Regulierungserfordernisse für Datentreuhandmodelle MMR-Beil. 2021, 25 – 48. Google Scholar öffnen
  594. Spindler, Gerald, Die Vorschläge der EU-Kommission zu einer neuen Produkthaftung und zur Haftung von Herstellern und Betreibern Künstlicher Intelligenz CR 2022, 689 – 704. Google Scholar öffnen
  595. Spindler, Gerald, Der Vorschlag der EU-Kommission für eine Verordnung zur Regulierung der Künstlichen Intelligenz (KI-VO-E), CR 2021, 361 – 374. Google Scholar öffnen
  596. Spindler, Gerald/Schuster, Fabian, Recht der elektronischen Medien, 4. Auflage, München 2019. Google Scholar öffnen
  597. Spindler, Gerald/Thorun, Christian, Die Rolle der Ko-Regulierung in der Informationsgesellschaft Handlungsempfehlung für eine digitale Ordnungspolitik, MMR-Beil. 2016, 1 – 28. Google Scholar öffnen
  598. Spitz, Malte, Daten. Das Öl des 21. Jahrhunderts? Nachhaltigkeit im digitalen Zeitalter, Hamburg 2017. Google Scholar öffnen
  599. Staudinger, Julius von, Kommentar zum Bürgerlichen Gesetzbuch mit Einführungsgesetz und Nebengesetzen, Buch 2 Recht der Schuldverhältnisse: AGG – Allgemeines Gleichbehandlungsgesetz, Berlin 2018. Google Scholar öffnen
  600. Stellpflug, Timo, KI und smarte Roboter im Kriegseinsatz, in: Ebers, Martin/Heinze, Christian/Krügel, Tina/Steinrötter, Björn (Hrsg.), Rechtshandbuch Künstliche Intelligenz und Robotik, 1. Auflage, München 2020, S. 987 – 1010, Google Scholar öffnen
  601. Steege, Hans, Algorithmenbasierte Diskriminierung durch Einsatz von Künstlicher Intelligenz, MMR 2019, 715 – 721. Google Scholar öffnen
  602. Steege, Hans, Definition von Künstlicher Intelligenz in Art. 3 Nr. 1 KI-VO-E, MMR 2022, 926 – 930. Google Scholar öffnen
  603. Stevens, Jeremy, Datenqualität bei algorithmischen Entscheidungen - Überlegungen aus Anlass des Gutachtens der Datenethikkommission, CR 2020, 73 – 79. Google Scholar öffnen
  604. Stiemerling, Oliver, “Künstliche Intelligenz“ – Automatisierung geistiger Arbeit, Big Data und das Internet der Dinge, CR 2015, 762 – 765. Google Scholar öffnen
  605. Stiermerling, Oliver, Technische Grundlagen, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, S. 15 – 31. Google Scholar öffnen
  606. Strecker, Michael, Bausteine einer Regulierung algorithmischer Systeme inkl. Künstlicher Intelligenz, RDi 2021, 124 – 134. Google Scholar öffnen
  607. Stucke, Maurice E./Ezrachi, Ariel, When competition fails to optimize quality: A look at search engines, 18 (2016) Yale J.L. Tech 70 – 110. Google Scholar öffnen
  608. Suresh, Harini/Guttag, John, A Framework for Understanding Sources of Harm throughout the Machine Learning Life Cycle, EAAMO 2021, S. 1 – 9, doi.org/10.1145/3465416.3483305. Google Scholar öffnen
  609. Tabbara, Anette, Der Triage-Beschluss des Bundesverfassungsgerichts, NZS 2022, 241 – 246. Google Scholar öffnen
  610. Taeger, Jürgen, Scoring in Deutschland nach der EU-Datenschutzgrundverordnung, ZRP 2016, 72 – 75. Google Scholar öffnen
  611. Taeger, Jürgen/Gabel, Detlev, DSGVO – BDSG – TTDSG, 4. Auflage, Frankfurt am Main 2022. Google Scholar öffnen
  612. Teubner, Gunther, Digitale Rechtssubjekte? Zum privatrechtlichen Status autonomer Softwareagenten AcP 218 (2018), 155 – 205. Google Scholar öffnen
  613. Teich, Irene, Meilensteine der Entwicklung Künstlicher Intelligenz, Informatik Spektrum 43 (2020), 276 – 284. Google Scholar öffnen
  614. Thönissen, Stefan, Verbandsklagerichtlinie und Haftungsrecht, JZ 77 (2022), 430 – 439. Google Scholar öffnen
  615. Thüsing, Gregor, Arbeitsrechtlicher Diskriminierungsschutz, 2. Auflage, München 2013. Google Scholar öffnen
  616. Thüsing, Gregor/Flink, Maike/Jänsch, Melanie, Stipendienwesen auf dem AGG-rechtlichen Prüfstand, ZEuP 2019, S. 593 – 602. Google Scholar öffnen
  617. Thüsing, Gregor/v. Hoff, Konrad, Vertragsschluss als Folgenbeseitigung: Kontrahierungszwang im zivilrechtlichen Teil des Allgemeinen Gleichbehandlungsgesetzes, NJW 2007, 21 – 26. Google Scholar öffnen
  618. Thüsing, Gregor/Pöschke, Carlo, Diskriminierung als Geschäftsmodell?, jM 2020, 359 – 363. Google Scholar öffnen
  619. Thüsing, Gregor/Stiebert, Tom, Arbeitsrecht: Kein Auskunftsanspruch des nichtberücksichtigten Bewerbers, EuZW 2012, 462 – 465. Google Scholar öffnen
  620. Tischbirek, Alexander, Wissen als Diskriminierungsfrage, in: Münkler, Laura, Dimensionen des Wissens, S. 67 – 88. Google Scholar öffnen
  621. Tischbirek, Alexander, Artificial Intelligence and Discrimination: Discriminating Against Discriminatory Systems, in: Wischmeyer, Thomas, Rademacher, Timo (Hrsg.), Regulating Artificial Intelligence, Cham, Switzerland, 2020, S. 103 – 122. Google Scholar öffnen
  622. Tischbirek, Alexander/Wihl, Tim, Verfassungswidrigkeit des „Racial Profiling“, JZ 2013, 219 – 224. Google Scholar öffnen
  623. Tobler, Christa, Indirect Discrimination: A Case Study into the Development of the Legal Concept under EC Law, Antwerpen 2005. Google Scholar öffnen
  624. Tobler, Christa, European Commission, Limits and Potential of the Concept of Indirect Discrimination, European Commission, Directorate-General for Employment, Social Affairs and Equal Opportunities, Luxembourg 2008. Google Scholar öffnen
  625. Towfigh, Emanuel, Der Umgang mit Empirie beim Nachweis von Diskriminierung, in: Mangold, Anna Katharina/Payandeh, Mehrdad (Hrsg.), Handbuch Antidiskriminierungsrecht – Strukturen, Rechtsfiguren und Konzepte, Tübingen 2022, S. 759 – 802. Google Scholar öffnen
  626. Tschech, Angela, Algorithmische Diskriminierung, Handlungsempfehlungen aus dem Dritten Gleichstellungsbericht und Regulierungsvorschläge im AI-Act, djbZ 2021, 165 – 169. Google Scholar öffnen
  627. Tuchtfeld, Erik/Ponti, Sarah, Zur Notwendigkeit einer Verbandsklage im AGG, ZRP 2018, 139 – 141. Google Scholar öffnen
  628. Tuning, Alan, Computing Machinery and Intelligence, 49 Mind (1950), S. 433 – 460. Google Scholar öffnen
  629. Ulbricht, Lena, Regulativ hergestellte Erwartungen an Big Data - Regulierung von Big Data als Deutungskonflikt? In: Kolany-Raiser Barbara/Heil, Reinhard/Orwat, Carsten/Hoeren, Thomas, Big Data und Gesellschaft – eine multidisziplinäre Annäherung, Wiesbaden 2018, S. 207–231. Google Scholar öffnen
  630. Umbach, Dieter C./Clemens, Thomas, Mitarbeiterkommentar zum Grundgesetz, Heidelberg 2002. Google Scholar öffnen
  631. Unger, Oliver, Grundfragen eines neuen europäischen Rechtsrahmens für KI, ZRP 2020, 234 – 237. Google Scholar öffnen
  632. Ungern-Sternberg, Antje von, Diskriminierungsschutz bei algorithmenbasierten Entscheidungen, in: Mangold, Anna Katharina/Payandeh, Mehrdad (Hrsg.), Handbuch Antidiskriminierungsrecht – Strukturen, Rechtsfiguren und Konzepte, Tübingen 2022, S. 1131 – 1180. Google Scholar öffnen
  633. Ungern-Sternberg, Antje von/Unger, Sebastian (Hrsg.), Demokratie und künstliche Intelligenz, Tübingen 2019. Google Scholar öffnen
  634. Vale, Sebastiao Barros/Zanfir-Fortuna, Gabriela, Automated Decision Making under the GDPR, Practical Cases from Courts and Data Protection Authorities, 2022, abrufbar unter fpf.org/wp-content/uploads/2022/05/FPF-ADM-Report-R2-singles.pdf. Google Scholar öffnen
  635. Valta, Matthias/Vasel, Johann Justus, Kommissionsvorschlag für eine Verordnung über Künstliche Intelligenz, ZRP 2021, 142 – 145. Google Scholar öffnen
  636. Van den Bergh, Roger/ Keske, Sonja, Rechtsökonomische Aspekte der Sammelklage, in: Van den Bergh/Keske in Casper/Janssen/Pohlmann/Schulze, Auf dem Weg zu einer europäischen Sammelklage? München 2009, S. 17 – 40. Google Scholar öffnen
  637. Van Well, Lita/Royakkers, Lamber, Ethical Issues in Web Data Mining, 6 Ethics Inf. Technol. (2004), 129 – 140. Google Scholar öffnen
  638. Veale, Michael/Borgesius, Frederik Zuiderveen, Demystifying the Draft EU Artificial Intelligence Act, 22(4) CRi 2021, 97 – 112. Google Scholar öffnen
  639. Veale, Michael/Binns, Reuben, Fairer machine learning in the real world: Mitigating discrimination without collecting sensitive data, 2 BD&S 2017, 1 – 17. Google Scholar öffnen
  640. Veil, Winfried, DS-GVO: Risikobasierter Ansatz statt rigides Verbotsprinzip – Eine erste Bestandsaufnahme, ZD 2015, 347 – 353. Google Scholar öffnen
  641. Vereinte Nationen, Commission on human rights. Sub-commission on the prevention of discrimination and the protection of minorities, The Main Causes of Discrimination, New York 1949. Google Scholar öffnen
  642. Vereinte Nationen, Resolution der Generalversammlung 217 A (III), Allgemeine Erklärung der Menschenrechte, 1948. Google Scholar öffnen
  643. Vieth, Kilian/Wagner, Ben, Teilhabe ausgerechnet – Wie algorithmische Prozesse Teilhabechancen beeinflussen können, Gütersloh 2017. Google Scholar öffnen
  644. Voigt, Marlene, Die datenschutzrechtliche Einwilligung, Zum Spannungsfeld von informationeller Selbstbestimmung und ökonomischer Verwertung personenbezogener Daten, Baden-Baden 2020. Google Scholar öffnen
  645. Vogel, Paul, Künstliche Intelligenz und Datenschutz, Vereinbarkeit intransparenter Systeme mit geltendem Datenschutzrecht und potentielle Regulierungsansätze, Baden-Baden 2022. Google Scholar öffnen
  646. Wachter, Sandra, How Fair AI Can Make Us Richer, 7 EDPL 2021, 367 – 372. Google Scholar öffnen
  647. Wachter, Sandra, Affinity profiling and discrimination by association in online behavioural advertising, 35 Berkeley Tech. L.J. (2020), 367 – 430. Google Scholar öffnen
  648. Wachter, Sandra, The Theory of Artificial Immutability: Protecting Algorithmic Groups under Anti-Discrimination Law, Tulane Law Review, Forthcoming, abrufbar unter papers.ssrn.com/sol3/papers.cfm?abstract_id=4099100. Google Scholar öffnen
  649. Wachter, Sandra/Mittelstadt, Brent, Why a Right to Explanation of Automated Decision-Making Does Not Exist in the General Data Protection Regulation, 7 Int. Data Priv. Law 2017, 76 – 99. Google Scholar öffnen
  650. Wachter, Sandra/Mittelstadt, Brent, A Right to Reasonable Inferences: Re-Thinking Data Protection Law in the Age of Big Data and AI, CBLR, 2019(2). Google Scholar öffnen
  651. Wachter, Sandra/Mittelstadt, Brent/Russell, Chris, Bias Preservation in Machine Learning: The Legality of Fairness Metrics under EU Non-Discrimination Law, 123 W. Va. L. Rev. 2021, S. 735 – 790. Google Scholar öffnen
  652. Wachter, Sandra/Mittelstadt, Brent/Russell, Chris, Counterfactual Explanations without Opening the Black Box: Automated Decisions and the GDPR, Harv.J.L.&Tech 2018, 841 – 887. Google Scholar öffnen
  653. Wachter, Sandra/Mittelstadt, Brent/Russel, Chris, Why Fairness Cannot Be Automated: Bridging the Gap Between EU Non-Discrimination Law and AI, CLSR 41 (2021): 105567. Google Scholar öffnen
  654. Waddington, Lisa/Bell, Mark, More equal than others: Distinguishing European Union equality directives, 38 CMLR 2001, 587 – 611. Google Scholar öffnen
  655. Wagner, Gerhard, Verantwortlichkeit im Zeichen digitaler Techniken, VersR, 2020, 717 - 741. Google Scholar öffnen
  656. Wagner, Gerhard, Haftung für Künstliche Intelligenz – Eine Gesetzesinitiative des Europäischen Parlaments, ZEuP 2021, 545 – 572. Google Scholar öffnen
  657. Wagner, Ben, Ethics as an Escape from Regulation: From Ethics-washing to Ethics-shopping?, in Hildebrandt, Mireille, Being Profiled. Cogitas ergo sum, Amsterdam 2018, S. 86 – 90. Google Scholar öffnen
  658. Walter, Axel von, Gedrosselte Intelligenz? Künstliche Intelligenz und der Datenschutz, K&R 2019, 7/8. Beil., 21 – 24. Google Scholar öffnen
  659. Walter, Axel von, Automatisierte Entscheidungsfindung, in: Kaulartz, Markus/Braegelmann, Tom (Hrsg.), Rechtshandbuch Artificial Intelligence und Machine Learning, München 2020, 391 – 402. Google Scholar öffnen
  660. Wang, Richard J./Strong, Diane M., Beyond Accuracy: What Data Quality Means to Data Consumers; J. Manag. Inf. Syst. 12 (1996), 5 – 33. Google Scholar öffnen
  661. Wank, Rolf, Die Diskriminierung von Teilgruppen, NZA 2022, 320 – 327. Google Scholar öffnen
  662. Weichselbaumer, Doris, Discrimination against Female Migrants Wearing Headscarves, 73(3) ILR Rev. 2020, 600 – 627. Google Scholar öffnen
  663. Weichert, Thilo, Big Data und Datenschutz. Chancen und Risiken einer neuen Form der Datenanalyse. ZD 2013, 251 – 259. Google Scholar öffnen
  664. Weichert, Thilo, Scoring in Zeiten von Big Data, ZRP 2014, 168 – 171. Google Scholar öffnen
  665. Weichert, Thilo, „Sensitive Daten“ revisited, DuD 2017, 538 – 543. Google Scholar öffnen
  666. Weinberg, Nils, Ansätze zur Dogmatik der intersektionalen Benachteiligung, EuZA 2020, 60 – 76. Google Scholar öffnen
  667. Weinzierl, Quirin, Warum das Bundesverfassungsgericht Fußballstadion sagt und Soziale Plattformen trifft, JuWissBlog Nr. 48/2018, 24.5.2018, www.juwiss.de/48-2018/. Google Scholar öffnen
  668. Weitzel, Tim/Maier, Christian/Weinert, Christoph/Pflügner, Katharina/Oehlhorn, Caroline/Wirth, Jakob, Digitalisierung und Zukunft der Arbeit, Centre of Human Resources Information Systems, 2020, abrufbar unter www.uni-bamberg.de/fileadmin/uni/fakultaeten/wiai_lehrstuehle/isdl/Recruiting_Trends_2020/Studien_2020_04_Digitalisierung_Web.pdf. Google Scholar öffnen
  669. Wendeling-Schröder, Ulrike/Stein, Axel, Allgemeines Gleichbehandlungsgesetz, München 2008. Google Scholar öffnen
  670. Werkmeister, Christoph/Brandt, Elena, Datenschutzrechtliche Herausforderungen für Big Data, CR 2016, 233 – 238. Google Scholar öffnen
  671. Werkmeister, Christoph/Schwaab, Michael, Auswirkungen und Reichweite des datenschutzrechtlichen Forschungsprivilegs, CR 2019, 85 – 90. Google Scholar öffnen
  672. Weyerer, Jan C./Langer, Paul F., Garbage In, Garbage Out: The Vicious Cycle of AI-Based Discrimination in the Public Sector, 20 DGO 2019, 509 – 511. Google Scholar öffnen
  673. Weyerer, Jan C./Langer, Paul F., Bias and Discrimination in Artificial Intelligence: Emergence and Impact in E-Business, in: Luppicini, Rocci, Handbook of Research on Interdisciplinary Approaches to Digital Transformation and Innovation, 2020, S. 256 – 283. Google Scholar öffnen
  674. Wiebe, Gerhard, Produktsicherheitsrechtliche Betrachtung des Vorschlags für eine KI-Verordnung, BB 2022, 899 – 906. Google Scholar öffnen
  675. Wieder, Clemens, Datenschutzrechtliche Betroffenenrechte bei der Verarbeitung von personenbezogenen Daten mittels künstlicher Intelligenz, DSRITB 2018, 505 – 519. Google Scholar öffnen
  676. Willemsen/Sagan, Die Auswirkungen der europäischen Grundrechtecharta auf das deutsche Arbeitsrecht, NZA 2011, 258 – 262. Google Scholar öffnen
  677. Wischmeyer, Thomas, Regulierung intelligenter Systeme, AöR 2018, S. 1 – 66. Google Scholar öffnen
  678. Wissenschaftlicher Dienst des Deutschen Bundestages, Zum Doppelbestrafungsverbot im Ordnungswidrigkeitenrecht, WD 7 – 3000 – 030/19, 25.02.2019. Google Scholar öffnen
  679. Wolff, Heinrich Amadeus /Brink, Stefan (Hrsg.), BeckOK Datenschutzrecht, 43. Edition Stand: 01.02.2023, München 2023, zitiert als BeckOK DatenschutzR. Google Scholar öffnen
  680. Wong, Pak-Hang, Democratizing Algorithmic Fairness, 33 P&T 2020, 225 – 244. Google Scholar öffnen
  681. Yong, Hu, Das Internet ist nicht genderneutral – Über Geschlechterethik in Netzöffentlichkeit, in: Otto, Philip/Gräf, Eike (Hrsg.), 3TH1CS – Die Ethik der digitalen Zeit, Berlin 2017, S. 198 – 208. Google Scholar öffnen
  682. Youyou, Wu/Kosinski, Michal/Stillwell, David, Computer-based personality judgments are more accurate than those made by humans, 112(4) PNAS 2015, 1036 – 1040. Google Scholar öffnen
  683. Zafar, Muhammad Bilal/ Valera, Isabel/Rodriguez, Manuel Gomez/ Gummadi, Krishna P./Weller, Adrian, From Parity to Preference-based Notions of Fairness in Classification, in: 31 NIPS 2017, 228 – 238. Google Scholar öffnen
  684. Zech, Herbert, Einführung in das Technikrecht, Trier 2021. Google Scholar öffnen
  685. Zech, Herbert, Entscheidungen digitaler autonomer Systeme: Empfehlen sich Regelungen zu Verantwortung und Haftung?, Verhandlungen des 73. Deutschen Juristentages, Band 1, Gutachten A, München 2020, S. 98 – 199. Google Scholar öffnen
  686. Zech, Herbert, Empfehlen sich Regelungen zu Verantwortung und Haftung beim Einsatz Künstlicher Intelligenz? Der Verordnungsvorschlag des Europäischen Parlaments, Ergänzungsgutachten DJT 2020/2022. Google Scholar öffnen
  687. Zech, Herbert, Haftung für Trainingsdaten Künstlicher Intelligenz, NJW 2022, 502 – 507. Google Scholar öffnen
  688. Zech, Herbert, Empfehlen sich Regelungen zu Verantwortung und Haftung beim Einsatz Künstlicher Intelligenz? NJW-Beil 2022, 33 – 38. Google Scholar öffnen
  689. Zech, Herbert, Künstliche Intelligenz und Haftungsfragen, ZfPW 2019, 198 – 218. Google Scholar öffnen
  690. Zehlike, Meike/Hacker, Philipp/Wiedemann Emil, Matching Code and Law: Achieving Algorithmic Fairness with Optimal Transport, 34 DMKD 2020, 163 – 200. Google Scholar öffnen
  691. Zhao, Jieyu/Wang, Tianlu/Yatskar, Mark/Ordonez, Vincente/Chang, Kai-Wei, Men also like shopping: Reducing gender bias amplification using corpus-level constraints, EMNLP 2017, 2941 – 2951. Google Scholar öffnen
  692. Zick, Andreas, Sozialpsychologische Diskriminierungsforschung, in: Scherr, Albert/El-Mafaalani, Aladin/Yüksel, Gökçen (Hrsg.), Handbuch Diskriminierung, Wiesbaden 2017, S. 61 – 70. Google Scholar öffnen
  693. Ziegelmayer, David, Geheimnisschutz ist eine große Nische, CR 2018, 693 – 699. Google Scholar öffnen
  694. Žliobaite, Indre, Measuring discrimination in algorithmic decision making, 31 DMKD (2017), 1060 – 1089. Google Scholar öffnen
  695. Žliobaitė, Indre/Custers, Bart, Using sensitive personal data may be necessary for avoiding discrimination in data-driven decision models, 24 AIL 2016, 183 –201. Google Scholar öffnen
  696. Zweig, Katharina, Algorithmische Entscheidungen: Transparenz und Kontrolle, Konrad-Adenauer-Stiftung, Digitale Gesellschaft Nr. 338, Berlin 2019. Google Scholar öffnen
  697. Zweig, Katharina/Fischer, Sarah/Likscha, Konrad, Wo Maschinen irren können – Fehlerquellen und Verantwortlichkeiten in Prozessen algorithmischer Entscheidungsfindung, Gütersloh 2018. Google Scholar öffnen
  698. Zweig, Katharina/Hauer, Mark/Raudonat, Franziska, Anwendungsszenarien KI-Systeme im Personal- und Talentmanagement, ExamAI, 2020, abrufbar unter testing-ai.gi.de/fileadmin/PR/Testing-AI/ExamAI_Publikation_Anwendungsszenarien_KI_HR.pdf. Google Scholar öffnen
  699. Zweig, Katharina/Krafft, Tobias, Fairness und Qualität algorithmischer Entscheidungen, in: Kar, Resa Mohabbat/Thapa, Basante/Parycek, Peter, (Un)berechenbar? Algorithmen und Automatisierung in Staat und Gesellschaft, Berlin 2018, S. 204 – 224. Google Scholar öffnen

Ähnliche Veröffentlichungen

aus dem Schwerpunkt "Datenschutzrecht & Informationsrecht & Digitalrecht", "Urheberrecht & Medienrecht", "Recht allgemein, Übergreifende Werke und Sammlungen"
Cover des Buchs: Data Act und Datenschutz
Monographie Kein Zugriff
Marc-Philipp Geiselmann
Data Act und Datenschutz
Cover des Buchs: Die Beurteilung von Faktenchecks nach dem Äußerungsrecht
Monographie Kein Zugriff
Alexander Heimann
Die Beurteilung von Faktenchecks nach dem Äußerungsrecht
Cover des Buchs: Die Rolle des Gerichts im Rahmen des Prozessvergleichs
Monographie Kein Zugriff
Adomas Jankauskis
Die Rolle des Gerichts im Rahmen des Prozessvergleichs
Cover des Buchs: Kostenübersichtstabellen
Monographie Kein Zugriff
Manfred Schmeckenbecher, Karin Scheungrab
Kostenübersichtstabellen
Cover des Buchs: Die Brüssel Ia-VO im Lichte der Besonderheiten des einstweiligen Rechtsschutzes
Monographie Kein Zugriff
Louis Mayer
Die Brüssel Ia-VO im Lichte der Besonderheiten des einstweiligen Rechtsschutzes

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Feedback geben

Wir freuen uns über Ihr Feedback zu Inhalten und Funktionen. Ihre Nachricht hilft uns, unseren Service stetig zu verbessern.

Bewertung
Bild anhängen
oder hier ablegen
PNG oder JPG (max. 3 MB)

Willkommen auf Inlibra – Ihrer Plattform für digitale Fachinformationen

Nomos, C.H.Beck, VDI und über 100 weitere Verlage bündeln hier ihre Inhalte zu einer der größten Plattformen für digitale Fachinformationen.

Effizient recherchieren, langfristig zitieren, verlässlich nutzen – alles vereint an einem Ort.

Anmelden

Passwort vergessen?
Login via Open Athens
Noch kein Benutzerkonto?
Jetzt registrieren

Publikation zitieren

Download: RIS BibTex