2. Einführung von Begriffen und Definitionen 
Die Thematik Künstliche Intelligenz hält Einzug in viele verschiedene Branchen — so 
auch in der maritimen Industrie. Dabei werden die Begriffe Künstliche Intelligenz und 
Autonome Schifffahrt sowie im Zusammenhang stehende Begriffe oftmals 
ynterschiedlich definiert oder verstanden. Für das Grundverständnis ist es notwendig 
ein gemeinsames Verständnis über Begriffe und Konzepte zu schaffen und ihre 
Zusammenhänge zu erklären. 
2.1. Künstliche Intelligenz als Entscheidungseinrichtung 
Mit der Entwicklung der ersten Computer und ihrer stetig steigenden Rechenleistung 
‚ückte das Thema Künstliche Intelligenz nicht nur in die Aufmerksamkeit der 
Wissenschaft, sondern zunehmend in vielen Bereichen der Industrie. Die vorliegende 
Studie betrachtet künstlich intelligente Systeme als Entscheidungseinrichtungen zur 
Durchführung sicherheitskritischer Entscheidungen an Bord von teilautonom 
ausgerüsteten Überwasserschiffen. 
Zur Fragestellung, ab wann man bei einem System von einer Kl sprechen kann, 
existieren in der Fachwelt verschiedene Antworten (Norvig & Russell, 2021). Zur 
Definitionsauslegung einer Kl kann zum Beispiel bewertet werden, wie rational und 
ichtig oder wie menschlich die Entscheidungen von einem System getroffen werden. 
Diese Betrachtung des Systems kann sowohl intern, also hinsichtlich der sukzessiven 
nternen Schlussfolgerungen, als auch extern, also hinsichtlich des äußerlichen 
Verhaltens oder Ergebnisses, unternommen werden. 
n diesem Unterkapitel werden im weiteren Verlauf die Begriffe Machine Learning und 
Deep Learning als Teil von Künstlicher Intelligenz, wie in Abbildung 3 vereinfacht 
dargestellt, eingeordnet. 
Künstliche Intelligenz 
5ymbolic Artificial Intelligence 
Computational Intelligence 
Machine Learning 
(K)eine verborgene 
Rechenschicht 
x Mehrere verborgene 
Rechenschichten 
Deep Learning 
Abbildung 3: Zusammenhang zwischen Künstliche Intelligenz (Kl), Machine Learning (ML) und 
Deep Learning (DL). 
Srundlegend können Kl-Ansätze einer der folgenden Methoden zugeordnet werden: 
Symbolic Artificial Intelligence (sAl) oder Computational Intelligence (Cl) (Flasinski, 
2016). Ein sAl-Modell zeichnet sich dadurch aus, dass es explizit definiert sein kann. 
Das heißt das Wissen ist symbolisch repräsentiert und „gedankliche“ Prozesse im 
Modell sind als formale Operationen beschrieben. Als Beispiele können hier explizit 
Fraunhofer Cl. 
‚/erifAl 
Bundesamt für Seeschifffahrt und Hydrographie