
Diese Workshop-Präsentation behandelt den Einsatz von DSGVO-konformen KI-Tools für die automatisierte Audiotranskription. Sie bietet einen Überblick über aktuelle KI-Modelle im Bereich der Automatic Speech Recognition (insbesondere die Whisper-Modellfamilie von OpenAI) sowie deren Integration in lokale Softwarelösungen. Neben technischen Details und einem Hands-On-Teil zu den Tools noScribe und aTrain werden Anforderungen der DSGVO erläutert, die sich aus der Verarbeitung personenbezogener Daten im Kontext der Transkription von Sprachaufnahmen ergeben. Die Präsentation gibt zudem praktische Hilfestellungen für die Projektplanungsphase, um automatisierte Transkriptionen DSGVO-konform umzusetzen. Themen: Lokale KI-Transkriptionstools: Vorstellung und Vergleich von noScribe, aTrain und whisply Herausforderungen hinsichtlich Datenschutz und DSGVO sowie Lösungsansätze Tools zur Unterstützung einer DSGVO-konformen und ethisch fundierten Projektplanung: BERD@NFDI: iVA1 – Ein interaktiver virtueller Assistent, der Forschende dabei unterstützt, die für ihr Forschungsprojekt relevanten Datenschutzbestimmungen einzuhalten Ethiktool der TU Chemnitz: das Tool unterstützt Forschende beim Verfassen von Ethikanträgen, wobei relevante Aspekte für die ethische Begutachtung fallbezogen erfasst werden Zielgruppe: Forschende, Studierende und Personen im Forschungsdatenmanagement, die nach praktischen, DSGVO-konformen KI-Lösungen für die automatisierte Verarbeitung von Audio- und Videoaufnahmen suchen.
FDM, aTrain, KI, noScribe, Audiotranskription, Forschungsdatenmanagement, DSGVO, KI Tools, Transkription
FDM, aTrain, KI, noScribe, Audiotranskription, Forschungsdatenmanagement, DSGVO, KI Tools, Transkription
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
