Grin logo
de en es fr
Shop
GRIN Website
Publish your texts - enjoy our full service for authors
Go to shop › Law - Miscellaneous

Nulla poena sine culpa. Künstliche Intelligenzen als Adressaten einer Strafandrohung am Beispiel des vollautomatisierten Fahrens

Title: Nulla poena sine culpa. Künstliche Intelligenzen als Adressaten einer Strafandrohung am Beispiel des vollautomatisierten Fahrens

Seminar Paper , 2023 , 45 Pages , Grade: 11,0

Autor:in: Desiree Shirin Helene Ortlieb (Author)

Law - Miscellaneous
Excerpt & Details   Look inside the ebook
Summary Excerpt Details

Die Arbeit untersucht, ob und wie Künstliche Intelligenzen im Kontext vollautomatisierten Fahrens strafrechtlich verantwortlich gemacht werden können. Sie zeigt, wo klassische Strafrechtsgrundsätze an ihre Grenzen stoßen und welche theoretischen Modelle sich für eine künftige rechtliche Einordnung eignen. Technische Grundlagen werden nur soweit erklärt, wie sie für das Verständnis der strafrechtlichen Bewertung nötig sind. Die Studie bietet eine fundierte, verständliche Einführung in einen der zentralen Rechtsfragen der kommenden Mobilitätsentwicklung.

Excerpt


Inhaltsverzeichnis

A. Einführung

I. Einleitung und Problemstellung

II. Gegenstand der Untersuchung

III. Gang der Untersuchung

B. Grundlagen

I. Begriffsbestimmung

1. Künstliche Intelligenz

2. Automatisierungsstufen im Straßenverkehr

a) Level 0: Keine Automatisierung

b) Level 1: Assistiertes Fahren

c) Level 2: Teilautomatisierte Fahrsysteme

d) Level 3: Hochautomatisiertes Fahren

e) Level 4: Vollautomatisiertes Fahren

f) Level 5: Autonomes Fahren

II. Technische Grundlagen

1. Technik und Funktionsweise

2. Besonderheiten der Software vollautomatisierter Fahrsysteme

3. Fehler- und Störungspotential

III. Nationaler Rechtsrahmen: Achtes Gesetz zur Änderung des Straßenverkehrsgesetzes

1. Kraftfahrzeuge mit vollautomatisierter Fahrfunktion gem. § 1a StVG

2. Rechte und Pflichten des Fahrzeugführers bei Nutzung vollautomatisierter Fahrfunktion i.S.d. § 1b StVG

C. Verantwortlichkeit des intelligenten Systems

I. Handlungsfähigkeit des Systems

1. Normtheoretische Grundlegung

2. Rechtlicher Handlungsbegriff

a) Handlungsbegriff nach Kant und Hegel

b) Kausaler Handlungsbegriff

d) Stellungnahme

II. Schuldfähigkeit des Systems

1. Schuld als „Anders-Handeln-Können“

2. Funktionaler Schuldbegriff

3. Stellungnahme

III. Bestrafbarkeit des Systems

1. Absolute Straftheorien

2. Relative Straftheorien

3. Stellungnahme

IV. Fazit zur Verantwortlichkeit

D. Schlussbetrachtung

I. Abschließende Thesen

II. Gesamtergebnis der Untersuchung

Zielsetzung und Themenschwerpunkte

Die Arbeit untersucht am Beispiel vollautomatisierter Fahrsysteme in Deutschland, ob und inwiefern künstliche Intelligenzen nach allgemeinen strafrechtlichen Grundsätzen selbst Adressaten einer Strafandrohung sein können. Dazu verbindet sie technische Grundlagen und den straßenverkehrsrechtlichen Rahmen mit einer theoretischen Prüfung von Handlungsfähigkeit, Schuldfähigkeit und Strafzwecken.

  • Begriffe und Automatisierungsstufen des Fahrens
  • Technik, maschinelles Lernen und mögliche Störungen
  • Rechte und Pflichten nach §§ 1a und 1b StVG
  • Strafrechtliche Handlungs- und Schuldbegriffe
  • Absolute und relative Straftheorien

Auszug aus dem Buch

2. Besonderheiten der Software vollautomatisierter Fahrsysteme

Die Beschreibung der Technik und Funktionsweise vollautomatisierter Fahrsysteme verdeutlicht, dass diese Systeme im Kern Softwareprodukte sind. Auch Fahrzeuge unterhalb des Level 4 sind mit Softwarekomponenten ausgestattet. Im Vergleich dazu weisen vollautomatisierte Fahrzeuge jedoch eine Besonderheit in ihrer Software auf: Die Programmierung erfolgt nicht mehr nur klassisch deterministisch, nach einem „Wenn-Dann-Schema“, wonach das Verhalten des Systems für den Einzelfall im Voraus festgelegt wird. Stattdessen wird in der Entwicklungsphase sowohl im Zusammenhang mit dem Erkennen und Verstehen von Verkehrssituationen, als auch zur Planung eines angemessenen Fahrverhaltens maschinelles Lernen genutzt. Beim maschinellen Lernen können Systeme ihre Verhaltens- und Reaktionsmuster selbstständig anpassen, nachdem man ihnen neue Daten zugespielt hat. Der dabei zum Einsatz kommende Algorithmus verändert sich infolge der Aufnahme von Daten eigenständig, ohne dass zusätzliche Änderungen durch einen Menschen erforderlich sind. Man spricht deshalb auch davon, dass diese Systeme trainiert und nicht programmiert werden. Dabei ist es den Entwicklern teilweise nicht möglich, nachzuvollziehen, warum bestimmte Entscheidungen getroffen wurden oder vorherzusagen, wie sich das Fahrsystem in einer bestimmten Situation sicher verhalten wird.

Das Trainieren von vollautomatisierten Fahrsystemen erfolgt gegenwärtig durch sogenanntes überwachtes maschinelles Lernen. Diese Art des Lernens unterscheidet sich zum nicht überwachten Lernen darin, dass die durch einen „Trainer“ dem System zugeführten Daten bereits mit einem Label versehen sind. So werden z.B. Bildaufnahmen eines Straßenschildes mit entsprechendem Label als solche gekennzeichnet. Wohingegen die Systeme bei anderen Arten des Lernens eigenständig Muster in den Daten erkennen und interpretieren sollen, ganz ohne das Zutun eines Menschen.

Die in vollautomatisierten Fahrfunktionen zum Einsatz kommenden Systeme lernen ausschließlich in der Entwicklungsphase, nicht aber im Betrieb. Nach der Inbetriebnahme erfolgt somit kein fortlaufender Lernprozess des Systems. Dieser Umstand könnte sich zwar in Zukunft ändern. Die dafür notwendigen Verfahren, die eine angemessene Kontrollierbarkeit des Fahrverhalten von selbstlernenden Systemen im Betrieb gewährleisten können, existieren aktuell jedoch noch nicht.

Zusammenfassung der Kapitel

A. Einführung: Die Einführung erläutert die Problemstellung und grenzt die theoretische Untersuchung zur Strafbarkeit künstlicher Intelligenzen beim vollautomatisierten Fahren ein. Sie stellt zudem den Gang der Untersuchung vor.

B. Grundlagen: Das Kapitel unterscheidet Automatisierungsstufen und beschreibt Sensoren, Software und Störungsquellen. Anschließend behandelt es den nationalen Rechtsrahmen und die Pflichten des Fahrzeugführers.

C. Verantwortlichkeit des intelligenten Systems: Im Mittelpunkt stehen die strafrechtliche Handlungsfähigkeit, verschiedene Schuldbegriffe und die Frage, ob Strafzwecke gegenüber intelligenten Systemen verwirklicht werden können. Die Autorin diskutiert dabei unterschiedliche rechtsdogmatische Ansätze und nimmt jeweils Stellung.

D. Schlussbetrachtung: Die Schlussbetrachtung bündelt die Ergebnisse in Thesen und beantwortet die Untersuchungsfrage unter Berücksichtigung des damaligen technischen und strafrechtlichen Verständnisses.

Schlüsselwörter

Künstliche Intelligenz, vollautomatisiertes Fahren, Strafrecht, Schuldprinzip, strafrechtliche Verantwortlichkeit, Handlungsfähigkeit, Schuldfähigkeit, Straftheorien, maschinelles Lernen, Automatisierungsstufen, Straßenverkehrsgesetz, normative Ansprechbarkeit

Häufig gestellte Fragen

Worum geht es in der Arbeit?

Die Arbeit befasst sich mit der Frage, ob künstliche Intelligenzen selbst strafrechtlich verantwortlich sein können. Als Beispiel dienen vollautomatisierte Fahrsysteme in Deutschland.

Welche Themenfelder stehen im Mittelpunkt?

Behandelt werden technische und rechtliche Grundlagen automatisierter Fahrzeuge sowie strafrechtliche Handlungsfähigkeit, Schuld und Strafzwecke.

Was ist das Ziel der Untersuchung?

Die Autorin prüft, inwiefern allgemeine strafrechtliche Grundsätze und gängige Theorien auf künstliche Intelligenzen anwendbar sind und als Grundlage für die weitere juristische Diskussion dienen können.

Welche wissenschaftliche Methode wird verwendet?

Die Arbeit führt eine theoretische rechtswissenschaftliche Untersuchung durch. Sie wertet rechtliche Vorschriften und strafrechtsdogmatische Ansätze aus und setzt diese mit den technischen Eigenschaften vollautomatisierter Fahrsysteme in Beziehung.

Was behandelt der Hauptteil?

Der Hauptteil untersucht zunächst die Handlungsfähigkeit intelligenter Systeme, anschließend deren mögliche Schuldfähigkeit und schließlich die Anwendbarkeit verschiedener Straftheorien.

Welche Schlüsselwörter charakterisieren die Arbeit?

Zu den zentralen Begriffen zählen künstliche Intelligenz, vollautomatisiertes Fahren, Schuldprinzip, Handlungsfähigkeit, Schuldfähigkeit und Straftheorien.

Welche Bedeutung haben die Automatisierungsstufen?

Die Arbeit unterscheidet sechs Stufen von Level 0 bis Level 5. Sie ordnet vollautomatisiertes Fahren dem Level 4 zu und grenzt es vom autonomen Fahren auf Level 5 ab.

Welche Rolle spielt maschinelles Lernen?

Die Autorin beschreibt, wie Fahrsysteme in der Entwicklungsphase mit Daten trainiert werden, und erläutert den Unterschied zwischen überwachtem und nicht überwachtem Lernen. Dies bildet eine technische Grundlage für die spätere rechtliche Bewertung.

Welche Bedeutung haben §§ 1a und 1b StVG?

Die Vorschriften bilden einen Teil des untersuchten nationalen Rechtsrahmens. Die Arbeit behandelt die bestimmungsgemäße Nutzung automatisierter Fahrfunktionen sowie die Rechte und Rückübernahmepflichten des Fahrzeugführers.

Excerpt out of 45 pages  - scroll top

Details

Title
Nulla poena sine culpa. Künstliche Intelligenzen als Adressaten einer Strafandrohung am Beispiel des vollautomatisierten Fahrens
College
University of Hagen  (Rechtswissenschaftliches Institut)
Grade
11,0
Author
Desiree Shirin Helene Ortlieb (Author)
Publication Year
2023
Pages
45
Catalog Number
V1675579
ISBN (PDF)
9783389166543
ISBN (Book)
9783389166550
Language
German
Tags
Künstliche Intelligenz Jura KI Recht Automatisiertes Fahren Strafe KI Strafandrohung KI straßenverkehr
Product Safety
GRIN Publishing GmbH
Quote paper
Desiree Shirin Helene Ortlieb (Author), 2023, Nulla poena sine culpa. Künstliche Intelligenzen als Adressaten einer Strafandrohung am Beispiel des vollautomatisierten Fahrens, Munich, GRIN Verlag, https://www.grin.com/document/1675579
Look inside the ebook
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
  • Depending on your browser, you might see this message in place of the failed image.
Excerpt from  45  pages
Grin logo
  • Grin.com
  • Shipping
  • Contact
  • Privacy
  • Terms
  • Imprint
  • Withdraw Contract