LEADER 02317nam  22004453a 450 
001 9910511981603321
005 20250513224849.0
010   $a9783748925712
010   $a3748925719
024 8 $ahttps://doi.org/10.5771/9783748925712
035   $a(CKB)5490000000111163
035   $a(ScCtBLL)b62eac05-36db-491f-b592-2e0b8113e75f
035   $a(oapen)https://directory.doabooks.org/handle/20.500.12854/70810
035   $a(EXLCZ)995490000000111163
100   $a20211214i20212021  uu 
101 0 $ager
135   $auru||||||||||
181   $ctxt$2rdacontent
182   $cc$2rdamedia
183   $acr$2rdacarrier
200 00$aDaten als Rohstoffe und Entwicklungstreiber für selbstlernende Systeme $eZum Regulierungsbedürfnis von Innovationshemmnissen durch Datennetzwerkeffekte /$fKatharina Hillmer$hVolume 40
210   $aBaden-Baden$cNomos Verlagsgesellschaft mbH & Co. KG$d2021
210  1$a[s.l.] :$cNomos Verlagsgesellschaft mbH & Co. KG,$d2021.
215   $a1 online resource (458 p.)
225 1 $aKartell- und Regulierungsrecht
311 08$a9783848781430 
311 08$a3848781433 
330   $aDatenzugangsrechte sind nach geltendem Recht nur unter engen Voraussetzungen gegeben. Mit der steigenden Verbreitung "datenhungriger" KI-Systeme gehen Forderungen nach Datenteilungspflichten in weiteren Konstellationen einher und richten sich insbesondere gegen Unternehmen der Digitalwirtschaft. Diese Untersuchung hinterfragt, ob es zur Fo?rderung von Innovationsmo?glichkeiten und -anreizen ratsam wa?re, den Zugang zu exklusiven Daten aus der Privatwirtschaft fu?r das Training selbstlernender Systeme zu ero?ffnen. Es wird der Frage nachgegangen, ob Korrekturen im Einzelfall oder sektorspezifische Reaktionen eine bessere Lo?sung sind. Zu diesem Zweck werden A?nderungsvorschla?ge aus Politik und Wissenschaft untersucht und eigene Ansa?tze entwickelt.
410   $aKartell- und Regulierungsrecht
606   $aLaw / Constitutional$2bisacsh
606   $aLaw
615  7$aLaw / Constitutional
615  0$aLaw.
700   $aHillmer$b Katharina$01071150
801  0$bScCtBLL
801  1$bScCtBLL
906   $aBOOK
912   $a9910511981603321
996   $aDaten als Rohstoffe und Entwicklungstreiber fu?r selbstlernende Systeme$92565990
997   $aUNINA