Der SMART DATA BLOG

Home

Responsible AI

Content in Context

Data-Driven Business

Responsible AI

Künstliche Intelligenz beinhaltet das Versprechen Probleme zu lösen. Menschen wie Maschinen tun dies, indem sie in einer Fülle unterschiedlicher Handlungsalternativen die richtige auswählen und selbst in komplexen Situationen die richtige Entscheidung treffen.
Doch was heißt richtig? Wie sicher ist sich denn die Maschine und inwieweit kann ich mich wirklich auf sie verlassen? Am Ende des Tages muss der Betreiber eines auf Basis von KI automatisierten Services weiterhin die Verantwortung tragen für die Entscheidung der KI und die daraus resultierenden Konsequenzen.

Ein verantwortungsbewusster Einsatz von KI ist mit den meisten derzeit verfügbaren KI-Services und Plattformen nicht möglich. In den allermeisten Fällen arbeiten diese als „Black Box“. Sie geben Antworten auf Fragen oder empfehlen konkrete Handlungen oder Aktionen, ohne dass derjenige, der diesen Service als Teil seiner Anwendung integriert, tiefergehenden Einblick in die Arbeitsweise der KI hat. Das beginnt „ganz unten“ auf der Ebene der Daten: eine KI trifft wie wir Menschen ihre Entscheidungen auf der Basis von erlerntem Wissen. Wissen wiederum basiert auf Erfahrung. Erfahrung sammeln heißt – technisch aus Sicht einer Maschine ausgedrückt – Daten zu sammeln.

MORESOPHY steht für „mehr Wissen“ (von griechisch: sophos – die Weisheit) und damit für eine Künstliche Intelligenz, die für maximal mögliche Transparenz und Kontrolle steht. Für KI-Lösungen, bei denen die Betreiber die KI verstehen und aktiv eingreifen können.

Ergebnis eines verantwortungsbewussten Umgangs bei der Entwicklung und Anwendung von KI ist Vertrauen. Vertrauen in eine KI ist für die produktive Nutzung unerlässlich. Sie ist Voraussetzung für die notwendige Akzeptanz beim Management wie bei den Anwendern. Doch was ist trusted AI? Und was sind die Rahmenbedingungen, unter denen Vertrauen möglich ist?

 

Grundlage für Vertrauen – bei Maschinen wie auch in der Beziehung zu Menschen – ist Authentizität. Auch eine KI ist niemals perfekt. Aber wir können von ihr erwarten, dass sie wahrhaftig ist – auch in dem Aufzeigen ihrer eigenen Grenzen. Wir erwarten Konsistenz statt Sprunghaftigkeit in ihrem Verhalten. Wir möchten nachvollziehen, warum die KI uns Empfehlungen gibt und auf welchen Erfahrungen sie basieren.
Diese Anforderungen an KI führen zu dem Konzept der Explainable AI. Die drei Begriffe Responsible AI, Trusted AI und Explainable AI bedingen sich gegenseitig.

Die CONTEXTSUITE-Plattform erfüllt diese Rahmenbedingungen, indem sie durch die Aufbereitung und visuelle Darstellung von Daten beliebiger Herkunft Transparenz schafft. Und zwar entlang des gesamten Life-Cycle von Künstlicher Intelligenz – von der Qualität der Datenbasis, von welcher die KI lernt, über die Performance und Verlässlichkeit der Modelle bis hin zu einem erklärenden Ansatz, der über visuelle Dashboards nachvollziehbar und prüfbar macht, warum die KI zu ihrer Empfehlung kommt.

Alle Beiträge

Deutschland will Trusted AI

Deutschland will Trusted AI

Auf Beschluss des Bundestags fördert das Bundesministerium für Wirtschaft und Klimaschutz die Weiterentwicklung der Data-Analytics Platform CONTEXTSUITE. Künstliche Intelligenz hat die Welt erobert. Die Erwartungen an KI-Anwendungen sind enorm und...

mehr lesen
Bias im Maschinellen Lernen

Bias im Maschinellen Lernen

Automatische Entscheidungssysteme, die auf maschinellem Lernen basieren, enthalten oftmals einen sogenannten „Bias“ (deutsch: Vorurteil, Verzerrung). Darunter versteht man Bewertungen, die aufgrund unzureichender Kenntnis und somit einseitiger...

mehr lesen
Ethik im Maschinellen Lernen

Ethik im Maschinellen Lernen

Kürzlich machte Google Schlagzeilen, weil es innerhalb weniger Monate bereits seine zweite leitende Forscherin zur Ethik in der KI gefeuert hat. Timnit Gebru und ihre Kollegin Margaret Mitchell forschten an dem Paper "On the Dangers of Stochastic...

mehr lesen
Überwachtes Lernen anschaulich erklärt

Überwachtes Lernen anschaulich erklärt

Im Allgemeinen unterscheidet man im Machine Learning zwischen vier verschiedenen Typen von Modellen: Dem überwachten Lernen (supervised Learning), dem unüberwachten Lernen (unsupervised Learning), dem teilüberwachten Lernen und dem Reinforcement...

mehr lesen

Connect

Nutzen Sie Ihre Daten

Treten Sie mit uns in Kontakt und lassen Sie sich von den unzähligen erfolgreichen Use Cases überzeugen. Gerne findet die MORESOPHY eine passgenaue Lösung, wie wir nachhaltig Ihr Geschäftskonzept erfolgreicher machen können.

FOLLOW

Folgen Sie uns

Gerne können Sie unseren Updates und Neuigkeiten auch auf folgenden Social Media Plattformen verfolgen:

Cookie Consent Banner von Real Cookie Banner