Tech Deep Dive

Explainable AI – Methoden zur Erklärbarbeit von KI-Modellen

Explainable AI (XAI) ist momentan eines der meistdiskutierten Themen im Bereich der KI. Entwicklungen wie der AI-Act der Europäischen Union, der Erklärbarkeit zu einer verpflichtenden Eigenschaft von KI-Modellen in kritischen Bereichen macht, haben XAI in den Fokus vieler Unternehmen gerückt, die KI-Modelle entwickeln oder anwenden. Da dies mittlerweile auf einen großen Teil der Wirtschaft zutrifft, ist die Nachfrage nach Methoden, die die Entscheidungen von Modellen nachvollziehbar beschreiben können, immens gestiegen.

Warum, KI? Die Grundlagen von Explainable AI (XAI)

In der Theorie lassen sich also mit XAI-Methoden und dem richtigen Know-How selbst komplexe Black-Box-Modelle zumindest teilweise interpretieren. Wie sieht es aber in der Realität aus? Bei vielen Projekten oder Use Cases stellt die Interpretierbarkeit eine wichtige Säule des Gesamterfolgs dar. Sicherheitstechnische Aspekte, fehlendes Vertrauen in die Modellergebnisse, mögliche zukünftige Regularien sowie ethische Bedenken sorgen für die Notwendigkeit interpretierbarer ML-Modelle.

How to deal with missing values

Methoden der Imputation und wann sie eingesetzt werden sollten Warum uns fehlende Werte interessieren sollten In unserer Arbeit als Data Scientists arbeiten wir häufig mit Zeitreihendaten und Anwendungen für Prognosen (=Forecasting). Wie bei allen "klassischen"...

Vertrauen & Autonomes Fahren

Wie Text-Erklärungen der Vertrauensbildung in autonomen Systemen helfen Ein Auto „zu fahren“, das sich selbst steuert, oder die Straße mit autonomen Fahrzeugen zu teilen – was für Technikfanatiker und Visionäre wie ein wahr gewordener Traum klingt, mutet in den Augen...

Feature Stores – Eine Übersicht

Von Zeit zu Zeit taucht am Horizont der Technologielandschaft ein neues Softwaresystem auf. In diesem Beitrag befassen wir uns mit so einer neuen Datenzugriffs- und -verarbeitungsschicht: dem Feature Store. Er wird eine wichtige Rolle bei der Konstruktion intelligenter Systeme spielen, die auf Algorithmen des maschinellen Lernens (ML) basieren.