Tech Deep Dive

Data Culture – Die Schlüsselrolle der Datenkultur

In einer Ära, in der Daten zu einer der wertvollsten Ressourcen für Unternehmen geworden sind, definiert eine datengetriebene Kultur die Zukunft des Erfolgs. Unternehmen stehen heute vor der Herausforderung, nicht nur Daten zu sammeln, sondern auch sicherzustellen,...

Reinforcement Learning – Deadly Triad

Einführung In den vorangegangenen Artikeln haben wir die Grundlagen des Reinforcement Learnings (RL) vorgestellt und seine verschiedenen Anwendungsmöglichkeiten in der Wirtschaft erkundet. Um tiefer in das Innenleben der Reinforcement-Learning-Algorithmen...

Reinforcement Learning – Algorithmen im Gehirn 

Einführung In der Regel sind unsere Blogartikel auf Business Use Cases und die Analyse von Geschäftsdaten ausgerichtet. Doch in diesem Artikel möchten wir einen anderen Ansatz wählen. Wir diskutieren, wie uns Methoden, die wir zur Lösung von Geschäftsproblemen...

MLOps Plattform – Aufbau, Skalierung und Operationalisierung

Im vorherigen Beitrag haben wir gesehen, wie wichtig es ist, sich bereits frühzeitig mit MLOps zu beschäftigen. MLOps-Plattformen helfen, manuelle Schritte zu reduzieren, die Zusammenarbeit der Teams zu steigern, Vorgaben aus Regulatorik und Compliance einzuhalten und...

Reinforcement Learning – Use Cases für Unternehmen

Einführung Künstliche Intelligenz (KI) revolutioniert viele Facetten unseres täglichen Lebens und ist ein wichtiger Treiber für die aktuellen Entwicklungen in Unternehmen und der Industrie. Heute lösen KI-gestützte Algorithmen langwierige Probleme und Use Cases auf...

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.