In der Literatur sowie in der Praxis ist die Ausgewogenheit und Fairness von KI essenziell. In der Regulatorik (bspw. EU AI Act) werden zunehmend Anforderungen an die Transparenz, Erklärbarkeit und vor allem Ausgewogenheit hinsichtlich eines möglichen Bias gestellt. Die Studierenden erhalten in dieser Vorlesung einen umfassenden Überblick zum Thema „Bias“, die gängigsten Arten und die von unterschiedlichen Stellen verlangten Anforderungen. Weiter wird anhand eines Metamodells der Zusammenhang der einzelnen Komponenten im Rahmen der Umsetzung und Implementierung von KI-Anwendungen anschaulich dargestellt und erklärt, wie man Bias möglichst minimieren kann. Besonderes Augenmerkt wird hierbei auf die Bereiche Data Bias, Model Bias und Automation Bias gelegt. Das Modul verschafft eine solide Grundlage für die Definition eines effizienten Bias Mitigation Prozesses im Rahmen der Entwicklung und Implementierung von KI-Anwendungen.
Lehrinhalte: Definition und Grundlagen von Bias, Metamodell Bias Mitigation, Methoden Bias Mitgation, Anwendungsbeispiele und praktischer Bias Mitigation Prozess, Validierung Bias Mitigation Prozess, Kennzahlen, Qualitätsmanagement
- Kursleiter/-in: Schuller, Prof. Dagmar