Dieses Kapitel widmet sich den Grundlagen und betont die Bedeutung von XAI bei der Stärkung der Transparenz, Interpretierbarkeit und Vertrauenswürdigkeit von KI-Systemen. Es wird das Potenzial von KI bei der Vorhersage und der Generierung von Inhalten untersucht und die Notwendigkeit klarer Entscheidungsprozesse unterstrichen. Zudem werden Methoden vorgestellt, um komplexe KI-Modelle für ein breites Publikum verständlicher zu machen.

Bedeutung von erklärbarer KI

Transparenz oder Interpretierbarkeit

Interpretierbare Szenarien

Zielsetzungen von XAI

Formalitäten von XAI

Die Grundlagen von XAI

Genauigkeit und Interpretierbarkeit

Kommunikation rund um XAI

Zielgruppensegmentierung

Balance zwischen Genauigkeit und Einfachheit

Einführung in erklärbare KI (XAI)

Dieses Kapitel untersucht XAI-Techniken und kategorisiert sie in modellspezifische, modellunabhängige, lokale und globale Methoden, um KI-Entscheidungen zu erklären. Es werden die Regression und Klassifikation für modellspezifische Erkenntnisse erörtert und SHAP sowie LIME vorgestellt, um Blackbox-Modelle zu interpretieren. Außerdem geht es um die Komplexität von großen Sprachmodellen (LLMs) und die Notwendigkeit von Transparenz in ihren Entscheidungsprozessen.

XAI-Techniken

Lokal oder global

Optionen

Modellspezifisch

Modellunabhängig

Modellspezifisch oder modellunabhängig

Modellspezifische Erklärungen

Analogien für Regression und Klassifikation

Blackbox-Modelle in der Entscheidungsfindung

Modellunabhängige Erklärungen

SHAP

LIME

Beides

SHAP, LIME oder beides?

Die Rolle von SHAP und LIME bei XAI

Erklärbarkeit von LLMs

LLMs verstehen

Schlussfolgerungen von LLMs

Dieses Kapitel untersucht die transformative Wirkung von XAI, durch die KI in verschiedenen Bereichen zugänglicher und benutzerfreundlicher wird. Indem Erklärbarkeit von Anfang an integriert wird, ist sichergestellt, dass KI-Systeme transparent sind, was das Vertrauen fördert und eine engere Zusammenarbeit zwischen Menschen und Maschinen ermöglicht. Fallbeispiele aus der Praxis zeigen, wie XAI komplexe KI-Entscheidungen entmystifiziert und es Nutzern mit unterschiedlichem technischem Hintergrund ermöglicht, KI-Einsichten für fundiertere Entscheidungen zu nutzen.

Anpassung von KI an Benutzer

XAI für Endnutzer

Risiken durch Ausschluss von Endnutzern

XAI von Anfang an

Überprüfung von Stellenbewerbern

Realisierung von XAI im Design

XAI beim Onlinelernen

XAI in Aktion

XAI-Anforderungen je nach Branche

Vertrauen in das KI-System

Zukunft von XAI

Disziplinübergreifende XAI

Proaktive Entwicklung und Bereitstellung

Zusammenfassung

Umsetzung und Anwendung von XAI

Dieser Kurs widmet sich der faszinierenden Welt von erklärbarer KI (Explainable AI, XAI). Diese Disziplin versucht, Licht ins Dunkel der oft mysteriösen Vorgänge im Bereich der künstlichen Intelligenz zu bringen. Die hier vorgestellten konzeptuellen Grundlagen richten sich an ein nicht-technisches Publikum und sollen die Bedeutung von transparenten KI-Entscheidungen und die zur Realisierung genutzten Methoden verdeutlichen. Zudem befasst sich dieser Kurs mit den Beweggründen für XAI, mit ihrer Rolle in der generellen KI-Landschaft sowie mit ihren wichtigen gesellschaftlichen Auswirkungen. Nach Abschluss des Kurses wirst du unabhängig von deiner beruflichen Rolle besser verstehen, wie XAI die Kluft zwischen komplizierten Algorithmen und alltäglichen Entscheidungen überbrückt.

<h2>Verstehe die Kernkonzepte der erklärbaren künstlichen Intelligenz (XAI)</h2>
Dieser Kurs führt in das wichtige Feld der XAI ein und konzentriert sich darauf, komplexe KI-Algorithmen verständlich und zugänglich zu machen. Der Bedarf an Transparenz und Vertrauen in diese Technologien wächst mit der zunehmenden Integration von KI-Systemen in verschiedene Sektoren. Dieser Kurs behandelt die Kernkonzepte der XAI, einschließlich Transparenz, Interpretierbarkeit und Rechenschaftspflicht, und untersucht das Gleichgewicht zwischen Modellkomplexität und Erklärbarkeit.

<h2>XAI-Techniken lernen</h2>
Du lernst modellspezifische und modellunabhängige Erklärungen kennen und erhältst praktische Einblicke und Werkzeuge, um die XAI-Prinzipien in deinen Projekten effektiv anzuwenden. Ziel des Kurses ist es, dich mit dem Wissen auszustatten, das du brauchst, um KI-Systeme transparenter und ethischer zu machen und sie mit gesellschaftlichen Werten in Einklang zu bringen, damit KI-Entscheidungen nicht nur effektiv, sondern auch vertretbar und verständlich sind.

<h2>XAI in der realen Welt umsetzen</h2>
Am Ende dieses Kurses wirst du ein solides Verständnis von XAI und ihrer Bedeutung für die Entwicklung von KI-Lösungen haben und in der Lage sein, diese Prinzipien umzusetzen, um die Klarheit und Vertrauenswürdigkeit von KI-Systemen in realen Anwendungen zu verbessern.


Lernen Sie die Rolle und Realität von erklärbarer KI in diesem anfängerfreundlichen Kurs kennen.

Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Verstehe in diesem einsteigerfreundlichen Kurs die Rolle und die realen Gegebenheiten von Explainable Artificial Intelligence (XAI). 

Künstliche Intelligenz (KI) Leadership

Bietet eine breitere Perspektive auf die anteiligen Beiträge von Merkmalen und hilft dabei, den Einfluss verschiedener Faktoren auf Vorhersagen zu verstehen.

Verwendet kooperative Prinzipien zur Verteilung von Werten für den Einfluss von Merkmalen, um die Transparenz bei der Entscheidungsfindung im Modell zu erhöhen.

Generiert interpretierbare Erkenntnisse für bestimmte Modellvorhersagen durch die Analyse von Beziehungen zwischen Ein- und Ausgaben.

Konzentriert sich in erster Linie auf die Erklärung einzelner Vorhersagen und vereinfacht das komplexe Modellverhalten zum besseren Verständnis.

Versucht, Modellüberlegungen und Entscheidungsprozesse annähernd darzustellen, ohne eine vollständige Erklärung zu liefern.

Bewältigt die Herausforderung, komplexe Modellergebnisse zu verstehen (insbesondere in Hochrisikoszenarien), durch Einblicke in die Vorhersagefaktoren.

SHAP, LIME oder beides?

Konzeptuelle Grundlagen von erklärbarer KI (XAI)

Interaktive Übung