Schritt für Schritt zur Erklärbaren KI
Immer mehr Anwender:innen interagieren mit komplexen KI-Systemen, deren Entscheidungswege und -gründe ihnen verborgen bleiben. Sich einer "Black Box" gegenüber zu sehen, birgt erhebliches Frustrationspotenzial und führt zu einem Mangel an Akzeptanz.Methoden der Erklärbaren KI (Explainable AI, kurz: XAI) versprechen, Abhilfe zu schaffen und durch automatisiert erzeugte Erklärungen Menschen einen selbstbestimmten und zielführenden Umgang mit KI-Systemen zu ermöglichen.
In der Praxis erweist sich die Entwicklung von Erklärkomponenten als große Herausforderung, da technische und fachliche Anforderungen erfüllt und die Bedürfnisse der Nutzer:innen nicht aus den Augen verloren werden dürfen.
Vorkenntnisse
Die Teilnehmenden sollten mit den grundlegenden Konzepten des Machine Learning vertraut sein (Training von Modellen aus Daten sowie ihr Einsatz zum Erzeugen von Entscheidungen, Empfehlungen und Prognosen). Vorkenntnisse im Bereich Erklärbare KI oder Programmierkenntnisse sind nicht erforderlich.
Lernziele
Dieser Workshop vermittelt Teilnehmenden einen umfassenden Überblick über Methoden und Anwendungsmöglichkeiten Erklärbarer KI. Sie lernen interaktiv ein strukturiertes Vorgehen zur Identifikation von Anwendungsfeldern und der Entwicklung von Erklärkomponenten für KI-Systeme kennen, das sie anschließend bei der Konzeption, Steuerung und Umsetzung eigener Entwicklungsvorhaben anwenden können.
Agenda
ab 09:00 Uhr: Registrierung und Begrüßungskaffee10:00 Uhr: Beginn
12:30 - 13:30 Uhr: Mittagspause
15:00 - 15:15 Uhr: Kaffeepause
16:15 - 16:30 Uhr: Kaffeepause
ca. 17:00 Uhr: Ende
Technische Anforderungen
Idealerweise haben die Teilnehmenden alle einen Laptop (alternativ geht zur Not auch ein Smartphone/Tablet) dabei, damit sie Beispiel-Anwendungen ausprobieren können. Der Großteil des Workshops findet allerdings analog statt, da wir hauptsächlich konzeptionell arbeiten.Speaker
Kilian Kluge arbeitet als Co-Gründer von Inlinity daran, mit Explainable AI Anwendungsbereiche für KI-Systeme zu erschließen, in denen bislang ihr "Black-Box"-Charakter einem Einsatz entgegensteht. Zuvor war er mehrere Jahre als IT-Berater und Softwareentwickler tätig und hat an der Universität Ulm zu nutzerzentrierter KI promoviert.
Maximilian Förster forscht als Post-Doc an der Péter-Horváth-Stiftungsprofessur für betriebswirtschaftliches Informationsmanagement am Institut für Business Analytics der Universität Ulm im Bereich nutzerzentrierte Explainable AI. Zuletzt wurde er aufgrund der Bedeutung seiner anwendungsorientierten Forschung für Gesellschaft und Arbeitswelt mit dem Südwestmetall-Förderpreis ausgezeichnet.
M3-Newsletter
Du möchtest über die Minds Mastering Machines
auf dem Laufenden gehalten werden?