Blogs on Erklärbare KI (XAI)

ml industry production lamarr - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Maschinelles Lernen in der Produktionstechnik:  Potentiale für Effizienz und Innovation

26. Februar 2025

Maschinelles Lernen transformiert die Produktionstechnik durch datengetriebene Optimierung, hybride Modelle und Expertenwissen. Innovation, Effizienz und interdisziplinäre Zusammenarbeit eröffnen neue Wege für wirtschaftlich nachhaltige, intelligente Fertigungssysteme für diverse Industrieanwendungen....

Grundlagen

KI und ML in den Life Sciences

06. November 2024

Erfahren Sie, wie KI und maschinelles Lernen die Lebenswissenschaften transformieren, indem sie Transparenz in der Pharmaforschung fördern und chemisches sowie biologisches Wissen durch interdisziplinäre Forschung am Lamarr-Institut erweitern....

Beitragsbild 1 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Anwendung

Einblicke in den AAAI XAI4Sci Explainable Machine Learning for Sciences Workshop

02. April 2024

Mit erklärbarem maschinellem Lernen neue Entdeckungen ermöglichen – wie sich die Wissenschaften mit Erklärbarkeit beschäftigen beschreiben wir in unserem Blogbeitrag, der die wichtigsten Erkenntnisse des AAAI XAI4Sci Workshops zusammenfasst. ...

Erklärbarkeit von KI-Systemen für Verbraucher*innen

Grundlagen

Erklärung gut, alles gut? Wie Verbraucher*innen über Einsatz und Funktionsweise von KI-Systemen aufgeklärt werden können

08. November 2023

Erklärbare KI richtet sich vor allem an Fachexpert*innen. Eine Fach-AG des ZVKI hat festgestellt: Erklärbare KI kann - in Verbindung mit weiteren Maßnahmen – auch für die Aufklärung von Verbraucher*innen hilfreich sein....

Menschenzentriertes maschinelles Lernen verknüpft menschliche und Computerintelligenz mithilfe von Visual Analytics.|Schematische Darstellung der Rolle von VA in der Kommunikation zwischen Mensch und Computer.|Visuelle Darstellung einer Regel als rechteckiges Symbol (Glyphe) mit mehreren vertikalen Achsen für die im Modell verwendeten Merkmale.|Gruppe ähnlicher Darstellung von Regeln auf der rechten Seite gegenüber einer Darstellung der allgemeineren Vereinigungsregel auf der linken Seite.

Grundlagen

Auf dem Weg zum menschenzentrierten maschinellen Lernen

25. Oktober 2023

Menschenzentriertes maschinelles Lernen verknüpft menschliche und Computerintelligenz mithilfe von Visual Analytics (VA). Dies fördert die Zusammenarbeit von Experten und Maschinen und verspricht ein tieferes Verständnis und eine effektivere Nutzung von ML-Modellen....

00 Blog hanxiao tan punktewolken - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Forschung

Erklärbarkeitsmethoden für Punktwolken II

14. Juni 2023

Wir sehen uns zwei verschiedene Ansätze zur Interpretierbarkeit von Punktwolken an, die die Eigenschaften des Modells aus globaler bzw. modellinterner Sicht erläutern. Alle Toolkits sind jetzt auf GitHub verfügbar....

230222 Blog CAIS - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Grundlagen

(K)eine Meinung zu Künstlicher Intelligenz? Die Bevölkerungsmeinung zu KI

22. Februar 2023

Haben Sie sich in letzter Zeit darüber unterhalten, wie Künstliche Intelligenz unser gesellschaftliches Zusammenleben beeinflusst? Wie Menschen den Einsatz von KI beurteilen, visualisiert das neue Daten-Dashboard des Meinungsmonitors Künstliche Intelligenz....

00 Blog Tan Punktewolke 9 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Forschung

Eine Erklärbarkeitsmethode für Punktwolken

04. Mai 2022

Ein modellbasierter Erklärbarkeitsansatz für Punktwolken-Klassifikatoren wird zusammen mit zwei verschiedenen Bewertungsmaßstäben (lokale Treue und Plausibilität), die die Plausibilität des Ansatzes validieren, vorgeschlagen. Das Toolkit ist jetzt online verfügbar....

00 Blog Schmidt KI Ethik 3 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Grundlagen

Das war ich nicht! – Wer ist verantwortlich für KI-gestützte Entscheidungen?

08. Dezember 2021

Der Einsatz künstlicher intelligenter Systeme erschwert es uns, Personen für Fehlentscheidungen verantwortlich zu machen. Die Einbindung menschlicher Akteure und erklärbarer KI-Systeme ermöglicht eine Verantwortungszuschreibung bei KI-gestützten Entscheidungsprozessen....

Erklärbare KI (XAI)

Maschinelles Lernen in der Produktionstechnik: Potentiale für Effizienz und Innovation

KI und ML in den Life Sciences

Einblicke in den AAAI XAI4Sci Explainable Machine Learning for Sciences Workshop

Erklärung gut, alles gut? Wie Verbraucher*innen über Einsatz und Funktionsweise von KI-Systemen aufgeklärt werden können

Auf dem Weg zum menschenzentrierten maschinellen Lernen

Erklärbarkeitsmethoden für Punktwolken II

(K)eine Meinung zu Künstlicher Intelligenz? Die Bevölkerungsmeinung zu KI

Eine Erklärbarkeitsmethode für Punktwolken

Das war ich nicht! – Wer ist verantwortlich für KI-gestützte Entscheidungen?

Maschinelles Lernen in der Produktionstechnik:  Potentiale für Effizienz und Innovation