Bias in KI kann zu unfairen oder diskriminierenden Entscheidungen führen.
Arten
- Sampling Bias
- Historical Bias
- Measurement Bias
- Algorithmic Bias
Gegenmassnahmen
- Diverse Trainingsdaten
- Fairness-Metriken
- Regelmäßiges Auditing
Buchstabe: K
KI-Folgenabschätzung
Die KI-Folgenabschätzung analysiert potenzielle positive und negative Auswirkungen eines KI-Systems.
Bewertungsbereiche
- Grundrechte und Diskriminierung
- Datenschutz und Privatsphaere
- Sicherheit und Zuverlaessigkeit
- Gesellschaftliche Auswirkungen
- Umweltauswirkungen
KI-native Architektur
KI-native Architekturen integrieren KI als Kernkomponente statt als Add-on.
Merkmale
- KI im Kern der Anwendungslogik
- Datenpipelines für ML optimiert
- Echtzeit-Inferenz integriert
- Feedback-Loops für Verbesserung
KI-Roadmap
Eine KI-Roadmap definiert Prioritäten, Meilensteine und Ressourcen für KI-Initiativen.
Bestandteile
- Priorisierte Use Cases
- Zeitliche Planung
- Ressourcenbedarf
- Erfolgskriterien
Knowledge Graph
Knowledge Graphs speichern Wissen in Form von Entitaeten (Knoten) und Beziehungen (Kanten).
Anwendungen
- Google Knowledge Panel
- Enterprise Wissensmanagement
- Chatbot-Wissensbasis
- Semantic Search
KPI
KPIs machen Fortschritte messbar und helfen bei der strategischen Steuerung von Unternehmen.
KI-spezifische KPIs
- Automatisierungsgrad
- Fehlerreduktion
- Bearbeitungszeit
- Kundenzufriedenheit
Künstliche Intelligenz
Künstliche Intelligenz (KI) bezeichnet die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern.
Anwendungsbereiche
- Spracherkennung und -verarbeitung
- Bilderkennung und Computer Vision
- Automatisierte Entscheidungsfindung
- Personalisierung und Empfehlungssysteme
Vorteile für Unternehmen
KI ermöglicht Automatisierung, Effizienzsteigerung und datenbasierte Entscheidungen in nahezu allen Geschäftsbereichen.