Responsible AI Workshop durchgeführt. Die wichtigste Übung: Wir haben unser Recruiting-Modell auf Gender-Bias getestet. Ergebnis - männliche Kandidaten wurden systematisch 12% höher bewertet. Ursache: Historische Trainingsdaten spiegelten bestehende Ungleichgewichte wider.
Lösung: Debiasing der Trainingsdaten, Fairness-Metriken in der Evaluation-Pipeline, und ein Audit-Prozess für alle produktiven Modelle. Ethik ist kein Add-on, sondern Grundvoraussetzung für verantwortungsvolle KI-Entwicklung. #responsibleai #ethik #fairness
Lösung: Debiasing der Trainingsdaten, Fairness-Metriken in der Evaluation-Pipeline, und ein Audit-Prozess für alle produktiven Modelle. Ethik ist kein Add-on, sondern Grundvoraussetzung für verantwortungsvolle KI-Entwicklung. #responsibleai #ethik #fairness
5 months ago
4 months ago
In response Sarah Hoffmann to her Publication
Nutzt ihr dafür ein Managed-Service oder betreibt ihr es selbst? Wir hatten Bedenken wegen der Betriebskomplexität bei Self-Hosting.
4 months ago
In response Sarah Hoffmann to her Publication
Wie handhabt ihr das Thema Backward Compatibility? Bei unserer API müssen wir 3 Versionen parallel supporten und das ist ein erheblicher Wartungsaufwand.
4 months ago
In response Sarah Hoffmann to her Publication
Super Post! Was mich besonders interessiert: Wie war die Reaktion der Stakeholder auf die Umstellung? Bei uns war die größte Huerde nicht die Technik, sondern das Change Management.
