Page 20 - Handbuch Digitalisierung (2. Ausgabe)

Kapitel 1.1 / Digitalisierung & Politik HANDBUCH DIGITALISIERUNG  Vertrauens- und Transparenzprinzipien V Der Zweck einer KI ist es, die menschli- che Intelligenz zu erweitern und zu un- terstützen. V KI-Systeme müssen transparent und er- klärbar sein. V Daten und Erkenntnisse gehören ihren Schöpfern bzw. den jeweiligen Unter- nehmen, die das KI-System nutzen. KI-Systeme lernen und Entscheidungen tref- fen. Wie genau die neuronalen Netze aber zu ihren Schlussfolgerungen kommen, lässt sich im Moment noch kaum nachvollziehen. Für Nutzer sind sie o mals eine Blackbox – un- durchsichtig und schwer zu erschließen. KI-Empfehlungen transparent nach- vollziehen Zu einer transparenten O enlegung der Ent- scheidungswege von KI gehört, dass jede Vor- hersage, jede Modellversion und jegliche Trai- ningsdaten dokumentiert und gespeichert werden – und damit Unternehmen bei der auditsicheren Einhaltung von Compliance- Richtlinien und der DSGVO unterstützt. Das ist besonders in stark regulierten Branchen wie dem Finanz- und Gesundheitswesen oder auch in datenintensiven und -sensiblen Bran- chen wie der Automobil- oder der Pharmain- dustrie relevant, in denen die Einhaltung der DSGVO und anderer umfassender Vorschrif- ten erhebliche Hindernisse für eine breite An- wendung von KI darstellt. Ohne Ethik gibt es kein Vertrauen Die Debatte um eine verantwortungsvolle Entwicklung und Nutzung von KI in Deutsch- land wird inzwischen auch auf höchster poli- tischer Ebene adressiert. Die Bundesregie- rung begrei künstliche Intelligenz als Schlüs- seltechnologie, ist sich jedoch ebenfalls über die gesellscha lichen und ethischen Impli- kationen bewusst. Die „Strategie Künstliche  Wie funktionieren neuronale Netze? Neuronale Netzwerke sind Rechenmodelle für das maschinelle Lernen, die von der Struktur des menschlichen Gehirns inspi- riert sind. Im Gehirn sind Neuronen hoch- gradig vernetzt und kommunizieren che- mische Signale über Synapsen in den Nervenzellen. Künstliche neuronale Netze kommunizieren Signale (Zahlen) über Ge- wichte und Aktivierungsfunktionen (z.B. Sigmoide), die Neuronen aktivieren. Sie werden anhand von Beispielen trainiert und nicht explizit programmiert: Mithilfe eines Trainingsalgorithmus passen die Netzwerke in jeder „Trainingsrunde“ diese Gewichte an, um ein bestimmtes Problem immer besser zu lösen – das Netz „lernt“. 20