Im Software-Campus-Projekt DAITA entwickelte das Fraunhofer IESE ein Framework für die qualitative Bewertung und Verbesserung von Testdaten, welches die Zuverlässigkeit von auf KI basierenden Softwarekomponenten erhöht.
Letzte Änderung:
Systeme mit auf KI basierenden Softwarekomponenten ermöglichen Lösungen, die mittels traditioneller Software derzeit nicht zu realisieren sind. Da ihr erlerntes Verhalten jedoch auf Datenbeispielen beruht, muss dieses Verhalten mittels statistischer Verfahren auf Testdaten überprüft werden. Abhängig vom Einsatzbereich kann nämlich ein Fehlverhalten der KI mit hohen finanziellen Kosten oder gar der Gefährdung von Personen einhergehen.
Um die nötige Akzeptanz für einen Einsatz von KI zu schaffen, werden daher Verfahren zur Absicherung und Zertifizierung benötigt. Da die Zuverlässigkeit dieser Verfahren von der Qualität der Testdaten abhängen, ist die Sicherstellung einer ausreichenden Qualität der Testdaten mit ausschlaggebend für eine aussagekräftige Überprüfung der Zuverlässigkeit.
Im Software-Campus-Projekt DAITA (Dependable AI Test dAta) identifizierte das Fraunhofer IESE Kernqualitätscharakteristiken von Testdaten und entwickelte ein Framework für die qualitative Bewertung und Verbesserung von Testdaten. Die Resultate tragen zum Nachweis der Zuverlässigkeit von KI-basierten Komponenten und zu möglicher Zertifizierung bei.
Fraunhofer-Institut für Experimentelles Software Engineering IESE