{"id":3085,"date":"2018-11-30T15:22:03","date_gmt":"2018-11-30T13:22:03","guid":{"rendered":"https:\/\/blog.iese.fraunhofer.de\/?p=3085"},"modified":"2024-01-22T12:35:39","modified_gmt":"2024-01-22T11:35:39","slug":"kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen","status":"publish","type":"post","link":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/","title":{"rendered":"K\u00fcnstliche Intelligenz \u2013 Unsicherheiten quantifizieren und managen"},"content":{"rendered":"

Immer mehr softwareintensive Systeme beinhalten datengetriebene Komponenten. Sie nutzen \u00a0Modelle, die beispielsweise auf k\u00fcnstlicher Intelligenz (KI) oder maschinellem Lernen beruhen. Es stellt sich daher die Frage, inwieweit man den Ergebnissen solcher Komponenten vertrauen kann? Wie kann man ihre Zuverl\u00e4ssigkeit bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik in diesem Bereich haben wir in einem aktuellen Whitepaper zusammengestellt und die wichtigsten Fakten im nachfolgenden Blogartikel zusammengestellt.<\/h2>\n

Was sind datengetriebene Komponenten?<\/h3>\n

Datengetriebene Komponenten<\/a> sind Komponenten, die neben klassischem Code spezielle Modelle enthalten, die beispielsweise mittels Techniken aus den Bereichen k\u00fcnstliche Intelligenz<\/a> \/ maschinelles Lernen<\/a> generiert wurden. Die durch datengetriebene Modelle bereitgestellte Funktionalit\u00e4t wurde hierbei zuvor durch Algorithmen auf einem Datensatz mit Trainingsbeispielen erlernt und auf einem (m\u00f6glichst repr\u00e4sentativen) Datensatz getestet.<\/p>\n

Welche Rolle spielt Unsicherheit bei diesen Komponenten?<\/h3>\n

Da die Funktionalit\u00e4t, die eine datengetriebenen Komponente bereitstellen soll, gew\u00f6hnlich nicht vollst\u00e4ndig spezifiziert oder verifiziert werden kann \u2013 man denke nur an die Aufgabe zu entscheiden, ob auf einem Bild eine Person zu erkennen ist \u2013 verbleibt auch nach deren Pr\u00fcfung auf Testdaten immer eine Restunsicherheit, dass die Komponente in bestimmten Situationen fehlerhafte Ergebnisse liefert. Die Ursachen solcher Unsicherheiten, die sich in Abweichungen zwischen der tats\u00e4chlichen und intendierten Ausgabe der Komponente manifestieren, lassen sich grob in drei Kategorien einteilen [KV2018<\/a>]:<\/p>\n

    \n
  1. \u201eModel Fit\u201c \u2013 Schw\u00e4chen im Modell selbst, d.h. das erlernte Modell approximiert den korrekten Zusammenhang zwischen Eingabegr\u00f6\u00dfen und Ausgabe nur unzureichend<\/li>\n
  2. \u201eData Quality\u201c \u2013 Defizite in der Datenqualit\u00e4t der Eingangsgr\u00f6\u00dfen, wie sie praktisch in jeder realen Anwendung anzutreffen sind (z.B. verschmutzte Sensoren, Wettereinfl\u00fcsse)<\/li>\n
  3. \u201eScope Compliance\u201c \u2013 Unzureichende \u00dcbereinstimmung zwischen dem intendierten und tats\u00e4chlichen Verwendungskontext des Modells (z.B. ein Modell, das f\u00fcr den Einsatz in PKWs in Deutschland erstellt und getestet wurde, wird in England eingesetzt)<\/li>\n<\/ol>\n

    Insbesondere wenn datengetriebene Komponenten in sicherheitskritischen Systemen bzw. Systemen mit hohen Zuverl\u00e4ssigkeitsanforderungen eingesetzt werden, erwartet man qualifizierte Aussagen \u00fcber die verbleibende Unsicherheit. Bei einer ausreichend detaillierten Betrachtung k\u00f6nnen hierbei schon w\u00e4hrend der Entwicklung kritische Situationen identifiziert und somit noch vor der Inbetriebnahme passende Gegenma\u00dfnahmen konzipiert werden. Zus\u00e4tzlich k\u00f6nnen zur Laufzeit Situationen mit hohem Unsicherheitspotenzial besser erkannt werden, was das Risiko senkt, dass Entscheidungen blindlings auf Basis h\u00f6chstwahrscheinlich fehlerhafter Informationen getroffen werden.<\/p>\n

    Wie kann man Unsicherheit quantifizieren und managen?<\/h3>\n

    Hierzu sind eine ganze Reihe von Fragen zu beantworten: Wie lassen sich Unsicherheitsquellen in datengetrieben Komponenten aufdecken? Wie l\u00e4sst sich ihr Einfluss quantifizieren? Wie l\u00e4sst sich mit diesen im Rahmen der Entwicklung und Validierung umgehen? Mit solchen Fragestellungen besch\u00e4ftigen wir uns unter anderem im CrESt<\/a> Projekt. Einen einf\u00fchrenden \u00dcberblick zum aktuellen Stand der Technik in diesem Bereich haben wir in einem aktuellen Whitepaper<\/a> f\u00fcr Sie zusammengestellt.<\/p>\n

    \n

    Sie wollen mehr zum Thema erfahren?<\/strong><\/p>\n

     <\/p>\n

    Der Umgang mit Unsicherheit ist insbesondere ein Schl\u00fcsselthema bei datengeriebenen Komponenten in sicherheitskritischen Systemen<\/strong>.<\/p>\n

     <\/p>\n

    Unsere im Jahr 2022 neukonzipierte 4-t\u00e4gige Schulung zum zertifizierten \u00bbData Scientist Specialized in Assuring Safety\u00ab<\/a> vermittelt daher praxisnah notwendige Kompetenzen f\u00fcr die Entwicklung sicherer KI. \u2013 Wir freuen uns auf Ihre Anmeldung!<\/p>\n<\/div>\n

    [KV2018] Kl\u00e4s, M., Vollmer, A. M., „Uncertainty in Machine Learning Applications \u2013 A Practice-Driven Classification of Uncertainty<\/a>,“ First International Workshop on Artificial Intelligence Safety Engineering (WAISE 2018), V\u00e4ster\u00e5s, Sweden, 2018 (doi:10.1007\/978-3-319-99229-7_36<\/a>)<\/p>\n

     <\/p>\n","protected":false},"excerpt":{"rendered":"

    Immer mehr softwareintensive Systeme beinhalten datengetriebene Komponenten. Sie nutzen \u00a0Modelle, die beispielsweise auf k\u00fcnstlicher Intelligenz (KI) oder maschinellem Lernen beruhen. Es stellt sich daher die Frage, inwieweit man den Ergebnissen solcher Komponenten vertrauen kann? Wie kann man ihre Zuverl\u00e4ssigkeit bestimmen…<\/p>\n","protected":false},"author":26,"featured_media":3089,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[177,18],"tags":[415],"coauthors":[46],"class_list":["post-3085","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-kuenstliche-intelligenz","category-sicherheit","tag-dependable-ai-verlaessliche-ki"],"yoast_head":"\nKI - Unsicherheiten managen - Blog des Fraunhofer IESE<\/title>\n<meta name=\"description\" content=\"Whitepaper: Wie kann man die Zuverl\u00e4ssigkeit von KI bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"KI - Unsicherheiten managen - Blog des Fraunhofer IESE\" \/>\n<meta property=\"og:description\" content=\"Whitepaper: Wie kann man die Zuverl\u00e4ssigkeit von KI bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/\" \/>\n<meta property=\"og:site_name\" content=\"Fraunhofer IESE\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/FraunhoferIESE\/\" \/>\n<meta property=\"article:published_time\" content=\"2018-11-30T13:22:03+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-01-22T11:35:39+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228-698x465.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"698\" \/>\n\t<meta property=\"og:image:height\" content=\"465\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Dr. Michael Kl\u00e4s\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@FraunhoferIESE\" \/>\n<meta name=\"twitter:site\" content=\"@FraunhoferIESE\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Michael Kl\u00e4s\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3\u00a0Minuten\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Dr. Michael Kl\u00e4s\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/\"},\"author\":{\"name\":\"Dr. Michael Kl\u00e4s\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/person\\\/790f3967298ec81883eb87ed11d86c5e\"},\"headline\":\"K\u00fcnstliche Intelligenz \u2013 Unsicherheiten quantifizieren und managen\",\"datePublished\":\"2018-11-30T13:22:03+00:00\",\"dateModified\":\"2024-01-22T11:35:39+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/\"},\"wordCount\":554,\"publisher\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/11\\\/iStock-1004520228.jpg\",\"keywords\":[\"Dependable AI \\\/ Verl\u00e4ssliche KI\"],\"articleSection\":[\"K\u00fcnstliche Intelligenz\",\"Sicherheit\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/\",\"name\":\"KI - Unsicherheiten managen - Blog des Fraunhofer IESE\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/11\\\/iStock-1004520228.jpg\",\"datePublished\":\"2018-11-30T13:22:03+00:00\",\"dateModified\":\"2024-01-22T11:35:39+00:00\",\"description\":\"Whitepaper: Wie kann man die Zuverl\u00e4ssigkeit von KI bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/11\\\/iStock-1004520228.jpg\",\"contentUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2018\\\/11\\\/iStock-1004520228.jpg\",\"width\":6000,\"height\":4000,\"caption\":\"Artificial Intelligence (AI) machine learning with data mining technology on virtual dachboard.Double exposure,Business team meeting present. Photo professional investor working with new startup project.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"K\u00fcnstliche Intelligenz \u2013 Unsicherheiten quantifizieren und managen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#website\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/\",\"name\":\"Fraunhofer IESE\",\"description\":\"Blog des Fraunhofer-Institut f\u00fcr Experimentelles Software Engineering\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#organization\",\"name\":\"Fraunhofer IESE\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2016\\\/08\\\/fhg_iese_logo.png\",\"contentUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2016\\\/08\\\/fhg_iese_logo.png\",\"width\":183,\"height\":50,\"caption\":\"Fraunhofer IESE\"},\"image\":{\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/FraunhoferIESE\\\/\",\"https:\\\/\\\/x.com\\\/FraunhoferIESE\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/fraunhoferiese\\\/\",\"https:\\\/\\\/www.youtube.com\\\/c\\\/FraunhoferIESE\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/#\\\/schema\\\/person\\\/790f3967298ec81883eb87ed11d86c5e\",\"name\":\"Dr. Michael Kl\u00e4s\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2022\\\/02\\\/klaes_michael-96x96.jpg83e380d8683e0c7345165dedbc8ccb71\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2022\\\/02\\\/klaes_michael-96x96.jpg\",\"contentUrl\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/wp-content\\\/uploads\\\/2022\\\/02\\\/klaes_michael-96x96.jpg\",\"caption\":\"Dr. Michael Kl\u00e4s\"},\"description\":\"Dr. Michael Kl\u00e4s ist seit Abschluss seines Informatikstudiums in der angewandten Forschung t\u00e4tig und ber\u00e4t Unternehmen in den Bereichen Softwarequalit\u00e4t und Datenanalyse. Im Laufe der letzten Dekade verantwortete er in zahlreichen Industrie- und Forschungsprojekten insbesondere den Aufbau von KPI-Systemen, die Evaluation neuer Technologien und die Entwicklung pr\u00e4diktiver Analysen. In seiner Dissertation besch\u00e4ftigte er sich mit der Vorhersage von Softwarefehlern unter Einbeziehung von Expertenwissen. Aktuell liegt sein Schwerpunkt im Bereich der Potenzialanalyse f\u00fcr datengetriebene Innovation und der Datenqualit\u00e4ts- und Unsicherheitsanalyse bei Big-Data- und KI-Systemen. Als Autor zahlreicher Fachpublikationen engagiert er sich zudem als Hochschuldozent und als Experte bei der Normierung (DIN\\\/VDE).\",\"url\":\"https:\\\/\\\/www.iese.fraunhofer.de\\\/blog\\\/author\\\/michael-klaes\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"KI - Unsicherheiten managen - Blog des Fraunhofer IESE","description":"Whitepaper: Wie kann man die Zuverl\u00e4ssigkeit von KI bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/","og_locale":"de_DE","og_type":"article","og_title":"KI - Unsicherheiten managen - Blog des Fraunhofer IESE","og_description":"Whitepaper: Wie kann man die Zuverl\u00e4ssigkeit von KI bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik.","og_url":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/","og_site_name":"Fraunhofer IESE","article_publisher":"https:\/\/www.facebook.com\/FraunhoferIESE\/","article_published_time":"2018-11-30T13:22:03+00:00","article_modified_time":"2024-01-22T11:35:39+00:00","og_image":[{"width":698,"height":465,"url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228-698x465.jpg","type":"image\/jpeg"}],"author":"Dr. Michael Kl\u00e4s","twitter_card":"summary_large_image","twitter_creator":"@FraunhoferIESE","twitter_site":"@FraunhoferIESE","twitter_misc":{"Verfasst von":"Dr. Michael Kl\u00e4s","Gesch\u00e4tzte Lesezeit":"3\u00a0Minuten","Written by":"Dr. Michael Kl\u00e4s"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#article","isPartOf":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/"},"author":{"name":"Dr. Michael Kl\u00e4s","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/person\/790f3967298ec81883eb87ed11d86c5e"},"headline":"K\u00fcnstliche Intelligenz \u2013 Unsicherheiten quantifizieren und managen","datePublished":"2018-11-30T13:22:03+00:00","dateModified":"2024-01-22T11:35:39+00:00","mainEntityOfPage":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/"},"wordCount":554,"publisher":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#organization"},"image":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#primaryimage"},"thumbnailUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228.jpg","keywords":["Dependable AI \/ Verl\u00e4ssliche KI"],"articleSection":["K\u00fcnstliche Intelligenz","Sicherheit"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/","url":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/","name":"KI - Unsicherheiten managen - Blog des Fraunhofer IESE","isPartOf":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#primaryimage"},"image":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#primaryimage"},"thumbnailUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228.jpg","datePublished":"2018-11-30T13:22:03+00:00","dateModified":"2024-01-22T11:35:39+00:00","description":"Whitepaper: Wie kann man die Zuverl\u00e4ssigkeit von KI bestimmen und wie viel Unsicherheit verbleibt? Eine Einf\u00fchrung zum Stand der Technik.","breadcrumb":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#primaryimage","url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228.jpg","contentUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228.jpg","width":6000,"height":4000,"caption":"Artificial Intelligence (AI) machine learning with data mining technology on virtual dachboard.Double exposure,Business team meeting present. Photo professional investor working with new startup project."},{"@type":"BreadcrumbList","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/kuenstliche-intelligenz-unsicherheiten-quantifizieren-und-managen\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/www.iese.fraunhofer.de\/blog\/"},{"@type":"ListItem","position":2,"name":"K\u00fcnstliche Intelligenz \u2013 Unsicherheiten quantifizieren und managen"}]},{"@type":"WebSite","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#website","url":"https:\/\/www.iese.fraunhofer.de\/blog\/","name":"Fraunhofer IESE","description":"Blog des Fraunhofer-Institut f\u00fcr Experimentelles Software Engineering","publisher":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.iese.fraunhofer.de\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#organization","name":"Fraunhofer IESE","url":"https:\/\/www.iese.fraunhofer.de\/blog\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/logo\/image\/","url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2016\/08\/fhg_iese_logo.png","contentUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2016\/08\/fhg_iese_logo.png","width":183,"height":50,"caption":"Fraunhofer IESE"},"image":{"@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/FraunhoferIESE\/","https:\/\/x.com\/FraunhoferIESE","https:\/\/www.linkedin.com\/company\/fraunhoferiese\/","https:\/\/www.youtube.com\/c\/FraunhoferIESE"]},{"@type":"Person","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/#\/schema\/person\/790f3967298ec81883eb87ed11d86c5e","name":"Dr. Michael Kl\u00e4s","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2022\/02\/klaes_michael-96x96.jpg83e380d8683e0c7345165dedbc8ccb71","url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2022\/02\/klaes_michael-96x96.jpg","contentUrl":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2022\/02\/klaes_michael-96x96.jpg","caption":"Dr. Michael Kl\u00e4s"},"description":"Dr. Michael Kl\u00e4s ist seit Abschluss seines Informatikstudiums in der angewandten Forschung t\u00e4tig und ber\u00e4t Unternehmen in den Bereichen Softwarequalit\u00e4t und Datenanalyse. Im Laufe der letzten Dekade verantwortete er in zahlreichen Industrie- und Forschungsprojekten insbesondere den Aufbau von KPI-Systemen, die Evaluation neuer Technologien und die Entwicklung pr\u00e4diktiver Analysen. In seiner Dissertation besch\u00e4ftigte er sich mit der Vorhersage von Softwarefehlern unter Einbeziehung von Expertenwissen. Aktuell liegt sein Schwerpunkt im Bereich der Potenzialanalyse f\u00fcr datengetriebene Innovation und der Datenqualit\u00e4ts- und Unsicherheitsanalyse bei Big-Data- und KI-Systemen. Als Autor zahlreicher Fachpublikationen engagiert er sich zudem als Hochschuldozent und als Experte bei der Normierung (DIN\/VDE).","url":"https:\/\/www.iese.fraunhofer.de\/blog\/author\/michael-klaes\/"}]}},"jetpack_featured_media_url":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-content\/uploads\/2018\/11\/iStock-1004520228.jpg","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts\/3085","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/users\/26"}],"replies":[{"embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/comments?post=3085"}],"version-history":[{"count":11,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts\/3085\/revisions"}],"predecessor-version":[{"id":10018,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/posts\/3085\/revisions\/10018"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/media\/3089"}],"wp:attachment":[{"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/media?parent=3085"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/categories?post=3085"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/tags?post=3085"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.iese.fraunhofer.de\/blog\/wp-json\/wp\/v2\/coauthors?post=3085"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}