Rechenschaftspflicht
Verantwortlichkeit bedeutet, dass Sie für die Auswirkungen eines KI-Systems verantwortlich sind.
Rechenschaftspflicht bedeutet in der Regel Transparenz oder die Weitergabe von Informationen zum Systemverhalten und zu organisatorischen Prozessen. Dazu gehört beispielsweise die Dokumentation, wie Modelle und Datasets erstellt, trainiert und bewertet wurden, und die Weitergabe dieser Informationen. Auf den folgenden Websites werden zwei wertvolle Methoden zur Dokumentation der Rechenschaftspflicht erläutert:
Eine weitere Dimension der Rechenschaftspflicht ist die Interpretierbarkeit. Dazu gehört das Verständnis von Entscheidungen von ML-Modellen, bei denen Menschen Merkmale identifizieren können, die zu einer Vorhersage führen. Außerdem bedeutet Erklärbarkeit, dass die automatischen Entscheidungen eines Modells auf eine für Menschen verständliche Weise erklärt werden können.
Weitere Informationen zum Aufbau des Vertrauens der Nutzer in KI-Systeme finden Sie im Abschnitt Erklärbarkeit + Vertrauen des Leitfadens Mensch + KI.
In den Erläuterungsressourcen von Google finden Sie Beispiele aus der Praxis und Best Practices.
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-02-25 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-02-25 (UTC)."],[[["Accountability in AI involves taking ownership for the effects of a system, often achieved through transparency about the system's development and behavior."],["Transparency can be enhanced using documentation practices like Model Cards and Data Cards, which provide information about models and datasets."],["Interpretability and explainability are crucial aspects of accountability, enabling understanding of model decisions and providing human-understandable explanations for automated actions."],["Fostering user trust in AI systems requires focusing on explainability and transparency, with further resources available in Google's Responsible AI Practices and Explainability Resources."]]],[]]