„Trust your AI“: Vertrauenswürdigkeit im Fokus
Das Ziel eines Workshops von Know-Center, Leftshift One und SGS ist ein ethisches Zertifizierungskonzept für Künstliche Intelligenz.
Durch den Einsatz von Künstlicher Intelligenz (englisch Artificial Intelligence, AI) wird die Entscheidungsverantwortung an Maschinen abgegeben, wodurch (potenzielle) Risiken entstehen können. Für viele Unternehmen ist es jedoch schwer, die Risiken, die mit dem noch unterprobten AI-Einsatz verbunden sind, zu evaluieren und zu kontrollieren. Ein Workshop vom Know-Center in Zusammenarbeit mit Leftshift One und SGS zum Thema Vertrauenswürdigkeit, also „Trustworthy AI“, bei denen an einer Zertifizierung von AI-Anwendungen gearbeitet wird, soll Abhilfe schaffen, indem Ansätze zur Risikobewertung und Risikominimierung geboten werden.
- 20. November. 2022
Christian Weber
CTO, AI Expert & Founder
Karin Schnedlitz
Content Managerin
Definition
Was genau ist unter „Trustworthy AI“ zu verstehen?
AI-Risiken wie Voreingenommenheit (“Bias”), nicht erklärbare Ergebnisse (“Black-Box”), fehlende Robustheit gegenüber feindlichen Angriffen oder ethische Probleme sind bekannte Risiken. Herausforderungen für Unternehmen und AI-Entwickler sind daher besonders die Bereitstellung valider Trainingsdaten sowie die Implementierung gewisser Sicherheitsvorkehrungen, die überprüfen, ob die AI innerhalb der definierten Grenzen agiert. Für Unternehmen sind bei der Implementierung von AI-Anwendungen vor allem Sicherheit, Transparenz, Kontrollmaßnahmen, menschliches Eingreifen in die Anwendung sowie Datenschutz wichtig.
Unter dem Motto “Trustworthy AI” wird versucht, die Anforderungen an AI-Anwendungen zusammenzufassen. Um die Vertrauenswürdigkeit von AI-Anwendungen zu gewährleisten, stellt z.B. die Erklärbarkeit von AI-Entscheidungen oder die Robustheit des Systems wichtige Anforderungen dar. Die von der Europäischen Union eingesetzte Hochrangige Expertengruppe für Künstliche Intelligenz (HEG-KI) erarbeitete “Ethik-Leitlinien für eine vertrauenswürdige KI”. Hierbei wurden sieben Anforderungen für eine vertrauenswürdige AI definiert:
- Vorrang menschlichen Handelns und menschliche Aufsicht
- Technische Robustheit und Sicherheit
- Datenschutz und Datenqualitätsmanagement
- Transparenz
- Vielfalt, Nichtdiskriminierung
- Gesellschaftliches und ökologisches Wohlergehen
- Rechenschaftspflicht
Ethik-Leitlinien
Zertifizierung schafft Vertrauen – im wahrsten Sinne des Wortes
Die Anforderungen der Ethik-Leitlinien sind jedoch nicht verbindlich, sondern stellen lediglich eine Empfehlung dar. Um das Vertrauen in AI-Anwendungen zu erhöhen, arbeiten bereits mehrere Institutionen (DIN, BSI, Fraunhofer oder PwC – um ein paar zu nennen) an Zertifizierungen von AI-Anwendungen. Die Zertifizierung soll Qualitätsstandards für eine AI “Made in Europe” schaffen und einen verantwortungsvollen Umgang mit AI-Anwendungen sichern. Ein erster – und ziemlich umfangreicher – Prüfkatalog wurde vom Fraunhofer Institut veröffentlicht. Der AI-Prüfkatalog unterteilt vertrauenswürdige AI-Anwendungen in sechs Dimensionen.
Dimension: Fairness
Subtitle
Anforderungen: Die AI-Andwendung darf nicht zu ungerechtfertigter Diskriminierung führen, z.B. durch unausgewogene Traindingsdaten (Stichwort "Bias" oder Unterrepräsentation).
Dimension: Autonomie & Kontrolle
Subtitle
Die Autonomie der AI-Anwendung und des Menschen muss gewährleistet sein, wie z.B. "Human-in-the-Loop".
Dimension: Transparenz
Subtitle
Die AI-Anwendung muss nachvollziehbare, reproduzierbare und erklärbare Entscheidungen liefern.
Dimension: Verlässlichkeit
Subtitle
Die AI-Anwendung muss verlässlich sein, das heißt robust, und unter veränderten Eingabedaten konsistente Ausgaben liefern.
Dimension: Sicherheit
Subtitle
Die AI-Anwendung muss sicher - im Sinn von IT-Sicherheit - und gegenüber Angriffen und Manipulationen geschützt sein.
Dimension: Datenschutz
Subtitle
Die AI-Anwendung muss sensible Daten (wie etwas personenbezogene Daten oder Geschäftsgeheimnisse) schützen.
Ethik-Leitlinien
Der Prüfkatalog verfolgt dabei einen risikobasierten Ansatz, wobei mögliche Risiken aus unterschiedlichen Gesichtspunkten betrachtet werden. Das heißt bei der Prüfung zu jeder Dimension ist eine Schutzbedarfsanalyse durchzuführen, die die Auswirkung auf die Betroffenen oder die Umgebung analysiert.
Wird der Schutzbedarf einer Dimension mit einem geringen Risiko eingeschätzt, muss die Dimension nicht weiter geprüft werden. Vielmehr ist zu argumentieren, warum das Risiko der AI-Anwendung hinsichtlich der Dimension als gering eingestuft wurde. Kommt jedoch die Schutzbedarfsanalyse zum Ergebnis, dass die AI-Anwendung ein mittleres oder hohes Risiko birgt, ist eine detaillierte Risikoanalyse entlang der Risikogebiete durchzuführen. Die dokumentierten Antworten zu jeder Dimension bilden die Grundlage für die Zertifizierung.
Zusammenarbeit von Forschung und Produktion
Wie die Zertifizierung im Allgemeinen und die Dokumentation der unterschiedlichen Anforderungen im Speziellen ausgestaltet werden müssen, ist Gegenstand eines aktuellen Forschungsprojekts. Hierbei arbeitet Leftshift One gemeinsam mit dem Know-Center und SGS daran, den AI-Prüfkatalog des Fraunhofer Instituts anhand einer praktischen AI-Anwendung zu durchlaufen. Das Forschungsprojekt soll dabei besonders Aufschluss darüber geben, ob der Prüfkatalog ausreichend ist, um AI-Anwendungen zu zertifizieren oder ob der Prüfkatalog adaptiert werden muss.
Kostenlose
Demo
anfordern
Holen auch Sie sich die Vorteile von KI-gestützten Anwendungen ins Haus. Jetzt unverbindlich für ein persönliches Gespräch mit unseren KI-ExpertInnen anfragen.