Daten und KI-Ethik

Zusammenfassung

Der Erfolg einer KI-Anwendung wird essenziell durch die Verfügbarkeit der erforderlichen Daten beeinflusst. Abhängig von der verwendeten KI-Methode müssen die Daten gelabelt, das heißt, mit Informationen gekennzeichnet werden, damit diese von Machine-Learning-Algorithmen besser interpretiert werden können und vorverarbeitet werden. Die Daten können aus einer Vielzahl von Quellen stammen. Die Datenvorverarbeitung sollte transparent und nachvollziehbar dokumentiert werden. Das sogenannte Federated Learning ist eine spezielle Technik des verteilten maschinellen Lernens, die es ermöglicht, sensible oder personenbezogene Daten zu nutzen, die Modellgüte entscheidend zu verbessern und gleichzeitig die Datenschutzbestimmungen einzuhalten. Beim Federated Learning wird aus einer Vielzahl einzelner Analysemodelle unterschiedlicher Teilnehmer ein zentrales Modell gebildet. Dieses nimmt wiederum iterativ Einfluss auf die Einzelmodelle. Da KI-Systeme häufig komplex vernetzt sind, besteht die Gefahr unautorisierter Zugriffe und Angriffe auf das System. Durch den Aufbau interner Kompetenzen in IT- und Cybersicherheitskompetenz, die Einhaltung entsprechender Standards, Normen und Frameworks sowie regelmäßige Sicherheitstests kann diesen Risiken aktiv vorgebeugt werden. Bei Technologiesprüngen wie der KI sollten zudem ethische Anforderungen im Sinne der gesellschaftlich verantwortungsvollen und fairen Technologie im Fokus stehen.