Ethik und Vertrauenswürdigkeit
| Lernform | Kürzel | Gruppengröße | Aufwand | Kontaktzeit | LP | Abschluss |
| Vorlesung | -- | k.A. | 60 (4 SWS) | 60 | 2 | SL: Hausarbeit oder Vortrag |
| Übung | -- | k.A. | 30 (2 SWS) | 30 | 1 | -- |
| Selbststudium | 135 | - | 4,5 | - | ||
| Summe | - | - | 225 | 90 | 7,5 | - |
| Modulbeauftragte(r): | Steimers |
| Sprache: | Deutsch |
| Turnus: | Wintersemester |
| Standort: | RAC |
| Lehrende: | Steimers |
| Zwingende Voraussetzungen: | keine |
| Inhaltliche Voraussetzungen: | Programmierkenntnisse |
Lernziele und Kompetenzen
Nach Abschluss des Moduls kennen die Studierenden die notwendigen Verfahren, um KI-Systeme gemäß den aktuell geltenden ethischen Leitlinien und rechtlichen Regularien entwickeln zu können. Hierzu können Sie das legislative Umfeld in Form verschiedener europäischer Verordnungen und Normen skizzieren und deren Anforderungen im Zuge der Produktentwicklung umsetzen. Die Studierenden können Risiken, welche der Einsatz von KI mit sich bringen kann, identifizieren, analysieren, bewerten und kennen geeignete Maßnahmen, um diese zu mindern, um ein vertrauenswürdiges KI-System realisieren zu können. Hierzu können sie verschiedene risikomindernde Maßnahmen beschreiben und anwenden.
Vorlesungsinhalt
Grundlagen tiefer neuronaler Netze. Grundlagen der Digitalethik und ethische Leitlinien für künstliche Intelligenz. Relevante europäische Verordnungen für den Bereich der KI (KI-Verordnung, DSGVO, Maschinenverordnung). Verschiedene Aspekte vertrauenswürdiger künstlicher Intelligenz: Fairness, Privacy, Automatisierungsgrad und Kontrolle, Komplexität der Ausgabe und Verwendungsumgebung, Grad der Transparenz und Erklärbarkeit, Security, System Hardware, Technologische Ausgereiftheit. Verfahren wie LIME, LRP, Student-Teacher-Networks, usw.
Literatur
- Steimers A, Schneider M. Sources of Risk of AI Systems. Int J Environ Res Public Health. 2022 Mar 18;19(6):3641. doi: 10.3390/ijerph19063641. PMID: 35329328; PMCID: PMC8951316