Lena
Vestermark
Lena schreibt seit 2015 über erklärbare künstliche Intelligenz. Ihr Fokus liegt auf Methoden, die Modellentscheidungen für Fachleute ohne ML-Hintergrund nachvollziehbar machen.
Fachlicher
Schwerpunkt
Lenas Arbeit behandelt den Einsatz von XAI-Methoden wie SHAP und LIME in konkreten Anwendungsfällen. Sie erklärt, wann lokale versus globale Erklärungen sinnvoll sind und welche Einschränkungen jede Methode mit sich bringt.
Dabei richtet sie sich an Entwicklerinnen und Projektverantwortliche, die Modellentscheidungen gegenüber Stakeholdern oder Behörden dokumentieren müssen.
-
Modellauswahl und Baseline
Welches Modell erklärt werden muss und welche Anforderungen die Erklärbarkeit stellt, bestimmt den methodischen Einstieg.
-
Methodenanwendung
SHAP-Werte, Partial-Dependence-Plots oder Counterfactuals – je nach Zielgruppe und Entscheidungskontext.
-
Überprüfung und Validierung
Erklärungen werden auf Konsistenz und Korrektheit geprüft, bevor sie in Berichte oder Systeme einfließen.
-
Dokumentation für Audits
Strukturierte Aufbereitung von Erklärungsergebnissen für interne Reviews und regulatorische Prüfungen.
Inhalte mit konkretem Bezug
Domain veröffentlicht keine allgemeinen Einführungen in KI. Die Anleitungen behandeln spezifische Probleme: fehlende Erklärbarkeit bei Kreditentscheidungen, unklare Featurerelevanz in medizinischen Klassifikationsmodellen, Fairnessprüfungen vor dem Deployment.
- SHAP-Werte schrittweise berechnen und interpretieren
- LIME für tabellarische Daten und Textklassifikation
- Fairnessmetriken und demografische Parität prüfen