AutoAI im Einsatz So entwickeln Sie vertrauenswürdige und automatisierte KI-Lösungen

Mit IBM Watson Studio kann der komplette Lebenszyklus von Lernmodellen beim Einsatz von Machine Learning begleitet werden. Das erhöht die Produktivität von Data Scientists und verbessert Vertrauen und Transparenz für die KI-Lösung.

Data Scientists verbringen nach einer Untersuchung von Deloitte bis zu 80 Prozent ihrer Arbeitszeit mit Aufgaben, die leicht zu automatisieren sind.

Schon jetzt gibt es laut Bitkom nicht genügend Fachkräfte, um den steigenden Bedarf an Datenanalysen zu decken. Automatisierung kann hier der Schlüssel sein, der Data Scientists von wiederholenden und zeitaufwändigen Tätigkeiten befreit.

Hier liegt es auf der Hand, dass eine Automatisierung der Aufgaben für viele Vorteile sorgen kann. Mit IBM Watson Studio steht eine Grundlage dafür zur Verfügung. IBM Watson Studio ist eine DataScience-Plattform und unterstützt AutoAI. Die Plattform hilft beim Erstellen und Skalieren von vertrauenswürdiger KI in jeder Cloud. Mit der Lösung lassen sich alle Aufgaben rund um den KI-Lebenszyklus für ModelOps automatisieren.

Für IBM sind ethische Grundsätze in KI-Anwendungen und -Prozessen ebenfalls ein wichtiger Faktor bei der Weiterentwicklung von KI und Lösungen mit künstlicher Intelligenz. Auch dabei unterstützt IBM Watson Studio.

KPMG setzt zum Beispiel auf Watson Studio in der IBM Cloud. In diesem Zusammenhang hat KPMG „AI in Control“ entwickelt. Das Framework setzt Kriterien, die welche der Algorithmus einhalten muss. Dabei spielen Integrität, Robustheit und Fairness die wichtigsten Rollen. Ein weiterer Faktor, den „AI in Control“ über Watson Studio sicherstellt, ist die Erklärbarkeit der Ergebnisse, die der Algorithmus präsentiert. Der komplette Weg zur Lösung ist dokumentiert und nachvollziehbar. Das ist eine der zentralen Herangehensweisen von IBM Watson Studio.

Darum ist Ethik beim Einsatz von AI wichtig

Damit Menschen Vertrauen in KI entwickeln, muss die KI ethischen Ansprüchen genügen. Wichtige Grundlagen dafür sind nicht nur Gesetze und Datenschutzrichtlinien, sondern auch Transparenz der verwendeten Daten und Algorithmen.

Cap Gemini hat 2019 für die Studie „Why addressing ethical Questions in AI will benefit Organizations“ untersucht, wie Kunden den Einsatz von KI ethisch bewerten. Dabei wollen 55 Prozent der Kunden mehr Produkte bei dem Unternehmen kaufen und 59 Prozent fühlen sich mit dem jeweiligen Unternehmen besser verbunden. Gleichzeitig fordern 72 Prozent der Kunden, dass sie von der KI fair behandelt werden wollen. Der Erfolg einer KI schlägt sich also unmittelbar in den Finanzen des Unternehmens nieder, das diese KI für Kunden oder Mitarbeiter einsetzt.

Diese Entwicklung zeigt auch eine Studie von FICO aus 2021. Die Studie hat untersucht, wie globale Unternehmen KI einsetzen und welche Fortschritte sie dabei machen. Dabei stand im Fokus, dass die KI ethisch, transparent, sicher und Interesse der Kunden eingesetzt wird. Dabei gaben 65 % der Befragten an, dass Sie nicht erklären können, wie spezifische KI-Modellentscheidungen oder -Vorhersagen getroffen werden. Das ist natürlich ein schwerer Mangel in der eingesetzten KI, der sich mit IBM Watson Studio vollständig eliminieren lasst. Nur ein Fünftel der Befragten gibt an, dass Modelle in der Produktion aktiv auf Fairness und Ethik überwacht werden. Hier besteht für die Unternehmen klarer Handlungsbedarf in der Umsetzung von Fairness und Ethic beim Einsatz von KI-Lösungen. Beide Ansätze, AI-Ethik und Trustworthy-AI sind zentrale Elemente, die sich mit IBM Watson Studio umsetzen lassen. Das Bundesministerium für Wirtschaft und Energie hat in einer Studie dargelegt, wie wichtig die Erklärbarkeit von KI-Ergebnissen ist.

IBM Watson Studio automatisiert die Einführung von KI – und schafft Vertrauen durch Erklärbarkeit

Bei der Verwendung von Watson Studio können wiederkehrende und wichtige Aufgaben beim maschinellen Lernen automatisiert werden. Watson Studio hilft bei der Datenaufbereitung, Modellerstellung, dem Feature Engineering und der Optimierung.

Watson Studio bietet Zugriff auf verschiedene Analysemodelle und unterstützt unter anderem die Programmiersprachen R, Python und Scala. Es kann Vorhersagemodelle und präskriptive Modelle miteinander kombinieren. Die erstellten Modelle können anschließend mit verschiedenen Wegen bearbeitet werden, zum Beispiel in Python, OPL oder auch mit natürlicher Sprache.

Automatisierung von Modellen

IBM Watson Studio kann dabei helfen, den Aufwand für die Modellüberwachung um bis zu 50 Prozent zu reduzieren. Gleichzeitig kann die Modellgenauigkeit um bis zu 30 Prozent erhöht werden.

Die Automatisierung von Modellen ist ein wichtiger Faktor in IBM Watson Studio. Mit AutoAI kann der komplette Lebenszyklus von Lernmodellen beim Einsatz von Machine Learning begleitet werden. IBM Watson Studio hilft dabei den Nettogewinn von Unternehmen deutlich zu steigern. Im Dokument „New Technology: The Projected Total Economic Impact of Explainable AI and Model Monitoring in IBM Cloud Pak for Data“ geht IBM genauer darauf ein, warum eine mit IBM Watson Studio verwaltete AI nicht nur nachvollziehbarer, sondern auch effektiver ist. Das liegt an der Strategie, den ganzen Lebenszyklus von künstlicher Intelligenz zu überwachen. Das beginnt bereits bei der Vorbereitung der Daten und geht bis zur ständigen Überwachung der zuvor automatisch ausgewählten Modelle.

Viele Datensätzen liegen in unterschiedlichen Datenformaten vor und oft fehlen auch Werte. KI kann mit IBM Watson Studio unterschiedliche Algorithmen zum Analysieren, Bereinigen und Vorbereiten der Rohdaten für das maschinelle Lernen nutzen. Anschließend wählt IBM Watson Studio das automatisierte Modell aus, das sich am besten für die zuvor analysierten Daten eignet. Das spart schon viel Arbeitszeit von Data Scientists ein und hilft bei der schnellen Implementierung der KI.

Watson Studio ermöglicht das Testen und Einstufen von potenziellen Algorithmen für kleine Teilmengen von Daten. Diese Methode spart Zeit, ohne Leistungseinbußen hinnehmen zu müssen. Hier spielt auch die Feature-Entwicklung eine Rolle, mit der zum Beispiel die Rohdaten in eine Kombination aus Features transformiert werden. Watson Studio untersucht verschiedene Auswahlmöglichkeiten zum Erstellen von Features. Gleichzeitig wird die Modellgenauigkeit durch verstärktes Lernen maximiert. Die besten Modellpipelines werden mit Watson Studio durch die Optimierung der Hyperparameter verfeinert.

Modelle im ganzen Lebenszyklus überwachen

Bei der Verwendung von AutoAI, zum Beispiel über IBM Watson Studio, können wiederkehrende und wichtige Aufgaben beim maschinellen Lernen automatisiert werden. AutoAI hilft bei der Datenaufbereitung, Modellerstellung, dem Feature Engineering und der Optimierung. Dadurch können KI-Lösungen schneller und gleichzeitig auch unter strengen ethischen Richtlinien umgesetzt werden.

Neben dem KI-Lebenszyklusmanagement mit Watson Studio unterstützt IBM Watson Studio auch IBM SPSS Modeler bei der Aufbereitung von Modellen. Forester hat IBM Watson Studio zu einem „Leader“ beim maschinellen Lernen eingestuft. Nur mit Trainingsmodellen ist eine AI tatsächlich intelligent und kann sich selbst ständig verbessern. Das einfache Analysieren von Daten über vordefinierte Datenmodelle ist keine künstliche Intelligenz per Definition.

Bei der Automatisierung von Aufgaben über Watson Studio können ML-Projekte sehr viel schneller, effektiver und auch transparenter gestaltet werden. Bei der Umsetzung hilft zum Beispiel IBM Watson Studio. Durch die Automatisierung von Standard-Aufgaben können Data Scientists bis zu 80 Prozent ihrer Arbeitszeit einsparen. Gleichzeitig verbessert sich die Motivation der Data Scientists und sie können sich um wichtigere, strategische Aufgaben kümmern. IBM Watson Studio überwacht in diesem Zusammenhang auch gleichzeitig die ausgewählten Modelle in Bezug auf Verzerrung, Vertrauen und Transparenz.

IBM Watson Studio vereinfacht die Umsetzung von Data Science in Unternehmen. Dabei kann das Produkt auch in der Cloud eingesetzt werden. Dabei muss natürlich nicht speziell auf die IBM Cloud gesetzt werden. Auch AWS, Azure, Google Cloud Computing und andere Plattformen können mit IBM Watson Studio eingesetzt werden. Um IBM Watson Studio in der Praxis zu testen, steht eine Umgebung in der IBM Cloud zur Verfügung. IBM stellt Watson Studio Desktop auch als lokale Lösung zur Verfügung.

Modelle trainieren

Um Trainingsmodelle für das maschinelle Lernen zu erstellen sind Watson Studio -Lösungen wie IBM Watson Studio ideal. Nur wenn Menschen der KI vertrauen, wird die Lösung akzeptiert und kann ihr ganzes Potential ausschöpfen. Dazu ist es wichtig, dass die Trainingsmodelle und Daten transparent, fair, nachverfolgbar und vertrauenswürdig sind. Um das sicherzustellen ist Watson Studio der beste Weg, da hier alle notwendigen Aufgaben automatisiert werden. Watson Studio hilft dabei die Daten automatisch zu analysieren und Modelle zu generieren.

Beispiel Regions Bank: Eine Methodik zur Entwicklung hochwertiger und vertrauenswürdiger KI

Die Regions Bank hat in Zusammenarbeit mit IBM fortgeschrittene die interne Analytik umgestaltet. Nach der Einrichtung eines Center of Excellence für Analysen haben IBM und Regions Bank Daten in eine zentralisierte Umgebung, maschinelles Lernen und KI-Techniken angewandt und eine KI-Qualitätskontrolle eingeführt.

Das Ergebnis sind verlässliche Analyselösungen, die helfen, Risiken zu reduzieren, Betrug zu erkennen und Geschäftskunden zu unterstützen. Das Team wendet agile Methoden an, um relevante Daten zu erfassen, das Analysemodell und die Benutzeroberfläche zu erstellen, die Lösung einzuführen und die Akzeptanz zu fördern. Auch die Bewertung der Auswirkungen und die Leistung des Modells werden regelmäßig gemessen.

Das Team verbessert die Lösung ständig. Unternehmen müssen in der Lage sein, ihre KI zu steuern und zu überwachen, um sicherzustellen, dass sie im Einklang mit den Vorschriften und Regularien arbeitet. Die IBM Technologie für regulierte Daten und KI basiert auf fünf Schwerpunktbereichen: Erklärbarkeit, Fairness, Robustheit, Transparenz und Datenschutz. Regions ist stolz auf seine offenen und vertrauensvollen Kundenbeziehungen. Auch aus diesem Grund hat IBM die ethische Kontrolle von KI in die Entwicklungsmethodik eingebunden. Ethische KI erfordert die Vollständigkeit, Genauigkeit und Qualität der Daten. Die den Modellen zugrunde liegenden Daten müssen repräsentativ für die Daten sein, die für die Entscheidungsfindung verwendet werden. Außerdem müssen die Modelle „erklärbar“, ihr Entscheidungsfindungsprozess muss klar sein.

(ID:47306819)