Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/287565 
Title (translated): 
Openness Through XAI in ML-Assisted Decisions: A Building Block for Optimizing Enterprise Decision-Making?
Year of Publication: 
2021
Citation: 
[Journal:] HMD Praxis der Wirtschaftsinformatik [ISSN:] 2198-2775 [Volume:] 58 [Issue:] 2 [Publisher:] Springer Fachmedien Wiesbaden [Place:] Wiesbaden [Year:] 2021 [Pages:] 303-320
Publisher: 
Springer Fachmedien Wiesbaden, Wiesbaden
Abstract: 
Künstliche Intelligenz (KI) und Machine Learning (ML) gelten gegenwärtig als probate Mittel, um betriebswirtschaftliche Entscheidungen durch mathematische Modelle zu optimieren. Allerdings werden die Technologien häufig in Form von "Black Box"-Ansätze mit entsprechenden Risiken realisiert. Der Einsatz von Offenheit kann in diesem Kontext mehr Objektivität schaffen und als Treiber für innovative Lösungen fungieren. Rationale Entscheidungen im Unternehmen dienen im Sinne einer Mittel-Zweck-Beziehung dazu, Wettbewerbsvorteile zu erlangen. Im Sinne von Governance und Compliance sind dabei regulatorische Rahmenwerke wie COBIT 2019 und gesetzliche Grundlagen wie die Datenschutz-Grundverordnung (DSGVO) zu berücksichtigen, die ihrerseits ein Mindestmaß an Transparenz einfordern. Ferner sind auch Fairnessaspekte, die durch Bias-Effekte bei ML-Systemen beeinträchtigt werden können, zu berücksichtigen. In Teilaspekten, wie z. B. bei der Modellerstellung, wird in den Bereichen der KI und des ML das Konzept der Offenheit bereits praktiziert. Das Konzept der erklärbaren KI ("Explainable Artificial Intelligence" – XAI) vermag es aber, das zugehörige Potenzial erheblich steigern. Hierzu stehen verschiedene generische Ansätze (Ante hoc‑, Design- und Post-hoc-Konzepte) sowie die Möglichkeit, diese untereinander zu kombinieren, zur Verfügung. Entsprechend müssen Chancen und Grenzen von XAI systematisch reflektiert werden. Ein geeignetes, XAI-basiertes Modell für das Fällen von Entscheidungen im Unternehmen lässt sich mit Hilfe von Heuristiken näher charakterisieren.
Subjects: 
Betriebswirtschaftliche Entscheidungen
Erklärbare Künstliche Intelligenz (XAI)
Maschinelles Lernen (ML)
Heuristik
Offenheit
Business decisions
Explainable Artificial Intelligence (XAI)
Machine Learning (ML)
Heuristics
Openness
Persistent Identifier of the first edition: 
Creative Commons License: 
cc-by Logo
Document Type: 
Article
Document Version: 
Published Version

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.