Gesa Götte
Laufende Promotion (intern)
Unerwünschte Effekte (Biases) bei der Anwendung von ML-Lösungen im Kontext Produktion
Betreuerin: Prof. Dr. oec. Julia Arlinghaus
Die Möglichkeit aus verfügbaren Daten mittels maschinellem Lernen (ML) Lösungen für praktische Probleme zu entwickeln ist inzwischen weit verbreitet und erforscht. Die Digitalisierung von Fabriken führt auf der einen Seite zu einer steigenden Menge an Daten, während öffentlich verfügbare künstliche Intelligenzen wie ChatGPT das Erstellen und Trainieren von ML-Lösungen auf der anderen Seite erleichtern. Dadurch ist insbesondere auch in der Produktion ein vermehrter Einsatz von maschinellem Lernen zu erwarten. Der Einsatz von ML birgt jedoch Risiken. In anderen Anwendungsgebieten hat sich gezeigt, dass die ML-Lösungen durch diverse Ursachen entlang des Entwicklungs- und Implementierungsprozesses von unerwünschten Verzerrungen, so genannten Bias, betroffen sein können. Diese haben zum Teil schwere ethische, aber auch Performance-relevante Folgen. Methoden zur Detektion, Reduktion aber auch Vermeidung dieser Effekte gibt es bereits in einer Vielzahl, können jedoch nur angewendet werden, wenn die Effekte erkannt werden. In diesem Projekt soll deshalb identifiziert werden, welche ML-Anwendungen im Kontext der Produktion für welche Art von Bias besonders anfällig sind. Risiken für den Einsatz von ML werden so reduziert und ein verantwortungsvoller und transparenter Umgang mit der Technologie geschaffen.