Künstliche Intelligenz (KI) sorgt heute in vielen Unternehmensbereichen für eine Optimierung bestehender Prozesse. Eine gelungene KI-Einführung erfordert jedoch entsprechendes Knowhow. Der vorliegende Maßnahmenkatalog soll bei der Umsetzung einer erfolgreichen Mensch-Maschine-Interaktion helfen und bietet eine Übersicht über die notwendigen Kompetenzen der Mitarbeitenden sowie Maßnahmen zur notwendigen Kompetenzentwicklung. Darüber hinaus werden mögliche psychische Belastungen identifiziert und geeignete Gegenmaßnahmen abgeleitet.

Maßnahmenkatalog zur Implementierung einer KI (PDF-Datei) (wird in neuem Tab geöffnet)

Wie entwickelt man aus einem KI-Anwendungsfall ein KI-basiertes Geschäftsmodell, und welche Zahlungsbereitschaft haben die Kunden? Um diese Fragen zu beantworten, wurde im Rahmen des KompAKI-Entwicklungsprojekts 2 ein Leitfaden entwickelt, der Unternehmen dabei unterstützt, erfolgreiche KI-basierte Geschäftsmodelle zu gestalten und dabei die Zahlungsbereitschaft ihrer Zielgruppen zu berücksichtigen.

Praxismaterial: KI als Motor Ihrer Geschäftsmodelle (PDF-Datei) (wird in neuem Tab geöffnet)

Hier finden Sie das Handbuch zur mitarbeiterfreundlichen Implementierung von KI zum Download als PDF sowie den Link zu unserem dazugehörigen Youtube-Video:

Handbuch zur mitarbeiterfreundlichen Implementierung von KI (PDF-Datei) (wird in neuem Tab geöffnet)

Video „Checkliste zur mitarbeiterfreundlichen Implementierung von KI“

Hier finden Sie die Checkliste für mitarbeiterfreundliche KI zum Download als PDF.

KompAKI-Checkliste für mitarbeiterfreundliche KI (PDF-Datei) (wird in neuem Tab geöffnet)

Der Leitfaden “Menschenzentrierte KI Entwicklung und Einführung” übsersetzt zentrale Forschungsergebnisse des KompAKI Projekts in konkrete Maßnahmen, die Unternehmen in der Integration von KI-Systemen in Betracht ziehen können.

Leitfaden „Menschzentrierte KI Entwicklung und Einführung“ (PDF-Datei) (wird in neuem Tab geöffnet)

Diese Jupyter Notebooks dienen der nachhaltigen, interaktiven Vermittlung von entwickelten Ansätzen zu End-to-End AutoML und kooperativer KI. Sie richten sich insbesondere an Forschende, technisch interessierte KMU, Praxisakteure sowie Studierende, die anhand ausführbarer Code-Beispiele einen niedrigschwelligen Einstieg in die KompAKI-Forschungsinhalte im Bereich Erklärbare KI erhalten sollen.

Die folgenden beiden Notebooks veranschaulichen dies u. a. am Beispiel von visuellen Verkehrsszenen:

• Notebook 1: Semantic Segmentation with Captum
• Notebook 2: Model Interpretation for Pretrained Deep Learning Models

Das dritte Notebook veranschaulicht visuell wie probabilistische Logik genutzt werden kann, um regelbasierte Entscheidungen in Verkehrssituationen zu treffen:

• Notebook 3: Probabilistic Mission Design

Für Forschende, technisch interessierte KMU, Praxisakteure sowie Studierende stellt dieses Codebeispiel animiert dar, wie intelligente Verkehrsteilnehmer mithilfe probabilistischer Logik und einer aus Erfahrung gelernten Selbstkalibrierung zuverlässiger und sicherer navigieren. Insbesondere wird an der genutzten Logik die Kooperation zwischen Mensch und Maschine konkretisiert:

• Notebook 4: The Constitutional Controller (CoCo)

Die folgende Sammlung von Jupyter-Notebooks demonstriert, wie Sie mit unserem Tool (PIPE-X) Ihre Daten besser verstehen und verarbeiten können (XAI for Preprocessing) und welche Auswirkungen diese Vorverarbeitungsschritte auf das KI-Modell haben.

• Repositorium: PIPE-X

In KompAKI wurde zusammen mit Partner:innen aus Industrie und Forschung ein Hackathon mit 85 Teilnehmenden durchgeführt. Für Lehrende und zukünftige Veranstalter:innen haben wir die Ressourcen dazu übersichtlich zusammengestellt, sodass sie als Open-Source-Materialien zur Vorlage dienen können. Weitere Tools und Beispiele sind in unseren Repositorien und Jupyter-Notebooks interaktiv aufbereitet.

• Zur Dokumentation des Hackathons