Hintergrund

Künstliche Intelligenz (KI) wird mittlerweile in sämtlichen Wirtschaftszweigen eingesetzt und das spiegelt sich in vielen Anwendungen des täglichen Gebrauchs wider. Möglich gemacht wurde und wird dies durch neue Techniken und Methoden (z.B. neuronale Netze), aber auch durch die leichte Verfügbarkeit günstiger und leistungsfähiger Hardware, die es erlaubt, große Datenmengen zu verarbeiten. Neben den Vorteilen, die der Einsatz von KI mit sich bringt, stellen sich aber Herausforderungen. Beispielsweise gilt es die Zuverlässigkeit und Vertrauenswürdigkeit (z.B., Fußgänger*innenerkennung bei autonomen Fahrzeugen) sowie die Absicherung von KI-Systemen noch weiter zu verbessern. Für all das braucht es Fachkräfte, es gibt allerdings weltweit eine große Lücke zwischen dem was die Unternehmen an Experten im Bereich Data Science und KI brauchen und was auf dem Arbeitsmarkt zur Verfügung steht.

Projektinhalt

Im Gesundheitswesen und in der Biotechnik sind Vertrauenswürdigkeit und Erklärbarkeit von KI-Modellen von großer Bedeutung. Auf diese Aspekte spezialisierte Data Scientists anzustellen, ist jedoch für kleinere Unternehmen aber selbst für manche Abteilungen in großen Konzernen oft nicht machbar. Darüber hinaus ist geeignetes Personal rar, denn neben Kenntnissen zu KI und Datenanalyse ist in vielen Fällen auch Domänenwissen (hier: medizinisches Wissen) gefragt. Um dem beizukommen, wäre daher eine fundierte Weiterbildung von Domänenexpert*innen sinnvoll. Ein solche Maßnahme muss jedoch über eine Data-Science-Basisausbildung hinausgehen und auch weitreichende Kenntnisse zum Thema vertrauenswürdiger KI vermitteln, denn nur so können neue Lösungen in Realweltumgebungen entwickelt, umgesetzt und evaluiert werden.

Ziel

Das vorliegende Innovationscamp ist darauf ausgelegt, Mitarbeiter*innen, die über gute Kenntnisse in der Datenanalyse und entsprechendes Domänenwissen im Bereich Biotechnik und Gesundheit verfügen, das Rüstzeug mitzugeben, um KI-Modelle erklärbar und vertrauenswürdig zu machen. Folgende Ziele sollen erreicht werden.

• Die Teilnehmer*innen verstehen Problemstellungen ihres Anwendungsbereichs und können entscheiden, ob und wie das Problem mit Hilfe von Data Science (mit vertrauenswürdigen KI-Methoden im speziellen) zu lösen ist.
• Die Teilnehmer*innen sind in der Lage Daten zu sammeln, zu aggregieren und zu bereinigen, die Qualität von Datenquellen für die Analyse, sowie nach Kriterien wie Datentransparenz und Fairness zu beurteilen.
• Die Teilnehmer*innen können Daten in einer geeigneten Form abspeichern und abfragen sowie Datenschutzanforderungen entlang des gesamten Datenlebenszyklus formulieren.
• Die Teilnehmer*inne sind in der Lage geeignete Analyseansätze für spezifische Problemstellungen auszuwählen, ein erklärbares und vertrauenswürdiges Modell zu erstellen, dieses zu interpretieren, zu präsentieren, zu evaluieren und wenn nötig zu verbessern.

Methodik

Das Innovationscamp findet in Präsenz an der Fachhochschule St. Pölten statt (6-8 Schulungstage in mehreren Blöcken). Die Wissensvermittlung erfolgt über integrierte Lehrveranstaltungen (Vortrags- und Übungselemente werden eng verzahnt), welche Feedbackschleifen zur Vertiefung des Erlernten und ein Praxisprojekt umfassen. Wir orientieren uns dafür am Accelerated Learning Ansatz (nach Dave Meier) und seinen Ideen zu effizientem und effektivem Lernen in Gruppen sowie den dafür benötigten didaktischen Konzepten. Es werden vier Phasen des Lernens durchlaufen: 1) Preparation Phase, in der ein „Learner Preparation Kit“ (mit Lernvideos, Quizzes etc.) zur Verfügung gestellt wird, das mit Inhalten des Innovationscamps auf spielerische und anschauliche Weise vertraut macht. 2) Presentation Phase, in der mit Methoden des Accelerated Learnings interaktiv (Quizzes, Tests, Karteikarten, Teampräsentationen etc.) theoretische Inhalte vermittelt werden. 3) In der Practise Phase werden die gelernten Inhalte reflektiert, verfestigt und ins Langzeitgedächtnis überführt (über Ideenaustausch, Trial and Error, Rollenspiele, Gruppendiskussionen, Bearbeitung von Problemstellungen, Darstellung und Erklärung von Prozessen oder Modellen etc.). In der abschließenden 4) Performance Phase werden die gelernten Inhalte weiter vertieft und Wege aufgezeigt wie das neuerworbene Wissen im Arbeitsalltag angewendet werden kann.

Ergebnis

Die Absolvent*innen des Innovationscamps erwerben Grundkenntnisse im Bereich Data Science mit einem Schwerpunkt auf vertrauenswürdige und verlässliche künstliche Intelligenz (trustworthy AI). Das Hauptaugenmerk des Kurses liegt zwar auf technischen Inhalten, räumt aber auch ethischen und rechtlichen Aspekten ausreichend breiten Raum ein. Großer Wert wird darauf gelegt, dass die Absolvent*innen die erworbenen Kenntnisse praktisch anwenden und selbstständig Lösungen für aktuelle aber auch neue Problemstellungen erarbeiten können.