Last updated:
Einbeziehung menschlicher Urteilsfähigkeit in KI-Prozesse (Schulung, Validierung, Entscheidungsüberprüfung), um Genauigkeit und Verantwortlichkeit zu verbessern.
Ein hybrider Ansatz, bei dem Menschen KI-Workflows ergänzen – indem sie Labels bereitstellen, Vorhersagen mit geringer Konfidenz verifizieren oder Modellentscheidungen übersteuern. HITL stellt sicher, dass Grenzfälle, risikoreiche oder neuartige Situationen die Aufmerksamkeit von Fachkräften erhalten. Eine wirksame Governance legt Schwellenwerte für menschliche Eingriffe fest, verfolgt Leistungsvergleiche zwischen Mensch und KI und verhindert, dass menschliche Verzerrungen die Automatisierungsgewinne beeinträchtigen.
Real world example:
Eine KI für die medizinische Diagnostik kennzeichnet Scans mit einer Modellkonfidenz von unter 80 % zur Überprüfung durch Radiologinnen und Radiologen (HITL). Über einen Zeitraum von sechs Monaten wurden 95 % der Fälle mit niedriger Konfidenz von Menschen korrekt klassifiziert; diese Labels fließen in das erneute Training des Modells zurück – wodurch die Kalibrierung der Konfidenz verbessert und die Gesamtfehlerrate gesenkt wird.
