Zuletzt aktualisiert am:
Die Einbindung menschlichen Urteilsvermögens in KI-Prozesse (Training, Validierung, Überprüfung von Entscheidungen), um die Genauigkeit und Verantwortlichkeit zu verbessern.
Ein hybrider Ansatz, bei dem der Mensch KI-Workflows unterstützt – durch das Bereitstellen von Labels, das Verifizieren von Vorhersagen mit geringer Konfidenz oder das übersteuern von Modellentscheidungen. HITL stellt sicher, dass Grenzfälle, risikoreiche oder neuartige Situationen fachmännische Aufmerksamkeit erhalten. Eine effektive Governance legt Schwellenwerte für menschliche Eingriffe fest, verfolgt Leistungsvergleiche zwischen Mensch und KI und verhindert, dass menschliche Voreingenommenheiten die Automatisierungsgewinne beeinträchtigen.
Praxisbeispiel:
Eine KI für medizinische Diagnostik markiert Scans mit einer Modell-Konfidenz von unter 80 % für die Überprüfung durch einen Radiologen (HITL). Über einen Zeitraum von sechs Monaten wurden 95 % der Fälle mit geringer Konfidenz durch den Menschen korrekt klassifiziert. Diese Labels fließen in das erneute Modelltraining ein – was die Konfidenzkalibrierung verbessert und die Gesamtfehlerquote reduziert.
