Zuletzt aktualisiert am:
Eine quantifizierbare Metrik (z. B. Abweichung der Modellgenauigkeit, Zeitspanne zur Behebung von Verzerrungen), die zur Überwachung und Berichterstattung von KI-Governance- und Compliance-Zielen verwendet wird.
Ein spezifischer, messbarer Wert, der widerspiegelt, wie effektiv eine Organisation oder ein KI-Projekt Governance-Ziele erreicht – wie beispielsweise die Gesamtstabilität der Modellgenauigkeit im Zeitverlauf, die durchschnittliche Zeit zur Erkennung und Behebung von Bias-Problemen oder der Prozentsatz der Modelle mit aktuellen Folgeabschätzungen. Aussagekräftige KPIs sind an strategischen Zielen ausgerichtet, verfügen über klare Schwellenwerte und werden über automatisierte Dashboards nachverfolgt, um rechtzeitige Interventionen zu ermöglichen, wenn Kennzahlen außerhalb der akzeptablen Bereiche liegen.
Praxisbeispiel:
Eine Geschäftsbank verfolgt die Kennzahl „monatlicher Modell-Drift-Prozentsatz“, die den Rückgang der Vorhersagegenauigkeit ihres Kreditrisikomodells im Vergleich zur letzten Kalibrierung misst. Wenn die Drift 3 % überschreitet, löst ein automatischer Alarm eine Pipeline zur Modell-Neuschulung aus. Dadurch wird sichergestellt, dass Kreditentscheidungen zuverlässig bleiben und den internen Genauigkeitsstandards entsprechen.
