Zuletzt aktualisiert am:
Ein strukturierter Ansatz oder ein Framework von Richtlinien, die Organisationen nutzen, um Erklärbarkeitspraktiken in ihren KI-Systemen zu implementieren, zu messen und zu steuern.
Ein formalisiertes Programm – das häufig Richtliniendokumente, technische Standards und Prozess-Workflows umfasst –, das festlegt, wann und wie Techniken zur Erklärbarkeit anzuwenden sind, erforderliche Erklärungsformate (z. B. textuell, visuell) definiert, Rollen (Erklärungsverantwortliche, Prüfende) festlegt und Kontrollpunkte (Entwurfsprüfung, Validierung vor der Bereitstellung, regelmäßige Audits) einrichtet. Es gewährleistet eine konsistente, auditierbare XAI-Bereitstellung, die auf die organisatorischen Risiken und regulatorischen Anforderungen abgestimmt ist.
Praxisbeispiel:
Ein Gesundheitsdienstleister führt ein XAI-Framework ein, das Folgendes vorschreibt: (1) Alle diagnostischen Modelle müssen lokale Erklärungen für jede Vorhersage enthalten; (2) die Wiedergabetreue der Erklärungen (Explanation Fidelity) muss bei über 90 % liegen, gemessen an der Übereinstimmung mit den tatsächlichen Merkmalscinflüssen (Ground-Truth Feature Influences); und (3) vierteljährliche XAI-Audits stellen sicher, dass die Erklärungen auch nach einem erneuten Modelltraining präzise bleiben.
