Mit welchen Algorithmen wird KI verlässlich?

Dieser Beitrag ist Teil der Blog-Serie Effektives KI-Design.

Thema heute: Intuitive Problemerfassung für eine besonders verlässliche KI.
In Kürze: Ist eine KI in der Lage, eine Problemstellung intuitiv zu beschreiben, lässt sie sich besonders verlässlich betreiben.

Unterschiedliche KI-Modelle sind in der Lage, Muster und Zusammenhänge zwischen Variablen auf unterschiedliche Weise zu beschreiben. In den meisten Fällen ist es empfehlenswert, sich für ein KI-Modell zu entscheiden, das möglichst intuitiv in der Lage ist, Zusammenhänge und Muster zu erfassen. Intuitiv meint in diesem Zusammenhang, dass das KI-Modell in der Lage ist, eine Problemstellung mit einer einfachen Beschreibung genau zu erfassen. Was das bedeutet, wird an zwei Beispielen ausgeführt:

Die folgende Abbildung zeigt ein Beispiel für ein sehr einfaches KI-Modell.

 

In dem Beispiel wird eine Ausgleichsgerade als KI-Modell verwendet, die von einem Algorithmus so zwischen Lerndatenpunkten platziert wurde, dass die Abweichungen zwischen den Punkten und der Ausgleichgeraden möglichst gering sind.

Um solch eine Ausgleichsgerade zu bestimmen, können verschiedene Machine Learning-Algorithmen verwendet werden. Ein besonders verbreiteter Algorithmus zur Platzierung von Ausgleichsgeraden ist die Lineare Regression, ein statistisches Machine Learning-Verfahren, welches die vertikale Position und die Steilheit der Ausgleichsgerade so optimiert, dass die quadrierten Abstände zwischen Datenpunkten und der Ausgleichsgeraden minimal sind. Dieses Verfahren der Linearen Regression bietet sich vor allem dann an, wenn eine Zielvariable (Verkaufspreis) eng mit einer oder auch mehreren Eingangsvariablen (Immobilienfläche) proportional zusammenhängt. Wegen des proportionalen Zusammenhangs zwischen der Immobilienfläche und dem Verkaufspreis ermöglicht die Lineare Regression in diesem Fall eine intuitive Beschreibung des Sachverhalts.

Die folgende Abbildung illustriert ein weiteres Anwendungsbeispiel, den Zusammenhang zwischen der Wohnfläche einer Immobilie und der Anzahl an Bäderzimmern.

 

Wohnungen mit kleinerer Wohnfläche verfügen typischerweise über 1 Badezimmer. Ab einer Fläche von 165m²verfügen die Wohnungen in diesem Beispiel über zwei, ab einer Fläche von 267 m² sogar über drei Badezimmer.

Auch diese Relation zwischen Grundfläche und der Anzahl an Badezimmern ließe sich zumindest ungenau durch eine Ausgleichsgerade wie im vorherigen Beispiel beschreiben. Deutlich intuitiver in der Beschreibung für diesen Anwendungsfall ist aber ein regelbasiertes KI-Modell, mit den Regeln: ein Badezimmer im Fall einer Immobilie mit weniger als 165m²; drei Badezimmer bei mehr als 267m²; zwei Badezimmer in den übrigen Fällen.

Das intuitive KI-Modell ist nicht nur genauer in der Beschreibung und Vorhersage als eine unpassende Lösung. Wegen der einfachen Beschreibung ist es auch leichter zu interpretieren und im Betrieb einfacher zu überwachen sowie besonders stabil gegenüber unerwünschten Effekten, beispielsweise durch fehlerhafte Daten.

Das regelbasierte Modell ist in diesem Fall daher besser geeignet als eine Ausgleichsgerade, um den Zusammenhang zwischen der Fläche einer Wohnung und der Anzahl an Badezimmern zu beschreiben.

Praxis-Tipp: Verwenden Sie KI-Modelle, die in der Lage sind Ihre Daten intuitiv zu beschreiben. Dies macht die Logik Ihrer KI besonders verlässlich. Bei der Auswahl passender KI-Konzepte beraten Sie Unternehmen wie die aspectivo KI-Agentur.  

Zur Blog-Serie: Effektives KI-Design
Nächster Artikel: Wie komplex muss KI sein?