Auswahl der Datenquelle

Verantwortungsvolle KI-Datenverwaltung

Maria Prokofieva

Lead ML engineer

Warum auswählen?

Datenqualität sicherstellen
Rechtliche Compliance
Fairness

Verwirrte Frau wählt zwischen zwei Buttons und drückt den blauen

Schritt 1. Projektrelevanz

Relevanz für die Projektziele
Abstimmung prüfen mit
- Thema
- Umfang
- Erwarteten Ergebnissen

Ziel-Icon

Schritt 2. Integrität der Datenquelle

Integrität und Vertrauenswürdigkeit bewerten
Rezensionen und Erfahrungsberichte
Transparente Datenerhebung
Compliance und Lizenzen
Hohe Qualität: regelmäßige Updates

Händedruck und Schild (Linien-Icon)

Schritt 3. Rechtliche Compliance

Rechtmäßigkeit der Daten
Rechtliche Compliance fürs Projekt
Rechtsberatung:
- Anwendbare Gesetze und Auflagen
- Datenanonymisierung
- Anforderungen an Datensicherheit
Von der Rechtsabteilung freigegeben

Gesetze

Schritt 4. Technische Qualität

Struktur und Nutzbarkeit
Vollständig
Konsistent
Genau
Zeitnah

Qualitätszertifikat

Schritt 5. Bias und Repräsentativität

Analyse der demografischen Repräsentation
Geschützte Merkmale
Verteilung der Gruppen analysieren
Fairness-Metriken
Datenaugmentation

Schritt 6. Auswahl

Einschließen, wenn:
- Stimmt konsistent überein
- Korrigierbar durch Transformation, Augmentation oder Algorithmen
Ausschließen, wenn:
- Mängel in Schlüsselaspekten
Fachexpert:innen konsultieren

Eine Auswahl treffen

Projekt: Urbaner Verkehrsfluss

Datenquellen:

Verkehrszähldaten
Protokolle von Ratssitzungen
GPS-Tracking-Daten
Social-Media-Erwähnungen zu Verkehrsbedingungen
Pendlerbefragungen

Projekt: Urbaner Verkehrsfluss

¹ Bilder von Streamline HQ

Projekt: Urbaner Verkehrsfluss

Ausschließen:

Social-Media-Daten
Pendlerbefragungen

Anpassungen:

Protokolle von Ratssitzungen
Verkehrszähldaten
- Zusätzliche Sensordaten
GPS-Daten
- Zusätzliche Kameradaten

Lass uns üben!

Verantwortungsvolle KI-Datenverwaltung

Preparing Video For Download...