Schritt 3: Modellbildung

KI-Journey

Prozess-Schritt 3: Modellbildung

Prozess-Schritt 3: Modellbildung

Kernfragen:

  • Welche KI-Algorithmen helfen weiter? Sind eigene KI-Algorithmen IP-relevant oder zumindest als „new knowledge“ schützenswert?
  • Welche KI-Algorithmen sind validiert? Welche Modelle benötigen welche Datenmengen?
  • Wer bietet welche KI-Services an? Welche Visualisierung befördert das Verständnis des Modells bei anderen Zielgruppen?

Der dritte Schritt der KI-Journey umfasst die KI-Modellbildung. Dieser Schritt richtet sich vorrangig an die Zielgruppen der KI-Entwickler:innen, Datenexpert:innen, Start-ups und KMUs. 

Hinsichtlich der Verarbeitung und Speicherung von Daten wird in diesem Prozessschritt auch auf die Themen KI und Urheberrecht sowie Möglichkeiten der Speicherung von Daten, cloudbasiert oder on-Premise, fokussiert, sowie Lösungen verschiedener Cloud-Anbieter werden vorgestellt. Unter den Prozessschritt der Modellbildung fällt auch das Thema KI-Visualisierung. Hierbei setzen sich die Zielgruppen mit der Visualisierung der Produktidee und der Visualisierung ihres Modells auseinander und lernen verschiedene Visualisierungstechniken kennen. Darauf aufbauend ist eine nächste Stufe der Visualisierung die Datenvisualisierung.

Prozess-Schritt 3: Modellbildung

Für Einsteiger zur KI-Modellbildung ist zunächst die Auseinandersetzung mit den Themen KI-Anwendungsfälle und geeignete KI-Use Cases von Bedeutung. Hierzu empfehlen wir folgende Kurse des KI-Campus: „Identifikation geeigneter KI-Anwendungsfälle“ (https://ki-campus.org/courses/ki-anwendungsfaelle), “Identifikation von KI-Use-Cases" (https://ki-campus.org/courses/ki-use-cases-iuh).  

Hat man seinen jeweiligen KI-Anwendungsfall ausgewählt, gilt es ein geeignetes Modell für diesen Anwendungsfall zu entwickeln. Hierbei muss man sich zunächst die Frage stellen, wie und wo man Daten speichern möchte. Es gibt die Möglichkeit Daten On-Premise oder cloudbasiert zu speichern. Zu den Eckpunkten dieser beiden Möglichkeiten haben wir einen One-Pager erstellt, dieser ist unter folgendem Link abrufbar: One Pager_On Premise_Cloud-Lösungen_v2

Möchte man Daten cloudbasiert abspeichern, gibt es auch hier noch einmal die Unterscheidung in 3 verschiedene Varianten. Hierzu kann folgender Kurzfilm zu SaaS, PaaS & IaaS – Definition und Vorteile von „As-a-Service-Leistungen“ von plusserver GmbH angesehen werden: https://www.youtube.com/watch?v=LciG2ULVYaA  

Dieser erläutert Software as a Service (SaaS), Platform as a Service (PaaS), Infrastructure as a Service (IaaS).

Ein wichtiges Thema bei der KI-Modellbildung ist auch die KI-Visualisierung. Gemeint ist hier die Visualisierung des eigenen KI-Modells um das Verständnis des Modells, der Intention und des Mehrwerts bei anderen Zielgruppen zu erreichen und zu befördern. Wir haben ein Learning Nugget zum Thema „KI-Visualisierung – von der Idee zum Modell“ inklusive Quiz entwickelt: Learning Nugget_KI-Visualisierung_v2 und einen One Pager, in welchem Sie verschiedene Visualisierungstechniken kennenlernen: One Pager_Visualisierungstechniken_v2

Um die Idee und das Modell zu visualisieren, ist es notwendig grundlegende Visualisierungstechniken im Kontext der Datenvisualisierung kennenzulernen. Hierzu eignet sich die Einführung von clickworker: https://www.clickworker.de/kunden-blog/datenvisualisierung/ 

Um die theoretischen Kenntnisse mit praktischen Übungen zu ergänzen und Visualisierungstechniken im ersten Schritt in der Anwendung zu testen, empfehlen wir folgende Tutorials zur Visualisierung (Synapsenstau, VenturesVision GmbH): https://synapsenstau.de/sketchnotes-effekte/

Im Bereich der KI-Modellbildung, ist das gesamte Themenfeld KI und Urheberrecht, mit den Kernfragen „Sind eigene KI-Algorithmen und KI-Modelle IP-relevant oder zumindest als „new knowledge“ schützenswert?“ erfolgskritisch für KI-Entwicklungen. 

Ein durchaus komplexes Thema, welchem man sich auch als Einsteiger sukzessive nähern kann: 

Für Vor-Informierte ist ein Einstieg zur KI-Modellbildung über die Themen Datenanalyse und Data Literacy sinnvoll. Hierzu empfehlen wir zwei Kurse des KI-Campus. Zum einen den Kurs „Von der Datenanalyse zur Datengeschichte“ (https://ki-campus.org/courses/Datenanalyse-unibi2021) und zum anderen den Kurs „Data Literacy – Daten interpretieren durch Data Mining“ (https://ki-campus.org/courses/dali-datamining-THK).

Um tiefer in die Thematik der Datenspeicherung einzusteigen, ist es relevant, sich intensiver mit den Unterschieden bzw. Vor- und Nachteilen sowie Limitierungen von On-Premise Lösungen und Cloud-Lösungen auseinanderzusetzen. Hierzu kann unter folgendem Link ein Kurzfilm der basecom GmbH eingesehen werden: https://www.youtube.com/watch?v=kOCukDqQHXQ

Für alle Interessierten an einer cloudbasierten Datenspeicherung empfehlen wir unseren One Pager zum Anbieter HONIC sowie Infomaterialien zu Microsoft Azure und AWS Cloud. Näher beleuchtet werden die private cloud von HONIC, die public cloud von Microsoft Azure und die Lösung von AWS Cloud Healthcare, einzusehen unter:

Zum Thema Migration von Klinikdaten bietet inovex eine gute Übersicht zu Cloud-Anbietern im klinischen Kontexthttps://www.inovex.de/de/blog/vergleich-von-cloud-anbietern-im-medizinischen-kontext/ 

Um tiefer in die KI-Visualisierung einzusteigen, haben wir ein Learning Nugget mit integriertem Quizentwickelt. Hierbei geht es nicht um die Visualisierung der Idee oder des Modells sondern vorrangig um die Visualisierung von Daten in der KI. Zugriff zu den Learning Nuggets findet man unter: Learning Nugget mit Quiz_KI-Datenvisualisierung_v2

Sehr hilfreich im Kontext der Künstlichen Intelligenz-Modelle (welche Arten gibt es und welche Rolle spielen synthetische Daten?) zeigt sich auch der Leitfaden von QuestionPro: https://www.questionpro.de/kuenstliche-intelligenz-modelle/

Unter folgendem Link ist ein Leitfaden zur KI-Datenvisualisierungvon jenni zu finden: https://jenni.ai/de/artificial-intelligence/data-visualization-tools

Das gesamte Themenfeld KI und Urheberrecht, mit den Kernfragen „Sind eigene KI-Algorithmen und KI-Modelle IP-relevant oder zumindest als „new knowledge“ schützenswert?“ ist für alle Info-Ebenen (Einsteiger, Vor-Informierte, Fortgeschrittene) fast gleich komplex aber auch essenziell, je nach eigenem Wissenstand gibt es durchaus auch schnelle und tiefere Hilfen: 

Im Kontext KI – Urheberrecht und IP wird auch der neue europäische EU AI act (siehe im Detail Prozessschritt KI-Marktplatzierung) Änderungen und Erweiterungen mit sich bringen, eine erste Übersicht von Thrive IP: https://thrive-ip.com/navigating-eu-ai-act-insights-intellectual-property/ 

(mehr Details bei der Ebene Fortgeschrittene)

Für fortgeschrittene Zielgruppen der KI-Modellbildung ist die Thematik Ethik unverzichtbar. Hierzu bietet es sich an, den Kurs des KI-Campus „Daten- und Algorithmenethik“ zu absolvieren. Hier erhält man Antworten auf Fragen zur Ethik im Umgang mit Daten und Algorithmen:  https://ki-campus.org/courses/daethik 

Beim Thema Datenspeicherung existieren tiefere Einblicke der Anwendungen private cloud, public cloud oder AWS Cloud über:

Oder: https://www.stiftung-muench.org/wp-content/uploads/2022/10/2022-09-Whitepaper-Cloud-vs-On-Premise-FINAL-WEB.pdf 

Die Datenvisualisierung ist gerade für Fortgeschrittene ein wichtiges Thema, um die KI-Journey im Bereich der Modellbildung selbst abrunden zu können, da ohne ein Verständnis anderer Zielgruppen das eigene KI-Modell schwer „zu verkaufen“ sein wird. Hilfen bieten hierbei der KI-Visualizer von iRights.Lab GmbH: https://www.zvki.de/ki-visualizer und sehr gute Artikel von Fraunhofer zu Modellierung und KI-gestützter Simulation: https://www.iisb.fraunhofer.de/de/research_areas/simulation.html 

Um die theoretischen und vor allem praktischen Kenntnisse im Bereich der KI-Datenvisualisierung zu festigen und zu vertiefen, empfehlen wir folgenden Workshop von Till Nagel (Hochschule Mannheim) mit praktischen Übungen zu dieser Thematik: https://de.slideshare.net/slideshow/einfhrung-in-die-datenvisualisierung-workshop/76226851

Die Studie Erklärbare KI wurde im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) erstellt und bietet eine sehr umfangreiche Erarbeitung des Themas Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme - Anforderungen, Anwendungsfälle und Lösungen: https://www.digitale-technologien.de/DT/Redaktion/DE/Downloads/Publikation/KI-Inno/2021/Studie_Erklaerbare_KI.pdf?__blob=publicationFile 

Das gesamte Themenfeld KI und Urheberrecht ist v.a. für Fortgeschrittene essentiell für das Verständnis und die eigene Anwendung von KI vs. IP. Hier sind diese detaillierten Hilfen erste gute Ansatzpunkte, wenn auch je nach Bedarf sicherlich nicht erschöpfend in ihrer Aussagekraft:

Des Weiteren haben wir ein Learning Nugget mit integriertem Quiz zum Thema „KI & Urheberrecht – was gilt es zu beachten?“ erstellt. Dieses ist unter folgendem Link abrufbar: Learning Nugget_Quiz_KI_Urheberrecht_v2

Im Kontext KI – Urheberrecht und IP wird auch der neue europäische EU AI act (siehe im Detail Prozessschritt KI-Marktplatzierung) Änderungen und Erweiterungen mit sich bringen: