Algorithmic Bias: Verzerrungen durch Algorithmen verstehen und verhindern
Ein Leitfaden für Entscheider und Data Scientists
Sind Algorithmen Freund oder Feind? Der menschliche Verstand neigt dazu, Abkürzungen zu nehmen, was zu voreiligen Schlüssen führt, die oft zu unserem Vorteil sind, aber auch negative Auswirkungen auf Entscheidungsfindung und Arbeitsumfeld haben können. Mit der Entwicklung von Algorithmen und maschinellem Lernen wird versucht, Voreingenommenheit zu beseitigen, doch diese Systeme sind von Menschen geschaffen und somit anfällig für algorithmische Voreingenommenheit. Der Autor Tobias Baer erklärt, woher diese Voreingenommenheit kommt und wie sie von Geschäftsanwendern und Regulierungsbehörden gehandhabt werden kann. Er beleuchtet über 100 Arten natürlicher Verzerrungen, darunter Confirmation Bias und Pattern Recognition Bias, und zeigt deren Einfluss auf algorithmische Entscheidungen. Baer behandelt Themen wie Anomalieerkennung und selbstverbesserndes maschinelles Lernen und bietet Managementtechniken zur Entwicklung unvoreingenommener Algorithmen sowie Strategien zur schnelleren Erkennung von Voreingenommenheit. Dieses zeitgemäße Buch ist für Führungskräfte, Datenwissenschaftler, Regulierungsbehörden, Politiker, Journalisten und Verbraucher gedacht, die die Auswirkungen algorithmischer Verzerrungen auf die Gesellschaft verstehen und aktiv gegen diese ankämpfen möchten.
