X06c Compliance und MLOps im EU AI Act: Menschliche Aufsicht und Bias-Audits in der Praxis
Till Albert
0:00 / 0:00
X06c Compliance und MLOps im EU AI Act: Menschliche Aufsicht und Bias-Audits in der Praxis
4 просмотра · 2 недели назад
Till Albert
179 подписчиков
4 просмотра · 2 недели назад
Menschliche Aufsicht nach Artikel 14 des EU AI Act klingt auf dem Papier eindeutig — verstehen, überwachen, eingreifen. In der Praxis stoßen dabei zwei gut dokumentierte menschliche Faktoren an ihre Grenzen: Automation Bias und Alert Fatigue. Dieses Video zeigt, warum beide Effekte zwei Seiten derselben Vertrauensfrage sind, welche Interface-Gestaltung dagegen hilft — und wo ihre Grenzen liegen. Außerdem: das Spannungsfeld zwischen kontinuierlichem Fairness-Monitoring und Datenminimierung. Der Abschluss eines dreiteiligen Themenblocks über Compliance und MLOps im EU AI Act.
*In diesem Video:*
Automation Bias und Alert Fatigue als fehlkalibriertes Vertrauen (Parasuraman & Riley 1997)
Warum Alert Fatigue meist ein strukturelles, kein individuelles Problem ist (Cvach 2012)
Was Artikel 14 konkret in drei getrennten Fähigkeiten verlangt
Ein Schnittstellen-Muster mit vier Gestaltungsmerkmalen — und seine Grenzen (Bansal et al. 2021)
Das Spannungsfeld zwischen Fairness-Monitoring und Datenminimierung (Bogen et al. 2020; Andrus et al. 2021)
Audits für ein System, das sich laufend verändert
Der gesamte Themenblock X06a–c am durchgehenden Beispiel zusammengeführt
*Wissenschaftliche Grundlage:* Verordnung (EU) 2024/1689 (EU AI Act); Parasuraman & Riley (1997, Human Factors); Cvach (2012); Bansal et al. (2021, CHI); Bogen, Rieke & Ahmed (2020, FAT*); Andrus et al. (2021, FAccT)
---
Timestamps
0:00 Titelfolie
0:22 Lernziele
0:54 Rückblick: von der Sollbruchstelle zur Aufsichts-Schnittstelle
1:42 Automation Bias und Alert Fatigue: zwei Gesichter derselben Vertrauensfrage
2:59 Warum Alert Fatigue keine Frage der Aufmerksamkeit allein ist
3:45 Was Artikel 14 konkret verlangt
4:32 Ein Schnittstellen-Muster gegen beide Effekte
5:35 Das Spannungsfeld zwischen Fairness-Monitoring und Datenminimierung
6:34 Fairness-Monitoring als Erweiterung des Drift-Monitorings
7:18 Audits für ein System, das sich laufend verändert
8:05 Das Gesamtbild: ein Bewerbungssystem durch drei Videos hindurch
8:53 Zusammenfassung des gesamten Themenblocks
9:20 Glossar
9:24 Quellenverzeichnis
Weitere Videos in dieser Reihe
▶ [X06a – Compliance und MLOps im EU AI Act: Der Übersetzungsbruch]( • X06a Compliance und MLOps im EU AI Act: De... ) (führt die vier Sollbruchstellen ein)
▶ [X06b – Compliance und MLOps im EU AI Act: Kontinuierliches Lernen, Drift und die Grenze zur Neuzertifizierung]( • X06b Compliance und MLOps im EU AI Act: Ko... ) (führt den Kill-Switch und den PCCP ein)
▶ [T06b – Rechenschaftspflicht & Prüfbarkeit: Auditierbarkeit und Requirements Engineering]( • T06b Rechenschaftspflicht & Prüfbarkeit: A... ) (interne vs. externe Audits)
▶ [Zur vollständigen Playlist: Trustworthy AI]( • Trustworthy Artificial Intelligence )
---
Tags (10–15 Schlagwörter)
Trustworthy AI, EU AI Act, MLOps, Automation Bias, Alert Fatigue,
Human Oversight, Menschliche Aufsicht, Fairness Monitoring, Datenminimierung,
Bias Audit, Compliance, Künstliche Intelligenz