# Inhaltsdomäne 4: Richtlinien für eine verantwortungsvolle KI
<a name="ai-practitioner-01-domain4"></a>

Die Inhaltsdomäne 4 behandelt die Richtlinien für die verantwortungsvolle KI. Ihr Anteil an den gewerteten Prüfungsinhalten beträgt 14 %.

**Topics**
+ [Aufgabenstellung 4.1: Erläutere die Entwicklung von KI-Systemen, die verantwortungsvoll sind.](#ai-practitioner-01-task4.1)
+ [Aufgabenstellung 4.2: Erkenne die Bedeutung transparenter und erklärbarer Modelle.](#ai-practitioner-01-task4.2)

## Aufgabenstellung 4.1: Erläutere die Entwicklung von KI-Systemen, die verantwortungsvoll sind.
<a name="ai-practitioner-01-task4.1"></a>

Ziele:
+ Identifiziere Features der verantwortungsvollen KI (z. B. Verzerrung, Fairness, Inklusivität, Robustheit, Sicherheit, Wahrhaftigkeit).
+ Erläutere die Verwendung von Tools für die Identifizierung der Features der verantwortungsvollen KI (z. B. Amazon Bedrock Guardrails).
+ Definiere verantwortungsvolle Praktiken für die Auswahl eines Modells (z. B. Umweltaspekte, Nachhaltigkeit).
+ Identifiziere die rechtlichen Risiken der Arbeit mit generativer KI (GenAI) (z. B. Klagen wegen Verletzung geistigen Eigentums, verzerrte Modellergebnisse, Verlust des Kundenvertrauens, Endbenutzerrisiko, Halluzinationen).
+ Zähle Merkmale von Datensätzen auf (z. B. Inklusivität, Diversität, kuratierte Datenquellen, ausgewogene Datensätze).
+ Beschreibe die Auswirkungen von Verzerrungen und Varianzen (z. B. Auswirkungen auf demografische Gruppen, Ungenauigkeit, Überanpassung, Unteranpassung).
+ Erläutere Tools zur Erkennung und Überwachung von Verzerrung, Vertrauenswürdigkeit und Wahrhaftigkeit (z. B. Analyse der Labelqualität, menschliche Audits, Untergruppenanalyse, Amazon SageMaker Clarify, SageMaker Model Monitor, Amazon Augmented AI [Amazon A2I]).

## Aufgabenstellung 4.2: Erkenne die Bedeutung transparenter und erklärbarer Modelle.
<a name="ai-practitioner-01-task4.2"></a>

Ziele:
+ Beschreibe die Unterschiede zwischen Modellen, die transparent und erklärbar sind, und Modellen, die nicht transparent und nicht erklärbar sind.
+ Beschreibe Tools zur Identifizierung transparenter und erklärbarer Modelle (z. B. Amazon SageMaker Model Cards, SageMaker Clarify, Amazon-Bedrock-Modellbewertungen, Open-Source-Modelle, Daten, Lizenzierung).
+ Erläutere die Abwägungen zwischen Modellsicherheit und Transparenz (z. B. Messung von Interpretierbarkeit und Leistung).
+ Beschreibe die Prinzipien des menschenzentrierten Designs für Explainable AI (XAI) (z. B. Mechanismen für Benutzerfeedback, Transparenz bei KI-Entscheidungen).