nach oben

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Erschienen in:

Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

Daten als Schlüsselkomponente von Anwendungen Künstlicher Intelligenz am Beispiel der Nachhaltigkeit

verfasst von : Annemarie Paul

Erschienen in: Digitalisierung und Nachhaltigkeit – Transformation von Geschäftsmodellen und Unternehmenspraxis

Verlag: Springer Berlin Heidelberg

Einloggen, um Zugang zu erhalten

Zusammenfassung

Das Handeln von Unternehmen wird nachhaltiger (Winston 2021). Doch wie genau wird Nachhaltigkeit gemessen? Die umfangreiche Erfassung von qualitativ hochwertigen Daten zur Nachhaltigkeit determiniert die Schaffung von Transparenz in den Nachhaltigkeitsmaßnahmen von Unternehmen. Herausforderungen in der Datenerhebung sind vielfältig – von inkonsistenten Datenfragen bis hin zu schwer nachvollziehbaren Kennzahldefinitionen. Neben der Erstellung von Nachhaltigkeitsberichten eröffnet die Anwendung von Künstlicher Intelligenz (KI) neue Analysepotenziale. Anwendungsbeispiele erstrecken sich entlang des gesamten Geschäftsprozesses – vom Ressourceneinsatz über die Produktion und den Transport hin zum Produkt. Ein umfangreiches Datenverständnis und eine gewissenhafte Interpretation der Ergebnisse des Maschinellen Lernens sind ausschlaggebend, um Fallstricke wie Scheinkorrelation und Verzerrungen in den Daten zu adressieren und eine mehrwertstiftende Umsetzung von KI-Projekten sicherzustellen.

Vorheriges Kapitel Awareness deutscher Unternehmen für nachhaltige Digitalisierung

Nächstes Kapitel Entscheidungsunterstützung zur Auswahl einer geeigneten Blockchain-Technologie mit einem Self-Enforcing Network

Um die Modellevaluierung so objektiv wie möglich zu gestalten, wird allgemein nicht nur zwischen Trainings- und Testdaten unterschieden, sondern auch ein Validierungsdatensatz verwendet. Während die Trainings- und Validierungsdatensätze zum Trainieren des Modells verwendet werden, findet die finale Evaluierung (einmalig) mit zuvor komplett ungesehenen Testdaten statt. Zur Vereinfachung des ML-Prozesses wird sich in der hier verwendeten Beschreibung nur auf Trainings- und Testdaten bezogen.

A/B-Tests stellen eine Form eines kontrollierten Experiments dar, bei dem zwei verschiedene Versionen einer Website, einer Benutzeroberfläche, eines Preises oder anderer Faktoren randomisiert einer Nutzergruppe zugeordnet werden und auf Basis ihres Verhaltens gegeneinander abgewogen werden (Gallo 2017).

Zum Beispiel können KI-basierte Einstellungsprozesse männliche gegenüber weiblichen Bewerbenden vorziehen, wenn sie mit Daten von Bewerbenden trainiert werden, die historisch gesehen eher männlich waren (Dastin 2018). Auch bei Gesichtserkennungssystemen (Hardesty 2018), individualisierter Werbung (Simonite 2015) und bei Hypothekengenehmigungen (Blattner und Nelson 2021) konnten aufgrund von verzerrten Daten diskriminierende Entscheidungen der KI aufgezeigt werden.

Blattner L, Nelson, S (2021) How costly is noise? Data and disparities in consumer credit. arXiv preprint arXiv:2105.07554

Copeland BJ (2022) Artificial Intelligence, Encyclopedia Britannica. https://www.britannica.com/technology/artificial-intelligence/. Zugegriffen: 26. Jan. 2022

CSR-RUG (2017) Gesetz zur Stärkung der nichtfinanziellen Berichterstattung er Unternehmen in ihren Lage- und Konzernlageberichten (CSR-Richtlinie-Umsetzungsgesetz) in der Fassung der Bekanntmachung vom 18.4.2017. In: Bundesanzeiger Nr. 20, Bundesgesetzblatt Teil I

Dastin J (2018) Amazon scraps secret AI recruiting tool that showed bias against women. Reuters. https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G/. Zugegriffen: 20. Jan. 2022

Davis-Peccoud J et al (2020) Sustainability is the Next Digital, Bain & company. https://www.bain.com/insights/sustainability-is-the-next-digital/. Zugegriffen: 28. Jan. 2022

European Commission (2022) Corporate sustainability reporting. https://ec.europa.eu/info/business-economy-euro/company-reporting-and-auditing/company-reporting/corporate-sustainability-reporting_en/. Zugegriffen: 20. Jan. 2022

Gallo A (2017) A refresher on A/B testing. Harvard Business Review, Analytics and Data Science. https://hbr.org/2017/06/a-refresher-on-ab-testing. Zugegriffen: 28. Jan. 2022

Gohel P et al (2021) Explainable AI: current status and future directions. arXiv preprint arXiv:2107.07045

Government Data Quality Hub (2021) Meet the data quality dimensions. gov.uk. https://www.gov.uk/government/news/meet-the-data-quality-dimensions/. Zugegriffen: 25. Jan. 2022

Griffiths S (2020) Why your internet habits are not as clean as you think. BBC Future. https://www.bbc.com/future/article/20200305-why-your-internet-habits-are-not-as-clean-as-you-think/. Zugegriffen: 28. Jan. 2022

Grünberg-Bochard J, Schaltegger S (2014) Zukunftsstrategie Nachhaltiges Unternehmertum. In: von Müller C, Zinth CP (Hrsg) Managementperspektiven für die Zivilgesellschaft des 21. Jahrhunderts. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-02523-6_8/

Haig BD (2003) What is a spurious correlation? Understanding statistics: statistical issues in psychology. Edu Soc Sci 2(2):125–132

Hardesty L (2018). Study finds gender and skin-type bias in commercial artificial-intelligence systems. MIT News. https://news.mit.edu/2018/study-finds-gender-skin-type-bias-artificial-intelligence-systems-0212/. Zugegriffen: 25. Jan. 2022

Hosch WL (2022) Machine learning, Encyclopedia Britannica. https://www.britannica.com/technology/machine-learning/. Zugegriffen: 20. Jan. 2022

Kahneman D (2011) Thinking, fast and slow. Penguin, London

Kozyrkov C (2019) 12 steps to applied AI, a roadmap for every machine learning project, medium. https://medium.com/swlh/12-steps-to-applied-ai-2fdad7fdcdf3/. Zugegriffen: 28. Jan. 2022

Mayer AL (2008) Strengths and weaknesses of common sustainability indices for multidimensional systems. Environ Int 34(2):277–291 CrossRef

Meadowcroft J (2022) Sustainability, Encyclopedia Britannica. https://www.britannica.com/science/sustainability/. Zugegriffen: 22. Jan. 2022

Muster V, Schrader U (2016) Wenn die Mitarbeiter auf Nachhaltigkeit achten, Innovationen in Unternehmen. Wirtschaftswoche. https://www.wiwo.de/technologie/green/innovationen-in-unternehmen-wenn-die-mitarbeiter-auf-nachhaltigkeit-achten/13868980.html/. Zugegriffen: 29. Jan. 2022

Omowole A (2021) Research shows AI is often biased, Here’s how to make algorithms work for all of us. World Economic Forum. https://www.weforum.org/agenda/2021/07/ai-machine-learning-bias-discrimination/. Zugegriffen: 20. Jan. 2022

Pinchot A, Christianson G (2019) What investors want from sustainability data. World Resources Institute. https://www.wri.org/insights/what-investors-want-sustainability-data/. Zugegriffen: 10. Jan. 2022

Ranking der Nachhaltigkeitsberichte (2018) Nachhaltigkeitsberichterstattung in Zeiten der Berichtspflicht, Ergebnisse einer Befragung von Großunternehmen, KMU und sonstigen berichtspflichtigen Unternehmen im Rahmen des Rankings der Nachhaltigkeitsberichte 2018. Institut für ökologische Wirtschaftsforschung und future e. V. – verantwortung unternehmen (Hrsg), Berlin

Ranking der Nachhaltigkeitsberichte (2021a) Anforderungen an die Nachhaltigkeitsberichterstattung, Kriterien und Bewertungsmethode im Ranking der Nachhaltigkeitberichte 2021a von IÖW und future. Institut für ökologische Wirtschaftsforschung und future e. V. – verantwortung unternehmen (Hrsg), Berlin

Ranking der Nachhaltigkeitsberichte (2021b) Anforderungen an die Nachhaltigkeitsberichterstattung - Tabellenformat, Vollständiges Kriterienset für alle Branchen und KMU. Institut für ökologische Wirtschaftsforschung und future e. V. – verantwortung unternehmen (Hrsg), Berlin

Reid J, Rout M (2020) Developing sustainability indicators – the need for radical transparency. Ecol Ind 110:105941 CrossRef

Salian I (2018) SuperVize Me: What’s the difference between supervised, unsupervised, semi-supervised and reinforcement learning? nvidia blog. https://blogs.nvidia.com/blog/2018/08/02/supervised-unsupervised-learning/. Zugegriffen: 23. Jan. 2022

Schwenkenbecher J (2022) Wie sieht eine gute psychologische Studie aus? Spektrum.de. https://www.spektrum.de/news/forschungspraxis-wie-sieht-eine-gute-psychologische-studie-aus/1970152#Echobox=1643030038?utm_source=pocket-newtab-global-de-DE/. Zugegriffen: 26. Jan. 2022

Simonite T (2015) Probing the dark side of Google’s Ad-Targeting System. MIT Technology Review. https://www.technologyreview.com/2015/07/06/110198/probing-the-dark-side-of-googles-ad-targeting-system/. Zugegriffen: 30. Jan. 2022

Winston A (2021) Sustainable business went mainstream in 2021. Harvard Business Review, Government. https://hbr.org/2021/12/sustainable-business-went-mainstream-in-2021/. Zugegriffen: 28. Jan. 2022

Titel: Daten als Schlüsselkomponente von Anwendungen Künstlicher Intelligenz am Beispiel der Nachhaltigkeit
verfasst von: Annemarie Paul
Verlag: Springer Berlin Heidelberg
Buch: Digitalisierung und Nachhaltigkeit – Transformation von Geschäftsmodellen und Unternehmenspraxis
Print ISBN: 978-3-662-65508-5

Electronic ISBN: 978-3-662-65509-2

Copyright-Jahr: 2022
DOI: https://doi.org/10.1007/978-3-662-65509-2_6

Springer Professional

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Daten als Schlüsselkomponente von Anwendungen Künstlicher Intelligenz am Beispiel der Nachhaltigkeit

Zusammenfassung

Premium Partner

Springer Professional

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Premium Partner