Dies ist Teil 1 einer Artikelserie. Im Teil 1 wird erläutert, warum in der Diskussion um die KI das Thema Qualitätsmanagement nicht vernachlässigt werden darf.
Im Teil 2 wird ausführlich auf die Entwicklung von Qualität eingegangen und ein einfaches QM-Framework am Beispiel von KI-Systemen skizziert. Begleitend wird die Implementierung des QM-Frameworks in TaskBrowse demonstriert. Das Ergebnis steht dem Leser als Testumgebung (Beispiel KI-Systeme) in TaskBrowse zur Verfügung.
Teil 3 stellt die Methoden und Tools des QM-Frameworks anhand von Beispielen vor.
In Teil 4 enthält das vollständige QM-Framework mit dem skizzierten Beispiel KI.
Aktuell gibt es in der IT ein alles beherrschendes Thema: die Künstliche Intelligenz. Szenarien darüber, welche Berufsbilder sich durch den Einsatz von KI besonders stark verändern werden, haben ein breites Publikum. Schauspieler streiken, Autoren und Schriftsteller sind in Sorge um ihre Zukunft.
Angeheizt wird diese Diskussion durch die Ankündigung weiterer neuer Systeme: nun bringt auch Elon Musk einen neuen KI-Chatbot namens „Grok“ auf den Markt – von der „Süddeutschen Zeitung“ als Meilenstein bezeichnet.
Dies obwohl bisher nur wenige „Privilegierte“ das System testen durften. Bisher galten ChatGPT oder Bing Chat als Maß aller Dinge.
Doch welchen Nutzen bringen die immer zahlreicheren KI-Systeme denn wirklich? Welche „Qualität“ haben die Systeme. Um das beurteilen zu können, werden als erstes die Anforderungen an KI-Systeme definiert werden müssen. Welcher Nutzer weiß schon, welche Aktualität die verwendeten Daten besitzen? Eine nicht ganz unwichtige Information: suche ich Unterstützung bei der Erstellung eines Fachbeitrags ist es nicht tolerabel, wenn die basierenden Daten veraltet sind.
Wie ist es zu erklären, dass niemand die Anforderungen an einen Bot definiert und prüft, bevor das System zur Unterstützung eingesetzt wird? Ist es die „natürliche Dummheit“ – der Herdentrieb? Albert Einstein wird der Spruch zugeschrieben: „Zwei Dinge sind unendlich. Das Universum und die menschliche Dummheit. Aber bei dem Universum bin ich mir noch nicht ganz sicher.“
Der TÜV-SÜD hat ein Konzept entwickelt, welches 6 Säulen der KI-Qualität definiert. Diese sollen helfen, die Herausforderungen und Risiken bei der Einführung von Künstlicher Intelligenz zu bewältigen.
Die 6 Säulen sind:
• Funktionale Sicherheit: Die angebotenen Funktionen sollen ohne Nebenwirkungen ausführbar sein.
• Cybersicherheit: Schutz vor Angriffen
• Rechtliche Aspekte: Einhaltung der relevanten Gesetze, Vorschriften und Standards
• Ethische Leitlinien: Berücksichtigung der moralischen Werte und Prinzipien
• Leistung: Effektivität (Wirksamkeit), Effizienz (Wirtschaftlichkeit) und Zuverlässigkeit
• Nachhaltigkeit: Systemische Auswirkungen auf die Umwelt, die Gesellschaft und die Wirtschaft.
Aus der Perspektive eines „Auftraggebers“ muss als erstes der Umgang mit der Qualität in Form eines Qualitätsplanes beschrieben bzw. erstellt werden: welche Qualität soll erreicht werden? Im nächsten Schritt werden die Qualitätsziele spezifiziert und abgestimmt.
Dann kann auf Basis der Qualitätsziele und der Ableitung von Erkennungsmerkmalen die angestrebte Zielerreichung überprüft werden.
Es ist also wenig zielführend, ein wenig „transparentes“ KI-System zum Beispiel zur Unterstützung einer Unternehmens- oder Vertriebs-Strategie einzusetzen. M.a.W.: es sollte vor Einsatz die Frage nach der „Eignung“ des jeweiligen Bots gestellt werden. Ansonsten wird die Qualität des Ergebnisses einem „Orakelspruch“ gleichzusetzen sein (die Brauchbarkeit wäre damit definiert).
Im zweiten Teil dieses Beitrages stellen wir ein Framework zum effektiven Qualitätsmanagement vor. Im darauf folgenden Teil 3 zeigen wir, wie das Framework in TaskBrowse – einem innovativen Projektmanagement & Zeiterfassungstool – implementiert werden kann.
