{"id":83535,"date":"2019-11-06T13:30:00","date_gmt":"2019-11-06T13:30:00","guid":{"rendered":"https:\/\/www.applause.com\/press\/applause-ki-testing-methode\/"},"modified":"2026-04-22T10:53:53","modified_gmt":"2026-04-22T14:53:53","slug":"applause-ki-testing-methode","status":"publish","type":"press_releases","link":"https:\/\/www.applause.com\/de\/press-release\/applause-ki-testing-methode\/","title":{"rendered":"Neue Testing-Methode f\u00fcr K\u00fcnstliche Intelligenz: Applause stellt L\u00f6sung zur Erkennung von Fehlerquellen und Bias in KI-Applikationen vor"},"content":{"rendered":"<ul>\n<li>Der Marktf\u00fchrer Applause stellt eine neue Methode f\u00fcr das Testing von KI vor<\/li>\n<li>Mithilfe von echten Testern sollen KIs besser trainiert und Anwendungen effizienter entwickelt werden<\/li>\n<\/ul>\n<p>Applause, der weltweit f\u00fchrende Anbieter f\u00fcr digitale Qualit\u00e4tssicherung, hat heute sein neues Angebot f\u00fcr das Trainieren und Testen von K\u00fcnstlicher Intelligenz vorgestellt. Mit der skalierbaren L\u00f6sung lassen sich Algorithmen schneller trainieren und die Ergebnisse leichter auf Schwachstellen und Verzerrungen im Lernmuster \u00fcberpr\u00fcfen. Damit kann das Risiko eines Bias, sprich einer Diskriminierung durch K\u00fcnstliche Intelligenz aufgrund mangelhafter Datengrundlage, reduziert werden.<\/p>\n<h2>Echte Tester liefern Datenbasis f\u00fcr KI<\/h2>\n<p>Basis der L\u00f6sung ist die globale Community der gepr\u00fcften Applause-Tester, die ein m\u00f6glichst breites Spektrum an Lernszenarien und -daten bietet. Die so trainierten Algorithmen und Anwendungen werden auf diversen Ger\u00e4ten sowie in verschiedenen geographischen und kulturellen Umgebungen getestet, um Probleme und Schwachstellen zu identifizieren. Damit l\u00e4sst sich in Echtzeit verwertbares Nutzer-Feedback erzeugen, was letztlich Entwicklungszyklen von KI-Anwendungen verk\u00fcrzt und es f\u00fchrenden Marken erlaubt, ihren Kunden qualitativ hochwertige KI-gest\u00fctzte Nutzererlebnisse zu bieten.<\/p>\n<p>\u201eNutzer erwarten, dass sich KI-Anwendungen nat\u00fcrlicher und somit \u201cmenschlicher\u201d verhalten. Der crowdbasierte Ansatz von Applause liefert daf\u00fcr genau das, was dem KI-Testing bisher gefehlt hat: die M\u00f6glichkeit, eine Vielzahl von realen menschlichen Interaktionen durchzuspielen, bevor eine Anwendung ver\u00f6ffentlicht wird\u201d, erkl\u00e4rt Kristin Simonini, VP of Product bei Applause. \u201eDamit wird nicht nur das KI-basierte Nutzererlebnis verbessert, sondern die umfassende Community sorgt auch daf\u00fcr, dass Bias-Risiken verringert werden und K\u00fcnstliche Intelligenz ein St\u00fcck n\u00e4her an die reale Welt heranr\u00fcckt.\u201d<\/p>\n<p>Die Daten, die Applause durch die Tester-Community erzeugt, spiegeln unz\u00e4hlige Merkmale wider: zahlreiche L\u00e4nder, Altersgruppen, Geschlechter, Ethnien und Kulturen sind ebenso vertreten wie politische Zugeh\u00f6rigkeiten, Ideologien, sozio\u00f6konomische Merkmale oder das Bildungsniveau. Im Gegensatz zu kleinen Testgruppen f\u00fchrt die breite Basis der Stichproben aus der Crowd zu st\u00e4rker repr\u00e4sentativen und weniger verzerrten Ergebnissen.<\/p>\n<h2>KI-Bias fr\u00fchzeitig erkennen<\/h2>\n<p>Die Applause Community stellt nicht nur diverse Trainingsdatens\u00e4tze zur Verf\u00fcgung, um Algorithmen anzureichern \u2013 sie kann auch die Performance der Algorithmen testen, um nach Verzerrungen zu suchen. Wenn sich zu irgendeinem Zeitpunkt eine Verzerrung in einen Algorithmus eingeschlichen hat, kann die Gemeinschaft ihn beim Testen der Anwendung identifizieren. Derartige Bias-Fehler werden oft von kleineren oder weniger heterogenen Gruppen von Testern \u00fcbersehen.<\/p>\n<p>Insgesamt stehen viele KI-Anwendungen vor den gleichen Herausforderungen \u2013 ob nun bei virtuellen Assistenten, die Bestellungen und Befehle interpretieren, oder Ern\u00e4hrungs-Apps, die Lebensmittel aus hochgeladenen Fotos identifizieren sollen: Auf der einen Seite fehlt oft eine fundierte Datenbasis, um Algorithmen beizubringen, wie man korrekt interpretiert und reagiert. Auf der anderen Seite muss der Output von KI auf Verzerrungen gepr\u00fcft werden, um das gew\u00fcnschte menschen\u00e4hnliche Verhalten der K\u00fcnstlichen Intelligenz sicherzustellen.<\/p>\n<p>Die L\u00f6sung von Applause adressiert beide Probleme und bietet in allen Phasen der Entwicklung schnelles, iteratives Feedback aus der Sicht des Endverbrauchers. So k\u00f6nnen Marken ein Erlebnis schaffen, das Kunden \u00fcberzeugt.<\/p>\n<p>Speziell f\u00fcr die folgenden Bereiche ist die L\u00f6sung von Applause besonders geeignet:<\/p>\n<ul>\n<li>Sprachassistenten: Mit einer Vielzahl von unterschiedlichen Befehlen und \u00c4u\u00dferungen lassen sich sprachf\u00e4hige Ger\u00e4te effizient trainieren. Durch umfassende Tests unter verschiedensten Bedingungen wird sichergestellt, dass die Anwendungen Kommandos verstehen und entsprechend reagieren.<\/li>\n<li>Optische Zeichenerkennung (OCR): Durch die Bereitstellung von Dokumenten und entsprechenden Texten wird der Algorithmus auf Texterkennung trainiert. Geschulte Tester gleichen dann die gedruckten Dokumente und den erkannten Text ab.<\/li>\n<li>Bilderkennung: Tester liefern unter realen Bedingungen Fotos von vordefinierten Objekten und Orten und stellen sicher, dass Objekte erkannt und korrekt identifiziert werden.<\/li>\n<li>Biometrie: Anwendungen und Hardware zur \u00dcberpr\u00fcfung biometrischer Eingaben wie Gesichter und Fingerabdr\u00fccke werden von einer breiten und m\u00f6glichst diversen Gruppe von Testern gepr\u00fcft, um die reibungslose Funktionalit\u00e4t sicherzustellen und Bias-Fehler zu minimieren.<\/li>\n<li>Chatbots: Erfahrene Tester spielen strukturiert eine Vielzahl von Szenarien durch, pr\u00fcfen Beispielfragen und testen unterschiedliche Interaktionsabsichten, um sicherzustellen, dass der Chatbot diese versteht und menschen\u00e4hnlich reagiert.<\/li>\n<\/ul>\n<p>Mehr Informationen zu dem neuen Angebot von Applause finden Sie hier:<\/p>\n<ul>\n<li><a>Applause KI-Training und Testing<\/a><\/li>\n<li>Neuigkeiten zur neuen L\u00f6sung von Applause finden Sie auch auf unserem <a href=\"https:\/\/www.applause.com\/blog\/applause-launches-ai-solution\/\" target=\"_blank\" rel=\"noreferrer noopener\">Blog<\/a><\/li>\n<\/ul>\n","protected":false},"author":42,"featured_media":0,"menu_order":0,"template":"","meta":{"_acf_changed":false,"footnotes":""},"class_list":["post-83535","press_releases","type-press_releases","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/press_releases\/83535","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/press_releases"}],"about":[{"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/types\/press_releases"}],"author":[{"embeddable":true,"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/users\/42"}],"version-history":[{"count":1,"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/press_releases\/83535\/revisions"}],"predecessor-version":[{"id":156105,"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/press_releases\/83535\/revisions\/156105"}],"wp:attachment":[{"href":"https:\/\/www.applause.com\/de\/wp-json\/wp\/v2\/media?parent=83535"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}