Erklärbarkeits-Stack für ein Münchner Versicherungs-AI-Team
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst das XGBoost-Modell plus 5.000 historische Schadensfälle inklusive der getroffenen Triage-Entscheidung. Implementiere: (a) SHAP-Erklärungen pro Fall, (b) Counterfactual-Erklärungen mit DiCE (Diverse Counterfactual Explanations — generiert minimale Änderungen, die zur entgegengesetzten Entscheidung führen), (c) eine konsolidierte Erklärungs-Ausgabe für Sachbearbeiter. Evaluiere mit zwei Sachbearbeitern auf einer 5-Punkt-Likert-Skala (Verständlichkeit, Aktionierbarkeit, Vertrauen) über 50 Beispielfälle. Liefere ein Engineering-Memo mit Empfehlung zur Produktiv-Einführung, plus eine Sektion zur Aufsichts-Compliance.
Das Briefing
Was Du tust und was Du zeigst.
Liefere einen Erklärbarkeits-Stack, der pro Schadensfall verständliche und aktionierbare Erklärungen produziert und die Aufsichts-Anforderungen erfüllt.
Earning criteria — what you'll demonstrate
- Lokale und globale Erklärbarkeits-Methoden konzeptionell und praktisch unterscheiden
- SHAP und Counterfactual-Methoden auf reale tabulare Modelle anwenden
- Erklärungs-Qualität mit menschlichen Ratern operationalisieren
- Aufsichts-Anforderungen (z. B. EU AI Act, BaFin-Leitfaden) in Erklärungs-Design übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Scientist
Erklärbare Modelle in regulierten Branchen produktiv zu machen ist tägliche Arbeit von Data Scientists in Versicherung, Banking und Healthcare.
Dieses Projekt schärft
- explainable-ai
- shap
- python
AI Safety Researcher
Erklärbarkeit als Sicherheits-Eigenschaft zu designen und mit Stakeholdern zu validieren ist Kerngebiet eines AI Safety Researchers.
Dieses Projekt schärft
- explainable-ai
- responsible-ai
- counterfactual-explanations
AI Solutions Architect
Compliance-konforme KI-Architekturen für Aufsichts-Anforderungen zu entwerfen ist die Schnittstellen-Arbeit eines AI Solutions Architects in Versicherungen.
Dieses Projekt schärft
- responsible-ai
- stakeholder-communication
- explainable-ai
Noch eine Sache