Vertrauen in KI-Empfehlungen sichtbar machen für eine Banking-App
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst die aktuelle Empfehlungs-Komponente, fünf Kundeninterviews als Transkript und eine Liste der Datenquellen, die das Modell intern nutzt. Entwerfe drei alternative Designs der Empfehlungs-Karte (jeweils mit unterschiedlichem Grad an Transparenz: minimal, ausgewogen, maximal erklärt). Validiere die drei Varianten in einer Online-Studie mit 30 Teilnehmenden (Maze, UserTesting oder vergleichbar) und einem Vertrauens-Fragebogen. Liefere einen Bericht, der konkret empfiehlt, welche Variante in den nächsten A/B-Test geht — und welche Patterns als Designsystem-Komponente kodifiziert werden sollten.
Das Briefing
Was Du tust und was Du zeigst.
Welche Transparenz- und Eingriffs-Patterns erhöhen das Vertrauen in KI-gestützte Finanzempfehlungen, ohne die Empfehlung selbst zu verwässern?
Earning criteria — what you'll demonstrate
- Konzepte erklärbarer KI (Explainable AI) in Interaktionsdesign übersetzen
- Vertrauen als messbare Designgröße behandeln, nicht als Bauchgefühl
- Eine vergleichende Online-Studie methodisch sauber planen und auswerten
- Wiederverwendbare Designsystem-Patterns aus einer Einzelstudie ableiten
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 RollenKI-Produktdesigner:in
Vertrauens-Design für eine KI-Funktion mit harter A/B-Test-Empfehlung ist eine Kerndisziplin, mit der KI-Produktdesigner:innen in regulierten Branchen wie Banking arbeiten.
Dieses Projekt schärft
- explainable-ai-design
- trust-design
- design-systems
KI-Produktmanager:in
Eine vergleichende Studie zu Entscheidungsgrundlagen zu reduzieren und einen A/B-Test zu priorisieren entspricht direkt der Quartalsarbeit einer KI-PM in einem Fintech.
Dieses Projekt schärft
- ab-testing-design
- user-research
- trust-design
Applied AI Scientist
Begründungen, Unsicherheit und Datenherkunft sichtbar zu machen, ist die Anwendungsschnittstelle, an der Applied AI Scientists Erklärbarkeit gegen Produktrealität validieren.
Dieses Projekt schärft
- explainable-ai-design
- data-visualization
- user-research
Noch eine Sache