@mastersthesis{Gr{\"a}upner2023,
  type      = {Master Thesis},
  author    = {Gr{\"a}upner, Olivia Sina},
  title     = {Grundlagen auditierbarer KI-Systeme},
  institution = {Angewandte Computer- und Bio­wissen­schaften},
  pages     = {97},
  year      = {2023},
  abstract  = {Diese Masterarbeit analysiert die M{\"o}glichkeiten der Auditierung von K{\"u}nstlicher Intelligenz in der Theorie und der Praxis. Im Rahmen eines anwendungsnahen Szenarios wird mithilfe des Frameworks Avalanche ein kontinuierlich lernendes System konstruiert. Deren Gewichtswerte sowie die {\"A}nderung der Gewichte werden in einer Logdatei gespeichert. Der Verlauf der {\"A}nderungen sowie der entstehende Speicherbedarf bei variierender Hidden Layer-Zahl und Neuronenanzahl gibt R{\"u}ckschl{\"u}sse {\"u}ber die Anwendbarkeit der betrachteten Methode. Diese Vorgehensweise ist alleinstehend nicht ausreichend f{\"u}r eine umfassende Auditierung, wodurch weiterf{\"u}hrende Forschung notwendig ist.},
  subject      = {K{\"u}nstliche Intelligenz},
  language  = {de}
}