Oliva Sina Gräupner

• Diese Masterarbeit analysiert die Möglichkeiten der Auditierung von Künstlicher 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 Änderung der Gewichte werden in einer Logdatei gespeichert. Der Verlauf der Änderungen sowie der entstehende Speicherbedarf bei variierender Hidden Layer-Zahl und Neuronenanzahl gibt Rückschlüsse über die Anwendbarkeit der betrachteten Methode. Diese Vorgehensweise ist alleinstehend nicht ausreichend für eine umfassende Auditierung, wodurch weiterführende Forschung notwendig ist.
• This master’s thesis analyses the possibilities of auditing artificial intelligence in theory and in practice. Within the framework of an application-oriented scenario, a continuously learning system is constructed with the help of the framework Avalanche. Its weight values and the weight changes are stored in a log file. The development of the changes as well as the resulting memory with varying hidden layer and number of neurons provides conclusions about the applicability of the method. This approach on its own is not sufficient for comprehensive auditing. Therefore further research is necessary.