In diesem Kapitel wollen wir selber eine KI erstellen, die als Spamfilter dient.
Aufgabe: Vorbereitung
- Damit wir alle vom Gleichen sprechen: Was ist Spam? Was ist ein Spamfilter?
- Aus dem Bauch heraus und ohne jegliche digitale Hilfsmittel: Wie würdest du einen Spamfilter erstellen?
- Ist ein Spamfilter nicht einfach ein normales Programm? Was hat das mit KI zu tun?
Spam vs. Ham
Die Bezeichnung spam für unerwünschte Mails stammt wahrscheinlich aus einem Monty-Python-Sketch, in dem das Wort (ursprünglich ein Markenname für Dosenfleisch) wiederholt und unerwünscht auftaucht. Nutzer übertrugen das auf massenhaft wiederholte, lästige Nachrichten. Ham als Gegensatz zu Spam entstand als informelle Bezeichnung für legitime (nicht‑spam) Nachrichten.[1]
Wichtigste Schritte zum Erstellen einer KI
Egal, ob es sich um eine komplexe KI wie ChatGPT oder unseren einfachen Spamfilter handelt. Die Schritte zum Erstellen einer KI sind gleich:
- Problemdefinition: Definiere das Problem, das du mit KI lösen möchtest. Grenze den Anwendungsbereich ein und lege Erfolgskriterien fest.
- Datenaufbereitung: Sammle relevante Daten aus verschiedenen Quellen und bereite die Daten auf.
- Modellauswahl: Wähle einen passenden Algorithmus oder eine geeignete Architektur für deine Aufgabe (z. B. neuronale Netze, Entscheidungsbäume).
- Training: Trainiere das Modell mit einem Teil der vorbereiteten Daten (Trainingsdaten).
- Validierung: Teste das Modell mit den restlichen Daten (Testdaten), um sicherzustellen, dass es auch auf unbekannten Daten gut funktioniert.
Weitere Aspekte
Sollte das Modell produktiv eingesetzt werden, sind selbstverständlich zusätzliche Schritte nötig:
- Modell bereitstellen (Deployment): Integriere das trainierte Modell in die Zielumgebung (z.B. eine App, eine Website oder ein Software-Tool), sodass es mit echten Daten arbeitet und mit anderen Systemen interagieren kann.
- Überwachen, pflegen und verbessern: Überwache laufend die Leistung des KI-Systems, passe es bei Bedarf an (z.B. bei schlechter Vorhersagequalität oder Datenveränderungen), und trainiere es regelmässig mit neuen Daten nach.
Zudem gilt jederzeit:
- Ethik, Fairness und Datenschutz berücksichtigen: Achte während aller Schritte darauf, ethische Fragen, potenzielle Verzerrungen (Bias), gesetzliche Anforderungen (wie DSGVO und Urheberrechte) und den Schutz der Privatsphäre zu berücksichtigen, um eine verantwortungsvolle KI zu entwickeln.