TransPer: Unterschied zwischen den Versionen
He9318 (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „{{Projekt |Kurzname=TransPer |Name=Transparente Personalisierung im E-Commerce |Name EN=Transparent Personalization in E-Commerce |Beschreibung DE=Im Projekt "…“) |
Wf7467 (Diskussion | Beiträge) |
||
Zeile 5: | Zeile 5: | ||
|Beschreibung DE=Im Projekt "TransPer: Transparente Personalisierung im E-Commerce" werden Aspekte der Kausalität, Robustheit und Unsicherheit von KI-Anwendungen im industriellen Umfeld betrachtet. Spezifisch fokussiert sich das Projekt darauf, wie Produktempfehlungen im eCommerce-Bereich transparenter gestaltet werden können, um eine bessere Kundenzufriedenheit zu erreichen und die Einhaltung rechtlicher Vorgaben zu gewährleisten. In dem Projekt entwickelt das KIT-Institut AIFB unter der Leitung von Dr. Färber Module, um Produktempfehlungen in Online-Webshops transparent zu machen. Die econda GmbH, die mit ca. 20% aller deutschen Online-Shops zusammenarbeitet, fungiert als Industriepartner. | |Beschreibung DE=Im Projekt "TransPer: Transparente Personalisierung im E-Commerce" werden Aspekte der Kausalität, Robustheit und Unsicherheit von KI-Anwendungen im industriellen Umfeld betrachtet. Spezifisch fokussiert sich das Projekt darauf, wie Produktempfehlungen im eCommerce-Bereich transparenter gestaltet werden können, um eine bessere Kundenzufriedenheit zu erreichen und die Einhaltung rechtlicher Vorgaben zu gewährleisten. In dem Projekt entwickelt das KIT-Institut AIFB unter der Leitung von Dr. Färber Module, um Produktempfehlungen in Online-Webshops transparent zu machen. Die econda GmbH, die mit ca. 20% aller deutschen Online-Shops zusammenarbeitet, fungiert als Industriepartner. | ||
|Beschreibung EN=In the project "TransPer: Transparent Personalization in E-Commerce" aspects of causality, robustness and uncertainty of AI applications in an industrial environment are considered. The project specifically focuses on how product recommendations in the e-commerce sector can be made more transparent in order to achieve better customer satisfaction and to ensure compliance with legal requirements. In the project, the KIT Institute AIFB under the direction of Dr. Färber develops modules to make product recommendations in online web shops transparent. Econda GmbH, which works with around 20% of all German online shops, acts as an industrial partner. | |Beschreibung EN=In the project "TransPer: Transparent Personalization in E-Commerce" aspects of causality, robustness and uncertainty of AI applications in an industrial environment are considered. The project specifically focuses on how product recommendations in the e-commerce sector can be made more transparent in order to achieve better customer satisfaction and to ensure compliance with legal requirements. In the project, the KIT Institute AIFB under the direction of Dr. Färber develops modules to make product recommendations in online web shops transparent. Econda GmbH, which works with around 20% of all German online shops, acts as an industrial partner. | ||
− | |Kontaktperson=Michael Färber | + | |Kontaktperson=Michael Färber, Kristian Noullet |
|Finanziert von=BMBF | |Finanziert von=BMBF | ||
|Projektstatus=aktiv | |Projektstatus=aktiv |
Version vom 10. Dezember 2020, 11:24 Uhr
Transparente Personalisierung im E-Commerce |
|
|
Im Projekt "TransPer: Transparente Personalisierung im E-Commerce" werden Aspekte der Kausalität, Robustheit und Unsicherheit von KI-Anwendungen im industriellen Umfeld betrachtet. Spezifisch fokussiert sich das Projekt darauf, wie Produktempfehlungen im eCommerce-Bereich transparenter gestaltet werden können, um eine bessere Kundenzufriedenheit zu erreichen und die Einhaltung rechtlicher Vorgaben zu gewährleisten. In dem Projekt entwickelt das KIT-Institut AIFB unter der Leitung von Dr. Färber Module, um Produktempfehlungen in Online-Webshops transparent zu machen. Die econda GmbH, die mit ca. 20% aller deutschen Online-Shops zusammenarbeitet, fungiert als Industriepartner.
bis: k.A.
Finanzierung: BMBF
TransPer (Deep Learning, Künstliche Intelligenz)
inproceedings
Anna Nguyen, Franz Krause, Daniel Hagenmayer, Michael Färber
Quantifying Explanations of Neural Networks in E-Commerce Based on LRP
Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD'21), Seiten: 251-267, Springer, Juli, 2021
(Details)
↑ top