Ein Kreditgeber verwendet ein ML-Modell, um Kreditanträge anzunehmen oder abzulehnen, und muss den Entscheidungsprozess für Aufsichtsbehörden auditierbar und erklärbar machen. Welche Lösung hilft, die Entscheidungen des Modells für Audits zu dokumentieren und darzustellen?

Amazon SageMaker Model Cards bieten eine standardisierte Möglichkeit, Informationen über ein ML-Modell während seines gesamten Lebenszyklus zu dokumentieren. Sie erfassen wichtige Details wie Modellzweck, Trainingsdaten, Leistungskennzahlen und potenzielle Verzerrungen. Dies macht den Entscheidungsprozess des Modells transparent und nachvollziehbar, was für Audits und die Einhaltung gesetzlicher Vorschriften, wie sie von Kreditgebern gefordert werden, unerlässlich ist. Amazon Textract dient der Textextraktion aus Dokumenten, AWS CloudFormation der Infrastrukturautomatisierung und Amazon Comprehend der Verarbeitung natürlicher Sprache – keine dieser Optionen ist direkt für die Dokumentation und Erklärbarkeit von ML-Modellentscheidungen konzipiert.