TY - CHAP A1 - Weidl, Galia A1 - Berres, Stefan A1 - Madsen, Anders L. A1 - Daxenberger, Johannes A1 - Aulbach, Anegret T1 - Exploring Argument Mining and Bayesian Networks for Assessing Topics for City Project Proposals T2 - Proceedings of Machine Learning Research N2 - The digital transformation of cities inspired the city administration of Aschaffenburg, Germany, to apply artificial intelligence to reduce the significant amount of manual administrative effort needed to evaluate citizens’ ideas for potential future projects. This paper introduces a methodology that combines argument mining with Bayesian networks to evaluate the relative eligibility of city project proposals. The methodology involves two main steps: (1) clustering arguments extracted from public information available on the Internet, and (2) assessing and comparing selected urban issues, planning topics, and citizens’ ideas that have been widely discussed to measure public interest in potential candidate projects. The results of the clustering are fed into a Bayesian network, along with scores for several evaluation criteria, to generate a relative eligibility score. The framework was applied to three candidate projects, resulting in the selection of one of them, while the other two were rejected with a given explanation. The latter motivates the decision and provides transparency to all parties involved in the decision process. The methodology is applicable to other cities after adjustments of criteria. KW - Bayesian networks KW - argument mining KW - project evaluation KW - urban planning KW - Projektplanung KW - Stadtverwaltung Y1 - 2024 UR - https://proceedings.mlr.press/v246/weidl24a.html VL - 2024 IS - 246 SP - 438 EP - 451 ER - TY - CHAP A1 - Madsen, Anders L. A1 - Weidl, Galia T1 - Bayes’sche Netze als Methode zur Implementierung transparenter, erklärbarer und vertrauenswürdiger Künstlicher Intelligenz T2 - Vertrauen in Künstliche Intelligenz - Eine multi-perspektivische Betrachtung N2 - Dieser Beitrag betrachtet die Verwendung von Bayes’schen Netzen als Methode zur Implementierung von transparenter, erklärbarer und vertrauenswürdiger Künstlicher Intelligenz (KI). Er beginnt mit einer Darstellung und Diskussion von Schlüsselkonzepten im Zusammenhang mit der Verwendung von Methoden der Künstlichen Intelligenz und der Implementierung von erklärbarer und vertrauenswürdiger KI. Der Beitrag diskutiert mehrere Konzepte aus dem Bereich der Bayes’schen Netze, die für die praktische Anwendung dieser Modelle in Systemen mit KI relevant sind. Zu den betrachteten Konzepten gehören unter anderem der Bayes-Faktor, die wahrscheinlichste Erklärung und die relevanteste Erklärung. Der Beitrag endet mit einem Fallbeispiel aus dem Bereich des automatisierten Fahrens, das veranschaulicht, wie transparente und erklärbare KI mithilfe von Bayes’schen Netzen umgesetzt werden kann, um eine vertrauenswürdige Lösung zu schaffen. KW - Bayes'sche Netze KW - Künstliche Intelligenz KW - Automatisiertes Fahren KW - Mischverkehr KW - Künstliche Intelligenz KW - Bayes-Netz KW - Autonomes Fahrzeug Y1 - 2024 UR - https://link.springer.com/chapter/10.1007/978-3-658-43816-6_8 SP - 139 EP - 162 PB - Springer Verlag ER -