End-to-End-Projekt, verantwortungsvoller Einsatz künstlicher Intelligenz und Roadmap im Beruf

Gewinne:

• Fähigkeit, eine mobile Funktion durchgängig und überprüfbar in Design, Code, KI-Integration, Datenschutz, Tests, Debugging, Leistung und Release-Schritten zu entwickeln
• Fähigkeit, einen Rahmen für den verantwortungsvollen und ethischen Einsatz künstlicher Intelligenz mit den Grundsätzen Transparenz, Verifizierung-Rechenschaftspflicht und Gerechtigkeit-Schadensfreiheit zu schaffen.
• In der Lage sein, eine nachhaltige berufliche Praxis zu schaffen, indem man die Bereiche unterscheidet, in denen künstliche Intelligenz stark und schwach ist, und die endgültige Entscheidung in den Händen des Menschen lässt.

In diesem Modul haben wir KI in jeder Phase der mobilen Entwicklung eingesetzt: Codegenerierung, Schnittstelle, On-Device- und Cloud-KI-Integration, Tests, Debugging, Leistung, Datenschutz und Store-Bereitstellung. In dieser letzten Einheit werden wir alle diese Teile zu einem einzigen End-to-End-Ablauf zusammenführen, den Rahmen für einen verantwortungsvollen und ethischen Einsatz von KI klären und darüber sprechen, wie diese Fähigkeiten in eine nachhaltige berufliche Praxis umgesetzt werden können. Die Kernbotschaft hat sich nicht geändert, ist aber inzwischen fest etabliert: KI ist eine Kraft, die einen kompetenten Mobilentwickler vervielfacht; es ist kein Ersatz. Es ist die Person, die für die Qualität, Sicherheit und das Versprechen des Produkts an den Benutzer verantwortlich ist.

Eine End-to-End-Funktion: Teile kombinieren

Die Entwicklung eines echten Features von Anfang bis Ende mit KI-Unterstützung vereint alle gelernten Einheiten in einer Kette. Beispiel: Funktion „Kosten vom Beleg hinzufügen“. Der Ablauf funktioniert folgendermaßen:

1. Design (Einheit 3). Entwerfen Sie den Bildschirm und vier Zustände (Laden/Leer/Fehler/Voll) mit KI und fordern Sie von Anfang an Zugänglichkeit an.
2. Code (Einheit 2). Generieren Sie Kamera, Datenmodell und ViewModel Schicht für Schicht mit MVVM; Überprüfen Sie jede Ebene.
3. KI auf dem Gerät (Einheit 4). Lesen Sie Betrag/Datum vom Beleg mit der ML-Kit-Texterkennung; Erwägen Sie Vorverarbeitung und Konfidenzbewertung.
4. Vertraulichkeit (Einheit 9). Fordern Sie die Kameraberechtigung mit den geringsten Berechtigungen an, schreiben Sie das Ablehnungsszenario und behalten Sie die Daten auf dem Gerät.
5. Testen (Einheit 6). Generieren Sie Unit-Tests der Extraktionslogik und UI-Tests der Anzeige. Grenzstaaten einbeziehen.
6. Debuggen (Einheit 7). Lassen Sie die KI die Abstürze im Kontext analysieren und die Grundursache beheben.
7. Leistung (Einheit 8). Messen Sie die Batteriekosten der Kameraverarbeitung und stellen Sie sie batterieschonend ein.
8. Rundfunk (Einheit 10). Melden Sie den Einsatz von KI transparent, füllen Sie das Datenschutzformular wahrheitsgemäß aus und führen Sie einen Selbsttest durch.

Bei jedem Schritt beschleunigt die KI, der Mensch überprüft und entscheidet. Diese Schleife ist der Kern des Moduls.

Tipp: Versuchen Sie nicht, die KI mit einer einzigen riesigen Anfrage dazu zu bringen, eine komplexe Funktion auszuführen. Teilen Sie es wie oben in überprüfbare Schritte auf. Das Testen der Ergebnisse jedes Schritts und das Weitergehen mit dem nächsten ist sowohl sicherer als auch letztendlich schneller; Denn einen großen Fehler erkennt man nicht am Ende, sondern schon beim ersten Schritt.

Verantwortungsvoller und ethischer Umgang mit KI

Technische Kompetenz allein reicht nicht aus; Ein verantwortungsvoller Rahmen rundet es ab. Drei Prinzipien:

Transparenz. Der Benutzer muss wissen, dass er oder sie mit der KI interagiert. Eine geheime KI ist ein Vertrauensbruch. KI-generierte Inhalte werden mit Tags versehen; KI-Ratschläge werden als „hilfreiche Ratschläge“ und nicht als „harte Wahrheit“ dargestellt.

Überprüfung und Verantwortlichkeit. Die KI-Ausgabe ist ein Ausgangspunkt, kein fertiges Produkt. Sie sind für jede veröffentlichte Codezeile, jede KI-Antwort, jede Datentransaktion verantwortlich. „Die KI hat es so geschrieben“ ist keine Verteidigung.

Gerechtigkeit und Nicht-Böswilligkeit. KI-Modelle können aufgrund der Daten, auf denen sie trainiert werden, Verzerrungen aufweisen. Eine Gesichtserkennung funktioniert möglicherweise bei einigen Hautfarben schlechter, eine Empfehlungsmaschine schließt möglicherweise eine Gruppe aus. Es liegt in Ihrer Verantwortung zu testen, ob Ihr Produkt bei verschiedenen Benutzergruppen einwandfrei funktioniert.

Achtung: Alle Techniken, die Sie im Bereich IT und Sicherheit erlernen, werden nur für autorisierte und konstruktive Zwecke verwendet. Der Einsatz von KI zum Erstellen von Malware, zum Knacken der Anwendung einer anderen Person ohne Erlaubnis, zum Sammeln von Benutzerdaten ohne Zustimmung oder zum Erstellen irreführender Inhalte ist illegal und verstößt gegen die Berufsethik. Das Maß an Kraft offenbart sich dort, wo man es nicht nutzt.

Die Grenzen der KI erkennen

Ein erfahrener Entwickler weiß, wo KI glänzt und wo sie zu kurz kommt.

KI ist mächtig

KI ist schwach

Formcode, Boilerplate-Produktion

Produkt- und Architekturentscheidungen

Test- und Dokumentationsentwurf

Den Geschäftskontext und den Benutzer verstehen

Lesen des Absturzprotokolls, Scannen von Fehlern

Definitive Ursachendiagnose (Verifizierung erforderlich)

Lernen, Konzepterklärung

Aktuelle/nicht erstellte API-Informationen

Text, Beschreibung, Übersetzung

Ethik, Sicherheit und rechtliche Endentscheidung

Die Verinnerlichung dieser Unterscheidung ist der Schlüssel zum effektiven Einsatz von KI und zur Vermeidung ihrer Fallstricke.

drei Mini-Koffer

Fall 1 – End-to-End-Geschwindigkeit. Ein Solo-Entwickler hat die „Unplugged“-Funktion mit dem oben beschriebenen 8-Schritte-Ablauf in 4 Tagen fertiggestellt; Ohne KI lag die Schätzung bei 12 Tagen. Weil er aber jeden Schritt überprüfte, wurde die Veröffentlichung gleich beim ersten Mal genehmigt. Geschwindigkeit war real, weil Disziplin real war. Lektion: KI+-Verifizierung ist schneller als KI-Verifizierung.

Fall 2 – Voreingenommenheit erkannt. Beim Testen einer KI-basierten Funktion zur Vorhersage des Geschlechts von Substantiven fielen einem Team systematische Fehler bei einigen türkischen Substantiven auf; Das Modell wurde hauptsächlich anhand englischer Daten trainiert. Die Funktion wurde dahingehend geändert, den Benutzer zu fragen, anstatt eine falsche Annahme zu treffen. Lektion: Es ist die Aufgabe des Entwicklers, die Trainingsverzerrung des Modells zu testen.

Fall 3 – Die „KI hat es gesagt“-Verteidigung brach zusammen. Ein Entwickler hat einen von der KI generierten Zahlungscode veröffentlicht, ohne ihn zu überprüfen. In einem extremen Fall führte der Code doppelte Sammlungen durch. Die Verantwortung wird nicht dadurch aufgehoben, dass man sagt: „KI hat es geschrieben“; Als Kontoinhaber war er Entwickler. Lektion: Verantwortung lässt sich nicht delegieren.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwache Aufforderung: „Schreiben Sie mir eine vollständige Anwendung zum Scannen von Quittungen.“

Leistungsstarke Aufforderung: „Helfen Sie mir, die Funktion „Kosten aus Beleg hinzufügen“ Schritt für Schritt zu entwickeln. Lassen Sie uns der Reihe nach fortfahren. Wenn ich jeden Schritt überprüfe und genehmige, fahren Sie mit dem nächsten fort: 1) Bildschirm + vier Zustände + Zugänglichkeit2) MVVM-Ebenen (Kamera, Modell, ViewModel)3) Betrag/Datum aus Beleg mit ML Kit lesen + Vertrauensbewertung4) Kameraberechtigung (geringste Berechtigung) + Ablehnungsablauf5) Einheiten- und UI-Tests Sagen Sie mir die Risiken und Punkte, die ich bei jedem Schritt überprüfen muss.“

Kopierbare Vorlagen

End-to-End-Planungsvorlage: „Ich werde die folgende Funktion entwickeln: [Funktion]. Teilen Sie sie in überprüfbare Schritte auf: Design, Code, KI-Integration, Datenschutz/Berechtigung, Tests, Leistung, Freigabe. Schreiben Sie die Ausgabe, das Risiko und die Verifizierungskriterien für jeden Schritt auf. Machen Sie keine einzige Riesenproduktion.“

Vorlage für Ethik-/Voreingenommenheitsprüfung: „Überprüfen Sie die folgende KI-Funktion auf Fairness und Voreingenommenheit: [Funktion]. Bei welchen Benutzergruppen könnte sie eine schlechte Leistung erbringen? Wie wirken sich Trainingsdaten auf Voreingenommenheit aus? Wie teste ich sie, wie mache ich sie integrativer?“

Vorlage zur Überprüfung der Verantwortlichkeit: „Listen Sie die Fragen zur Rechenschaftspflicht auf, die ich stellen sollte, bevor ich diesen KI-generierten Code/diese Funktion veröffentliche: Habe ich ihn verstanden, habe ich ihn getestet, ist er sicher, ist er für den Benutzer transparent, ist er legal/ethisch?“

Vorlage für kontinuierliches Lernen: „Schlagen Sie einen 4-wöchigen praktischen Plan vor, um meine KI-Fähigkeiten im mobilen Entwickler zu verbessern: ein Thema pro Woche (Code, Integration, Tests, Release), mit dem Ziel eines kleinen Projekts und Verifizierungsgewohnheiten.“

Häufige Fehler

• Erstellen komplexer Features mit einer einzigen riesigen Anfrage. Kann nicht überprüft werden; Teilen Sie es in Schritte auf.
• Sich der Verantwortung entziehen, indem man sagt: „KI hat es geschrieben“. Sie sind für den veröffentlichten Code verantwortlich.
• Keine Prüfung auf KI-Voreingenommenheit. Das Modell funktioniert möglicherweise in einigen Gruppen schlecht. Testen Sie Gerechtigkeit.
• KI-Interaktion vor dem Benutzer verbergen. Transparenz ist die Grundlage des Vertrauens.
• Die Grenzen der KI vergessen. Die Menschen haben das letzte Wort über Architektur, Ethik und aktuelle API.
• Mit dem Lernen aufhören. Werkzeuge und Werkstattregeln ändern sich schnell; Bleiben Sie ständig auf dem Laufenden.

Zusammenfassend

Eine End-to-End-Funktion vereint alle Teile des Moduls in einer Kette: Design, Code, KI-Integration, Datenschutz, Tests, Debugging, Leistung und Release. Bei jedem Schritt beschleunigt die KI, der Mensch überprüft und entscheidet; Komplexe Arbeiten werden in kleine, überprüfbare Schritte zerlegt. Der verantwortungsvolle Umgang basiert auf drei Prinzipien: Transparenz, Überprüfung – Rechenschaftspflicht und Fairness – keinen Schaden anrichten. KI ist ein starker Multiplikator, aber der Mensch hat das letzte Wort über Architektur, Ethik, Sicherheit und aktuelles Wissen. „Die KI hat es so gemacht“ ist keine Verteidigung; Sie sind für Ihr Produkt und das Versprechen, das Sie Ihrem Benutzer geben, verantwortlich. Mit dieser Disziplin macht KI Sie im Laufe Ihrer Karriere schneller, umfassender und stärker.

Anwendungsaufgabe

Teilen Sie eine mobile Funktion Ihrer Wahl (z. B. „Zusammenfassen durch Sprachnotizen“ oder „Produkterkennung anhand von Fotos“) mit einer „End-to-End-Planungsvorlage“ in überprüfbare Schritte auf. Entwickeln und validieren Sie tatsächlich mindestens einen Schritt mit KI. Analysieren Sie anschließend mit der „Vorlage zur Ethik-/Voreingenommenheitskontrolle“, bei welchen Benutzergruppen die Funktion möglicherweise Probleme verursacht, und beantworten Sie mit der „Vorlage zur Haftungskontrolle“ die Fragen, die Sie vor der Veröffentlichung stellen müssen.

Checkliste

• [ ] Ich habe das Feature in überprüfbare kleine Schritte zerlegt, nicht in eine einzige Riesenproduktion
• [ ] Ich habe die KI-Ausgabe bei jedem Schritt überprüft und die Entscheidung getroffen
• [ ] Ich habe die KI-Interaktion dem Benutzer transparent dargestellt
• [ ] Ich habe bewertet, ob die Funktion in verschiedenen Gruppen fair/voreingenommen funktioniert
• [ ] Ich habe Fragen zur Verantwortung vor der Veröffentlichung beantwortet (verstanden/geprüft/sicher/ethisch)
• [ ] Ich habe KI nur für kompetente und konstruktive Zwecke eingesetzt und habe vor, weiter zu lernen

Modulprüfung

1. Welche der folgenden Aussagen ist die genaueste Positionierung für künstliche Intelligenz in der mobilen Entwicklung?

• A) KI ersetzt den Entwickler; kann direkt veröffentlicht werden, ohne den generierten Code zu lesen
• B) Künstliche Intelligenz funktioniert nur beim Schreiben von Texten, sie hat nichts mit der Codegenerierung zu tun
• C) Künstliche Intelligenz ist ein Assistent und Beschleuniger; Die Verantwortung für Architektur-, Sicherheits- und Übertragungsentscheidungen liegt beim Menschen ✔
• D) Da künstliche Intelligenz immer den richtigen Code erzeugt, sind zusätzliche Tests und Verifizierungen nicht erforderlich

Beschreibung: Künstliche Intelligenz ist ein Assistent und Beschleuniger, der Code, Blaupausen und Lösungen generiert. Die Verantwortung und die endgültige Genehmigung von Entscheidungen wie Architektur, Genehmigung, Sicherheit und Veröffentlichung liegen beim zuständigen Entwickler; Für jede veröffentlichte Zeile sind Menschen verantwortlich.

2. Was steigert die architektonische Qualität des erzeugten Codes am meisten, wenn mobiler Code von künstlicher Intelligenz angefordert wird?

• A) Halten Sie die Aufforderung so kurz wie möglich und sagen Sie „Schreib mir eine App“.
• B) Legen Sie zunächst eine Architektur wie MVVM fest und fordern Sie den Code in kleinen Teilen Schicht für Schicht an ✔
• C) Erstellen der gesamten Funktion als eine einzige riesige Datei in einer einzigen Eingabeaufforderung
• D) Geben Sie die Architektur überhaupt nicht vor und überlassen Sie die beste Entscheidung der künstlichen Intelligenz

Erläuterung: Durch die Einführung einer Architektur wie MVVM und die Anforderung Schicht für Schicht, bevor Code direkt in die KI geschrieben wird, entsteht eine testbare und wartbare Struktur, die die Logik vom Bildschirm trennt. Die Anfrage ohne Architektur gibt Code zurück, der alles auf den Bildschirm stopft.

3. Was wird bei der Erstellung einer Schnittstelle mit künstlicher Intelligenz am häufigsten übersehen und was ist im realen Einsatz am kritischsten?

• A) Entwerfen von Lade-, Leer- und Fehlerzuständen, nicht nur des Vollbilds ✔
• B) Es wird nur der am besten aussehende Vollbildmodus erstellt und andere Fälle übersprungen
• C) So viele Farben und Animationen wie möglich zu jedem Bildschirm hinzufügen
• D) Lassen Sie die Barrierefreiheits-Tags an letzter Stelle und befassen Sie sich nur mit dem Erscheinungsbild

Erläuterung: Entwickler berücksichtigen oft nur den „vollständigen“ Zustand; wohingegen der Benutzer in der Realität meist auf Lade-, Leer- und Fehlerzustände stößt. Das Erzeugen aller vier Zustände (Laden/Leer/Fehler/Voll) ist das Geheimnis einer robusten Schnittstelle.

4. Warum ist KI auf dem Gerät oft die Standardwahl für eine Funktion, die sensible personenbezogene Daten verarbeitet (z. B. Gesundheitsmessung)?

• A) On-Device-Modelle sind immer genauer als Cloud-Modelle
• B) Für die Verarbeitung auf dem Gerät fallen niemals Batterie- oder Prozessorkosten an
• C) Die Verarbeitung auf dem Gerät ist hinsichtlich der Modellgröße unbegrenzt
• D) Da die Daten das Telefon nicht verlassen, bietet dies einen großen Vorteil hinsichtlich der Privatsphäre und des Benutzervertrauens ✔

Erläuterung: Durch die Verarbeitung auf dem Gerät werden keine Daten vom Telefon entfernt. Dies ist ein großer Vorteil im Hinblick auf Datenschutzkonformität und Benutzervertrauen, außerdem funktioniert es offline und sofort. Die Grenze liegt in der Geräteleistung und der Modellgröße.

5. Was ist der häufigste „stille“ Fehler, der bedeutungslose Ergebnisse verursacht und keine Fehlermeldung bei einer Modellintegration auf dem Gerät erzeugt?

• A) Falsche Schreibweise des Dateinamens des Modells
• B) Niedrige Auflösung des Anwendungssymbols
• C) Falsche Eingabevorverarbeitung (Größe/Normalisierung) ✔
• D) Dunkles Bildschirmthema

Erläuterung: Eine fehlerhafte Eingabevorverarbeitung führt zu völlig falschen Ergebnissen, ohne dass Fehler auftreten. Vorverarbeitungswerte sollten anhand der Modelldokumentation überprüft werden.

6. Was ist die sicherheitskritischste Regel bei der Integration von Cloud-LLM in eine mobile Anwendung?

• A) Der API-Schlüssel sollte nur im Backend und nicht auf dem Client gespeichert werden. Anfragen müssen über den Proxy ✔ erfolgen
• B) Der API-Schlüssel sollte der Einfachheit halber direkt in den Anwendungscode eingebettet werden
• C) Der API-Schlüssel sollte in der Anwendungsbeschreibung angegeben werden
• D) Der API-Schlüssel sollte im Client verbleiben und nur durch Änderung des Namens ausgeblendet werden.

Offenlegung: Der API-Schlüssel wird niemals in den Code der mobilen Anwendung eingebettet. weil die Anwendung rückentwickelt und der Schlüssel extrahiert werden kann. Die richtige Architektur besteht darin, den Schlüssel nur im Backend zu behalten und Anfragen über Ihren eigenen Proxyserver weiterzuleiten.

7. Was erhöht die vom Benutzer wahrgenommene Geschwindigkeit und Funktionsabschlussrate bei langen LLM-Antworten am meisten?

• A) Warten, bis die gesamte Antwort vorliegt, und sie sofort anzeigen
• B) Anzeige der Antwort Wort für Wort, so wie sie erzeugt wird, mit Streaming ✔
• C) Bei jeder Anfrage den gesamten Chatverlauf an das Model senden
• D) Vergrößern Sie die Modellanweisung, um die Antwort so weit wie möglich zu erweitern

Beschreibung: Streaming erhöht die wahrgenommene Geschwindigkeit und Sprachverständlichkeit erheblich, indem die Antwort Wort für Wort angezeigt wird. Anstatt auf einem leeren Bildschirm zu warten, beobachtet der Benutzer das Textformular. Dadurch wird die Abbruchrate deutlich reduziert.

8. Was ist das häufigste Problem bei Tests, die mit künstlicher Intelligenz erstellt wurden und den Test wertlos machen?

• A) Tests decken zu viele Grenzzustände ab
• B) Tests verwenden Scheinobjekte, keine echten Dienste
• C) Tests laufen sehr schnell
• D) Aufblähung des Umfangs durch leere/nutzlose Tests, die ein Verhalten nicht wirklich validieren ✔

Erläuterung: Künstliche Intelligenz erstellt manchmal Tests, die keine Ausgabe tatsächlich verifizieren (z. B. einfach die Funktion aufrufen und eine leere Behauptung schreiben). Diese erhöhen die Deckungssumme, bieten aber keinen wirklichen Schutz; Jeder Test muss überprüft werden, um sinnvolles Verhalten zu überprüfen.

9. Warum ist es keine ausreichende Lösung, einen Absturz dadurch zum Schweigen zu bringen, dass man ihn mit einem Vorschlag der künstlichen Intelligenz in einen Try-Catch versetzt?

• A) Try-Catch kann in mobilen Anwendungen überhaupt nicht verwendet werden
• B) Der Absturz hört auf, aber da die Grundursache nicht behoben ist, tritt das Problem in einer anderen Form erneut auf ✔
• C) Die Verwendung von Try-Catch verlangsamt die Anwendung und ist daher verboten
• D) Der unterdrückte Fehler wird vom Geschäft automatisch abgelehnt

Erläuterung: Das Unterdrücken des Symptoms löst nicht die Grundursache; Der Absturz hört auf, aber das ursprüngliche Problem (z. B. unterbrochene Datenverbindung) tritt in anderer Form (z. B. Datenverlust) erneut auf. Das Ziel beim professionellen Debuggen ist die Lösung der Grundursache, nicht des Symptoms.

10. Was ist die goldene Grundregel zur Leistungsoptimierung?

• A) Erstellen Sie zunächst ein Profil, messen Sie den tatsächlichen Engpass und optimieren Sie dann ✔
• B) Erraten, wo langsam ist und sich dort konzentrieren
• C) In jeder Funktion nach kleinen Gewinnen streben
• D) Messen Sie die Leistung auf dem Emulator und testen Sie niemals das reale Gerät

Beschreibung: Erst messen, später optimieren. Der eigentliche Engpass liegt fast immer an einer anderen Stelle als vorhergesagt; Eine Optimierung ohne Profilerstellung ist eine blinde Vermutung und oft eine Verschwendung von Aufwand.

11. Was ist das wichtigste technische Anliegen für eine ständig laufende KI-Funktion (z. B. Live-Kameraübersetzung)?

• A) Die Funktion fordert so viele Berechtigungen wie möglich an
• B) Verwaltung der Batterie- und Prozessorkosten der kontinuierlichen Verarbeitung mit Abtastfrequenz und Stapelverarbeitung ✔
• C) Führen Sie die Funktion nur auf den teuersten Telefonen aus
• D) Kontinuierliches Rendern der Kamera mit der höchstmöglichen Bildrate

Beschreibung: Ständig funktionierendes Modell, Kamera und Netzwerk; Es kann schnell den Akku verbrauchen, das Gerät aufheizen und vom System eingeschränkt werden. Die Reduzierung der Probenahmehäufigkeit, die Stapelung und der Betrieb nur bei Bedarf sind Möglichkeiten, die Batteriekosten zu senken.

12. Was bedeutet das Prinzip der „geringsten Privilegien“ bei der Berechtigungsverwaltung in der mobilen Entwicklung?

• A) Anfordern aller möglichen Berechtigungen beim Start, nur für den Fall.
• B) Die App funktionsunfähig machen, wenn die Erlaubnis verweigert wird
• C) Bitten Sie um die umfassendste Erlaubnis und planen Sie, diese später einzugrenzen.
• D) Nur die tatsächlich erforderliche Erlaubnis einholen, wenn nötig und im engsten Rahmen, mit einem Ablehnungsszenario ✔

Erläuterung: Bei der geringsten Berechtigung wird nur um die Erlaubnis gebeten, die tatsächlich benötigt wird, zum richtigen Zeitpunkt und im größtmöglichen Umfang. Zu viele Berechtigungen untergraben das Vertrauen der Benutzer, führen zur Ablehnung des Speichers und erhöhen das Risiko von Datenlecks.

13. Welche spezifischen Anforderungen müssen erfüllt sein, wenn eine Anwendung mit künstlicher Intelligenz im Laden präsentiert wird?

• A) Inhaltstransparenz, Inhaltskontrolle und Weitergabe der Daten an die künstliche Intelligenz in Form von Vertraulichkeit ✔
• B) Den Einsatz künstlicher Intelligenz vor dem Nutzer verbergen
• C) Kennzeichnung von Daten, die nicht tatsächlich erfasst werden, im Datenschutzformular
• D) Vielversprechende Features, die in der Beschreibung nicht vorkommen

Offenlegung: Geschäfte erwarten Inhaltstransparenz (Erklärung, dass sie KI produzieren), Inhaltsmoderation (Filterung schädlicher Ausgaben und Benutzerbenachrichtigung) und Offenlegung der Datennutzung von Anwendungen, die künstliche Intelligenz enthalten; Genauigkeitswarnung in sensiblen Bereichen erforderlich. Bewerbungen, die diese Angaben nicht enthalten, werden abgelehnt.

14. Warum ist die „KI hat es so geschrieben“-Verteidigung ungültig, wenn in veröffentlichtem, von KI generiertem Code ein Randfallfehler auftritt?

• A) Da künstliche Intelligenz immer fehlerfreien Code produziert, kommt der Fehler vom Benutzer
• B) Weil Speicher automatisch KI-generierten Code korrigieren
• C) Weil die Verantwortung nicht auf künstliche Intelligenz übertragen werden kann; Der Entwickler ist für den veröffentlichten Code und die veröffentlichten Daten verantwortlich ✔
• D) Weil durch künstliche Intelligenz generierter Code niemals live geschaltet wird

Beschreibung: Die KI-Ausgabe ist ein Ausgangspunkt, kein fertiges Produkt. Es ist der Entwickler, der für jede veröffentlichte Zeile, alle verarbeiteten Daten und jedes gemachte Versprechen verantwortlich ist; Die Verantwortung kann nicht an die KI delegiert werden, daher muss die Ausgabe vor der Veröffentlichung verstanden und getestet werden.