"The Importance of Explainability in AI for Industry"
By Simon Schramm (BMW, Germany)
Bli med på semesterstart for Kristiania AI Center (KAI). Vi ønsker deg velkommen til en inspirerende kveld med innsikt i ansvarlig bruk av kunstig intelligens, etterfulgt av nettverksbygging, forfriskninger og enkel servering.
Dato: 2. september 2026
Tid: 17.00–19.30
Sted: Kirkegata 24, KAU-B1-02
Beyond Feature Importance: Explainable Time Series Forecasting using Knowledge Graphs and Attention
Program:
17.00: Dørene åpner. Severing av kaffe og frukt
17.30: Semesterstart for aktivitetene ved Kristiania AI Center, ved Synne T. Bull, meddirektør for KAI, og rektor Solfrid Lind
17.35–18.20: Foredragsholder: Simon Schramm (BMW, Tyskland)
18.20–18.30: Spørsmål og svar (Q&A) med Pedro Lind, professor ved Kristiania
18.30–19.30: Dette er en utmerket anledning til å knytte kontakter med kolleger, samarbeidspartnere og fagpersoner på tvers av fagfelt, samt utforske muligheter for fremtidig samarbeid innen AI-innovasjon og etikk. Vi byr på enkel servering.
Sammendrag
Forklarbar kunstig intelligens – nøkkelen til tillit og bedre beslutninger i industrien
Kunstig intelligens (KI) blir stadig viktigere i beslutningsprosesser på tvers av ulike bransjer. Den hjelper virksomheter med å forutsi markedsutvikling, optimalisere produkttilbudet og dermed styrke sin konkurranseevne. Samtidig fungerer mange av dagens KI-systemer som «svarte bokser»: De kan levere svært presise prediksjoner uten å forklare hvordan eller hvorfor de har kommet frem til sine konklusjoner. Denne mangelen på åpenhet kan gjøre det vanskelig å ha tillit til KI-baserte beslutninger, særlig når de har betydelige økonomiske konsekvenser.
Foredraget utforsker hvorfor forklarbarhet er en avgjørende forutsetning for en vellykket innføring av kunstig intelligens i industrien. I stedet for bare å identifisere hvilke data som har påvirket en prediksjon, kan moderne tilnærminger kombinere KI med ekspertkunnskap om virkelige hendelser og sammenhengene mellom dem. Resultatet er forklaringer som er mer meningsfulle og lettere for mennesker å forstå.
Gjennom eksempler fra bilindustrien viser foredraget hvordan forklarbar KI kan hjelpe ingeniører, ledere og beslutningstakere med å forstå KI-anbefalinger bedre, styrke tilliten til teknologien og legge grunnlaget for mer informerte beslutninger. Presentasjonen belyser også mulighetene og de gjenværende utfordringene ved å utvikle KI-systemer som ikke bare er mest mulig presise, men også transparente, pålitelige og i tråd med menneskelig ekspertise.
Om foredragsholderen
Simon Schramm er Data Scientist innen konsernstrategi i BMW Group, hvor han leder tekniske og forskningsrelaterte initiativer knyttet til scenariomodellering basert på kunnskapsgrafer, MLOps-infrastruktur og strategiske markedsprognoser.
Forskningen hans fokuserer på forklarbar kunstig intelligens (Explainable AI), kunnskapsgrafer, nevrosymbolsk AI og interaktiv maskinlæring, med særlig vekt på forklarbar tidsserieprognostisering. Han er også ph.d.-kandidat i anvendt informatikk ved University of Bamberg.
Med en tverrfaglig bakgrunn innen maskinlæring, stokastisk ingeniørvitenskap, statistikk og økonomi kombinerer han avanserte AI-metoder med praktiske industrielle anvendelser og beslutningsstøtte i virkelige virksomheter.