Neue Sensitivitätsanalysen mit ICE‑Kurven für Engineering‑Modelle
In der heutigen datengetriebenen Ingenieurwelt gewinnt die Erklärbarkeit von Machine‑Learning‑Modellen immer mehr an Bedeutung. Besonders in der Luft‑ und Raumfahrt, wo präzises Verständnis der Einflussfaktoren auf Vorhersagen entscheidend ist, werden klassische Interpretationswerkzeuge wie Partial Dependence Plots (PDP) häufig eingesetzt. Doch PDPs können bei starken Wechselwirkungen zwischen Eingangsvariablen irreführend sein, weil sie die Effekte durch Mittelung verbergen.
