Das Problem mit API-Schlüsseln, die nie ablaufen
Ein Schlüssel, der vor Jahren ausgestellt, nie rotiert wurde und heute noch gültig ist, ist keine Bequemlichkeit. Er ist ein Risiko, das sich seit Jahren niemand mehr angesehen hat.
Warum Versprechen von "KI-gestützter Geokodierung" kritisch geprüft werden sollten
Eine Geokodierungsfunktion, die als KI-gestützt beschrieben wird, klingt fortschrittlicher als eine, die schlicht als Adressabgleich bezeichnet wird. Ob dieses Etikett einen bedeutsamen technischen Unterschied widerspiegelt oder nur eine nachträglich getroffene Marketingentscheidung, lässt sich von außen meist unmöglich erkennen, und genau das ist das Problem. Das Etikett beantwortet eine Frage des Vokabulars. Es beantwortet nicht die Frage, die für einen Entwickler, der entscheidet, ob er der Antwort vertrauen kann, wirklich zählt: Ist der Treffer korrekt, und wie verhält er sich bei Adressen, die keinem sauberen Muster folgen?
Bei unseren eigenen Endpunkten sind wir mit dieser Art von Sprache vorsichtig, und wenn wir sie anderswo sehen, sind wir skeptisch. Eine Komponente für maschinelles Lernen kann tatsächlich beim unscharfen Abgleich helfen, Tippfehler abfangen oder mehrdeutige Teiladressen eleganter auflösen, als es ein starres regelbasiertes Nachschlagen könnte. Das ist eine echte, nützliche Fähigkeit eines Systems. Es ist aber eine völlig andere Behauptung, dass die daraus resultierenden Treffer deshalb durchweg genauer seien. Eine solche Behauptung braucht echte Belege, bezogen auf die Adressen und Regionen, die einem Kunden wichtig sind, und keine Schlussfolgerung aus dem Wort KI auf einer Funktionsseite.
Der Kern des Problems ist, dass „KI-gestützt“ eine Methode beschreibt, kein Ergebnis. Eine Methode kann ausgefeilt sein und trotzdem eine falsche Antwort liefern, und eine einfachere Methode kann für die Fälle, für die sie gebaut ist, völlig zuverlässig sein. Was ein Entwickler, der einen Geokodierungs-Endpunkt integriert, wissen muss, ist das Ergebnis: welche Adressmuster gut verarbeitet werden, welche nicht, und wie ein Ergebnis mit geringer Konfidenz oder ein mehrdeutiges Ergebnis aussieht, wenn es zurückkommt. Nichts davon beantwortet das Methodenetikett, so beeindruckend es auch klingt.
Genau aus diesem Grund sind wir bewusst vorsichtig mit dem, was wir über unsere eigenen Endpunkte für Geokodierung, Reverse-Geokodierung und Autovervollständigung behaupten. Wir können beschreiben, was sie tun und wie sie aufgebaut sind. Wir werden keine konkrete, verifizierte Genauigkeitszahl aus der Praxis behaupten, als wäre sie eine feststehende Tatsache, denn das überzeugend zu tun, erfordert genau die Art gründlicher, fortlaufender Evaluierung, die ein Etikett allein nicht ersetzt, ob das Etikett nun das Wort KI enthält oder nicht.
Nichts davon ist ein Argument gegen den Einsatz von Techniken des maschinellen Lernens in der Geokodierung. Es ist ein Argument dagegen, eine Technik zum Ersatz für eine Aussage über Ergebnisse werden zu lassen. Wenn eine Methode die Trefferqualität tatsächlich verbessert, zeigt man das, indem man die Verbesserung an echten, repräsentativen Fällen belegt, und nicht, indem man die Methode benennt und den Leser annehmen lässt, die Verbesserung folge automatisch. Ein Etikett ist kein Beleg. Es ist bestenfalls ein Hinweis, wo man nach Belegen suchen sollte, und schlimmstenfalls eine Möglichkeit, den Teil zu überspringen, in dem eigentlich die Belege hätten folgen sollen.