Explainable AI ("XAI") bezieht sich auf Tools, die Entscheidungen der KI erklärbar macht. Denn mit dem Erklären kommt auch der Lernprozess. Eines der größten Probleme bei der Arbeit mit KI: Wie kommt man von all den Daten zu den richtigen Daten, um so auch die optimalen Lösungen zu entwickeln? Die Menge an Daten kann nicht mehr von Menschen in diesem Ausmaß kategorisiert werden, aber XAI kann das, sodass aus einer Menge an Texten die richtigen Cluster werden.
Wie bei einem Projekt für die Entwicklungshilfe: Hier kann untersucht werden, wo das Geld wirklich hingeht, wo es genug ist und wo man noch mehr braucht. Aus Daten wurden Cluster, die die Hilfsprojekte mit dem Thema dahinter verbanden, wie Healthcare oder Biodiversitöt. Was bei diesem Projekt auch herauskam: Welche Themen, wie Microfinancing, bisher vernachlässigt wurden. "Putting it to practice" bedeutet aber auch, dass ein Projekt nicht reicht, sondern dass das Ganze dauerhaft laufen muss, um wirklich nachhaltig Erfolge zu erzeugen. Viel zu oft, mahnt Feuerriegel an, endet es aber nach einem Projekt.