Im Rahmen der zweiten Phase des TOPML-Projekts (Trading Off Non-Functional Properties of Machine Learning) werden in Zusammenarbeit mit der Informatik (Dr. Mattia Cerrato) im Projekt FAIR – COM dispositionale und situative Faktoren untersucht, die beeinflussen, wie Nutzer:innen verschiedene Strategien zur Bias-Mitigation – also zur Reduzierung von Verzerrungen in KI-Systemen – verstehen und bewerten. Mittels empirischer Nutzerstudien werden psychologische und kontextuelle Einflussgrößen identifiziert, die das Verständnis und die Akzeptanz von Fairnessmaßnahmen prägen. Diese Erkenntnisse fließen in die Entwicklung von Erklärbarkeitsansätzen (Explainable AI, XAI) und in das Design von Benutzungsschnittstellen ein, um Fairness-bezogene Eigenschaften von KI-Systemen transparent und verständlich zu kommunizieren.