Algorithmische Voreingenommenheit ist ein großes Anliegen in Modellen, die Ergebnisse für Menschen wie Kreditgenehmigung, Einstellung, zukünftige Straftaten usw. vorhersagen. Algorithmische Voreingenommenheit muss erkannt und korrigiert werden, um sicherzustellen, dass historisch benachteiligte Gruppen nicht diskriminiert werden. Die Lösung nutzt Bias-Metriken auf verschiedenen Strengegraden, um demografische und statistische Unterschiede in den Gruppenergebnissen zu identifizieren.