Die Arbeitsgruppe „Erklärbare Künstliche Intelligenz“ des Ausschusses Actuarial Data Science arbeitet seit ihrer Konstitution im Dezember 2022 engagiert an verschiedenen Ergebnistypen, in welche in diesem Vortrag auszugsweise Einblick gegeben wird. Neben der Charakterisierung von komplexen Modellen und Erklärbarkeitsmethoden werden u. a. Fragestellungen der aktuariellen Sorgfalt diskutiert. Zusätzlich zu diesen qualitativen Diskussionen werden auch konkrete praktische Anwendungen von Erklärbarkeitsmethoden behandelt. Anhand aktuarieller Regressionsprobleme illustrieren wir zum einen den Einsatz der Methode „SHAP“, um die Prognosen eines Künstlichen Neuronalen Netzes zu erklären. Zum anderen tauchen wir in die Methode „Feature Importance“ bei Entscheidungsbäumen ein, um ihr konkretes Vorgehen an einem Beispiel transparent zu machen.