Trainingsdaten

Trainingsdaten sind die Beispiele, Texte, Bilder, Töne und strukturierten Daten, aus denen ein KI-Modell lernt.

Was von ihnen abhängt

Qualität, Repräsentativität und Herkunft dieser Daten bestimmen die Leistung des Modells und seine Schwächen. Ein Modell kann nur so gut sein wie die Daten, mit denen es trainiert wurde.

Vor dem Training oder der Wiederverwendung eines Modells ist Folgendes zu prüfen:

• Repräsentativität: Welche Bevölkerungsgruppen, Sprachen und Situationen sind vertreten, welche fehlen (siehe Algorithmische Verzerrung (FR))?
• Herkunft und Rechte: Durften die verwendeten Inhalte für diesen Zweck genutzt werden?
• Personenbezogene Daten (FR): Sind solche Daten enthalten, ist die DSGVO (FR) zu berücksichtigen, auch bei einem von Dritten trainierten Modell.
• Nachvollziehbarkeit: Der AI Act (FR) verlangt eine Dokumentation der Datensätze für Modelle mit allgemeinem Verwendungszweck.

Ressourcensparsamkeit

Ein größeres Datenvolumen verbessert ein Modell nicht unbegrenzt, erhöht aber den Trainingsaufwand. Ein kleinerer, besser zusammengestellter und besser dokumentierter Datensatz liefert häufig bessere Ergebnisse als eine wahllose Ansammlung.

Siehe auch

• Maschinelles Lernen
• KI-Modell
• Algorithmische Verzerrung (FR)
• Personenbezogene Daten (FR)
• Open Data (FR)
• KI-Wertschöpfungskette (FR)