Trainingsdaten

Trainingsdaten sind der Datensatz, der verwendet wird, um ein KI-Modell zu trainieren. Sie bestehen aus Eingabedaten (Bilder, Texte, Audio) und oft den dazugehörigen Labels (Ausgaben), die das Modell lernen soll. Die Qualität der Trainingsdaten bestimmt maßgeblich die Qualität des Modells.

Eigenschaften guter Trainingsdaten: Repräsentativität (Vielfalt der realen Welt), Qualität (korrekt und vollständig), ausreichende Menge (je komplexer die Aufgabe, desto mehr),

Ausgewogenheit (keine starken Klassenungleichgewichte). Quellen: öffentliche Datensätze (Kaggle, ImageNet), eigene Daten, Web-Scraping.

Sammlung und Annotation: Datenannotation (Labelbox, SageMaker Ground Truth), synthetische Daten als Ergänzung, aktives Lernen. Trainingsdaten sind die Grundlage jeder KI – „garbage in, garbage out" gilt absolut. Datenqualitätssicherung ist oft der aufwendigste Teil eines KI-Projekts.