Glossar Bedrohungen und Schwächen
Modell- und Datendrift
Veränderungen der Daten oder des Einsatzkontexts können die Qualität der Modellergebnisse beeinträchtigen.
Bedeutung und Einordnung
Drift bezeichnet das Auseinanderlaufen von Modell und Wirklichkeit: Eingabedaten verschieben sich gegenüber den Trainingsdaten, Begriffe ändern ihre Bedeutung, Nutzungsmuster wandeln sich. Dadurch kann die Qualität der Ergebnisse abnehmen, auch wenn das System selbst unverändert bleibt.
Drift kann schleichend auftreten und lange unbemerkt bleiben. Regelmäßige Messungen helfen, Veränderungen früh zu erkennen. Halten Sie bei der Freigabe Vergleichswerte fest und legen Sie fest, ab welchen Abweichungen die zuständigen Personen eingreifen sollen. Bei zugekauften Modellen kommt hinzu, dass der Anbieter das Modell im Hintergrund austauschen kann.
Verwandte Begriffe
Weitere Begriffe aus dem Themenfeld Bedrohungen und Schwächen.
Passende Inhalte in der Wissensbasis
Vertiefen Sie das Thema über den folgenden Verweis. In der Glossarübersicht finden Sie weitere Begriffe, geordnet nach Themenfeld.
Diesen Begriff zitieren
Für Berichte, Richtlinien oder interne Unterlagen; der Link führt direkt auf diese Begriffsseite.
„Modell- und Datendrift“. Versatile AI Risk Assessment, Glossar der KI-Risikoanalyse, Stand September 2026. https://www.versatile-ai-risk-assessment.com/wissensbasis/glossar/drift/