Trainingsdaten Trainingsdaten sind die Beispiele, aus denen ein Modell seine Regeln ableitet. Ihre Qualität, Vollständigkeit und Ausgewogenheit bestimmen die Leistungsfähigkeit des Ergebnisses stärker als die Wahl des Verfahrens. Getrennt davon werden Validierungsdaten zum Einstellen und Testdaten zur abschließenden Bewertung zurückgehalten.
Kurz-Fakten
Übliche Aufteilung: etwa 70 / 15 / 15 Prozent
Die Aufteilung erfolgt vor dem Training, nicht danach
Schieflagen in den Daten übernimmt das Modell unverändert
Herkunft und Rechte sollten dokumentiert sein
Bedeutung in der Praxis
Der häufigste Messfehler heißt Datenleck: Informationen aus der Testmenge sickern ins Training, etwa durch Dubletten oder eine Skalierung über den Gesamtbestand. Das Ergebnis sieht hervorragend aus und bricht im Betrieb ein.
Bei zeitlich geordneten Daten gehört die Aufteilung nach Zeitpunkt, nicht nach Zufall – sonst lernt das Modell aus der Zukunft.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.